CN116249942A - 用于检测和校正实时产品基板的增强处理和硬件架构 - Google Patents

用于检测和校正实时产品基板的增强处理和硬件架构 Download PDF

Info

Publication number
CN116249942A
CN116249942A CN202180067579.1A CN202180067579A CN116249942A CN 116249942 A CN116249942 A CN 116249942A CN 202180067579 A CN202180067579 A CN 202180067579A CN 116249942 A CN116249942 A CN 116249942A
Authority
CN
China
Prior art keywords
chamber
processing tool
drift
detection module
tool
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
CN202180067579.1A
Other languages
English (en)
Inventor
卡提克•桑瑟南姆
卡尔蒂克·萨哈
沃尔夫冈·阿德霍尔德
马丁•希尔金
斯蒂芬·莫法特
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.)
Applied Materials Inc
Original Assignee
Applied Materials Inc
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 Applied Materials Inc filed Critical Applied Materials Inc
Publication of CN116249942A publication Critical patent/CN116249942A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H01L21/67276—Production flow monitoring, e.g. for increasing throughput
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/404—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for compensation, e.g. for backlash, overshoot, tool offset, tool wear, temperature, machine construction errors, load, inertia
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45031—Manufacturing semiconductor wafers
    • 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

Abstract

本文所公开的实施方式包括一种用于半导体处理的处理工具。在实施方式中，处理工具包括腔室及与该腔室整合的多个见证传感器。在实施方式中，处理工具进一步包括漂移检测模块。在实施方式中，将来自多个见证传感器的数据提供至漂移检测模块以作为输入数据。在实施方式中，处理工具进一步包括仪表板，该仪表板用于显示来自漂移检测模块的输出数据。

