CN110896039A - 晶圆质量检测方法和设备以及半导体器件制造方法 - Google Patents

晶圆质量检测方法和设备以及半导体器件制造方法 Download PDF

Info

Publication number
CN110896039A
CN110896039A CN201910467049.0A CN201910467049A CN110896039A CN 110896039 A CN110896039 A CN 110896039A CN 201910467049 A CN201910467049 A CN 201910467049A CN 110896039 A CN110896039 A CN 110896039A
Authority
CN
China
Prior art keywords
wafer
data
ion beam
quality
segment
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
CN201910467049.0A
Other languages
English (en)
Other versions
CN110896039B (zh
Inventor
崔锺贤
文释培
崔宰赫
朴元基
徐钟辉
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics 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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN110896039A publication Critical patent/CN110896039A/zh
Application granted granted Critical
Publication of CN110896039B publication Critical patent/CN110896039B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/30—Electron-beam or ion-beam tubes for localised treatment of objects
    • H01J37/317—Electron-beam or ion-beam tubes for localised treatment of objects for changing properties of the objects or for applying thin layers thereon, e.g. for ion implantation
    • H01J37/3171—Electron-beam or ion-beam tubes for localised treatment of objects for changing properties of the objects or for applying thin layers thereon, e.g. for ion implantation for ion implantation
    • 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
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/26—Bombardment with radiation
    • H01L21/263—Bombardment with radiation with high-energy radiation
    • H01L21/265—Bombardment with radiation with high-energy radiation producing ion implantation
    • H01L21/26566—Bombardment with radiation with high-energy radiation producing ion implantation of a cluster, e.g. using a gas cluster ion beam
    • 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
    • H01L22/30—Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/245—Detection characterised by the variable being measured
    • H01J2237/24507—Intensity, dose or other characteristics of particle beams or electromagnetic radiation
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/245—Detection characterised by the variable being measured
    • H01J2237/24592—Inspection and quality control of devices
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/30—Electron or ion beam tubes for processing objects
    • H01J2237/317—Processing objects on a microscale
    • H01J2237/31701—Ion implantation
    • H01J2237/31703—Dosimetry
    • 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
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/26—Bombardment with radiation
    • H01L21/263—Bombardment with radiation with high-energy radiation
    • H01L21/265—Bombardment with radiation with high-energy radiation producing ion implantation

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

提供了一种晶圆质量检测方法和设备以及半导体器件制造方法，所述检测晶圆质量的方法包括：在离子注入工艺中使用离子束将离子注入到晶圆中，通过使用法拉第杯收集关于离子束的数据，从关于离子束的数据中提取第一数据，从第一数据中提取晶圆段，从晶圆段计算晶圆的特征值，以及通过对特征值与预定阈值或范围进行比较来评估晶圆的质量。

