CN107480904A - 一种化合物半导体致命缺陷分析系统和分析方法 - Google Patents

一种化合物半导体致命缺陷分析系统和分析方法 Download PDF

Info

Publication number
CN107480904A
CN107480904A CN201710737010.7A CN201710737010A CN107480904A CN 107480904 A CN107480904 A CN 107480904A CN 201710737010 A CN201710737010 A CN 201710737010A CN 107480904 A CN107480904 A CN 107480904A
Authority
CN
China
Prior art keywords
wafer
defect
electrical parameter
critical defect
analysis
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.)
Granted
Application number
CN201710737010.7A
Other languages
English (en)
Other versions
CN107480904B (zh
Inventor
郭渊
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.)
Chengdu Hiwafer Technology Co Ltd
Original Assignee
Chengdu Hiwafer Technology Co Ltd
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 Chengdu Hiwafer Technology Co Ltd filed Critical Chengdu Hiwafer Technology Co Ltd
Priority to CN201710737010.7A priority Critical patent/CN107480904B/zh
Publication of CN107480904A publication Critical patent/CN107480904A/zh
Application granted granted Critical
Publication of CN107480904B publication Critical patent/CN107480904B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/14—Quality control systems
    • G07C3/143—Finished product quality control
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • 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
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Strategic Management (AREA)
  • Quality & Reliability (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Power Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Automation & Control Theory (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本发明涉及半导体制造技术领域，具体涉及一种化合物半导体致命缺陷分析系统和分析方法，当生产批次完成某金属层的工艺制造后，该生产批次将进入电性测试机台进行电性测试，同时通过缺陷扫描机台对该金属层的表面进行缺陷扫描，数据采集系统将实时从两个机台上获取该生产批次的关键电性参数的电性测试数据和缺陷扫描数据，然后通过匹配分析检验模块生成关键电性参数良率Map和缺陷分布Map，采用图形叠加运算的方式，搜索出与致命缺陷参考模型相似的晶圆，并在搜索出的晶圆的叠加Map上突出显示与致命缺陷参考模型相似的位置区域，为工艺整合工程师是否进行工艺线生产暂停提供数据支撑，为工艺、设备工程师是否进行工艺改进、机台维护保养提供理论依据。

