CN117059506A - 利用动态采样以供测量的ic制造流程 - Google Patents
利用动态采样以供测量的ic制造流程 Download PDFInfo
- Publication number
- CN117059506A CN117059506A CN202310532066.4A CN202310532066A CN117059506A CN 117059506 A CN117059506 A CN 117059506A CN 202310532066 A CN202310532066 A CN 202310532066A CN 117059506 A CN117059506 A CN 117059506A
- Authority
- CN
- China
- Prior art keywords
- measurement
- process step
- target process
- semiconductor wafer
- current
- 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
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 133
- 238000005070 sampling Methods 0.000 title claims abstract description 64
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 250
- 230000008569 process Effects 0.000 claims abstract description 150
- 235000012431 wafers Nutrition 0.000 claims abstract description 110
- 239000004065 semiconductor Substances 0.000 claims description 77
- 239000000463 material Substances 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 22
- 230000004044 response Effects 0.000 claims description 22
- 238000003070 Statistical process control Methods 0.000 claims description 12
- 230000007717 exclusion Effects 0.000 claims description 4
- 239000000758 substrate Substances 0.000 claims description 4
- 238000004806 packaging method and process Methods 0.000 claims description 2
- 238000003908 quality control method Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 9
- 238000007689 inspection Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000004886 process control Methods 0.000 description 6
- 238000002872 Statistical quality control Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000002411 adverse Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000000275 quality assurance Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 238000010327 methods by industry Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000206 photolithography Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- H01L22/20—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
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/70—Manufacture or treatment of devices consisting of a plurality of solid state components formed in or on a common substrate or of parts thereof; Manufacture of integrated circuit devices or of parts thereof
- H01L21/77—Manufacture or treatment of devices consisting of a plurality of solid state components or integrated circuits formed in, or on, a common substrate
- H01L21/78—Manufacture or treatment of devices consisting of a plurality of solid state components or integrated circuits formed in, or on, a common substrate with subsequent division of the substrate into plural individual devices
- H01L21/82—Manufacture or treatment of devices consisting of a plurality of solid state components or integrated circuits formed in, or on, a common substrate with subsequent division of the substrate into plural individual devices to produce devices, e.g. integrated circuits, each consisting of a plurality of components