Description

用于检测和校正实时产品基板的增强处理和硬件架构
相关申请的交叉引用
本申请要求于2020年10月20日提交的第17/075,321号美国非临时申请的优先权，其全部内容通过引用并入本文。
技术领域
本公开内容的实施方式涉及半导体处理领域，并且尤其涉及能够实现实时处理参数漂移检测和/或实时校正以减轻处理参数漂移的处理工具架构。
背景技术
随着半导体元件继续向更小的特征大小发展，半导体晶片处理已经变得越来越复杂。给定的处理可以包括许多不同的处理参数(即，旋钮)，这些处理参数可以是单独受控的以便在晶片上提供期望的结果。例如，期望的晶片上的结果可以是指特征轮廓、层的厚度、层的化学成分等。随着旋钮数量增加，可用于调谐及最佳化处理的理论处理空间变得非常大。
此外，一旦已经开发出最终的处理配方，在用于不同晶片的处理的多次迭代期间的腔室漂移就可能导致晶片上的结果发生变化。腔室漂移可能是腔室的可消耗部分的侵蚀、部件(例如，传感器、灯等)劣化、副产物膜沉积在表面上等的结果。因此，即使在广泛配方开发过程之后，也需要额外的调谐。
发明内容
本文公开的实施方式包括用于半导体处理的处理工具。在一个实施方式中，处理工具包括腔室及与该腔室整合的多个见证传感器(witness sensor)。在一个实施方式中，处理工具进一步包括漂移检测模块。在一个实施方式中，将来自多个见证传感器的数据提供至漂移检测模块，以作为输入数据。在一个实施方式中，处理工具进一步包括仪表板，该仪表板用于显示来自漂移检测模块的输出数据。
实施方式也可包括包含有物理工具的处理工具。在一个实施方式中，物理工具包括控制回路传感器及见证传感器。在一个实施方式中，处理工具可以进一步包括漂移检测模块。在一个实施方式中，漂移检测模块接收控制回路传感器数据及见证传感器数据，以作为输入。在一个实施方式中，漂移检测模块输出处理参数数据，该处理参数数据指示一个或多个处理参数是否已经漂移。
实施方式也可以包括包含有物理工具的处理工具。在一个实施方式中，物理工具包括腔室，以及筒(cartridge)，该筒用于使一种或多种处理气体从多个气体源流入腔室中。在一个实施方式中，物理工具进一步包括：用于多个气体源中的每一个气体源的质量流量控制器、位于气体源与筒之间的质量流量计、位于质量流量计与筒之间的第一压力计、流体耦接到腔室的第二压力计、以及耦接至腔室的排出管线。在一个实施方式中，处理工具进一步包括漂移检测模块。在一个实施方式中，漂移检测模块从质量流量控制器、质量流量计、第一压力计及第二压力计中的一者或多者接收数据，以作为输入，并且其中漂移检测模块输出处理参数数据。
附图说明
图1A是根据一个实施方式的包括漂移检测模块的处理工具的示意性方块图。
图1B是根据一个实施方式的包括漂移检测模块及校正模块的处理工具的示意性方块图。
图1C是根据一个实施方式的包括漂移检测模块、校正模块及预测模块的处理工具的示意性方块图。
图2是根据一个实施方式的处理工具的示意图，该处理工具包括用于通知漂移检测模块、校正模块及预测模块中的一者或多者的多个见证传感器。
图3是根据一个实施方式的处理工具的方块图，该处理工具使用见证传感器及混合数据模型来通知漂移检测模块、校正模块及预测模块中的一者或多者。
图4A是根据一个实施方式的呈现给处理工具的使用者的仪表板，该仪表板提供关于处理工具的一个或多个处理参数的信息。
图4B是根据一个实施方式的图4A中的处理参数中的一个处理参数的统计过程控制图表。
图5图示了根据本公开内容的一个实施方式的例示性计算机系统的方块图。
具体实施方式
本文描述了能够实现实时处理参数漂移检测和/或实时校正以减轻处理参数漂移的处理工具架构。在以下描述中，阐述了许多特定细节，以便提供对本公开内容的实施方式的透彻理解。对于本领域技术人员而言将显而易见的是，本公开内容的实施方式可以在没有这些特定细节的情况下实践。在其他情况下，为了不会不必要地模糊本公开内容的实施方式，没有详细描述众所周知的方法，诸如集成电路制造。此外，应当理解的是，附图中所示的各种实施方式是说明性的表示，并且不一定按比例绘制。
如上所述，在处理工具中的处理的多次迭代过程中的漂移是半导体制造行业中的常见问题。因此，本文所公开的实施方式包括处理工具，其包括漂移检测模块。在一个实施方式中，漂移检测模块使用机器学习和/或混合模型来检测一个或多个处理参数何时已经漂移。一旦辨识出漂移，工具操作者就可以调整一个或多个工具设置以减轻漂移。在另一个实施方式中，处理工具可以进一步包括校正模块。校正模块可以利用机器学习和/或混合模型来产生用于减轻处理漂移的控制力(control effort)。即，当漂移发生时，处理工具能够自动对自身进行校正，而不是依赖工具操作者进行校正。在又一个实施方式中，预测模块可以包括在处理工具中。预测模块可以利用机器学习和/或混合模型来在处理参数漂移发生之前预测处理参数漂移。在此类实施方式中，预测模块可以向处理工具提供控制力，以便在漂移可发生之前预防漂移。
现在参考图1A，图示了根据一个实施方式的处理工具100的示意图。在一个实施方式中，处理工具100可包括检测模块161。检测模块161用于辨识处理工具100内的漂移状况。在一个实施方式中，检测模块161可包括腔室105。腔室105可以是用于处理基板(诸如但不限于晶片)的任何腔室。例如，晶片可以具有任何合适的形状因数(例如，300mm、450mm等)。晶片可以是半导体晶片，例如硅晶片，或者III-V族半导体材料。在其他实施方式中，基板可以具有不同于标准晶片形状因数的形状因数。
