JP4276503B2

JP4276503B2 - 半導体不良原因絞込み方法

Info

Publication number: JP4276503B2
Application number: JP2003330167A
Authority: JP
Inventors: 眞小野; 和典根本; 康一那倉; 洋子池田
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2003-09-22
Filing date: 2003-09-22
Publication date: 2009-06-10
Anticipated expiration: 2019-02-03
Also published as: JP2004096121A

Description

本発明は、半導体などのウェーハ製造ラインにおける生産管理，品質管理，不良解析に係り、特に、ウエーハのダイ毎の電気検査の結果を生産管理，品質管理，不良解析に有効に活用して半導体の不良原因を絞り込むことができるようにした半導体不良原因絞込み方法に関する。

従来から半導体などの製造ラインにおける電気検査の結果を生産管理，品質管理，不良解析に活用する場合、歩留の値を直接用いることが一般的であり、歩留の時系列推移や歩留とインライン検査結果との相関分析が大きな手がかりとなっている。しかし、歩留の値にはいろいろな成分が含まれており、近年の微細な回路を複雑なプロセスで製造する半導体においては、歩留の値だけでは、生産管理の指標や不良解析の手がかりとして不充分となってきた。

そこで、上記のことを目的として、歩留を成分分離する手法が提案されている（例えば、非特許文献１参照）。

その方法は、数学的に
（歩留）＝（プロセスマージン起因歩留）＊（異物起因歩留）
に曲線近似する手法である。しかし、この曲線をごく少ない数点で近似するため、計算誤差が極めて大きく、実用的とは言えない。また、ここで求まったプロセスマージン起因歩留と異物起因歩留を時系列にグラフ化したり、ウェーハ番号順にグラフ化して、生産管理や品質管理の指標とすることは行なわれていなかった。しかも、上記文献に記載の成分分離方法では、ウェーハ面内を２次元的に領域分離しているわけではないため、この結果をウェーハ面内の２次元解析へ活用することはできなかった。

また、ウェーハ面内の２次元的な場所毎に歩留を分けて解析することが有効であることが提案されている（例えば、非特許文献２参照）。

しかし、この方法は、あくまで場所を人為的に定めているため、ウェーハ面内の中央付近あるいは周辺といった場所別の歩留解析に過ぎず、電気検査結果の成分を分離しているとは言えなかった。
Allan Y.Wong著"Statistical Micro Yield Modeling"Semiconductor International pp.139−148(1996) Nick Atchison and Ron Ross共著"Wafer Zone Based Yield Analysis"pp.E51−E54 International Symposium on Semiconductor Manufacturing、 Proceedings(1997)

半導体などのウェーハ製造ラインにおける生産管理，品質管理，不良解析に関して最も重要なことは、製品デバイスの低歩留の原因をいち早く発見し、対策し、高歩留にすること、また、高歩留を常に維持することである。

このためには、製造ラインでのウェーハの歩留状況をわかりやすく把握でき、生産管理や品質管理の指針にすることができることが必要である。プロセスマージン起因の歩留が低いときは、プロセスマージン起因歩留を上げることを最優先課題として、製造現場の管理を行なう。異物起因歩留が低いときは、異物対策のために、異物データの解析に力を入れるべきである。また、露光時のショット依存性が発見された場合には、露光装置のパラメータを解析することで歩留を向上させることができる。さらに、ウェーハマップをプロセスマージン起因領域と異物起因領域とに領域分けし、その領域毎に各種データの解析を行なうことにより、プロセスマージン起因不良がどのような原因でどこで発生したのかを特定することができる。

しかしながら、従来では、半導体の不良原因を的確かつ迅速に見出すことができるものはなかった。

本発明は、以上の点に鑑みてなされたものであって、その目的は、ウェーハ製造工程におけるウェーハの最終試験としての電気試験の結果を用いて、もしくはインライン検査の結果と該電気試験の結果とを用いて、半導体の不良原因を的確かつ迅速に絞り込むことを可能とした半導体不良原因絞込み方法を提供することにある。