Description

晶圆质量检测方法和设备以及半导体器件制造方法
本申请要求于2018年9月13日在韩国知识产权局提交的第10-2018-0109722号韩国专利申请的优先权，通过引用将该申请的公开内容全部包含于此。
技术领域
发明构思的示例性实施例涉及晶圆质量检测方法和设备，更具体地，涉及用于离子注入方法的晶圆质量检测方法和设备。
背景技术
在离子注入(IMP)工艺中，将离子注入到晶圆中。在将杂质电离之后，选择并加速所需的离子以形成离子束。向晶圆表面中注入期望的量的离子束以将离子埋入晶圆中的半导体晶格中。晶圆可以通过埋入晶圆中的离子获得适当水平的导电性。注入到晶圆中的离子的量被称为剂量，用于IMP工艺的设备可以包括控制剂量的剂量控制器。已经提出了各种方法来保持恒定和均匀的离子束并将所需剂量注入到晶圆中。
关于IMP工艺，晶圆质量评估的示例包括二次离子质谱(SIMS)方法、热波(TW)方法和电气裸片拣选(electrical die sorting，EDS)方法。在SIMS方法中，通过样品晶圆的表面分析来识别样品晶圆的组成和成分，并且这样的方法需要约两周。一旦使用，样品晶圆就被损坏并因此被丢弃，因此无法进行全面检测。TW方法是一种无损检测方法，其中使用获取的TW信号来检测晶圆表面的损伤。然而，由于在TW方法中影响TW信号的各种因素，IMP工艺与晶圆缺陷之间的相关性不足，因此也无法进行全面检测。在EDS方法中，通过对裸片进行电测试来检测晶圆，这样的方法是在IMP工艺之后执行大约两个月，因此，在此期间在有缺陷的设备中处理的晶圆可能都被确定为有缺陷并被丢弃。
发明内容
根据发明构思的示例性实施例，检测晶圆质量的方法可以包括：在离子注入工艺中通过使用法拉第杯收集关于离子束的数据，从关于离子束的数据中提取第一数据，从第一数据中提取晶圆段，从晶圆段计算晶圆的特征值，以及基于特征值来评估晶圆的质量。
根据发明构思的示例性实施例，制造半导体器件的方法可以包括：在离子注入工艺中通过使用法拉第杯收集关于离子束的数据，从关于离子束的数据中提取第一数据，从第一数据中提取晶圆段，从晶圆段计算晶圆的特征值，基于特征值来评估晶圆的质量以及当晶圆的质量正常时对晶圆执行半导体工艺。通过将特征值与预定阈值或范围进行比较，可以将晶圆的质量确定为正常。
根据发明构思的示例性实施例，一种晶圆质量检测设备可以包括：离子源，配置为使源材料气体电离并输出电离气体；质量分析器，配置为调整磁场强度以从离子源的离子中选择要注入的离子；加速器，配置为加速要注入的离子以形成离子束；扫描器，配置为将离子束形成为线性形式并且将离子束注入到晶圆中；剂量控制器，配置为基于通过使用法拉第杯测量的关于离子束的数据来控制注入到晶圆中的离子的总量；以及分析和评估装置，配置为基于关于离子束的数据来分析晶圆的质量。分析和评估装置可以包括：有效数据提取器，配置为从关于离子束的数据中提取第一数据；晶圆段提取器，配置为从第一数据中提取晶圆段；特征值计算器，配置为从晶圆段计算关于晶圆的特征值；以及质量评估器，配置为基于特征值来评估晶圆的质量。
附图说明
通过参照附图对发明构思的示例性实施例进行详细描述，将更清楚地理解发明构思的以上和其它特征。
图1是根据发明构思的示例性实施例的晶圆质量检测方法的流程图。
图2A至图2C分别是用于描述根据发明构思的示例性实施例的在图1的晶圆质量检测方法中收集关于离子束的数据的过程的透视图、结构框图和概念图。
图3A至图3D是示出根据发明构思的示例性实施例的图1的晶圆质量检测方法中的有效数据提取的详细过程的流程图和图表。
图4A和图4B分别是示出根据发明构思的示例性实施例的图1的晶圆质量检测方法中的晶圆段(wafer section)提取的详细过程的流程图和图表。
图5A和图5B是用于示出根据发明构思的示例性实施例的与图1的晶圆质量检测方法相关的离子束的正常数据和异常数据的参考的图表。
图6A和图6B是用于描述根据发明构思的示例性实施例的在图1的晶圆质量检测方法中计算关于晶圆的特征值的过程的图表。
图7至图9是根据发明构思的示例性实施例的晶圆质量检测方法的示意流程图。
图10A至图10C是用于描述根据发明构思的示例性实施例的图9的晶圆质量检测方法中的用户反馈过程的图表。
图11是根据发明构思的示例性实施例的包括晶圆质量检测方法的半导体器件制造方法的示意性流程图。
图12A和图12B分别是根据发明构思的示例性实施例的与图11的半导体器件制造方法相关的对其执行离子注入(IMP)工艺的半导体器件的剖视图和用于解释异常的发现和异常的补救的图表。
图13是根据发明构思的示例性实施例的晶圆质量检测设备的结构框图。
图14A至图14C是根据发明构思的示例性实施例的图13的晶圆质量检测设备中的分析和评估装置的详细结构框图。
具体实施方式
发明构思的示例性实施例提供了一种晶圆质量检测方法和设备，其中，实时准确地检测离子注入(IMP)工艺中的全部晶圆的质量、离子束的状态和设备的异常，并且提供了包括晶圆质量检测方法的半导体器件制造方法。
在下文中，参照附图详细描述发明构思的示例性实施例。在整个申请中，相同的附图标记可以表示相同的元件。
图1是根据发明构思的示例性实施例的晶圆质量检测方法的流程图。
参照图1，根据本示例性实施例的晶圆质量检测方法可以指在离子注入(IMP)工艺中检测晶圆质量。此外，可以基于是否在晶圆的适当位置以所需的水平注入离子的量(例如，离子剂量)来确定晶圆质量。根据本示例性实施例的晶圆质量检测方法可以如下执行。首先，收集关于离子束的数据(S110)。在IMP工艺中，可以通过使用法拉第杯来收集关于离子束的数据。例如，关于离子束的数据可以是离子束的强度并且可以使用各种类型的法拉第杯(例如，闭环法拉第杯)来收集。将参照图2A至图2C详细描述通过使用法拉第杯收集关于离子束的数据。
接下来，从收集的关于离子束的数据中提取有效数据(S120)。IMP工艺可以包括初始设置装置的设置模式和离子基本上注入到晶圆中的扫描模式。关于离子束的数据可以包括扫描模式的数据和设置模式的数据。此外，关于离子束的数据还可以包括临时中断IMP工艺的中断模式或暂停模式的数据、关于噪声的数据等。在检测晶圆质量时，可以仅需要关于扫描模式(例如，离子实际注入到晶圆中的模式)的数据，关于其它模式或噪声的数据可以是不必要的。因此，在提取有效数据的操作中(S120)，可以去除不合适的数据，并且可以提取仅在晶圆质量检测中所需的数据。换言之，有效数据可以是包括在关于离子束的数据中的在去除不合适的数据之后剩余或剩下的数据。有效数据可以被称为第一数据，不合适的数据可以被称为与第一数据不同的第二数据。将参照图3A至图3D更详细地描述有效数据的提取。
接下来，从有效数据中提取晶圆段(S130)。有效数据可以包括不仅一个晶圆而是若干个晶圆的扫描模式段。此外，可以存在当更换晶圆时照射离子束的扫描模式段。因此，可以对有效数据进行进一步分段和区分。晶圆段可以指关于一个晶圆的段。例如，晶圆段可以指与一个晶圆对应的关于离子束的数据段。将参照图4A和图4B更详细地描述晶圆段的提取。
在提取晶圆段之后，计算晶圆的特征值(S140)。换言之，从与晶圆段(例如，一个晶圆)对应的离子束有关的数据计算特征值。特征值可以是用于确定晶圆质量的参考。更多种类的特征值可以有助于确定更精确的晶圆质量。将参照图5A至图6B更详细地描述确定晶圆质量并计算晶圆的特征值。
接下来，基于特征值评估晶圆质量(S150)。可以使用各种方法来执行晶圆质量的评估。例如，可以为每个特征值设定阈值，并且可以基于晶圆的每个特征值是否超过或不符合设定阈值来确定晶圆质量。可选地，可以针对每个特征值设定正常范围，并且可以基于要被检测的晶圆的每个特征值是否在设定的正常范围内来确定晶圆质量。
可以根据产品类型、工艺配方和工艺设备组来执行晶圆质量的检测。例如，可以基于特征值来执行与特定设备的IMP工艺相关的全部晶圆的质量评估。此外，还可以计算与特定设备的IMP工艺相关的全部晶圆的每个特征值的分散度。关于特定设备的IMP工艺，全部晶圆的质量评估和每个特征值的分散可以稍后用于在IMP工艺期间诊断设备的状态和/或离子束的状态。类似地，可以根据产品类型和/或工艺配方来执行对晶圆的质量评估并可以计算晶圆的特征值的分散度，并且稍后在根据产品类型和/或工艺配方诊断对应工艺的状态时使用。
