CN114662842A - 材料管理方法以及材料管理系统 - Google Patents

材料管理方法以及材料管理系统 Download PDF

Info

Publication number
CN114662842A
CN114662842A CN202210031018.2A CN202210031018A CN114662842A CN 114662842 A CN114662842 A CN 114662842A CN 202210031018 A CN202210031018 A CN 202210031018A CN 114662842 A CN114662842 A CN 114662842A
Authority
CN
China
Prior art keywords
carrier
data
storage device
environmental
database
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
CN202210031018.2A
Other languages
English (en)
Inventor
范容瑄
张庆荣
董启峰
沈香吟
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.)
Taiwan Semiconductor Manufacturing Co TSMC Ltd
Original Assignee
Taiwan Semiconductor Manufacturing Co TSMC 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 Taiwan Semiconductor Manufacturing Co TSMC Ltd filed Critical Taiwan Semiconductor Manufacturing Co TSMC Ltd
Publication of CN114662842A publication Critical patent/CN114662842A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/708—Construction of apparatus, e.g. environment aspects, hygiene aspects or materials
    • G03F7/70858—Environment aspects, e.g. pressure of beam-path gas, temperature
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/16—Coating processes; Apparatus therefor
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/0012—Processes making use of the tackiness of the photolithographic materials, e.g. for mounting; Packaging for photolithographic material; Packages obtained by processing photolithographic materials
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/26—Processing photosensitive materials; Apparatus therefor
    • G03F7/30—Imagewise removal using liquid means
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/26—Processing photosensitive materials; Apparatus therefor
    • G03F7/42—Stripping or agents therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
    • G06K17/0025—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement consisting of a wireless interrogation device in combination with a device for optically marking the record carrier
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0633—Workflow analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Toxicology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Atmospheric Sciences (AREA)
  • Epidemiology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)
  • Exposure Of Semiconductors, Excluding Electron Or Ion Beam Exposure (AREA)

Abstract

本揭露涉及一种材料管理方法以及材料管理系统方法。材料管理方法包括：将含有材料的载体存储在存储装置中；在材料处于存储装置中时将存储装置的环境数据记录到数据库；基于环境数据产生对载体中的材料的预报；从半导体制造工具接收对材料的请求；以及基于预报将载体提供到半导体制造工具。