本発明の他の目的は、上記電気試験の結果を半導体の不良原因を的確かつ迅速に絞り込むのに適合するようにした半導体不良原因絞込み方法を提供することにある。

上記目的を達成するために、本発明は、半導体ウェーハの各ダイの電気検査により、良品または不良品のウェーハマップを作成し、不良品の各ダイは、不良内容によって不良カテゴリに分類され、半導体ウェーハのダイ存在領域において、縦または横に隣接する同一不良品カテゴリの不良ダイ同士を接続関係を保つ一塊の領域として集合し、不良ダイ毎に集合された各領域の面積が所定の閾値を満たす領域のみを対象として、それらの論理和となるプロセスマージン起因領域とそれ以外の領域である異物起因領域とに該半導体ウェーハのダイ領域を分け、ウェーハ製造工程において、該半導体ウェーハに対するインライン検査で得られたデータを、プロセスマージン起因領域内のデータと異物起因領域のデータとに分け、プロセスマージン起因領域内のデータの分布と、異物起因領域内のデータの分布とを対比表示することを特徴とするものである。

また、本発明は、インライン検査は、パラメトリック検査，寸法検査，異物検査，外観検査，膜厚検査または合わせ検査のいずれかであることを特徴とするものである。

本発明によると、半導体の生産管理や品質管理において、電気検査の結果である不良カテゴリのウェーハマップを２次元的にプロセスマージン起因領域と異物起因領域に分離することにより、不良絞込みを効率的に行なうことができる。

また、本発明によると、プロセスマージン起因領域と異物起因領域に領域分けした結果からプロセスマージン起因歩留と異物起因歩留を算出し、それを期限毎や設備毎，ウェーハ番号毎に集計し、集計結果を出力することで対策すべき項目を洗い出すことができ、不良原因をいち早く突き止めることが可能となる。

さらに、本発明によると、露光時のショットに依存した不良を特定することができ、また、ショット依存ウェーハをデータから除去することにより、歩留成分分離結果の精度向上を図ることを可能となる。

以下、半導体などのウェーハ製造工程を例にして、本発明の実施形態を図面により説明する。

本発明による半導体不良原因絞り込み方法の第１の実施形態は、ウェーハの最終検査であるウェーハ上のダイ（チップ単位に切断する前の製品単位）毎の電気検査の結果を、ウェーハの製造ラインで行なわれる一連のインライン検査の結果に反映させて、不良原因を絞り込むものであり、この実施形態を実行するシステム構成とデータの流れを図２に示している。

同図において、製造ラインにおいて、その工程毎に外観検査５２や寸法検査５３，膜厚検査５４，マスクの合わせ検査５５、さらには異物検査といったインライン検査の少なくともいずれかが行なわれ、また、製造ラインの最終段階でＴＥＧによるパラメトリック検査が行なわれるが、これらインライン検査の検査結果は、ウェーハ番号毎に及びロット番号毎に区分されてデータベース６３に格納され、ＴＥＧによるパラメトリック検査の検査結果も、データベース６２に格納される。

また、製造ラインの最終段階では、ウェーハのダイ毎に電気検査（テスタ）５１が行なわれ、その検査結果が、ウェーハ番号毎に及びロット番号毎に区分されて、データベース６１に格納される。この場合、不良品ダイについては、その不良の種類（カテゴリ）毎に区分され、これらカテゴリと良品とが区分されたマップ（これをウェーハマップという）としてデータベース６１に格納される。

そして、かかるウェーハマップを用いてウェーハのダイ存在領域をプロセスマージン起因領域と異物起因領域とに領域分けする処理を不良マップ領域分け部７１で行ない、この処理結果を不良原因の絞込みに用いるものである。

そこで、まず、データベース６１に格納されているウェーハマップを用いてプロセスマージン起因領域と異物起因領域とに領域分けする手法の一具体例について説明する。

図３はデータベース６１に格納されている或るウェーハのウェーハマップの一具体例を示すものであって、ダイの総数を２１８個として、各ダイ毎のカテゴリを示している。ここで、「カテゴリＡ」は駆動系が不良のダイを、「カテゴリＢ」はＤＣ系が不良のダイを、「カテゴリＣ」はＡＣ系が不良のダイを、「カテゴリＤ」はタイミング系が不良のダイを夫々示しており、また、「カテゴリ／」は良品ダイを示している。

