CN109698144A - 使用计算机视觉系统的原位室清洁终点检测系统和方法 - Google Patents

使用计算机视觉系统的原位室清洁终点检测系统和方法 Download PDF

Info

Publication number
CN109698144A
CN109698144A CN201811223497.8A CN201811223497A CN109698144A CN 109698144 A CN109698144 A CN 109698144A CN 201811223497 A CN201811223497 A CN 201811223497A CN 109698144 A CN109698144 A CN 109698144A
Authority
CN
China
Prior art keywords
processing
component
controller
camera
process chamber
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
CN201811223497.8A
Other languages
English (en)
Inventor
卡皮尔·索拉尼
盖瑞·B·利德
迈克尔·丹克
罗纳德·鲍威尔
迈克尔·拉莫
卡伊翰·阿什蒂亚尼
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.)
Lam Research Corp
Original Assignee
Lam Research 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 Lam Research Corp filed Critical Lam Research Corp
Publication of CN109698144A publication Critical patent/CN109698144A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • 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
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B5/00—Optical elements other than lenses
    • G02B5/20—Filters
    • G02B5/208—Filters for use with infrared or ultraviolet radiation, e.g. for separating visible light from infrared and/or ultraviolet radiation
    • 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
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • 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
    • 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
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • 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
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/26—Acting in response to an ongoing measurement without interruption of processing, e.g. endpoint detection, in-situ thickness measurement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Optics & Photonics (AREA)
  • Toxicology (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Drying Of Semiconductors (AREA)
  • Chemical Vapour Deposition (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Measurement Of Optical Distance (AREA)
  • Physical Vapour Deposition (AREA)

Abstract

本发明涉及使用计算机视觉系统的原位室清洁终点检测系统和方法。一种系统包括安装在处理室的窗外部并邻近所述窗的相机，所述处理室被配置成处理半导体衬底。所述窗使得所述相机能观察到所述处理室内的部件。所述相机被配置为于在正在所述处理室内执行的处理期间生成指示所述部件的状态的视频信号。该系统还包括耦合到所述处理室上的控制器。该控制器被配置成：控制所述相机；处理来自所述相机的所述视频信号；根据对所述视频信号的所述处理确定所述部件的状态；以及根据所述部件的所述状态确定是否终止所述处理。