腔室105可以适用于不同类型的处理操作。例如，腔室105可以是基于灯的腔室105、基于加热器的腔室105或基于等离子体的腔室105。在一个实施方式中，腔室105可以包括腔室硬件140。硬件140可以包括但不限于腔室本身、气体管线、阀、排气、灯、基座、RF源等。在一个实施方式中，硬件140也可以包括控制回路传感器。控制回路传感器可用于控制腔室内的处理条件。例如，控制回路传感器可用于设定腔室105内的期望压力。
在一个实施方式中，腔室105可以进一步包括见证传感器145。见证传感器位于控制回路之外。因此，见证传感器可用于监测控制回路传感器。当控制回路传感器漂移时，即使控制回路传感器没有指示处理条件的任何变化，也可以识别见证传感器145输出的变化，以向处理工程师警告漂移状况。
在一个实施方式中，检测模块161可以包括检测软件及算法区块120，为简单起见，称为“检测区块120”。检测区块120可以包括软件和/或算法，这些软件和/或算法利用来自见证传感器145和/或控制回路传感器的输出来确定处理工具100是否正在经历漂移。例如，来自见证传感器145和/或控制回路传感器的输出可以与处理指纹(process fingerprint)进行比较。若来自处理指纹的期望值与从见证传感器和/或控制回路传感器获得的实际值之间存在差异，则可以确定处理漂移已经发生。
在一个实施方式中，检测区块120可以使用机器学习算法和/或混合模型来产生处理指纹。混合模型可以包括统计模型及物理模型。在一个实施方式中，可以通过以下方式来产生统计模型：实施实验物理设计(physical design of experiment,DoE)并使用内插提供扩展的多维处理空间模型。在一个实施方式中，可以使用真实世界的物理学及化学关系来产生物理模型。例如，处理腔室内的各种相互作用的物理及化学方程可用于建立物理模型。统计模型及物理模型的组合允许使混合模型是一个多维模型，该多维模型能够将各种工具设置映射至预测结果(即，预测的处理参数)。用于给定工具设置集合的预测处理参数可以被认为是处理指纹，来自见证传感器145和/或控制回路传感器的输出与该过程指纹进行比较。
在一个实施方式中，检测区块120可以输出值121，这些输出值121用于检测由处理工具100实施的处理的关键处理参数的漂移。例如，输出值121可以包括处理指纹与见证传感器和/或控制回路传感器的输出之间的差异。在一个实施方式中，可以将输出值121提供至仪表板165。仪表板165可以被处理工程师快速查看以便确定漂移是否正在处理工具100中发生的使用者界面。仪表板165将在下面更详细地描述。
现在参考图1B，图示了根据额外实施方式的处理工具100的示意性方块图。处理工具100可以包括检测模块161，该检测模块类似于图1A中的检测模块161。除了检测模块161之外，提供了校正模块162。校正模块162可以包括检测模块161及校正软件及算法区块120B，简称为“校正区块120B”。校正区块120B可以在以下方面与检测区块120A类似：校正区块120B包括机器学习算法和/或混合模型。校正区块120B将来自检测区块120A的输出值121用作输入，并将控制力输出至腔室控制器122。可以通过以下方式来确定控制力：查询多维模型，以便找到减轻由检测区块120A检测到的漂移的工具设置。因此，处理工具100的漂移可以被校正，而不需要处理工程师的干预。然而，来自校正区块120B的数据也可以被馈送到仪表板165，以提供正在对处理工具100中的工具设置实施的改变的视觉指示。
现在参考图1C，图示了根据额外实施方式的处理工具100的示意图。类似于图1B所示的实施方式，处理工具100可以包括检测模块161及校正模块162。处理工具100可以进一步包括预测模块163。预测模块163可以包括持续学习系统123、预测算法120C、及自校正软件和/或算法124。
在一个实施方式中，持续学习系统123接收来自腔室105的传感器145的输入。在一个实施方式中，持续学习系统123也可以从漂移检测模块161的输出值121接收输入数据。持续学习系统123包括用于对所预测的将要发生的漂移类型进行分类的机器学习或人工智能。例如，持续学习系统123可以对所预测的漂移是否是作为泵、灯中的一者或多者的漂移状况或是腔室105的硬件140的其他变化的结果而发生进行分类。持续学习系统123随着时间推移学习腔室105如何对传感器145的读数变化做出反应。即，数据被持续地馈送到持续学习系统123中，以便开发能够预测腔室105的一个或多个系统的漂移的稳健模型。
在一个实施方式中，持续学习系统123可以提供输出数据，该输出数据被馈送到预测算法区块120C。输出数据可以包括识别哪个(或哪些)系统被预测为在处理工具中漂移的数据。在一个实施方式中，预测算法区块120C随后可以用于识别腔室105内的一个或多个处理操作到超过阈值水平要多长时间。阈值水平包括高于(或低于)设定点的值，当超过该值时，会导致处理操作超出规格。因此，除了提供时间框直到漂移超过给定阈值之外，也可以在超出给定处理规范的漂移发生之前预测该漂移。
在一个实施方式中，预测算法区块120C随后可以向自校正算法124提供输出。自校正算法124可以向腔室控制区块122提供控制信号。腔室控制区块122提供对硬件140的调整，以防止所预测的漂移。在一些实施方式中，自校正算法124可以替代地向校正区块120B提供输出，并允许校正区块120B产生发送到腔室控制区块122地必要的控制信号，以适应预测的漂移。