図４はかかるカテゴリを設定するための電気検査の方法を示すフローチャートである。

電気検査は、ウェーハ製造工程の最終検査であり、ウェーハをチップ単位に切断する直前にウェーハ上の全てのダイを対象として、数百項目の試験がシーケンシャルに行なわれるのであるが、ここでは、これらの試験を上記の５種類のカテゴリに分類するものとする。

図４において、まず、製造ラインを経たウェーハに対し、１つ１つのダイについて電気検査を行なうものであるが、検査対象となるダイに対し、カテゴリＡの不良があるかどうかの試験を行なう（ステップ３０１）。これは、チップとして最も致命的な駆動回路にショートや断線などが発生して動作しないかどうかを試験するものであり、この不良が修復不能である場合（ステップ３０２）、この試験対象ダイのカテゴリを「Ａ」とする(ステップ３０３）。かかる不良が存在しない場合、あるいは存在しても、修復可能であれば、次のカテゴリＢの試験に進む（ステップ３０４）。これは、カテゴリＡの次に致命的なＤＣ系の不良が存在するかどうかの試験を行なうものであって、この不良が存在して修復不能であれば(ステップ３０５）、この試験対象ダイのカテゴリを「Ｂ」とする(ステップ３０６）。以下同様にして、カテゴリＣ(ＡＣ系の不良の有無），カテゴリＤ(タイミング系の不良の有無）の試験を順に行ない（ステップ３０７，３１０）、いずれかの修復不能な不良があれば(ステップ３０８，３１１）、カテゴリを「Ｃ」とするデータ、あるいは「Ｄ」とする(ステップ３０９，３１２）するが、いずれの不良も存在しないか、存在しても、全て修復可能であれば（ステップ３１１）、この検査対象のダイのカテゴリを良品「／」とする(ステップ３１３）。そして、検査対象のウェーハの全てのダイに対するかかる試験が終了すると（ステップ３１４）、図３に示したようなカテゴリのウェーハマップが得られ、これがデータベース６１（図２）のこの試験対象ウェーハに割り当てられたアドレスに格納される。

以上のようにして得られたウェーハマップからウェーハ上でプロセスマージン起因領域と異物起因領域との領域分けが行なわれるのであるが（図２での処理７１）、図５はこれらプロセスマージン起因領域と異物起因領域との定義を示すものである。

同図において、寸法や膜厚のばらつきなどのプロセスの設計上の誤差などに起因して、即ち、プロセスマージン起因によってウェーハ上の或る場所に連続して発生する不良の領域をプロセスマージン起因領域１１と定義する。これに対し、このような或る位置に連続して発生したわけではなく、ウェーハ上にランダムに発生する不良がある。通常、このようなランダムに発生する不良は、設備のトラブルやプロセスの不具合で膜が剥がれるなどの異物の発生が原因となって発生するもの（これを異物起因不良という）であって、かかるランダムな不良が発生する領域を異物起因領域１２と定義する。この異物起因領域１２には、良品カテゴリ「／」の良品ダイも含まれており、従って、異物起因領域１２は、プロセスマージン起因領域１１以外の残りの領域全体である。勿論、プロセスマージン起因領域内にも異物は発生するので、プロセスマージン起因領域にも、異物による不良（異物起因不良）が含まれる。

図６はかかるプロセスマージン起因領域と異物起因領域との領域分けの手法の一具体例を示す図であって、図３に示したウェーハマップを例にしている。

各不良カテゴリＡ〜Ｄについて、隣合うダイの不良カテゴリが等しいとき、これらダイは、２次元的にランダムに発生した不良ではないと判定して、全てプロセスマージン領域に含まれるものとし、縦横に隣接するダイのカテゴリがこれら４個のダイで囲まれたダイの不良カテゴリと異なる場合、この囲まれたダイは、ランダムに発生した不良と判定して、異物起因領域に含まれるものとする。

図６（ａ）はカテゴリＡからプロセスマージン起因領域を求めるものであり、カテゴリＡのうちの網掛けして示すものがプロセスマージン起因領域に含まれるものである。同様にして、図６（ｂ）はプロセスマージン起因領域に含まれるカテゴリＢを網掛けして示し、図６（ｃ）はプロセスマージン起因領域に含まれるカテゴリＣを、図６（ｄ）はプロセスマージン起因領域に含まれるカテゴリＤを夫々網掛けして示している。そして、これら図６（ａ）〜図６（ｄ）の網掛け領域を合成（論理和）したものがプロセスマージン起因領域の全領域となり、これを図６（ｅ）で網掛けした領域として示している。網掛けされていない領域は、異物起因領域である。