-
- 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
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
本申请公开了利用动态采样以供测量的IC制造流程,并且涉及包括动态采样方案(151)的晶圆计量系统(100),该动态采样方案(151)被配置为基于工艺能力指数数据以及测量历史数据来优化在IC制造流程中对工艺晶圆(101‑1至101‑N)进行测量的采样率。对于稳定的工艺,可以以较低的比率对工艺晶圆(101‑1至101‑N)进行采样,而不会对质量控制产生负面影响。
Description
相关申请的交叉引用
本非临时申请要求基于2022年5月13日提交的美国临时申请号63/341,502的优先权,该美国临时申请特此通过援引以其全文并入。
技术领域
所公开的实施方式总体上涉及使用统计质量控制进行半导体制造的领域。更具体地,但非排他地,所公开的实施方式涉及使用动态采样进行测量的IC制造流程。
背景技术
在半导体行业中,对以较低成本表现出较高性能的集成电路(IC)有着持续的需求。为了成本有效地设计和制作高性能IC,需要监测并仔细控制流经制作工艺的产品(例如,工艺晶圆、半导体管芯等)的若干参数。例如,需要测量膜性质、厚度、线宽和缺陷水平,以首先优化制作工艺,并且然后确保制作工艺在控制之下运行。
晶圆计量工具可以与晶圆检查能力相结合,以确保维持生产中的半导体器件的适当的物理性质和电性质。在现代半导体IC制造中,成本有效的晶圆计量是必需的,但对晶圆的检查和监测并非没有相关成本。示例成本通常可以包括检查/计量装备的资金支出以及制作成本,诸如检查本身所花费的时间,这减慢了晶圆产出;建立单独的计量站以执行测量;对测量数据进行处理;验证结果并处置晶圆批次;等等。
发明内容
下文呈现了简要发明内容以便提供对本公开的一些示例的基本理解。该发明内容并不是这些示例的全面概览,并且不旨在标识这些示例的关键或重要要素,也不旨在界定其范围。相反,该发明内容的主要目的是以简化形式呈现本公开的一些概念,作为在下文后续章节中呈现的更详细描述的序言。
本公开的示例涉及一种动态采样方案,该动态采样方案被配置为基于工艺能力指数数据以及测量历史来优化在IC制造流程中对工艺晶圆进行测量的采样率。在一些示例布置中,针对稳定的工艺可以以较低的比率对工艺晶圆进行采样或者甚至跳过采样,而不会对质量控制产生负面影响。
在一个示例中,公开了一种制造IC的方法。该方法可以包括以具有包括目标工艺步骤的一系列工艺步骤的制造流程来加工当前多个半导体晶圆,其中,目标工艺步骤在所述半导体晶圆之上向材料层增材或从材料层减材。该方法可以包括执行关于与材料层相关联的测量参数的计量操作。在一种布置中,计量操作可以响应于确定选择当前多个半导体晶圆来在目标工艺步骤进行测量而执行,该确定是基于与测量参数相关联的工艺能力指数和目标工艺步骤下的多个先前工艺批的测量历史的,每个先前工艺批包括对应的多个半导体晶圆。响应于确定计量操作将当前多个半导体晶圆中的至少一个半导体晶圆标识为具有不合规格的测量结果,可以调整目标工艺步骤的一个或多个加工条件。进一步地,在调整之后,可以使用目标工艺步骤来加工包含IC的至少一个半导体晶圆。在一种布置中,在完成包括目标工艺步骤的一系列工艺步骤之后,可以将包含IC的至少一个半导体管芯单颗化以进行封装。
在另一个示例中,公开了一种制造制品的方法。该方法可以包括以具有包括目标工艺步骤的一系列工艺步骤的工艺流程来加工制品的当前计量采样单位(MSU)。在一种布置中,当前MSU可以包含单个制品。在一些布置中,MSU可以包含一组制品。该方法可以包括执行关于与目标工艺步骤相关联的测量参数的计量操作。在一种布置中,计量操作可以响应于确定选择当前MSU来在目标工艺步骤进行测量而执行,该确定是基于与测量参数相关联的工艺能力指数和目标工艺步骤下的多个先前MSU的测量历史的。响应于计量操作将当前MSU标识为具有不合规格的测量结果的条件,该方法可以包括确定当前MSU是可返工的,并且作为响应,调整目标工艺步骤的一个或多个加工条件。此后,在调整之后,可以使用目标工艺步骤来加工当前MSU。
在另一个示例中,公开了一种IC,该IC包括材料层,该材料层在制造流程的目标工艺步骤下形成于半导体晶圆之上,半导体晶圆形成IC的衬底。在一种布置中,响应于关于与材料层相关联的测量参数的计量操作将半导体晶圆标识为具有不合规格的测量结果的条件,材料层可以被返工,其中,可以根据测量计划对半导体晶圆的一个或多个管芯位置执行计量操作。在一种布置中,计量操作可以响应于确定选择半导体晶圆来在目标工艺步骤进行测量而执行,该确定是基于与测量参数相关联的工艺能力指数和在目标工艺步骤下加工的多个半导体晶圆的测量历史的。
附图说明
在附图的各图中,通过示例而非限制的方式图示了本公开的实施方式。应注意,本公开中对“一(an)”或“一个(one)”实施方式的不同提及不一定是对同一实施方式的提及,并且这样的提及可以意味着至少一个。进一步地,当结合一个实施方式描述特定的特征、结构或特性时,应当理解,在本领域技术人员的知识范围内,可以结合其他实施方式来实现这种特征、结构或特性,无论是否明确描述。
附图并入到本说明书中并构成其一部分来图示本公开的一个或多个示例实施方式。通过结合所附权利要求并参考附图描述的以下具体实施方式,将理解本公开的各种优点和特征,在附图中:
图1描绘了根据本公开的一些示例的可以与晶圆制造流程的一个或多个工艺阶段相关联地部署的代表性晶圆计量系统;
图2A和图2B是根据本公开的一些示例的代表性方法的流程图;
图3是根据本公开的示例的采用动态采样以供测量的一般化制作流程的流程图;
图4A至图4C-5描绘了根据本公开的代表性示例的决策引擎的实施方式中的工艺能力指数数据、测量历史数据和采样决策数据库的示例;并且
图5描绘了根据本公开的代表性示例中的决策引擎的实施方式的示例采样决策数据库的子集,其标识了针对测量跳过当前工艺批的多个场景。
具体实施方式
参考附图描述了本公开的示例,其中,类似的附图标记通常用于指代类似的要素。附图不是按比例绘制的,并且提供附图仅仅是为了图示示例。下文阐述了许多具体细节、关系和方法,以提供对一个或多个示例的理解。然而,应当理解,一些示例是可以在没有这样的具体细节的情况下实践的。在其他情况下,为了不使对这些示例的理解模糊,没有详细示出公知的子系统、部件、结构和技术。因此,本领域技术人员将理解,可以在没有这样的特定部件、结构或子系统等的情况下实践本公开的示例。