Description

材料管理方法以及材料管理系统
技术领域
本揭露涉及一种材料管理方法以及材料管理系统，且涉及用于半导体领域的材料管理方法以及材料管理系统。
背景技术
半导体集成电路(semiconductor integrated circuit；IC)行业已经历指数成长。IC材料和设计的技术进展已生产数代IC，其中每一代具有比前一代更小且更复杂的电路。在IC演进过程中，功能密度(即，每芯片面积内连器件的数目)已大体增加，而几何大小(即，可使用制造工艺产生的最小组件(或管线))已减小。这一按比例缩小工艺通常通过提高生产效率和降低相关联成本来提供效益。这种按比例缩小还增加了处理和制造IC的复杂性。
材料管理包含跟踪、分析以及履行(fulfillment)在众多半导体制造操作中使用的各种化学物质和其它生产材料。材料通常在超过其到期日期之后报废以避免良率下降或对敏感处理工具的潜在损坏。
发明内容
根据本揭露的实施例，材料管理方法包括：将含有材料的载体存储在存储装置中；在材料处于存储装置中时将存储装置的环境数据记录到数据库；基于环境数据产生对载体中的材料的预报；从半导体制造工具接收对材料的请求；以及基于预报将载体提供到半导体制造工具。
根据本揭露的实施例，材料管理方法包括：将含有材料的载体安装到用于处理半导体晶片的制造工具；在安装载体时将制造工具的环境数据写入到数据库；基于环境数据产生对载体中的材料的预报；以及基于预报在载体中的材料耗尽之前从制造工具移除载体。
根据本揭露的实施例，材料管理系统包括载体、存储装置、至少一个环境传感器、至少一个安全性传感器、数据库、以及微控制器单元。载体配置成含有材料，且包括至少一个标签。存储装置配置成存储载体且包括配置成读取标签的至少一个读取器。所述至少一个环境传感器且配置成产生对应于至少存储装置的环境数据。所述至少一个安全性传感器配置成产生对应于至少载体或存储装置的安全性数据。数据库配置成存储环境数据和安全性数据。微控制器单元，配置成基于环境数据和安全性数据来预报材料的至少一个质量参数或安全性参数。
附图说明
结合附图阅读以下详细描述会最好地理解本揭露的各方面。应注意，根据行业中的标准惯例，各种特征未按比例绘制。事实上，为了论述清楚起见，可任意增大或减小各种特征的尺寸。
图1A到图1D为根据本揭露的实施例的材料管理系统的视图。
图2A到图2B为根据本揭露的各种方面的用于管理材料的工艺的视图。
图3A到图3C为示出根据本揭露的各种方面的预报材料质量/安全性的方法的视图。
附图标号说明
100：集成电路制造系统/材料管理系统；
120：材料供应商；
121、1430：载体；
122、3354C：材料；
125：信息；
130：仓库；
132：存储装置；
134：RFID读取器；
135：仓库信息；
137：环境及/或质量信息；
140：IC制造商/制造者/制造厂；
142：暂存区域/堆料机；
144：晶片制造工具；
146：半导体晶片；
148：材料安装口；
150：数据中心；
152：数据库；
160：IC装置；
400、410、420、430、500、510、520、530、3410、3420、3430：操作；
401、501、3400：工艺；
1000：IC制造流程；
1320：存储室；
1321：外门；
1322：搁架；
1323：内门；
1324：排水口；
1325：互锁；
1326：泄漏检测器；
1400：处理腔室；
1410：访问界面；
1420：载体平台；
1425：暂存信息；
1445：工具信息；
1450：访问口；
1485：工具加载信息；
3224：系统；
3302：分析模型；
3304：训练模块；
3306：训练集合数据；
3308：历史安全性数据；
3310：历史环境条件数据；
3312：处理资源；
3314：存储器资源；
3316：通信资源；
3318：历史工艺结果数据；
3324：控制系统；
3352：材料条件矩阵/反射器条件矩阵；
3354：数据向量/数据字段；
3356a：第一神经层；
3356b：第二神经层；
3356c：第三神经层；
3356d：神经层；
3356e：最终神经层；
3358：节点；
3368、3370：数据值；
3372：误差值。
具体实施方式
以下公开提供用于实施所提供标的物的不同特征的许多不同实施例或实例。下文描述组件和布置的特定实例以简化本揭露。当然，这些仅是实例且并不意图为限制性的。举例来说，在以下描述中，第一特征在第二特征之上或第二特征上形成可包含第一特征与第二特征直接接触地形成的实施例，且还可包含可在第一特征与第二特征之间形成额外特征以使得第一特征与第二特征可以不直接接触的实施例。另外，本揭露可在各种实例中重复附图标号及/或字母。这一重复是出于简化和清晰的目的，且本身并不规定所论述的各种实施例及/或配置之间的关系。
另外，为易于描述，可在本文中使用空间相对术语，例如“在……之下”、“在……下方”、“下部”、“在……上方”、“上部”以及类似物来描述如图中所示出的一个元件或特征与另一元件或特征的关系。除图中所描绘的定向外，空间相关术语意图涵盖器件在使用或操作中的不同定向。设备可以其它方式定向(旋转90度或处于其它定向)，且本文中所使用的空间相对描述词同样可相应地进行解释。
为易于描述，本文中可使用例如“约”、“大约”、“大体上”以及类似物的术语。本领域普通技术人员将能够理解和导出这种术语的含义。举例来说，“约”可指示以20％、10％、5％或类似物为维度的变化，但在适当时可使用其它值。大特征(例如半导体鳍片的最长尺寸)可具有小于5％的变化，而极小特征(例如界面层的厚度)可具有多达50％的变化，且这两种类型的变化可由术语“约”表示。“大体上”通常比“约”更严格，使得10％、5％或小于5％的变化可为适当的，但不限于此。“大体上平面”的特征可具有从直线的10％或小于10％内的变化。具有“大体上恒定浓度”的材料可具有沿5％或小于5％内的一个或多个维度的浓度变化。同样，本领域普通技术人员将能够基于行业、当前制造技术以及类似物的了解来理解和导出这种术语的适当含义。
半导体制造通常涉及通过进行材料层的多个沉积、刻蚀、退火及/或植入来形成电子电路，借此形成包含许多半导体器件和其间的内连线的堆叠结构。尺寸按比例缩放(缩小)为用于在相同面积中适配越来越大数目的半导体器件的一种技术。然而，在先进技术节点中尺寸按比例缩放越来越困难。光刻胶层的图案化形成用于较小且紧密地封装在一起的刻蚀特征的基础。因而，从材料管理观点来看，光刻胶质量变得越来越合乎需要。
本揭露的实施例包含用于管理材料(例如光刻胶)以确保新鲜度、安全性以及及时履行的方法和系统，其提高良率且减少工具停工时间。当管理原料质量和安全性时，材料管理系统缺乏实时响应性。本文中所公开的材料管理系统能够在管理原料质量和安全性时大体上实时响应。通过智能标签和响应系统的智能且有目的的使用，可有效地防止材料老化问题和污染。环境感测和大数据收集和预报还解锁改进的质量控制、材料跟踪、生产可靠性、数据挖掘以及智能控制，同时大幅度减少操作者失误。
图1A为根据本揭露的至少一个实施例的集成电路(IC)制造系统100(或“材料管理系统100”)和与其相关联的IC制造流程的框图。图1B为示出根据各种实施例的在另一视图中的IC制造流程1000的框图。图2A到图2B为根据各种实施例的用于制造IC装置的工艺的流程图。
在图1A中，IC制造系统100(下文中称为“系统100”)包含在制造及/或与制造IC装置160相关的服务中彼此交互的实体，例如材料供应商120、仓库130、IC制造商/制造者(“制造厂(fab)”)140以及数据中心150。系统100中的实体通过通信网络连接。在一些实施例中，通信网络为单个网络。在一些实施例中，通信网络为各种不同的网络，例如企业内部网和因特网。通信网络包含有线及/或无线通信信道。在一些实施例中，通信网络包含短范围资产跟踪硬件和软件，例如射频识别(radio-frequency identification；RFID)、蓝牙低功耗(Bluetooth Low Energy；BLE)、Wi-Fi、超宽带(ultra-wideband；UWB)或类似物。在一些实施例中，通信网络包含宽范围资产跟踪硬件和软件，例如低功率广域网(low-power wide-area network；LPWAN)、长期演进(Long-Term Evolution；LTE)、第5代移动网络(5thgeneration；5G)、全球定位系统(Global Positioning System；GPS)或类似物。每一实体与其它实体中的一个或多个交互，且将服务提供给其它实体中的一个或多个及/或从其它实体中的一个或多个接收服务。在一些实施例中，材料供应商120、仓库130、IC制造厂140以及数据中心150中的一个或多个由单一个较大公司拥有。在一些实施例中，材料供应商120、仓库130、IC制造厂140以及数据中心150中的一个或多个在共同设施中共存且使用共同资源。
参考图1A和图1B，材料供应商120产生材料122。在一些实施例中，材料122为光刻胶，然而，除光刻胶之外或代替光刻胶，其它生产材料可由材料供应商120生产。举例来说，材料供应商120可设计、制造及/或分发用于光刻的材料，例如光刻胶、抗反射涂层、外涂层、显影剂、移除剂、聚合物、剥离剂或类似物。在一些实施例中，材料供应商120进一步或改为设计及/或制造用于平坦化(例如，化学机械平坦化)的材料，例如浆料、清洁剂或类似物。在一些实施例中，材料供应商120进一步或替代地设计及/或制造用于封装的材料，例如粘合剂、包封体、热化合物或类似物。
材料供应商120可进一步将材料122封装在容器中，例如封装到载体121中，所述载体121例如由玻璃、塑料或另一合适的材料制成的瓶子。在一些实施例中，载体121具有小于约100升、小于约80升、小于约50升或另一合适体积的体积。在一些实施例中，载体121的体积大于100升。材料供应商120可进一步通过标签来标记容器。在一些实施例中，标签为唯读(read-only)标签，例如条码、快速响应(Quick Response；QR)码或类似物。在一些实施例中，标签为读取/写入标签，例如RFID标签、近场通信(Near-Field Communications；NFC)标签或类似物。在一些实施例中，容器由例如只读标签和读取/写入标签的大于一个标签标记。如图1B中所绘示，在一些实施例中，标签包含信息125，例如物品标识符、批量(batch)标识符、批次(lot)标识符、提供商标识符、到期日期、唯一标识符(identifier；ID)或类似物。在一些实施例中，材料供应商120将标签中所含有的信息125写入到数据中心150的数据库152，如图1A中所绘示。