除了提供对基板上性能漂移的预测控制之外，预测模块163也可以提供腔室105中硬件140的预测维护。例如，硬件140可以包括泵、灯等。预测维护可用于识别何时硬件140将出现故障或硬件140的性能将降级超过给定阈值。在预测维护的情况下，持续学习系统123可以分析传感器数据及其与腔室105中的硬件140故障的关系。即，持续学习系统123能够识别传感器145数据中的与一件硬件140的故障或降级对应的模式。例如，在泵故障的情况下，传感器145中的一个或多个传感器可表现出超出典型范围的偏移，并且泵可能随后在检测到偏移之后的某一时间段内发生故障。
在持续学习系统已经被开发出用于传感器数据偏移与硬件140故障之间的关系的模型之后，预测算法区块120C可以在来自传感器145的数据中寻找所识别的偏移。当已经发现特定偏移时，预测算法区块120C可以向处理工程师提供硬件140故障将在已知时间段内发生的指示。如此，处理工程师可以启动校正维护，以在故障发生之前更换或维修预计会发生故障的硬件140。如此，由于没有基板将在具有故障硬件的腔室105中被处理，所以减少了废弃材料。
在一些实施方式中，可能不需要更换或维修来校正硬件。例如，原位腔室清洁可能足以防止一件硬件的故障或损坏。在此种情况下，自校正软件及算法124可以向腔室控件122提供控制信号以启动所需的维护。
现在参考图2，图示了根据一个实施方式的处理工具200的示意图。处理工具200图示了可以在上面参考图1A至图1C所描述的一个或多个处理工具100中利用的硬件部件。在所示实施方式中，处理工具200被描述为用于自由基氧化处理的基于灯的腔室。然而，应当理解的是，处理工具200本质上是示例性的，并且本文所公开的实施方式可以适于与其他处理工具结合使用，这些其他处理工具例如但不限于基于加热器的腔室、或基于等离子体的腔室。本领域技术人员将认识到，传感器的放置位置、传感器的数量及传感器的类型可以被修改，以便跟踪各种类型的处理工具的期望处理参数。
在一个实施方式中，处理工具200包括腔室205。腔室205可以是适于提供次大气压的腔室，基板(例如，半导体晶片)在腔室205中被处理。在一个实施方式中，腔室205可被调整尺寸以容纳单个基板或多个基板。适于在腔室205中处理的半导体基板可以包括硅基板、或任何其他半导体基板。其他基板(诸如玻璃基板)也可以在腔室205中被处理。
在一个实施方式中，气体分配网路将来自一个或多个气体源的气体(例如，气体1、气体2、气体n等)供给至筒210。在一个特定实施方式中，气体源可以包括氧气、氢气及氮气中的一者或多者。尽管在图2A中图示了三个气体源，但是应当理解的是，实施方式可以包括一个或多个气体源。筒210可以包括用于从管线211接收气体的入口及用于将气体分配到腔室210中的出口。在所图示的实施方式中，筒210被图示为从腔室210的一侧将气体供给到腔室中。然而，应当理解的是，筒210可以可选地从腔室的上方或下方将气体供给到腔室中。在一些实施方式中，筒210也可以被称为喷头，特别是在处理工具是等离子体产生工具的情况下。
在一个实施方式中，处理气体中的每种处理气体的流量可以由单独的质量流量控制器(mass flow controller,MFC)203控制。在一个实施方式中，MFC 203可以是控制回路传感器群组的一部分。MFC 203控制进入输入管线211的气体的流量。在一个实施方式中，质量流量计(mass flow meter,MFM)212设置在筒210的上游侧上。MFM 212允许测量来自源气体的实际流量。在筒210的上游侧还包括压力计213。压力计213允许测量输入管线211的压力。MFM 212及压力计213可以被认为是见证传感器，因为它们在控制回路之外。
在一个实施方式中，可以提供腔室压力计217来测量腔室205中的压力。腔室压力计217可以是控制回路传感器群组的一部分。在一个实施方式中，沿着处理工具200的排出管线215设置额外的见证传感器。额外传感器可以包括泄漏检测传感器216及额外的压力计218及219。泄漏检测传感器216可以包括自包含等离子体光发射光谱(optical emissionspectroscopy,OES)装置以测量泄漏到腔室205中的氧气。压力计218及219可以分别位于节流阀214的上游侧及下游侧。
在一个实施方式中，压力计213、217、218及219可以具有适合于在它们所位于的处理工具内的位置处提供的典型压力的操作范围。例如，压力计213可以在高于其他压力计217、218及219的压力范围的压力范围下操作。类似地，压力计218可以在高于压力计219的压力范围的压力范围下操作。在一个特定实施方式中，压力计213可在包括1,000T的范围内操作，压力计217可在包括20T的范围内操作，压力计218可在包括l00 T的范围内操作，并且压力计219可在包括10T的范围内操作。
在一个实施方式中，见证传感器(例如，212、213、216、218、及219)可以用于提供腔室漂移的监测。例如，在处理工具200的使用期间，控制回路传感器(例如，203及217)可能变得失准。如此，控制回路传感器203、217的读数可保持恒定，而晶片上的结果(例如，膜的沉积速率)发生改变。在此种情况下，见证传感器的输出将发生改变以指示该腔室已经漂移。
在另一实施方式中，可以利用见证传感器来实施腔室205中的虚拟传感器。虚拟传感器可指提供计算产生的输出的传感器，而与物理值的直接读数(如在物理传感器的情况下)不同。因此，虚拟传感器对于确定处理工具200内难以或不可能用已知物理传感器测量的状态是强大的。