Description

一种化合物半导体致命缺陷分析系统和分析方法
技术领域
本发明属于半导体制造技术领域，具体涉及一种化合物半导体致命缺陷分析系统和分析方法。
背景技术
化合物半导体多在高频、高功率的微波通信器件、光电子器件和功率器件中应用，此环境下对器件的性能要求极高。同时在化合物半导体的晶圆制造环节又面临工艺复杂、产量小，成本高，单层工艺对最终的器件性能影响较大的问题。
要保证最终的器件性能满足市场要求，就必须对晶圆制造环节中的各金属层工艺进行严格控制，必须对每产品批次下所有晶圆进行单层的电性测试和缺陷扫描。
在现有的单层工艺分析系统及方法中，通常采用统计管制图、描述性统计等各种统计学算法对电性参数进行分析，但无法准确定位一些关键的电性参数未达规格限制是因哪种缺陷所致。分析系统及方法的缺失导致失效的工艺、有问题的设备、环境仍应用于工艺线制造，大批在制品报废，制造成本不断上升，客户交期迟迟无法满足。
发明内容
本发明的目的在于提供一种统计学算法及图形化分析方法相结合的化合物半导体致命缺陷分析系统和分析方法，协助工程师快速定位对器件性能、关键电性参数有显著影响的致命缺陷，帮助现场工程师有针对性地为提升关键电性参数进行工艺优化或设备维护。
为达到上述要求，本发明采取的技术方案是：提供一种化合物半导体致命缺陷分析系统和分析方法，当生产批次完成某金属层的工艺制造后，该生产批次将进入电性测试机台进行电性测试，同时通过缺陷扫描机台对该金属层的表面进行缺陷扫描，数据采集系统将实时从两个机台上获取该生产批次的关键电性参数的电性测试数据和缺陷扫描数据，然后通过匹配分析检验模块生成关键电性参数良率Map和缺陷分布Map，采用图形叠加运算的方式，搜索出与致命缺陷参考模型相似的晶圆，并在搜索出的晶圆的叠加Map上突出显示与致命缺陷参考模型相似的位置区域，生成致命性缺陷分析结果，为工艺整合工程师是否进行工艺线生产暂停提供数据支撑，为工艺、设备工程师是否进行工艺改进、机台维护保养提供理论依据。
与现有技术相比，本发明具有以下优点：本发明适用于化合物半导体工艺线在完成某层工艺以后通过电性测试结果及缺陷扫描结果进行匹配分析，以验证该缺陷是否对关键电性参数产生致命影响，以防止产生该缺陷的现有工艺或设备继续应用于生产，从而减少报废，提升工艺线的制造良率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，在这些附图中使用相同的参考标号来表示相同或相似的部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明的化合物半导体致命缺陷分析方法的流程示意图；
图2为本发明的化合物半导体致命缺陷分析系统的框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，以下结合附图及具体实施例，对本申请作进一步地详细说明。为简单起见，以下描述中省略了本领域技术人员公知的某些技术特征。
如图2所示，本实施例提供一种化合物半导体致命缺陷分析系统，包括缺陷分析系统和数据采集系统。
缺陷分析系统包括：
关键电性参数分析模块，用于根据多片晶圆的电性测试值和最终的器件频率数据进行化合物半导体器件性能指标与电性参数的相关分析，确定各金属层与最终产品的性能指标相关性大的关键电性参数；本实施例中，以化合物半导体器件的跨导Gm性能指标为例，与跨导Gm性能指标相关性较高的电性参数为欧姆金属层的接触电阻Rc_TLM_OHM参数，因此，本实施例的关键电性参数分析模块设置欧姆金属层的Rc_TLM_OHM参数为关键电性参数。
电性参数设定模块，用于设置在各金属层进行电性测试的批次抽样规则和采集点范围，同时设置各金属层需要采集的关键电性参数及关键电性参数的规格限制，并将设定的数据通过数据传输系统同步至电性测试数据设置模块；本实施例中，欧姆金属层的Rc_TLM_OHM参数的批次抽样规则：每批次中单数片晶圆必检且必上传数据；采集点范围为：每片晶圆中针对所有的光罩重复单元必须测试Rc_TLM_OHM参数；规格限制为小于0.275Ohm/Sqr。
缺陷代码设置模块，用于设置欧姆金属层的26种缺陷类型代码及每种类型缺陷在Map上所显示的颜色，并设置在各金属层进行缺陷扫描的批次抽样规则，并将设定的数据通过数据传输系统同步至缺陷扫描数据设置模块；本实施例中，欧姆金属层的批次抽样规则为：每批次中单数片晶圆必检且必上传数据，晶圆上缺陷扫描的重复单元与光罩重复单元重合。
匹配分析检验模块，用于根据从数据采集系统接收到的单片晶圆的电性测试数据生成关键电性参数良率Map，关键电性参数良率Map上某光罩重复单元的Rc_TLM_OHM符合规格限制则显示为绿色，不符合规格限制则显示为灰色；根据单片晶圆的缺陷扫描数据生成缺陷分布Map，不同的缺陷类型代码显示的颜色不同(不可显示为绿色、灰色)；将单片晶圆的关键电性参数良率Map与其对应的缺陷分布Map叠加在一起形成叠加Map。