Description

使用计算机视觉系统的原位室清洁终点检测系统和方法
相关申请的交叉引用
本申请要求于2017年10月20日提交的美国临时申请No.62/575,190的权益。上述申请的全部公开内容通过引用并入本文。
技术领域
本公开涉及衬底处理系统，更具体地涉及用于使用计算机视觉系统检测残留膜去除的终点的检测系统和方法。
背景技术
这里提供的背景描述是为了总体呈现本公开的背景的目的。在此背景技术部分以及在提交申请时不能确定为现有技术的描述的各方面中描述的范围内的当前指定的发明人的工作既不明确也不暗示地承认是针对本公开的现有技术。
衬底处理系统用于执行诸如在诸如半导体晶片之类的衬底上沉积和蚀刻膜之类的处理。例如，可以使用化学气相沉积(CVD)、原子层沉积(ALD)或其他沉积处理来执行沉积以沉积导电膜、介电膜或其他类型的膜。在沉积期间，可以在一个或多个处理步骤期间将一种或多种前体气体供应到处理室。等离子体可用于引发化学反应。
在执行沉积之后，将工艺气体抽空并从处理室移除衬底。当膜沉积在衬底上时，膜也沉积在位于处理室中的部件上。随着时间的推移，残留的膜积聚在这些部件上并且需要被去除以防止颗粒污染、机械变形和/或衬底缺陷。周期性地执行室清洁处理以从处理室中的部件上去除残留膜。
目前，使用固定时间清洁处理。使用室观察口或使用化学传感器(例如红外吸收检测器和/或残留气体分析仪(RGA))手动执行清洁的验证。基于定时的清洁需要手动验证处理室状态是否清洁。这种方法的另一个限制是无法预测在处理或硬件发生变化时的清洁时间。对工艺配方或室配置的任何修改都可导致残留膜的不同累积和室清洁处理的不同蚀刻速率。这导致需要手动表征的不同清洁时间。
化学传感器通常很昂贵并且可能具有受限的应用。例如，红外吸收检测器通常限于特定的气体种类。RGA也限于探测器可以分析的特定原子质量。
发明内容
一种系统包括安装在处理室的窗外部并邻近所述窗的相机，所述处理室被配置成处理半导体衬底。所述窗使得所述相机能观察到所述处理室内的部件。所述相机被配置为于在正在所述处理室内执行的处理期间生成指示所述部件的状态的视频信号。该系统还包括耦合到所述处理室上的控制器。该控制器被配置成：控制所述相机；处理来自所述相机的所述视频信号；根据对所述视频信号的所述处理确定所述部件的状态；以及根据所述部件的所述状态确定是否终止所述处理。
在其他特征中，响应于所述处理是被执行以去除通过先前执行的处理沉积在所述部件上的材料的清洁处理，所述控制器被配置为：将所述部件的通过所述视频信号的多个帧观察到的特征的属性的变化与预定阈值进行比较；基于所述比较确定是否去除了沉积在所述部件上的所述材料；以及响应于确定去除了沉积在所述部件上的所述材料，终止所述清洁处理。
在其他特征中，响应于所述处理是被执行以去除通过先前执行的处理沉积在所述部件上的材料的清洁处理，所述控制器被配置为：将从所述视频信号捕获的图像与预定图像进行比较；基于所述比较确定是否去除了沉积在所述部件上的所述材料；以及响应于确定去除了沉积在所述部件上的所述材料，终止所述清洁处理。
在其他特征中，所述控制器配置为：接收来自所述处理室中的一个或多个传感器的数据；以及基于从一个或多个传感器接收的所述数据和从所述相机接收的视频信号生成模型，所述视频信号指示先前在所述处理室中执行所述处理时所述部件的状态。所述控制器还配置为使用该模型以：处理所述视频信号；根据对所述视频信号的所述处理确定所述部件的状态；以及基于所确定所述部件的状态，确定是否基于所述部件的状态终止所述处理。
在其他特征中，所述系统还包括布置在所述相机和所述窗之间的光学滤波器。所述光学滤波器被配置为过滤通过所述窗从所述部件接收的光的一种或多种波长，并将过滤后的信号输出到所述相机。所述控制器被配置为基于使用光学干涉处理所述过滤后的信号来确定所述部件的状态。
在其他特征中，所述控制器被配置为在终止所述处理之前确定是否在整个所述部件上执行了所述处理。
在其他特征中，所述控制器被配置为在终止所述处理之前确定是否在整个所述部件上均匀地执行了所述处理。
在其他特征中，所述控制器被配置为确定在所述部件上的不同位置处执行所述处理的速率。
在其他特征中，所述部件包括半导体衬底，并且所述处理包括被执行以从所述半导体衬底去除膜的膜去除处理。所述控制器被配置为确定在终止所述处理之前确定在整个所述部件上的膜是否被去除。
在其他特征中，所述控制器被配置为使所述相机聚焦在所述部件的边缘处并且确定在终止所述处理之前是否在所述部件的边缘处执行所述处理。
在其他特征中，所述部件包括半导体衬底，并且所述处理包括沉积处理。所述系统还包括设置在所述相机和所述窗之间的第一光学滤波器。所述第一光学滤波器被配置为过滤通过所述窗从部件接收的紫外光的波长。所述系统还包括设置在所述相机和所述窗之间的第二光学滤波器。所述第二光学滤波器被配置为过滤通过所述窗从所述部件接收的红外光的波长。所述控制器被配置为：基于所述第一光学滤波器的输出确定在所述部件上的多个位置处沉积的材料的厚度；基于所述第二光学滤波器的输出确定所述部件的多个位置处的温度；关联所述厚度的所述确定和所述温度的所述确定；并且基于所述关联性来确定整个所述部件上的沉积均匀性。
在其他特征中，所述部件包括半导体衬底，并且所述处理包括沉积处理。所述系统还包括被配置为观察所述部件的底部的光学传感器。所述控制器被配置为：使所述相机聚焦在所述部件的顶部；处理从所述光学传感器和所述相机接收的图像；以及基于所述图像的所述处理确定所述部件的整个所述顶部和整个所述底部的沉积均匀性。
在其他特征中，所述系统还包括耦合到第二处理室的第二控制器，在所述第二处理室中执行相同的处理。所述第二控制器配置成控制与所述第二处理室相关联的第二相机。所述系统还包括第三控制器，第三控制器被配置为：分析来自所述控制器和所述第二控制器的数据；基于所分析的所述数据，将所述处理室中的所述处理的性能与所述第二处理室中的所述处理的性能比较；以及基于该比较，确定所述处理室中的所述处理的所述性能与所述第二处理室中的所述处理的所述性能是否匹配。
在其他特征中，所述系统还包括耦合到第二处理室的第二控制器，在所述第二处理室中在相同的所述部件上执行相同的所述处理。所述第二控制器配置成控制与所述第二处理室相关联的第二相机。所述系统还包括第三控制器，第三控制器被配置为：分析来自所述控制器和所述第二控制器的数据；基于所分析的所述数据，将所述处理室中的所述部件上的所述处理的性能与所述第二处理室中的所述部件上的所述处理的性能比较；以及基于该比较，确定所述处理室中的所述部件上的所述处理的所述性能与所述第二处理室中的所述部件上的所述处理的所述性能是否匹配。
在其他特征中，响应于在所述处理室中的所述处理比在所述第二处理室中的所述处理更早地完成，所述第三控制器被配置为使所述处理室中的所述处理早于所述第二处理室中的所述处理终止。
在还有的其他特征中，一种方法包括控制安装在处理室的窗外部并邻近所述窗的相机，所述处理室被配置成处理半导体衬底。所述窗使得所述相机能观察到所述处理室内的部件。所述方法还包括：使用所述相机于在正在所述处理室内执行的处理期间生成指示所述部件的状态的视频信号；基于所述视频信号确定所述部件的状态；以及基于所述部件的所述状态确定是否终止所述处理。
在其他特征中，所述处理包括被执行以去除通过先前执行的处理沉积在所述部件上的材料的清洁处理，并且所述方法还包括：将所述部件的通过所述视频信号的多个帧观察到的特征的属性的变化与预定阈值进行比较；基于所述比较确定是否去除了沉积在所述部件上的所述材料；以及响应于确定去除了沉积在所述部件上的所述材料，终止所述清洁处理。
在其他特征中，所述处理包括被执行以去除通过先前执行的处理沉积在所述部件上的材料的清洁处理，并且所述方法还包括：将从所述视频信号捕获的图像与预定图像进行比较；基于所述比较确定是否去除了沉积在所述部件上的所述材料；以及响应于确定去除了沉积在所述部件上的所述材料，终止所述清洁处理。
在其他特征中，所述方法还包括：接收来自所述处理室中的一个或多个传感器的数据；以及基于从一个或多个传感器接收的所述数据和从所述相机接收的视频信号生成模型。所述视频信号指示先前在所述处理室中执行所述处理时所述部件的状态。所述方法还包括使用该模型来：处理所述视频信号；根据对所述视频信号的所述处理确定所述部件的状态；以及基于所确定所述部件的状态，确定是否基于所述部件的状态终止所述处理。
在其他特征中，所述方法还包括：过滤通过所述窗从所述部件接收的光的一种或多种波长，并基于使用光学干涉进行的所述过滤来确定所述部件的状态。
在其他特征中，所述方法还包括：在终止所述处理之前确定是否在整个所述部件上执行了所述处理。
在其他特征中，所述方法还包括：在终止所述处理之前确定是否在整个所述部件上均匀地执行了所述处理。
在其他特征中，所述方法还包括：确定在所述部件上的不同位置处执行所述处理的速率。
在其他特征中，所述部件包括半导体衬底，并且所述处理包括被执行以从所述半导体衬底去除膜的膜去除处理。所述方法还包括：确定在终止所述处理之前确定在整个所述部件上的膜是否被去除。
在其他特征中，所述方法还包括：使所述相机聚焦在所述部件的边缘处并且确定在终止所述处理之前是否在所述部件的边缘处执行所述处理。
在其他特征中，所述部件包括半导体衬底，并且所述处理包括沉积处理。所述方法还包括：过滤通过所述窗从部件接收的紫外光的波长；过滤通过所述窗从所述部件接收的红外光的波长；基于所述紫外光的波长的过滤确定在所述部件上的多个位置处沉积的材料的厚度；基于所述红外光波长的过滤确定所述部件的多个位置处的温度；关联所述厚度的所述确定和所述温度的所述确定；并且基于所述关联性来确定整个所述部件上的沉积均匀性。
