CN110494865A - 优化用于产品单元的多阶段处理的装置 - Google Patents

Abstract

一种优化用于诸如晶片等产品单元的多阶段处理的装置的方法，该方法包括：(a)接收对象数据(210，230)，对象数据(210，230)表示跨晶片(204，224)测量(206，208)的并且与晶片的不同处理阶段相关联的一个或多个参数；(b)确定跨晶片的对象数据的变化的指印(213，234)，这些指印与晶片的相应的不同处理阶段相关联。指印可以通过针对相应的每个不同阶段使用主成分分析将对象数据分解(212，232)成成分来确定；(c)分析(246)指印在不同阶段的共性以产生共性结果；以及(d)基于共性结果优化(250‑258)用于处理(262)产品单元的装置。

Description

优化用于产品单元的多阶段处理的装置

相关申请的交叉引用

本申请要求于2017年3月27日提交的EP/US申请17163147.6的优先权，其全部内容通过引用并入本文。

技术领域

本发明涉及一种优化用于产品单元的多阶段处理的装置的方法，该装置可用于例如通过光刻技术制造器件。已经开发了该方法的多阶段工艺的示例是多层光刻工艺，其包括使用光刻设备将图案从图案形成装置转移到衬底产品单元上的一个或多个步骤。本发明还涉及相关的计算机程序和计算机程序产品、以及计算机设备。

背景技术

光刻设备是一种将期望的图案施加到衬底上(通常施加到衬底的目标部分上)的机器。例如，光刻设备可以用于制造集成电路(IC)。在这种情况下，可以使用图案形成装置(替代地称为掩模或掩模版)来生成要形成在IC的单独层上的电路图案。该图案可以转移到衬底(例如，硅晶片)上的目标部分(例如，包括一部分、一个或几个裸片)上。图案的转移通常通过成像到设置在衬底上的辐射敏感材料(抗蚀剂)层上来进行。通常，单个衬底将包含相继被图案化的相邻目标部分的网络。这些目标部分通常称为“场”。晶片通过半导体制造设施(fab)中的各种设备分批或批量处理。集成电路逐层构建，其中光刻步骤由光刻设备在每个层处执行并且其他制造工艺在光刻步骤之间执行。

在成像步骤之前，使用各种化学和/或物理处理步骤来形成和制备用于图案化的层。在成像步骤限定图案之后，进一步的化学和/或物理处理步骤处理图案以产生集成电路的功能特征。在多层工艺中重复成像和处理步骤以构建集成电路。

图案在衬底上的精确布局是减小电路部件和可以通过光刻产生的其他产品的尺寸的主要挑战。特别地，准确地测量已经铺设的衬底上的特征的挑战是能够以足够精确的方式将相继的特征层对准以产生具有高产量的工作器件的关键步骤。通常，所谓的套刻在当今的亚微米半导体器件中应当在几十纳米内实现，在最关键的层中可以降到几纳米。

因此，现代光刻设备涉及在目标位置处实际曝光或以其他方式图案化衬底的步骤之前的广泛测量或“映射”操作。已经并且将继续开发所谓的高级对准模型，以更精确地建模和校正由处理步骤和/或光刻设备本身引起的晶片“栅格”的非线性失真。然而，并非所有失真在曝光期间都是可校正的，并且追踪和消除尽可能多的这种失真的原因仍然很重要。

现代多层光刻工艺和产品非常复杂，以至于由于加工引起的问题很难追溯到根本原因。因此，监测晶片完整性和设计适当的校正策略是一项耗时且费力的工作。

国际专利申请WO 2015049087公开了一种获得与工业过程有关的诊断信息的方法，该专利申请通过引用整体并入本文。在执行光刻工艺期间的阶段进行对准数据或其他测量以获得对象数据，对象数据表示在空间上跨每个晶片分布的点处测量的位置偏差或其他参数。套刻和对准残差通常示出跨晶片的图案，称为指印。该对象数据用于通过执行多变量分析以将在多维空间中表示晶片的矢量集分解为一个或多个成分矢量来获得诊断信息。使用成分矢量提取关于工业过程的诊断信息。可以基于所提取的诊断信息来控制后续晶片的工业过程的性能。

即使采用这种方法，也很难理解产量损失的来源。传统的分析方法涉及反复试验。在多层工艺中，尽可能快地穿过各层处理衬底。导致产量损失的现象会随着时间的推移而迅速变化，并且对产量损失影响的严重程度也在不断变化。如果分析需要很长时间，或者因为获得产品性能或产量数据需要时间，或者因为分析本身很耗时，则对产量的影响会变得非常大。

因此，对当前性能监测、控制和处理装置优化系统的限制在于，在专用于性能监测的时间量和设备与可以实现校正的速度和准确性之间存在折衷。

期望具有能够在早期阶段检测问题的性能监测系统，而不是仅在某些性能参数超过允许限度时检测它们。

除了每批或每卡盘之外，还可以在晶片级进行工艺校正。因此，重要的是对相互依赖的对准和套刻校正策略进行整体选择，因为对准基本上也是晶片级校正机制。这种整体优化是一项困难的任务，其通常是孤立地执行的，例如，对于每层的对准和套刻。这也可以应用于套刻/对准、聚焦/调平和临界尺寸(CD)的共同优化。

层间复杂性使得难以对对准和套刻校正策略进行整体优化。此外，存在多个同时运行的控制回路，这些控制回路开始越来越多地相互作用(例如，透镜加热、掩模版写入错误和晶片形状前馈结合晶片对准、调平、晶片级控制和高级工艺控制)。另外，传统的模拟和建模方法通常以隔离方式操作，而没有将各个部件连接在一起形成整体优化系统的整体流程。例如，在提出新的对准标记类型之后，必须重新进行套刻校正模拟。或者，例如，在提出不同的晶片级控制策略(其还校正晶片到晶片的变化)之后，需要重新计算不同对准策略的益处。或者，可以在引入特定处理改变(例如，固定退火选配方案)或对准策略改变(移动到更高阶模型、不同对准照射颜色或不同采样方案)之后从数据中完全去除指印。期望具有允许使用假定场景来模拟套刻(加焦点和CD)益处的一个流程，其中考虑了层间和控制间回路复杂性。

发明内容

发明人已经设计了一种方法来提供实时的上下文驱动的根本原因分析和校正建议。它可以用于优化用于衬底的多层处理的装置，同时避免或至少减轻一个或多个上述相关问题。

本发明在第一方面提供了一种用于优化产品单元的多阶段处理的方法，该方法包括：(a)接收对象数据，对象数据表示在不同处理阶段在多个产品单元上测量的一个或多个参数；(b)确定跨多个产品单元中的每个产品单元的对象数据的变化的指印，指印与相应的不同处理阶段相关联；(c)分析指印在不同处理阶段的共性以产生共性结果；以及(d)基于共性结果优化用于处理产品单元的装置。