在一些实施例中，载体121包含载体121中/上的至少一个安全性机构，其可包含防跌落机构、泄漏隔离、排气机构及/或空气净化机构。在一些实施例中，当安全性机构中的任一个时被激活，关于安全性机构激活的信息(例如，事件时间、事件测量或类似物)被记录在数据库152中。信息可用于预报材料122的到期及/或安全性。在一些实施例中，到期与材料122归因于时间的老化相关，且还可通过暴露于大量环境条件(包含温度、压力、光、湿度以及类似物)而被加速。
在一些实施例中，材料122在运输车辆中从材料供应商120被运输到仓库130。在一些实施例中，行程信息记录被在数据库152中，所述行程信息包含实时位置、路线、行程距离、行程持续时间及/或其它合适的行程参数中的一个或多个。举例来说，运输车辆可配备有RFID读取器和GPS(或其它导航系统)接收器。当材料122进入(例如，材料供应商120处的)运输车辆时，RFID读取器可通过与材料122相关联的RFID标签识别材料122，且产生表示材料122进入运输车辆的时间的进入时戳(timestamp)。在一些实施例中，运输车辆包含环境控制及/或监测系统。环境控制及/或监测系统可控制及/或监测温度、空气清洁度、光、振动以及其它合适的环境参数。当运输车辆正在从材料供应商120进行运送时，运送车辆可记录环境参数以上传到数据库152。在一些实施例中，所述上传沿运送路线实时地被进行。在一些实施例中，所述上传在到达材料供应商120后或在其后的合适时间分批被进行。在到达仓库130之后，当材料122离开运输车辆时，RFID读取器可再次通过与材料122相关联的RFID标签识别材料122，且产生表示材料122离开运输车辆的时间的离开时戳。
仓库130包含存储装置132。图1C为示出根据各种实施例的存储装置132的图。在一些实施例中，仓库130进行材料摄取、存储以及履行。仓库130从材料供应商120接收材料122，且可进行至少一次摄取检验，包含对质量、安全性或其它合适的参数的检验。在一些实施例中，摄取检验包含通过扫描标签获得关于材料122的信息125。在一些实施例中，获得信息125包含从扫描标签立即接收到的图像、文本或其它数据解码信息125(例如，编码且存储在标签本身中的信息125)。在一些实施例中，信息125的获得包含从扫描标签立即接收到的图像、文本或其它数据解码至少唯一ID、通过将包含至少唯一ID的查询发送到数据中心150来查询数据库152，以及从数据库152接收信息125。在一些实施例中，信息125包含物品标识符、批量标识符、批次标识符、提供商标识符、到期日期或类似物，如上文所描述。
基于从标签及/或数据库152所接收到的信息125，仓库130可接受材料122。在一些实施例中，如果在材料122的信息125中的任一个中被发现违规行为，那么仓库130可拒绝材料122。举例来说，如果材料122被误标记，例如，物品标识符不匹配材料122的已知物理外观，那么仓库130可确定错误标签被施加到材料122，且请求材料122返回给材料供应商120。在一些实施例中，如果未发现违规行为，那么仓库130可接受材料122。
被接受的材料122被存储在存储装置132中，对应于图2A中所示出的工艺401的操作400。在材料122被接受后，仓库130就可更新数据库152以记录仓库信息135(参见图1B)，所述仓库信息135可包含接收时间。仓库信息135可进一步包含取出时间、存储装置标识符(ID)，以及涉及存储装置132的其它合适的信息。接收时间可包含在仓库130处接收到材料122时的日期和时间。材料122被存储在存储装置132中，在一些实施例中，所述存储装置132可为或包含存储室1320和互锁1325。在一些实施例中，存储装置132包含存储室1320中的一个或多个搁架1322。在一些实施例中，搁架1322被围封在例如冷冻机的机柜中，所述机柜可维持低于0℃的温度，但取决于存储于其中的材料122的类型，维持较高温度的机柜也可为适当的。在一些实施例中，每一搁架1322包含用于测量搁架1322上的物体(例如，材料122)在其上的重量负载的重量传感器(未单独示出)。
存储装置132可包含RFID读取器134，使得材料122存储在存储装置132中多久的准确记录可被保持。在一些实施例中，RFID读取器134与数据库152通信。在一些实施例中，当RFID读取器134检测及/或读取材料122上的标签且确定材料122正进入存储装置132时，RFID读取器134使进入时戳与材料122相关联。RFID读取器134可更新数据库152以记录与存储装置ID相关联的进入时戳，所述存储装置ID唯一地标识存储材料122的存储装置132。在一些实施例中，存储装置ID包含存储装置132的位置。在一些实施例中，位置包含建筑物/设施名称/标识符、建筑物/设施的楼层、建筑物/设施的房间及/或一个或多个其它合适的标识值。在一些实施例中，存储装置ID进一步包含唯一存储单元标识符。在一些实施例中，唯一存储单元标识符包含存储装置132的型号及/或模型、存储装置132的条件(例如，年龄、维护记录或类似物)、存储装置132的功能(例如，泄漏检测)，以及类似物。
存储装置132可包含环境、质量、安全性以及访问监测及/或管理(例如，控制)。在一些实施例中，存储装置132包含环境及/或质量控制及/或监测，包含温度、氢电位(“potential of hydrogen；pH”)、湿度、光、振动、静电放电(electrostatic discharge；ESD)、清洁度、泄漏、压力、颗粒以及其它合适的控制及/或监测。在一些实施例中，存储装置132周期性地将对应于刚刚描述的环境及/或质量控制及/或监测的环境及/或质量信息137记录到数据库152，对应于图2A中所示出的工艺401的操作410。在一些实施例中，环境及/或质量信息137的周期性记录独立于材料122在存储装置132中的存在而被进行。举例来说，数据库152可为关系型数据库，且环境及/或质量信息137可存储在第一表中，且进入时戳和离开时戳(下文参考暂存142描述)可存储在可链接到第一表的第二表中。
在一些实施例中，存储装置132进一步包含安全性监测及/或控制，其包含访问监测及/或控制。举例来说，材料122可由操作者(例如，人或机器人)传送到存储装置132。在一些实施例中，操作者可携带密钥卡、密钥扣(key fob)或其它电子可读访问器件。在一些实施例中，为将材料122存储在存储装置132中，电子访问读取器(未单独示出)读取操作者的访问器件，且在已授权操作者访问存储装置132时解锁存储装置132以接收材料122。举例来说，互锁1325的外门1321可打开而互锁1325的内门1323关闭。在关闭外门1321和在互锁1325中的任选清洁工艺以移除例如颗粒后，内门1323可打开以允许操作者将材料122传送到存储室1320的访问。在一些实施例中，电子访问读取器用存储在电子可读访问器件上及/或对应于存储在其上的操作者信息的操作者信息更新数据库152。在一些实施例中，存储在电子可读访问器件上的操作者信息包含人员标识符，所述人员标识符可包含供货商/承包商公司名称、雇员号/代码以及类似物。
在一些实施例中，安全性监测及/或控制包含一个或多个安全性传感器，例如重量传感器、位置传感器、互锁传感器及/或其它合适的安全性传感器。如先前所提到，每一搁架1322可包含配置成测量搁架1322上的物体(例如，材料122)在其上的重量负载的重量传感器。在一些实施例中，重量传感器包含应变计、电容式传感器、液压传感器、气动传感器或其它合适的重量传感器中的至少一个。在一些实施例中，重量传感器取得周期性及/或异步重量读数，且可通过重量传感器或通过与重量传感器联网的控制器将重量读数记录在数据库152中。
位置传感器可位于搁架1322上或附近以用于感测材料122在例如搁架1322的指定区处的存在或不存在。在一些实施例中，位置传感器包含至少相机、接近度传感器(例如，红外传感器)或能够检测材料122的存在或不存在的其它合适的位置传感器。在一些实施例中，位置传感器取得周期性及/或异步位置/接近度读数，且可通过位置传感器或通过与位置传感器联网的控制器将位置/接近度读数记录在数据库152中。
互锁传感器可位于外门1321及/或内门1323上或附近以用于感测互锁1325的状态。在一些实施例中，互锁传感器包含能够检测外门1321及/或内门1323的状态的至少一个传感器。举例来说，状态可包含外门1321或内门1323是打开还是关闭，或互锁1325是否密封、外门1321是否已打破密封，或内门1323是否已打破密封。在一些实施例中，互锁传感器包含磁性接触传感器，其可在外门1321或内门1323打开时检测接触的丢失及/或在外门1321或内门1323关闭时检测接触的存在。在一些实施例中，互锁传感器取得周期性及/或异步互锁状态读数，且互锁状态读数可通过互锁传感器或通过与互锁传感器联网的控制器记录在数据库152中。
在一些实施例中，在将材料122履行到制造厂140之前，存储装置132在一段时间内存储材料122。在一些实施例中，存储装置132用存储数据周期性地更新数据库152，所述存储数据包含温度数据、湿度数据、压力数据、颗粒数据、其它环境控制数据、安全性数据及/或其它监测数据。举例来说，存储装置132可周期性地每1分钟、每5分钟或另一合适的间隔将存储数据写入到数据库152。
在一些实施例中，存储装置132还可以非周期性方式(例如，在检测到中断条件后)将存储数据写入到数据库152。在一些实施例中，中断条件可包含安全性条件、环境条件或其它合适的条件中的一个或多个。举例来说，安全性条件可包含检测存储装置132中的材料122的泄漏。在一些实施例中，材料122的泄漏由泄漏检测器1326检测，所述泄漏检测器1326可收集和分析来自存储装置132的地板处的排水口1324的流体。如果所收集的流体包含材料122(例如，光刻胶)，那么泄漏检测器1326可产生安全性数据，包含对应于泄漏的检测的时戳和对应于流体的化学分析的材料标识符。
在一些实施例中，环境条件可包含高于或低于阈值的温度、湿度、压力、颗粒以及其它环境控制及/或监测。举例来说，如果温度超过-5℃，那么可产生质量数据，包含对应于温度的检测的时戳和测得温度(例如，-3℃)。在检测到中断条件(例如，安全性条件或环境条件)后，存储装置132可将安全性数据或质量数据写入到数据库152。
将安全性数据或质量数据写入到数据库152是根据非周期性(或异步)更新来描述的。在一些实施例中，存储装置132可延迟将安全性数据或质量数据写入到数据库152，以便与周期性地更新的数据(例如温度数据、湿度数据、压力数据、颗粒数据、其它环境控制数据及/或其它监测数据)同步地更新数据库152。在写入具有重复类型的数据(例如，周期性温度数据和源自中断的温度数据)的这种情形下，可例如通过旗标或其它适当标识符来唯一地标识两个或大于两个数据项。
仓库130进一步进行将材料122履行到制造厂140。在一些实施例中，仓库130从数据中心150接收将材料122传送到制造厂140的请求。在一些实施例中，将材料122从仓库130传送到制造厂140的请求由制造厂140产生。在一些实施例中，请求由数据中心150产生。在一些实施例中，制造厂140为IC制造实体，其包含用于制造各种不同IC产品的一个或多个制造设施。在一些实施例中，制造厂140为半导体代工厂。举例来说，可存在用于多个IC产品的前段制造(前段工艺(front-end-of-line；FEOL)制造)的制造设施，而第二制造设施可提供用于IC产品的内连和封装的后段制造(后段工艺(back-end-of-line；BEOL)制造)，且第三制造设施可为代工厂实体提供其它服务。
制造厂140包含晶片制造工具144(下文中称为“制造工具144”)，所述晶片制造工具144配置成对半导体晶片146执行各种制造操作，使得制造IC装置160。在各种实施例中，制造工具144包含以下中的一个或多个：晶片步进机、离子植入机、光刻胶涂布机、工艺腔室(例如，CVD腔室或LPCVD锅炉)、化学机械平坦化(chemical-mechanical planarization；CMP)系统、等离子刻蚀系统、晶片清洁系统，或能够进行如本文中所论述的一个或多个合适的制造工艺的其它制造装备。在一些实施例中，材料122可安装在用于进行半导体制造处理(例如用光刻胶涂布晶片146)的制造工具144中。
图1D为根据各种实施例的制造工具144的透视图。制造工具144的访问口1450配置成将半导体晶片(例如，晶片146)传送入/传送出处理腔室1400。访问口1450包含例如门的至少一个访问界面1410，和与对应访问界面1410对准的至少一个对应载体平台1420。固持至少一个晶片(例如，晶片146)的载体1430(其可类似于载体121)可定位到载体平台1420上，且晶片可例如通过机器人臂从载体1430通过访问界面1410取出。在进入访问口1450之后，晶片可被传送到处理腔室1400以用于进行至少一个半导体制造工艺，例如植入、光刻胶涂布、退火、沉积、刻蚀、平坦化、清洁或其它合适的工艺。
制造工具144进一步包含材料安装口148，其可包含门和壳体。材料122可通过打开门被安装在制造工具144中，且例如由操作者将含有材料122的载体121定位在壳体中。在一些实施例中，载体121在安装到壳体中之后进一步与处理腔室1400流体连通。举例来说，套管或其它流体传送管道可被附接到含有材料122的载体121，以提供载体121与处理腔室1400中的施配器(例如，喷嘴)之间的流体连通。在一些实施例中，材料122为光刻胶，且施配器包含用于将光刻胶滴注或喷雾到晶片146上的喷嘴。
在将材料122安装在制造工具144中之前，材料122的温度可被升高到室温或用于半导体制造处理的另一合适的温度。在一些实施例中，制造厂140包含暂存区域142(或“堆料机142”)，其可类似于存储装置132，且用于使材料122适应(例如，升高温度)以准备将材料122安装到制造工具144。当材料122为光刻胶时，例如，暂存区域142可具有高于0℃的环境温度，例如室温或另一合适的环境温度，以便进行光刻胶的适应，所述光刻胶可在从存储装置132移除且运送到暂存区域142之后处于低于约0℃的温度下。适应可进行与材料122的体积、初始温度(例如，＜0℃)以及目标温度(例如，约20℃到约25℃)相关的适应时间段。
在一些实施例中，暂存区域142可包含RFID读取器，使得可保持材料122存储在暂存区域142中多久的准确记录。在一些实施例中，RFID读取器与数据库152通信。在一些实施例中，当RFID读取器检测及/或读取材料122上的标签且确定材料122正进入暂存区域142时，RFID读取器使进入时戳与材料122相关联。RFID读取器可更新数据库152以记录与唯一地标识存储材料122的暂存区域的暂存区域ID相关联的进入时戳，所述进入时戳可为暂存信息1425(参见图1B)的一部分。
暂存区域142可包含环境、质量、安全性以及访问监测及/或管理(例如，控制)。在一些实施例中，暂存区域142包含环境及/或质量控制及/或监测，包含温度、湿度、光、振动、静电放电(ESD)以及其它合适的控制及/或监测。在一些实施例中，暂存区域142周期性地将作为暂存信息1425(参见图1B)的部分的环境及/或质量信息记录到数据库152，所述环境及/或质量信息可对应于刚刚描述的环境及/或质量控制及/或监测。在一些实施例中，环境及/或质量信息的周期性记录独立于材料122在暂存区域142中的存在而被进行。举例来说，数据库152可为关系型数据库，且环境及/或质量信息137可存储在第一表中，且进入时戳和离开时戳(下文描述)可存储在可链接到第一表的第二表中。
在一些实施例中，暂存区域142进一步包含安全性监测及/或控制，其包含访问监测及/或控制。举例来说，材料122可由操作者(例如，人或机器人)传送到暂存区域142。在一些实施例中，操作者可携带密钥卡、密钥扣或其它电子可读访问器件。在一些实施例中，为将材料122存储在暂存区域142中，电子访问读取器(未单独示出)读取操作者的访问器件，且在已授权操作者访问暂存区域142时解锁暂存区域142以接收材料122。在一些实施例中，电子访问读取器用存储在电子可读访问器件上及/或对应于存储在其上的操作者信息的操作者信息来更新数据库152。在一些实施例中，存储在电子可读访问器件上的操作者信息包含人员标识符，所述人员标识符可包含供货商/承包商公司名称、雇员号/代码以及类似物。
暂存区域142进一步进行将材料122履行到制造工具144。在一些实施例中，暂存区域142接收将材料122传送到制造工具144例如以用于安装到制造工具144的请求，对应于图2A中所示出的工艺401的操作430。在一些实施例中，请求起源于将材料122传送到制造工具144的数据中心150。在一些实施例中，将材料122从暂存区域142传送到制造工具144的请求由制造工具144或制造工具144的操作者产生。在一些实施例中，请求由数据中心150例如基于生产计划、对由制造工具144使用材料122的预报及/或其它合适的参数产生。
基于参考图3A到图3C更详细地描述的预报，含有材料122的载体121可被提供到制造工具144。类似于材料122到暂存区域142的传送，在一些实施例中，当接收到将材料122传送到制造工具144的请求时，具有电子可读访问器件的操作者从暂存区域142取出材料122，且将材料122传送到制造工具144。在一些实施例中，由操作者进行的访问由暂存区域142验证和记录。在一些实施例中，将对应于(例如，如由RFID读取器检测到的)材料122离开暂存区域142的时间的取出时间作为暂存信息1425的部分记录在数据库152中。在一些实施例中，在离开暂存区域142后，材料122的内容被验证以确保材料122匹配请求，例如具有在请求中指定的相同物品标识符、批量标识符以及批次标识符。
为了确保制造工具144接收正确的材料122，材料122的批次标识符可被取出且将被与请求进行比较。在一些实施例中，材料122在离开暂存区域142之前及/或在安装到制造工具144中之前被验证正确性。对于光刻胶，适应时间可进一步被验证以确保材料122已在暂存区域142中花费足够时间以达到适应温度，例如室温，如上文所描述。这避免由于(例如，在实现适应之前)在过低温度下使用材料122而可能发生的对制造工具144的损坏或对良率的负面影响。
将从暂存区域142取出的材料122被安装在制造工具144中，对应于图2B中所示出的工艺501的操作500。在一些实施例中，制造工具144包含例如材料安装口148处或附近的RFID读取器。RFID读取器可读含有材料122的载体121上的标签，且可记录对应于材料122安装在材料安装口148中的时间的加载时戳。加载时戳可为工具加载信息1485(参见图1B)的一部分，所述工具加载信息1485可周期性地或非周期性地/异步地记录在数据库152中。举例来说，在RFID读取器识别材料122的几秒内，可通过制造工具144将加载时戳记录到数据库152。在一些实施例中，操作者可制作表示材料122安装在材料安装口148中的数据项。在一些实施例中，材料安装口148的门可包含访问传感器，例如磁性接触传感器，且门的任何打开及/或关闭都可记录在数据库152中。在一些实施例中，材料安装口148的壳体可包含例如红外传感器的接近度传感器，及/或重量传感器。在一些实施例中，对将材料122安装到材料安装口148的跟踪可包含通过RFID读取器读取标签、通过访问传感器检测门的打开、通过接近度传感器检测材料122的接近度、通过访问传感器检测门的关闭及/或由操作者接收数据项。在一些实施例中，可将与对安装的跟踪相关联的数据记录到数据库152。
在制造工具144中，对应于材料122的工具信息1445(参见图1B)可被记录在数据库152中，对应于图2B中所示出的工艺501的操作510。在一些实施例中，工具信息1445包含使用时间，其可包含表示材料122存在于制造工具144中的时间的以时、分以及秒计的时间值。在一些实施例中，使用时间表示材料122在制造工具144中使用的时间，例如材料122由制造工具144消耗的时间，而不包含材料122未由制造工具144消耗的时间，例如当制造工具144空闲时或当未发生材料122从载体121到处理腔室1400的传送时(例如，材料122从载体121的流出大体上为零)。在一些实施例中，工具信息1445进一步包含制造工具144的环境数据，例如温度、压力、湿度、光、工艺参数或其它合适的环境数据。环境数据可在连续基础上周期性地及/或非周期性地记录到数据库152，对应于图2B中所示出的工艺501的操作520。