另外,在以下描述、权利要求或这两者中可以使用诸如“耦合”和“连接”等术语以及其派生词。应当理解,这些术语并不一定旨在作为彼此的同义词。“耦合”可以用于指示彼此可以直接物理接触或电接触或者可以不直接物理接触或电接触的两个或更多个元件彼此协作或相互作用。“连接”可以用于指示在彼此耦合的两个或更多个元件之间建立通信,即通信关系。“直接连接”可以用于传达两个或更多个物理特征彼此接触或共享彼此之间的接口。进一步地,在本文阐述的一个或多个示例中,一般而言,元件、部件或模块可以被配置为执行某一功能,前提是所述元件可以被编程用于执行所述功能或者以其他方式在结构上被布置为执行所述功能。
下文将在半导体晶圆制造的背景下阐述与对单位、产品或更一般地制品进行动态采样以供测量相关的示例,但并不局限于此。
取决于实施方式,半导体制作工艺可以包括制造流程,所述制造流程涉及一个或多个薄膜和/或厚膜加工/沉积阶段、一个或多个光刻阶段、注入阶段、蚀刻阶段、化学机械抛光(CMP)阶段、金属化阶段等,其中,可以逐晶圆、逐批次(lot)、或在涉及多个晶圆批次或多个工艺批(process run)的批量(batch)模式下对多个半导体晶圆进行加工。在示例工艺阶段下,可以加工半导体晶圆的材料层,以改变材料层的一个或多个物理和/或电特性。在一些示例中,工艺阶段可以向材料层增材或从材料层减材,例如,导电层、非导电层或介电层的沉积,层的蚀刻或抛光等。在示例布置中,一个或多个工艺步骤或阶段可以被选择、被监测或以其他方式成为涉及适当仪器的计量操作的目标,其中,可以根据测量计划来测量与材料层有关的一个或多个参数,所述测量计划被配置为根据如将在下文进一步详细阐述的采样决策过程来确定、标识或以其他方式选择晶圆的被选择进行测量的一个或多个管芯位置或晶圆批次中被选择进行测量的晶圆子集。
在一些布置中,可以在制造设施中部署一种或多种统计过程控制(SPC)或统计质量控制(SQC)方法论,以便监测和控制各种阶段的工艺流程。在一些布置中,示例SPC/SQC方法论可以被部署在被视为是关键工艺阶段的目标工艺阶段,以帮助确保目标工艺阶段高效地并在控制之内运行,由此以更少的浪费(例如,返工、报废或其他处置)生产更多的合规产品。例如,可以监测工艺晶圆、晶圆批次和/或工艺批,以确认与在目标工艺阶段加工的(多个)材料层相关的一个或多个测量参数和/或变量满足适用的控制极限和/或规格阈值。在一些布置中,示例SPC/SQC方法论可以包括生成运行图、控制图等,以及执行工艺能力分析和/或进行统计设计的实验等,其中,出于管理、监测和控制的目的,可以产生、处理、存储和部署大量测量数据。
尽管可以通过部署合适的仪器并对工艺晶圆采样以进行原位或在线测量来控制和监测各种工艺,但应当理解,即使在工艺被视为是稳定的和/或在控制之内的实施方式中,具有大量工艺阶段的制造流程也可能生成大量的数据。这样的情况可能会因资源过度利用而导致效率低下,因为不管工艺稳定性如何都会生成测量数据。此外,因为不必要的数据生成和处理(例如,由于过采样)最终会消耗宝贵的计算资源以及人力资源,所以制造流程的整个生产周期和生产力都可能受到不利影响。
参考附图,图1描绘了可以与晶圆制造流程的一个或多个工艺阶段相关联地部署的代表性晶圆计量系统100,其中,可以根据本公开的一些示例来执行动态采样方案以消除、最小化或以其他方式减少或优化与在制造流程的目标工艺阶段加工的适用的计量采样单位(MSU)(例如,一个或多个工艺晶圆或一个或多个工艺批(即,晶圆批次))有关的测量操作。如将在下文中进一步详细看到的,本公开的一些示例可以被配置为确定是需要在目标工艺阶段对当前MSU采样来进行计量操作还是将其跳过(例如,并不在目标工艺阶段对与当前MSU密切相关的一个或多个变量和参数进行测量)。在一些示例实施方式中,这样的“采样或跳过”的确定可以基于对多个先前的工艺晶圆或工艺批的测量历史以及目标工艺阶段的先前工艺条件。举例说明,图1中例示了一般化目标工艺阶段106,其可以表示制造流程的任何前端制程(FEOL)阶段或后端制程(BEOL)阶段,其中,多个晶圆可以例如以一个或多个晶圆批次或工艺批101-1至101-N来批量加工。可以响应于由以任何已知或迄今未知的硬件/软件/固件架构实施的决策引擎或模块151进行确定而选择包括半导体工艺晶圆104-1至104-N(也被称为半导体晶圆、工艺晶圆或简称为晶圆)的当前晶圆批次或MSU 102来由合适的计量仪器站111进行测量(即,采样),或者将其跳过。在一些布置中,决策引擎151可以与仪器站111集成。在一些布置中,决策引擎151可以被部署为独立的装置。在一些布置中,决策引擎151可以包括工艺控制模块112,该工艺控制模块112被配置为生成、维护和存储各种运行图、控制图、工艺能力指数和分布,以及与可以由仪器站111测量的一个或多个测量参数相关的测量历史数据。与工艺控制模块112相关联的采样/跳过决策引擎模块114可以被配置为执行动态采样过程从而为仪器站111生成适当的控制信号113来允许根据适用的测量计划关于当前MSU 102进行测量操作或者可替代地不进行这些测量操作。在一个实施方式中,测量计划可以基于由仪器站111收集的测量数据的不同的粒度级别以及聚合级别,这进而又可以取决于如何部署当前MSU以供测量。在MSU包括多个半导体晶圆(例如,MSU 102)的情况下,测量计划可以被配置为确定从当前MSU 102(例如,其子集)中选择多少半导体晶圆以及每个所选工艺晶圆选择多少管芯位置来进行测量。在一些实施方式中,可以在整个MSU上对与所测量参数有关的数据进行聚合和/或平均,以用于绘制在逐批次地跟踪数据的控制图上。另一方面,如果MSU包括单个半导体晶圆,则示例测量计划可以基于选择和标识所采样的半导体晶圆的管芯位置子集以供测量,其中,可以逐晶圆地绘制所测量的参数。
本领域技术人员在参考这里时将认识到,示例测量参数可以包括但不限于一个或多个关键尺寸(CD)变量、套刻对准变量、层厚度变量、层平坦化变量、蚀刻轮廓变量、以及合适的电变量,诸如薄层电阻或其他参数化的电数据等,这些参数可以取决于在目标工艺阶段加工的晶圆的(多个)材料层。因此,仪器站111可以包括可以部署在半导体制造设施中的各种测量工具和检查系统,以用于测量在适当的半导体衬底之中或之上形成的材料层和其他结构的各种物理、化学、电、机械和动力学性质或特性。举例说明,出于本文中的一些代表性布置的目的,半导体工艺晶圆110被例示为处于测量/检查中的晶圆。在一些布置中,仪器站111和决策引擎151可以集成为在线或原位工艺控制工具系统,其中,具有与包含机器可执行代码或程序指令的持久性存储器120耦合的一个或多个处理器118的计算平台150(例如,工作站或服务器)可以被配置为实现对被选择以供测量的MSU的测量操作,或者生成适当的控制信号113从而不对“未被选择”的MSU进行测量。取决于实施方式,可以提供适当的输入/输出(I/O)模块122和一个或多个存储单元124作为计算平台150的一部分。在一些布置中,在关于所选MSU的测量结果未满足适用的控制极限和/或规格阈值的情况下,可以由校正动作模块128响应于合适的控制信号117来执行适当的校正动作,取决于制造流程管理策略,这可以涉及将晶圆标识为报废或返工,如分别由框130和框132所指示的,所述制造流程管理策略包括关于晶圆报废和返工指南的成本效益考虑以及与目标工艺阶段有关的机构知识和领域专门知识。如果并不对当前工艺批(例如,MSU 102)进行测量,或者当前工艺批的这些晶圆(在需要时进行返工之后)处于适用的控制和规格内,则当前工艺批(例如,MSU 102)可以前进到制造流程的下一个工艺阶段134。