根据本示例性实施例的晶圆质量检测方法，在IMP工艺中，通过使用法拉第杯实时收集关于离子束的数据，通过若干操作从已收集的数据中提取关于晶圆的特征值，并且可以基于特征值评估晶圆的质量。因此，根据本示例性实施例的晶圆质量检测方法，可以实时准确地确定晶圆质量。
根据本示例性实施例的晶圆质量检测方法，通过使用关于由利用法拉第杯实时收集的离子束的数据，可以实时准确地确定晶圆质量。因此，可以防止上面描述的因EDS方法或SIMS方法所需的长时间段而引起的损失，并且与SIMS方法不同，可以以无损的方式执行根据本示例性实施例的方法。另外，与TW方法或仅检测所选样品晶圆的SIMS方法不同，可以对全部晶圆执行全面检测。
图2A至图2C分别是用于描述根据发明构思的示例性实施例的在图1的晶圆质量检测方法中收集关于离子束的数据的过程的透视图、结构框图和概念图。图2A和图2B分别是IMP工艺中晶圆和法拉第杯的透视图和结构框图，图2C是用于描述法拉第杯的原理的概念图。这里将简要地提供或省略已经参照图1提供的详细描述。
参照图2A和图2B，关于根据本示例性实施例的晶圆质量检测方法，在IMP工艺中，晶圆200可以与离子束I-B的行进方向垂直地放置或者相对于与离子束I-B的行进方向垂直的方向以小角度进行放置。详细地，离子束I-B可以以线性光的形式注入到晶圆200中，并且晶圆200的上表面可以与离子束I-B的行进方向垂直地放置或者相对于与离子束I-B的行进方向垂直的方向以小角度进行放置。线性形式的离子束I-B可以通过将点离子束I-B向左或向右移动来形成。例如，图2A中的每条线可以对应于点离子束I-B，并且随着点离子束I-B在第一方向(x方向)上移动，可以形成线性形式的离子束I-B。
同时，晶圆200可以放置在平台180上(如图2B所示)，并且可以通过竖直轴190在竖直方向(例如，在如粗箭头Av示出的第三方向(z方向))上移动，因此可以对整个晶圆200执行离子注入。另外，在IMP工艺中，晶圆200通常通过竖直轴190往复移动，并且往复移动的次数可以根据工艺而变化。当将离子束I-B照射到整个晶圆的操作定义为一次扫描时，可以通过一次往复移动执行两次扫描。同时，晶圆200可以在IMP工艺设备中水平地设置在平台180上，然后可以通过竖直轴190如细弯曲箭头Ac所示移动以垂直地或竖直地放置。
如图2A和图2B中所示，法拉第杯170可以布置在晶圆200周围。法拉第杯170可以包括主法拉第杯171、入射角法拉第杯173、轮廓法拉第杯175和闭环法拉第(CLF)杯177。主法拉第杯171可以测量可用于检查离子束(例如，I-B)的量的测试离子束。入射角法拉第杯173布置在主法拉第杯171的两侧上，并且可以检测可以用于设置线性离子束(例如，I-B)的宽度的最外侧离子束。换言之，入射角法拉第杯173可以用于设置点离子束(例如，I-B)在第一方向(x方向)上的移动范围。轮廓法拉第杯175可以用于检测点离子束(例如，I-B)的范围，并且还检测离子是否以离子实际注入到晶圆(例如，200)中的扫描模式正常注入。
主法拉第杯171和入射角法拉第杯173可以用于设置工艺的设置模式，并且可以不用于将离子注入到晶圆200中的扫描模式。另外，主法拉第杯171和入射角法拉第杯173可以在离子束I-B行进的方向(例如，第二方向(y方向))上进一步布置在布置有晶圆200的位置的后面。
同时，CLF杯177可以在第一方向(x方向)上布置在与布置有入射角法拉第杯173的位置对应的位置处。另外，CLF杯177可以在第二方向(y方向)上布置在晶圆200所在的位置处或在晶圆200的前面。CLF杯177可以在扫描模式中测量离子束。换言之，CLF杯177可以测量与注入到晶圆200中的离子束处于相同状态的离子束。详细地，随着点离子束I-B移动，形成线性形式的离子束I-B，因此可以在与以线性形式的离子束I-B的线宽对应的第一方向(x方向)的宽度内照射相同状态的离子束。同时，由于CLF杯177在第一方向(x方向)上布置在与入射角法拉第杯173的位置基本相同的位置处，因此CLF杯177布置在以线性形式的离子束I-B的宽度内，从而与注入到晶圆200中的离子束处于相同状态的离子束I-B可以照射到CLF杯177。因此，通过使用CLF杯177测量离子束I-B，可以测量关于注入到晶圆200中的离子束的数据。
通过使用法拉第杯170测量离子束的步骤可以通过使用连接到法拉第杯170的剂量控制器150来执行。下面将参照图2C简要描述通过使用法拉第杯170的离子束的测量原理。
参照图2C，在法拉第杯170中，如图所示，在法拉第杯170的内部和外部形成磁场，并且注入到杯子的入口的带电粒子中的诸如电子的负粒子在杯子的向外方向上散射，并且只有正离子可以进入杯子的入口。同时，为了保持法拉第杯170的电中性，从地输入电子并且剂量控制器150对电子进行计数。换言之，剂量控制器150不直接测量在法拉第杯170前面输入的离子束，而是根据实际已经进入法拉第杯170的正离子对为了维持中性而输入的电子的数量进行计数，因此间接地测量离子束。因此，通过使用法拉第杯170的间接测量方法，可以测量实际注入到晶圆200中的离子束的量。
在根据本示例性实施例的晶圆质量检测方法中，通过使用CLF杯177收集的关于离子束的数据可以用于晶圆质量的评估。如上所述，通过使用CLF杯177测量的关于离子束的数据可以与关于注入到晶圆200中的离子束的数据基本相同。因此，通过在下面描述的工艺中处理通过使用CLF杯177收集的离子束的数据，并且使用处理的数据作为用于评估晶圆质量的参考，可以提高晶圆质量的评估的准确度。
作为参考，通过使用CLF杯177测量的关于离子束I-B的数据通常可以在测量之后立即丢弃，或者可以反馈和反映在随后的工艺设置中。另外，根据工艺设备，可以不布置CLF杯177。然而，根据本示例性实施例的晶圆质量检测方法，由于通过使用CLF杯177测量离子束I-B，因此，在没有CLF杯177的设备中，可以在对应的位置处人为地布置CLF杯177。另外，可以单独地分离和更换CLF杯177。
图3A至图3D是示出根据发明构思的示例性实施例的图1的晶圆质量检测方法中的有效数据提取的详细过程的流程图和图表。在图表中，x轴表示处理时间，y轴表示离子束的强度，并且强度的单位可以是任意单位(a.u.)。将简要地提供或省略上面已经参照图1提供的详细描述。
参照图3A至图3D，在有效数据提取的过程中，首先，从通过使用法拉第杯170收集的关于离子束的数据中去除不合适的数据(S122)。如上所述，已收集的关于离子束的数据不仅可以包括将离子实际注入到晶圆中的扫描模式中的数据，还可以包括在设置模式或中断模式中的数据或者包括噪声的数据。因此，要去除在确定晶圆质量时不必要的不合适的数据。
例如，当因如图3B示出的工艺暂停等而没有关于离子束的数据时，或者如图3C中示出的在设置模式等中(1)当注入离子的宽度小于平均值时或(2)当离子束强度过高时，可以将与上述示例对应的这种离子束数据作为不合适的数据而去除。换言之，如图3B所示，可以将当暂停IMP工艺时提取的数据作为不合适的数据而去除。注入离子的宽度是注入离子时的时间段(例如，以秒为单位)，并且可以将宽度小于预定阈值(例如，平均宽度)的数据(如图3C所示)作为不合适的数据而去除。另外，可以将(例如，在设置模式期间)离子束的强度大于预定阈值的数据作为不合适的数据而去除。
接下来，从关于离子束的数据中提取轮廓(S124)。如图3D所示，轮廓可以具有各种形状，诸如，围绕一些数据的上部和侧向外部的轮廓1或仅围绕整个数据的上部的轮廓2。稍后可以在提取关于晶圆的特征值时使用轮廓。
图4A和图4B分别是示出根据发明构思的示例性实施例的图1的晶圆质量检测方法中的晶圆段提取的详细过程的流程图和图表。在图表中，x轴表示处理时间，y轴表示离子束的强度，并且强度的单位可以是任意单位(a.u.)。将简要地提供或省略上面已经参照图1提供的详细描述。
参照图4A和图4B，在提取晶圆段的过程中，首先，提取块段(S132)。在去除不合适的数据之后获得的有效数据可以包括与若干个晶圆对应的关于离子束的数据。另外，与每个晶圆对应的关于离子束的数据可以以如图4B的虚线方框所标记的块单元来区分。作为参考，在图4B中，宽块对应于与实际晶圆对应的关于离子束的数据，宽块之间的窄块可以是在没有晶圆的情况下照射离子束的段，并且可以对应于扫描模式。
在宽块中，内部段由白线区分，内部段的数量可以对应于在一个晶圆内进行扫描的次数。例如，图4B示出了在一个晶圆上进行八次扫描。这也可以指示晶圆在对应的IMP工艺中通过竖直轴190在竖直方向上往复移动四次。
接下来，提取关于晶圆的段(例如，晶圆段)(S134)。晶圆段的提取可以最终指从先前提取的块段提取对应于晶圆的段，并且排除包括在扫描模式中但不对应于注入到晶圆中的离子的那些块，例如，具有小宽度的块。
这里，晶圆段的提取可以指提取与一个晶圆对应的一个块，或者提取与全部晶圆对应的多个块。在计算特征值之后，可以基于阈值使用与一个晶圆对应的块来确定对应晶圆的质量。另外，对应于全部晶圆的多个块可以用于计算每个特征值的分散度或者配置数据库(DB)，因此可以用于诊断在对全部相应晶圆执行IMP工艺时使用的设备的状态或设备中的离子束状态。
图5A和图5B是示出根据发明构思的示例性实施例的与图1的晶圆质量检测方法相关的离子束的正常数据和异常数据的参考的图表。在图表中，x轴表示处理时间，y轴表示离子束的强度，并且强度的单位可以是任意单位(a.u.)。将简要地提供或省略上面已经参照图1提供的详细描述。
参照图5A的图表，在离子束的数据中示出了基线噪声异常。例如，在正常离子束的数据中，基线BL形成在0处。然而，在图5A的图表中，基线BL形成在0.1处。这可能因在剂量控制器150的硬件或软件中引起的内部噪声导致的DC偏移值的增加而发生(参见图2B)。在IMP工艺中，大于0的基线BL会妨碍注入到晶圆中的离子的期望水平。例如，注入到晶圆中的离子束的强度可能大于正常值，这可能导致差的晶圆质量。
图5B的图表示出了与一个晶圆相关的与四次扫描对应的关于离子束的数据，示出了有缺陷的离子束图案。例如，在扫描期间应该在一定程度上均匀地保持离子束强度，但是由于某些因素，离子束强度未均匀地保持，而是如图5B的图表中示出的那样波动。在图5B的图表中，细直线表示与离子束强度相关的原始数据，而深色部分表示基于原始数据计算的方差。
在IMP工艺中，离子束的数据可以具有各种正常或异常状态。例如，如图5A和图5B所示，可能存在诸如基线噪声异常或不规则的离子束图案的异常状态。另外，可能存在诸如过量或剂量不足的其它各种异常状态。在IMP工艺中，由于数十个配方和多个正常或异常状态，可能难以设置关于离子束的数据的正常或异常状态的统一标准。这样，根据本示例性实施例的晶圆质量检测方法，从与一个晶圆(例如，晶圆段)对应的离子束的数据，计算各种特征值，并且可以评估晶圆的质量或者可以通过使用特征值来诊断设备的状态。
图6A和图6B是用于描述根据发明构思的示例性实施例的在图1的晶圆质量检测方法中计算关于晶圆的特征值的过程的图表。在图表中，x轴表示处理时间，y轴表示离子束的强度，并且强度的单位可以是任意单位(a.u.)。将简要地提供或省略上面已经参照图1提供的详细描述。
参照图6A和图6B，可以从与一个晶圆(例如，晶圆段)对应的块来计算下面的特征值。首先，如图6A的左侧的y轴方向上的双向箭头所示，可以计算离子束的强度(1)。其次，如图6A的左下方的x轴方向上的双向箭头所示，可以计算块的宽度(2)。这里，块宽度可以指一个晶圆上的离子注入工艺的时段。第三，如图6A的中间部中的虚线方框所示，可以计算总离子束强度(3)。总离子束强度可以最终对应于输入到一个晶圆的离子束的总量。
第四，如图6B的左上方的长虚线-短虚线所示，可以计算块的顶线的均匀性(4)。顶线的均匀性可以指示离子束强度的均匀性。第五，如图6B的下部中的粗虚线所示，可以计算块的基线的水平(5)。基线可以对应于例如噪声的强度。第六，如图6B的上中部所示，可以计算块中的扫描次数(6)。在图6B中，扫描次数可以是八次。第七，如图6B的右部所示，可以计算每单位时间的总离子束强度(7)。每单位时间的总离子束强度可以对应于输入到晶圆中的瞬时离子束量。
虽然上面描述了与离子束的数据相关的晶圆段中的七种特征值的计算，但是特征值不限于上述七种。例如，根据IMP工艺和/或配方的设备，还可以计算少于七种或多于七种的特征值。
在从晶圆段计算特征值之后，可以通过使用特征值来检测晶圆的质量。例如，关于特征值中的每个，可以设置阈值和/或正常范围，并且可以通过将阈值和/或正常范围与从晶圆计算的特征值进行比较来评估晶圆的质量。另外，多个晶圆的特征值可以被配置为DB，并且可以通过基于DB的深度学习或机器学习来评估晶圆的质量。
此外，可以根据产品、工艺配方和工艺设备组提取特征值并将其配置为DB，并且可以将根据产品、工艺配方和工艺设备组的特征值相对于彼此进行比较和分析以评估晶圆的质量。换言之，可以随后将晶圆形成为不同的半导体产品，可以使用不同的工艺配方来执行IMP工艺，以及/或者可以使用不同的工艺设备组来执行IMP工艺。因此，可以根据产品、工艺配方和工艺设备组的不同组合对提取的特征值进行分组。因此可以对这些特征值进行比较和分析以确定在不同组合中的晶圆的质量。
将参照图8详细描述通过DB配置和基于DB的深度学习或机器学习来评估晶圆的质量。
图7至图9是根据发明构思的示例性实施例的晶圆质量检测方法的示意流程图。将简要地提供或省略以上参照图1至图6B已经提供的详细描述。
参照图7，根据本示例性实施例的晶圆质量检测方法(例如，评估晶圆质量的操作S150a)可以与图1的晶圆质量检测方法不同。详细地，根据本示例性实施例的晶圆质量检测方法，首先，执行从收集关于离子束的数据的操作S110到计算关于晶圆的特征值的操作S140的操作。收集关于离子束的数据的操作S110到计算关于晶圆的特征值的操作S140如上面参照图1到图6B描述的那样。
接下来，执行晶圆质量的评估和离子束状态的诊断和/或设备的状态的诊断(S150a)。例如，根据本示例性实施例的晶圆质量检测方法，在计算晶圆的特征值的操作S140之后，不仅可以评估晶圆质量而且还可以执行离子束状态的诊断和/或设备的状态的诊断。
可以基于晶圆质量评估来执行离子束状态的诊断和/或设备的状态的诊断。通常，当执行IMP工艺的设备和/或离子束处于不良状态时，通过使用该设备和/或离子束对其执行IMP工艺的晶圆很可能都是有缺陷的。例如，通过将晶圆的特征值与预定阈值或范围进行比较，可以将晶圆确定为有缺陷或异常。因此，当多个晶圆的质量被评估为有缺陷时(例如，当被确定为异常的晶圆的数量超过预定的最小值时)，也可以将IMP工艺的设备的状态和/或离子束的状态诊断为有缺陷。另外，可以根据每个IMP工艺设备计算晶圆的每个特征值的分散度，并且可以基于计算的分散度确定设备的状态和/或离子束的状态。
还可以基于特征值来执行离子束状态的诊断和/或设备的状态的诊断而不管晶圆质量评估如何。详细地，一些特征值(例如，块的顶线和块的基线的均匀性)可以直接与离子束的状态和/或设备的状态相关联。因此，可以基于块的顶线和块的基线的均匀性来诊断离子束的状态和/或设备的状态。除了示出的特征值之外，可以新计算附加特征值以用于离子束状态和/或设备的状态的诊断。可以基于多个晶圆的特征值和它们的质量评估来执行离子束状态和/或设备的状态的诊断，而不是基于一个晶圆的特征值或一个晶圆的晶圆质量评估来诊断。
因此，通过根据上述方法诊断离子束状态和/或设备的状态，例如，可以调整设备的配置或者可以修改或替换设备。因此，可以准确地评估晶圆的质量，从而加速半导体器件制造工艺。
参照图8，根据本示例性实施例的晶圆质量检测方法(例如，配置DB的操作S145和评估晶圆质量的操作S150b)可以与图1的晶圆质量检测方法不同。根据本示例性实施例的晶圆质量检测方法，首先，执行从收集关于离子束的数据的操作S110到计算关于晶圆的特征值的操作S140的操作，并且操作分别与上面参照图1至图6B描述的操作相同。
此外，可以配置与根据产品、工艺配方和工艺设备组的特征值有关的DB(S145)。换句话说，可以根据产品、工艺配方和工艺设备组针对多个晶圆计算特征值，然后可以关于每个特征值配置DB。例如，可以针对使用设备A对其执行IMP工艺的全部晶圆提取七种特征值；可以针对使用设备B对其执行IMP工艺的全部晶圆提取七种特征值；以及可以针对使用设备C对其执行IMP工艺的全部晶圆提取七种特征值。接下来，可以配置关于每个设备的特征值的DB。
在配置DB之后，通过使用基于DB的深度学习方法或机器学习方法来评估晶圆的质量(S150b)。机器学习是实现人工智能(AI)的方法之一，深度学习可以是机器学习的一个领域。在机器学习中，人可以首先处理给定的材料。例如，人可以通过对图像进行分类来处理图像，使得计算机可以识别它们，然后计算机可以分析和累积图像中包括的特征，并且最后计算机可以通过基于积累的数据总结图像的特征来确定答案。另一方面，在深度学习中可以省略由人完成的工作。例如，当输入背景数据而不进行任何改变时，计算机可以通过诸如卷积神经网络(CNN)、递归神经网络(RNN)、深度Q网络等算法来分析数据并且算出答案。例如，CNN是在图像处理或计算机视觉领域中使用的一种类型的人工神经网络，涉及例如理解图像并从图像中提取高度抽象的信息或绘制新纹理的图片。
在使用监督机器学习分类器(诸如，朴素贝叶斯，
Figure BDA0002079752050000121
Bayes)的示例中，可以准备用于多个晶圆的初始数据集及其各自的特征值(例如，图6A和图6B中的上述七个特征值)。可以(例如，由人)标记初始数据集，使得将多个晶圆中的每个标记为正常或异常。初始数据集可以分成训练集和测试集，机器学习分类器根据训练集拟合。随后，可以通过将测试集反馈到分类器中来评估分类器的准确度。如果精度足够(例如，高于预定阈值)，则分类器随后可以用于与具有计算的特征值的晶圆有关的任何新数据以确定其质量(例如，正常或异常)。
如上所述，晶圆和特征值数据可以存储在DB中。通过DB配置和基于DB的深度学习方法或机器学习方法评估晶圆质量，与其它方法相比，可以提高晶圆质量评估的准确度和速度。另外，可以对全部晶圆实时执行从收集关于离子束的数据的操作S110到配置DB的操作S145的操作，并且可以在配置DB的操作S145中实时更新DB，从而进一步通过深度学习方法或机器学习方法提高晶圆质量评估的准确性。这样，可以改善包括上述晶圆质量检测方法的半导体器件制造工艺。
同时，不仅可以通过DB配置和深度学习方法或机器学习方法来执行晶圆质量评估，还可以执行设备的状态和/或离子束状态的诊断。另外，可以根据上面描述的产品、工艺配方和工艺设备组来实现DB配置，并且可以根据产品、工艺配方和工艺设备组来执行深度学习方法或机器学习方法。因此，可以根据产品、工艺配方和工艺设备组来诊断设备的状态和/或离子束的状态。
参照图9，根据本示例性实施例的晶圆质量检测方法可以与图1的晶圆质量检测方法不同，例如，还包括向用户发送反馈的操作S160。根据本示例性实施例的晶圆质量检测方法，执行从收集关于离子束的数据的操作S110到评估晶圆质量的操作S150的操作，并且这些操作分别与上面参照图1至图6B描述的操作相同。
接下来，将晶圆质量检测的结果反馈给用户(S160)。可以通过使用各种方法将反馈发送给用户。例如，在第一种方法中，晶圆质量检测结果可以通过电子邮件、社交网络服务(SNS)、发光二极管(LED)、显示器、蜂鸣器和设备互锁中的至少一种反馈给用户。另外，在第二种方法中，晶圆质量检测结果可以由用户通过个人计算机(PC)和移动装置中的至少一种实时地并在线地监视晶圆质量检测结果来反馈。换言之，可以在线实时提供晶圆质量检测结果，并且用户可以在任何时间监视结果。移动装置可以指例如智能电话或平板电脑的紧凑的电子装置，其可以由人随身携带。此外，在第三种方法中，可以通过PC和移动装置中的至少一种将晶圆质量评估的结果以每时段(例如，诸如每小时一次、每天一次、每周一次等的预定时段)发送的报告作为反馈发送给用户。换言之，可以通过第一方法、第二方法和第三方法中的至少一种向用户提供反馈。
以上仅描述了晶圆质量评估的反馈，但反馈的信息不限于晶圆质量评估的结果。例如，还可以通过使用上面描述的各种方法参照图7描述的将设备的状态和/或离子束状态的诊断结果反馈给用户。另外，也可以将通过参照图8描述的DB配置和基于DB配置的深度学习方法或机器学习方法获得的晶圆质量评估的结果以及设备的状态和/或离子束状态的诊断结果反馈给用户。
用户可以通过如上描述的反馈过程实时地知道晶圆质量评估的结果、设备的状态和/或离子束的状态的诊断结果。因此，当发生异常时，可以分析原因以采取迅速行动，从而防止诸如大量有缺陷的晶圆的大量损失。
图10A至图10C是用于描述根据发明构思的示例性实施例的图9的晶圆质量检测方法中的用户反馈过程的图表。在图10A和图10B的图表中，x轴可以表示日期，y轴可以表示注入到晶圆的剂量，在图10C的图表中，x轴可以表示日期，y轴可以表示离子束强度。另外，E1、E2、P1至P5以及Q1至Q5可以表示使用相应的设备、平均剂量或基线对其执行IMP工艺的晶圆的剂量。例如，在图10A中，●可以指示使用设备E1对其执行IMP工艺的晶圆的剂量。
参照图10A，在被标记为正常的段中的剂量的晶圆可以是正常的，在被标记为异常的段中的剂量的晶圆可以对应于异常晶圆，例如，有缺陷的晶圆。从图10A中显而易见的是，在使用设备E1对其执行IMP工艺的晶圆中出现大量缺陷。如上所述，对其执行IMP工艺的晶圆的评估结果可以根据设备示出为图表，并且结果可以由用户通过在PC或移动设备上的搜索来识别。同时，晶圆评估的结果不仅可以根据多台设备进行分类而且可以根据工艺配方、产品等进行分类，并且被示为图表，用户可以通过网络搜索实时检查结果。
参照图10B，示出了根据每台设备的晶圆的平均剂量。当根据每台设备显示晶圆的平均剂量时，可以确定每台设备根据日期的趋势。可以以预定周期(例如，每十天)的图表来报告根据多台设备的关于晶圆的平均剂量的数据。但是，数据的形状不限于图表。报告周期也不限于十天。周期性的数据报告允许用户根据剂量趋势检查相应设备的晶圆剂量的趋势和每台设备的状态。
参照图10C，示出了根据多台设备的晶圆的基线，这里，不是示出每个晶圆的基线，而是示出了晶圆的平均基线。与图10B类似，周期性的数据报告允许用户根据基线趋势检查相应设备的晶圆的基线的趋势和每台设备的状态。例如，在图10C中，多台设备Q4和Q5的基线接近0，因此没有问题。然而，多台设备Q1至Q3的基线为0.05或更大，因此可能已经发生因噪声引起的DC偏移缺陷。
图11是根据发明构思的示例性实施例的包括晶圆质量检测方法的半导体器件制造方法的示意性流程图。将简要地提供或省略以上参照图1至图9已经提供的详细描述。
参照图11，根据本示例性实施例的半导体器件制造方法，首先，执行从收集关于离子束的数据的操作S210到评估晶圆质量的操作S250的操作。操作S210至操作S250可以与参照图1至图6B描述的操作S110至操作S150基本相同。
接下来，可以确定晶圆质量是否正常(S260)。换言之，使用特定标准(例如，阈值或正常的范围)来确定晶圆质量是正常还是异常。例如，通过将计算的特征值与预定阈值或范围进行比较，可以将晶圆质量确定为正常。
当确定晶圆质量正常时(S260：是)，对晶圆执行半导体工艺(S270)。晶圆上的半导体工艺可以包括各种工艺。例如，晶圆上的半导体工艺可以包括沉积操作、蚀刻操作、离子操作、洗涤操作等。通过对晶圆执行半导体工艺，可以形成相应的半导体器件所需的集成电路和布线。晶圆上的半导体工艺可以包括在晶圆级的半导体器件上的测试工艺。当晶圆上的半导体工艺是离子工艺时，可以通过使用上述方法再次评估晶圆质量。
当通过晶圆上的半导体工艺在晶圆中完成半导体芯片时，晶圆可以被单独化或分离成单个的半导体芯片。可以使用刀片或激光的锯切工艺来执行对半导体芯片的单独化。接下来，可以对半导体芯片执行封装工艺。封装工艺可以指将半导体芯片安装在印刷电路板(PCB)上并通过使用封装材料封装半导体芯片的操作。封装工艺可以包括在PCB上以多层堆叠多个半导体以形成堆叠封装件或在另一堆叠封装件上堆叠堆叠封装件以形成层叠封装(POP)结构。可以通过半导体芯片的封装工艺完成半导体器件或半导体封装件。在封装工艺之后，可以对半导体封装件执行测试工艺。
同时，在确定晶圆质量是否正常的操作S260中，当确定晶圆质量为异常时(S260：否)，分析原因(S280)。接下来，可以消除原因，并且对新晶圆再次执行相应的工艺(S290)。可以通过例如修改工艺条件来执行原因的消除。在再次执行工艺之后，可以执行收集关于离子束的数据的操作S210。此外，当原因未知时，通过重复修改工艺条件并再次执行从收集关于离子束的数据的操作S210到评估晶圆质量的操作S250的处理，可以逐渐减少晶圆质量缺陷。
同时，在根据本示例性实施例的半导体器件制造方法中，如上参照图7至图9所述，评估晶圆质量的操作S250可以包括诊断离子束的状态和/或设备的状态，或者DB配置和基于DB通过深度学习或机器学习来获得晶圆质量评估。另外，在确定晶圆质量是否正常的操作S260中，还可以确定离子束状态和/或设备的状态是否正常。
图12A和图12B分别是根据发明构思的示例性实施例的与图11的半导体器件制造方法相关的对其执行IMP工艺的半导体器件的剖视图和用于解释异常的发现和异常的补救的图表。在图表中，x轴可以表示日期，y轴可以表示注入到晶圆的剂量。另外，R1至R5可以指示在相应设备中对其执行IMP工艺的晶圆的剂量。
参照图12A，当在晶圆200中形成半导体器件(例如，晶体管)时，如附图中所示，可以在晶圆200的基底201中形成诸如P型阱或N型阱的阱区203和204。另外，可以形成源/漏区230a和230b、环区(halo region)240a和240b、多栅220a和220b、栅极绝缘层222、浅沟槽隔离(STI)210等。这里，可以执行IMP工艺以形成阱区203和204、源/漏区230a和230b以及环区240a和240b。可以在距基底表面相对靠近的位置形成环区240a和240b并且使环区240a和240b具有相对小的厚度，因此用于形成环区240a和240b的IMP工艺会需要精确控制，可能导致大量缺陷。
如上所述，可以执行根据本示例性实施例的半导体器件制造方法，使得通过使用法拉第杯实时收集关于离子束的数据，通过若干操作从已收集的数据中提取关于晶圆的特征值，并且可以基于特征值实时评估晶圆的质量。因此，当在IMP工艺中发生缺陷时，可以实时采取适当的行动，从而防止在IMP工艺和整个半导体器件制造工艺中的晶圆的大量缺陷。
参照图12B，示出了根据每台设备的晶圆的剂量。例如，在5月11日至13日，设备R1的晶圆的剂量的分散度相对高。可以通过使用上述晶圆质量检测方法实时获得关于分散度缺陷的数据。因此，通过在5月15日至18日对设备采取行动，可以在5月19日和20日减少晶圆剂量的分散度以在一定程度上稳定分散度。
图13是根据发明构思的示例性实施例的晶圆质量检测设备的结构框图。将简要地提供或省略以上参照图1至图9已经提供的详细描述。
参照图13，根据本示例性实施例的晶圆质量检测设备100可以包括离子源110、质量分析器(mass analyzer)120、加速器130、扫描器140、剂量控制器150、分析和评估装置160以及法拉第杯170。
离子源110可以使源材料气体电离并输出电离气体。质量分析器120可以调整磁场强度以从离子源110的离子中选择要注入的离子。加速器130可以以所需的速率加速要注入的离子以形成离子束。扫描器140可以将离子束对准成线性形式的离子束，使得离子束均匀地注入到晶圆中。剂量控制器150可以基于通过使用法拉第杯170测量的关于离子束的数据来控制注入到晶圆中的离子的总量。如参照图2A至图2C所述，法拉第杯170可以包括主法拉第杯171、入射角法拉第杯173、轮廓法拉第杯175和CLF杯177，并且可以测量IMP工艺的设置模式或扫描模式的离子束。
分析和评估装置160可以基于通过使用法拉第杯170和剂量控制器150收集的关于离子束的数据来分析和评估晶圆质量。详细地，分析和评估装置160可以从如上参照图1描述的关于离子束的数据执行有效数据的提取、晶圆段提取和晶圆段的特征值的计算，并且还可以基于特征值来执行晶圆质量的评估。
根据本示例性实施例的晶圆质量检测设备100可以通过使用法拉第杯170和剂量控制器150在IMP工艺中实时获得关于离子束的数据，还可以通过使用分析和评估装置160来处理关于离子束的数据，以对晶圆执行质量评估，以提高晶圆质量评估的准确度。
图14A至图14C是根据发明构思的示例性实施例的图13的晶圆质量检测设备中的分析和评估装置的详细结构框图。
参照图14A，根据本示例性实施例的晶圆质量检测设备100的分析和评估装置160可以包括有效数据提取器161、晶圆段提取器163、特征值计算器165、质量评估器167和反馈单元169。
有效数据提取器161可以从关于离子束的数据中去除不合适的数据，并且仅提取晶圆质量评估中所需的数据。晶圆段提取器163可以从扫描模式段提取其中离子实际注入到晶圆中的晶圆段。特征值计算器165可以从与一个晶圆(例如，晶圆段)对应的离子束的数据中提取可以作为用于确定晶圆质量的参考的特征值。例如，如上所述，特征值可以包括离子束强度、晶圆段的块的宽度、晶圆段的总离子束强度、块的顶线的均匀性、块的基线的水平、块中的扫描次数或者每单位时间的总离子束强度。质量评估器167可以基于计算的特征值来评估晶圆的质量。反馈单元169可以通过使用各种方法向用户发送关于晶圆质量评估结果的反馈。例如，反馈单元169可以通过电子邮件、SNS、LED、显示器、蜂鸣器和设备互锁中的至少一种来通知用户晶圆质量评估的结果，或者每周期通过PC和移动设备中的至少一种报告晶圆质量评估的结果。
参照图14B，与图14A的分析和评估装置160相比，分析和评估装置160a还可以包括离子束诊断单元167a和设备诊断单元167b。离子束诊断单元167a可以基于晶圆的特征值来诊断IMP工艺中的离子束的状态。另外，离子束诊断单元167a可以基于质量评估器167的评估结果来诊断离子束的状态。与离子束诊断单元167a类似，设备诊断单元167b可以基于晶圆的特征值诊断IMP工艺中的设备的状态。另外，设备诊断单元167b可以基于质量评估器167的评估结果来诊断设备的状态。同时，反馈单元169可以不仅将质量评估器167的结果而且还将离子束诊断单元167a和设备诊断单元167b的结果作为反馈提供给用户。
参照图14C，与图14B的分析和评估装置160a相比，分析和评估装置160b还可以包括DB配置单元166。DB配置单元166可以配置关于多个晶圆的每个特征值的DB。另外，质量评估器167、离子束诊断单元167a和设备诊断单元167b可以通过使用基于DB的深度学习方法或机器学习方法来评估晶圆质量并诊断离子束和设备的状态。同时，反馈单元169可以将质量评估器167、离子束诊断单元167a和设备诊断单元167b的结果作为反馈提供给用户。
根据发明构思的示例性实施例，图14A至图14C中示出的组件可以实现为硬件(例如，电路)、软件或它们的组合。
因此，如上所述，通过根据发明构思的示例性实施例的晶圆质量检测方法和设备以及包括晶圆质量检测方法的半导体器件制造方法，可以准确地检测在离子注入(IMP)工艺中的晶圆的质量、离子束的状态和设备的异常。可以检测全部晶圆，并且可以在相对短的时间量内以无损的方式实时地执行所述检测。
虽然已经参照发明构思的示例性实施例具体地示出并描述了发明构思，但是本领域普通技术人员将理解的是，在不脱离由权利要求书阐述的发明构思的精神和范围的情况下，在此可做出形式和细节上的各种改变。

Claims (25)

1.一种检测晶圆质量的方法，所述方法包括：
在离子注入工艺中使用离子束将离子注入到晶圆中；
通过使用法拉第杯收集关于离子束的数据；
从关于离子束的数据中提取第一数据；
从第一数据中提取晶圆段；
从晶圆段计算晶圆的特征值；以及
通过将特征值与预定阈值或范围进行比较来评估晶圆的质量。
2.根据权利要求1所述的方法，其中，提取第一数据的步骤包括：
从关于离子束的数据中去除第二数据，其中，第二数据不同于第一数据；以及
在去除第二数据之后执行提取关于离子束的数据的第一数据的轮廓的预处理。
3.根据权利要求1所述的方法，其中，提取晶圆段的步骤包括：
从第一数据中提取块段；以及
从块段中提取晶圆段。
4.根据权利要求1所述的方法，其中，晶圆段对应于关于一个晶圆的段，并且
特征值包括离子束强度、晶圆段的块宽度、晶圆段的总离子束强度、块的顶线的均匀性、块的基线的水平、块中的扫描次数和每单位时间的总离子束强度中的至少一种。
5.根据权利要求1所述的方法，其中，在评估晶圆的质量时，通过使用特征值的分散度、阈值或正常范围来评估晶圆的质量。
6.根据权利要求1所述的方法，所述方法还包括在计算特征值之后配置关于特征值的数据库。
7.根据权利要求6所述的方法，其中，在评估晶圆的质量时，通过使用基于数据库的深度学习方法或机器学习方法来评估晶圆的质量。
8.根据权利要求1所述的方法，所述方法还包括在评估晶圆的质量之后向用户提供反馈，所述反馈包括关于晶圆的质量的信息、关于离子束的状态的信息以及关于离子注入工艺的设备的状态的信息中的至少一种。
9.一种制造半导体器件的方法，所述方法包括：
在离子注入工艺中通过使用法拉第杯收集关于离子束的数据；
从关于离子束的数据中提取第一数据；
从第一数据中提取晶圆段；
从晶圆段计算晶圆的特征值；
基于特征值评估晶圆的质量；以及
当晶圆的质量正常时，对晶圆执行半导体工艺，
其中，通过将特征值与预定阈值或范围进行比较，将晶圆的质量确定为正常。
10.根据权利要求9所述的方法，其中，提取第一数据的步骤包括：
从关于离子束的数据中去除第二数据，其中，第二数据不同于第一数据；以及
在去除第二数据之后执行提取关于离子束的数据的第一数据的轮廓的预处理，并且
其中，提取晶圆段的步骤包括：
从第一数据中提取块段；以及
从块段中提取晶圆段。
11.根据权利要求9所述的方法，其中，晶圆段对应于关于一个晶圆的段，并且
特征值包括离子束强度、晶圆段的块宽度、晶圆段的总离子束强度、块的顶线中的均匀性、块的基线的水平、块中的扫描次数和每单位时间的总离子束强度中的至少一种。
12.根据权利要求9所述的方法，所述方法还包括在计算特征值之后配置关于特征值的数据库，
其中，在评估晶圆的质量时，通过使用特征值的分散度或阈值，或者通过使用基于数据库的深度学习方法或机器学习方法来评估晶圆的质量。
13.根据权利要求9所述的方法，其中，在评估晶圆的质量时，进一步执行离子束的状态的诊断和离子注入工艺的设备的状态的诊断，并且
其中，所述方法还包括在计算特征值之后向用户提供反馈，所述反馈包括关于晶圆的质量的信息、关于离子束的状态的信息和关于设备的状态的信息中的至少一种。
14.一种晶圆质量检测设备，所述设备包括：
离子源，配置为使源材料气体电离并输出电离气体；
质量分析器，配置为调整磁场强度以从离子源的离子中选择要注入的离子；
加速器，配置为加速要注入的离子以形成离子束；
扫描器，配置为将离子束形成为线性形式并且将离子束注入到晶圆中；
剂量控制器，配置为基于通过使用法拉第杯测量的关于离子束的数据来控制注入到晶圆中的离子的总量；以及
分析和评估装置，配置为基于关于离子束的数据来分析晶圆的质量，
其中，分析和评估装置包括：
有效数据提取器，配置为从关于离子束的数据中提取第一数据；
晶圆段提取器，配置为从第一数据中提取晶圆段；
特征值计算器，配置为从晶圆段计算关于晶圆的特征值；以及
质量评估器，配置为基于特征值来评估晶圆的质量。
15.根据权利要求14所述的晶圆质量检测设备，其中，有效数据提取器通过在从关于离子束的数据中去除第二数据之后提取关于离子束的数据的第一数据的轮廓来提取第一数据，
其中，第二数据不同于第一数据，并且
其中，晶圆段提取器从第一数据中提取块段，并且从块段中提取晶圆段。
16.根据权利要求14所述的晶圆质量检测设备，其中，晶圆段对应于关于一个晶圆的段，并且
特征值包括离子束强度、晶圆段的块宽度、晶圆段的总离子束强度、块的顶线中的均匀性、块的基线的水平、块中的扫描次数和每单位时间的总离子束强度中的至少一种。
17.根据权利要求14所述的晶圆质量检测设备，其中，分析和评估装置还包括用于配置关于特征值的数据库的数据库配置单元，并且
质量评估器通过使用特征值的分散度或阈值，或者通过使用基于数据库的深度学习方法或机器学习方法来评估晶圆的质量。
18.根据权利要求14所述的晶圆质量检测设备，其中，分析和评估设备还包括：离子束诊断单元，用于诊断离子束的状态；以及设备诊断单元，用于诊断离子注入工艺的设备的状态。
19.根据权利要求18所述的晶圆质量检测设备，其中，通过PC和移动装置中的至少一种实时在线提供关于晶圆的质量的信息、关于离子束的状态的信息和关于设备的状态的信息中的至少一种。
20.根据权利要求14所述的晶圆质量检测设备，其中，法拉第杯包括：主法拉第杯，配置为测量测试束的量；两个入射角法拉第杯，配置为测量最外侧束；轮廓法拉第杯，配置为在扫描模式中测量注入到晶圆中的离子；以及闭环法拉第杯，布置为围绕晶圆，并且配置为测量与注入到晶圆中的离子对应的离子，并且
其中，通过使用闭环法拉第杯测量关于离子束的数据，闭环法拉第杯是可替换的。
21.根据权利要求1所述的方法，其中，关于离子束的数据包括临时中断离子注入工艺的中断模式或暂停模式的数据。
22.根据权利要求1所述的方法，其中，关于离子束的数据包括关于噪声的数据。
23.根据权利要求2所述的方法，其中，第二数据为当离子注入工艺暂停时提取的数据。
24.根据权利要求2所述的方法，其中，第二数据为在离子注入工艺中注入离子时的时间段小于预定阈值的数据。
25.根据权利要求2所述的方法，其中，第二数据为离子束的强度大于预定阈值的数据。
CN201910467049.0A 2018-09-13 2019-05-31 晶圆质量检测方法和设备以及半导体器件制造方法 Active CN110896039B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020180109722A KR102592918B1 (ko) 2018-09-13 2018-09-13 웨이퍼 품질 검사 방법 및 장치와 그 방법을 포함한 반도체 소자 제조방법
KR10-2018-0109722 2018-09-13