材料122在制造工具144中的使用的一个考虑因素对应于材料122的到期状态。通过跟踪材料122从材料供应商120到仓库130以及从仓库130到制造厂140的环境、质量以及安全性数据，可实现对材料122的到期状态的极准确预报(其可对应于图2A的操作430及/或图2B的操作520)，使得即使当材料122在制造工具144中时也实时监测材料122的到期状态。在一些实施例中，当材料122到期时，材料122的供应(例如，从载体121到处理腔室1400的流出)可被切断，即使在材料122处于制造工具144中时发生到期也是这样。含有材料122的载体121可在不为清空(例如，材料122中的一些仍在载体121中)时从制造工具144被移除，其可对应于图2B的操作530，且可从例如暂存区域142请求尚未到期的新材料。在一些实施例中，可通过使用数据库152结合例如按批次的先进先出(first-in-first-out；FIFO)分配来智能地管理从暂存区域142取出材料122，这可降低过期风险。
在一些实施例中，FIFO分配是基于含有材料122的许多不同载体的到期状态的预报，使得在取出具有更长到期的其它载体之前取出基于预报含有最接近到期的材料122的载体121且将其传送到制造工具144。在一些实施例中，FIFO分配考虑生产计划。举例来说，如果含有相同材料122且具有类似所预报到期的两个载体都适应(准备就绪)且存在于暂存区域142处，且两个载体中的第一个具有比两个载体中的第二个较低的剩余材料122，如果生产计划指示将消耗相对低的所预报材料体积，那么具有较低体积的材料122的第一载体可在第二载体之前/代替第二载体被取出，即使第一载波的所预报到期稍微晚于第二载体的所预报到期也是这样。
系统100绘示为具有材料供应商120、仓库130、IC制造厂140或数据中心150作为单独组件或实体。然而，应理解，材料供应商120、仓库130、IC制造厂140或数据中心150中的一个或多个为同一组件或实体的部分。
图3A到图3C为示出根据各种实施例的对应于材料122的各种参数的预报的视图。可由微控制器单元(microcontroller unit：MCU)使用存储在数据库152中的信息进行数个预报。在一些实施例中，预报包含材料122的质量参数(例如，到期)及/或安全性参数(例如，泄漏)、材料122的消耗、材料122从仓库130及/或暂存区域142传送的次序、材料122从材料供应商120的采购、材料122的库存的控制/管理，及/或其它合适的预报。
图3A为根据一个实施例的系统3224的框图，所述系统3224可为用于进行图2A的操作420或图2B的操作520的控制系统。控制系统3224利用机器学习来预报对应于材料122的参数。
在一个实施例中，控制系统3224包含分析模型3302和训练模块3304。训练模块3304用机器学习过程来训练分析模型3302。在一些实施例中，机器学习过程训练分析模型3302根据质量及/或安全性参数选择含有材料122的载体121。虽然训练模块3304绘示为与分析模型3302分离，但实际上，训练模块3304可为分析模型3302的部分。
控制系统3224包含或存储训练集合数据3306。训练集合数据3306包含历史安全性数据3308、历史环境条件数据3310以及历史工艺结果数据3318。历史安全性数据3308包含与材料122的安全性相关的数据。历史环境条件数据3310包含与其中已存在材料122的环境相关的数据。历史工艺结果数据3318包含与在其中已存在材料122的制造工艺之后的晶片质量相关的数据。如下文将更详细地阐述，训练模块3304利用历史安全性数据3308、历史环境条件数据3310以及历史工艺结果数据3318用机器学习过程训练分析模型3302。
在一个实施例中，历史安全性数据3308包含与安全性参数相关的数据，例如位置、方位、化学控制条带、访问权限、配方管理系统、跌落事件、泄漏事件、排出/净化事件或其它合适的安全性数据。举例来说，上述安全性参数的数千或数百万读数可在数小时或数天的过程中被产生。在每一产生之后，材料122的安全性可被计算。历史安全性数据3308包含材料122的每一载体121的安全性参数。因此，历史安全性数据3308可包含材料122的大量载体的安全性数据。在一些实施例中，安全性数据在逐一运行基础或逐一批次基础上被产生。
在一个实施例中，历史环境条件数据3310包含在材料122的传送及/或存储期间的各种环境条件或参数。因此，对于具有历史安全性数据3308中的数据的材料122的每一载体121，历史环境条件数据3310可包含在材料122的传送及/或存储期间存在的环境条件或参数。举例来说，历史环境条件数据3310可包含与温度、pH、湿度、光、适应时间、振动、ESD、清洁度、生产计划及/或其它合适的环境条件参数相关的数据。
在一个实施例中，历史工艺结果数据3318包含直接或间接从材料122在半导体制造工艺中的使用产生的各种晶片质量参数。举例来说，材料122可用于光刻胶涂布工艺、平坦化工艺、清洁工艺、沉积工艺或其它合适的制造工艺。在一些实施例中，历史工艺结果数据3318可包含在光刻胶涂布工艺之后测量刻蚀轮廓。其它测量可包含层厚度、层均匀性、粗糙度、清洁度或其它合适的测量。在一些实施例中，测量包含电测试、晶片接受测试、光学测试或其它合适的测试的结果，其可包含合格/不合格测量、可靠性测量、数据保持测量或类似物。在一些实施例中，历史工艺结果数据3318与多个先前处理的半导体晶片相关。在一些实施例中，历史工艺结果数据3318与个别半导体晶片、半导体晶片的个别运行及/或半导体晶片的个别批次相关。
在一个实施例中，训练集合数据3306将历史安全性数据3308及/或历史环境条件数据3310与历史工艺结果数据3318链接。换句话说，历史安全性数据3308中的安全性参数及/或环境条件数据3310中的环境参数(例如，通过标记)链接到历史工艺结果数据3318中的测量值。如下文将更详细地阐述，所标记的训练集合数据可在机器学习过程中利用以训练分析模型3302产生先前所提到的各种预报。
在一个实施例中，控制系统3324包含处理资源3312、存储器资源3314以及通信资源3316。处理资源3312可包含一个或多个控制器或处理器。处理资源3312配置成执行软件指令、工艺数据、作出薄膜刻蚀控制决策、进行信号处理、从存储器读取数据、将数据写入到存储器以及进行其它处理操作。处理资源3312可包含物理处理资源3312及/或虚拟处理资源3312。处理资源3312可包含基于云的处理资源，包含经由一个或多个云计算平台存取的处理器和服务器。
在一个实施例中，存储器资源3314可包含一个或多个计算机可读存储器。存储器资源3314配置成存储与控制系统和其组件(包含但不限于分析模型3302)的功能相关联的软件指令。存储器资源3314可存储与控制系统3224和其组件的功能相关联的数据。数据可包含训练集合数据3306、当前工艺条件数据以及与控制系统3224或其组件中的任一个的操作相关联的任何其它数据。存储器资源3314可包含物理存储器资源及/或虚拟存储器资源。存储器资源3314可包含经由一个或多个云端计算平台存取的基于云的存储器资源。在一些实施例中，存储器资源3314包含数据库152。
在一个实施例中，通信资源3316可包含有线和无线通信资源，其可促进经由例如有线网络、无线网络、因特网或企业内部网的一个或多个网络的通信。通信资源3316可使得控制系统3224的组件能够彼此通信。
图3B为示出根据一个实施例的图3A的分析模型3302的操作性方面和训练方面的框图。如先前所描述，训练集合数据3306包含与多个先前所处理的半导体晶片相关的数据。用特定环境条件处理每一先前所处理的半导体晶片，且产生特定处理结果。将每一先前所处理的半导体晶片的材料122提供商、到期、温度、光、适应、湿度、使用时间、传送时间及/或其它合适的参数格式化成相应材料条件矩阵3352。材料条件矩阵3352包含多个数据向量3354。每一数据向量3354对应于特定参数。
图3B的实例示出将在训练过程期间传递到分析模型3302的单个材料条件矩阵3352。在图3B的实例中，材料条件矩阵3352包含九个数据向量3354，每一数据向量对应于材料122的环境或安全性参数。对于未以数字天然表示的条件类型，例如材料3354C，数字可被分配给每一可能的材料。
分析模型3302包含多个神经层3356a到神经层3356e。每一神经层包含多个节点3358。每一节点3358还可称为神经元。来自第一神经层3356a的每一节点3358从反射器条件矩阵3352接收每一数据字段的数据值。因此，在图3B的实例中，来自第一神经层3356a的每一节点3358接收36个数据值，因为反射器条件矩阵3352具有36个数据标量(9*4＝36)。每一神经元3358包含在图3B中标记为F(x)的相应内部数学函数。通过将内部数学函数F(x)应用于来自反射器条件矩阵3352的数据字段3354的数据值，第一神经层3356a的每一节点3358产生标量值。下文提供关于内部数学函数F(x)的另外细节。
第二神经层3356b的每一节点3358接收由第一神经层3356a的每一节点3358产生的标量值。因此，在图3B的实例中，第二神经层3356b的每一节点接收四个标量值，因为第一神经层3356a中存在四个节点3358。通过将相应内部数学函数F(x)应用于来自第一神经层3356a的标量值，第二神经层3356b的每一节点3358产生标量值。
第三神经层3356c的每一节点3358接收由第二神经层3356b的每一节点3358产生的标量值。因此，在图3B的实例中，第三神经层3356c的每一节点接收五个标量值，因为第二神经层3356b中存在五个节点3358。通过将相应内部数学函数F(x)应用于来自第二神经层3356b的节点3358的标量值，第三神经层3356c的每一节点3358产生标量值。
神经层3356d的每一节点3358接收由前一神经层(未绘示)的每一节点3358产生的标量值。通过将相应内部数学函数F(x)应用于来自第二神经层3356b的节点3358的标量值，神经层3356d的每一节点3358产生标量值。
最终神经层仅包含单个节点3358。最终神经层接收由前一神经层3356d的每一节点3358产生的标量值。通过将数学函数F(x)应用于从神经层3356d的节点3358接收到的标量值，最终神经层3356e的节点3358产生数据值3368。
在图3B的实例中，数据值3368对应于由对应于材料条件矩阵3352中所包含的值的数据产生的材料122的载体121的已预测的到期。在其它实施例中，最终神经层3356e可产生各自对应于特定材料特性(例如材料122的质量、安全性或其它特性)的多个数据值。在一些实施例中，最终神经层3356e可产生对应于上文所描述的各种预报的数据值。最终神经层3356e将包含用于待产生的每一输出数据值的相应节点3358。在已预测的到期的情况下，在一个实例中，工程师可提供指定已预测的到期3368处于所选范围内(例如大于1小时)的约束。分析模型3302将调整内部函数F(x)以确保对应于已预测的到期的数据值3368将处于指定范围内。
在机器学习过程期间，分析模型比较数据值3368中的已预测的到期与如由数据值3370所指示的材料122的实际到期。如先前所阐述，训练集合数据3306对于历史环境条件数据的每一集合包含指示由制造工艺产生的半导体晶片的特性的历史工艺结果数据。因此，数据字段3370包含由在材料条件矩阵3352中反映的制造工艺产生的材料122的实际到期。分析模型3302比较来自数据值3368的已预测的到期与来自数据值3370的实际到期。分析模型3302产生指示来自数据值3368的已预测的到期与来自数据值3370的实际到期之间的误差或差的误差值3372。利用误差值3372训练分析模型3302。
通过论述内部数学函数F(x)可更充分理解分析模型3302的训练。虽然所有节点3358都用内部数学函数F(x)标记，但每一节点的数学函数F(x)是唯一的。在一个实例中，每一内部数学函数具有以下形式：
F(x)＝x1*w1+x2*w2+…xn*w1+b。
在以上公式中，每一值x1到值xn对应于从前一神经层中的节点3358接收到的数据值，或在第一神经层3356a的情况下，每一值x1到值xn对应于来自反射器条件矩阵3352的数据字段3354的相应数据值。因此，对于给定节点，n等于前一神经层中的节点的数目。值w1到值wn为与来自前一层的对应节点相关联的标量加权值。分析模型3302选择加权值w1到加权值wn的值。常数b为标量偏置值且还可乘以加权值。由节点3358产生的值是基于加权值w1到加权值wn。因此，每一节点3358具有n个加权值w1到加权值wn。虽然上文未绘示，但每一函数F(x)还可包含激活函数。以上公式中所阐述的总和乘以激活函数。激活函数的实例可包含修正线性单元(rectified linear unit；ReLU)函数、S形函数、双曲线张力函数或其它类型的激活函数。
在误差值3372已被计算之后，分析模型3302针对各种神经层3356a到神经层3356e的各种节点3358调整加权值w1到加权值wn。在分析模型3302调整加权值w1到加权值wn之后，分析模型3302再次将反射器条件矩阵3352提供到输入神经层3356a。因为加权值对于分析模型3302的各种节点3358是不同的，所以所预测反射率3368将不同于前一迭代。分析模型3302通过比较实际反射率3370与所预测反射率3368再次产生误差值3372。
分析模型3302再次调整与各种节点3358相关联的加权值w1到加权值wn。分析模型3302再次处理材料条件矩阵3352且产生已预测的到期3368和相关联误差值3372。训练过程包含调整迭代中的加权值w1到加权值wn，直到误差值3372最小化为止。
图3B示出传递到分析模型3302的单个材料条件矩阵3352。在实践中，训练过程包含使大量材料条件矩阵3352传递通过分析模型3302、产生用于每一材料条件矩阵3352的已预测的到期3368，以及产生用于每一已预测的到期的相关联误差值3372。训练过程还可包含产生指示用于一批材料条件矩阵3352的所有已预测的到期的平均误差的聚合误差值。分析模型3302在处理每一批材料条件矩阵3352之后调整加权值w1到加权值wn。训练过程继续，直到跨所有材料条件矩阵3352的平均误差小于所选阈值容差为止。当平均误差小于所选阈值容差时，分析模型3302训练完成，且基于环境条件及/或安全性条件训练分析模型准确地预测材料122的到期。分析模型3302可接着用于预测到期且选择将使到期延长的环境及/或安全性条件。在使用经过训练的模型3302期间，表示当前材料122的当前环境条件且具有与材料条件矩阵3352类似格式的环境条件向量或矩阵被提供到经过训练的分析模型3302。经过训练的分析模型3302可接着预测将由那些环境条件产生的材料122的到期。
基于关于图3B的神经网络的分析模型3302的特定实例已被描述。然而，可在不脱离本揭露的范围的情况下利用其它类型的基于神经网络的分析模型，或除神经网络外的类型的分析模型。此外，在不脱离本揭露的范围的情况下，神经网络可具有具有不同数目的节点的不同数目的神经层。另外，基于神经网络的分析模型3302可产生先前描述的预报中的任一个，例如材料122的质量参数(例如，到期)及/或安全性参数(例如，泄漏)、材料122的消耗、材料122从仓库130及/或暂存区域142传送的次序、材料122从材料供应商120的采购、材料122的库存的控制/管理，及/或其它合适的预报。
基于上文，且参考图3C，用于基于基于神经网络的分析模型3302管理材料122的工艺3400可包含(例如，在逐运行或逐批次基础上)预报含有材料122的载体121的质量及/或安全性参数，对应于操作3410。工艺3400可进一步包含基于在操作3410中产生的预报来接受或拒绝载体121，对应于操作3420。在操作3430中，可分析载体121例如以确定含于其中的材料122是否到期。基于在操作3430中进行的分析，可更新基于神经网络的分析模型3302以改进操作3410中的对未来载体的质量/安全性参数的预报。
实施例可提供优点。用于管理例如光刻胶的材料122的方法和系统确保新鲜度、安全性以及及时履行。其提高良率且减少工具停工时间。当管理原料质量和安全性时，材料管理系统能够大体上实时响应。通过智能标签和响应系统的智能且有目的的使用，可有效地防止材料老化问题和污染。环境感测和大数据收集和预报还改进质量控制、材料跟踪、生产可靠性、数据挖掘以及智能控制，同时减少操作者失误。
根据至少一个实施例，一种方法包括：将含有材料的载体存储在存储装置中；在材料处于存储装置中时将存储装置的环境数据记录到数据库；基于环境数据产生对载体中的材料的预报；从半导体制造工具接收对材料的请求；以及基于预报将载体提供到半导体制造工具。
根据至少一个实施例，材料管理方法进一步包括：将载体的安全性数据记录到数据库。
根据至少一个实施例，材料管理方法在以下中的至少一个期间来记录安全性数据：(1)将载体从材料供应商运送到存储装置；(2)将载体存储在存储装置中；或(3)将载体从存储装置运送到半导体制造工具。
根据至少一个实施例，所述将载体从存储装置运送到半导体制造工具包括：将载体从存储装置运送到暂存区域(staging area)，以及将载体从暂存区域运送到半导体制造工具。
根据至少一个实施例，所述安全性数据包括：载体的防跌落机构、泄漏隔离、排气机构或空气净化机构中的至少一个的激活信息。
根据至少一个实施例，材料为光刻胶。存储装置的第一温度小于约0℃。
根据至少一个实施例，材料管理方法进一步包括记录材料在具有约20℃到约25℃的第二温度的暂存区域处的适应时间。
根据至少一个实施例，一种方法包括：将含有材料的载体安装到用于处理半导体晶片的制造工具；在安装载体时将制造工具的环境数据写入到数据库；基于环境数据产生对载体中的材料的预报；以及基于预报在载体中的材料耗尽之前从制造工具移除载体。
根据至少一个实施例，产生预报包括基于环境数据预测材料的到期。
根据至少一个实施例，材料管理方法进一步包括基于预报在第二载体之前从暂存区域取出载体。
根据至少一个实施例，基于载体的第一已预测的到期早于第二载体的第二已预测的到期，在第二载体之前取出载体。
根据至少一个实施例，安装载体包括将含有光刻胶的载体安装到光刻胶涂布机中。
根据至少一个实施例，材料包括光刻胶、抗反射涂层、罩面层、显影剂、移除剂、聚合物、剥离剂、浆料、清洁剂、粘合剂、包封体或热化合物。根据至少一个实施例，一种系统包括载体、存储装置、至少一个环境传感器、至少一个安全性传感器、数据库以及微控制器单元。载体配置成含有材料，且包含至少一个标签。存储装置配置成存储载体，且包含配置成读取标签的至少一个读取器。至少一个环境传感器配置成产生对应于至少存储装置的环境数据。至少一个安全性传感器配置成产生对应于至少载体或存储装置的安全性数据。数据库配置成存储环境数据和安全性数据。微控制器单元配置成基于环境数据和安全性数据来预报材料的至少一个质量参数或安全性参数。
根据至少一个实施例，存储装置包括冷冻机。
根据至少一个实施例，存储装置包括互锁。安全性传感器包括配置成产生对应于互锁的信息的互锁传感器。
根据至少一个实施例，微控制器单元配置成产生基于神经网络的分析模块。预报是基于所述基于神经网络的分析模块。
根据至少一个实施例，微控制器单元进一步配置成基于所述至少一个质量参数或安全性参数来接受或拒绝载体。
根据至少一个实施例，所述至少一个环境传感器包括温度传感器、氢电位(pH)传感器、湿度传感器、光传感器、振动传感器、静电放电(ESD)传感器、清洁度传感器、泄漏传感器、压力传感器或颗粒传感器中的至少一个。
根据至少一个实施例，存储装置包括配置成在载体具有泄漏时接收材料的排水口，以及与排水口流体连通的配置成检测泄漏的泄漏检测器。
前文概述若干实施例的特征以使本领域的技术人员可更好地理解本揭露的各方面。本领域的技术人员应了解，其可易于使用本揭露作为设计或修改用于进行本文中所介绍的实施例的相同目的及/或实现相同优点的其它工艺和结构的基础。本领域的技术人员还应认识到，这种等效构造并不脱离本揭露的精神和范围，且本领域的技术人员可在不脱离本揭露的精神和范围的情况下在本文中进行各种改变、替代以及更改。