图2A和图2B是根据本公开的一些示例的代表性方法的流程图。图2A所示的方法200A表示可以部署于在一个或多个工艺阶段使用了计量系统(例如,系统100)的晶圆制造流程中的整体工艺控制和采样决策方案的示例实施方式,其中,可以作为部署的一部分而对各种工艺阶段执行工艺能力表征。在框202处,可以开始包括多个阶段的工艺流程。在框204处,可以针对适用的采样单位(例如,管芯、晶圆、批次、工艺批等)关于每个工艺阶段来测量并绘制各种变量和参数,由此可以建立各种控制图、运行图等。在框206处,可以基于相应的控制图分析来针对不同的测量参数和变量获得合适的工艺能力指数,例如Cp、CPk等。Cp(被定义为规格宽度与工艺宽度的比率)仅考虑了工艺的展布(或变化);而CPk则考虑了工艺的展布(spread)和位置两者,CPk被定义为从平均值到最近规格极限的距离与从平均值到工艺边缘的距离之间的比率。因此,CPk指数出于预测目的提供了对工艺的条件的更真实描述,并且因此可以有利地实施在根据本文中的一些示例的采样决策方案中。进一步地,可以基于目标工艺的稳定或不稳定程度来确定不同的采样率。在一些布置中,这样的确定可以基于工艺在一段时间内在如通过CPk指数所获的就适用控制极限和规格而言的表现,以及所述工艺是否被视为是关键工艺等。另外地,可以基于更高的CPk值与更稳定的工艺(和更低的失控(OOC)概率)相关这一知识来进行采样率确定。因此,一些示例可以配置有采样决策引擎,当指示稳定工艺的CPk值与选择范围的先前工艺批内的历史测量记录结合使用时,该采样决策引擎可操作以确定可以取较低值(翻过来讲,跳过率较高)而不会负面影响所需质量保证水平的采样率范围。
在框208处,可以关于当前工艺批执行目标工艺步骤或阶段,所述目标工艺步骤或阶段可以包括以如先前所描述的易于测量的方式来实质上修改工艺晶圆的任何工艺。在框210处,可以执行决策引擎来确定是要对当前工艺批进行采样以测量一个或多个测量参数(如框214所阐述的)还是并不进行采样(即,跳过测量,如框212所阐述的)。如先前所阐述的,测量操作可以包括套刻测量操作、CD测量操作、套刻测量操作、层厚度测量操作、层平坦化测量操作、蚀刻轮廓测量操作、电参数测量操作等。一些示例实施方式可以涉及进一步的处置,例如,如框216所阐述的,视觉上地、手动地、自动地和/或可选地执行晶圆级检查。此后,如框218所阐述的,方法200A可以根据测量操作和/或进一步处置的结果而前进到下一阶段。
图2B所示的方法200B表示根据一些示例的制造IC的方法。在框252处,可以以具有包括目标工艺步骤的一系列工艺步骤的制造流程来加工当前多个半导体晶圆,其中,所述目标工艺步骤在半导体晶圆之上向材料层增材或从材料层减材。在框254处,可以关于与材料层相关联的测量参数执行计量操作,其中,计量操作可以响应于确定选择当前多个半导体晶圆来在目标工艺步骤进行测量而执行。在一些布置中,选择确定可以基于执行可响应于与测量参数相关联的工艺能力指数和目标工艺步骤下的多个先前工艺批的测量历史而操作的决策引擎,其中,每个先前工艺批包括对应的多个半导体晶圆。响应于确定计量操作将包含IC的当前多个半导体晶圆中的至少一个半导体晶圆标识为具有不合规格(OOS)的测量结果的条件,可以调整目标工艺步骤的一个或多个加工条件(框256)。在一些布置中,在调整之后,可以使用目标工艺步骤以返工操作来加工包含IC的至少一个半导体晶圆,如框258所阐述的。
在一些附加和/或替代性布置中,在测量处置工艺中还使用控制极限的情况下,在示例实施方式中可以使用失控(OOC)条件作为早期警告信号。通常,控制极限比为被监测参数建立的规格阈值更严格,这允许执行各种校正动作,包括例如对未能符合控制极限但满足规格阈值的当前工艺批加以推进。在这种场景下,可以对当前工艺批进行适当地标记以用于下游检查和处置。
图3是根据本公开的示例的以采用动态采样以供测量的一般化制作流程来制造制品的方法的流程图。出于本文的目的,在任何类型的工业中,“制品”可以是由原材料或经制备的材料通过任何制作来生产的,其中,材料被赋予新的形式、质量、性质或组合。取决于实施方式,制品可以以各种模式生产,例如批量生产、连续生产、流水线生产等,其中,合适的MSU可以包括单个制品或一组制品。示例方法300可以包括以具有包括目标工艺步骤的一系列工艺步骤的工艺流程来加工制品的当前MSU(框302)。在框304处,可以针对MSU执行计量操作,其中,可以测量MSU的与目标工艺步骤相关联的一个或多个测量参数。在一种布置中,计量操作可以响应于确定选择当前MSU来在目标工艺步骤进行测量而执行,该确定是基于与测量参数相关联的工艺能力指数和目标工艺步骤下的多个先前MSU的测量历史的。响应于确定计量操作将当前MSU标识为具有不合规格(OOS)的测量结果的条件,就可以确定当前MSU是可返工的。进一步地,作为响应,可以调整目标工艺步骤的一个或多个加工条件。这些操作在框306处阐述。在框308处,在调整之后,可以使用目标工艺步骤来加工(例如,返工)当前MSU。
图4A至图4C-5描绘了根据本公开的代表性示例的决策引擎的实施方式中的工艺能力指数数据、测量历史数据和采样决策数据库的示例。图5描绘了根据本公开的代表性示例中的决策引擎的实施方式的示例决策数据库的子集,其标识了用于将当前工艺批选择成或标识为跳过测量的多个场景。在一般操作中,示例决策引擎可以被配置为:(i)基于适用的工艺能力指数范围的分布和一组先前MSU的测量历史数据来获得关于当前MSU(例如,工艺批或简称为批)的整体采样决策数据库;以及(ii)确定指示对当前MSU不进行(或者相反地,进行)测量操作的肯定决策的可能场景子集,并且在当前MSU满足可能场景之一的条件下相应地应用所述决策。