在一个实施方式中，虚拟传感器可用于确定处理气体在筒210的出口处的流率。计算筒210处的流率是有价值的度量，其可用于控制晶片上的膜的沉积速率和/或沉积均匀性。在一个特定实施方式中，可以使用具有变量的伯努利方程来计算筒210处的流率，这些变量通过使用MFM 212、压力计213、压力计217的输出、及筒210的已知几何形状来提供。尽管提供了筒处的流率的示例，但是应当理解的是，可以使用虚拟传感器计算来确定处理工具200内的其他未知量。例如，可以使用虚拟传感器实施来确定未知量，诸如但不限于腔室中不同位置处的气体成分、晶片上的沉积速率、晶片上的压力、以及晶片上的膜成分。
在一个实施方式中，一个或多个温度传感器207设置在腔室205中。例如，温度传感器207可以是热电偶或类似物。在一个实施方式中，温度传感器207可以设置在腔室的反射器板(未图示)上。在一些实施方式中，温度传感器207可以被认为是见证传感器。即，温度传感器207可以在控制回路之外。
温度传感器207可以提供额外的已知变量以使得能实现更广泛的虚拟传感器实施。在一个实施方式中，温度传感器207也可用于确定腔室205中何时已达到稳定状态。当使处理工具200从冷状态上升，诸如在维护事件之后使处理工具200匀变上升时，此举是尤其有益的。例如，与一个或多个压力计213、217、218及219组合的温度传感器207的输出以及节流阀214的角度可以被监测，并且当各种感测器达到稳定状态时，腔室可以准备好使用。在一个实施方式中，监测腔室何时达到稳定状态是有用的，因为它消除了通常由于处理工具中的第一晶片效应而经历的晶片报废或返工。
现在参考图3，图示了根据实施方式的处理工具300的示意图。如图所示，算法伺服器320可以与处理工具300整合。例如，如箭头所指示，算法伺服器320可以通过网路连接通信地耦合至前端服务器360。然而，在其他实施方式中，算法服务器320可以在处理工具300的外部。例如，算法服务器320可以经由外部网路或类似者通信地耦合至处理工具300。
在一个实施方式中，算法服务器320可以包括检测区块161、校正区块162及预测区块163中的一者或多者。即，算法服务器320可以包括用于检测、校正和/或预测处理工具300的漂移的机器学习和/或混合模型。在所示实施方式中，算法服务器320被图示为托管混合模型。混合模型可以包括物理模型327及统计模型325。统计模型325及物理模型327可以通信地耦合至数据库330，数据库330用于储存被用于构建和/或更新统计模型325及物理模型327的输入数据(例如，传感器数据、模型数据、计量数据等)。在一个实施方式中，统计模型325可以通过实施物理DoE并使用内插提供扩展的过程空间模型来产生。在一个实施方式中，可以使用真实世界的物理学及化学关系来产生物理模型327。例如，处理腔室内的各种相互作用的物理及化学方程可用于建立物理模型。
在一个实施方式中，处理工具300可以包括前端服务器360、工具控制服务器350、及工具硬件340。前端服务器360可以包括用于算法服务器320的仪表板365。仪表板365为处理工程师提供界面以利用数据模型化，以便执行各种操作，诸如漂移监测、漂移校正及漂移预测。
工具控制服务器350可以包括智能监测及控制区块355。智能监测及控制区块355可以包括用于提供处理工具300的诊断及其他监测的模块。模块可包括但不限于健康检查、传感器漂移、故障恢复及泄漏检测。智能监测及控制区块355可以从工具硬件中实施的各种传感器接收数据以作为输入。传感器可以包括通常存在于半导体制造工具300中以允许操作工具300的标准传感器347。例如，传感器347可以包括控制回路传感器，诸如上面描述的那些。传感器也可以包括添加到工具300中的见证传感器345。见证传感器345提供构建高度详细的数据模型所必需的额外信息。例如，见证传感器可以包括物理传感器和/或虚拟传感器。如上所述，虚拟传感器可以利用从两个或更多个物理传感器获得的数据，并使用计算来提供不能单独从物理传感器获得的额外传感器数据。在一个特定示例中，虚拟传感器可以利用上游压力传感器及下游压力传感器，以便计算通过处理工具的一部分(诸如气体筒)的流率。通常，见证传感器可以包括任何类型的传感器，诸如但不限于压力传感器、温度传感器及气体浓度传感器。在一个实施方式中，智能监测及控制区块355可以提供被算法服务器320使用的数据。在其他实施方式中，来自各种见证传感器345的输出数据可以直接提供给算法服务器320。
现在参考图4A，图示了根据一个实施方式的仪表板465的示意图。如图所示，仪表板465可以包括处理工具的多个不同参数4671-n，这些参数可以用检测区块、校正区块及预测区块中的一者或多者来监测。显示在仪表板465上的参数467可以是正被监测的处理操作的关键参数。例如，在基于灯的腔室中，关键参数467可以包括气体流率、压力、温度、沉积特征、腔室壁上的涂覆量及泄漏检测中的一者或多者。在基于加热器的腔室的情况下，关键参数467可以包括压力、温度、沉积特征、腔室壁上的涂覆量及自由基密度中的一者或多者。在基于等离子体的腔室的情况下，关键参数467可以包括气体流率、压力、等离子体密度、泄漏检测、温度、RF参数以及腔室壁上的涂覆量。
在一个实施方式中，参数467可以提供视觉状态指示器。例如，可以显示绿点、黄点或红点，以提供对给定参数状态的一般指示。即，绿点可以指示处理正在无漂移地操作，黄点可以指示过程正在移动远离期望的操作范围，并且红点可以指示过程已经漂移超过预定范围。然而，应当理解的是，可以使用任何视觉机制(具有任何期望的分辨率)来提供漂移的简单指示。