在其他特征中，所述部件包括半导体衬底，并且所述处理包括沉积处理。所述方法还包括使用光学传感器观察所述部件的底部；使所述相机聚焦在所述部件的顶部；处理从所述光学传感器和所述相机接收的图像；以及基于所述图像的所述处理确定所述部件的整个所述顶部和整个所述底部的沉积均匀性。
在其他特征中，所述方法还包括接收来自与所述第二处理室相关联的第二相机的数据，在所述第二处理室中执行相同的处理；分析来自所述处理室和所述第二处理室的数据；基于所分析的所述数据，将所述处理室中的所述处理的性能与所述第二处理室中的所述处理的性能比较；以及基于该比较，确定所述处理室中的所述处理的所述性能与所述第二处理室中的所述处理的所述性能是否匹配。
在其他特征中，所述方法还包括接收来自与所述第二处理室相关联的第二相机的数据，在所述第二处理室中在相同的所述部件上执行相同的所述处理；分析来自所述处理室和所述第二处理室的数据；基于所分析的所述数据，将所述处理室中的所述部件上的所述处理的性能与所述第二处理室中的所述部件上的所述处理的性能比较；以及基于该比较，确定所述处理室中的所述部件上的所述处理的所述性能与所述第二处理室中的所述部件上的所述处理的所述性能是否匹配。
在其他特征中，响应于在所述处理室中的所述处理比在所述第二处理室中的所述处理更早地完成，所述方法还包括使所述处理室中的所述处理早于所述第二处理室中的所述处理终止。
具体而言，本发明的一些方面可以阐述如下：
1.一种系统，其包括：
安装在处理室的窗外部并邻近所述窗的相机，所述处理室被配置成处理半导体衬底，所述窗使得所述相机能观察到所述处理室内的部件，所述相机被配置为于在正在所述处理室内执行的处理期间生成指示所述部件的状态的视频信号；和
控制器，其耦合到所述处理室并被配置成：
控制所述相机；
处理来自所述相机的所述视频信号；
基于对所述视频信号的所述处理确定所述部件的状态；以及
基于所述部件的所述状态确定是否终止所述处理。
2.根据条款1所述的系统，其中，响应于所述处理是被执行以去除通过先前执行的处理沉积在所述部件上的材料的清洁处理，所述控制器被配置为：
将所述部件的通过所述视频信号的多个帧观察到的特征的属性的变化与预定阈值进行比较；
基于所述比较确定是否去除了沉积在所述部件上的所述材料；以及
响应于确定去除了沉积在所述部件上的所述材料，终止所述清洁处理。
3.根据条款1所述的系统，其中，响应于所述处理是被执行以去除通过先前执行的处理沉积在所述部件上的材料的清洁处理，所述控制器被配置为：
将从所述视频信号捕获的图像与预定图像进行比较；
基于所述比较确定是否去除了沉积在所述部件上的所述材料；以及
响应于确定去除了沉积在所述部件上的所述材料，终止所述清洁处理。
4.根据条款1所述的系统，其中所述控制器配置为：
接收来自所述处理室中的一个或多个传感器的数据；
基于从一个或多个传感器接收的所述数据和从所述相机接收的视频信号生成模型，所述视频信号指示先前在所述处理室中执行所述处理时所述部件的状态；以及
使用该模型以：
处理所述视频信号；
基于对所述视频信号的所述处理确定所述部件的状态；以及
基于所确定的所述部件的状态，确定是否终止所述处理。
5.根据条款1所述的系统，其还包括：
光学滤波器，其布置在所述相机和所述窗之间，所述光学滤波器被配置为过滤通过所述窗从所述部件接收的光的一种或多种波长，并将过滤后的信号输出到所述相机，
其中，所述控制器被配置为基于使用光学干涉处理所述过滤后的信号来确定所述部件的状态。
6.根据条款5所述的系统，其中，所述控制器被配置为在终止所述处理之前确定是否在整个所述部件上执行了所述处理。
7.根据条款5所述的系统，其中，所述控制器被配置为在终止所述处理之前确定是否在整个所述部件上均匀地执行了所述处理。
8.根据条款5所述的系统，其中，所述控制器被配置为确定在所述部件上的不同位置处执行所述处理的速率。
9.根据条款1所述的系统，其中所述部件包括半导体衬底，并且所述处理包括被执行以从所述半导体衬底去除膜的膜去除处理，并且其中所述控制器被配置为确定在终止所述处理之前确定在整个所述部件上的膜是否被去除。
10.根据条款1所述的系统，其中所述控制器被配置为使所述相机聚焦在所述部件的边缘处并且确定在终止所述处理之前是否在所述部件的边缘处执行所述处理。
11.根据条款1所述的系统，其中所述部件包括半导体衬底，并且所述处理包括沉积处理，所述系统还包括：
第一光学滤波器，其设置在所述相机和所述窗之间，所述第一光学滤波器被配置为过滤通过所述窗从所述部件接收的紫外光的波长；和
第二光学滤波器，其设置在所述相机和所述窗之间，所述第二光学滤波器被配置为过滤通过所述窗从所述部件接收的红外光的波长；
其中，所述控制器被配置为：
基于所述第一光学滤波器的输出确定在所述部件上的多个位置处沉积的材料的厚度；
基于所述第二光学滤波器的输出确定所述部件的多个位置处的温度；
关联所述厚度的所述确定和所述温度的所述确定；并且
基于所述关联来确定整个所述部件上的沉积均匀性。
12.根据条款1所述的系统，其中所述部件包括半导体衬底，并且所述处理包括沉积处理，所述系统还包括：
光学传感器，其被配置为观察所述部件的底部，
其中所述控制器被配置为：
使所述相机聚焦在所述部件的顶部；
处理从所述光学传感器和所述相机接收的图像；以及
基于所述图像的所述处理确定所述部件的整个所述顶部和整个所述底部的沉积均匀性。
13.根据条款1所述的系统，其还包括：
第二控制器，其耦合到第二处理室，在所述第二处理室中执行相同的处理，所述第二控制器配置成控制与所述第二处理室相关联的第二相机；和
第三控制器，其被配置为：
分析来自所述控制器和所述第二控制器的数据；
基于所分析的所述数据，将所述处理室中的所述处理的性能与所述第二处理室中的所述处理的性能比较；以及
基于该比较，确定所述处理室中的所述处理的所述性能与所述第二处理室中的所述处理的所述性能是否匹配。
14.根据条款1所述的系统，其还包括：
第二控制器，其耦合到第二处理室，在所述第二处理室中在相同的所述部件上执行相同的所述处理，所述第二控制器配置成控制与所述第二处理室相关联的第二相机；和
第三控制器，其被配置为：
分析来自所述控制器和所述第二控制器的数据；
基于所分析的所述数据，将所述处理室中的所述部件上的所述处理的性能与所述第二处理室中的所述部件上的所述处理的性能比较；以及
基于该比较，确定所述处理室中的所述部件上的所述处理的所述性能与所述第二处理室中的所述部件上的所述处理的所述性能是否匹配。
15.根据条款14所述的系统，其中，响应于在所述处理室中的所述处理比在所述第二处理室中的所述处理更早地完成，所述第三控制器被配置为使所述处理室中的所述处理早于所述第二处理室中的所述处理终止。
根据详细描述、权利要求和附图，本公开内容的适用性的进一步范围将变得显而易见。详细描述和具体实施例仅用于说明的目的，并非意在限制本公开的范围。
附图说明
根据详细描述和附图，本发明将被更充分地理解，其中：
图1是根据本公开的衬底处理系统的示例的功能框图，该衬底处理系统用于生成视频信号，并且使用计算机视觉系统来基于视频信号检测残留膜去除的终点；
图2是图解根据本公开的用于操作图1的衬底处理系统的方法的示例的流程图；
图3是根据本公开的衬底处理系统的示例的功能框图，该衬底处理系统用于收集传感器数据以生成学习模型，该学习模型被计算机视觉系统用于识别残留膜去除的终点；
图4-5是根据本公开的图解用于生成学习模型以识别残留膜去除的终点的方法的示例的流程图；
图6是根据本公开的图解用于使用学习模型来检测残留膜去除的终点的方法的示例的流程图；
图7A是根据本公开的图解位于处理室中的结构的示例的平面图，该结构具有标记以便于由计算机视觉系统执行终点检测；
图7B是根据本公开的图解位于处理室中的结构的示例的侧视图，该结构具有标记以便于由计算机视觉系统执行终点检测；
图8是根据本公开的一种系统的功能框图，该系统使用连接到包括计算机视觉系统的多个处理控制器的控制器来优化处理条件。
图9是根据本公开的图解用于比较在多个室内执行的处理的性能并且基于多个室中的处理的性能来匹配处理室的方法的示例的流程图；
图10是根据本公开的图解用于在部件级匹配处理室的方法的示例的流程图；
图11A是根据本公开的用于确定沉积在衬底上的膜的均匀性的系统的示意图；
图11B是根据本公开的用于确定材料是否均匀地沉积在衬底的顶部和底部上的系统的示意图；
图12是根据本公开的图解用于确定对部件执行的处理(例如，清洁、蚀刻、沉积等)是否已经在整个部件上均匀地执行的方法的示例的流程图；
图13是根据本公开的图解用于确定对部件执行的处理(例如，清洁、蚀刻、沉积等)是否已经执行到部件的边缘的方法的示例的流程图；
图14是根据本公开的图解用于确定在衬底上沉积的膜的均匀性的方法的示例的流程图；以及
图15是根据本公开的图解用于确定材料是否均匀地沉积在衬底的顶部和底部两者上的方法的示例的流程图。
在附图中，附图标记可以被重新使用以标识相似和/或相同的元件。
具体实施方式
本公开涉及使用计算机视觉系统检测残留膜去除的终点的系统和方法。该系统和方法利用安装在处理室外部的相机，该相机邻近在处理室内的窗。相机在可见和/或红外波长范围内操作并产生视频信号(如本文所使用的，术语视频信号还包括以预定间隔拍摄的一系列静止图像)。由计算机视觉系统处理和分析由相机产生的视频信号，以确定何时达到残留膜去除的终点。
在一些示例中，基于检测到的处理室中的组件的特征(例如形状或边缘标识、对比度、颜色、亮度或其他特征)的变化来识别终点。例如，计算机视觉系统可以将逐帧的一个或多个特征的一个或多个属性、多个帧上的差异、或帧的滚动窗上的差异与一个或多个预定阈值进行比较。在其他示例中，当标记(在残留膜下方的部件上制作)以足够的清晰度暴露时，识别出终点。
在一些示例中，计算机视觉系统使用利用视频信号和诸如吸收传感器或RGA传感器之类的化学传感器训练的学习模型(诸如神经网络或其他深度学习模型)。在学习期间，学习模型识别作为终点的指示符的一个或多个属性。一旦生成学习模型后，不再需要化学传感器。
现在参考图1，示出了用于执行诸如沉积之类的衬底处理的衬底处理系统的示例。在处理室中布置衬底，并执行诸如沉积之类的衬底处理。移除衬底并处理一个或多个另外的衬底。随着时间的推移，残留的膜或其他材料积聚在位于处理室内的诸如侧壁、衬底支撑件、气体分配装置等部件上。定期进行清洁以去除沉积在处理室中的部件上的残留膜或其他材料。在一示例中，在清洁期间使用三氟化氮(NF3)远程等离子体。虽然示出并描述了衬底处理系统和工艺的具体示例，但是可以使用其他衬底处理系统和工艺。例如，在整个本公开中，仅将清洁描述为等离子体处理。相反，清洁可以是化学过程。例如，代替使用等离子体进行清洁，可以使用ClF3进行本文所述的清洁。当使用化学过程代替等离子体进行清洁时，本公开的教导同样适用。
图1中的衬底处理系统110包含处理室112，处理室112包围衬底处理系统110的其它部件并且包含RF等离子体(如果用于特定的衬底处理的话)。衬底处理系统110包含喷头114或其他气体分配装置和衬底支撑组件116。衬底118布置在衬底支撑组件116上。喷头114引入和分配工艺气体。
如果使用等离子体，则在衬底处理或清洁期间使用的等离子体可以是直接等离子体或远程等离子体。在一示例中，RF生成系统130产生RF电压并将RF电压输出到喷头114或衬底支撑组件116(另一个是DC接地、AC接地或浮置)。仅举例而言，RF生成系统130可以包括RF电压产生器132，RF电压产生器132产生由匹配网络134馈送到喷头114或衬底支撑组件116的RF电压。在一些示例中，在衬底处理期间使用原位等离子体，而在清洁期间输送远程等离子体。
气体输送系统140包括一个或多个气体源142-1、142-2、...和142-N(统称为气体源142)，其中N是大于零的整数。气体源142将一种或多种蚀刻气体混合物、前体气体混合物、清洁气体混合物、灰化气体混合物等提供给处理室112。也可以使用气化前体。气体源142通过阀144-1、144-2、...和144-N(统称为阀144)和质量流量控制器146-1、146-2、...和146-N(统称为质量流量控制器146)连接到歧管148。歧管148的输出被馈送到处理室112。仅举例而言，歧管148的输出被馈送到喷头114。
加热器150可以连接到布置在衬底支撑组件116中的加热器线圈(未示出)。加热器150可以用于控制衬底支撑组件116和衬底118的温度。阀160和泵162可以用于从处理室112排出反应物。控制器170可以用于控制衬底处理系统110的部件。仅举例而言，控制器170可以用于控制工艺气体的流动，监控工艺参数，例如温度、压强、功率等，激励和熄灭等离子体，去除反应物等。
处理室112包括位于处理室112的一个或多个表面上的一个或多个窗172。一个或多个相机174产生衬底支撑组件116、衬底或其他室部件的视频信号。
控制器170包括计算机视觉系统180，其接收来自相机174的一个或多个视频信号。计算机视觉系统180基于此识别残留膜去除的终点。虽然示出了单个相机174，但是可以使用一个或多个附加相机174。在一些示例中，相机定位装置182调整相机174的位置以改变相机174的视野。在一些示例中，控制器170可用于在检测到残留膜去除的终点之前、期间或之后改变相机174的位置。在一些示例中，一个或多个滤波器布置在相机174和处理室之间，以过滤一种或多种波长或波长范围。
在一些示例中，计算机视觉系统180确定视频的视觉特性的差异以识别残留膜去除的终点。例如，计算机视觉系统180可以比较不同帧的颜色、亮度和/或对比度水平，多帧的差异，或者帧的滚动窗的差异。
在其他示例中，计算机视觉系统180通过充分识别位于处理室中的一个或多个部件上的标记来检测残留膜去除的终点。当在清洁期间从一个或多个部件去除残留膜时，诸如标记的边缘、颜色、图案和/或整体形状之类的特性将变得更清楚。可以使用相关函数将捕获的图像与预定图像进行比较。当计算的相关值超过预定阈值时，可以触发检测。可以在预定事件发生时确定终点，或者可以使用预定事件来启动计时器，之后可以声明终点。
在其他示例中，可以使用诸如吸收传感器或RGA传感器之类的化学传感器和视频信号来训练学习模型。一旦经过训练，学习模型就基于视频信号检测终点，并且不需要使用化学传感器，如下面将进一步描述的。
现在参考图2，示出了用于使用视频信号和计算机视觉系统来检测残留膜去除的终点的方法200。在202处，如果需要处理衬底，则该方法在203继续。在203处，将衬底装载到处理室中并执行诸如沉积之类的衬底处理。
在204处，在执行衬底处理之后将衬底从处理室移除。在206处，该方法确定室是否需要清洁。如果206为假，则该方法返回202。如果206为真，则该方法在208继续并供应远程等离子体(或将气体混合物供应到处理室并激励等离子体)。如果使用原位等离子体，则可以在视频相机和处理室之间布置滤波器。
在210处，在清洁处理期间生成视频信号。在212处，计算机视觉系统执行对视频信号的视频分析。在214处，计算机视觉系统处理视频信号并检测膜去除的终点。在216处，该方法确定是否已检测到终点。如果216为假，则该方法返回到210。当216为真时，该方法在218处继续并且停止供应远程等离子体(或者熄灭等离子体并且关断等离子体气体混合物)。该方法从218继续到202。
现在参考图3，可以生成学习模型并将其用于检测残留膜去除的终点。建模模块220生成将由计算机视觉系统180使用的学习模型。基于包括视频信号和诸如吸收或RGA传感器之类的化学传感器230的输出的训练数据来生成学习模块。虽然示出了特定位置，但是化学传感器可以布置在其他位置，例如在排放处。虽然示出了建模模块220位于控制器170中，但是建模模块220可以在模型生成期间位于另一计算机(未示出)中，并且模型可以被发送到控制器170和/或存储在控制器170中。
建模模块220使用多组训练数据识别视频信号中的作为终点的指示符的特征。在一些示例中，多组训练数据存储在本地或远程数据库224中。一旦生成学习模型，就可以将学习模型加载到控制器170中(如228所示)并且化学传感器230是不再需要。
在一些示例中，学习模型包括从由线性模型、支持向量机模型，决策树模型、随机森林模型和高斯模型组成的组中选择的监督学习模型。然而，本公开不限于监督学习。附加地或替代地，可以使用无监督学习。在其他示例中，学习模块采用主成分分析(PCA)、神经网络(neural networking)、自动编码、回归分析和/或偏最小二乘(PLS)。例如，神经网络可以利用卷积神经网络(CNN)、递归神经网络(RNN)、强化学习(基于奖励的模型)和/或其他方法。
现在参考图4-5，示出了用于生成计算机视觉的学习模型以识别残留膜去除的终点的方法。示出了用于生成训练数据的方法400，所述训练数据用于生成学习模块(由计算机视觉系统用于检测残留膜去除的终点)。在404处，该方法确定是否需要处理衬底。如果404为真，则该方法在408处继续。在408处，将衬底装载到处理室中并执行诸如沉积之类的衬底处理。
在412处，在执行衬底处理之后将衬底从处理室移除。在416处，该方法确定室是否需要清洁。如果416为假，则该方法返回到404。如果416为真，则该方法供应远程等离子体或将气体混合物供应到处理室，并在422处激励等离子体。在430处，该方法生成并存储处理室中的一个或多个结构的视频信号。在434处，该方法生成并存储由化学传感器生成的化学传感器数据。在438处，使用化学传感器检测残留膜去除的终点。在440处，该方法确定是否去除了残留膜。如果440为假，则该方法返回到430。如果该方法为真，则该方法在444处继续并且停止供应远程等离子体(或者熄灭等离子体并关断等离子体气体混合物)。
在图5中，显示了用于将图4中生成的训练数据转换成学习模型的方法450。在454处，该方法确定是否已经收集了足够数量的训练样本。在458处，该方法生成将视频信号与通过化学传感器确定的残留膜去除的终点相关联的学习模型。在462处，将模型存储在控制器中以用于清洁处理。在466处，控制器基于视频(或一系列静止图片)使用学习模型来识别残留膜去除的终点，而不使用诸如吸收或RGA传感器之类的化学传感器。
现在参考图6，示出了方法500，该方法500使用视频信号和具有学习模型的计算机视觉系统以检测残留膜去除的终点。在502处，如果需要处理衬底，则该方法在503处继续。在503处，将衬底装载到处理室中并执行诸如沉积之类的衬底处理。
在504处，在执行衬底处理之后将衬底从处理室移除。在506处，该方法确定室是否需要清洁。如果506为假，则该方法返回到502。如果506为真，则该方法在508继续并供应远程等离子体(或将气体混合物供应到处理室并激励等离子体)。如果使用原位等离子体，则可以相机和处理室之间布置滤波器。
在510处，在清洁处理期间生成视频信号。在512处，计算机视觉系统使用学习模型执行对视频信号的视频分析。在514，计算机视觉系统使用学习模型和视频信号检测膜去除的终点。在516处，该方法确定是否已检测到终点。如果516为假，则该方法返回到510。当516为真时，该方法在518继续并停止供应远程等离子体(或熄灭等离子体并关断等离子体气体混合物)。该方法从518继续到502。
现在参考图7A-7B，标记的示例在布置在处理室中的结构上示出，以便于检测残留膜去除的终点。在图7A中，结构480包括一个或多个标记494-1、494-2，......和494-Z，其中Z是大于零的整数。在一些示例中，标记可以具有不同的图案、阴影、颜色或其他设计，以在计算机视觉系统的检测期间提高准确性。在一些示例中，结构480对应于衬底支撑件的上表面，如图7A所示。在其他示例中，如图7B所示，结构480对应于衬底支撑件的侧面。可以理解，也可以以类似的方式标记诸如气体分配装置、支撑件、侧壁等其他部件。
现在参考图8，计算机视觉系统和/或学习模型可用于优化工艺参数，例如气体流量、气体种类、气体成分或其他参数。优化系统600包括控制器620，控制器620包括处理优化模块624，处理优化模块624包括学习模块626。控制器620与一种或多种处理630-1、630-2、......和630-Y通信(其中Y是大于零的整数)。每种处理包括分别包括计算机视觉系统640-1,640-2，......和640-Y的控制器638-1、638-2、......和638-Y。在一些示例中，计算机视觉系统640-1、640-2、......和640-Y中的一些还可以包括学习模型650-1、650-2、......和650-Y。处理优化模块624接收包括处理条件和来自控制器638-1、638-2、......和638-Y的结果的多个训练集。处理优化模块624使用由学习模块626实施的学习模型、神经网络或人工智能来优化用于控制器638-1、638-2、......和638-Y中的每一个的处理条件。
用于检测残留膜去除的终点的系统和方法使用便宜的相机识别处理室中的一个或多个部件的表面上的特征，以确定处理室的清洁状态。在足够的训练数据之后，使用神经网络(深度学习)模型来改变清洁处理参数(例如压力、流量、基座位置等)以使得不同室的清洁性能匹配。
本公开的系统和方法可用于比较单个工具或若干个工具中的多个处理室中的处理(例如，清洁处理，蚀刻处理，沉积处理等)的性能。通常，用于特定处理(例如蚀刻或沉积处理)的处理室具有类似的设计。因此，期望在这些处理室中执行的处理(例如，清洁、蚀刻、沉积等)具有类似的性能(例如，类似的运行时间)。也就是说，两个相同的处理室应以相同的方式执行相同的处理。换句话说，在两个类似设计的处理室中相同处理的性能也应该是相似的。当在这些室中执行处理时，本公开的系统和方法可以分析从类似设计的处理室收集的数据。然后，系统和方法可以基于分析确定处理的性能是否在这些处理室之间是相似的(即，这些处理室是否是匹配的并且是否以相同的方式执行处理)。
此外，该分析可以帮助确定部件级的处理的性能。例如，在清洁处理的情况下，分析可以帮助确定清洁处理清洁特定部件所花费的时间是否在多个类似设计的处理室中是相同的。该确定可以是确定清洁处理的总运行时间对于每个处理室是否相同的补充。
可以执行类似的分析以比较诸如多个处理室之间的沉积和蚀刻处理之类的其他处理的性能。基于比较，可以检测特定室中的处理的执行中的任何异常，并且可以校正异常的原因。例如，包括多个处理室的工具中的一个处理室可以比工具中的其他处理室更快地清洁。应尽早停止该处理室的清洁处理，以防止损坏该处理室。如果继续进行清洁处理，则可能损坏处理室。然而，如果多个工具的多个处理室表现出不同的清洁时间，则这些处理室的不同清洁时间可指示需要对这些处理室进行设计改变以实现室匹配。可以对诸如沉积和蚀刻处理之类的其他处理执行类似的分析以实现室匹配。
本公开的系统和方法可用于确定针对诸如沉积和蚀刻处理之类的处理的各种性能标准。例如，性能标准可以包括整个晶片上的蚀刻的均匀性、整个晶片上的沉积的均匀性、整个晶片上的温度的均匀性等等。例如，可以在膜沉积以及膜去除期间确定膜厚度的均匀性，如下所述。值得注意的是，系统和方法可以原位进行这些确定(即，在处理之后不将晶片从处理室移除到单独的计量室以进行这些确定)并且实时地(即，在正在晶片上执行该处理的同时)进行这些确定。
例如，在从晶片去除膜期间，系统和方法可以使用诸如光学干涉之类的技术来在膜变薄时观察膜的整体，并确定膜是否被完全去除，该去除在整个晶片是否是均匀的，等等。例如，考虑从晶片上去除氧化铜膜。铜在氧化时会改变颜色。因此，在去除氧化铜期间，随着氧化铜被去除并且纯铜被暴露，本公开的系统和方法可以观察到从整个晶片反射的光的波长的变化。波长的变化可以指示氧化铜去除的状态。使用光学滤波器，系统和方法可以在晶片局部以及在整个晶片上观察变化。
没有观察整个晶片的能力，可能仅观察到晶片上的单个点，并且可以基于观察晶片上的单个点而得出关于从整个晶片移除膜的错误结论。例如，假设仅观察晶片的中心并确定氧化铜从中心移除。在没有观察整个晶片的能力的情况下，尽管晶片边缘的一些氧化铜仍然没有去除，但是可能得出去除了整个晶片的氧化铜这样的错误结论。相反，在具有观察整个晶片的能力的情况下，本公开的系统和方法可以检测从晶片的中心去除膜的速度是否比晶片边缘去除膜的速度快，以及可以检测膜是否被从整个晶片去除。此外，这些确定是原位进行的。
在另一示例中，当在晶片上生长膜时，由于成核延迟，膜通常需要花费时间来生长。由于能够观察整个晶片，因此，本公开的系统和方法可以检测膜在晶片的另一部分上生长之前是否在晶片的一部分上生长。例如，可以使用紫外滤波器在整个晶片上观察膜生长(即，由于生长引起的膜厚度的变化)。此外，可以使用红外滤波器观察晶片的温度和其中的变化。使用两个滤波器(紫外滤波器和红外滤波器)进行的两种观察(膜厚度和晶片温度)可以关联以确定整个晶片上的膜生长的均匀性。值得注意的是，该确定在处理室中实时原位进行，而不用将晶片移到单独的计量室进行。
此外，本公开的系统和方法可以监控晶片的边缘。例如，通过将相机聚焦在晶片的顶部边缘上，系统和方法可以确定晶片是否被处理(例如，清洁、蚀刻等)达到晶片的边缘。同样，这是在原位完成的，而不是在将晶片移到单独的计量室之后完成的。在晶片上执行工艺的同时监控晶片边缘的这种能力可以通过基于观察边缘确定处理已经完成达到晶片的边缘后立即中断处理来节省处理时间和处理材料。
此外，在一些情况下，可以在晶片的顶表面和底表面上执行沉积。本公开的系统和方法可用于观察晶片的顶表面和底表面两者上的沉积处理。例如，光纤探针和/或微观透镜可以与本公开的系统和方法结合使用，以观察晶片底部的大的面积并获得其图像。在一些情况下，一个或多个LED可以安装在处理室中以照亮晶片的底部。可以处理和分析捕获的图像以确定整个晶片底部的沉积均匀性。例如，处理后的图像可以与实际测得的沉积水平(先前已经进行过测量)关联，然后可以使用关联性来原位推断沉积水平和均匀性。
本公开的系统和方法还可用于测量处理室中的喷头和基座之间的间隙。例如，两个相机可以分别聚焦在喷头和基座上，并且来自两个相机的视频信号可以用于确定喷头和基座之间的距离。然后可以使用测量结果来(例如，通过控制使基座相对于喷头移动的装置)控制(改变)喷头和基座之间的间隙。
此外，在一些处理室中，在等离子体熄灭之后，寄生等离子体会在处理室中停留。寄生等离子体是不希望有的并且难以检测到。本公开的系统和方法的相机可用于检测寄生等离子体。本公开的系统和方法的许多其他应用被预期并且这些应用在本公开的范围内。
图9示出了根据本公开的用于室匹配的方法700。例如，仅使用清洁处理。方法700的教导也可以与沉积或蚀刻处理一起使用。在702处，方法700开始清洁处理以清洁多个室。在704处，方法700收集与清洁多个室相关联的数据。在706处，方法700分析所收集的数据。在708处，方法700确定来自多个室中的一个室的数据是否是异常的。例如，方法700确定多个室中的一个室是否比多个室中的其余室具有更短的用于清洁处理的运行时间(即，清洁更快)。在710处，如果检测到异常，则方法700确定与多个室中的一个相关联的异常的一个或多个原因。在712处，方法700校正异常的一个或多个原因。此后，或者如果在708处未检测到异常，则在714处，方法700确定是否所有室都是清洁的或者清洁处理是否应该继续(即，清洁处理是否尚未完成)。如果尚未清洁所有室(即，如果还不能终止清洁处理)，则方法700返回到702。
图10示出了根据本公开的用于在部件级匹配处理室的方法750。同样，例如，仅使用清洁处理。方法750的教导也可以与沉积或蚀刻处理一起使用。在752处，方法750开始清洁处理以清洁多个室。在754处，方法750收集与清洁多个室相关联的数据。在756处，方法750分析所收集的数据。在758处，方法750确定多个室中的一个室中的部件是否在相同部件在其他室中清洁之前清洁(即，是否快于在其他室中的相同部件清洁)。在760处，如果多个室中的一个室中的部件在相同部件在其他室中清洁之前清洁(即，快于在其他室中的相同部件清洁)，则方法750停止该室中的清洁处理。此后，如果多个室中的一个室中的部件没有在相同部件在其他室中清洁之前清洁(即，没有快于在其他室中的相同部件清洁)，则在762处，方法750确定是否所有室都是清洁的或者清洁处理是否应该继续(即，清洁处理是否尚未完成)。如果尚未清洁所有室(即，如果还不能终止清洁处理)，则方法750返回到752。
图11A示出了根据本公开的用于确定沉积在衬底上的膜的均匀性的系统800的示意图。系统800包括处理室112，其对衬底118进行处理(例如，在其上沉积材料)。处理室112包括窗172。系统800包括控制器170，控制器170包括计算机视觉系统180、相机174和相机定位装置182。
系统800还包括紫外滤波器806和红外滤波器808。紫外滤波器806和红外滤波器808布置在相机174和窗口172之间。紫外滤波器806过滤通过窗172从衬底118接收的紫外光的波长。红外滤波器808过滤通过窗172从衬底118接收的红外光的波长。
计算机视觉系统180接收紫外滤波器806和红外滤波器808的输出。计算机视觉系统180基于紫外滤波器806的输出确定在衬底118上的多个位置处沉积的材料的厚度。计算机视觉系统180基于红外滤波器808的输出确定衬底118的多个位置处的温度。计算机视觉系统180将厚度和温度的确定关联并基于关联性确定在整个衬底118上沉积的均匀性。
图11B示出了根据本公开的用于确定材料是否均匀地沉积在衬底的顶部和底部两者上的系统850的示意图。系统850包括处理室802，其处理衬底804的上侧和下侧(例如，在其上沉积材料，由箭头标识)。处理室802包括窗172。在衬底804的两侧(例如，使用CVD)沉积材料的细节与本公开无关，因此未示出和描述。系统800包括控制器170，控制器170包括计算机视觉系统180、相机174和相机定位装置182。
系统850另外包括光学传感器810(例如，光纤传感器或微透镜)以观察衬底804的底部。传感器定位装置812将光学传感器810定位成指向衬底804的底部处的不同位置处。
计算机视觉系统180将相机174聚焦在衬底804的顶部。计算机视觉系统180从相机174接收衬底804的顶部的图像。计算机视觉系统180将光学传感器810定位成观察衬底804的底部。计算机视觉系统180从光学传感器810接收衬底804的底部的图像。计算机视觉系统180处理从相机174和光学传感器810接收的图像。计算机视觉系统180基于对从相机174和光学传感器810接收的图像的处理来确定衬底804的整个顶部和整个底部上的沉积的均匀性。
图12示出了根据本公开的用于确定在部件上执行的处理(例如，清洁、蚀刻、沉积等)是否已经在整个部件上均匀地执行的方法900。在902处，方法900过滤通过在处理室(部件正在该处理室中进行处理)上提供的窗从部件(例如，晶片)接收的光的一种或多种波长。在904处，方法900基于使用光学干涉的滤波来确定部件的状态。在906处，方法900基于部件的状态确定该处理是否已在整个部件上均匀地执行。在908处，如果已经在整个部件上均匀地执行了该处理，则方法900终止该处理。如果尚未在整个部件上均匀地执行该处理，则方法900返回到902。
图13示出了根据本公开的用于确定对部件执行的处理(例如，清洁、蚀刻、沉积等)是否已经执行到部件的边缘的方法920。在922处，方法920使相机聚焦在部件的边缘(例如，晶片)上。在924处，方法920确定处理是否已经完成达到部件的边缘。在926处，如果处理已经完成达到部件的边缘，则方法920终止该处理。如果处理尚未完成达到部件的边缘，则方法920返回到922。
图14示出了根据本公开的用于确定沉积在衬底上的膜的均匀性的方法940。在942处，方法940使用紫外滤波器测量整个衬底的膜的厚度，如参考图11A所解释的。在944处，方法940使用红外滤波器测量整个衬底上的温度，如参考图11A所解释的。在946处，方法940关联厚度和温度测量结果。在948处，方法940基于测量结果确定膜是否已均匀地沉积在整个衬底上。在950处，如果膜已经均匀地沉积在整个衬底上，则方法940终止沉积处理。如果膜尚未均匀地沉积在整个衬底上，则方法940返回到942。
图15是根据本公开示出的用于确定材料是否均匀地沉积在衬底的顶部和底部两者上的方法960。在962处，方法960使用如参考图11B所述的相机观察衬底的顶部。在964处，方法960使用如参考图11B所述的一个或多个光学传感器观察衬底的底部。在966处，方法960确定膜是否均匀地沉积在衬底的顶部和底部上，如参考图11B所述的。在968处，如果膜已经均匀地沉积在整个衬底的顶部和底部上，则方法960终止沉积处理。如果膜尚未均匀地沉积在整个衬底的顶部和底部上，则方法960返回到962。
仅仅为清楚起见，分别描述了上述方法。上述方法中的一种或多种可以全部或部分组合，并且可以一起进行。
前面的描述本质上仅仅是说明性的，并且不意图限制本公开、其应用或用途。本公开的广泛教导可以以各种形式实现。因此，尽管本公开包括特定示例，但是本公开的真实范围不应当如此限制，因为在研究附图、说明书和所附权利要求时，其他修改将变得显而易见。应当理解，在不改变本公开的原理的情况下，方法中的一个或多个步骤可以以不同的顺序(或同时地)执行。此外，虽然每个实施方式在上面被描述为具有某些特征，但是关于本公开的任何实施方式描述的那些特征中的任何一个或多个可以在任何其他实施方式的特征中实现和/或与任何其他实施方式的特征组合，即使该组合没有明确描述。换句话说，所描述的实施方式不是相互排斥的，并且一个或多个实施方式彼此的置换保持在本公开的范围内。
使用包括“连接”、“接合”、“耦合”、“相邻”、“邻近”、“在...之上”、“在...上方”、“在…下方”和“设置”的各种术语来描述元件之间(例如，在模块、电路元件、半导体层等之间)的空间和功能关系。除非明确地描述为“直接的”，否则当在上述公开中描述的第一和第二元件之间的关系时，该关系可以是其中在第一和第二元件之间不存在其他中间元件的直接关系，但是也可以是其中在第一和第二元件之间(在空间上或功能上)存在一个或多个中间元件的间接关系。如本文所使用的，短语“A、B和C中的至少一个”应当被解释为意味着使用非排他性逻辑或(OR)的逻辑(A或B或C)，并且不应被解释为表示“A中的至少一个，B中的至少一个和C中的至少一个”。
在一些实现方式中，控制器是系统的一部分，所述系统可以是上述示例的一部分。这样的系统可以包括半导体处理设备，所述半导体处理设备包括一个或多个处理工具、一个或多个室、用于处理的一个或多个平台、和/或特定处理部件(晶片基座、气流系统等)。这些系统可以与用于在半导体晶片或衬底的处理之前、期间和之后控制其操作的电子器件集成。电子器件可以被称为“控制器”，其可以控制一个或多个系统的各种部件或子部件。根据处理要求和/或系统类型，控制器可以被编程以控制本文公开的任何处理，包括工艺气体的输送、温度设置(例如加热和/或冷却)、压强设置、真空设置、功率设置、射频(RF)产生器设置、RF匹配电路设置、频率设置、流速设置、流体输送设置、位置和操作设置、晶片输送进出工具以及其他输送工具和/或连接到特定系统或与特定系统接口的装载锁。
广义地说，控制器可以定义为具有接收指令、发出指令、控制操作、启用清洁操作、启用端点测量等的各种集成电路、逻辑、存储器和/或软件的电子设备。集成电路可以包括存储程序指令的固件形式的芯片、数字信号处理器(DSP)、限定为专用集成电路(ASIC)的芯片、和/或一个或多个微处理器、或执行程序指令(例如，软件)的微控制器。程序指令可以是以各种单个的设置(或程序文件)的形式传送到控制器的指令，所述单个的设置(或程序文件)定义用于在半导体晶片上或为半导体晶片或系统执行特定处理的操作参数。在一些实施方式中，操作参数可以是由工艺工程师定义的配方的一部分，以在一个或多个层、材料、金属、氧化物、硅、二氧化硅、表面、电路和/或晶片的管芯的制备过程中完成一个或多个处理步骤。
在一些实现方式中，控制器可以是计算机的一部分或耦合到计算机，所述计算机与系统集成、耦合到系统、以其他方式联网到系统或这些的组合。例如，该控制器可以在“云”中，或在晶片厂(fab)主机计算机系统的全部或部分中，其使得能够对晶片处理进行远程访问。计算机可以实现对系统的远程访问以监控制备操作的目前进展，研究过去的制备操作的历史，从多个制备操作来研究趋势或性能标准，改变当前处理的参数，设置当前处理之后的处理步骤，或开始新的处理。在一些示例中，远程计算机(例如服务器)可以通过网络(其可以包括本地网络或因特网)向系统提供工艺配方。远程计算机可以包括使得能够输入或编程参数和/或设置的用户接口，然后将所述参数和/或设置从远程计算机传送到系统。在一些示例中，控制器以数据的形式接收指令，所述指令指定在一个或多个操作期间要执行的每个处理步骤的参数。应当理解，对于要执行的处理的类型和与控制器接口或由控制器控制的工具的类型，参数可以是特定的。因此，如上所述，控制器可以是分布式的，例如通过包括一个或多个联网在一起并朝着共同目的(例如，本文所述的处理和控制)而工作的离散控制器。用于这种目的的分布式控制器的示例是在与远程(例如在平台级或作为远程计算机的一部分)定位的一个或多个集成电路通讯的室上的一个或多个集成电路，它们结合以控制在室上的处理。
示例系统可以包括但不限于，等离子体蚀刻室或模块、沉积室或模块、旋转漂洗室或模块、金属电镀室或模块、清洁室或模块、倒角边缘蚀刻室或模块、物理气相沉积(PVD)室或模块、化学气相沉积(CVD)室或模块、原子层沉积(ALD)室或模块、原子层蚀刻(ALE)室或模块、离子注入室或模块、轨道室或模块、以及可以与半导体晶片的制备和/或制造相关联或可以在半导体晶片的制备和/或制造中使用的任何其他半导体处理系统。
如上所述，根据将由工具执行的一个或多个工艺步骤，控制器可以与一个或多个其它工具电路或模块、其他工具部件、群集工具、其它工具接口、相邻工具、邻近工具、位于整个工厂中的工具、主计算机、另一控制器、或在半导体制造工厂中将晶片容器往返工具位置和/或装载端口输送的材料运输中使用的工具通信。