根据一种布置,在图4A中示出了包括适用的CPk指数分布和相关联的采样率的示例数据库或结构400A。在一个实施方式中,被包含在数据库400A或类似布置中的数据可以从具有与被管理的工艺有关的相关知识或专门知识的工艺流程工程领域中获得。CPk指数列402包括CPk指数值的范围,其中,CPk指数<1.67被视为是指示具有低工艺能力的工艺(指示低端“目标水平(goal post)”),并且CPk指数≥2.33被视为指示具有大于6σ工艺的优异能力的工艺(指示高端“目标水平”)。通常,较高的CPk值指示更有能力的工艺,因此相应地提供较低的采样率(即,每组给定的批需要测量较少的批来保证质量)。示例数据库400A可以包括列404以及在代表性布置中的对应的绝对采样率406和采样率百分比408,其中列404包括与列402的CPk值的范围相对应的标准偏差或sigma(σ)值。举例说明,CPk指数≥2.33指示7σ工艺,其中,可以应用50%的采样率,即,可以测量每两批中的一批(或每隔一批)。作为另一个说明,对于CPk指数≥1.85但<2.0的5.5σ工艺,可以施行75%的采样率,即,可以对四批中的三批加以采样以进行测量。作为进一步的说明,示例数据库400A包括指示<5σ工艺的<1.67的CPk指数,其中,可以施行100%的采样率,即,对给定批范围中的每批都采样以进行测量。取决于实施方式、领域专门知识和工艺知识,可以建立合适的最大批数域(runhorizon),例如5批,所述最大批数域可以覆盖与测量变量的适用CPk分布相对应的不同采样率,在示例布置中,所述最大批数域可以作为输入提供给采样决策引擎。此外,与(N-1)个先前批相对应的测量历史也可以作为输入提供给示例采样决策引擎,其中,N是最大批数域,并且采样决策引擎被配置为在代表性布置中提供关于第N批的采样确定。
尽管在前述示例中已经图示了范围为50%至100%的采样率408以及列402中的对应的CPk指数,但是在一些附加的和/或替代性布置中可以提供不同的采样率和/或CPk指数范围。通常,采样率可以在0%与100%之间任意变化,其中,可以根据制作条件、工艺表现等来建立示例下限。
在涉及五个工艺批(即,N=5)的示例实施方式场景中,与四个先前工艺批相对应的测量历史可以作为测量模式数据库被提供,其中,可以定义四个变量,每个变量与相应的先前工艺批相对应,并且每个变量具有二元值1(如果测量了特定的先前工艺批)或0(如果没有测量特定的先前工艺)。举例说明,变量SAMPLEDRUN-1(采样批-1)与紧接在需要采样决策的当前批(例如,示例场景中的第5批)前的工艺批相对应,变量SAMPLEDRUN-2与当前批前的第2个工艺批相对应,变量SAMPLEDRUN-3与当前批前的第3个工艺批相对应,并且变量SAMPLEDRUN-4与当前批前的第4个工艺批相对应。图4B描绘了示例测量模式数据库400B,其图示了关于四个先前工艺批的历史的24种组合(=16种组合),产生了16种唯一情况,其中,附图标记410-1至410-4与相应的SAMPLEDRUN-1至SAMPLERUN-4变量可以取的二元值的列相对应。举例说明,情况1例示了四个先前批都没有被测量的场景,并且决策情况16例示了四个先前批中的每一个都被测量的场景,其中,其余的情况表示中间的各种其他组合。
在一种示例布置中,图4B的数据库400B中示出的16个模式情况中的每一个与图4A中示出的数据库400A的CPk指数列402中阐述的五个CPk范围或等级中的每一个组合,由此产生80种决策情况,其中,每种决策情况表示具体测量历史模式和CPk指数范围的唯一组合。进一步地,对于任何给定的唯一决策情况,可以用与CPk指数相关联的采样率来确定当前批是否需要被采样。换言之,如果将当前工艺批包括在内之后在不必测量当前批的情况下就可以满足给定情况的采样率,则可以跳过对当前批的采样,而不会对与工艺相关联的质量保证协议产生负面影响。通常,在定义总体测量决策空间的示例场景中,唯一情况的总数Σ由下式给出:
Σ=2(N-1){CPk}i,i=1,2,…,p;
其中,N=最大批数域内的批数量,并且
p=给定工艺的CPk等级和/或值的数量。
关于与上述CPk指数数据库400A和测量模式数据库400B相关联的说明性场景,图4C-1至图4C-5累积起来图示了示例性的80种情况的测量决策数据库,为了方便起见,所述数据库被分成在相应的附图中示出的五个组成部分400C-1至400C-5。如先前所提到的,在以采样率批数域考虑当前情况之后,确定是否对当前工艺批进行测量就取决于与决策数据库的相应情况相关联的采样率。通过说明性示例的方式,图4C-1中示出的决策情况16对应于所有四个先前批都已进行了相应测量的测量历史,其中,所述工艺表现出CPk<1.67。因为CPk<1.67对应于五批中每一批都测量的采样率(即,批数域的五批内的全五批),所以形成第5批的当前批也需要被测量。因此,示例采样决策引擎可以返回合适的指示(例如,在与图4C-1中的决策情况16相对应的行中由“是”所示),所述指示可以经由适当的控制信号提供给其他工艺管理实体,这些工艺管理实体包括但不限于计量站。作为另一个示例,图4C-3中示出的决策情况48对应于所有四个先前批都已进行了测量的测量历史,其中,所述工艺具有介于1.85与2.00之间的CPk,这对应于四批数域内的三批的采样率。因为紧接在当前批之前的三批都已经被测量,所以为了满足必要的采样率,不必测量形成第4批的当前批。因此,可以跳过针对当前批的计量操作,而不会对适用的质量保证要求产生不利影响。
如在示例性的80种情况的测量决策数据库400C-1至400C-5中可以看出,总共15种情况指示跳过针对当前批的计量操作。这个情况子集可以被视为是图5中示出的跳过决策矩阵500。在示例布置中,代表性决策引擎可以被配置有适当的逻辑,例如包括在硬件、软件和/或固件或任何组合中实施的可执行指令,所述逻辑用于以高效的方式标识引起属于跳过决策数据库的情况的特定条件,由此对于任何给定的特定输入集合(例如,工艺条件、能力指数、采样率、测量历史),可以有利地做出跳过确定,而不会有损质量控制。
在示例布置中,可以基于关于跳过决策数据库500中的情况对SAMPLEDRUN-1至SAMPLEDRUN-4变量的值求和来定义附加的一组变量,以利于对导致跳过决策的条件的标识。在一个实施方式中,求和变量定义如下:
LAST-1=SAMPLEDRUN-1
LAST-2=SUM(SAMPLEDRUN-2,SAMPLEDRUN-1)
LAST-3=SUM(SAMPLEDRUN-3,SAMPLEDRUN-2,SAMPLEDRUN-1)
LAST-4=SUM(SAMPLEDRUN-4,SAMPLEDRUN-3,SAMPLEDRUN-2,SAMPLEDRUN-1)
举例来说,对于数据库500的决策情况32,四个SAMPLEDRUN变量中的每一个都是1(指示测量了所有四个先前批)。因此,决策情况32的对应的LAST变量为:
LAST-1=SAMPLEDRUN-1=1;
LAST-2=SUM(SAMPLEDRUN-2,SAMPLEDRUN-1)=1+1=2;
LAST-3=SUM(SAMPLEDRUN-3,SAMPLEDRUN-2,SAMPLEDRUN-1)=1+1+1=3;
LAST-4=SUM(SAMPLEDRUN-4,SAMPLEDRUN-3,SAMPLEDRUN-2,SAMPLEDRUN-1)=1+1+1+1=4
同样,可以根据相应的先前批测量数据来确定剩余情况的LAST-i变量。在一种布置中,前述的LAST-1至LAST-4变量可以被包括在如图5所示的跳过决策数据库500中,以利于确定导致跳过的条件。可以执行适当的逻辑来确定跳过决策数据库500的15个不同组合可以由如下文阐述的一组四个条件来明确地标识:
CONDITION1(CPk情况=2并且LAST-4=4)