相似度搜索模块，用于分析关键电性参数良率低于80％的叠加Map，通过分析可知，在晶圆的左上角到中间位置的光罩重复单元因出现大量的欧姆表面粗糙缺陷导致该区域的Rc_TLM_OHM参数都超出规格限制，具体是出现了28个缺陷类型代码为RF的缺陷。因此，本实施例中致命缺陷参考模型为：晶圆的左上角到中间位置产生28个欧姆表面粗糙缺陷。判断晶圆与致命缺陷参考模型相似需要同时满足以下条件：晶圆的缺陷发生位置与致命缺陷参考模型的斜率一致；单片晶圆的Rc_TLM_OHM参数良率为75％-80％，即设定值为5％；至少具有28个欧姆表面粗糙缺陷。按照上述条件搜索出与致命缺陷参考模型相似的晶圆，在相似度搜索模块的客户端显示出这些晶圆的叠加Map，并在叠加Map上突出显示与致命缺陷参考模型相似的位置区域。
后续行为设定模块，用于当在制批次晶圆与致命缺陷参考模型的相似量超过m片或相似比例超过x％时，向生产产线发出暂停生产请求。如果超过90％的晶圆均产生欧姆表面粗糙缺陷且与致命缺陷参考模型相似，则说明极可能是欧姆接触的工艺出现问题，例如：Ni金属层的厚度不够，需要增加Ni金属层沉积的厚度(或在欧姆接触工艺中增加多次表面清洗工步)，则后续行为设定模块自动向制造执行系统客户端发送产品批次暂停生产请求，通知产品工程师暂停生产该产品，直到单项工艺优化完成为止；如果超过10片的晶圆中均产生欧姆表面粗糙缺陷且与致命缺陷参考模型相似，则说明极可能是设备问题，例如：设备的合金温度无法稳定地控制导致欧姆表面太过粗糙，需要对设备进行保养维护，则后续行为设定模块自动向工艺生产主机台发送机台暂停请求，通知设备工程师维修保养设备，直到设备保养完成验收为止。
数据采集系统具体包括：
电性测试数据设置模块，用于接收电性参数设定模块同步过来的数据；
缺陷扫描数据设置模块，用于接收缺陷代码设置模块同步过来的数据；
数据采集模块，用于根据同步至电性测试数据设置模块的批次抽样规则和采集点范围，通过半导体标准通讯协议HSMS 44到欧姆金属层的PCM测试工序上的电性测试机台上采集在制批次晶圆的关键电性参数的电性测试数据；并根据同步至缺陷扫描数据设置模块的批次抽样规则，通过半导体标准通讯协议HSMS 44到欧姆金属层的缺陷扫描工序上的缺陷扫描机台上采集在制批次晶圆的缺陷扫描数据，并将采集到的数据通过数据传输系统实时传输至匹配分析检验模块。
一种化合物半导体致命缺陷分析方法，如图1所示，包括以下步骤：
S0、关键电性参数分析模块确定各金属层与最终产品的性能指标相关性大的关键电性参数；电性参数设定模块设置在各金属层进行电性测试的批次抽样规则和采集点范围，同时设置各金属层需要采集的关键电性参数及关键电性参数的规格限制，将设定的数据同步至电性测试数据设置模块；缺陷代码设置模块设置各金属层的缺陷类型代码，并设置在各金属层进行缺陷扫描的批次抽样规则，并将设定的数据同步至缺陷扫描数据设置模块；
S1、数据采集模块根据同步至电性测试数据设置模块的批次抽样规则和采集点范围，通过半导体标准通讯协议HSMS 44到欧姆金属层的PCM测试工序上的电性测试机台上采集在制批次晶圆的关键电性参数的电性测试数据；并根据同步至缺陷扫描数据设置模块的批次抽样规则，通过半导体标准通讯协议HSMS 44到欧姆金属层的缺陷扫描工序上的缺陷扫描机台上采集在制批次晶圆的缺陷扫描数据，并将采集到的数据实时传输至匹配分析检验模块；
S2、根据从数据采集系统接收到的单片晶圆的电性测试数据生成关键电性参数良率Map，关键电性参数良率Map上某光罩重复单元的Rc_TLM_OHM符合规格限制则显示为绿色，不符合规格限制则显示为灰色；根据单片晶圆的缺陷扫描数据生成缺陷分布Map，不同的缺陷类型代码显示的颜色不同(不可显示为绿色、灰色)；将单片晶圆的关键电性参数良率Map与其对应的缺陷分布Map叠加在一起形成叠加Map；
S3、分析关键电性参数良率低于80％的叠加Map，通过分析可知，在晶圆的左上角到中间位置的光罩重复单元因出现大量的欧姆表面粗糙缺陷导致该区域的Rc_TLM_OHM参数都超出规格限制，具体是出现了28个缺陷类型代码为RF的缺陷；因此，本实施例中致命缺陷参考模型为：晶圆的左上角到中间位置产生28个欧姆表面粗糙缺陷。判断晶圆与致命缺陷参考模型相似需要同时满足以下条件：晶圆的缺陷发生位置与致命缺陷参考模型的斜率一致；单片晶圆的Rc_TLM_OHM参数良率为75％-80％，即设定值为5％；至少具有28个欧姆表面粗糙缺陷。按照上述条件搜索出与致命缺陷参考模型相似的晶圆，在相似度搜索模块的客户端显示出这些晶圆的叠加Map，并在叠加Map上突出显示与致命缺陷参考模型相似的位置区域。工程师从该突出显示的叠加Map中可以直观地看到对关键电性参数有显著影响的致命缺陷，帮助现场工程师有针对性地为提升关键电性参数进行工艺优化或设备维护。
S4、当在制批次晶圆与致命缺陷参考模型的相似量超过m片或相似比例超过x％时，向生产产线发出暂停生产请求。
以上实施例仅表示本发明的几种实施方式，其描述较为具体和详细，但并不能理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明保护范围。因此本发明的保护范围应该以权利要求为准。

Claims (10)

1.一种化合物半导体致命缺陷分析系统，其特征在于，包括缺陷分析系统和数据采集系统，所述数据采集系统从电性测试机台采集在制批次晶圆的关键电性参数的电性测试数据，从缺陷扫描机台采集在制批次晶圆的缺陷扫描数据，并将采集到的数据实时传输至缺陷分析系统；
所述缺陷分析系统包括：
匹配分析检验模块，用于根据从数据采集系统接收到的单片晶圆的电性测试数据生成关键电性参数良率Map，根据单片晶圆的缺陷扫描数据生成缺陷分布Map，并将单片晶圆的关键电性参数良率Map与其对应的缺陷分布Map叠加在一起形成叠加Map；
相似度搜索模块，用于分析关键电性参数良率低于n％的叠加Map并根据分析设置致命缺陷参考模型，搜索出与致命缺陷参考模型相似的晶圆，并在搜索出的晶圆的叠加Map上突出显示与致命缺陷参考模型相似的位置区域。
2.根据权利要求1所述的化合物半导体致命缺陷分析系统，其特征在于，所述缺陷分析系统还包括：
关键电性参数分析模块，用于根据多片晶圆的电性测试值和最终的器件频率数据分析确定各金属层与最终产品的性能指标相关性大的关键电性参数；
电性参数设定模块，用于设置在各金属层进行电性测试的批次抽样规则和采集点范围，同时设置各金属层需要采集的关键电性参数及关键电性参数的规格限制；
缺陷代码设置模块，用于设置各金属层的缺陷类型代码，并设置在各金属层进行缺陷扫描的批次抽样规则。
3.根据权利要求2所述的化合物半导体致命缺陷分析系统，其特征在于，所述数据采集系统具体包括：
电性测试数据设置模块，用于接收所述电性参数设定模块设定的数据；
缺陷扫描数据设置模块，用于接收所述缺陷代码设置模块设定的数据；
数据采集模块，用于根据所述电性参数设定模块设定的批次抽样规则和采集点范围，从电性测试机台采集在制批次晶圆的关键电性参数的电性测试数据；并根据所述缺陷代码设置模块设定的批次抽样规则，从缺陷扫描机台采集在制批次晶圆的缺陷扫描数据，并将采集到的数据实时传输至所述匹配分析检验模块。
4.根据权利要求1-3任一权项所述的化合物半导体致命缺陷分析系统，其特征在于，还包括后续行为设定模块，用于当在制批次晶圆与致命缺陷参考模型的相似量超过m片或相似比例超过x％时，向生产产线发出暂停生产请求。
5.根据权利要求1-3任一权项所述的化合物半导体致命缺陷分析系统，其特征在于，所述相似度搜索模块判断晶圆与致命缺陷参考模型相似需要同时满足以下条件：该晶圆的缺陷发生位置与致命缺陷参考模型的斜率一致；该晶圆的关键电性参数良率小于等于n％且与n％的差值的绝对值小于设定值；该晶圆的致命缺陷个数大于等于致命缺陷参考模型中的致命缺陷个数。
6.根据权利要求5所述的化合物半导体致命缺陷分析系统，其特征在于，所述相似度搜索模块分析关键电性参数良率低于80％的叠加Map并根据分析设置致命缺陷参考模型。
7.一种化合物半导体致命缺陷分析方法，其特征在于，包括以下步骤：
S1、采集在制批次晶圆的缺陷扫描数据和关键电性参数的电性测试数据；
S2、根据单片晶圆的电性测试数据生成关键电性参数良率Map，根据单片晶圆的缺陷扫描数据生成缺陷分布Map，并将单片晶圆的关键电性参数良率Map与其对应的缺陷分布Map叠加在一起形成叠加Map；
S3、分析关键电性参数良率低于n％的叠加Map并根据分析设置致命缺陷参考模型，搜索出与致命缺陷参考模型相似的晶圆，并在搜索出的晶圆的叠加Map上突出显示与致命缺陷参考模型相似的位置区域。
8.根据权利要求7所述的化合物半导体致命缺陷分析方法，其特征在于，所述步骤S1之前还包括步骤S0：
确定化合物半导体各金属层与最终产品的性能指标相关性大的关键电性参数；
设置在各金属层进行电性测试的批次抽样规则和采集点范围，同时设置各金属层需要采集的关键电性参数及关键电性参数的规格限制；
设置各金属层的缺陷类型代码，并设置在各金属层进行缺陷扫描的批次抽样规则。
9.根据权利要求7或8所述的化合物半导体致命缺陷分析方法，其特征在于，所述步骤S3之后还包括步骤S4：当在制批次晶圆与致命缺陷参考模型的相似量超过m片或相似比例超过x％时，向生产产线发出暂停生产请求。
10.根据权利要求7所述的化合物半导体致命缺陷分析方法，其特征在于，所述步骤S3中判断晶圆与致命缺陷参考模型相似需要同时满足以下条件：该晶圆的缺陷发生位置与致命缺陷参考模型的斜率一致；该晶圆的关键电性参数良率小于等于n％且与n％的差值的绝对值小于设定值；该晶圆的致命缺陷个数大于等于致命缺陷参考模型中的致命缺陷个数。
CN201710737010.7A 2017-08-24 2017-08-24 一种化合物半导体致命缺陷分析系统和分析方法 Active CN107480904B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710737010.7A CN107480904B (zh) 2017-08-24 2017-08-24 一种化合物半导体致命缺陷分析系统和分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710737010.7A CN107480904B (zh) 2017-08-24 2017-08-24 一种化合物半导体致命缺陷分析系统和分析方法

