CN117882171A - 使用基于指纹的半导体制造工艺故障检测的方法和工艺 - Google Patents

使用基于指纹的半导体制造工艺故障检测的方法和工艺 Download PDF

Info

Publication number
CN117882171A
CN117882171A CN202280058468.9A CN202280058468A CN117882171A CN 117882171 A CN117882171 A CN 117882171A CN 202280058468 A CN202280058468 A CN 202280058468A CN 117882171 A CN117882171 A CN 117882171A
Authority
CN
China
Prior art keywords
wafer
fingerprint
production
semiconductor wafer
model
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
CN202280058468.9A
Other languages
English (en)
Inventor
纳森·伊普
梅根·伍利
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.)
Tokyo Electron Ltd
Original Assignee
Tokyo Electron 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 Tokyo Electron Ltd filed Critical Tokyo Electron Ltd
Publication of CN117882171A publication Critical patent/CN117882171A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • 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
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41805—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by assembly
    • 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
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/31—Design entry, e.g. editors specifically adapted for circuit design
    • 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
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31356—Automatic fault detection and isolation
    • 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
    • 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
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)

Abstract

提供了通过模型指纹相对于工艺变量和缺陷的变化率进行的工艺模型的灵敏度计算。生成指纹灵敏度表，在该指纹灵敏度表中，工艺变量与一组指纹灵敏度相关联。通过应用在该工艺模型中使用的相同指纹方法，在生产过程中监测来料衬底的指纹。对该来料衬底的指纹与该工艺模型的预测指纹之间的差异进行计算。将这个差异指纹与该指纹灵敏度表进行比较，以找到最有可能导致该差异的工艺变量。可以获得工艺变量与该衬底上实际测量结果之间的空间关系。通过指纹灵敏度实现的相关联提高了精确定位故障工艺工具的能力。该差异指纹还可以对衬底上缺陷的形成进行标识。

Description

使用基于指纹的半导体制造工艺故障检测的方法和工艺
相关申请的交叉引用
本申请要求于2021年9月24日提交的名称为“Method and Process UsingFingerprint Based Semiconductor Manufacturing Process Fault Detection[使用基于指纹的半导体制造工艺故障检测的方法和工艺]”的美国专利申请号17/484,204的权益和优先权，无论出于何种目的，该专利申请的内容通过援引以其全文并入。
背景技术
本披露内容涉及衬底加工。在一个实施例中，本披露内容提供了一种加工用于形成微电子器件的衬底的新颖方法。
微电子器件是微米或更小规模的单独的电子器件和部件或其集合。单独的微电子器件可以包括电子部件，如晶体管、电容器、电感器、电阻器、二极管等，这些电子部件可以根据设计被连接以形成组合。可以通过整合由绝缘体隔离的竖直导体和横向导体的多层互连网络来形成连接。这些组合可以形成共同执行复杂功能(如数据存储与检索、计算、信号处理和电子图像捕获或其组合)的电子电路系统。有时被称为微芯片的集成电路(IC)是这种器件的示例。IC用于工业、军事和消费者应用的许多电子系统中。
通常，微电子器件在衬底(如半导体晶圆)上形成，并作为衬底上堆叠的图案化材料层(例如，半导体、绝缘体和导体)的一部分来生产。通常，衬底加工涉及使用各种工艺工具的一系列工艺步骤，以通过有序地使用各种各样的工艺工具来形成、注入、处理、图案化和刻蚀各种工艺层。随着加工技术的创新，最小特征尺寸已经被周期性地减小以增加微电子器件中部件的堆积密度。更多的部件使得电子电路的功能已经被增强，从而使微电子器件能够执行更复杂的任务。
由于衬底加工的复杂性随着每个微电子器件中电子部件数量的增加而增加，且衬底加工的几何形状在不断缩小，因此在衬底上形成结构的技术挑战也随之增加。可能需要对半导体晶圆制作制造系统、制造方法和制造工具进行创新，以提供通过高良率半导体制作方法生产的低成本的、具有电气机械功能的微电子器件。
衬底加工的复杂性增加和几何形状的减小也需要更精密的制造工具和对这些制造工具的控制。故障工具零件会导致由衬底加工形成的器件性能不佳。对故障零件的早期检测可以节约成本并防止灾难性故障。检测故障零件的传统方式是通过设置统一的阈值或安装检测机器中异常的传感器来检查经处理的晶圆。
期望提供一种用于监测和控制在衬底加工中利用的各种工艺步骤和工艺工具的改进技术。
发明内容
提供了通过模型指纹相对于工艺变量的变化率进行的工艺模型的灵敏度计算。生成指纹灵敏度表，在该指纹灵敏度表中，工艺变量与一组指纹灵敏度相关联。通过应用在工艺模型中使用的相同指纹方法，在生产过程中监测来料衬底的指纹。对来料衬底的指纹与使用工艺模型计算出的预测指纹之间的差异进行计算。将这个差异指纹与指纹灵敏度表进行比较，以找到最有可能导致该差异的工艺变量。然后可以创建对这种可能性排序的图表并报告给用户。可以获得工艺变量与衬底上实际测量结果之间的空间关系。通过指纹灵敏度实现的直接相关性提高了精确定位故障工艺工具的能力。在另一个替代方案中，可以利用指纹工艺来检测已在衬底上形成的缺陷。例如，可以通过使用本文所描述的指纹比较工艺来检测在特定工艺步骤中可能在衬底上形成的微粒。
故障工艺工具(或该工艺工具的零件)可能对经处理的衬底的指纹有重大影响。类似地，缺陷也可能对经处理的衬底的指纹有重大影响。所披露的方法呈现了使用指纹建模来检测工艺变量相关漂移的细节，以在早期对故障工艺工具和/或零件和/或检测工艺步骤中缺陷的形成进行识别。所披露的技术不需要传感器输入来检测故障工具和/或缺陷。因此，提供了一种通过隔离具有贡献指纹分量的工艺变量并基于工艺变量灵敏度的检测来识别衬底加工工艺问题或故障工具和/或零件的根本原因的替代方法。类似地，所披露的方法呈现了使用指纹建模来检测工艺步骤中缺陷形成的细节。所披露的技术不需要针对缺陷进行传感器输入。因此，提供了一种通过使用指纹技术来识别形成缺陷的衬底加工问题的替代方法。
在一个实施例中，提供了一种表征用于制造半导体晶圆的制作工艺的方法，该制作工艺包括至少一个工艺步骤，该至少一个工艺步骤与多个工艺变量相关联。该方法包括：对该至少一个工艺步骤执行实验设计工艺，其中，针对多个实验设计半导体晶圆，改变该多个工艺变量；从该多个实验设计半导体晶圆中获得第一特性的实验设计晶圆测量结果，其中，这些实验设计晶圆测量结果中的每一个与从中获得该测量结果的实验设计半导体晶圆上的空间位置相关联；根据所获得的实验设计晶圆测量结果为每个实验设计半导体晶圆创建实验设计工艺步骤指纹，以提供多个实验设计工艺步骤指纹；利用该多个实验设计工艺步骤指纹来创建该至少一个工艺步骤的工艺模型；对生产半导体晶圆执行该至少一个工艺步骤；获得该生产半导体晶圆的该第一特性的生产晶圆测量结果，其中，这些生产晶圆测量结果中的每一个与从中获得该测量结果的生产半导体晶圆上的空间位置相关联；根据所获得的生产半导体晶圆测量结果来创建生产半导体晶圆工艺步骤指纹；以及利用该生产半导体晶圆工艺步骤指纹和该工艺模型来检测该至少一个工艺步骤的故障工艺变量。
该方法可以进一步包括利用该至少一个工艺步骤的工艺模型来计算该生产半导体晶圆的建模指纹。
该方法还可以包括计算该建模指纹与该生产半导体晶圆工艺步骤指纹之间的差异；以及在检测该至少一个工艺步骤的故障工艺变量时，利用所计算出的差异。在一个实施例中，通过将所计算出的差异与工艺模型灵敏度进行比较来检测该故障工艺变量，以帮助确定特定工艺变量是否是故障工艺变量。在一个实施例中，利用概率确定来识别该特定工艺变量。在一个实施例中，通过对通过将所计算出的差异与该工艺模型灵敏度进行比较而获得的多个工艺模型项进行分析来识别该特定工艺变量，从而识别出超过预定故障概率水平的工艺变量。
另一种方法是一种表征用于制造半导体晶圆的制作工艺的方法，该制作工艺包括多个工艺步骤，该多个工艺步骤中的至少第一工艺步骤与多个工艺变量相关联。该方法可以包括执行实验设计工艺。该实验设计工艺可以包括：对于一系列实验设计半导体晶圆，对该系列实验设计半导体晶圆执行该多个工艺步骤中的第一工艺步骤，其中，针对该系列实验设计半导体晶圆中的每一个，改变该多个工艺变量的至少一个或多个值；从该系列实验设计半导体晶圆中获得第一特性的实验设计晶圆测量结果，其中，这些实验设计晶圆测量结果中的每一个与从中获得该实验设计晶圆测量结果的实验设计半导体晶圆上的空间位置相关联；根据所获得的实验设计晶圆测量结果为每个实验设计半导体晶圆创建实验设计工艺步骤指纹，以提供多个实验设计工艺步骤指纹；以及利用该多个实验设计工艺步骤指纹来创建该多个工艺步骤中的第一工艺步骤的工艺模型。该方法进一步包括：对至少一个生产半导体晶圆执行该多个工艺步骤中的第一工艺步骤；获得该生产半导体晶圆的该第一特性的生产晶圆测量结果，其中，这些生产晶圆测量结果中的每一个与从中获得该测量结果的生产半导体晶圆上的空间位置相关联；根据所获得的生产晶圆测量结果来创建生产晶圆工艺步骤指纹；以及利用该生产晶圆工艺步骤指纹和该工艺模型来检测故障工艺变量。
该方法可以进一步包括利用该多个工艺步骤中的第一工艺步骤的工艺模型来计算该生产半导体晶圆的建模指纹。该方法还可以包括计算该建模指纹与该生产晶圆工艺步骤指纹之间的差异。该方法还可以包括计算该建模指纹与该生产晶圆工艺步骤指纹之间的差异；以及在检测该多个工艺步骤中的第一工艺步骤的故障工艺变量时，利用所计算出的差异。在一些实施例中，通过将所计算出的差异与该工艺模型的变量灵敏度水平进行比较来检测该故障工艺变量，以帮助确定特定工艺变量是该故障工艺变量。在一些实施例中，利用概率确定来识别该故障工艺变量。在一些实施例中，通过对通过将所计算出的差异与该变量灵敏度水平进行比较而获得的多个工艺模型项进行分析来识别该故障工艺变量，从而识别出超过预定故障概率水平的工艺变量。在其他实施例中，利用概率确定来识别该故障工艺变量。
在另一个实施例中，提供了一种表征用于制造半导体晶圆的制作工艺的方法，该制作工艺包括多个工艺步骤，该多个工艺步骤中的至少第一工艺步骤与多个工艺变量相关联。该方法可以包括执行实验设计工艺，该实验设计工艺包括：对于一系列实验设计半导体晶圆，对该系列实验设计半导体晶圆执行该多个工艺步骤中的第一工艺步骤，其中，针对该系列实验设计半导体晶圆中的每一个，改变该多个工艺变量的至少一个或多个值；从该系列实验设计半导体晶圆中获得第一特性的实验设计晶圆测量结果，其中，这些实验设计晶圆测量结果中的每一个与从中获得该实验设计测量结果的实验设计半导体晶圆上的空间位置相关联；根据所获得的实验设计晶圆测量结果为每个实验设计半导体晶圆创建实验设计工艺步骤指纹，以提供多个实验设计工艺步骤指纹；以及利用该多个实验设计工艺步骤指纹来创建该多个工艺步骤中的第一工艺步骤的工艺模型。该方法还包括：对至少一个生产半导体晶圆执行该多个工艺步骤中的第一工艺步骤；获得该至少一个生产半导体晶圆的该第一特性的生产晶圆测量结果，其中，这些生产晶圆测量结果中的每一个与从中获得该测量结果的至少一个生产半导体晶圆上的空间位置相关联；利用该多个工艺步骤中的第一工艺步骤的工艺模型来计算该生产半导体晶圆的建模指纹；以及利用所计算出的该至少一个生产半导体晶圆的建模指纹和该工艺模型来检测该至少一个生产半导体晶圆上的缺陷，其中，利用该工艺模型来考虑工艺变量变化，以便提高缺陷检测精度。
在一些实施例中，通过识别空间局部异常并考虑工艺变量变化来确定该至少一个生产半导体晶圆上的缺陷，以消除缺陷的错误检测。该方法可以进一步包括计算所获得的生产晶圆测量结果与所计算出的建模指纹之间的差异。该方法还可以包括计算所获得的生产晶圆测量结果与所计算出的建模指纹之间的差异；以及在检测该至少一个生产半导体晶圆上的缺陷时，利用所计算出的差异。
附图说明
通过参考以下结合附图的描述，可以获取对本发明及其优点的更透彻的理解，其中，相似的附图标记指示相似的特征。然而，应注意，这些附图仅展示了所披露的构思的示例性实施例，并且因此不被认为限制了范围，因为所披露的构思可以承认其他同等有效的实施例。
图1A展示了根据一个实施例的晶圆制作制造系统的工艺步骤的可测量结果的示例。
图1B和图1C展示了图1A中所展示的可测量结果的示例指纹。
图2是展示了根据一个实施例的晶圆制作制造系统中的示例方法的一部分的流程图，该方法用于根据晶圆制作计量学的在线测量结果来生成工艺步骤的指纹模型、传递函数和工艺模型。
图3A至图3C展示了根据一个实施例的其中生成了在线测量类型的测量指纹的示例方法的一部分。
图4A至图4D展示了根据一个实施例的其中生成了在线测量类型的测量指纹的工艺模型的示例方法的一部分。
图5是展示了根据一个实施例的晶圆制作制造系统中的示例方法的一部分的流程图，该方法用于根据晶圆制作计量学的在线测量结果来生成工艺模块的指纹模型、传递函数和工艺模型。
图6A至图6C展示了根据一个实施例的从测量指纹生成指纹层次结构的示例方法。
图7是展示了根据一个实施例的生成基线工艺流程的模型的示例方法的一般化流程图。
图8展示了实施用于半导体晶圆的基于指纹的故障检测技术的示例性工作流程图。
图9展示了示例性表，该示例性表展示了成膜工艺的各种工艺变量。
图10展示了在空间上收集到的整个监测晶圆栅格的膜厚度原始数据以及通过指纹模型提供的对应系数强度和系数。
图11A和图11B展示了图8中关于“好”和“坏”晶圆的膜厚度示例的一些工作流程步骤。
图12A和图12B展示了绘制工艺变量(工艺模型项)与“好”和“坏”晶圆的故障概率的图表。
图13展示了实施用于半导体晶圆的基于指纹的缺陷检测技术的示例性工作流程图。
图14至图16展示了利用本文所披露的技术的示例性方法。
具体实施方式
用于制作衬底(如半导体晶圆)的现有方法使用的度量是应用于或假设应用于整个衬底的单个值。这些度量的常规应用基于单个或样本衬底的测量结果。
这些常规方法丢弃或忽略与每个测量结果有关的信息或与每个测量结果相关联的信息。例如，这种信息可以包括测量结果之间的空间信息或相关性。这种信息可能是有价值的。边缘放置误差(EPE)是用于形成可以与良率相关的度量的不同测量结果的组合的示例。
由Fonseca和Ip于2019年10月28日提交的名称为“Systems and Methods forManufacturing Microelectronic Devices[用于制造微电子器件的系统和方法]”的未决美国专利申请号16/666,087(该专利申请的披露内容通过援引以其全文明确并入)描述了制造系统，这些制造系统采用了根据在一个或多个半导体晶圆的多个空间位置处执行的一个或多个在线测量来生成与制造良率相关的度量的指纹(FP)的方法。
在各种实施例中，在通过援引并入的美国专利申请号16/666,087中描述的技术通过生成使用许多可用信息构建的工艺模型来保留空间信息。另外，在各种实施例中，该技术可以动态地应用于半导体制造并且可以使用反馈控制回路来实现自动化。
本文描述的半导体晶圆制作制造系统、制造方法和制造工具的实施例可以提高通过半导体晶圆制作技术生产的微电子器件的制造良率和制造成本。半导体晶圆制作可以描述为工艺模块序列的执行；每个工艺模块包括一系列单元工艺步骤。示例单元工艺步骤包括表面制备、离子注入、热步骤(例如，快速热氧化(RTO)、快速热退火(RTA)和激光退火)、光刻步骤(例如，抗蚀剂涂覆、曝光、显影和剥离)、电镀、等离子体沉积、等离子体刻蚀、湿法刻蚀、化学机械抛光(CMP)等，这些单元工艺步骤根据顺序工艺流程执行，以制造层，例如有源层、虚拟栅极层、源极-漏极层、金属栅极层、接触层等。相应工艺模块可以被称为有源模块、虚拟栅极模块等。半导体晶圆生产线的制造良率可以被认为是具有符合一组规范的电可测试度量(例如，晶体管泄漏、电阻器电阻、电路功能等)的完整微电子器件的一部分。
根据在一个或多个半导体晶圆的多个空间位置处执行的一个或多个在线测量来生成与制造良率相关的度量的指纹(FP)。对于每个层，生成适用于该层的FP度量，如下文进一步详细描述的。例如，可以为虚拟栅极层生成边缘放置误差(EPE)的FP。在一些实施例中，每个FP是保留测量结果的空间信息的相应度量的数学模型。在一些实施例中，数学模型是晶圆上的从中获得在线测量结果的位置的空间坐标的数学函数。可以在有限级数的数学函数(被称为基函数)中扩展数学函数。FP然后可以由系数向量表示，该系数向量包括模型函数的级数展开的相应项的系数的有序集合。如下文进一步详细描述的，层度量的FP可以是FP层次结构的复合物。例如，有源层EPE FP可以是包括来自若干个FP(如心轴高度(用于侧壁图像传递(SIT))、行进间距(pitch-walk)(用于多种图案化技术)、覆盖度(例如，有源掩模与对准掩模之间的对准误差))的贡献的复合数学模型。这些FP(例如，心轴高度、行进间距和覆盖度)可以进而从例如在线测量结果的一个或多个FP(如心轴的沉积膜厚度、侧壁硬掩模的多个图案的间距、覆盖图案中的特征尺寸等)得到。
在线测量结果被设计成标识可能最终影响晶圆制作生产线末端的制造良率的先前工艺步骤的结果。如本领域技术人员已知的，可以通过一组可调整的工艺参数来调节加工步骤的结果。工艺参数通常是选择用于执行一个或多个工艺步骤的设备设置。例如，在虚拟栅极工艺模块中的抗蚀剂显影工艺步骤之后的虚拟栅极抗蚀剂EPE测量可以通过在抗蚀剂涂覆步骤的晶圆旋转速度，以及在光刻胶曝光步骤期间的曝光时间和焦平面的位置来调节。因此，可以通过可调整的工艺参数来调节虚拟栅极抗蚀剂EPE的FP的每个系数：在此示例中，旋转速度、曝光和焦点。FP系数(例如，虚拟栅极抗蚀剂EPE FP)对一组工艺参数(例如，旋转速度、曝光和焦点)的响应可以被建模为一组独立变量的数学函数，其中，每个变量是适当地归一化为EPE的单位(例如，纳米)的工艺参数的数值表示。这些数学描述共同形成了虚拟栅极抗蚀剂EPE的工艺模型。
在此示例中，因为虚拟栅极抗蚀剂EPE是直接测量结果，所以其FP是FP层次结构中的最底层级FP之一。可以进一步注意的是，在此实施例中，工艺模型可以通过对虚拟栅极抗蚀剂EPE FP进行准确建模来保留虚拟栅极抗蚀剂EPE测量结果中的空间信息。通常，可以存在多于一种的测量类型(例如，EPE、线边缘粗糙度(LER)、覆盖度、关键尺寸(CD)、线宽粗糙度(LWR)等)。针对工艺步骤的每种测量类型，可以生成具有其相应工艺模型的最底层级FP。可以与在当前或先前工艺步骤中获得的测量结果的在线测量FP进行组合和计算(例如，两个测量结果之间的差)，以创建该工艺步骤的下一个更高层级的FP。
工艺步骤的可测量结果常常取决于来料晶圆的状态。例如，在包括制作被称为FinFET的鳍状晶体管结构的工艺流程中，虚拟栅极抗蚀剂图案的EPE可能受到有源层级处的浅沟槽隔离(STI)氧化物上方突出形成的鳍的高度的影响。在有源工艺模块中测量的鳍高度可以由有源鳍高度FP准确地再现。通常通过先前的工艺模块和当前工艺模块的完成的工艺步骤两者来确定来料晶圆的状态。因此，先前工艺模块的顶层级FP和现在工艺模块中的完成的步骤的最高层级FP可以与后续工艺步骤处的测量结果相关；因此与由此生成的FP相关。在此示例中，有源鳍高度FP可能会影响虚拟栅极层处的在线测量结果的一个或多个FP，如EPE、CD、LER、LWR和覆盖度的虚拟栅极抗蚀剂FP。FP对之间(例如，有源鳍高度FP与虚拟栅极抗蚀剂EPE FP之间)的这种相关性针对工艺流程进行了表征，并且从先前的工艺步骤中作为适用于生成后续工艺步骤的测量结果(最底层级)FP的传递函数进行了前馈。在一个实施例中，传递函数可以被实施为变换矩阵，该变换矩阵将较早FP(例如，有源鳍高度FP)的系数向量映射到可以并入后续工艺步骤的最底层级FP(例如，虚拟栅极抗蚀剂EPE FP)的系数向量中的分量向量。通常，可以使用如变换矩阵、一组差分方程、查找表、一组统计相关函数或迭代算法等任何数值模型来实施传递函数，该数值模型可以用于包括根据先前工艺步骤的晶圆特性计算出的度量对从后续工艺步骤中进行的测量得到的度量的FP的影响。此外，尽管已将先前处理对即时工艺步骤处的晶圆特性的影响公式化为将先前工艺步骤处的一个或多个FP模型映射到即时工艺步骤处的测量FP的至少一部分的传递函数，但是其他公式也是可以想到的。例如，传递函数可以被公式化为描述将先前步骤处的工艺参数映射到即时工艺步骤处的从一种或多种在线晶圆制作计量数据的组合/计算得到的度量的FP模型的至少一部分。一旦将先前处理的影响并入到最底层级FP中，与先前工艺步骤的相关性自然就包括在随后使用最底层级FP形成的任何较高层级FP中。
在针对工艺模块的工艺步骤生成FP之后，可以应用组合和计算来生成可以是工艺模块或层的FP的下一个更高层级FP，如下文进一步描述的。例如，虚拟栅极工艺模块中的工艺步骤的若干个FP(如虚拟栅极抗蚀剂CD FP、虚拟栅极刻蚀偏置FP、覆盖度等)可以组合以生成虚拟栅极层的虚拟栅极CD FP。
使用FP并且为保留和再现原始测量数据的空间坐标的FP系数生成工艺模型的方法的实施例对于监测和控制半导体晶圆制作生产线是有利的。采用对提供空间信息的FP系数向量的监测的统计工艺控制(SPC)策略促进标识可能会降低晶圆制作生产线的良率的工艺偏移的来源。例如，如果从可能会受到表示径向气流的若干个工艺参数的影响的度量的FP系数异常中观察到增加的径向依赖性，则这可能表明气流异常。可以将示出异常值的FP系数的工艺模型与空间信息结合使用，以模拟异常，以便帮助快速标识干预可以成功地恢复制造良率的设备和设备设置。
生成其中使用传递函数并入与先前工艺步骤的相关性的FP系数向量为晶圆制作制造系统提供了若干种独特的优势。传递函数方法有效地将测量FP的系数向量划分为两个分量向量：与先前处理相关的一个分量向量以及与立即完成的工艺步骤相关的另一个分量向量(被称为即时步骤向量)。与较早步骤的指纹相关的分量可从处理历史中预测，并且被称为测量FP的传递向量或传递分量。FP系数向量的这种分解可以用于将在给定工艺步骤处观察到的偏差划分为由于来料晶圆的状态而导致的部分和由于即时工艺步骤而导致的部分。此外，可预测性可以用于前馈校正动作或就终止进一步处理作出早期决策。
传递函数方法通过将FP中所有较早的工艺步骤的影响保留给后续工艺步骤中的度量来提高整个制作工艺流程的工艺模型的准确性。此能力可以有利地用于计算机辅助分析中，以调整工艺参数以提高生产线的良率，如下文进一步详细描述的。空间信息与工艺模型一起可以帮助进行更有针对性的调整，以优化设备设置从而提高制造良率。此外，这些分析可以标识由于其对制造良率的高影响而值得进一步投资的特定设备，并且还可以标识可以使用更便宜的替代方案而对制造良率的影响可忽略不计的特定设备。
上文概述的制造系统和方法将在下文参考图1至图8进一步详细地展示。
图1A中的晶圆图展示了晶圆制作制造系统的工艺步骤(例如，抗蚀剂图案化步骤的EPE测量)的可直接测量的结果100的示例，其中，该结果是在晶圆上的多个管芯位置处重复进行的相同类型测量的集合。可以将包括与一个样品晶圆或这种晶圆的集合上的空间位置(例如，二维(2D)直角坐标、x和y、或极坐标r和θ)相关联的数据值的数据集显示为晶圆图。在晶圆图中，根据其相关的空间坐标，在晶圆的二维图像中为每个数据点提供区域。在本文档中的晶圆图(如图1A中的图像)中，数据点被描绘为值由灰度指示的棋盘格形矩形。
原始数据(例如，直接测量的EPE值及其相关的坐标)可以被处理以创建指纹(FP)模型。具体地，可以执行如回归分析等分析以选择和调整函数的参数以最佳拟合原始数据值，例如，EPE的测量值与通过使用经优化的参数的FP模型所计算的值之间的最小误差。该分析包括选择2D空间坐标的适当数学函数，这些空间坐标可以利用可管理的有限数量的可调整参数来再现原始数据中的空间图案。例如，可能对其中例如液态光刻胶被引入旋转晶圆的中心区域并且通过径向离心力跨晶圆表面分布的工艺步骤敏感的测量，可以选择模型函数作为极坐标r和θ的函数(数学上表达为泽尔尼克多项式的有限级数)(或如傅里叶级数和贝塞尔函数等其他函数)。每个多项式由其相应数值系数加权。这些系数是模型的拟合参数，这些拟合参数的值可以在分析期间进行优化以获得与原始数据的最佳拟合。有序系数集合被称为系数向量，其中，每个系数是系数向量的一个分量。分量(按与泽尔尼克多项式的顺序相同的顺序布置)共同构成了原始数据的FP模型。图1B中所展示的系数向量是图1A中晶圆图所描绘的原始数据的FP模型的示例。图1B中用于FP模型的模型函数包括一系列由21个系数加权的前21个泽尔尼克多项式，按顺序在图1B中绘制。图1C中的晶圆图120描绘了建模值，如使用图1B中所展示的优化FP模型所计算的。如从两个晶圆图(图1A和图1C)的比较中可以观察到的，图1B中的FP模型能够相当准确地再现原始数据。
在一些情况下，可以通过扩展分析以包括标识主导模型参数来进一步简化初始FP模型(例如，图1B中的21维系数向量)。如果系数向量具有很少的主要分量(例如，显著影响所计算的数据值的五个系数)，则包括例如21个系数的初始FP模型可以由标识的几个主要系数(例如，五个主要系数)来近似。在一些实施例中，低维(例如，五维)系数向量可以替换初始高维(例如，21维)FP模型以用于进一步处理和计算(其余系数被忽略)。
图2是展示了实施上文描述的技术的示例系统200中的一个工艺步骤的执行流程的流程图。与半导体晶圆制作协作地执行示例系统200。在一些情况下，协作可以包括示例系统200是制作本身必不可少的一部分。如下文详细描述的，可以执行除基线(记录计划)晶圆制作工艺之外的加工步骤，以获得测量结果来以高置信度提取准确的模型参数。
为了简单起见而不是任何限制，示例工艺在本文中被解释为由系统200执行。图3和图4伴随图2的流程图，以帮助解释系统200中的步骤中的一些步骤。图3用于展示根据晶圆上的测量位置坐标而生成测量FP。图4用于解释系统200使用其生成工艺模型以计算指纹模型的系数对工艺参数变化的响应的方法。
如图2中系统200的流程图中的框210指示的，用于在系统200中创建工艺步骤的结果的预测数学模型的方法的逐步描述中的第一步骤(该模型包括FP、传递函数和工艺模型)用于获得根据基线制作工艺流程处理的半导体晶圆的一个或多个特性(例如，密集线图案中的线的抗蚀剂CD)的在线测量结果。每个获得的测量结果与从中获得测量结果的晶圆空间位置相关联，并且可以通过晶圆图以图形方式描绘，类似于参考图1A所描述的。图3A的图形300是在每个晶圆上的一组相同位置处的测量结果(例如，从基线处理晶圆的集合中收集的CD测量结果)的原始数据的晶圆图。
更一般地，框210的动作可以被描述为利用所收集的数据的空间信息来收集半导体晶圆的在线制作计量数据。此在线制作计量数据是从对晶圆进行的、关于晶圆的、晶圆中的以及针对晶圆的在线测量产生的，该晶圆的特性是由基线制作工艺流程的某个工艺步骤产生的。可以在工艺步骤期间或完成后进行测量。也就是说，在线制作计量数据是在基线半导体制作工艺流程的工艺步骤中形成的晶圆的特性的测量结果。
可以从关于在工艺步骤中处理的材料的膜(例如，沉积膜厚度)、经处理的膜中的图案(例如，在抗蚀剂显影步骤中的抗蚀剂线宽)、通过在工艺步骤中的处理完成的设备(例如，通过互连层级的金属CMP)、通过对材料进行刻蚀而暴露的早期设备(例如，对准标记)等的测量结果中得到工艺步骤处的在线制作计量数据。在本文中，该工艺步骤可以是处理此时作为制作焦点的材料膜。膜常常是顶部或最上面的膜。例如，膜是已沉积、清洁或刻蚀或者刚刚沉积、清洁或刻蚀的膜。
在一些情况下，例如，在线制作计量数据可以从关于紧邻作为制作的当前焦点的膜的膜、该相邻层中的图案、通过相邻层完成的设备、通过相邻层暴露的早期设备等的测量结果得到。常常，该紧邻的层是最上面的膜正下方的层。
在仍其他情况下，例如，在线制作计量数据可以从关于晶圆或晶圆本身的多个相邻层的测量结果中得到。例如，晶圆的多个相邻层可以在其中包括电和/或机械相互作用的微电子器件。
通常，在线制作计量数据包括来自在半导体制作期间使用材料的公共图案堆叠的多个半导体晶圆的测量结果(基于来自多个半导体晶圆的测量结果的计算)。不同类型的在线制作计量数据的示例包括测量和/或计算数据，如测量和/或计算在线制作计量数据，这些在线制作计量数据选自由以下各项组成的组：EPE、栅格CD测量结果、块LWR测量结果、栅格LWR测量结果、块CD测量结果、边缘轮廓、选择性沉积和/或选择性刻蚀的选择性；形成的微电子器件的电性质；接触孔CD；接触孔边缘粗糙度(CER)和椭圆率；短线和长线以及沟槽的尖端到尖端的距离；两个图案化层之间的覆盖误差测量结果；膜厚度和厚度均匀性；单个工具作用后发生的测量；在单个工艺模块的所有工具之后发生的测量；在多个工艺模块之后发生的测量；以及其组合。
在框220处，系统选择2D空间坐标(x,y)或(r,θ)的适当数学函数以对数据进行建模。在一个实施例中，模型函数是有限级数的基函数，并且对该级数的每个项进行加权的数值系数被称为数据的系数向量或FP，如上文所解释的。基函数通常是正交函数，如泽尔尼克多项式、勒让德多项式或贝塞尔函数等，并且被选择为使得可以对感兴趣的在线测量类型进行准确建模，而不必使用要求长计算时间的非常长的级数，并且模型的特性可与在线测量步骤的一些物理分量相比(例如旋涂工艺的径向特性)。
在下一个框230处，系统200根据优化算法来执行计算，该计算优化系数的有限集合以与测量类型的获得的空间测量结果最佳拟合以获得相应FP模型。可以针对在工艺步骤处获得的在线制作计量数据的每种测量类型生成FP模型。这些测量FP是FP的第一(最低)层级。
在图3A至图3C中展示了相应FP的在线测量和生成。图3A描绘了从使用基线处理在即时工艺步骤处处理的一个或多个晶圆获得的测量类型的在线制作计量原始数据。该图形将数据显示为定位于相应测量类型的空间坐标处并且使用灰度加阴影以表示相应数据的数值的棋盘格形矩形的晶圆图。然后，使用有限(例如，21项)级数的泽尔尼克多项式对图3A中描绘的数据进行建模，该泽尔尼克多项式是极坐标(r,θ)的函数。
经优化的21个系数集合在图3B中显示为直方图，其中，水平轴是泽尔尼克多项式的阶数，并且竖直轴是相应系数强度。在一些实施例中，项的数量可以是可调整的，例如，如果优化之后的最小拟合误差高于可接受的阈值，则可以将更高阶的多项式添加到级数中。
如图3B的直方图中可见的，系数中的一些系数相对于其他系数而言相对较小，这表明可以简化模型而不会引入过多的拟合误差，因为每个项的贡献都与其相应系数的强度成比例。然而，重要的是还要考虑基函数是2D空间坐标的函数，并且因此，项的相对贡献还取决于晶圆的表面上的位置。例如，在晶圆的中心附近占主导的项在晶圆的边缘附近可能较弱。
在图3C中，将具有五个最高系数强度的五个项的贡献绘制为晶圆表面的x-y平面之上的3维表面。如从图3B的直方图中可见，前五个系数是4阶、12阶、10阶、21阶和14阶泽尔尼克多项式的系数。图形(如图3C中的那些图形)有助于降低模型的复杂性。较不复杂的FP模型提供了减少用于生成工艺模型的计算时间和执行后续分析的优势，如下文进一步描述的。
接下来，在此实施例中，在框240处，获得传递函数以在当前工艺步骤处分解测量FP，以便对先前工艺步骤对当前工艺步骤处获得的晶圆特性的在线测量结果的影响进行建模。在另一个实施例中，可以在完成当前工艺步骤的所有测量FP和更高层级FP的生成(使用测量FP和计算的组合)之后生成传递函数。如上文讨论的，可以使用各种技术(例如，变换矩阵、统计相关函数等)来实施和提取传递函数。
如在图2中的系统200的流程图的框240中所指示的，在此实施例中，用于提取传递函数的方法考虑到先前处理的记忆被嵌入在来料晶圆的状态中。为了具有在即时工艺步骤处划分测量FP的系数向量的可靠方法，可以通过在某个较早的工艺步骤中有意地改变工艺条件来生成一组来料晶圆。例如，预期在光刻胶显影步骤中的抗蚀剂CD的测量FP与在其上形成抗蚀剂图案的晶圆表面的平面度相关。因此，可以有意地从基线工艺流程改变先前的平面化工艺步骤的工艺参数以生成来料晶圆，其中，每个晶圆具有在平面化步骤处获得的不同的平面度FP。然后分析抗蚀剂CD测量结果的系数向量对该组特殊制备的非基线来料晶圆的平面度FP的变化的响应，以标识抗蚀剂CD FP的每个系数与其基线值的偏差的敏感性。此信息可以用于定义变换矩阵，该变换矩阵可以将所有来料晶圆的平面度FP的系数向量映射到相应抗蚀剂CD响应向量(被称为传递向量)，该相应抗蚀剂CD响应向量是抗蚀剂CD系数向量的预期在平面化步骤中包括与晶圆的平面度FP的所有相关性的一部分。此响应向量捕获平面化工艺的记忆，并且可以从抗蚀剂CD测量FP中减去，以获得抗蚀剂CD系数向量的不相关分量(被称为即时步骤向量)，该不相关分量预期与即时工艺步骤处的处理条件更强烈相关。
在上文描述的示例实施例中，变换矩阵是传递函数的数学实施方式。应理解，如上所述，其他数学实施方式是可能的。
每次晶圆制作生产线处理一批晶圆时，不需要生成特定基线晶圆制作工艺流程的传递函数。传递函数可以一次生成并且以电子方式存储，以供将来使用。随着对基线晶圆制作工艺流程的修改，可以定期更新传递函数。
在图2中的流程图所展示的示例实施例中，系统200根据该步骤的测量FP的即时步骤向量的响应，创建工艺步骤的工艺模型。在框250、260和270中概述了用于创建此工艺模型的步骤，并且参考图4进行了描述。
在框250中，系统200从使用在基线晶圆制作工艺流程中规定的值处以及周围的若干个工艺参数值处理的一组晶圆获得在线制作测量数据。在要为其创建工艺模型的工艺步骤处，每个工艺参数都与不同的可调整设备设置相关联。例如，某个工艺可以允许基于可用于该工艺的一个或多个工具的控制来调整条件(例如，刻蚀速率、刻蚀时间、气体浓度等)。在该情况下，那些工艺条件是工艺参数。
图4A展示了由在线测量数据的晶圆图400的4×4矩阵以图形方式描绘的原始数据的示例。图4A中的示例矩阵的每个晶圆图对应于对使用特定工艺参数向量处理的一个或多个晶圆执行的相同测量类型的测量，该特定工艺参数向量包括一对两个工艺参数(第一工艺参数par1和第二参数par2)的值。例如，par1可以是刻蚀速率，并且par2可以是刻蚀时间。通常，改变的工艺参数的数量可以是除了两个。另外，可以执行多于一种的测量类型的测量。显示图4A中的原始数据，使得沿4×4矩阵的行的晶圆图对应于par1的四个参数值，而par2的参数值保持不变；并且沿列的晶圆图对应于par2的四个参数值，而par1的参数值保持不变。
另外在框250中，系统200生成从使用不同工艺参数向量处理的一组晶圆获得的原始数据的FP模型，如上文参考图4A所描述的。根据从每个工艺参数向量获得的原始数据生成一个FP模型。例如，图4B中描绘的16个直方图是由图4A中描绘的16个晶圆图描绘的原始数据的相应FP模型。模型函数是21项级数的泽尔尼克函数，类似于参考图1B所描述的函数。每个条是与相应工艺参数向量(par1，par2)相对应的测量类型的FP模型的21分量系数向量的系数。
仍参考框250，系统200可以利用基线工艺流程的可用传递函数来分解图4B中的测量FP系数向量，以通过从系数向量中减去传递向量来获得每个测量FP的即时步骤向量。如上文所描述的，在此实施例中，系数向量的每个系数被划分或分解为两个部分。第一部分等于使用传递函数计算出的传递向量的相应系数。第一部分表示与在较早的工艺步骤处获得的一个或多个FP的相关性。然后，剩余的第二部分等于即时步骤向量的相应系数，该系数表示由即时工艺步骤的工艺条件确定的部分。期望使用即时步骤向量来生成工艺模型，以便防止即时工艺步骤的工艺模型的参数受较早的工艺步骤中的一个或多个工艺步骤处的工艺参数的影响。
在框260处，系统200选择模型函数以对指纹的即时步骤向量的每个系数对工艺参数(例如，par1和par2)的变化的响应进行建模。可以使用不同的模型函数对即时步骤向量的系数中的每一个进行建模，例如，21项级数的泽尔尼克多项式的由图4C中的a1、a2、...、ai、...、a20、a21表示的21个系数。在图4所展示的示例中，每个系数ai有16个实例，对应于在工艺步骤处使用的16个工艺向量，以便生成16个晶圆和相应FP。
在框270中调整在框260处选择的模型函数的模型参数，以与每个系数ai的16个值最佳拟合，以生成工艺步骤的经优化的工艺模型，该工艺模型包括由图4C中的f1、f2、...、fi、...、f20、f21表示的21个模型函数。已经根据优化算法对函数fi中的每一个进行了优化。前两个工艺模型f1和f2在图4C中以图形形式描绘为根据两个工艺参数par1和par2绘制的三维(3D)表面。3D表面中的每一个附近的16个点是用于创建模型f1和f2的16个值a1和a2，展示了工艺模型的预测与FP模型的即时步骤向量的系数之间的良好拟合。
图4D展示了根据FP模型和相关工艺模型计算出的晶圆图。图4D中的晶圆图与图4A中的原始数据的晶圆图的比较示出了良好拟合，从而展示了FP模型以及相关的工艺模型在再现基线处理条件周围的工艺参数空间之上的在线制作计量数据(包括其空间信息)时的预测能力。
类似于基线传递函数，基线晶圆制作工艺流程中的工艺步骤的工艺模型也可以一次生成并且以电子方式存储以供将来使用。同样类似于传递函数，可以在对基线工艺进行修改时周期性地更新工艺模型。
基线在线晶圆制作计量数据的指纹可能会更频繁地生成，以进行实时良率分析和高级工艺控制(APC)，尤其是用于强烈影响制造良率的工艺步骤。FP的参考集合可以被存档以与从运行生产线获得的那些参考集合进行比较，以检测、分析和校正异常。
在图2的流程图中的框280处，可以组合最低层级的FP(其为测量FP)，并且可以使用计算来创建更高层级的FP和能够准确地预测工艺步骤的相关度量的相关工艺模型。为了组合具有不同单位的多个FP，可能有必要对系数的值进行归一化以获得一致的单位。
如上文所描述的，使用包括测量位置的2D空间坐标的在线测量结果生成的FP模型、传递函数和相关的工艺模型可以有利地用于晶圆制作制造系统中。如前所述，并且如框290中指示的，系统200可以标识FP的控制系数和工艺模型的控制参数。这不仅可以通过消除模型的不太重要的参数来简化模型，而且还可以帮助深入了解工艺参数、设备设置和设备选择对制造良率的影响。模型可以与APC工具一起用于监测和改善良率损失，并且甚至可以用来改善基线晶圆制作工艺流程，以提供更高的制造良率，如下文进一步描述的。
图5中的流程图展示了可以用于生成工艺模块或层500(例如，有源层、栅极层、接触层、金属层等)的度量的指纹的流程的一部分，每个层包括一个或多个工艺步骤。在每个工艺步骤处，相应工艺步骤的FP、传递函数和工艺模型可以由制造系统(如系统200)使用例如参考图2所展示的流程图描述的流程来生成。
可以使用每个工艺步骤的FP、传递函数和工艺模型通过组合和计算来生成该层(例如，层500)的FP、传递函数和工艺模型。参考图6中的流程图解释生成层FP的示例方法。
在图5所展示的示例中，层500包括四个代表性工艺步骤(A、B、C、D)，如抗蚀剂涂覆、曝光、显影、抗蚀剂剥离等。尽管出于示例目的示出了四个工艺步骤，但是层500可以包括任何数量的步骤。提供给每个工艺步骤的输入是来料晶圆以及在较早的工艺步骤中生成的FP和传递函数。
工艺步骤(例如，步骤A、B、C或D)包括如本领域技术人员已知的用于晶圆制作的处理设备，如涂料器、扫描仪、等离子体刻蚀机、测试设备等，以及相关的化学品、真空泵、温度控制器等。除设备外，每个工艺步骤还包括工艺配方，这些工艺配方包括工艺参数值、时序信息和用于处理来料晶圆的指令。该设备具有可调整的设置，这些设置可以用于控制可调整的工艺参数，如刻蚀速率、气体流量、曝光层级、旋转速度等。每个工艺参数在图5中通过唯一的大写字母斜体下标(J至U)表示。例如，工艺步骤A的可调整工艺参数是AJ、AK和AL，如图5的第一列中可见。
可以通过执行被选择以获得期望的结果的一个或多个工艺配方来在工艺步骤处处理一个或多个来料晶圆，例如，沉积具有期望的材料和厚度的膜。可以使用各种传感器监测处理，并且可以通过APC系统控制处理设备，以确保工艺参数达到工艺配方所预期的结果。默认情况下，根据基线晶圆制作工艺流程的基线工艺配方来处理晶圆。
如上文所描述的，收集晶圆特性的在线测量结果作为图2的FP模型生成流程图中的第一步骤。可以进行多种类型的测量(例如，沉积膜厚度、第一行的抗蚀剂CD、第二行的抗蚀剂CD、阶跃高度、泄漏电流等)，每种测量类型均具有唯一的字母作为下标。图5中示出了由八个下标(a至h)表示的八种测量类型。可以从多个晶圆中收集在线晶圆制作计量数据，但是对于在给定工艺步骤(例如，步骤A)处测量的所有晶圆以及对于固定的测量类型(例如，类型a)，晶圆上的一组位置可以是相同的。空间信息通过使每个数据点与晶圆上的从中获取数据的位置的2D空间坐标相关联来保留。
在图5中，同一测量类型的每个数据点都由唯一的斜体数字标识为上标(1、2、3、4等)。因此，在工艺步骤A处的一组类型a的晶圆测量结果(包括空间信息)由{Aa1,Aa2,Aa3,Aa4...}表示。在图5的示例中，在四个工艺步骤中的每一个处执行两种类型的测量，在工艺模块500中总共进行八种类型的测量。
最低层级FP模型可以在每个步骤处从在线晶圆制作计量数据中生成，例如，在步骤A中，可以存在两个测量FP：数据集{Aa1,Aa2,Aa3,Aa4...}的一个FP和数据集{Ab1,Ab2,Ab3,Ab4...}的另一个FP。使用测量FP的组合和计算创建的工艺步骤的指纹在图5中由带有下标FP和数字上标的工艺步骤名称表示，以标识每个工艺步骤指纹。例如，在图5中，步骤A处的两个工艺步骤FP被示出为AFP1和AFP2。可以使用两个测量集合Aan和Abn的各种组合来得出两个工艺步骤指纹。例如，在一种情况下，测量集合Aan用于创建工艺步骤指纹AFP1，并且测量集合Abn用于创建工艺步骤指纹AFP2。在另一种情况下，测量集合Aan和Abn一起用于创建工艺步骤指纹AFP1，并且单独使用测量集合Abn或Abn来创建工艺步骤指纹AFP2。多种其他组合也是可能的，其中使用各种加权、缩放、平均、拟合和/或其他技术，从一组或多组晶圆测量中创建每个工艺步骤指纹。尽管出于示例目的示出了每个工艺步骤的两个工艺步骤指纹，但是每个工艺步骤可以包括一个或多个工艺步骤指纹。
可以根据在较早的工艺步骤处生成的FP模型与即时工艺步骤的测量FP之间的相关性来生成每个工艺步骤的传递函数。在图2的流程图的描述中解释的一种标识相关性的示例方法包括：通过在较早的工艺步骤(例如，图5中的步骤B)中有意地改变工艺参数来生成一组非基线晶圆，并且然后使用晶圆作为使用基线工艺配方在即时工艺步骤(例如，步骤C)处处理的来料晶圆。即时步骤C处的测量FP对FP在先前步骤B处的有意变化的响应提供了生成变换矩阵的信息，该变换矩阵作为传递函数根据在工艺步骤B处观察到的晶圆特性来预测工艺C的可测量结果的变化。如上所述，除变换矩阵外，还可以定义其他方法来生成传递函数，以对一个工艺步骤(例如，步骤B)处的晶圆特性对后续工艺步骤(例如，步骤C)处的处理结果的影响进行建模。
一旦定义了工艺步骤(例如，要具体化的步骤A)的所有传递函数，就可以将步骤A的每个测量FP(由相应系数向量表示)分解为与先前处理相关的传递向量和与先前工艺步骤的工艺参数解耦的即时步骤向量。这种解耦提供以下优势：使用上文参考图2和图4描述的方法，根据从通过仅改变步骤A的工艺参数向量(AJ，AK，AL)制作的一组晶圆获得的一组在线晶圆计量数据创建步骤A的准确工艺模型。
应当理解的是，对通过其可以生成工艺步骤或包括工艺步骤集合的层的指纹、传递函数和工艺模型的方法的描述和解释在本文作为示例提供并且不应被视为是限制性的。如上所述，除了所描述的方法之外的方法也是可能的，并且这些替代方法可以从本披露内容中提供的描述和解释中得出。
可以扩展较低层级测量FP的工艺模型，以创建从测量FP得到的较高层级FP的工艺模型。可以利用用于生成两个工艺步骤FP AFP1和AFP2的组合和计算通过对测量FP的工艺模型进行相应组合和计算来创建工艺步骤A的工艺模型。
图6A至图6C展示了可以通过对较低层级FP进行组合和计算来生成FP层次结构的方法的示例。具体地，使用图6A所展示的流程图从在线测量结果中获得的测量FP(最低层级)开始，在图6中生成EPE的层次层级FP(被称为EPEA)。图6B中显示了可以用于计算EPEA的示例等式。图6C展示了制作的结构的透视图，以解释用于获得测量FP的在线晶圆制作计量数据可以在不同的工艺步骤处收集。在此示例中，工艺步骤属于工艺模块(被称为金属1层)。从测量结果中收集原始在线数据，这些测量结果涉及在金属1层中形成的两个图案化膜(第一膜A和第二膜B)，如图6C所展示的。
共同作为FP 670示出的五个指纹形成测量FP集合{612,622,623,632,633}，在图6A所展示的流程图中从该集合中获得更高层级FP。使用各种比较、计算或其他工艺(统称为比较、计算等)660，在图6A的流程中，根据测量FP 670生成更高层级FP 611、621、631和641。可以对这些指纹进行进一步比较和处理，以得出覆盖度(OL)AB 610、行进间距(PwalkA)620、变量A(VarA)630(例如，沟槽关键尺寸(CD))以及变量B(VarB)640(例如块的CD)的集合指纹、代表性指纹或所得指纹。下标A和B分别指与膜A和B有关的度量，并且下标AB用于涉及膜A和B两者的度量。
如接下来在图6B所显示的等式中所展示的，FP 610、620、630和640用于计算指纹EPEA，该指纹为图案化膜A的边缘放置误差的层次层级指纹。可以应用与本文所解释的方法类似的方法来生成与晶圆制作制造系统和基线工艺流程的制造良率相关的其他指纹。
在图6A的示例流程图中，测量FP集合的元素是覆盖度612、线#4CD 622、线#5CD623、沟槽#4CD 632和块1T CD 642。这些测量FP的原始在线晶圆制作计量数据涉及两个图案化膜，第一图案化膜A(使用自对准四重图案化(SAQP)技术形成)和第二图案化膜B，如图6C所展示的。测量FP覆盖度612使用这两个图案之间的覆盖误差的测量结果。指纹线#4CD622和线#5CD 623从在执行以形成图案化膜A并且随后用于计算被称为行进间距的多图案度量的SAQP工艺步骤中的一个或多个工艺步骤处收集的线和空间测量结果中提取。FP沟槽#4CD 632可以通过对图6C中的图案化膜A的一对相邻线之间的空间进行测量来生成，该空间是通过包括在一次性心轴的相对侧上形成一对自对准间隔物的处理技术创建的。指纹块1T CD 642使用涉及图6C中的图案化膜B的图案中的关键尺寸的几何特征的线宽测量结果。从本文提供的测量结果的描述中显而易见的是，所得层FP EPEA结合了在不同工艺步骤处收集的在线晶圆制作计量数据。
仍参考图6A，使用各种比较、计算和组合660生成的较高层级FP 611、621、631和641表示与计算图案化膜A的图案中的特征的边缘放置误差有关的若干个度量。从覆盖度612得到的y覆盖误差的量由FP 611表示；从线#4CD 622和线#5CD 623得到的膜A中的行进间距的量由FP 621表示；沟槽#4CD 632确定膜A中的几何变量/CD 631的量；并且块1T CD642确定膜B中的几何变量/CD 641的量。比较、计算和组合可以具有各种类型，例如，简单的代数运算、解析线性和非线性函数、向量函数、几何变换、统计分析、数值方法的计算机算法等，或其组合。
如上所述，可以进一步处理较高层级FP，以得出在图6B中显示的示例性等式680中使用的指纹(OL)AB 610、PwalkA 620、VarA630和VarB 640。此示例性等式定义了可以用于计算该层的边缘放置误差的金属1层次层级FP，EPEA。在此等式中，(MP)A指最小间距线的几何线间距比，PregA指图案配准误差(源自光掩模的图案化误差，因此在每个曝光场上重复相同的误差)，并且LspecA表示来自图案设计的几何线规格。在等式680中，VarA、VarB、PregA、(OL)AB和PwalkA是指纹，并且(MP)A和LspecA是常数。项PregA、(MP)A和LspecA是图6A中未展示但在等式680中用作说明的附加指纹/常数。该等式可以包括从如光掩模的规格文件、制造商的处理设备规格等独立来源获得的各种常数。
层次层级FP(如层次层级FP EPEA)可以用于执行柏列特图分析(paretoanalysis)，以标识影响层的度量的主要因素，并且从而标识制造良率。例如，使用图6B中的等式进行的计算可以按顺序排列覆盖误差、膜A的图案中的行进间距、膜A中的沟槽的沟槽宽度的变化以及膜B中的线的线宽变化对层的EPE的贡献。在一个示例中，这种柏列特图分析表明，最主要的因素是对总边缘放置误差的贡献为约55％的覆盖误差，并且沟槽宽度变化的影响可以忽略不计，其贡献仅为约1％。在此示例中，对EPE的贡献是通过组合晶圆上的所有空间位置而获得的集合体。可以执行更有针对性的分析，该分析可以进一步分析晶圆上特别易受损坏的区域(例如，晶圆的边缘附近的区域)的良率损失。这种分析可以用于改善基线工艺流程和制造良率。
图7中展示的更一般的流程图描述了流程的实施例，其中系统700可以扩展上文描述的方法和技术以创建用于创建传递函数和工艺模型的工艺步骤的传递函数和工艺模型，以预测度量的指纹，并且因此预测基线晶圆制作工艺流程中的任何步骤处的晶圆特性。
在图7的流程图的框710处，从根据基线工艺流程处理的晶圆获得具有相关的空间信息的在线测量结果。如框720所指示的，此在线晶圆制作计量数据可以用于生成表征整个基线工艺流程的测量FP和更高层级FP。然后，在框730处，可以通过在基线工艺流程的工艺步骤处改变工艺参数来生成非基线晶圆。由于高级工艺流程非常复杂，涉及数百个工艺步骤，因此可能有利的是首先使用例如与上文描述的利用层次层级指纹EPE的等式的分析类似的柏列特图分析来标识影响制造良率的主要工艺步骤，如图6B显示的。在框740处，使用晶圆计量数据和在框730处生成的非基线晶圆的相关的工艺参数值来获得在线测量结果和相应指纹。
图7中的后续框展示了可以如何利用从具有相关的空间坐标和工艺参数值的在线测量结果中捕获的信息来创建基线工艺流程的预测模型。
在框750处，创建传递函数以对一个工艺步骤处的晶圆特性的变化与随后的工艺步骤处的晶圆特性之间的相关性进行建模。较早的工艺步骤中的变化可能是由于处理条件的自然偏差引起的，也可能是通过改变可调整的工艺参数而有意生成的。在框760处获得指纹的所有系数或参数对在特定工艺步骤处有意改变的工艺参数的响应。
在框770处，根据传递函数计算与先前工艺步骤处的处理相关的指纹响应的分量。然后，可以划分出与较早的工艺步骤不相关的分量。此分量与数学模型拟合，以获得即时工艺步骤的工艺模型。
如框780所指示的，可以使用上文描述的方法来生成可能已经在框730处选择为主要工艺步骤的所有工艺步骤的工艺模型。在框780处，可以使用基线指纹、传递函数和工艺模型来预测在基线工艺流程的任何步骤处具有相关的空间信息的晶圆特性。
指纹、传递函数和工艺模型共同为可以由晶圆制造系统使用的晶圆制作工艺流程提供数学模型。一旦创建了这种模型，制造系统就可以使用该模型来预测、优化、调整和/或控制工艺步骤中的一个或多个工艺步骤，以便在晶圆生产中实现期望的制造良率的提高。换句话说，使用该模型，可以修改/更改工艺条件，并且因此可以以更高的良率来制造包括半导体管芯的多个晶圆，从而导致制造成本的降低。
例如，可以更频繁地监测通过分析基线指纹标识的主要工艺步骤。从收集用于监测生产线的在线计量数据生成的指纹不仅可以检测未通过规格的晶圆(被称为不合格品)，而且还可以标识高不合格或高密度不合格区域的空间坐标。这种信息有利于检测和确定系统性不合格品。工艺模型可以用于标识可能是制造良率损失的可能来源的再一种设备，并且为用于采用单工具或多工具工艺控制策略的系统提供信息。此外，当与APC工具结合使用时，该模型可以帮助制造系统建议或推荐对特定工艺参数的调整，以改善不合格品以恢复良率损失。在一些情况下，系统可以直接调整特定工艺参数。
另外，工艺模型和传递函数可以用于改善基线工艺流程。例如，系统可以使用工艺模型来优化工艺参数，使得经优化的指纹可以改善目标度量，如EPE。可以将经优化的工艺参数作为新的记录计划(POR)馈送到工艺中，从而提高基线工艺流程的制造良率。
这可以以此方式描述：该系统获得目标半导体晶圆的相关可预测特性的值的目标范围。此目标范围是通过半导体晶圆制作工艺生产的可接受或期望的半导体晶圆的可接受或期望值的范围。例如，客户可以指定EPE的可接受值的范围。
使用工艺模型，系统优化半导体晶圆指纹的工艺参数中的一个或多个工艺参数，使得由半导体晶圆制作工艺生产的半导体晶圆的相关的可预测特性的值落入获得的目标范围内。也就是说，使用工艺模型，系统计算工艺参数中的一个或多个工艺参数的值，这些工艺参数有效地产生将落入获得的目标范围内的相关的可预测特性的值。当然，在一些实施方式中，范围可以是关于目标值的正/负范围。
此外，由于此工艺模型保留了空间特性，因此可以标识和调整在高不合格的特定区域影响EPE的工艺参数，以提高制造良率。
图2和图7以及相关的图1、图3至图6中所展示的方法可以在包括指令的非暂态计算机可读存储介质中实施或使用非暂态计算机可读存储介质实施，这些指令在被执行时使计算设备的处理器与半导体晶圆制作工艺协作执行操作。另外，用于执行图2和图7的步骤的指令中的一些指令可以存储在不同的非暂态计算机可读存储介质中的单独位置中，并且可以被配置成在不同计算设备的不同处理器中执行。非暂态计算机可读存储介质的示例包括各种类型的存储器，包括非易失性固态存储器，以及其他存储介质。例如，非暂态计算机可读存储介质可以包括但不限于磁存储设备(例如，硬盘、软盘和磁条)、光盘(例如，光盘(CD)和数字通用光盘(DVD))、智能卡、闪速存储器设备(例如，拇指驱动器、棒、密钥驱动器和安全数字(SD)卡)以及易失性和非易失性存储器(例如，随机存取存储器(RAM)、只读存储器(ROM))。
例如，图2的步骤220至290可以是被配置成在一个或多个处理器中执行的指令，这些指令导致工艺模型的开发。类似地，图7的步骤720至780可以是可以被配置成在一个或多个处理器中执行的指令，这些指令导致工艺模型的开发。
结合图1至图7所描述的技术描述了生成指纹和使用指纹来创建工艺模式的方法。在基于指纹的模型的一个应用中，可以提供一种用于检测工艺或工艺工具的任何异常的方法。在基于指纹的模型的应用的另一个实施例中，提供了一种用于检测缺陷的方法。
提供了通过模型指纹相对于工艺变量的变化率进行的工艺模型的灵敏度计算。生成指纹灵敏度表，在该指纹灵敏度表中，工艺变量与一组指纹灵敏度相关联。通过应用在工艺模型中使用的相同指纹方法，在生产过程中监测来料衬底的指纹。对来料衬底的指纹与使用工艺模型计算出的预测指纹之间的差异进行计算。将这个差异指纹与指纹灵敏度表进行比较，以找到最有可能导致该差异的工艺变量。然后可以创建对这种可能性排序的图表并报告给用户。可以获得工艺变量与衬底上实际测量结果之间的空间关系。通过指纹灵敏度实现的直接相关性提高了精确定位故障工艺工具的能力。在另一个替代方案中，可以利用指纹工艺来检测已在衬底上形成的缺陷。例如，可以通过使用本文所描述的指纹比较工艺来检测在特定工艺步骤中可能在衬底上形成的微粒。
故障工艺工具(或该工艺工具的零件)可能对经处理的衬底的指纹有重大影响。类似地，缺陷也可能对经处理的衬底的指纹有重大影响。所披露的方法呈现了使用指纹建模来检测工艺变量相关漂移的细节，以在早期对故障工艺工具和/或零件和/或检测工艺步骤中缺陷的形成进行识别。所披露的技术不需要传感器输入来检测故障工具和/或缺陷。因此，提供了一种通过隔离具有贡献指纹分量的工艺变量并基于工艺变量灵敏度的检测来识别衬底加工工艺问题或故障工具和/或零件的根本原因的替代方法。类似地，所披露的方法呈现了使用指纹建模来检测工艺步骤中缺陷形成的细节。所披露的技术不需要针对缺陷进行传感器输入。因此，提供了一种通过使用指纹技术来识别形成缺陷的衬底加工问题的替代方法。
在工艺故障检测的一个实施例中，在创建工艺模型之后(例如，如上所述)，该方法和系统涉及通过指纹相对于每个工艺变量(或“旋钮”)的变化率来计算工艺模型的灵敏度。通过此方法来生成指纹灵敏度表，其中每个工艺变量与一组指纹灵敏度相关联。可以存储此表，以在如下所述的监测步骤中使用。
在一个实施例中，该系统通过应用在工艺模型中使用的相同指纹方法来监测通过生产线的来料衬底(例如，来料半导体晶圆)的指纹。然后，该系统对来料晶圆指纹与使用工艺模型计算出的预测指纹之间的差异进行计算。将这个差异指纹与指纹灵敏度表进行比较，以找到最有可能导致该差异的工艺变量。然后可以创建对这种可能性排序的图表并报告给用户。
用于生成报告与工艺变量有关的故障相关性的这种图表的方法是独特的，因为其不依赖于除测量计量学之外的传感器。使用传感器的传统方法取决于仅间接影响衬底的其他测量类型。基于指纹的方法能够检测工艺变量与衬底上实际测量结果之间的空间关系。通过指纹灵敏度实现的直接相关性提高了精确定位故障工艺零件和对不良晶圆性能进行早期检测的能力。
故障工艺工具(或该工艺工具的零件)可能对经处理的晶圆的指纹有重大影响。所披露的方法呈现了使用指纹建模来检测工艺变量相关漂移的细节，以在早期对故障工艺工具和/或零件进行识别。所披露的技术不需要传感器输入来检测故障工具和/或零件。因此，提供了一种通过隔离具有贡献指纹分量的工艺变量并基于工艺变量灵敏度的检测来识别衬底加工工艺问题或故障工具和/或零件的根本原因的替代方法。
图8展示了实施用于半导体晶圆的基于指纹的故障检测技术的示例性工作流程图。如图8所示，首先在步骤800中对半导体工艺流程的一个或多个工艺步骤执行实验设计。该实验设计可以考虑各种各样的工艺条件和变量，这些工艺条件和变量在典型的工艺环境中可能会发生潜在的变化或波动。实验工艺可以在许多不同的实验晶圆上单独地和/或以各种组合来改变这些工艺条件和变量。对于实验中的每个晶圆，然后可以如步骤805所示收集晶圆数据。如步骤810所示，可以创建指纹。使用实验数据，在步骤815中创建工艺模型。该工艺模型可以提供作为所有工艺条件的函数的指纹分量。
当在图8的步骤815中创建了工艺模型时，可以将该工艺模型应用于在生产制造工艺中使用的晶圆。因此，对于生产制造工艺中的在制造工艺流程的特定点的每个晶圆，可以如步骤820所示收集晶圆数据。然后，如步骤825所示，可以创建指纹。利用在步骤815中创建的工艺模型，可以在步骤835处创建步骤825的指纹与步骤830计算出的建模指纹之间的差异。可以利用上文关于图1至图7所描述的技术来创建步骤835的所计算出的差异。
然后，可以结合步骤815的工艺模型来利用步骤835的所计算出的差异，以便在步骤840中将所计算出的差异与工艺模型灵敏度进行比较。步骤840的比较然后可以用于步骤845，以检测导致这些差异的故障工艺变量(“旋钮”)，这些差异是对晶圆指纹检测到的与预期建模指纹相比的差异。以此方式，就可以利用指纹工艺来检测工艺流程中导致晶圆指纹变化的故障。
图9至图14提供了本文描述的技术的示例性应用。更具体地，这些图展示了在半导体晶圆上形成膜的示例工艺步骤。该示例展示了如何使用指纹模型来检测成膜工艺的故障工艺变量。半导体加工技术包括各特定工艺步骤(如但不限于表面制备、离子注入、热步骤(例如，快速热氧化(RTO)、快速热退火(RTA)、激光退火等)、光刻步骤(例如，抗蚀剂涂覆、曝光、显影、抗蚀剂剥离等)、电镀、等离子体沉积、等离子体刻蚀、湿法刻蚀、化学机械抛光(CMP)等步骤)的各种工艺变量。这些工艺步骤中的任何一个的特定工艺变量的范围都可以很宽泛，包括但不限于温度、压力、气体、气体流速、功率设置、电压设置、电流设置、旋转速度、分配体积、液体、液体流速、液体密度、时间等。此外，任何特定工艺步骤都可以由一系列子步骤组成(例如，等离子体刻蚀工艺或等离子体沉积工艺可以由两个、三个、四个或甚至更多步骤组成)，每个子步骤具有用于每个子步骤的一组变量。
图9展示了示例性表，该示例性表展示了成膜工艺的各种工艺变量(在此情况下，19个工艺模型项900表示为Par 1至Par 19)。如图9所示，这些项按灵敏度等级列出(等级越低灵敏度越高)。在所示示例中，Par 4的等级最低，因此灵敏度最高。还示出了对应的指纹项905。图10展示了在空间上收集到的整个监测晶圆栅格的膜厚度原始数据。图10还展示了如由指纹模型1040提供的对应的系数强度1020和系数1030。
参考图8的工作流程图，图10的系数强度1020和系数1030提供了图8中步骤825的指纹。图11A和图11B展示了图8的关于膜厚度示例的工作流程步骤825、830和835。更具体地，图11A展示了应用于假设“好”晶圆(在此示例中是在无工艺故障下处理的晶圆)时的步骤。图11B展示了应用于“坏”晶圆时的步骤，在该步骤中，在处理期间发生了工艺故障。如图11A所示，好晶圆的系数和系数强度创建了指纹1110(如图8的步骤825)。使用工艺模型计算预测系数和系数强度来创建建模指纹1120(如图8的步骤830)。然后通过计算指纹1110与建模指纹1120之间的差异来获得差异指纹1130。图11B展示了在此示例中应用于经历了故障生产工艺的晶圆的工作流程步骤。如图11B所示，坏晶圆的系数和系数强度创建了指纹1140(如图8的步骤825)。使用工艺模型计算预测系数和系数强度来创建建模指纹1150(如图8的步骤830)。然后通过计算指纹1140与建模指纹1150之间的差异来获得差异指纹1160。
然后可以将差异指纹(例如，图11A的差异指纹1130和图11B的差异指纹1160)与工艺模型灵敏度进行比较，以帮助确定特定工艺变量是否是故障工艺变量。图12A和图12B展示了这种比较的示例性结果。例如，使用差异指纹1130可以表明，与预测指纹的任何差异都不是由任何一个(或一组)故障工艺变量造成的。如图12A所示，19个工艺变量(“工艺模型项”)指示没有一个工艺模型表现出了高故障概率。更具体地，图12A展示了绘制工艺变量(工艺模型项1202)与特定工艺变量的故障概率1204的图表1210。在此示例中，由于所分析的晶圆是“好”晶圆，晶圆没有表现出指示故障的特定不良空间膜厚度轮廓，因此没有特定工艺变量表现出明显的高故障概率水平。基于该分析，实际晶圆与建模结果之间的差异并未表明任何特定的故障工艺变量。然而，图12B是“坏”晶圆的概率，证明检测到故障。更具体地，图12B展示了绘制工艺变量(工艺模型项1202)与特定工艺变量的故障概率1204的图表12200。在此示例中，检测到其中一个工艺变量出现故障。如图所示，工艺模型项10示出了超过90％的高故障可能性1230。基于该分析，实际晶圆(在这种情况下是坏晶圆)与建模结果之间的差异指示出关于工艺变量10的故障。以此方式，就可以利用指纹技术来检测和识别晶圆处理中的故障。可以为每个工艺变量建立预定故障概率水平，以确定何时将工艺变量标识为故障工艺变量。
如上所述，还可以利用本文所描述的指纹分析技术来标识晶圆上的局部缺陷，如所造成的颗粒、图案塌陷、空隙、热点等。更具体地说，本文所描述的工艺建模技术可以与缺陷检测技术相结合。虽然缺陷检测可以通过在从晶圆获得的数据中寻找空间局部大尖峰来标识，但是这种技术可能会导致缺陷检测错误。为了减少缺陷检测错误，还可以将潜在的工艺变量波动与分析相结合。因此，在缺陷分析过程中利用了通过实验设计工艺创建的工艺模型。通过考虑工艺变量的变化，可以实现更可靠的缺陷检测过程，减少假阳性的发生。
图13展示了实施用于半导体晶圆的与图8的故障检测技术类似的基于指纹的缺陷检测技术的示例性工作流程图。如图13所示，使用与图8类似的步骤800、805、810和815来创建工艺模型。同样，可以如图13所示利用与图8中的步骤编号相同的步骤820、830和835。注意，对于生产晶圆，不需要指纹创建步骤，因为缺陷与局部高频尖峰相关联，并且指纹通常会捕获长程空间变化。因此，可以根据步骤820处收集到的晶圆数据和步骤830处计算出的建模指纹来获得步骤835的所计算出的差异。利用在步骤835处获得的所计算出的差异，然后可以在步骤1310处通过分析所计算出的差异并考虑由工艺模型提供的潜在工艺变量变化影响来检测缺陷。以此方式，可以更确信地将数据中的空间局部尖峰标识为缺陷，因为该分析考虑到了潜在工艺变量变化的影响。以此方式，可以利用基于指纹的缺陷检测来提供对缺陷存在的更准确评估。
图14至图16展示了用于使用本文所描述的加工技术的示例性方法。将认识到，图14至图16的实施例仅是示例性的，并且附加的方法可以利用本文所描述的技术。进一步地，可以将附加的加工步骤添加到图14至图16所示的方法中，因为所描述的步骤并非旨在是排他的。此外，步骤的顺序不限于图14至图16中所示的顺序，因为可能出现不同的顺序和/或可以组合地或同时地执行各种步骤。
图14展示了表征用于制造半导体晶圆的制作工艺的方法，该制作工艺包括至少一个工艺步骤，该至少一个工艺步骤与多个工艺变量相关联。如图所示，步骤1405包括对至少一个工艺步骤执行实验设计工艺，其中，针对多个实验设计半导体晶圆，改变多个工艺变量。步骤1410包括从多个实验设计半导体晶圆中获得第一特性的实验设计晶圆测量结果，其中，这些实验设计晶圆测量结果中的每一个与从中获得该测量结果的实验设计半导体晶圆上的空间位置相关联。步骤1415包括根据所获得的实验设计晶圆测量结果为每个实验设计半导体晶圆创建实验设计工艺步骤指纹，以提供多个实验设计工艺步骤指纹。步骤1420包括利用多个实验设计工艺步骤指纹来创建至少一个工艺步骤的工艺模型。步骤1425包括对生产半导体晶圆执行至少一个工艺步骤。步骤1430包括获得生产半导体晶圆的第一特性的生产晶圆测量结果，其中，这些生产晶圆测量结果中的每一个与从中获得该测量结果的生产半导体晶圆上的空间位置相关联。步骤1435包括根据所获得的生产半导体晶圆测量结果来创建生产半导体晶圆工艺步骤指纹。步骤1440包括利用生产半导体晶圆工艺步骤指纹和工艺模型来检测至少一个工艺步骤的故障工艺变量。
图15展示了表征用于制造半导体晶圆的制作工艺的方法，该制作工艺包括多个工艺步骤，该多个工艺步骤中的至少第一工艺步骤与多个工艺变量相关联。该方法包括执行实验设计工艺，该实验设计工艺包括步骤1505至步骤1520。步骤1505包括对于一系列实验设计半导体晶圆，对该系列实验设计半导体晶圆执行多个工艺步骤中的第一工艺步骤，其中，针对该系列实验设计半导体晶圆中的每一个，改变多个工艺变量的至少一个或多个值。步骤1510包括从该系列实验设计半导体晶圆中获得第一特性的实验设计晶圆测量结果，其中，这些实验设计晶圆测量结果中的每一个与从中获得该实验设计晶圆测量结果的实验设计半导体晶圆上的空间位置相关联。步骤1515包括根据所获得的实验设计晶圆测量结果为每个实验设计半导体晶圆创建实验设计工艺步骤指纹，以提供多个实验设计工艺步骤指纹。步骤1520包括利用多个实验设计工艺步骤指纹来创建多个工艺步骤中的第一工艺步骤的工艺模型。然后，该方法包括对至少一个生产半导体晶圆执行多个工艺步骤中的第一工艺步骤的步骤1525。步骤1530包括获得生产半导体晶圆的第一特性的生产晶圆测量结果，其中，这些生产晶圆测量结果中的每一个与从中获得该测量结果的生产半导体晶圆上的空间位置相关联。步骤1535包括根据所获得的生产晶圆测量结果来创建生产晶圆工艺步骤指纹。步骤1540包括利用生产晶圆工艺步骤指纹和工艺模型来检测故障工艺变量。
图16展示了包括表征用于制造半导体晶圆的制作工艺的方法，该制作工艺包括多个工艺步骤，该多个工艺步骤中的至少第一工艺步骤与多个工艺变量相关联。该方法包括执行实验设计工艺，该实验设计工艺包括步骤1605至步骤1620。步骤1605包括对于一系列实验设计半导体晶圆，对该系列实验设计半导体晶圆执行多个工艺步骤中的第一工艺步骤，其中，针对该系列实验设计半导体晶圆中的每一个，改变多个工艺变量的至少一个或多个值。步骤1610包括从该系列实验设计半导体晶圆中获得第一特性的实验设计晶圆测量结果，其中，这些实验设计晶圆测量结果中的每一个与从中获得该实验设计测量结果的实验设计半导体晶圆上的空间位置相关联。步骤1615包括根据所获得的实验设计晶圆测量结果为每个实验设计半导体晶圆创建实验设计工艺步骤指纹，以提供多个实验设计工艺步骤指纹。步骤1620包括利用多个实验设计工艺步骤指纹来创建多个工艺步骤中的第一工艺步骤的工艺模型。步骤1625包括对至少一个生产半导体晶圆执行多个工艺步骤中的第一工艺步骤。步骤1630包括获得至少一个生产半导体晶圆的第一特性的生产晶圆测量结果，其中，这些生产晶圆测量结果中的每一个与从中获得该测量结果的至少一个生产半导体晶圆上的空间位置相关联。步骤1635包括利用多个工艺步骤中的第一工艺步骤的工艺模型来计算生产半导体晶圆的建模指纹。步骤1640包括利用所计算出的至少一个生产半导体晶圆的建模指纹和工艺模型来检测该生产半导体晶圆上的缺陷，其中，利用工艺模型来考虑工艺变量变化，以便提高缺陷检测精度。
与本文披露的技术一起使用的衬底可以是期望对材料进行刻蚀和图案化的任何衬底。例如，在一个实施例中，衬底可以是其上形成有一个或多个半导体加工层(所有加工层一起可以构成衬底)的半导体衬底。在一个实施例中，衬底可以是已经经受了多个半导体加工步骤的衬底，该多个半导体加工步骤产生了各种各样的结构和层，所有这些结构和层在衬底加工领域中都是已知的。在一个实施例中，衬底可以是包括形成的各种结构和层的半导体晶圆。在一个示例中，微电子器件形成在衬底上。
鉴于该描述，本发明的进一步修改和替代性实施例对于本领域技术人员将是显而易见的。因此，该描述将被解释为仅是说明性的，并且是为了教导本领域技术人员实施本发明的方式。应当理解的是，在本文示出和描述的本发明的形式和方法将被视为目前的优选实施例。均等技术可以替代本文所展示和描述的技术，并且本发明的某些特征可以独立于其他特征的使用来利用，所有这些对于受益于本发明的描述的本领域技术人员来说都将是显而易见的。

Claims (20)

1.一种表征用于制造半导体晶圆的制作工艺的方法，该制作工艺包括至少一个工艺步骤，该至少一个工艺步骤与多个工艺变量相关联，该方法包括：
对该至少一个工艺步骤执行实验设计工艺，其中，针对多个实验设计半导体晶圆，改变该多个工艺变量；
从该多个实验设计半导体晶圆中获得第一特性的实验设计晶圆测量结果，其中，这些实验设计晶圆测量结果中的每一个与从中获得该测量结果的实验设计半导体晶圆上的空间位置相关联；
根据所获得的实验设计晶圆测量结果为每个实验设计半导体晶圆创建实验设计工艺步骤指纹，以提供多个实验设计工艺步骤指纹；
利用该多个实验设计工艺步骤指纹来创建该至少一个工艺步骤的工艺模型；
对生产半导体晶圆执行该至少一个工艺步骤；
获得该生产半导体晶圆的该第一特性的生产晶圆测量结果，其中，这些生产晶圆测量结果中的每一个与从中获得该测量结果的生产半导体晶圆上的空间位置相关联；
根据所获得的生产半导体晶圆测量结果来创建生产半导体晶圆工艺步骤指纹；以及
利用该生产半导体晶圆工艺步骤指纹和该工艺模型来检测该至少一个工艺步骤的故障工艺变量。
2.如权利要求1所述的方法，进一步包括利用该至少一个工艺步骤的工艺模型来计算该生产半导体晶圆的建模指纹。
3.如权利要求2所述的方法，进一步包括：
计算该建模指纹与该生产半导体晶圆工艺步骤指纹之间的差异；以及
在检测该至少一个工艺步骤的故障工艺变量时，利用所计算出的差异。
4.如权利要求3所述的方法，其中，通过将所计算出的差异与工艺模型灵敏度进行比较来检测该故障工艺变量，以帮助确定特定工艺变量是否是故障工艺变量。
5.如权利要求4所述的方法，其中，利用概率确定来识别该特定工艺变量。
6.如权利要求5所述的方法，其中，通过对通过将所计算出的差异与该工艺模型灵敏度进行比较而获得的多个工艺模型项进行分析来识别该特定工艺变量，从而识别出超过预定故障概率水平的工艺变量。
7.一种表征用于制造半导体晶圆的制作工艺的方法，该制作工艺包括多个工艺步骤，该多个工艺步骤中的至少第一工艺步骤与多个工艺变量相关联，该方法包括：
执行实验设计工艺，该实验设计工艺包括：
对于一系列实验设计半导体晶圆，对该系列实验设计半导体晶圆执行该多个工艺步骤中的第一工艺步骤，其中，针对该系列实验设计半导体晶圆中的每一个，改变该多个工艺变量的至少一个或多个值；
从该系列实验设计半导体晶圆中获得第一特性的实验设计晶圆测量结果，其中，这些实验设计晶圆测量结果中的每一个与从中获得该实验设计晶圆测量结果的实验设计半导体晶圆上的空间位置相关联；
根据所获得的实验设计晶圆测量结果为每个实验设计半导体晶圆创建实验设计工艺步骤指纹，以提供多个实验设计工艺步骤指纹；以及
利用该多个实验设计工艺步骤指纹来创建该多个工艺步骤中的第一工艺步骤的工艺模型；
对至少一个生产半导体晶圆执行该多个工艺步骤中的第一工艺步骤；
获得该生产半导体晶圆的该第一特性的生产晶圆测量结果，其中，这些生产晶圆测量结果中的每一个与从中获得该测量结果的生产半导体晶圆上的空间位置相关联；
根据所获得的生产晶圆测量结果来创建生产晶圆工艺步骤指纹；以及
利用该生产晶圆工艺步骤指纹和该工艺模型来检测故障工艺变量。
8.如权利要求7所述的方法，进一步包括利用该多个工艺步骤中的第一工艺步骤的工艺模型来计算该生产半导体晶圆的建模指纹。
9.如权利要求8所述的方法，进一步包括：
计算该建模指纹与该生产晶圆工艺步骤指纹之间的差异。
10.如权利要求8所述的方法，进一步包括：
计算该建模指纹与该生产晶圆工艺步骤指纹之间的差异；以及
在检测该多个工艺步骤中的第一工艺步骤的故障工艺变量时，利用所计算出的差异。
11.如权利要求10所述的方法，其中，通过将所计算出的差异与该工艺模型的变量灵敏度水平进行比较来检测该故障工艺变量，以帮助确定特定工艺变量是该故障工艺变量。
12.如权利要求11所述的方法，其中，利用概率确定来识别该故障工艺变量。
13.如权利要求12所述的方法，其中，通过对通过将所计算出的差异与该变量灵敏度水平进行比较而获得的多个工艺模型项进行分析来识别该故障工艺变量，从而识别出超过预定故障概率水平的工艺变量。
14.如权利要求8所述的方法，其中，利用概率确定来识别该故障工艺变量。
15.如权利要求14所述的方法，其中，通过对通过将所计算出的差异与该变量灵敏度水平进行比较而获得的多个工艺模型项进行分析来识别该故障工艺变量，从而识别出超过预定故障概率水平的工艺变量。
16.一种表征用于制造半导体晶圆的制作工艺的方法，该制作工艺包括多个工艺步骤，该多个工艺步骤中的至少第一工艺步骤与多个工艺变量相关联，该方法包括：
执行实验设计工艺，该实验设计工艺包括：
对于一系列实验设计半导体晶圆，对该系列实验设计半导体晶圆执行该多个工艺步骤中的第一工艺步骤，其中，针对该系列实验设计半导体晶圆中的每一个，改变该多个工艺变量的至少一个或多个值；
从该系列实验设计半导体晶圆中获得第一特性的实验设计晶圆测量结果，其中，这些实验设计晶圆测量结果中的每一个与从中获得该实验设计测量结果的实验设计半导体晶圆上的空间位置相关联；
根据所获得的实验设计晶圆测量结果为每个实验设计半导体晶圆创建实验设计工艺步骤指纹，以提供多个实验设计工艺步骤指纹；以及
利用该多个实验设计工艺步骤指纹来创建该多个工艺步骤中的第一工艺步骤的工艺模型；
对至少一个生产半导体晶圆执行该多个工艺步骤中的第一工艺步骤；
获得该至少一个生产半导体晶圆的该第一特性的生产晶圆测量结果，其中，这些生产晶圆测量结果中的每一个与从中获得该测量结果的至少一个生产半导体晶圆上的空间位置相关联；
利用该多个工艺步骤中的第一工艺步骤的工艺模型来计算该生产半导体晶圆的建模指纹；以及
利用所计算出的该至少一个生产半导体晶圆的建模指纹和该工艺模型来检测该至少一个生产半导体晶圆上的缺陷，其中，利用该工艺模型来考虑工艺变量变化，以便提高缺陷检测精度。
17.如权利要求16所述的方法，其中，通过识别空间局部异常并考虑工艺变量变化来确定该至少一个生产半导体晶圆上的缺陷，以消除缺陷的错误检测。
18.如权利要求16所述的方法，进一步包括计算所获得的生产晶圆测量结果与所计算出的建模指纹之间的差异。
19.如权利要求16所述的方法，进一步包括：
计算所获得的生产晶圆测量结果与所计算出的建模指纹之间的差异；以及
在检测该至少一个生产半导体晶圆上的缺陷时，利用所计算出的差异。
20.如权利要求19所述的方法，其中，通过识别空间局部异常并考虑工艺变量变化来确定该至少一个生产半导体晶圆上的缺陷，以消除缺陷的错误检测。
CN202280058468.9A 2021-09-24 2022-09-23 使用基于指纹的半导体制造工艺故障检测的方法和工艺 Pending CN117882171A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/484,204 2021-09-24
US17/484,204 US11868119B2 (en) 2021-09-24 2021-09-24 Method and process using fingerprint based semiconductor manufacturing process fault detection
PCT/US2022/044531 WO2023049341A1 (en) 2021-09-24 2022-09-23 Method and process using fingerprint based semiconductor manufacturing process fault detection

Publications (1)

Publication Number Publication Date
CN117882171A true CN117882171A (zh) 2024-04-12

Family

ID=85705981

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280058468.9A Pending CN117882171A (zh) 2021-09-24 2022-09-23 使用基于指纹的半导体制造工艺故障检测的方法和工艺

Country Status (6)

Country Link
US (1) US11868119B2 (zh)
JP (1) JP2024537695A (zh)
KR (1) KR20240072993A (zh)
CN (1) CN117882171A (zh)
TW (1) TW202331437A (zh)
WO (1) WO2023049341A1 (zh)

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6684122B1 (en) 2000-01-03 2004-01-27 Advanced Micro Devices, Inc. Control mechanism for matching process parameters in a multi-chamber process tool
TW535207B (en) * 2002-05-08 2003-06-01 Powerchip Semiconductor Corp Method for automatically controlling defect-specification in manufacturing process of semiconductors
US6912437B2 (en) 2002-09-30 2005-06-28 Advanced Micro Devices, Inc. Method and apparatus for controlling a fabrication process based on a measured electrical characteristic
US6957154B2 (en) * 2003-02-03 2005-10-18 Qcept Technologies, Inc. Semiconductor wafer inspection system
US7085676B2 (en) 2003-06-27 2006-08-01 Tokyo Electron Limited Feed forward critical dimension control
JP2012237566A (ja) 2011-05-10 2012-12-06 Hitachi High-Technologies Corp 欠陥観察方法及びその装置
US10079183B2 (en) 2013-06-26 2018-09-18 Kla-Tenor Corporation Calculated electrical performance metrics for process monitoring and yield management
US9747520B2 (en) 2015-03-16 2017-08-29 Kla-Tencor Corporation Systems and methods for enhancing inspection sensitivity of an inspection tool
US9569834B2 (en) * 2015-06-22 2017-02-14 Kla-Tencor Corporation Automated image-based process monitoring and control
KR102441582B1 (ko) 2015-07-23 2022-09-07 삼성전자주식회사 Mpc 검증 방법 및 그 검증 방법을 포함한 마스크 제조방법
US10181185B2 (en) 2016-01-11 2019-01-15 Kla-Tencor Corp. Image based specimen process control
US10310490B2 (en) 2016-02-01 2019-06-04 Qoniac Gmbh Method and apparatus of evaluating a semiconductor manufacturing process
US10234401B2 (en) 2016-02-22 2019-03-19 Qoniac Gmbh Method of manufacturing semiconductor devices by using sampling plans
US10657638B2 (en) * 2017-04-28 2020-05-19 Mentor Graphics Corporation Wafer map pattern detection based on supervised machine learning
WO2018233966A1 (en) * 2017-06-22 2018-12-27 Asml Netherlands B.V. METHOD FOR DETERMINING THE CONTRIBUTION TO A DIGITAL IMPRINT
KR102658977B1 (ko) 2017-11-03 2024-04-18 도쿄엘렉트론가부시키가이샤 기능성 마이크로 전자 디바이스의 수율 향상
US10580673B2 (en) * 2018-01-05 2020-03-03 Kla Corporation Semiconductor metrology and defect classification using electron microscopy
TWI729334B (zh) * 2018-06-07 2021-06-01 荷蘭商Ａｓｍｌ荷蘭公司 用於判定器件之控制方案的方法、電腦程式和系統及用於判定多個器件處理之基板的方法
US11056405B2 (en) * 2018-09-14 2021-07-06 Lam Research Corporation Methods and systems for controlling wafer fabrication process
US11244873B2 (en) * 2018-10-31 2022-02-08 Tokyo Electron Limited Systems and methods for manufacturing microelectronic devices
US11300948B2 (en) * 2019-06-27 2022-04-12 Nova Ltd Process control of semiconductor fabrication based on spectra quality metrics
US11530913B2 (en) * 2020-09-24 2022-12-20 Kla Corporation Methods and systems for determining quality of semiconductor measurements
US20220334554A1 (en) * 2021-04-20 2022-10-20 Lam Research Corporation Large spot spectral sensing to control spatial setpoints

Also Published As

Publication number Publication date
US11868119B2 (en) 2024-01-09
US20230102438A1 (en) 2023-03-30
KR20240072993A (ko) 2024-05-24
JP2024537695A (ja) 2024-10-16
WO2023049341A1 (en) 2023-03-30
TW202331437A (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
KR102521159B1 (ko) 반도체 제조 공정을 위한 개선된 공정 제어 기술
US6298470B1 (en) Method for efficient manufacturing of integrated circuits
CN112956007B (zh) 用于制造微电子设备的系统和方法
EP1317694B1 (en) Adaptive sampling method for improved control in semiconductor manufacturing
KR101331249B1 (ko) 제조 데이터 인덱싱을 위한 방법 및 장치
US11435393B2 (en) Enhancement of yield of functional microelectronic devices
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
US7449265B1 (en) Scatterometry target for determining CD and overlay
Lee et al. Prediction of wafer state after plasma processing using real-time tool data
Tin et al. A realizable overlay virtual metrology system in semiconductor manufacturing: Proposal, challenges and future perspective
TWI381468B (zh) 線上微影及蝕刻系統
JP4480482B2 (ja) プラズマエッチング処理装置の制御方法およびトリミング量制御システム
US11868119B2 (en) Method and process using fingerprint based semiconductor manufacturing process fault detection
US9360858B2 (en) Alignment data based process control system
US10008422B2 (en) Method for assessing the usability of an exposed and developed semiconductor wafer
KR102688381B1 (ko) 반도체 디바이스 제조 방법 및 반도체 제조 어셈블리를 위한 공정 제어 시스템
US6778876B1 (en) Methods of processing substrates based upon substrate orientation
Sun et al. Machine Learning Technologies for Semiconductor Manufacturing
Xu Statistical Problems in Semiconductor Manufacturing

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