CONDITION2(CPk情况=3并且LAST-3=3)
CONDITION3(CPk情况=4并且LAST-2=2)
CONDITION4(CPk情况=5并且LAST-1=1)
可以确定仅一种情况(决策情况32)满足CONDITION 1,而有两种情况(决策情况47和决策情况48)满足CONDITION 2。以类似的方式,可以确定有四种情况满足CONDITION 3,并且有八种情况满足CONDITION 4,如图5所例示的。
在示例布置中,可以提供适当的条件逻辑作为采样决策引擎的一部分,以定义与目标工艺阶段相关联的测量决策变量。在一个示例布置中,采样决策引擎可以被执行以返回测量决策变量的值,其中,测量决策变量可以取“是”或“否”值或其他合适的区别标记,以指示是否需要在目标工艺阶段对当前批进行测量。在示例实施方式中,KLASAMPLE变量可以被定义为指示是否需要根据半导体工艺阶段来为校准而测量当前批,其中,示例条件决策逻辑可以如下执行:
KLASAMPLE=
IF(OR(CONDITION1,CONDITION2,CONDITION3,CONDITION4),0,1)
因此,如果作为OR函数的自变量而提供的任何一个CONDITION变量被满足,则KLASAMPLE可以取指示当前批跳过校准测量的值。
本领域技术人员将会理解,在另外的布置中,前述条件决策逻辑可以实施为嵌套或分层条件,以考虑不同的加工条件、特殊排除、处置等。例如,在工艺阶段刚刚引入新掩模版的工艺中可能期望避免执行跳过决策逻辑,因为还没有建立关于新掩模版的表现如何的工艺历史。因此,可以执行嵌套条件逻辑函数来延迟跳过决策逻辑的执行,直到已经加工了若干批(例如,M)之后。下文阐述了被配置为实现必要的条件逻辑的示例逻辑函数:
SEMSAMPLE=IF(NRET<=5,1,
IF(OR(CONDITION1,CONDITION2,CONDITION3,CONDITION4),0,1))
在这种情况下,由内部OR函数执行的跳过决策逻辑被延迟,直到新掩模版已经加工了五个工艺批。取决于实施方式,一些示例可以包括以下排除情况中的一项或多项:特殊工作请求,包括工程工作批次、手提批次(例如,具有高优先级样品的客户演示或展示批次)、为特殊工艺控制原因指定的工具封锁和监测系统批次、预防性维护批次等。
本公开的各种所公开的方法和系统可以有益地应用于任何制作工艺,以根据工艺的表现如何来动态地调整测量的采样率,由此有助于减轻或减少产品流的过采样,而不牺牲适用的质量控制协议和要求。进一步地,本文所阐述的示例可以以计算高效的方式实施,从而实现硬件/软件资源以及人力资源的最佳利用。虽然可以预期这样的示例布置在工艺流程的管理中提供各种切实的改进,但是除非在特定权利要求中明确陈述,否则任何特定的结果都不是要求。
此外,虽然已经关于晶圆/批次测量特别详细地阐述了示例,但本公开的教导并不一定局限于此,而是可以在制造设施中的各种测量场景中实施,包括例如晶圆制造工具的维护测量,其中,关于工具是否需要出于维护目的而被测量/检查的决策可以基于工具的测量历史结合相关联的控制图和CPk值。
本公开的一个或多个示例可以使用软件、固件和/或硬件的不同组合来实施。因此,可以使用在一个或多个电子设备或节点(例如,工作站、网络元件等)上存储和执行的代码和数据来实施附图(例如,流程图)中所示的一种或多种技术。这样的电子设备可以使用诸如非暂态计算机可读存储介质(例如,磁盘、光盘、随机存取存储器、只读存储器、闪速存储器设备、相变存储器等)、暂态计算机可读传输介质(例如,电、光学、声学或其他形式的传播信号——诸如载波、红外信号、数字信号)等计算机可读介质来存储和(在内部和/或通过网络与其他电子设备)传送代码和数据。另外,一些网络元件或工作站(例如,被配置为服务器)通常可以包括耦合到一个或多个其他部件的一组一个或多个处理器,所述其他部件诸如一个或多个存储设备(例如,非暂态或持久性机器可读存储介质)以及(多个)存储数据库、用户输入/输出设备(例如,键盘、触摸屏、定点设备、一个或多个图像捕获设备和/或显示器等)以及用于实现信令和/或数据传输的网络连接。该组处理器和其他部件的耦合通常可以通过一个或多个总线和桥(也被称为总线控制器)以任何已知的(例如,对称/共享多处理)或迄今未知的架构来布置。因此,给定电子设备或网络元件的存储设备或部件可以被配置为存储程序代码和/或数据,所述程序代码和/或数据用于在所述元件、节点或电子设备的一个或多个处理器上执行以实施本公开的一种或多种技术。
本文参考一个或多个电路图/示意图、框图和/或流程图示描述了至少一些示例。应当理解,这样的图和/或流程图示、以及框图和/或流程图示中的框的组合可以由被配置为实现期望功能的任何适当的电路系统来实施。因此,本公开的一些示例可以体现在结合合适的处理单元或微控制器操作的硬件和/或软件(包括固件、常驻软件、微代码等)中,这些处理单元或微控制器可以统称为“电路系统”、“模块”或其变体。举例说明,示例处理单元或模块可以包括通用处理器、专用处理器、常规处理器、数字信号处理器(DSP)、图像处理引擎或单元、多个微处理器、与DSP核相关联的一个或多个微处理器、控制器、微控制器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)电路、任何其他类型的集成电路(IC)和/或状态机、以及采用片上系统(SoC)架构的可编程系统设备(PSD),这些架构将存储器功能与被设计为与标准微控制器一起工作的片上可编程逻辑组合。示例存储器模块或存储电路系统可以包括易失性和/或非易失性存储器,诸如随机存取存储器(RAM)、电可擦除/可编程只读存储器(EEPROM)或UV-EPROMS、一次性可编程(OTP)存储器、闪速存储器、静态RAM(SRAM)等。
进一步地,在至少一些附加或替代的实施方式中,在框中描述的功能/动作可以不按照流程图中所示的顺序发生。例如,根据所涉及的功能/动作,连续示出的两个框实际上可以基本上同时执行,或者这两个框有时可以按相反顺序执行。此外,流程图和/或框图的给定框的功能可以分成多个框,和/或流程图和/或框图的两个或更多个框的功能可以至少部分地整合。此外,流程图中的一些框可以可选地省略。此外,尽管其中的一些图包括通信路径上的箭头以示出通信的主要方向,但应当理解,通信可以在相对于所描绘的箭头的相反方向上发生。最后,可以在所图示的框之间添加/插入其他框。
因此,应当清楚地理解,在本公开的附图中描绘的任何流程图和/或框图中所图示的动作、步骤、功能、部件或框的顺序或次序可以在特定的流程图或框图中被修改、变更、替换、定制或以其他方式重新布置,包括删除或省略特定的动作、步骤、功能、部件或框。此外,特定流程图中所图示的动作、步骤、功能、部件或框可以与另一个流程图中所图示的动作、步骤、功能、部件或框相互混合或以其他方式相互布置或重新布置,以关于一个或多个过程实现附加的变化、修改和配置,从而实践本公开的教导。