仪表板465也可以提供关于给定参数467的额外信息。例如，处理工程师可以点击参数467中的一个参数来调出额外信息。例如，图4B是给定参数467的统计过程控制(statistical process control,SPC)图表468的图示。SPC图表468上的每个点可以是已经由处理工具处理的晶片或基板的表示。在一个实施方式中，图示了最近处理的晶片(例如，过去的100个晶片)。然而，应当理解的是，显示在SPC图表468中的历史可以包括任何数量的晶片。与现有方法相比，跟踪晶片中的每个晶片的能力提供了改进的漂移监测。例如，现有方法依赖物理计量来填充SPC图表。此需要额外的资源及时间，并且通常不能对每个晶片或基板实施。
SPC图表468可用于可视地指示过程何时开始漂移。如图4B所示，这些点呈上升趋势。此可能表明该处理参数正在发生漂移，并且随后处理的晶片有超出规格的危险。同样，若这些点呈下降趋势，则也可能正在发生漂移。在一些实施方式中，可以点击SPC图表上的单独点，以提供单独基板的进一步细节。例如，在一些实施方式中，可以提供给定基板或晶片上的一致性数据的图表。
图5以计算机系统500的示例性形式图示了机器的图形表示，在该计算机系统中可以执行用于使机器执行本文所述的方法中的任一种或多种的一组指令。在替代实施方式中，机器可以连接(例如，联网)到局域网(Local Area Network,LAN)、内联网、外联网或互联网中的其他机器。该机器可以在用户端-服务器网路环境中以的服务器或用户端机器的身份操作，或者在同级间(或分布式)网路环境中作为同级机器操作。该机器可以是个人计算机(personal computer,PC)、平板PC、机顶盒(set-top box,STB)、个人数字助理(Personal Digital Assistant,PDA)、蜂窝电话、网络设备、服务器、网络路由器、交换机或网桥，或者能够执行指定要由该机器采取的动作的一组指令(顺序的或以其他方式)的任何机器。此外，尽管仅图示了单个机器，但是术语“机器”也应当被理解为包括单独或联合执行一组(或多组)指令以执行本文所述的方法中的任一种或多种的机器(例如，计算机)的任何集合。
例示性计算机系统500包括处理器502、主存储器504(例如，只读存储器(read-only memory,ROM)、闪存存储器、动态随机存取存储器(dynamic random access memory,DRAM，诸如同步DRAM(synchronous DRAM,SDRAM)或Rambus DRAM(RDRAM))等)、静态存储器506(例如，闪存存储器、静态随机存取存储器(static random access memory,SRAM)、MRAM等)、及辅助存储器518(例如，数据储存装置)，它们经由总线530彼此通信。
处理器502代表一个或多个通用处理装置，诸如微处理器、中央处理单元等。更特别地，处理器502可以是复杂指令集计算(complex instruction set computing,CISC)微处理器、精简指令集计算(reduced instruction set computing,RISC)微处理器、超长指令字(very long instruction word,VLIW)微处理器、实施其他指令集的处理器、或实施指令集的组合的处理器。处理器502也可以是一个或多个专用处理装置，诸如专用集成电路(application specific integrated circuit,ASIC)、现场可编程门阵列(fieldprogrammable gate array,FPGA)、数字信号处理器(digital signal processor,DSP)、网络处理器等。处理器502被配置为执行处理逻辑526以执行本文所述的操作。
计算机系统500也可以包括网络接口装置508。计算机系统500也可以包括视频显示单元510(例如，液晶显示器(liquid crystal display,LCD)、发光二极管显示器(lightemitting diode display,LED)或阴极射线管(cathode ray tube,CRT))、字母数字输入装置512(例如，键盘)、光标控制装置514(例如，鼠标)及信号产生装置516(例如，扬声器)。
辅助存储器518可包括机器可访问储存介质(或者更特别地，计算机可读取储存介质)532，该介质上存储了体现本文所述的方法或功能中的任一种或多种的一组或多组指令(例如，软件522)。在由计算机系统500执行期间，软件522也可以完全或至少部分地驻留在主存储器504和/或处理器502内，主存储器504及处理器502也构成机器可读取储存介质。软件522也可以经由网络接口装置508在网络520上发送或接收。
尽管机器可访问储存介质532在示例性实施方式中被图示为单个介质，但是术语“机器可读取储存介质”应该被理解为包括储存一组或多组指令的单个介质或多个介质(例如，集中式或分布式数据库，和/或相关联的高速缓存及服务器)。术语“机器可读取储存介质”也应被理解为包括能够储存或编码一组指令的任何介质，该一组指令用于供机器执行并使机器执行本公开内容的方法中的任一种或多种。因此，术语“机器可读取储存介质”应被理解为包括但不限于固态存储器以及光学及磁性介质。
根据本公开内容的实施方式，机器可访问储存介质具有储存在其上的指令，这些指令使得数据处理系统执行在处理工具中监测漂移、校正漂移和/或预测漂移的方法。
因此，已经公开了用于在处理工具中监测漂移、校正漂移和/或预测漂移的方法及设备。

Claims (20)

1.一种处理工具，包括：
腔室；
多个见证传感器，所述多个见证传感器与所述腔室整合；
漂移检测模块，其中来自所述多个见证传感器的数据被提供给所述漂移检测模块以作为输入数据；以及
仪表板，所述仪表板用于显示来自所述漂移检测模块的输出数据。
2.根据权利要求1所述的处理工具，其中所述漂移检测模块利用机器学习算法来处理来自所述多个见证传感器的所述输入数据。
3.根据权利要求1所述的处理工具，其中所述漂移检测监视器利用混合模型来处理来自所述多个见证传感器的所述输入数据。
4.根据权利要求3所述的处理工具，其中所述混合模型包括物理模型及统计模型。
5.根据权利要求1所述的处理工具，其中来自所述漂移检测模块的所述输出数据包括统计过程控制(SPC)图表。
6.根据权利要求1所述的处理工具，进一步包括：
处理校正模块。
7.根据权利要求6所述的处理工具，其中所述处理校正模块包括：
校正算法，其中来自所述漂移检测模块的所述输出数据被馈送到所述校正算法中以作为输入，并且其中来自所述校正算法的输出是控制力；以及
腔室控制界面，其中所述控制力促使所述腔室控制界面改变所述处理工具的一个或多个工具设置。
8.根据权利要求7所述的处理工具，进一步包括：
处理预测模块。
9.根据权利要求8所述的处理工具，其中所述处理预测模块包括：
持续学习系统；
预测算法；以及
自校正模块。
10.根据权利要求1所述的处理工具，其中所述腔室是基于灯的腔室。
11.根据权利要求10所述的处理工具，其中来自所述漂移检测模块的所述输出数据包括一个或多个处理参数，其中所述一个或多个处理参数包括气体流率、压力、温度、沉积特征、腔室壁上的涂覆量、及泄漏检测中的一者或多者。
12.根据权利要求1所述的处理工具，其中所述腔室是基于加热器的腔室。
13.根据权利要求12所述的处理工具，其中来自所述漂移检测模块的所述输出数据包括一个或多个处理参数，其中所述一个或多个处理参数包括压力、温度、沉积特征、腔室壁上的涂覆量、及自由基密度中的一者或多者。
14.根据权利要求1所述的处理工具，其中所述腔室是基于等离子体的腔室。
15.根据权利要求14所述的处理工具，其中来自所述漂移检测模块的所述输出包括一个或多个处理参数，其中所述一个或多个处理参数包括气体流率、压力、等离子体密度、泄漏检测、温度、RF参数、及腔室壁上的涂覆量中的一者或多者。
16.一种处理工具，包括：
物理工具，其中所述物理工具包括：
控制回路传感器；以及
见证传感器；
漂移检测模块，其中所述漂移检测模块接收控制回路传感器数据及见证传感器数据以作为输入，并且其中所述漂移检测模块输出指示一个或多个处理参数是否已经漂移的处理参数数据。
17.根据权利要求16所述的处理工具，进一步包括：
处理校正模块，其中所述处理校正模块接收所述处理参数数据以作为输入，并输出控制力以改变所述物理工具的工具设置中的一个或多个工具设置。
18.根据权利要求17所述的处理工具，进一步包括：
漂移预测模块，其中所述漂移预测模块接收控制回路传感器数据及见证传感器数据以作为输入，并且其中所述漂移预测模块输出指示所述物理工具何时将在阈值之外操作的预测数据。
19.一种处理工具，包括：
物理工具，包括：
腔室；
筒，所述筒用于使一种或多种处理气体从多个气体源流入所述腔室；
质量流量控制器，所述质量流量控制器用于所述多个气体源中的每个气体源；
质量流量计，所述质量流量计在所述气体源与所述筒之间；
第一压力计，所述第一压力计在所述质量流量计与所述筒之间；
第二压力计，所述第二压力计流体耦接至所述腔室；以及
排出管线，所述排出管线耦接至所述腔室；
漂移检测模块，其中所述漂移检测模块从所述质量流量控制器、所述质量流量计、所述第一压力计及所述第二压力计中的一者或多者接收数据以作为输入，并且其中所述漂移检测模块输出处理参数数据。
20.根据权利要求19所述的处理工具，其中所述漂移检测模块包括混合模型及机器学习模块中的一者或两者，所述混合模型包括物理模型及统计模型。
CN202180067579.1A 2020-10-20 2021-09-29 用于检测和校正实时产品基板的增强处理和硬件架构 Pending CN116249942A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/075,321 US11735447B2 (en) 2020-10-20 2020-10-20 Enhanced process and hardware architecture to detect and correct realtime product substrates
US17/075,321 2020-10-20
PCT/US2021/052708 WO2022086685A1 (en) 2020-10-20 2021-09-29 Enhanced process and hardware architecture to detect and correct realtime product substrates