Claims (10)

1.一种材料管理方法，包括：
将含有材料的载体存储在存储装置中；
在所述材料处于所述存储装置中时将所述存储装置的环境数据记录到数据库；
基于所述环境数据产生对所述载体中的所述材料的预报；
从半导体制造工具接收对所述材料的请求；以及
基于所述预报将所述载体提供到所述半导体制造工具。
2.根据权利要求1所述的材料管理方法，进一步包括：
将所述载体的安全性数据记录到所述数据库。
3.根据权利要求2所述的材料管理方法，其中在以下中的至少一个期间来记录所述安全性数据：
将所述载体从材料供应商运送到所述存储装置；
将所述载体存储在所述存储装置中；或
将所述载体从所述存储装置运送到所述半导体制造工具。
4.根据权利要求2所述的材料管理方法，其中所述安全性数据包括所述载体的防跌落机构、泄漏隔离、排气机构或空气净化机构中的至少一个的激活信息。
5.一种材料管理方法，包括：
将含有材料的载体安装到用于处理半导体晶片的制造工具；
在安装所述载体时将所述制造工具的环境数据写入到数据库；
基于所述环境数据产生对所述载体中的所述材料的预报；以及
基于所述预报在所述载体中的所述材料耗尽之前从所述制造工具移除所述载体。
6.根据权利要求5所述的材料管理方法，其中产生所述预报包括基于所述环境数据预测所述材料的到期。
7.一种材料管理系统，包括：
载体，配置成含有材料，且包括至少一个标签；
存储装置，配置成存储所述载体，且包括配置成读取所述标签的至少一个读取器；
至少一个环境传感器，配置成产生对应于至少所述存储装置的环境数据；
至少一个安全性传感器，配置成产生对应于至少所述载体或所述存储装置的安全性数据；
数据库，配置成存储所述环境数据和所述安全性数据；以及
微控制器单元，配置成基于所述环境数据和所述安全性数据来预报所述材料的至少一个质量参数或安全性参数。
8.根据权利要求7所述的材料管理系统，其中所述微控制器单元配置成产生基于神经网络的分析模块，且所述预报是基于所述基于神经网络的分析模块。
9.根据权利要求8所述的材料管理系统，其中所述微控制器单元进一步配置成基于所述至少一个质量参数或安全性参数来接受或拒绝所述载体。
10.根据权利要求7所述的材料管理系统，其中所述存储装置包括配置成在所述载体具有泄漏时接收所述材料的排水口，以及与所述排水口流体连通的配置成检测所述泄漏的泄漏检测器。
CN202210031018.2A 2021-03-05 2022-01-12 材料管理方法以及材料管理系统 Pending CN114662842A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202163157066P 2021-03-05 2021-03-05
US63/157,066 2021-03-05
US17/476,420 2021-09-15
US17/476,420 US11720033B2 (en) 2021-03-05 2021-09-15 Material management method and system

Publications (1)

Publication Number Publication Date
CN114662842A true CN114662842A (zh) 2022-06-24

Family

ID=82026481

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210031018.2A Pending CN114662842A (zh) 2021-03-05 2022-01-12 材料管理方法以及材料管理系统

Country Status (3)

Country Link
US (2) US11720033B2 (zh)
CN (1) CN114662842A (zh)
TW (1) TW202236197A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019141473A1 (en) * 2018-01-22 2019-07-25 Assa Abloy Ab Storing events of a sensor device

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6901971B2 (en) * 2001-01-10 2005-06-07 Entegris, Inc. Transportable container including an internal environment monitor
JP4555698B2 (ja) * 2005-01-27 2010-10-06 日本電信電話株式会社 レジストパターン形成方法
US7289867B1 (en) * 2005-06-08 2007-10-30 Advanced Micro Devices, Inc. Automated integrated circuit device manufacturing facility using distributed control

Also Published As

Publication number Publication date
US20230341787A1 (en) 2023-10-26
US11720033B2 (en) 2023-08-08
US20220283520A1 (en) 2022-09-08
TW202236197A (zh) 2022-09-16

Similar Documents

Publication Publication Date Title
TWI794451B (zh) 結合整合式半導體處理模組的自我察知及修正異質平台及其使用方法
CN101032013B (zh) 基于有效测量量程而动态调整测量采样的方法及系统
US7945348B2 (en) Methods and systems for controlling a semiconductor fabrication process
EP0507773B1 (en) Processing systems with intelligent article tracking
US8190543B2 (en) Autonomous biologically based learning tool
US8078552B2 (en) Autonomous adaptive system and method for improving semiconductor manufacturing quality
KR20200124315A (ko) 통합형 반도체 공정 모듈을 포함하는 자기 인식 및 보정 이종 플랫폼, 및 이를 사용하기 위한 방법
TWI363258B (en) Method, system and program storage device of controlling a manufacturing system
US9002492B2 (en) Methods and apparatuses for utilizing adaptive predictive algorithms and determining when to use the adaptive predictive algorithms for virtual metrology
CN101512604B (zh) 用于管理具有信息存储元件的材料存储容器的系统和方法
US8639365B2 (en) Methods and systems for controlling a semiconductor fabrication process
US20230341787A1 (en) Material management method and system
Susto et al. Automatic control and machine learning for semiconductor manufacturing: Review and challenges
CN1996181A (zh) 半导体在制品分配管理方法及系统
US8170704B2 (en) Method and system for automatic generation of throughput models for semiconductor tools
Chen et al. Robust production capacity planning under uncertain wafer lots transfer probabilities for semiconductor automated material handling systems
CN100354776C (zh) 具有状态和模型参数估计的半导体批次控制系统
CN100476661C (zh) 区分材料优先次序以清除异常条件的方法及系统
CN118056164A (zh) 制造系统处的时间约束管理
Li et al. Data-Driven Scheduling of Semiconductor Manufacturing Systems
Chung et al. Material handling automation in production and warehouse systems
US20230315953A1 (en) Using deep reinforcement learning for time constraint management at a manufacturing system
Deenen et al. Predicting cycle time distributions with aggregate modelling of work areas in a real-world wafer fab
US20230089982A1 (en) Methods and mechanisms for coupling sensors to transfer chamber robot
CN117916871A (zh) 用于将传感器耦合至传输腔室机器人的方法和机构

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