本发明在第二方面提供了一种包括计算机可读指令的计算机程序，该计算机可读指令当在合适的计算机设备上运行时引起计算机设备执行第一方面的方法。

本发明在第三方面提供了一种计算机程序产品，包括第二方面的计算机程序。

本发明在第四方面提供了一种特别适用于执行第一方面的方法的步骤的装置。

附图说明

现在将参考附图通过示例描述本发明的实施例，在附图中：

图1描绘了光刻设备以及形成半导体器件的生产设施的其他装置。

图2是根据本发明的实施例的方法的流程图。

图3示出了用于基于主成分分析(PCA)的层中指印分析的控制板。

图4示出了用于套刻影响模拟的生成的基于成分的合成方法的示例。

图5示出了在应用模拟校正动作之后基于主成分分析(PCA)的层中指印分析的控制板。

图6示出了用于评估控制策略的有效性的二维密度图。

图7示出了可用于实现本文中公开的方法的计算设备硬件。

具体实施方式

在详细描述本发明的实施例之前，提供可以实现本发明的实施例的示例环境是有益的。

图1中的100将光刻设备LA示出为实现高容量光刻制造工艺的工业设施的一部分。在本示例中，制造工艺适用于在诸如半导体晶片等衬底上制造半导体产品(集成电路)。技术人员将理解，可以通过在该过程的变体中处理不同类型的衬底来制造多种产品。半导体产品的生产纯粹用作在今天具有重大商业意义的一个示例。

在光刻设备(或简称“光刻工具”100)内，测量站MEA在102处示出，并且曝光站EXP在104处示出。控制单元LACU在106处示出。在该示例中，每个衬底访问要进行施加图案的测量站和曝光站。在光学光刻设备中，例如，投影系统用于使用经调节的辐射和投影系统将产品图案从图案形成装置MA转移到衬底上。这是通过在辐射敏感抗蚀剂材料层中形成图案的图像来完成的。

本文中使用的术语“投影系统”应当广义地解释为包括任何类型的投影系统，包括折射、反射、反射折射、磁、电磁和静电光学系统、或其任何组合，视所使用的曝光辐射或其他因素(诸如浸液的使用或真空的使用)而定。图案化MA装置可以是掩模或掩模版，其将图案赋予由图案形成装置透射或反射的辐射束。众所周知的操作模式包括步进模式和扫描模式。众所周知，投影系统可以以各种方式与衬底和图案形成装置的支撑和定位系统协作，以将期望图案施加到衬底上的很多目标部分。可以使用可编程图案形成装置代替具有固定图案的掩膜版。例如，辐射可以包括深紫外(DUV)或极紫外(EUV)波段中的电磁辐射。本公开还适用于其他类型的光刻工艺，例如压印光刻和直写光刻，例如通过电子束。

光刻设备控制单元LACU控制各种致动器和传感器的所有移动和测量，使得设备接纳衬底W和掩模版MA并且实现图案化操作。LACU还包括信号处理和计算能力，以实现与设备的操作相关的期望计算。实际上，控制单元LACU将被实现为很多子单元的系统，每个子单元处理设备内的子系统或部件的实时数据采集、处理和控制。

在曝光站EXP处将图案施加到衬底之前，在测量站MEA处处理衬底，从而可以执行各种准备步骤。准备步骤可以包括使用调平传感器对衬底的表面高度进行绘图，并且使用对准传感器测量衬底上的对准标记的位置。对准标记名义上以规则的网格图案布置。然而，由于产生标记的不准确性以及由于在整个处理过程中发生的衬底变形，标记偏离理想网格。因此，除了测量衬底的位置和取向之外，如果设备要以非常高的精度在正确的位置打印产品特征，则实际上对准传感器必须详细测量衬底区域上的很多标记的位置。

光刻设备LA可以是所谓的双平台型，其具有两个衬底台，每个衬底台具有由控制单元LACU控制的定位系统。当在一个衬底台上的一个衬底正在曝光站EXP处被曝光时，另一衬底可以在测量站MEA处被加载到另一衬底台上，从而可以执行各种准备步骤。因此，对准标记的测量非常耗时，并且两个衬底台的提供能够显著提高设备的吞吐量。如果位置传感器IF在衬底台处于测量站和曝光站处时不能测量衬底台的位置，则可以提供第二位置传感器以使得能够在两个站处跟踪衬底台的位置。当光刻设备LA是具有两个衬底台的所谓的双平台型时，曝光站和测量站可以是可以在其间交换衬底台的不同位置。然而，这只是一种可能的布置，并且测量站和曝光站不需要如此不同。例如，已知具有单个衬底台，测量站在预曝光测量阶段期间临时耦合到该单个衬底台。本公开不限于任何类型的系统。

在生产设施内，设备100形成“光刻单元”或“光刻簇”的一部分，“光刻单元”或“光刻簇”还包含用于将光敏抗蚀剂和其他涂层施加到衬底W上以由设备100进行图案化的涂覆设备108。在设备100的输出侧，提供烘烤设备110和显影设备112，用于将曝光的图案显影成物理抗蚀剂图案。在所有这些设备之间，衬底处理系统负责支撑衬底并且将它们从一件设备转移到下一件设备。这些设备(通常统称为“轨道”)由轨道控制单元控制，轨道控制单元本身由监控系统SCS控制，监控系统SCS还通过光刻设备控制单元LACU控制光刻设备。因此，可以操作不同的设备以最大化吞吐量和处理效率。监控系统SCS接收选配方案信息R，选配方案信息R非常详细地提供了要执行以创建每个图案化衬底的步骤的限定。

一旦在光刻单元中已经施加和显影了图案，就将图案化的衬底120转移到其他处理设备，诸如122、124、126所示。各种处理步骤由典型的制造设施中的各种设备实现。为了举例，该实施例中的设备122是蚀刻站，并且设备124执行蚀刻后退火步骤。进一步的物理和/或化学处理步骤应用于其他设备126等。可能需要很多类型的操作来制造真实的器件，诸如材料的沉积、表面材料特性的改变(氧化、掺杂、离子注入等)、化学机械抛光(CMP)等。实际上，设备126可以表示在一个或多个设备中执行的一系列不同处理步骤。

众所周知，半导体器件的制造涉及这种处理的很多重复，以在衬底上逐层地构建具有适当材料和图案的器件结构。因此，到达光刻簇的衬底130可以是新制备的衬底，或者可以是先前已经在该簇中或在另一装置中完全处理过的衬底。类似地，取决于所需要的处理，可以返回离开设备126的衬底132以用于相同光刻簇中的后续图案化操作，它们可以用于不同簇中的图案化操作，或者它们可以是要发送以进行切割和封装的成品。

产品结构的每层需要不同的一组处理步骤，并且在每层使用的设备126的类型可以完全不同。此外，即使在设备126要应用的处理步骤名义上相同的情况下，在大型设施中，也可能存在若干假定相同的机器并行工作以对不同衬底执行步骤126。这些机器之间的设置或故障的微小差异可能表示它们以不同的方式影响不同的衬底。甚至对于每层相对共同的步骤(诸如蚀刻(设备122))也可以通过几个名义上相同但并行工作的蚀刻装置来实现，以最大化生产量。此外，在实践中，根据待蚀刻材料的细节，不同的层需要不同的蚀刻工艺(例如，化学蚀刻、等离子蚀刻)以及特殊要求(例如，各向异性蚀刻)。

如前所述，先前和/或后续处理可以在其他光刻设备中执行，并且甚至可以在不同类型的光刻设备中执行。例如，器件制造工艺中对诸如分辨率和套刻等参数非常苛刻的一些层可以在比要求较低的其他层更先进的光刻工具中执行。因此，一些层可以在浸没型光刻工具中曝光，而其他层则在“干”工具中曝光。一些层可以在工作在DUV波长的工具中曝光，而其他层则使用EUV波长辐射曝光。

为了使由光刻设备曝光的衬底正确且一致地曝光，期望检查曝光的衬底以测量诸如后续层之间的套刻误差、线厚度、临界尺寸(CD)等性质。因此，光刻单元LC处于其中的制造设备还包括量测系统MET，量测系统MET接收已经在光刻单元中处理的一些或全部衬底W。量测结果直接或间接地提供给监控系统(SCS)138。如果检测到错误，则可以对后续衬底的曝光进行调节，尤其是在量测可以很快并且足够快地完成使得相同批次的其他衬底仍然有待曝光时。而且，已经曝光的衬底可以被剥离和再加工以提高产量，或者被丢弃，从而避免对已知有缺陷的衬底进行进一步处理。在仅衬底的一些目标部分有缺陷的情况下，可以仅对那些良好的目标部分进行进一步的曝光。

图1中还示出了量测设备140，量测设备140被提供用于在制造过程中的期望阶段测量产品的参数。现代光刻生产设施中的量测设备的常见示例是散射仪，例如角度分辨散射仪或光谱散射仪，并且它可以在设备122中蚀刻之前在120处应用于测量显影的衬底的性质。使用量测设备140，例如，可以确定诸如套刻或临界尺寸(CD)等重要性能参数不满足所显影的抗蚀剂中的指定精度要求。在蚀刻步骤之前，存在剥离显影的抗蚀剂并且通过光刻簇再处理衬底120的机会。众所周知，来自设备140的量测结果142可以用于通过监控系统SCS和/或控制单元LACU 106随时间进行小的调节166来保持光刻簇中的图案化操作的准确性能，从而最大限度地降低产品超出规格并且需要重新加工的风险。当然，可以应用量测设备140和/或其他量测设备(未示出)来测量经处理的衬底132、134和传入的衬底130的性质。

本发明的实施例通过使用具有内置传感器的光刻设备来捕获层堆叠中的指印，而提供了在集成电路的生命周期中表征整个层堆叠的能力。该表征与限定每层的曝光之间的处理步骤相关。对层堆叠中的指印的分析提供了校正复杂和时变的多层工艺中的现象的能力。例如，新设备和新工艺选配方案不断生成新的指印。

除了对准传感器之外，光刻设备还具有很多在线传感器。这些在线传感器包括调平传感器、用于将掩模版与晶片台卡盘对准的传感器(例如，“透射图像传感器”或“平行集成透镜干涉仪”型传感器)和与致动器稳定性相关的传感器。光刻设备的传感器是可以测量跨衬底在空间上分布的参数值的传感器的示例。除了表示跨衬底的空间分布的指印之外，指印还可以表示跨晶片批次中的不同晶片的工艺参数的分布。例如，从“平行集成透镜干涉仪”传感器获得的指印可以表示跨晶片批次的掩模版加热签名。本发明的实施例利用这些传感器来表征很多或所有单独的过程(例如，蚀刻、沉积、显影轨道)。这是可能的，因为在晶片上制造层期间涉及扫描仪至少一次。扫描仪可以每层将其传感器应用于传递通过光刻工艺的所有晶片至少一次。

用于确定指印的扫描仪传感器可以是动态的。例如，对于一个层，可以发现对准传感器对于确定代表处理步骤的指印是最有用的，而对于另一层，调平传感器可以提供更多信息。传感器的使用和产生最具代表性结果的传感器信号的组合(例如，用于工艺控制和处理设备优化的最多信息)可能会遭受变化，并且机器学习方法可以用于收敛到每层最佳传感器信号群集(例如，第1层：对准颜色1，第2层：对准颜色2+调平，……等等)

如上所述，在层堆叠中处理晶片，光刻设备可以在所有不同步骤捕获指印。指印图案可以通过执行堆叠中分析而彼此相关，并且跨层共同的指印可以与在每层发生的事件和现象相关联。这使得可以适当地优化处理设备以用于后续处理步骤。由经优化的设备执行的这些后续处理步骤可以应用于从其获得指印的晶片。在这种情况下，在晶片处理过程中在其层堆叠中应用校正，作为一种实时校正。这是在多阶段处理的后续阶段优化用于处理用于测量对象数据的产品单元的设备的示例。由优化的设备执行的后续处理步骤可以应用于其他晶片的整个处理步骤，包括将来处理的晶片。优化的设备可以用于在处理流程的早期阶段和后期阶段执行处理步骤，而不是执行分析和优化的阶段。优化可以涉及固定所标识的处理设备和/或处理选配方案。它还可能涉及通过对准或套刻校正使用专用扫描仪校正。

本发明的实施例提供了一种在处理阶段(例如，层)的堆叠中将指印彼此相关联并且根据底层指印的变化来标识它们的手段，然后可以将其链接回到工艺上下文。

图2是示出根据本发明的实施例的优化用于产品单元的多阶段处理的装置的方法的流程图。在该实例中，产品单元是衬底，特别地是晶片。在该示例中，阶段对应于晶片的层。在诸如双图案化工艺等一些工艺中，每个层可以在两个单独的光刻阶段中被曝光。

多层工艺开始于对原始晶片(未示出)进行制造工艺202。这可以例如包括图1所示的沉积步骤和退火步骤，然后是涂覆、曝光、烘烤和显影步骤。这产生具有图案化的第一层的晶片204。

对晶片204进行进一步的制造工艺222，其可以例如包括如图1所示的蚀刻和退火步骤，然后是涂覆、曝光、烘烤和显影步骤以图案化第二层。这产生具有图案化的第二层的晶片224。

处理继续对后续层进行更多制造工艺242，其可以包括光刻步骤(未示出)，导致随后的制造工艺262产生具有图案化的后续层的晶片264。

用于制造工艺202、222、242、262的装置包括用于执行曝光的一个或多个光刻设备，也称为扫描仪。扫描仪具有用于跨晶片感测206、226、266一个或多个参数的传感器。这种传感器的一个示例是对准传感器。下面讨论跨晶片测量的传感器的其他示例。此外，对于所示的每个层，对图案化的晶片执行量测208、228、268(例如，如图1中的140所示)。

感测和量测步骤产生每个层210、230、270的对象数据。

因此，考虑层1和2，计算设备(例如，图1中的SCS)接收对象数据210、230，对象数据210、230表示跨晶片204、224测量206、208的并且与晶片的不同处理阶段202、222相关联的一个或多个参数。

计算设备将对象数据210、230分解212、232成用于相应的每个不同层的成分。计算设备由此确定跨每个晶片214、234的对象数据的变化的指印。因此，指印与晶片的相应的不同处理阶段相关联，对应于晶片的相应层。在该示例中，分解212、232使用对象数据210、230的主成分分析(PCA)来获得正交主成分。

计算设备分析246指印214、234在不同层中的共性以产生共性结果。该分析可以包括标识指印中在不同层中共同的至少一个指印。分析指印的共性可以涉及使用用户交互。这可以通过以下方式来完成：渲染控制板，该控制板示出了由层布置的指印，并且接收标识在不同层中共同的一个或多个指印的用户输入。层堆叠中指印进展的这种可视化使得用户能够交互地优化和参与优化方法。共性分析可以部分或全部自动化。该自动化可以涉及使用计算设备来分组指印。指印库248可以用于执行自动分组。指印库248可以由历史指印组成。分组可以基于分析所确定的指印与历史指印之间的差异(或距离)。

如果共性分析没有标识出任何共同的指印，则该结果本身就是有用的信息。它表明，通过使用另一种方法来优化根本原因分析、影响分析或建模可以继续优化，以提供校正措施。

计算设备使用共性结果来优化用于处理262后续层的装置，如下所述。

该示例中的计算设备接收上下文数据244，上下文数据244表示晶片204、224的不同层的处理202、222、242的一个或多个参数。然后，基于所标识246的一个或多个指印和上下文数据244进行对用于处理后续层的装置的优化。这是通过将所标识的共同的一个或多个指印与上下文数据相关联来实现的。

优化可以涉及通过将所标识246的一个或多个指印与上下文数据244相关联250以标识252在后续处理阶段之前应当被优化(例如，固定)的特定装置来确定根本原因。实际上，这是通过上下文匹配来标记指印。该过程可以是自动化的。

优化可以涉及影响分析254，影响分析254可以预测量测结果、探针测量、电压对比度测量或甚至产品产量。这可以通过基于所标识的一个或多个指印246和所接收的上下文数据244预测跨晶片的产品性能的变化来执行，以确定要应用于后续阶段的处理262的装置的工艺校正258。作为具体示例，当对象数据包括对准数据时，指印包括对准指印，并且预测的变化包括在包括后续层的层之间的套刻的变化。以这种方式，本发明的实施例通过使用基于选择性合成的套刻预测的预测量测来提供改进的对准/套刻控制优化。

优化可以涉及计算设备基于所标识246的共同的一个或多个指印以及上下文数据244来建模或模拟256后续层的处理，以确定要应用于用于后续阶段的处理262的装置的工艺校正。

用于处理后续层的装置的优化涉及确定校正258。该校正作为校正动作被应用于制造过程262的处理设备。校正动作可以是例如设备修理、设备关闭、选配方案改变或设备设置的改变。

图3示出了用于基于主成分分析(PCA)的层中指印分析的控制板。

示出了三行指印。每行都有来自不同层L1、L2、L3的指印。PCA每层提供一组标准正交的指印。这些可以如上面提到的WO 2015049087中所述来得到。每个指印示出为与晶片相对应的圆圈，其中箭头表示跨一组晶片的位置处的变化。指印不是这样的测量。它源自从很多晶片获得的对象数据。指印是在一组晶片中更频繁发生的变化的图案。例如，它可以表示跨一组晶片的平均变化。该变化可能发生在该组中的一些但不是全部晶片中。在该示例中，布置主成分使最重要的成分留下。用于表达指印的基础的正交性是有利的，因为它最小化了用于处理设备优化的校正策略之间的依赖性。

虚线表示指印的分组。分组可以手动、半自动或自动执行。标记为C(“类型C”)的指印是缩放指印，其对于层L1、L2和L3是共同的。标记为A和AA的指印彼此相似，并且是已知的双旋涡图案，其通常链接到退火处理步骤。双旋涡可以以略微不同的角度出现，并且可以通过扫描仪传感器以不同方式进行采样。代替进行每层优化，可以识别可能与相同根本原因相关的类似指印组。例如，查看标记为A和AA的指印，指印可以链接回一个退火设备。能够理解如果可以调节退火设备以便使共同的指印在层L1和后续层中消失将会发生什么是有用的。这将对L1层的对准策略产生影响。

作为示例，当应用于光刻工艺时，可以在基于合成的优化流程中使用以下步骤：

A.分解在层堆叠中的对准，如图3所示。该方法使用对准和套刻树并且使用分解为测量数据下面的不相关或其他信息性成分(指印)(例如，晶片对准)。

B.将跨层共同的成分分配给上下文(即，根本原因分析)。数据挖掘方法可以用于将处理上下文(步骤/选配方案、工具使用、内联工具测量)自动地与晶片上的指印出现相关联。

C.将对准和上下文映射到套刻(即，预测量测)。下面参考图4更详细地描述这一点。该预测量测方法可以用于使用对准指印的选择性使用以及附加的套刻曝光和量测效果来合成套刻。选择性使用源于不同的对准和/或套刻控制以及要评估的量测策略。这可以例如通过生成模型(概率生成模型、深度神经网络等)来完成，该生成模型被训练以将对准和调平数据映射到在不同(处理)上下文条件下的套刻。

D.模拟不同的对准(考虑模型、标记、采样和对准树)。

E.预测不同对准模型的套刻影响。下面参考图5更详细地描述该步骤和前一步骤。

F.预测来自不同APC(高级工艺控制)模型的套刻影响。

图4示出了生成的对(套刻)影响模拟的基于成分的合成方法的示例。这种生成方法对于堆叠中的成分分解非常有用，并且为预测量测提供了基础。

图4所示的预测套刻影响分析基于晶片上预期的指印出现来预测套刻图444。通过包括针对晶片426、428和场430效应的不同指印，在给定描述晶片的处理和曝光条件的上下文测量418、420的情况下，从预期会在晶片上发生的指印来合成最终的套刻晶片图444。指印可以从数据(其中包括噪声模型以防止测量噪声干扰指印学习)中学习，例如通过PCA分解，或者从先前的知识中包括，例如，透射图像传感器场放大率漂移通常导致与掩模版加热相关的场内指印图案。

训练数据包括来自各种处理工具402、404、406的制造路由和对准数据418。其他训练数据420包括伺服性能、晶片台温度、应用特定校准(ASCAL)数据(用于通过测量波前漂移来预测透镜加热效应)、聚焦点监测数据、晶片调平数据以及匹配和扫描仪控制数据。该其他训练数据420是来自伺服器408、掩模版410、扫描仪透镜412、晶片台414和晶片台416的训练数据。

虚线箭头表示上下文、指印和套刻之间的概率关系。

为了将制造上下文418映射到场间指印426、428，可以如WO2015049087中所描述的那样使用共现映射422。为了将扫描仪上下文420映射到场内指印430，可以使用回归424，诸如偏最小二乘法(PLS)回归和主成分回归(PCR)。

场间指印428对应于图3所示的层1的“C型”指印。场间指印426是“A型”指印的另一种变体(例如，“类型AAA”)。

用于预测来自中间指印层426到430的套刻影响的映射432、434可以从数据经验地学习。当曝光和处理条件不改变时，这些映射可以用于评估与数据中的某些扫描仪量测指印的出现有关的套刻影响。对于光刻工艺模拟方案，这种经验映射可以用于评估通过模拟校正动作去除/补救某些指印的套刻影响。

在其最简单的形式中，映射432、434可以是用于从场间和场内指印计算晶片处的套刻值的确定性映射(例如，线性或非线性函数)，如WO 2015049087中公开的。这里，我们利用它进行合成(“预测”)，而不是上下文分析(“根本原因分析”或“诊断”)。

可以使用场间PCA以便从指印426、428得到预测的场间套刻436。可以使用场内PCA漂移模型以便从指印430得到预测的场内套刻438。合适的经验映射方法在国际专利申请WO2015024783中描述，该专利申请通过引用整体并入本文。

将预测指印436和438与噪声模型440组合442，以产生最终套刻晶片图444。

因此，所测量的套刻用于教导系统。当系统已经被训练时，它用于基于堆叠中的剩余指印的子集(或它们的残差)预测套刻。如图5和其他步骤所示，所预测的套刻逐渐变小，因为应用了更多的校正动作。

图5示出了在应用模拟的校正动作之后基于主成分分析(PCA)的层中指印分析的控制板。

使用正交指印的一个优点是，通过模拟指印的缺失来固定变异源之一，就好像标识并且固定了根本原因一样，也是在堆叠中去除指印，潜在简化了控制模拟。

图5示出了图3所示的控制板，其中共同的附图标记A、B、C、AA、L1、L2和L3表示相同的特征。然而，图5还示出了通过模拟过程调节502和不同对准策略评估504的模拟指印去除。过程调节去除了大部分“类型A”和“类型AA”指印。对准策略评估去除了所有“C型”指印。在506处示出了对去除那些指印的校正动作的所得到的套刻影响评估。

作为对准策略评估的示例，如果指印“类型C”来自变形的标记，则使用不同对准颜色(波长)的对准策略可以解决该问题，从而去除“类型C”指印。另一种方法可以是使用对边缘标记变形不太敏感的不同的标记布局。

在其他步骤(未示出)中，可以从控制板去除更多指印，以进一步改善预期的套刻影响。例如，在模拟高阶对准模型之后，可以捕获更多的指印变化，因此套刻中存在更少的指印变化。考虑到已经训练的对准和套刻之间的经验映射，高阶对准模型可以被认为是另一种待评估的对准策略，进一步改善了预期的套刻影响。

因此，本发明的实施例可以通过基于合成的指印控制板在层堆叠中每晶片校正提供对准和套刻的整体优化。该示例的基于合成的优化方法以堆叠中指印显影控制板为中心，如上面参考图3至5所述。

本发明的实施例通过用户交互实现对准和套刻策略的整体优化。由于可以通过基于知识和指印的合成来实现套刻预测，因此可以规避训练从上下文到套刻图的单片映射(例如，通过神经网络)。提供了一种预测量测方法，其很好地概括了不存在于训练集中的上下文条件。变量之间的映射被分成局部连接的变量子集；这些“子映射”可以使用黑盒模型(例如，神经网络)、白盒模型(例如，基于知识)或灰盒模型(例如，使用物理建模、神经网络和概率组合的混合的贝叶斯网络)来实现。这实现了预测量测，预测量测可以适应变化的数据特性或至少检测与训练数据特性的显著偏差。

如图3所示，每层(在产品单元的处理的单独阶段期间应用的每个层)执行对象数据指印的分解。可以基于成分的相关性对成分进行分类，使得最相关的成分(例如，解释跨产品单元的对象数据的大部分变化)位于左侧，而最不相关的成分位于右侧。然后，有效地将成分按其在预测跨产品单元的对象数据指印的属性的可用性进行排序。

除了成分的排序(关于相关性)之外，还可以将其他属性分配给每个成分，例如，属性数据可以包括所确定的成分的可靠性的指示符(准确性和/或再现性)或对于过程产量的成分的预期的关键性。

通常，与第一处理阶段相关联的成分和成分的排序与在第一处理阶段之后的第二处理阶段相关联的成分和排序相匹配。该观察可以用于基于与第一处理阶段相关联的指印的知识，将校正258导出到用于执行上述第二处理阶段的装置。在示例中，被配置为在第一层之后图案化第二层的装置可以使用与第一层相关联的对象数据来控制第二层的图案化。例如，在上述第二处理阶段期间使用的装置的优化可以将与第一处理阶段相关联的指印作为输入。

成分在各层之间可以相似，但成分的排序在各层之间可以不同。例如，与第二处理阶段相关联的第一成分排序为第一，而当与第一处理阶段相关联时，该成分排序为第二。因此，在处理阶段(例如，层)之间肯定存在成分的共性，但它们可能具有不同的属性，诸如它们的排序。通常，成分与包括一个或多个性能参数(套刻、焦点、CD、……)的对象数据的指印相关联。

基于与第一处理阶段相关联的成分的知识来控制第二处理阶段仍然是可能的，但是可能需要考虑排序的差异以便提供对第二处理阶段的准确校正。在一个实施例中，第二处理阶段的控制基于与第一处理阶段相关联的一组加权成分。在与第二层相关联的第一成分的排序低于第一层的情况下，第二处理阶段的控制需要向第一成分分配较少的权重，因为它比另一更高级别的成分更少地代表对象数据的变化。

通常，将与第一处理阶段相关联的信息前馈到第二处理阶段的概念是基于成分的共性和与成分相关联的属性的。如上所述，该属性可以是指相关性(排序)的度量，可靠性(准确性、再现性)的度量或对整个过程的产量的预期影响(对最终产品的影响)的度量。

然后，控制第二处理阶段可以基于与第一处理阶段相关联的成分的加权和。或者，第二处理阶段的控制可以基于与第一处理阶段相关联的处理校正的加权和。

通过将与第一处理阶段相关联的每个成分“Ci”与权重因子“Wi”相乘来进行加权，该权重因子“Wi”基于通常与第二处理阶段相关联的感兴趣属性的值。当感兴趣的属性是成分的相关性时，可以基于排序编号来选择权重因子。例如，当成分在第一处理阶段排序为第二并且在第二阶段处理排序为第四时，可以选择与该成分相关联的权重因子作为排序之间的比率(2:4＝0.5)。然后，在执行第二处理阶段时使用的装置或过程的后续优化可以基于成分的加权和，其中该成分仅具有为0.5的权重因子。

然后，在确定给定衬底(晶片)的第一处理阶段与第二处理阶段之间的所有(或其子集)共同成分之后，可以基于第一处理阶段和第二处理阶段的共同成分的属性确定每个成分的相关权重因子。成分的加权和被认为代表跨待控制衬底的对象数据的指印。基于所获得的成分的加权和，可以确定装置的优化和/或诸如工艺校正等控制动作。

可以将一个或多个权重因子设置为零，例如当某个成分具有低于某个最小值(阈值)的相关可靠性度量时。以类似的方式，也可以将排序低于第3的成分设置为零。然后，滤除有效地不太可靠(恒定)和/或相关的成分，以提高控制第二处理阶段的鲁棒性。

除了处理装置和控制动作的优化之外，还可以实现对与成分相关联的属性的监测。这些属性的变化可以指示一个或多个处理步骤和/或处理阶段内的变化。这些变化可能是偏移、漂移或突然变化(例如，由于处理设备的配置的突然变化)。

除了基于将第一层的信息前馈到第二层的工艺控制的优化/控制策略之外，可以采用更通用的前馈策略。通常，可以确定跨整个层堆叠的指印(或与指印相关联的成分)之间的共性以用于控制目的。该概念可以容易地通过包括与整个层堆叠中包括的每个层相关联的属性数据的分析来扩展。然后，对任何处理阶段的控制可以基于跨堆叠的成分的共性，同时考虑与每个单独处理阶段的这些共同成分相关联的属性。

然后，针对处理阶段的一般工艺控制基于a)跨施加到衬底的任何层子集的成分之间的共性，以及b)与跨施加到衬底的上述层子集的共同成分相关联的属性数据。

在一个示例中，基于与第五处理阶段相关联的2个成分来控制第五处理阶段，这2个成分对于所有四个前面的处理阶段是共同的。成分的属性可用于所有5个处理阶段，属性数据与成分的排序(相关性)有关。在该示例中，在第五处理阶段期间对处理衬底的控制是基于第一共同成分和第二共同成分的，每个成分基于所有四个在前层的属性数据进行加权。

在一个实施例中，成分通过多个权重因子“Wij”进行加权，每个权重因子“Wij”与成分“Ci”和处理阶段“j”相关联。加权成分“Cweighted”可以表示为：“Cweighted”＝sum(Wij*Ci)。

除了提供优化的对准和/或套刻(晶片)策略之外，通常还需要确定这种优化的有效性(与不实现这种优化的策略相比)。通常，通过对在实现校正之前处理的产品单元的测量而获得的第一性能数据集(例如，对准数据、套刻数据或指示半导体制造过程的性能的任何其他数据类型)和通过对在实现优化之后处理的产品单元的测量而获得的第二性能数据集是可用的。通常，评估第一性能数据集和第二性能数据集的关键性能指标(KPI)。然后，比较KPI值通常是评估优化(校正)对制造过程的有效性的优选策略。然而，性能数据集可以是异构的，例如，第一性能参数数据集和第二性能参数数据集可以从不同的数据源获得，可以具有统计上不同类型的分布(分布的对称性、构成分布的样本点)。因此，第一性能数据集的KPI可能不足以评估第二性能参数数据集的质量。因此，在评估优化的有效性时，直接比较KPI的值可能不是有效的方法。

在另一实施例中，提出了基于其基础概率密度函数(PDF)来比较第一性能数据集和第二性能数据集。这种方法更适合于确定优化的有效性。例如，利用核密度估计(kerneldensity estimation)方法来导出与第一性能参数数据集相关联的第一PDF和与第二性能参数数据集相关联的第二PDF。

第一性能参数数据集与第一控制策略相关联，该第一控制策略与应用于半导体制造过程的第一类对准或套刻校正相关联(例如，在对过程和/或处理工具进行优化之前)，并且第二性能参数数据集与第二控制策略相关联，该第二控制策略与应用于半导体制造过程的第二类对准或套刻校正相关联。从第一类校正到第二类校正的变化被称为控制策略的变化。

一旦确定了第一PDF和第二PDF，就构建二维密度图。图6描绘了二维密度图，其中在x轴上是与第一数据集相关联的性能参数的值，而在y轴上是与第二数据集相关联的性能参数的值。密度图是通过评估与性能参数值相对应的(x，y)值的第一PDF和第二PDF的乘积来生成的。二维密度图表示与第一控制策略相关联的性能参数值和与第二控制策略相关联的性能参数值的某种组合的发生概率。

如果第一控制策略和第二控制策略的有效性相同，则二维密度图关于线Y＝X将是对称的。如果第二控制策略更有效，则第二PDF将在Y轴上针对较低值返回较高概率值，因此二维密度图将变得不对称，在这种情况下，密度图的重心将转移到Y＝X线以下。后一属性可以用于评估控制策略的有效性，或者替代地对多个性能数据集进行排序。可以将在Y＝X线以上的二维密度图的第一区域的积分值与在Y＝X线以下的二维密度图的第二区域的积分值进行比较。从积分值之间的比率可以推断出两个性能数据集中的哪个与最有效的控制策略相关联。随后，可以选择最有效的控制策略用于进一步处理。