前述描述的至少一些部分可以包括某些方向性术语,这些术语可以参考正在描述的一些附图或其说明性要素的取向来使用。因为一些示例中的部件可以定位在多个不同的取向上,所以方向性术语是出于说明的目的而使用的,且决不是限制性的。同样,提及被称为“第一”、“第二”等的特征并不表明任何具体顺序、重要性等,并且这样的提及可以根据上下文、实施方式等加以必要的修改而互换。进一步地,除非另外特别指出,否则本文所描述的示例的特征可以彼此组合。
尽管已经详细示出并描述了各种实施方式,但是权利要求并不限于任何特定实施方式或示例。上述具体实施方式都不应理解为暗示任何特定的部件、元件、步骤、动作或功能是必要的,以至于必须将其包括在权利要求的范围内。在引用或描述如“A和B中的至少一个”等短语或类似含意的短语的情况下,这种短语应当被理解为意指“仅A、仅B、或A和B两者”。除非明确声明,以单数形式对要素的提及不旨在意指“有且仅有一个”,而是指“一个或多个”。本领域普通技术人员已知的上述实施方式的要素的所有结构和功能等效物通过引用明确并入本文中,并意图被所附权利要求所涵盖。
Claims (19)
1.一种制造集成电路即IC的方法,所述方法包括:
以具有包括目标工艺步骤的一系列工艺步骤的制造流程来加工当前多个半导体晶圆,其中,所述目标工艺步骤在所述半导体晶圆之上向材料层增材或从材料层减材;
执行关于与所述材料层相关联的测量参数的计量操作,所述计量操作是响应于确定选择所述当前多个半导体晶圆来在所述目标工艺步骤进行测量而执行的,所述确定是基于与所述测量参数相关联的工艺能力指数和所述目标工艺步骤下的多个先前工艺批的测量历史的,每个先前工艺批包括对应的多个半导体晶圆;
在所述计量操作将所述当前多个半导体晶圆中的至少一个半导体晶圆标识为具有不合规格的测量结果的条件下,调整所述目标工艺步骤的一个或多个加工条件;以及
在所述调整之后,使用所述目标工艺步骤来加工包含所述IC的所述至少一个半导体晶圆。
2.根据权利要求1所述的方法,其中,所述工艺能力指数分布在第一值与第二值之间,所述第一值对应于对一批量的工艺批进行采样以供测量的第一采样率,并且所述第二值对应于对所述批量的工艺批进行采样以供测量的第二采样率。
3.根据权利要求1所述的方法,其中,所述计量操作是根据测量计划对所述当前多个半导体晶圆中的一个或多个半导体晶圆执行的,所述测量计划被配置为确定从所述当前多个半导体晶圆中选择以进行测量的半导体晶圆子集。
4.根据权利要求3所述的方法,其中,所述测量计划进一步被配置为确定所述半导体晶圆子集中的每个所选半导体晶圆的多个管芯位置。
5.根据权利要求1所述的方法,其中,所述测量参数包括以下各项中的至少一项:关键尺寸变量即CD变量、套刻对准变量、层厚度变量、层平坦化变量、蚀刻轮廓变量和电参数变量。
6.根据权利要求1所述的方法,其中,所述不合规格的测量结果是基于与所述测量参数相关联的统计过程控制历史即SPC历史确定的。
7.根据权利要求1所述的方法,其中,所述确定选择所述当前多个半导体晶圆来在所述目标工艺步骤进行测量是有条件地确定的,即在执行与针对在所述目标工艺步骤的测量是选择还是跳过工艺批相关的决策引擎之前满足排除条件。
8.一种制造制品的方法,所述方法包括:
以具有包括目标工艺步骤的一系列工艺步骤的工艺流程来加工所述制品的当前计量采样单位即当前MSU;
执行关于与所述目标工艺步骤相关联的测量参数的计量操作,所述计量操作是响应于确定选择所述当前MSU来在所述目标工艺步骤进行测量而执行的,所述确定是基于与所述测量参数相关联的工艺能力指数和所述目标工艺步骤下的多个先前MSU的测量历史的;
在所述计量操作将所述当前MSU标识为具有不合规格的测量结果的条件下,确定所述当前MSU是可返工的,并且作为响应,调整所述目标工艺步骤的一个或多个加工条件;以及
在所述调整之后,使用所述目标工艺步骤来加工所述当前MSU。
9.根据权利要求8所述的方法,其中,所述当前MSU包括单个制品。
10.根据权利要求8所述的方法,其中,所述当前MSU包括多个制品。
11.根据权利要求8所述的方法,其中,所述工艺能力指数是基于与所述测量参数相关联的统计过程控制历史即SPC历史确定的。
12.根据权利要求7所述的方法,其中,所述工艺能力指数被分布,以考虑所述测量参数从第一值到第二值的可变性,所述第一值对应于包括100%采样的第一采样率,其中,一批量的MSU中的每个MSU都被采样以供测量,所述第二值对应于包括50%采样的第二采样率,其中,一批量的MSU中的每隔一个MSU被采样以供测量。
13.一种制造集成电路即IC的方法,所述方法包括:
以具有用于创建包含所述IC的至少一个半导体管芯的一系列工艺步骤的制造流程来加工半导体晶圆,所述半导体晶圆形成所述IC的衬底;
在向形成在所述半导体晶圆之上的材料层增材或从其减材的目标工艺步骤之后,执行关于与所述材料层相关联的测量参数的计量操作,所述计量操作是根据测量计划对所述半导体晶圆的一个或多个管芯位置执行的,所述计量操作是响应于确定选择所述半导体晶圆来在所述目标工艺步骤进行测量而执行的,所述确定是基于与所述测量参数相关联的工艺能力指数和在所述目标工艺步骤下加工的多个半导体晶圆的测量历史的;
在所述计量操作将所述半导体晶圆标识为具有不合规格的测量结果的条件下,确定所述半导体晶圆是可返工的,并且作为响应,调整所述目标工艺步骤的一个或多个加工条件;
在所述调整之后,在所述目标工艺步骤重复所述半导体晶圆的加工;以及
在完成包括所述目标工艺步骤的所述一系列工艺步骤之后,将包含所述IC的所述半导体管芯单颗化以进行封装。
14.根据权利要求13所述的方法,其中,所述工艺能力指数是基于与所述测量参数相关联的统计过程控制历史即SPC历史确定的。
15.根据权利要求13所述的方法,其中,所述工艺能力指数被分布,以考虑所述测量参数从第一值到第二值的可变性,所述第一值对应于包括100%采样的第一采样率,其中,一批量的半导体晶圆中的每个半导体晶圆都被采样以供测量,所述第二值对应于包括50%采样的第二采样率,其中,一批量的半导体晶圆中的每隔一个半导体晶圆被采样以供测量。
16.根据权利要求13所述的方法,其中,所述测量参数包括以下各项中的至少一项:关键尺寸变量即CD变量、套刻对准变量、层厚度变量、层平坦化变量、蚀刻轮廓变量和电参数变量。
17.根据权利要求13所述的方法,其中,所述不合规格的测量结果是基于与所述测量参数相关联的统计过程控制历史即SPC历史确定的。
18.根据权利要求13所述的方法,其中,所述确定选择所述半导体晶圆来在所述目标工艺步骤进行测量是有条件地确定的,即在执行与针对在所述目标工艺步骤的测量是选择还是跳过半导体晶圆相关的决策引擎之前满足排除条件。
19.一种集成电路即IC,包括:
材料层,所述材料层在制造流程的目标工艺步骤下形成于半导体晶圆之上,所述半导体晶圆形成所述IC的衬底;并且