Publications (2)

Publication Number Publication Date
CN110896039A true CN110896039A (zh) 2020-03-20
CN110896039B CN110896039B (zh) 2024-06-04

Family

ID=69773071

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910467049.0A Active CN110896039B (zh) 2018-09-13 2019-05-31 晶圆质量检测方法和设备以及半导体器件制造方法

Country Status (3)

Country Link
US (1) US11189533B2 (zh)
KR (1) KR102592918B1 (zh)
CN (1) CN110896039B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102502122B1 (ko) 2020-10-08 2023-02-23 아이티팜 주식회사 웨이퍼의 소잉 각도 정합성을 계산하고 판정하는 방법 및 이를 수행하는 시스템

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090166557A1 (en) * 2005-01-26 2009-07-02 Hiroshi Makino Charge control apparatus and measurement apparatus equipped with the charge control apparatus
CN100530548C (zh) * 2005-07-07 2009-08-19 台湾积体电路制造股份有限公司 注入剂量控制系统与方法、用离子束进行晶片注入的方法
US7586110B1 (en) * 2007-03-30 2009-09-08 Varian Semiconductor Equpment Associates, Inc. Techniques for detecting ion beam contamination in an ion implantation system and interlocking same
US20110297842A1 (en) * 2010-06-07 2011-12-08 Sen Corporation Ion beam irradiation system and ion beam irradiation method
US20120085936A1 (en) * 2010-10-08 2012-04-12 Advanced Ion Beam Technology, Inc. Method for monitoring ion implantation
KR101171404B1 (ko) * 2004-07-23 2012-08-08 어플라이드 머티어리얼스, 인코포레이티드 스캐닝 이온 주입기의 선량 균일도를 결정하는 방법
CN103227087A (zh) * 2012-01-27 2013-07-31 斯伊恩股份有限公司 离子注入方法及离子注入装置
JP2014165076A (ja) * 2013-02-26 2014-09-08 Toshiba Corp イオン注入装置およびイオン注入装置の状態判定方法
CN104576275A (zh) * 2013-10-24 2015-04-29 北京中科信电子装备有限公司 一种离子注入机的均匀性校正控制系统
CN105023822A (zh) * 2014-04-25 2015-11-04 斯伊恩股份有限公司 离子注入方法以及离子注入装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6291820B1 (en) 1999-01-08 2001-09-18 The Regents Of The University Of California Highly charged ion secondary ion mass spectroscopy
US6677599B2 (en) 2000-03-27 2004-01-13 Applied Materials, Inc. System and method for uniformly implanting a wafer with an ion beam
US7547460B2 (en) 2000-09-15 2009-06-16 Varian Semiconductor Equipment Associates, Inc. Ion implanter optimizer scan waveform retention and recovery
JP2002358921A (ja) 2001-05-30 2002-12-13 Matsushita Electric Ind Co Ltd イオンドーピング装置及びそれに用いるドーズ量の管理方法
JP4326756B2 (ja) * 2002-07-04 2009-09-09 株式会社半導体エネルギー研究所 ドーピング方法、ドーピング装置の制御システム、およびドーピング装置
KR20070075860A (ko) 2006-01-16 2007-07-24 삼성전자주식회사 이온 주입 장치
KR20070089300A (ko) 2006-02-28 2007-08-31 삼성전자주식회사 반도체 소자 제조를 위한 이온주입장치
US7663125B2 (en) 2006-06-09 2010-02-16 Varian Semiconductor Equipment Associates, Inc. Ion beam current uniformity monitor, ion implanter and related method
KR100908820B1 (ko) 2007-11-01 2009-07-21 주식회사 하이닉스반도체 플라즈마 도핑 방법 및 그를 이용한 반도체 소자의제조방법
JP7032051B2 (ja) * 2017-03-27 2022-03-08 大和ハウス工業株式会社 床構造施工方法および床構造再利用方法
JP7144244B2 (ja) * 2018-08-31 2022-09-29 株式会社日立ハイテク パターン検査システム

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101171404B1 (ko) * 2004-07-23 2012-08-08 어플라이드 머티어리얼스, 인코포레이티드 스캐닝 이온 주입기의 선량 균일도를 결정하는 방법
US20090166557A1 (en) * 2005-01-26 2009-07-02 Hiroshi Makino Charge control apparatus and measurement apparatus equipped with the charge control apparatus
CN100530548C (zh) * 2005-07-07 2009-08-19 台湾积体电路制造股份有限公司 注入剂量控制系统与方法、用离子束进行晶片注入的方法
US7586110B1 (en) * 2007-03-30 2009-09-08 Varian Semiconductor Equpment Associates, Inc. Techniques for detecting ion beam contamination in an ion implantation system and interlocking same
US20110297842A1 (en) * 2010-06-07 2011-12-08 Sen Corporation Ion beam irradiation system and ion beam irradiation method
US20120085936A1 (en) * 2010-10-08 2012-04-12 Advanced Ion Beam Technology, Inc. Method for monitoring ion implantation
CN103227087A (zh) * 2012-01-27 2013-07-31 斯伊恩股份有限公司 离子注入方法及离子注入装置
JP2014165076A (ja) * 2013-02-26 2014-09-08 Toshiba Corp イオン注入装置およびイオン注入装置の状態判定方法
CN104576275A (zh) * 2013-10-24 2015-04-29 北京中科信电子装备有限公司 一种离子注入机的均匀性校正控制系统
CN105023822A (zh) * 2014-04-25 2015-11-04 斯伊恩股份有限公司 离子注入方法以及离子注入装置

Also Published As

Publication number Publication date
KR20200030905A (ko) 2020-03-23
KR102592918B1 (ko) 2023-10-23
US11189533B2 (en) 2021-11-30
US20200091012A1 (en) 2020-03-19
CN110896039B (zh) 2024-06-04

Similar Documents

Publication Publication Date Title
US5896294A (en) Method and apparatus for inspecting manufactured products for defects in response to in-situ monitoring
CN108463875B (zh) 使用具有晶片图像数据的设计数据改进半导体晶片检验器的缺陷敏感度
US7539583B2 (en) Method and system for defect detection
CN109564422B (zh) 工具状况监测及匹配
US6542830B1 (en) Process control system
US6613593B2 (en) Method of fabricating a semiconductor device
US20060265185A1 (en) System for identification of defects on circuits or other arrayed products
US11776103B2 (en) System for deriving electrical characteristics and non-transitory computer-readable medium
US6701204B1 (en) System and method for finding defective tools in a semiconductor fabrication facility
KR20010029984A (ko) 실시간 결함원 식별방법
US10636133B2 (en) Automated optical inspection (AOI) image classification method, system and computer-readable media
CN107063099A (zh) 一种基于视觉系统的机械制造业在线质量监测方法
TW201939634A (zh) 使用電子束檢測及具有即時情報之深度學習以減少損害的缺陷探索
KR100455559B1 (ko) 측정 가능한 장비 신호들을 이용한 공정수행 인-라인모니터링을 위한 방법 및 시스템
CN110896039B (zh) 晶圆质量检测方法和设备以及半导体器件制造方法
CN107731705A (zh) 在缺陷检测中设定抽样率的方法以及产线的检测管控方法
JP2005114384A (ja) 欠陥の元素分析方法およびその装置
US20170040142A1 (en) Range-Based Real-Time Scanning Electron Microscope Non-Visual Binner
Somari et al. Particles contaminations detection during plasma etching process by using k-nearest neighbors and Fuzzy k-nearest neighbors
WO2021022100A1 (en) Method for process monitoring with optical inspections
Shapiro Automatic classification of wafer defects: Status and industry needs
CN105513985B (zh) 光学量测方法
EP1500996A2 (en) Inspection data analysis program, inspection tools, review apparatus and yield analysis apparatus
JP2005123566A (ja) 欠陥の制御方法
KR20070077329A (ko) 자동 결함 분류 알고리즘 생성 방법

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