在一个实施例中，根据本文件中公开的任何先前实施例来优化用于处理产品单元的装置。通过执行包括对性能数据集进行排序的步骤的方法来实现对装置优化的有效性的进一步评估，对性能数据集进行排序的步骤包括：(a)确定与第一性能数据集相关联的第一概率密度函数，第一性能数据集是通过对在基于共性结果优化用于处理产品单元的装置之前处理的产品单元的测量而获得的；(b)确定与第二性能数据集相关联的第二概率密度函数，第二性能数据集是通过对在基于共性结果优化用于处理产品单元的装置之后处理的产品单元的测量而获得的；以及(c)基于第一概率密度函数和第二概率密度函数对上述性能数据集进行排序。基于排序，可以确定装置优化的有效性。

在一个实施例中，使用核密度估计方法确定第一概率密度函数和第二概率密度函数。

在一个实施例中，步骤(c)包括生成坐标分布的步骤，其中第一坐标的第一分布是从对第一概率密度函数的采样导出的，并且第二坐标的第二分布是从对第二概率密度函数的采样导出的。

在一个实施例中，步骤(c)还包括将第一坐标的第一分布和第二坐标的第二分布映射到二维密度图，该二维密度图具有与第一性能数据集的性能数据的值相关联的第一轴和与第二性能数据集的性能数据的值相关联的第二轴。

在一个实施例中，步骤(c)还包括跨二维密度图的第一区域对密度图的值积分的步骤和对二维密度图的第二区域的值积分的步骤，其中第一区域与第二轴的大于或等于第一轴的坐标值的坐标值相关联，并且第二区域与第二轴的小于或等于第一轴的坐标值的坐标值相关联。

在一个实施例中，第一区域和第二区域的积分值用于对性能数据进行排序。

在一个实施例中，排序用于选择应用于半导体制造过程以用于后续处理的第一控制策略或第二控制策略。

可以使用包含一个或多个机器可读指令序列的计算机程序来实现本发明的实施例，机器可读指令序列描述优化用于产品单元的多阶段处理的装置的方法，如上所述。该计算机程序可以在计算设备内执行，诸如图1的控制单元LACU、或某个其他控制器。还可以提供一种其中存储有这样的计算机程序的数据存储介质(例如，半导体存储器、磁盘或光盘)。

该控制单元LACU可以包括如图7所示的计算机组件。计算机组件可以是根据本发明的组件的实施例中的控制单元的形式的专用计算机，或者替代地，是控制光刻设备的中央计算机。计算机组件可以被布置用于加载包括计算机可执行代码的计算机程序产品。这可以使得计算机组件在下载计算机程序产品时能够通过调平和对准传感器AS、LS的实施例来控制光刻设备的上述用途。

连接到处理器827的存储器829可以包括多个存储器部件，如硬盘861、只读存储器(ROM)862、电可擦除可编程只读存储器(EEPROM)863和随机存取存储器(RAM)864。并非需要存在所有上述存储器部件。此外，上述存储器部件在物理上非常靠近处理器827或彼此靠近并不重要。它们可能相距特定距离。

处理器827还可以连接到某种用户接口，例如键盘865或鼠标866。也可以使用触摸屏、跟踪球、语音转换器或本领域技术人员已知的其他接口。

处理器827可以连接到读取单元867，读取单元867被布置为读取数据，例如在某些情况下，以计算机可执行代码的形式，将数据存储在数据载体上，如固态驱动器868或CDROM869。也可以使用本领域技术人员已知的DVD或其他数据载体。

处理器827还可以连接到打印机870以在纸上以及向显示器871打印输出数据，例如监视器或LCD(液晶显示器)，其可以是本领域技术人员已知的任何其他类型的显示器。

处理器827可以通过负责输入/输出(I/O)的发射器/接收器873连接到通信网络872，例如公共交换电话网(PSTN)、局域网(LAN)、广域网(WAN)等。处理器827可以被布置为经由通信网络872与其他通信系统通信。在本发明的实施例中，外部计算机(未示出)(例如，运营商的个人计算机)可以经由通信网络872登录到处理器827。

处理器827可以实现为独立系统或并行操作的多个处理单元，其中每个处理单元被布置为执行较大程序的子任务。处理单元也可以被划分成具有多个子处理单元的一个或多个主处理单元。处理器827的一些处理单元甚至可以位于远离其他处理单元的一定距离处并且经由通信网络872进行通信。模块之间的连接可以是有线的或无线的。

计算机系统可以是被布置为执行这里讨论的功能的具有模拟和/或数字和/或软件技术的任何信号处理系统。

在以下编号的实施例的列表中公开了本发明的其他实施例：

1.一种优化用于产品单元的多阶段处理的装置的方法，所述方法包括：(a)接收对象数据，所述对象数据表示在不同处理阶段在多个产品单元上测量的一个或多个参数；(b)确定跨所述多个产品单元中的每个产品单元的所述对象数据的变化的指印，所述指印与相应的不同处理阶段相关联；(c)分析所述指印在所述不同阶段的共性以产生共性结果；以及(d)基于所述共性结果优化用于处理产品单元的所述装置。

2.根据实施例1所述的方法，其中确定指印的步骤(b)包括：将所述对象数据分解成用于每个相应的不同阶段的成分。

3.根据实施例2所述的方法，其中分解包括：使用所述对象数据的主成分分析来获得正交主成分。

4.根据前述实施例中任一项所述的方法，其中分析共性的步骤(c)包括：标识所述指印中的在所述不同阶段共同的至少一个指印。

5.根据实施例4所述的方法，其中分析所述指印的共性的步骤(c)包括：渲染控制板，所述控制板示出通过阶段布置的所确定的指印，以及接收用户输入，所述用户输入标识所述指印中的在所述不同阶段共同的所述至少一个指印。

6.根据前述实施例中任一项所述的方法，其中优化用于处理产品单元的装置的步骤(d)包括：优化用于处理用于在其多阶段处理的后续阶段从其测量所述对象数据的所述产品单元的装置。

7.根据实施例2或3所述的方法，其中所述成分接收属性数据。

8.根据实施例7所述的方法，其中所述属性数据指示以下中的一项或多项：解释跨产品单元的对象数据的变化的所述成分的相关性，所述成分的可靠性和/或在遵守所述成分的情况下工艺的预期产量。

9.根据实施例7或8所述的方法，其中优化所述装置的步骤d)基于所述共性结果和所述属性数据。

10.根据实施例9所述的方法，其中优化所述装置的步骤d)基于利用权重因子对成分进行加权，所述权重因子基于针对至少两个处理阶段与所述成分相关联的属性数据的值。

11.根据实施例10所述的方法，其中所述权重因子基于第一处理阶段的所述属性数据的第一值与第二处理阶段的所述属性数据的第二值之间的比率。

12.根据实施例10或11所述的方法，其中在属性数据指示某个成分具有以下中的一项或多项的情况下所述权重因子被设置为零：低相关性、低可靠性。

13.根据前述实施例中任一项所述的方法，还包括接收上下文数据的步骤(e)，所述上下文数据表示所述产品单元的所述不同处理阶段的处理的一个或多个参数，其中优化用于后续阶段的处理的装置的步骤(d)基于所标识的至少一个指印和所述上下文数据。