响应于关于与所述材料层相关联的测量参数的计量操作将所述半导体晶圆标识为具有不合规格的测量结果的条件,所述材料层被返工,所述计量操作是根据测量计划对所述半导体晶圆的一个或多个管芯位置执行的,所述计量操作是响应于确定选择所述半导体晶圆来在所述目标工艺步骤进行测量而执行的,所述确定是基于与所述测量参数相关联的工艺能力指数和在所述目标工艺步骤下加工的多个半导体晶圆的测量历史的。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US63/341,502 | 2022-05-13 | ||
US17/955,706 US20230366832A1 (en) | 2022-05-13 | 2022-09-29 | Ic fabrication flow with dynamic sampling for measurement |
US17/955,706 | 2022-09-29 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117059506A true CN117059506A (zh) | 2023-11-14 |
Family
ID=88663344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310532066.4A Pending CN117059506A (zh) | 2022-05-13 | 2023-05-12 | 利用动态采样以供测量的ic制造流程 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117059506A (zh) |
-
2023
- 2023-05-12 CN CN202310532066.4A patent/CN117059506A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI443776B (zh) | 用於叢集工具之自動化狀態估計系統以及操作該系統之方法 | |
US8396583B2 (en) | Method and system for implementing virtual metrology in semiconductor fabrication | |
US6988045B2 (en) | Dynamic metrology sampling methods, and system for performing same | |
CN101036092B (zh) | 动态控制量测中的工件的方法及系统 | |
WO2006041543A1 (en) | Method and system for dynamically adjusting metrology sampling based upon available metrology capacity | |
US8108060B2 (en) | System and method for implementing a wafer acceptance test (“WAT”) advanced process control (“APC”) with novel sampling policy and architecture | |
KR101380515B1 (ko) | 반도체 제조의 fab 프로세스를 개선하기 위한 툴 기능의 신규한 설계 | |
US20090144691A1 (en) | Enhanced Process Yield Using a Hot-Spot Library | |
KR101504504B1 (ko) | 툴 및 프로세스 효과들을 분리하기 위한 기판 매트릭스 | |
US10345794B2 (en) | Product quality prediction method for mass customization | |
US6563300B1 (en) | Method and apparatus for fault detection using multiple tool error signals | |
Chien et al. | A novel approach to hedge and compensate the critical dimension variation of the developed-and-etched circuit patterns for yield enhancement in semiconductor manufacturing | |
Ruegsegger et al. | Feedforward control for reduced run-to-run variation in microelectronics manufacturing | |
Holfeld et al. | A fab-wide APC sampling application | |
CN106960803B (zh) | 基于模块知识的智能计量 | |
CN117059506A (zh) | 利用动态采样以供测量的ic制造流程 | |
US20230366832A1 (en) | Ic fabrication flow with dynamic sampling for measurement | |
US7738986B2 (en) | Method and apparatus for compensating metrology data for site bias prior to filtering | |
US7783455B1 (en) | Methods and systems for analyzing process equipment processing variations using sensor data | |
CN109425815B (zh) | 用于预测半导体装置的特性的设备和方法 | |
US20240071837A1 (en) | Ic fabrication flow with continuous dynamic sampling for auto-visual inspection | |
CN105895563A (zh) | 一种制造过程中预测半导体装置的电气参数的方法及系统 | |
CN108268987B (zh) | 多样式产品的品质推估方法 | |
US20240203799A1 (en) | Integrated circuit (ic) fabricated in a high mix environment | |
Lee | Advanced process control and optimal sampling in semiconductor manufacturing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |