CN112582292A - 用于芯片生产机台的零部件异常自动侦测方法、存储介质、终端 - Google Patents

用于芯片生产机台的零部件异常自动侦测方法、存储介质、终端 Download PDF

Info

Publication number
CN112582292A
CN112582292A CN202011403362.7A CN202011403362A CN112582292A CN 112582292 A CN112582292 A CN 112582292A CN 202011403362 A CN202011403362 A CN 202011403362A CN 112582292 A CN112582292 A CN 112582292A
Authority
CN
China
Prior art keywords
wafer
chips
chip
total
failed
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
CN202011403362.7A
Other languages
English (en)
Other versions
CN112582292B (zh
Inventor
不公告发明人
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.)
Advanced Manufacturing EDA Co Ltd
Original Assignee
Advanced Manufacturing EDA 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 Advanced Manufacturing EDA Co Ltd filed Critical Advanced Manufacturing EDA Co Ltd
Priority to CN202011403362.7A priority Critical patent/CN112582292B/zh
Publication of CN112582292A publication Critical patent/CN112582292A/zh
Application granted granted Critical
Publication of CN112582292B publication Critical patent/CN112582292B/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
    • 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
    • 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
    • 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
    • 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
    • H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

一种用于芯片生产机台的零部件异常自动侦测方法、存储介质、终端，所述方法包括：获取目标零部件的特征尺寸晶圆图，所述特征尺寸晶圆图用于描述所述目标零部件对晶圆的影响区域；获取所述晶圆经芯片生产机台处理后的待比较晶圆图，所述目标零部件是所述芯片生产机台的部件；基于所述特征尺寸晶圆图和所述待比较晶圆图，预测所述目标零部件的异常几率。通过本发明方案能够自动化地侦测机台零部件发生异常的几率，利于预防更多晶圆受到影响，提高生产良率。

Description

用于芯片生产机台的零部件异常自动侦测方法、存储介质、 终端
技术领域
本发明涉及芯片制造技术领域，具体地涉及一种用于芯片生产机台的零部件异常自动侦测方法、存储介质、终端。
背景技术
在芯片生产制造过程中，芯片生产机台的某些零部件需要直接接触晶圆以固定晶圆。一旦零部件与晶圆接触不当，就会造成晶圆缺陷甚至低良率等问题。为了找出产生缺陷问题的根本原因，案件负责人要尽可能地收集各种信息来进行分析以锁定造成良率问题的“真凶”。
在现阶段，锁定“真凶”的过程主要依赖工程师人力实现。例如，在生产过程中出现缺陷、低良率问题时，需要依靠人工搜集信息和肉眼判断才能确定是否是零部件异常所致，耗时耗力。
发明内容
本发明解决的技术问题是如何实现对零部件异常的自动化侦测。
为解决上述技术问题，本发明实施例提供一种用于芯片生产机台的零部件异常自动侦测方法，包括：获取目标零部件的特征尺寸晶圆图，所述特征尺寸晶圆图用于描述所述目标零部件对晶圆的影响区域；获取所述晶圆经芯片生产机台处理后的待比较晶圆图，所述目标零部件是所述芯片生产机台的部件；基于所述特征尺寸晶圆图和所述待比较晶圆图，预测所述目标零部件的异常几率。
可选的，所述方法还包括：当所述目标零部件的异常几率大于预设阈值时，发出报警信息。
可选的，所述获取目标零部件的特征尺寸晶圆图的步骤，包括：提取所述目标零部件的尺寸特征；根据所述目标零部件的尺寸特征生成所述特征尺寸晶圆图。
可选的，所述提取所述目标零部件的尺寸特征包括：对所述目标零部件的影像进行尺寸测量，以得到所述目标零部件的尺寸特征。
可选的，所述特征尺寸晶圆图包括特征图形和参照图形，所述基于所述特征尺寸晶圆图和所述待比较晶圆图，预测所述目标零部件的异常几率包括：统计所述待比较晶圆图落入所述特征图形覆盖区域的失效芯片数和总芯片数；统计所述待比较晶圆图落入所述参照图形覆盖区域的失效芯片数和总芯片数；根据统计结果计算得到所述异常几率。
可选的，所述基于所述特征尺寸晶圆图和所述待比较晶圆图，预测所述目标零部件的异常几率包括：获取所述待比较晶圆图落入所述特征图形覆盖区域的第一失效芯片数和第一总芯片数；获取所述待比较晶圆图落入所述参照图形覆盖区域的第二失效芯片数和第二总芯片数；根据所述第一失效芯片数、所述第一总芯片数、所述第二失效芯片数和所述第二总芯片数，计算目标零部件的异常几率。
可选的，所述根据所述第一失效芯片数、所述第一总芯片数、所述第二失效芯片数和所述第二总芯片数，计算目标零部件的异常几率包括：根据第一失效芯片占比和第二失效芯片占比，确定所述异常几率；其中，所述第一失效芯片占比为所述第一失效芯片数和第一总芯片数的比值；所述第二失效芯片占比为所述第二失效芯片数与所述第二总芯片数的比值。
可选的，所述第一失效芯片占比越大且所述第二失效芯片占比越小，所述异常几率越大。
可选的，所述根据所述第一失效芯片数、所述第一总芯片数、所述第二失效芯片数和所述第二总芯片数，计算目标零部件的异常几率包括：根据所述第一失效芯片数、所述第一总芯片数、所述第二失效芯片数和所述第二总芯片数，计算目标零部件的假设几率；根据所述假设几率确定所述异常几率；其中，所述假设几率基于如下公式计算得到：
Figure BDA0002817717600000021
其中，Hvalue为所述假设几率，Failin为所述第一失效芯片数，Totalin为所述第一总芯片数，Failout为所述第二失效芯片数，Totalout为所述第二总芯片数，limit为预设比较阈值。
可选的，所述特征图形为晶圆上与所述目标零部件直接接触的芯片构成的图形，所述参照图形是以所述特征图形为基准扩展得到的图形。
可选的，所述特征图形选自以下一个或多个：圆形面、圆形线和点状。
可选的，所述基于所述特征尺寸晶圆图和所述待比较晶圆图，预测所述目标零部件的异常几率包括：将所述待比较晶圆图按预设角度旋转；基于所述特征尺寸晶圆图和本次旋转得到的待比较晶圆图预测所述目标零部件的异常几率。
可选的，所述当所述异常几率大于预设阈值时，发出报警信息包括：当任一次旋转后计算得到的异常几率大于所述预设阈值时，发出所述报警信息。
可选的，所述特征尺寸晶圆图包括特征图形和参照图形，所述基于所述特征尺寸晶圆图和本次旋转得到的待比较晶圆图预测所述目标零部件的异常几率包括：获取本次旋转得到的待比较晶圆图落入所述特征图形覆盖区域的第一失效芯片数和第一总芯片数；获取本次旋转得到的待比较晶圆图落入所述参照图形覆盖区域的第二失效芯片数和第二总芯片数；根据所述第一失效芯片数、所述第一总芯片数、所述第二失效芯片数和所述第二总芯片数，计算目标零部件的异常几率。
可选的，所述目标零部件是指，所述芯片生产机台的零部件中与晶圆直接接触的零部件。
可选的，所述待比较晶圆图为低良率晶圆或缺陷晶圆的晶圆图。
为解决上述技术问题，本发明实施例还提供一种用于芯片生产机台的零部件异常自动侦测装置，包括：第一获取模块，用于获取目标零部件的特征尺寸晶圆图，所述特征尺寸晶圆图用于描述所述目标零部件对晶圆的影响区域；第二获取模块，用于获取所述晶圆经芯片生产机台处理后的待比较晶圆图，所述目标零部件是所述芯片生产机台的部件；预测模块，用于基于所述特征尺寸晶圆图和所述待比较晶圆图，预测所述目标零部件的异常几率。
为解决上述技术问题，本发明实施例还提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行上述方法的步骤。
为解决上述技术问题，本发明实施例还提供一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述方法的步骤。
与现有技术相比，本发明实施例的技术方案具有以下有益效果：
本发明实施例提供一种用于芯片生产机台的零部件异常自动侦测方法，包括：获取目标零部件的特征尺寸晶圆图，所述特征尺寸晶圆图用于描述所述目标零部件对晶圆的影响区域；获取所述晶圆经芯片生产机台处理后的待比较晶圆图，所述目标零部件是所述芯片生产机台的部件；基于所述特征尺寸晶圆图和所述待比较晶圆图，预测所述目标零部件的异常几率。
较之现有严重依赖人工搜集信息和肉眼判断确定零部件异常与否的实现方式，本实施方案能够自动化地预测机台零部件发生异常的几率，利于预防更多晶圆受到影响，提高生产良率。具体而言，基于特征尺寸晶圆图建立零部件与晶圆的位置对应关系，以作为后续自动报警的分析基础。进一步，根据特征尺寸晶圆图和待比较晶圆图进行实时可能性预测，从而在工程师发现低良率案件之前就报警，节约时间，减少损失。
附图说明
图1是本发明实施例一种用于芯片生产机台的零部件异常自动侦测方法的流程图；
图2是本发明实施例一个典型应用场景中目标零部件的尺寸特征提取示意图；
图3至图5是将图2所示目标零部件的各尺寸特征分解映射得到的晶圆图；
图6和图7是基于图3所示目标零部件的一种尺寸特征转换得到的特征尺寸晶圆图；
图8是基于图4所示目标零部件的另一种尺寸特征转换得到的特征尺寸晶圆图；
图9是本发明实施例一个典型应用场景中第一种待比较晶圆图的示意图；
图10是本发明实施例一个典型应用场景中第二种待比较晶圆图的示意图；
图11是本发明实施例一种用于芯片生产机台的零部件异常自动侦测装置的结构示意图。
具体实施方式
如背景技术所言，现有芯片生产过程中，对于晶圆缺陷、低良率等问题是否是芯片生产机台零部件异常导致的整个识别流程高度依赖于案件负责人。例如，是否知晓类似案件，是否具有发散性思维，案件负责人的敏感度、分析、研判等各种能力决定了他是否能快速准确地锁定可疑的零部件。
本申请发明人经过分析发现，造成上述问题的原因之一在于，现有技术中机台零部件与晶圆的位置对应信息没有被录入系统中，导致只有在良率出现异常以后才能分析异常产生的原因，这样就会导致在未及时发现异常的这段时间内一直在产生有缺陷的晶圆。而又由于案件发生后的分析、研判只能靠人工搜集信息和肉眼判断，分析过程缓慢且准确率仍然无法得到保障。
为解决上述技术问题，本发明实施例提供一种用于芯片生产机台的零部件异常自动侦测方法，包括：获取目标零部件的特征尺寸晶圆图，所述特征尺寸晶圆图用于描述所述目标零部件对晶圆的影响区域；获取所述晶圆经所述芯片生产机台处理后的待比较晶圆图；基于所述特征尺寸晶圆图和所述待比较晶圆图，预测所述目标零部件的异常几率。
本实施方案能够自动化地预测机台零部件发生异常的几率，利于预防更多晶圆受到影响，提高生产良率。具体而言，基于特征尺寸晶圆图建立零部件与晶圆的位置对应关系，以作为后续自动报警的分析基础。进一步，根据特征尺寸晶圆图和待比较晶圆图进行实时可能性预测，从而在工程师发现低良率案件之前就报警，节约时间，减少损失。
为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
图1是本发明实施例一种用于芯片生产机台的零部件异常自动侦测方法的流程图。
本实施例方案可以应用于芯片生产场景。例如，在晶圆出现缺陷、低良率等问题时，采用本实施方案能够自动化地预测该问题是因芯片生产机台的零部件异常而导致的几率。进一步，根据预测的几率能够快速确认缺陷、低良率是否与零部件有关，并在确认有关时发出报警，从而预防更多晶圆受异常零部件影响。
具体地，参考图1，本实施例所述用于芯片生产机台的零部件异常自动侦测方法可以包括如下步骤：
步骤S101，获取目标零部件的特征尺寸晶圆图，所述特征尺寸晶圆图用于描述所述目标零部件对晶圆的影响区域；
步骤S102，获取所述晶圆经芯片生产机台处理后的待比较晶圆图，所述目标零部件是所述芯片生产机台的部件；
步骤S103，基于所述特征尺寸晶圆图和所述待比较晶圆图，预测所述目标零部件的异常几率。
更为具体地，所述目标零部件是指，所述芯片生产机台的零部件中与晶圆直接接触的零部件。例如，所述芯片生产机台可以包括多个零部件，其中有的零部件与放置其上的晶圆存在物理接触，有的则不会有物理接触。相应的，本实施方式将与晶圆物理接触到的零部件作为目标零部件。
例如，所述目标零部件可以为静电吸盘(E-Chuck)，在晶圆生产过程中，晶圆放置在所述静电吸盘上，所述静电吸盘会与所述晶圆的衬底直接接触。又例如，所述目标零部件也可以为晶圆的承载盒(Cassette)，晶圆放置在所述承载盒里，所述承载盒会与晶圆边缘直接接触。本发明实施例中，将静电吸盘和承载盒作为目标零部件仅仅是示例性的，而实际应用中只要与晶圆物理接触均可以作为目标零部件，本发明实施例不做具体限定。
进一步，在所述步骤S103之后，所述方法还可以包括步骤：当所述目标零部件的异常几率大于预设阈值时，发出报警信息。
在一个具体实施中，所述报警信息可以发送至相关人员的个人终端，如芯片生产机台的维护人员、管理人员、设备工程师等的智能终端。进一步，所述报警信息还可以发送至芯片生产基地的控制中心。进一步，所述报警信息还可以以指示灯、功放等方式向外发出。
在一个具体实施中，针对所述芯片生产机台的每一会与晶圆有物理接触的零部件，当晶圆出现缺陷、低良率问题时，可以逐一将这些有物理接触的零部件作为目标零部件执行本实施方案，以预测各零部件出现异常的几率(即所述异常几率)。
进一步，所述待比较晶圆图为晶圆测试的低良率晶圆或晶圆生产制造过程中产生的缺陷晶圆的晶圆图。例如，当出现缺陷、低良率的晶圆时，可以执行本实施方案，以预测本次缺陷、低良率是由于零部件异常而导致的几率。
在一个具体实施中，针对所述芯片生产机台的所有会与晶圆直接接触的零部件，可以预先建立各零部件与晶圆的位置对应信息并录入数据库，以备后用。
具体地，所述零部件与晶圆的位置对应信息可以通过所述特征尺寸晶圆图的形式呈现。也即，所述特征尺寸晶圆图至少用于描述所述零部件与所述晶圆直接接触的区域。
在一个具体实施中，所述步骤S101可以包括步骤：提取所述目标零部件的尺寸特征；根据所述目标零部件的尺寸特征生成所述特征尺寸晶圆图。
具体地，所述目标零部件的尺寸特征可以包括所述目标零部件的形状、边界信息。因此，单个目标零部件可以提取得到一个或多个尺寸特征。
进一步，可以对所述目标零部件的影像进行尺寸测量，以得到所述目标零部件的尺寸特征。
例如，可以利用智能相机的拍照尺寸量测功能，对芯片生产机台与晶圆有直接接触的所有零部件进行拍照。进一步，记录各零部件的图像并进行尺寸特征提取。或者，也可以用常规相机拍照得到目标零部件的影像，对影像中的尺寸进行测量，然后通过比例尺换算等方式得到目标零部件的尺寸特征。
又例如，对于那些在晶圆传送放置到零部件后还方便拍摄的芯片生产机台(如酸槽工艺的晶圆载具等)，可以在晶圆传送放置到零部件后再进行一次拍照，记录零部件和晶圆的接触尺寸特征提取。示例性的，尺寸特征可以是长度信息、直径信息、圆周信息、宽度信息、高度信息、或者多个边长信息。因此，尺寸特征结合形状、边界信息即可确定零部件。
进一步，将提取得到的零部件的尺寸特征转换成特征尺寸晶圆图，然后录入数据库进行存储。
在一个具体实施中，所述特征尺寸晶圆图可以包括特征图形和参照图形。其中，所述特征图形为晶圆上与目标零部件直接接触的芯片构成的图形，所述参照图形是以所述特征图形为基准扩展得到的图形。
具体地，所述特征图形可以选自：圆形面、圆形线和点状、多边形。可以根据目标零部件的尺寸特征确定合适的特征图形。例如，当提取得到的尺寸特征为半径参数时，对应的特征图形可以为圆形面和圆形线。
进一步，单个目标零部件可以对应一幅或多幅特征尺寸晶圆图。例如，单个目标零部件可以提取得到多个尺寸特征，相应的，每一尺寸特征可以转化为一个或多个特征图形。以提取得到的尺寸特征为目标零部件的半径为例，可以基于该尺寸特征转化得到圆形面作为特征图形，还可以基于该尺寸特征转化得到圆形线作为特征图形。
进一步，所述参照图形可以是在所述特征图形的基础上外延伸或扩展一定范围的外扩部分图形。具体而言，可以在所述特征图形的边界基础上向外延伸或扩展预设长度或长度比例、预设面积或面积比例。例如，对于圆形面的特征图形，可以外扩特定面积得到所述参照图形，该特定区域例如可以覆盖两圈芯片(die)，或者也可以外扩特定长度得到所述参照图形，该特定长度例如可以是10毫米(mm)。
进一步，所述特征图形和参照图形可以在同一晶圆图上呈现，记录有所述特征图形和参照图形的晶圆图即为所述特征尺寸晶圆图。
进一步，所述特征尺寸晶圆图可以预先存储于数据库中并与零部件相对应。在芯片生产期间，当出现缺陷或低良率时，可以从数据库中获取当前所预测的目标零部件对应的特征尺寸晶圆图，以执行后续步骤。
在一个具体实施中，所述步骤S103可以包括步骤：获取所述待比较晶圆图落入所述特征图形覆盖区域的第一失效芯片数和第一总芯片数；获取所述待比较晶圆图落入所述参照图形覆盖区域的第二失效芯片数和第二总芯片数；根据所述第一失效芯片数、所述第一总芯片数、所述第二失效芯片数和所述第二总芯片数，计算目标零部件的异常几率。
具体地，可以将晶圆生产制造过程中产生的缺陷晶圆图或晶圆测试的低良率晶圆图与预存于数据库的目标零部件的特征尺寸晶圆图进行实时计算，以预测所述异常几率。
例如，可以按照晶圆在芯片生产机台上的放置位置，将所述待比较晶圆图与所述特征尺寸晶圆图重合以模拟晶圆生产过程中与目标零部件的接触情况。然后，将待比较晶圆图上与特征图形相重叠的芯片确定为待比较晶圆图落入特征图形覆盖区域的芯片，由此得到特征图形覆盖区域的芯片数，作为第一芯片总数，这其中的失效芯片数目为第一失效芯片。类似的，将待比较晶圆图上与参照图形相重叠的芯片确定为待比较晶圆图落入参照图形覆盖范围的芯片，并由此统计得到第二失效芯片数和第二总芯片数。
进一步，可以根据第一失效芯片占比和第二失效芯片占比，确定所述异常几率。其中，所述第一失效芯片占比为所述第一失效芯片数和第一总芯片数的比值；所述第二失效芯片占比为所述第二失效芯片数与所述第二总芯片数的比值。
在本具体实施中，所述第一失效芯片占比越大且所述第二失效芯片占比越小，所述异常几率越大。由于参照图形是由特征图形的周边环境形成的，只有当特征图形上失效芯片多而特征图形周边失效芯片少时，该特征图形所代表的目标零部件发生问题的几率才大。
例如，可以基于公式(1)计算得到假设几率：
Figure BDA0002817717600000091
其中，Hvalue为所述假设几率(Hypothesis value，简称Hvalue)，Failin为所述第一失效芯片数，Totalin为所述第一总芯片数，Failout为所述第二失效芯片数，Totalout为所述第二总芯片数，limit为预设比较阈值。
例如，所述预设比较阈值limit可以为0.3，用于区分失效芯片和总芯片比较阈值。当所述第一失效芯片占比和所述第二失效芯片占比均低于预设比较阈值limit时，不进行异常几率的计算，在此基础上，上述公式通过Failin/Totalin，Failout/Totalout，limit三者之间大小比较计算。需要说明的是，
Figure BDA0002817717600000101
表示取
Figure BDA0002817717600000102
limit二者中的最大值；
Figure BDA0002817717600000103
表示取
Figure BDA0002817717600000104
limit二者中的最小值；
Figure BDA0002817717600000105
表示取
Figure BDA0002817717600000106
中的最大值。
也就是说，当Failout/Totalout<limit<Failin/Totalin时计算得到介于0到limit之间的Hvalue；Failout/Totalout和Failin/Totalin相差越大，计算得到的Hvalue越小。而对于其他所有情形，都将计算得到介于limit到1的Hvalue。在实际应用中，可以根据需要调整预设比较阈值limit的具体数值。
进一步，所述假设几率的数值范围可以为0到1，其数值越小说明异常几率越大。
本发明的一种实施例中，通过假设几率获得异常几率的具体实现可以为：假设Hvalug＝1/n，那么异常几率的值则为n，也就是说异常几率与假设几率互为倒数关系。所以在假设几率的数值范围为0(不包含为0的情况)到1之间时，则异常几率的值为大于1，说明异常几率越大。
本发明的一种实施例中，通过假设几率获得异常几率的具体实现可以为：异常几率＝1-Hvalue，根据Hvalue的计算公式可以得知，其值在0-1之间；则假设几率的值越大，异常几率越小。
本发明的另一种实施例中，通过假设几率获得异常几率的具体实现可以为：假设Hvalue＝1/n，那么异常几率＝1-x/n，x的值可以根据实际进行设定一个系数，该系数可以为常数(具体实现中可以根据设置的x值确保异常几率大于0；1也可以为其他设定的常数)，也可以是根据Failin，Totalin，Failout，Totalout，limit中的一个或者多个进行阶梯型性设置该常数，本发明实施例不做具体限定。
本发明的再一种实施例中，通过假设几率获得异常几率的具体实现可以为，假设Hvalu6＝1/n，那么异常几率＝常数-(x/n)(具体实现中可以根据设置的常数和x值确保异常几率大于0)，其中常数的值可以根据实际需求进行设定，本发明实施例不做具体限定。
本发明的又一种实施例中，可以预先设置假设几率的取值范围与异常几率的范围(或者具体的一个值)的对应关系，假设几率的取值范围为x1至x2之间，那么异常几率的值为y1，或者y2至y3之间，从而根据计算出来的假设几率来对应获得异常几率的值。
在一个具体实施中，所述预设阈值可以为0.25。
在一个具体实施中，所述步骤S103可以包括步骤：将所述待比较晶圆图按预设角度旋转；基于所述特征尺寸晶圆图和本次旋转得到的待比较晶圆图预测所述目标零部件的异常几率。
例如，可以将待比较晶圆图每次以固定的角度旋转，如每次顺时针旋转1度，直至360度后回到原位置。每旋转一次，根据旋转得到的待比较晶圆图与特征尺寸晶圆图预测所述目标零部件的异常几率。
相应的，在所述步骤S103预测得到异常几率之后，本实施例所述方法还可以包括步骤：当任一次旋转后计算得到的异常几率大于所述预设阈值时，发出所述报警信息。
在本具体实施中，因为实际生产时每片晶圆和目标零部件接触的转角关系不都一样，所以，在执行步骤S103时，只要任意一个角度计算得到的异常几率高于预设阈值，就有可能该片待比较晶圆就是以该角度和目标零部件接触的。
由上，采用本实施方案，能够自动化地预测机台零部件发生异常的几率并及时发出预警，利于预防更多晶圆受到影响，提高生产良率。
具体而言，基于特征尺寸晶圆图建立零部件与晶圆的位置对应关系，以作为后续自动报警的分析基础。
进一步，根据特征尺寸晶圆图和待比较晶圆图进行实时可能性预测，从而在工程师发现低良率案件之前就报警，节约时间，减少损失。
在一个典型的应用场景中，以芯片生产机台的静电吸盘(E-Chuck)作为目标零部件为例，生产时晶圆会放置在图2示出的静电吸盘上进行工艺生产。利用智能相机的拍照尺寸量测功能，可以量测得到目标零部件的尺寸特征：R1、R2、R3、L1和L2。各尺寸特征尺寸可以分解并映射至晶圆图上，得到图3至图5所示的晶圆图。
基于图3至图5所示各尺寸特征对应的晶圆图，可以转换得到对应的特征尺寸晶圆图并录入数据库进行存储。接下来以图3和图4所示映射有尺寸特征的晶圆图为例对后续处理进行示例性阐述。
当所述目标零部件的尺寸特征为线状或面状时，以图3所示目标零部件的尺寸特征为例，该尺寸特征可以理解为由半径R1构成的圆形线。相应的，参考图6，特征尺寸晶圆图上的特征图形可以由位于半径R1的圆形线上的芯片构成，特征尺寸晶圆图上的参照图形可以由以半径R1的圆形线为基准外扩1～2圈的芯片构成。其中，外扩包括向外和向内两个方向，其中向内是指向晶圆的圆心方向，向外是指向晶圆的边沿方向。
图3所示目标零部件的尺寸特征还可以理解为是由半径R1构成的圆形面。相应的，参考图7，特征尺寸晶圆图上的特征图形可以由位于半径R1的圆形面上的芯片构成，特征尺寸晶圆图上的参照图形可以由以半径R1的圆形面为基准外扩1圈的芯片构成。由于特征图形是圆形面，因此参照图形是由在特征图形的基础上向晶圆的边沿扩散一圈的芯片构成的。
当所述目标零部件的尺寸特征为点状时，以图4所示目标零部件的尺寸特征为例，该尺寸特征可以理解为4个点。相应的，参考图8，位于每个点的芯片构成所述特征图形。以每个点为中心，画一个几乘几的芯片矩阵(如2×2)可以得到一共4个芯片，这些扩展得到的芯片构成所述参照图形。
转换得到的图6至图8所示特征尺寸晶圆图可以存储于数据库中以备后用。
在本应用场景中，将待比较晶圆图(如缺陷晶圆图或低良率晶圆图)每次以固定的角度旋转，如每次顺时针旋转1度，直至360度后回到原位置。
每次旋转后，都将待比较晶圆图与图6至图8所示特征尺寸晶圆图进行异常几率计算。例如，可以基于上述公式(1)计算得到假设几率，进而计算得到对应的所述异常几率。
以图9示出的待比较晶圆图为例，如果只用待比较晶圆图上失效芯片占总芯片的比例作为判断依据，由于图9所示待比较晶圆图落入图6所示圆形特征图形的失效芯片占总芯片的比例，以及图9所示待比较晶圆图落入图8点状特征图形的失效芯片占总芯片的比例都很高。会导致执行本实施方案的系统判定目标零部件出现异常，进而发出报警信息。但实际上，参考图9可知，该待比较晶圆图的低良率问题不太可能是图6和图8所对应的目标零部件发生问题导致的，因为在特征图形外的失效芯片数量也很多。可见，只用待比较晶圆图上失效芯片占总芯片的比例作为判断依据是不准确的，可能出现误报警。
因此，本实施方案基于公式(1)来计算假设几率，进而计算得到对应的所述异常几率。以图10示出的待比较晶圆图为例，基于图10所示待比较晶圆图与图8所示特征尺寸晶圆图，代入公式(1)计算得到的假设几率的数值趋近于0，也即所述目标零部件的异常几率非常大。相应的，由于预测到该目标零部件发生问题的几率非常大，系统自动将这个匹配结果推送给用户以发出报警。图10中各芯片上的数字表示失效代码，对应不同的失效类型。
图11是本发明实施例一种用于芯片生产机台的零部件异常自动侦测装置的结构示意图。本领域技术人员理解，本实施例所述用于芯片生产机台的零部件异常自动侦测装置2可以用于实施上述图1所述实施例中所述的方法技术方案。
具体地，参考图11，本实施例所述用于芯片生产机台的零部件异常自动侦测装置2可以包括：第一获取模块21，用于获取目标零部件的特征尺寸晶圆图，所述特征尺寸晶圆图用于描述所述目标零部件对晶圆的影响区域；第二获取模块22，用于获取所述晶圆经芯片生产机台处理后的待比较晶圆图，所述目标零部件是所述芯片生产机台的部件；预测模块23，用于基于所述特征尺寸晶圆图和所述待比较晶圆图，预测所述目标零部件的异常几率。
关于所述用于芯片生产机台的零部件异常自动侦测装置2的工作原理、工作方式的更多内容，可以参照上述图1中的相关描述，这里不再赘述。
进一步地，本发明实施例还公开一种存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行上述图1所示实施例中所述的方法技术方案。优选地，所述存储介质可以包括诸如非挥发性(non-volatile)存储器或者非瞬态(non-transitory)存储器等计算机可读存储介质。所述存储介质可以包括ROM、RAM、磁盘或光盘等。
进一步地，本发明实施例还公开一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述图1所示实施例中所述的方法技术方案。具体地，所述终端可以为计算机、服务器等设备。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (10)

1.一种用于芯片生产机台的零部件异常自动侦测方法，其特征在于，包括：
获取目标零部件的特征尺寸晶圆图，所述特征尺寸晶圆图用于描述所述目标零部件对晶圆的影响区域；
获取所述晶圆经芯片生产机台处理后的待比较晶圆图，所述目标零部件是所述芯片生产机台的部件；
基于所述特征尺寸晶圆图和所述待比较晶圆图，预测所述目标零部件的异常几率。
2.根据权利要求1所述方法，其特征在于，还包括：
当所述目标零部件的异常几率大于预设阈值时，发出报警信息。
3.根据权利要求1所述方法，其特征在于，所述获取目标零部件的特征尺寸晶圆图的步骤，包括：
提取所述目标零部件的尺寸特征；
根据所述目标零部件的尺寸特征生成所述特征尺寸晶圆图。
4.根据权利要求1所述方法，其特征在于，所述特征尺寸晶圆图包括特征图形和参照图形；
所述基于所述特征尺寸晶圆图和所述待比较晶圆图，预测所述目标零部件的异常几率包括：
获取所述待比较晶圆图落入所述特征图形覆盖区域的第一失效芯片数和第一总芯片数；
获取所述待比较晶圆图落入所述参照图形覆盖区域的第二失效芯片数和第二总芯片数；
根据所述第一失效芯片数、所述第一总芯片数、所述第二失效芯片数和所述第二总芯片数，计算目标零部件的异常几率。
5.根据权利要求4所述方法，其特征在于，所述根据所述第一失效芯片数、所述第一总芯片数、所述第二失效芯片数和所述第二总芯片数，计算目标零部件的异常几率包括：
根据第一失效芯片占比和第二失效芯片占比，确定所述异常几率；
其中，所述第一失效芯片占比为所述第一失效芯片数和第一总芯片数的比值；所述第二失效芯片占比为所述第二失效芯片数与所述第二总芯片数的比值；所述第一失效芯片占比越大且所述第二失效芯片占比越小，所述异常几率越大。
6.根据权利要求4所述方法，其特征在于，所述根据所述第一失效芯片数、所述第一总芯片数、所述第二失效芯片数和所述第二总芯片数，计算目标零部件的异常几率包括：
根据所述第一失效芯片数、所述第一总芯片数、所述第二失效芯片数和所述第二总芯片数，计算目标零部件的假设几率；
根据所述假设几率确定所述异常几率；
其中，所述假设几率基于如下公式计算得到：
Figure FDA0002817717590000021
其中，Hvalue为所述假设几率，Failin为所述第一失效芯片数，Totalin为所述第一总芯片数，Failout为所述第二失效芯片数，Totalout为所述第二总芯片数，limit为预设比较阈值。
7.根据权利要求4所述方法，其特征在于，所述特征图形为晶圆上与所述目标零部件直接接触的芯片构成的图形，所述参照图形是以所述特征图形为基准扩展得到的图形。
8.根据权利要求1所述方法，其特征在于，所述基于所述特征尺寸晶圆图和所述待比较晶圆图，预测所述目标零部件的异常几率包括：
将所述待比较晶圆图按预设角度旋转；
基于所述特征尺寸晶圆图和本次旋转得到的待比较晶圆图预测所述目标零部件的异常几率。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1至8任一项所述方法的步骤。
10.一种终端，包括存储器和处理器，所述存储器上存储有能够在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行权利要求1至8任一项所述方法的步骤。
CN202011403362.7A 2020-12-04 2020-12-04 用于芯片生产机台的零部件异常自动侦测方法、存储介质、终端 Active CN112582292B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011403362.7A CN112582292B (zh) 2020-12-04 2020-12-04 用于芯片生产机台的零部件异常自动侦测方法、存储介质、终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011403362.7A CN112582292B (zh) 2020-12-04 2020-12-04 用于芯片生产机台的零部件异常自动侦测方法、存储介质、终端

Publications (2)

Publication Number Publication Date
CN112582292A true CN112582292A (zh) 2021-03-30
CN112582292B CN112582292B (zh) 2023-12-22

Family

ID=75127096

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011403362.7A Active CN112582292B (zh) 2020-12-04 2020-12-04 用于芯片生产机台的零部件异常自动侦测方法、存储介质、终端

Country Status (1)

Country Link
CN (1) CN112582292B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113096113A (zh) * 2021-04-27 2021-07-09 上海华虹宏力半导体制造有限公司 芯片标记方法、系统、电子设备及计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000067243A (ja) * 1998-08-26 2000-03-03 Hitachi Ltd 自動欠陥情報収集制御方法及び自動欠陥情報収集制御プログラムを記録した記録媒体
US6128403A (en) * 1997-08-26 2000-10-03 Mitsubishi Denki Kabushiki Kaisha Wafer map analysis aid system, wafer map analyzing method and wafer processing method
JP2001291094A (ja) * 2000-04-07 2001-10-19 Jeol Ltd ウエハ欠陥検査装置
JP2004303987A (ja) * 2003-03-31 2004-10-28 Seiko Epson Corp ウェハマップ自動判定制御方法及び半導体検査装置、半導体製造装置、半導体装置
JP2019105532A (ja) * 2017-12-12 2019-06-27 芝浦メカトロニクス株式会社 ワーク検出装置、成膜装置及びワーク検出方法
CN111553875A (zh) * 2020-03-03 2020-08-18 上海华力集成电路制造有限公司 晶圆生产异常设备查找方法及查找系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6128403A (en) * 1997-08-26 2000-10-03 Mitsubishi Denki Kabushiki Kaisha Wafer map analysis aid system, wafer map analyzing method and wafer processing method
JP2000067243A (ja) * 1998-08-26 2000-03-03 Hitachi Ltd 自動欠陥情報収集制御方法及び自動欠陥情報収集制御プログラムを記録した記録媒体
JP2001291094A (ja) * 2000-04-07 2001-10-19 Jeol Ltd ウエハ欠陥検査装置
JP2004303987A (ja) * 2003-03-31 2004-10-28 Seiko Epson Corp ウェハマップ自動判定制御方法及び半導体検査装置、半導体製造装置、半導体装置
JP2019105532A (ja) * 2017-12-12 2019-06-27 芝浦メカトロニクス株式会社 ワーク検出装置、成膜装置及びワーク検出方法
CN111553875A (zh) * 2020-03-03 2020-08-18 上海华力集成电路制造有限公司 晶圆生产异常设备查找方法及查找系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113096113A (zh) * 2021-04-27 2021-07-09 上海华虹宏力半导体制造有限公司 芯片标记方法、系统、电子设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN112582292B (zh) 2023-12-22

Similar Documents

Publication Publication Date Title
TWI706376B (zh) 用於缺陷檢測之系統、方法及非暫時性電腦可讀儲存媒體
CN110770886B (zh) 用于使用半导体制造工艺中的深度学习预测缺陷及临界尺寸的系统及方法
TWI614721B (zh) 在半導體製造中用於檢測之雜訊中所內嵌之缺陷之偵測
JP6220061B2 (ja) 自由形態の保護領域を使用するウエハ検査
CN109285791B (zh) 设计布局为主的快速在线缺陷诊断、分类及取样方法及系统
CN109616426B (zh) 智能型的缺陷校正系统与其实施方法
KR20150140349A (ko) 반도체 검사 레시피 생성, 결함 리뷰 및 계측을 위한 적응적 샘플링
US9589086B2 (en) Method for measuring and analyzing surface structure of chip or wafer
CN111814740B (zh) 指针仪表读数的识别方法、装置、计算机设备和存储介质
CN112582292A (zh) 用于芯片生产机台的零部件异常自动侦测方法、存储介质、终端
KR20190098271A (ko) 광학 도구에 의해 캡처되는 결함 및 분류기를 위한 진단 방법
US6539272B1 (en) Electric device inspection method and electric device inspection system
CN112908874B (zh) 半导体结构的量测方法及量测装置
JP2011054804A (ja) 半導体製造装置の管理方法およびシステム
US20200175664A1 (en) Defect Classification by Fitting Optical Signals to a Point-Spread Function
WO2019006222A1 (en) SYSTEMS AND METHODS FOR PREDICTING DEFECTS AND CRITICAL DIMENSION USING DEEP LEARNING IN A SEMICONDUCTOR MANUFACTURING PROCESS
KR102619285B1 (ko) 분류 장치 및 분류 장치의 동작 방법
US6708574B2 (en) Abnormal photoresist line/space profile detection through signal processing of metrology waveform
CN117372567B (zh) 一种版图生成方法、装置、设备及介质
CN115760675A (zh) 半导体样本中的局部形状偏差
CN116977307A (zh) 量测验证方法、计算机设备及计算机可读存储介质
CN117457516A (zh) 晶圆缺陷的检测方法及装置
JP2004363223A (ja) 欠陥検査装置、欠陥検査システム、欠陥検査方法および欠陥検査プログラム

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