Claims (10)

1.一种系统，其包括：
安装在处理室的窗外部并邻近所述窗的相机，所述处理室被配置成处理半导体衬底，所述窗使得所述相机能观察到所述处理室内的部件，所述相机被配置为于在正在所述处理室内执行的处理期间生成指示所述部件的状态的视频信号；和
控制器，其耦合到所述处理室并被配置成：
控制所述相机；
处理来自所述相机的所述视频信号；
基于对所述视频信号的所述处理确定所述部件的状态；以及
基于所述部件的所述状态确定是否终止所述处理。
2.根据权利要求1所述的系统，其中，响应于所述处理是被执行以去除通过先前执行的处理沉积在所述部件上的材料的清洁处理，所述控制器被配置为：
将所述部件的通过所述视频信号的多个帧观察到的特征的属性的变化与预定阈值进行比较；
基于所述比较确定是否去除了沉积在所述部件上的所述材料；以及
响应于确定去除了沉积在所述部件上的所述材料，终止所述清洁处理。
3.根据权利要求1所述的系统，其中，响应于所述处理是被执行以去除通过先前执行的处理沉积在所述部件上的材料的清洁处理，所述控制器被配置为：
将从所述视频信号捕获的图像与预定图像进行比较；
基于所述比较确定是否去除了沉积在所述部件上的所述材料；以及
响应于确定去除了沉积在所述部件上的所述材料，终止所述清洁处理。
4.根据权利要求1所述的系统，其中所述控制器配置为：
接收来自所述处理室中的一个或多个传感器的数据；
基于从一个或多个传感器接收的所述数据和从所述相机接收的视频信号生成模型，所述视频信号指示先前在所述处理室中执行所述处理时所述部件的状态；以及
使用该模型以：
处理所述视频信号；
基于对所述视频信号的所述处理确定所述部件的状态；以及
基于所确定的所述部件的状态，确定是否终止所述处理。
5.根据权利要求1所述的系统，其还包括：
光学滤波器，其布置在所述相机和所述窗之间，所述光学滤波器被配置为过滤通过所述窗从所述部件接收的光的一种或多种波长，并将过滤后的信号输出到所述相机，
其中，所述控制器被配置为基于使用光学干涉处理所述过滤后的信号来确定所述部件的状态。
6.根据权利要求5所述的系统，其中，所述控制器被配置为在终止所述处理之前确定是否在整个所述部件上执行了所述处理。
7.根据权利要求5所述的系统，其中，所述控制器被配置为在终止所述处理之前确定是否在整个所述部件上均匀地执行了所述处理。
8.根据权利要求5所述的系统，其中，所述控制器被配置为确定在所述部件上的不同位置处执行所述处理的速率。
9.根据权利要求1所述的系统，其中所述部件包括半导体衬底，并且所述处理包括被执行以从所述半导体衬底去除膜的膜去除处理，并且其中所述控制器被配置为确定在终止所述处理之前确定在整个所述部件上的膜是否被去除。
10.根据权利要求1所述的系统，其中所述控制器被配置为使所述相机聚焦在所述部件的边缘处并且确定在终止所述处理之前是否在所述部件的边缘处执行所述处理。
CN201811223497.8A 2017-10-20 2018-10-19 使用计算机视觉系统的原位室清洁终点检测系统和方法 Pending CN109698144A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201762575190P 2017-10-20 2017-10-20
US62/575,190 2017-10-20
US16/139,703 2018-09-24
US16/139,703 US10895539B2 (en) 2017-10-20 2018-09-24 In-situ chamber clean end point detection systems and methods using computer vision systems