Publications (1)

Publication Number Publication Date
CN116249942A true CN116249942A (zh) 2023-06-09

Family

ID=81185479

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180067579.1A Pending CN116249942A (zh) 2020-10-20 2021-09-29 用于检测和校正实时产品基板的增强处理和硬件架构

Country Status (6)

Country Link
US (1) US11735447B2 (zh)
EP (1) EP4233095A1 (zh)
JP (1) JP2023546905A (zh)
KR (1) KR20230085935A (zh)
CN (1) CN116249942A (zh)
WO (1) WO2022086685A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240035896A1 (en) * 2022-07-28 2024-02-01 Applied Materials, Inc. Radical sensor substrate

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5910011A (en) 1997-05-12 1999-06-08 Applied Materials, Inc. Method and apparatus for monitoring processes using multiple parameters of a semiconductor wafer processing system
JP2003045846A (ja) 2001-08-01 2003-02-14 Tokyo Electron Ltd 半導体製造装置の監視方法及びその制御方法
KR100446926B1 (ko) 2001-09-05 2004-09-08 가부시끼가이샤 히다치 세이사꾸쇼 반도체제조장치의 감시 및 제어방법과 그 실시장치
US7062411B2 (en) * 2003-06-11 2006-06-13 Scientific Systems Research Limited Method for process control of semiconductor manufacturing equipment
US6993404B2 (en) * 2003-07-11 2006-01-31 Mks Instruments, Inc. Graphical user interface with process quality indicator
US20050204824A1 (en) * 2004-03-22 2005-09-22 Goodman Daniel A Device and system for pressure sensing and control
KR100745372B1 (ko) * 2006-02-06 2007-08-02 삼성전자주식회사 반도체 제조설비의 개스플로우량 감시장치 및 그 방법
DE102011104489A1 (de) * 2011-06-17 2012-12-20 Pndetector Gmbh Halbleiterdriftdetektor und entsprechendes Betriebsverfahren
KR102007514B1 (ko) * 2015-08-24 2019-08-05 어플라이드 머티어리얼스, 인코포레이티드 진공 스퍼터 증착을 위한 장치 및 이를 위한 방법
EP3459022A4 (en) * 2016-05-16 2020-02-19 Purepredictive, Inc. PREDICTIVE DRIFT DETECTION AND CORRECTION
US9972478B2 (en) 2016-09-16 2018-05-15 Lam Research Corporation Method and process of implementing machine learning in complex multivariate wafer processing equipment

Also Published As

Publication number Publication date
TW202217483A (zh) 2022-05-01
JP2023546905A (ja) 2023-11-08
EP4233095A1 (en) 2023-08-30
US20220122865A1 (en) 2022-04-21
US11735447B2 (en) 2023-08-22
WO2022086685A1 (en) 2022-04-28
KR20230085935A (ko) 2023-06-14

Similar Documents

Publication Publication Date Title
KR101018545B1 (ko) 적응형 다변수 결함 검출
US10262840B2 (en) Plasma processing apparatus
US20180217566A1 (en) Methods and apparatuses for utilizing adaptive predictive algorithms and determining when to use the adaptive predictive algorithms for virtual metrology
KR101224705B1 (ko) 제조장비에서 결함 검출방법
US6778873B1 (en) Identifying a cause of a fault based on a process controller output
US20100076729A1 (en) Self-diagnostic semiconductor equipment
US11126172B2 (en) Methods and systems for applying run-to-run control and virtual metrology to reduce equipment recovery time
US11947888B2 (en) Semiconductor processing tools with improved performance by use of hybrid learning models
US11378426B2 (en) System and method for monitoring sensor linearity as part of a production process
US10622219B2 (en) Methods and systems for chamber matching and monitoring
CN116249942A (zh) 用于检测和校正实时产品基板的增强处理和硬件架构
US20180120822A1 (en) Substrate processing apparatus and non-transitory computer-readable recording medium
JP2006157029A (ja) 半導体装置の製造システム
TWI836282B (zh) 用以偵測和校正實時產品基板的強化處理和硬體架構
JP7270489B2 (ja) 性能算出方法および処理装置
CN116018672A (zh) 用于使用多个特殊传感器和算法的半导体处理配备的抗脆弱系统
US7337091B1 (en) Method and apparatus for coordinating fault detection settings and process control changes
US20230147976A1 (en) Coded substrate material identifier communication tool
TW202338537A (zh) 用於使用物理為基模型的基板製造腔室的診斷方法
Salnikov et al. Review of the application of virtual metrology approach in semiconductor manufacturing
JP2013138060A (ja) 半導体装置の解析装置、半導体装置の解析方法、プログラム及び生産システム

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