Publications (2)

Publication Number Publication Date
CN107480904A true CN107480904A (zh) 2017-12-15
CN107480904B CN107480904B (zh) 2020-11-24

Family

ID=60602616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710737010.7A Active CN107480904B (zh) 2017-08-24 2017-08-24 一种化合物半导体致命缺陷分析系统和分析方法

Country Status (1)

Country Link
CN (1) CN107480904B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109711659A (zh) * 2018-11-09 2019-05-03 成都数之联科技有限公司 一种工业生产的良率提升管理系统和方法
CN111653500A (zh) * 2020-06-19 2020-09-11 上海华力集成电路制造有限公司 判断晶圆良率损失的方法
CN112397410A (zh) * 2020-12-08 2021-02-23 晶芯成(北京)科技有限公司 一种晶圆失效的分析方法及系统
CN113109647A (zh) * 2021-04-09 2021-07-13 长鑫存储技术有限公司 导电结构电性缺陷分析方法、电性参数分析方法及系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040040000A1 (en) * 2002-08-20 2004-02-26 Kunal Taravade Device parameter and gate performance simulation based on wafer image prediction
CN1770416A (zh) * 2004-11-02 2006-05-10 力晶半导体股份有限公司 晶片缺陷管理方法
CN1783065A (zh) * 2004-12-03 2006-06-07 台湾积体电路制造股份有限公司 事件良率关联分析系统及方法以及计算机可读取储存媒体
CN1790314A (zh) * 2004-12-13 2006-06-21 台湾积体电路制造股份有限公司 产品良率分析系统及方法
CN102117730A (zh) * 2009-12-31 2011-07-06 中芯国际集成电路制造(上海)有限公司 半导体制造过程中的机台参数数据的处理方法和装置
CN102683165A (zh) * 2011-03-18 2012-09-19 敖翔科技股份有限公司 智能缺陷筛选及取样方法
CN103186657A (zh) * 2011-12-28 2013-07-03 敖翔科技股份有限公司 智能型缺陷良率总览接口系统与方法
CN103308840A (zh) * 2013-05-23 2013-09-18 上海华力微电子有限公司 晶圆可接受测试方法
WO2014201169A1 (en) * 2013-06-12 2014-12-18 Applied Materials, Inc. Non-contact sheet resistance measurement of barrier and/or seed layers prior electroplating
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
CN107019497A (zh) * 2015-10-19 2017-08-08 韦伯斯特生物官能(以色列)有限公司 示出温度分布标测图中的错误

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040040000A1 (en) * 2002-08-20 2004-02-26 Kunal Taravade Device parameter and gate performance simulation based on wafer image prediction
CN1770416A (zh) * 2004-11-02 2006-05-10 力晶半导体股份有限公司 晶片缺陷管理方法
CN1783065A (zh) * 2004-12-03 2006-06-07 台湾积体电路制造股份有限公司 事件良率关联分析系统及方法以及计算机可读取储存媒体
CN1790314A (zh) * 2004-12-13 2006-06-21 台湾积体电路制造股份有限公司 产品良率分析系统及方法
CN102117730A (zh) * 2009-12-31 2011-07-06 中芯国际集成电路制造(上海)有限公司 半导体制造过程中的机台参数数据的处理方法和装置
CN102683165A (zh) * 2011-03-18 2012-09-19 敖翔科技股份有限公司 智能缺陷筛选及取样方法
CN103186657A (zh) * 2011-12-28 2013-07-03 敖翔科技股份有限公司 智能型缺陷良率总览接口系统与方法
CN103308840A (zh) * 2013-05-23 2013-09-18 上海华力微电子有限公司 晶圆可接受测试方法
WO2014201169A1 (en) * 2013-06-12 2014-12-18 Applied Materials, Inc. Non-contact sheet resistance measurement of barrier and/or seed layers prior electroplating
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
CN107019497A (zh) * 2015-10-19 2017-08-08 韦伯斯特生物官能(以色列)有限公司 示出温度分布标测图中的错误

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHER MING TAN等: ""Automated wafer defect map generation for process yield improvement"", 《2011 INTERNATIONAL SYMPOSIUM ON INTEGRATED CIRCUITS》 *
康盛: ""基于主成分分析的多元分段模型预测集成电路晶圆良率的应用"", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109711659A (zh) * 2018-11-09 2019-05-03 成都数之联科技有限公司 一种工业生产的良率提升管理系统和方法
CN111653500A (zh) * 2020-06-19 2020-09-11 上海华力集成电路制造有限公司 判断晶圆良率损失的方法
CN112397410A (zh) * 2020-12-08 2021-02-23 晶芯成(北京)科技有限公司 一种晶圆失效的分析方法及系统
CN112397410B (zh) * 2020-12-08 2021-05-14 晶芯成(北京)科技有限公司 一种晶圆失效的分析方法及系统
CN113109647A (zh) * 2021-04-09 2021-07-13 长鑫存储技术有限公司 导电结构电性缺陷分析方法、电性参数分析方法及系统
CN113109647B (zh) * 2021-04-09 2022-04-29 长鑫存储技术有限公司 导电结构电性缺陷分析方法、电性参数分析方法及系统

Also Published As

Publication number Publication date
CN107480904B (zh) 2020-11-24

Similar Documents

Publication Publication Date Title
CN107480904A (zh) 一种化合物半导体致命缺陷分析系统和分析方法
US8682466B2 (en) Automatic virtual metrology for semiconductor wafer result prediction
CN103187329B (zh) 一种晶圆良率分析方法
CN105223914B (zh) 管控机台生产数据的系统及其方法
JPS63249328A (ja) 物品の製造システム及び物品の製造方法
CN107767024A (zh) 一种用于盖板玻璃生产线产品质量实时监测系统及方法
CN103885423A (zh) 一种晶圆级电性测试统计过程控制系统及方法
CN109324572A (zh) 机台自动化管理系统及其方法
CN104281132A (zh) 基于机器视觉的机械制造车间生产过程信息采集系统及采集方法
TWI505121B (zh) 在半導體晶圓廠中以設計為基礎的製程最佳化裝置
CN104752252A (zh) 表征晶背缺陷的方法
CN110503288A (zh) 考虑机台交互作用的辨识良率损失原因的系统与方法
CN105159239A (zh) 一种spc策略自动更新方法及spc自动策略系统
CN107436162A (zh) 一种电网线路舞动发生预测方法和系统
CN102412168A (zh) 晶片缺陷的检测方法及系统
CN106206356A (zh) 提高良率提升缺陷监测效率的方法
CN106815462A (zh) 辨识良率损失的根本原因的系统与方法
CN109816191A (zh) 多工作站系统的质量预测方法及其系统
CN108537792B (zh) 一种基于卷积神经网络的电力缺陷图像识别方法
CN104701211B (zh) 根据集成电路制程能力指数自动调整抽检频率的量测方法
CN107679163A (zh) 一种单步工序制造因素显著差异分析系统和分析方法
CN103592913A (zh) 半导体制造设备的机台性能匹配方法和系统
CN104134620B (zh) 半导体制造过程的监控方法及半导体生产方法
CN103326355B (zh) 一种考虑变电站分裂运行的电网自动电气分区方法
CN108226182A (zh) 太阳能电池片印刷检测装置

Legal Events

Date Code Title Description
PB01 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