Publications (1)

Publication Number Publication Date
CN109698144A true CN109698144A (zh) 2019-04-30

Family

ID=66171086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811223497.8A Pending CN109698144A (zh) 2017-10-20 2018-10-19 使用计算机视觉系统的原位室清洁终点检测系统和方法

Country Status (4)

Country Link
US (1) US10895539B2 (zh)
KR (1) KR20190044503A (zh)
CN (1) CN109698144A (zh)
TW (2) TWI836919B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113699507A (zh) * 2020-12-28 2021-11-26 友达光电股份有限公司 控制工艺腔室清洁气体用量的方法及工艺处理系统

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11320387B2 (en) * 2018-11-28 2022-05-03 International Business Machines Corporation Structure facilitating optically checking via formation
KR20220041890A (ko) * 2019-07-29 2022-04-01 램 리써치 코포레이션 기판 프로세싱 시스템의 자율 (autonomous) 제어 및 검사를 위한 통합된 하드웨어-소프트웨어 컴퓨터 비전 시스템
JP7507639B2 (ja) * 2020-09-02 2024-06-28 東京エレクトロン株式会社 基板処理システム及び状態監視方法
JP7482018B2 (ja) * 2020-12-24 2024-05-13 東京エレクトロン株式会社 推定モデル作成装置、推定モデル作成方法、及び記憶媒体
CN117897795A (zh) * 2021-07-02 2024-04-16 朗姆研究公司 等离子体状态的图像分析
CN115793417A (zh) * 2021-09-10 2023-03-14 长鑫存储技术有限公司 显影设备的状态监测方法、装置及系统
US12032355B2 (en) 2022-03-31 2024-07-09 Tokyo Electron Limited Virtual metrology model based seasoning optimization

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4479848A (en) * 1983-02-14 1984-10-30 Hitachi, Ltd. Etching method and apparatus
US6287980B1 (en) * 1999-04-22 2001-09-11 Mitsubishi Denki Kabushiki Kaisha Plasma processing method and plasma processing apparatus
CN1826685A (zh) * 2003-07-22 2006-08-30 拉姆研究公司 用于对光谱反射计光信号进行电子空间滤波的方法和系统
CN101427123A (zh) * 2006-02-08 2009-05-06 朗姆研究公司 室内粒子侦测系统
US20120304926A1 (en) * 2011-05-31 2012-12-06 Veeco Instruments Inc. Heated wafer carrier profiling
US20150311129A1 (en) * 2014-04-29 2015-10-29 Lam Research Corporation Systems and methods for detecting endpoint for through-silicon via reveal applications
US20160089688A1 (en) * 2014-09-26 2016-03-31 SCREEN Holdings Co., Ltd. Substrate treating apparatus and substrate treatment method for discharging treatment solution from nozzle to substrate

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6548389B2 (en) * 2000-04-03 2003-04-15 Matsushita Electric Industrial Co., Ltd. Semiconductor device and method for fabricating the same
KR100502557B1 (ko) * 2000-09-18 2005-07-21 동경 엘렉트론 주식회사 게이트 절연체의 성막 방법, 게이트 절연체의 성막 장치및 클러스터 툴
JP4016598B2 (ja) * 2001-01-16 2007-12-05 株式会社日立製作所 半導体装置の製造方法
KR100492159B1 (ko) * 2002-10-30 2005-06-02 삼성전자주식회사 기판 검사 장치
US7972875B2 (en) * 2007-01-17 2011-07-05 The Board Of Trustees Of The University Of Illinois Optical systems fabricated by printing-based assembly
CN103282540B (zh) * 2011-01-07 2015-02-25 夏普株式会社 蒸镀装置和蒸镀方法
TWI528031B (zh) * 2014-10-28 2016-04-01 Indium gallium oxide thin film hydrogen sensor
US10041868B2 (en) * 2015-01-28 2018-08-07 Lam Research Corporation Estimation of lifetime remaining for a consumable-part in a semiconductor manufacturing chamber

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4479848A (en) * 1983-02-14 1984-10-30 Hitachi, Ltd. Etching method and apparatus
US6287980B1 (en) * 1999-04-22 2001-09-11 Mitsubishi Denki Kabushiki Kaisha Plasma processing method and plasma processing apparatus
CN1826685A (zh) * 2003-07-22 2006-08-30 拉姆研究公司 用于对光谱反射计光信号进行电子空间滤波的方法和系统
CN101427123A (zh) * 2006-02-08 2009-05-06 朗姆研究公司 室内粒子侦测系统
US20120304926A1 (en) * 2011-05-31 2012-12-06 Veeco Instruments Inc. Heated wafer carrier profiling
US20150311129A1 (en) * 2014-04-29 2015-10-29 Lam Research Corporation Systems and methods for detecting endpoint for through-silicon via reveal applications
US20160089688A1 (en) * 2014-09-26 2016-03-31 SCREEN Holdings Co., Ltd. Substrate treating apparatus and substrate treatment method for discharging treatment solution from nozzle to substrate

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113699507A (zh) * 2020-12-28 2021-11-26 友达光电股份有限公司 控制工艺腔室清洁气体用量的方法及工艺处理系统
CN113699507B (zh) * 2020-12-28 2024-04-26 友达光电股份有限公司 控制工艺腔室清洁气体用量的方法及工艺处理系统

Also Published As

Publication number Publication date
US20190120775A1 (en) 2019-04-25
KR20190044503A (ko) 2019-04-30
TW202328676A (zh) 2023-07-16
TWI836919B (zh) 2024-03-21
TWI797174B (zh) 2023-04-01
US10895539B2 (en) 2021-01-19
TW201930863A (zh) 2019-08-01

Similar Documents

Publication Publication Date Title
CN109698144A (zh) 使用计算机视觉系统的原位室清洁终点检测系统和方法
CN108281346B (zh) 从光谱的时间序列进行特征提取以控制工艺结束点的方法
CN105823781B (zh) 对半导体制造腔室中的易损件的剩余寿命的估计
TWI240600B (en) Apparatus and method for use of optical system with a plasma processing system
KR100798648B1 (ko) 주성분 분석을 이용한 공정 감시 방법 및 장치
JP2018026558A (ja) プラズマ処理システムを監視するための方法およびシステム、ならびに高度なプロセスおよびツール制御
US5864773A (en) Virtual sensor based monitoring and fault detection/classification system and method for semiconductor processing equipment
US20020104832A1 (en) Plasma processing apparatus and method
JP2023169252A (ja) プラズマチャンバ壁の状態のリアルタイム監視のための方法および装置
JPH08106992A (ja) プラズマ処理方法およびその装置
KR20210148092A (ko) 반도체 장치 제조 시스템 및 반도체 장치 제조 방법
US20230343568A2 (en) Capacitive sensing data integration for plasma chamber condition monitoring
TW202240734A (zh) 多步驟半導體製造程序中的機器學習
CN101971300B (zh) 基于废气阻抗的端点检测
JP4476551B2 (ja) プラズマ処理装置および処理方法
US20240234112A1 (en) Image analysis of plasma conditions
US7354778B2 (en) Method for determining the end point for a cleaning etching process
CN118429261A (zh) 沉积判定方法和基板处理装置
CN113699507B (zh) 控制工艺腔室清洁气体用量的方法及工艺处理系统
CN117897795A (zh) 等离子体状态的图像分析
JPS5878428A (ja) 反応性イオンエツチングソ装置
TW202426870A (zh) 半導體設備之狀態的多感測器判定
KR20230105522A (ko) 기판 처리 장치 및 기판 처리 장치 세정 방법
CN118742993A (zh) 使用计算机视觉的等离子体均匀性评估
Kim et al. Use of a neural network to link AFM etch patterns to plasma parameters

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