14.根据实施例13所述的方法，其中优化用于后续阶段的处理的装置的步骤(d)包括：使所标识的至少一个指印与所接收的上下文数据相关，以标识用于后续阶段的处理的特定装置。

15.根据实施例13所述的方法，其中优化用于后续阶段的处理的装置的步骤(d)包括：基于所标识的至少一个指印和所接收的上下文数据来预测跨产品单元的产品性能变化，以确定要应用于所述装置以用于后续阶段的处理的工艺校正。

16.根据实施例15所述的方法，其中所述对象数据包括对准数据，所述指印包括对准指印，所述阶段包括层，并且所预测的变化包括在包括后续层的层之间的所预测的套刻变化。

17.根据实施例13所述的方法，其中优化用于后续阶段的处理的装置的步骤(d)包括：基于所标识的至少一个指印和所接收的上下文数据来模拟后续阶段的处理，以确定要应用于所述装置的用于后续阶段的处理的工艺校正。

18.根据前述实施例中任一项所述的方法，其中所述产品单元是衬底。

19.根据实施例1所述的方法，还包括对性能数据集进行排序的步骤，所述对性能数据集进行排序的步骤包括：

(a)确定与第一性能数据集相关联的第一概率密度函数，所述第一性能数据集是通过对在基于所述共性结果优化用于处理产品单元的所述装置之前处理的产品单元的测量而获得的；

(b)确定与第二性能数据集相关联的第二概率密度函数，所述第二性能数据集是通过对在基于所述共性结果优化用于处理产品单元的所述装置之后处理的产品单元的测量而获得的；以及

(c)基于所述第一概率密度函数和所述第二概率密度函数对所述性能数据集进行排序。

20.根据实施例19所述的方法，其中所述第一概率密度函数和所述第二概率密度函数是使用核密度估计方法确定的。

21.一种计算机程序，包括计算机可读指令，所述计算机可读指令当在合适的计算机设备上运行时引起所述计算机设备执行根据实施例1至20中任一项所述的方法。

22.一种计算机程序产品，包括根据实施例21所述的计算机程序。

具体实施例的前述描述将如此充分地揭示本发明的一般性质，使得其他人可以通过应用本领域技术范围内的知识来容易地修改和/或适应这些具体实施例的各种应用，而无需过多的实验。在不脱离本发明的一般概念的情况下。因此，基于本文中给出的教导和指导，这些改编和修改旨在落入所公开实施例的等同物的含义和范围内。应当理解，本文中的措辞或术语是出于说明的目的而非限制，使得本说明书的术语或措辞将由本领域技术人员根据教导和指导来解释。

本发明的广度和范围不应当受任何上述示例性实施例的限制，而应当仅根据所附权利要求及其等同物来限定。

Claims (15)

1.一种用于优化产品单元的多阶段处理的方法，所述方法包括：

(a)接收对象数据，所述对象数据表示在不同处理阶段在多个产品单元上测量的一个或多个参数；

(b)确定跨所述多个产品单元中的每个产品单元的所述对象数据的变化的指印，所述指印与相应的不同处理阶段相关联；

(c)分析所述指印在所述不同处理阶段的共性以产生共性结果；以及

(d)基于所述共性结果优化用于处理产品单元的装置。

2.根据权利要求1所述的方法，其中确定指印的步骤(b)包括：将所述对象数据分解成用于每个相应的不同处理阶段的成分。

3.根据权利要求2所述的方法，其中分解包括：使用所述对象数据的主成分分析来获得正交主成分。

4.根据权利要求1所述的方法，其中分析共性的步骤(c)包括：标识所述指印中的在所述不同处理阶段共同的至少一个指印。

5.根据权利要求4所述的方法，其中分析所述指印的共性的步骤(c)包括：渲染控制板，所述控制板示出通过处理阶段布置的所确定的指印，以及接收用户输入，所述用户输入标识所述指印中的在所述不同处理阶段共同的所述至少一个指印。

6.根据权利要求1所述的方法，其中优化装置的步骤(d)包括：优化用于处理用于在其多阶段处理的后续阶段从其测量所述对象数据的所述产品单元的装置。

7.根据权利要求4所述的方法，还包括接收上下文数据的步骤(e)，所述上下文数据表示所述产品单元的所述不同处理阶段的处理的一个或多个参数，其中优化所述装置的步骤(d)基于所述上下文数据和在所述不同处理阶段共同的所述至少一个指印。

8.根据权利要求7所述的方法，其中优化用于后续阶段的处理的装置的步骤(d)包括：使在所述不同处理阶段共同的所标识的至少一个指印与所接收的上下文数据相关，以标识用于后续阶段的处理的特定装置。

9.根据权利要求7所述的方法，其中优化用于后续阶段的处理的装置的步骤(d)包括：基于在所述不同处理阶段共同的所标识的至少一个指印和所接收的上下文数据来预测跨产品单元的产品性能变化，以确定要应用于所述装置以用于后续阶段的处理的工艺校正。

10.根据权利要求9所述的方法，其中所述对象数据包括对准数据，所述指印包括对准指印，所述阶段包括层，并且所预测的变化包括在包括后续层的层之间的所预测的套刻变化。

11.根据权利要求2所述的方法，其中所述成分接收属性数据，所述属性数据指示以下中的一项或多项：解释跨产品单元的对象数据的变化的所述成分的相关性、所述成分的可靠性、以及在遵守所述成分的情况下工艺的预期产量。

12.根据权利要求11所述的方法，其中优化所述装置的步骤d)基于所述共性结果和所述属性数据。

13.根据权利要求12所述的方法，其中优化所述装置的步骤d)基于利用权重因子对成分进行加权，所述权重因子基于与所述成分相关联的属性数据的值。

14.根据权利要求1所述的方法，还包括对性能数据集进行排序的步骤，所述对性能数据集进行排序的步骤包括：

(a)确定与第一性能数据集相关联的第一概率密度函数，所述第一性能数据集是通过对在基于所述共性结果优化用于处理产品单元的所述装置之前处理的产品单元的测量而获得的；

(b)确定与第二性能数据集相关联的第二概率密度函数，所述第二性能数据集是通过对在基于所述共性结果优化用于处理产品单元的所述装置之后处理的产品单元的测量而获得的；以及

(c)基于所述第一概率密度函数和所述第二概率密度函数对所述性能数据集进行排序。

15.根据权利要求14所述的方法，其中所述第一概率密度函数和所述第二概率密度函数是使用核密度估计方法确定的。