図７は各不良カテゴリの連続性を判定する方法の一具体例を示す図である。

同図（ａ）において、いま、升目状にダイが配列されたウェーハマップ６０１でカテゴリＡを対象にし、網掛けして図示するように、この不良カテゴリＡのダイが隣合って存在しているものとする。このウェーハマップ６０１を上方から各行を左から右へ走査してカテゴリＡのダイを探索する。そして、カテゴリＡの最初のダイ６０２ａを発見すると、このダイ６０２ａの隣りのダイが同じカテゴリＡかどうかを判定する。

この場合、１つのダイに対して隣りのダイは、上下左右４個あるが、その判定順序は、図７（ｂ）に示すように、右側，下側，左側，上側の順序とする。

そこで、図７（ａ）において、最初に発見したダイ６０２ａに対しては、まず、その右側のダイ６０２ｂのカテゴリを判定する。この場合、このダイ６０２ｂもカテゴリＡであるから、これをダイ６０２ａと同じカテゴリＡと判定する。次に、２番目のダイ６０２ｂの右側のカテゴリを判定するが、このダイはカテゴリＡでないので、下側のダイ６０２ｃのカテゴリを判定する。このダイ６０２ｃはカテゴリＡであるので、これをダイ６０２ａと同じカテゴリＡのダイと判定する。以下同様にして、図７（ｂ）に示す規則に従って順次隣りのダイのカテゴリを判定していってダイ６０２ａと同じカテゴリＡのダイを探索していく。

なお、ダイ６０２ｄのように、同じカテゴリＡの隣合うダイが既に判定済みのダイしかない場合には、これまでの判定順序を遡って未判定の同じカテゴリＡの隣接ダイが存在するダイ（この場合、ダイ６０２ｅ）まで戻り、別の方向に判定順序が進むようにする。

このようにして、互いに隣合う一塊の同じカテゴリＡのダイ群を全て探索することができる。そして、これら一塊のカテゴリＡのダイ群が占める面積を予め設定されて閾値と比較し、この面積がこの閾値以上であるとき、これら一塊のダイ群はプロセスマージン起因領域に属するものとする。ここでは、此の閾値を２つのダイの面積の値とするが、これに限るものではない。しかし、このように閾値を２のダイの面積に等しい値とすると、２個以上同じカテゴリのダイが隣接している場合には、これらのダイがプロセスマージン起因領域に属することになる。

以上の一塊のカテゴリＡのダイの探索が終了すると、未探索ダイのうちの上記の走査順で先頭となるダイから再びカテゴリＡのダイの探索走査を再開する。カテゴリＡのダイの探索が終了すると、同様にして、他のカテゴリについても行ない、これにより、ウェーハのダイ領域が、全体として、図５に示したように、プロセスマージン起因領域と異物起因領域とに領域分けされたことになる。

なお、図５に示すように領域分けされたプロセスマージン起因領域と異物起因領域とに対して夫々、次のように、プロセスマージン起因歩留と異物起因歩留とが定義される。

異物起因領域１２での歩留、即ち、異物起因歩留は次の式（１）で定義され、
異物起因歩留＝(異物起因領域１２内の良品ダイ数)/(異物起因領域１２内の
全ダイ数） ……（１）
また、プロセスマージン起因歩留は、次の式（２）により、
プロセスマージン起因歩留＝(全体の歩留)/(異物起因歩留） ……（２）
で定義される。但し、
全体の歩留＝(ウェーハ２１全体の良品ダイ数)/(ウェーハ２１全体の全ダイ
数） ……（３）
である。図３で示した具体例では、プロセスマージン起因歩留が４２．５％，異物起因歩留が４５．１％である。

この実施形態は、以上のように領域分けを行なった電気検査の結果を用いてウェーハの不良原因を絞り込むものであるが、まず、この電気検査の結果とインライン検査の結果と突き合わせてウェーハの不良原因の絞込みを行なうようにした本発明による半導体不良原因絞込み方法の第１の実施形態を具体的に説明する。

図１は、この第１の実施形態において、インライン検査の１つである寸法検査の測定値を解析して不良原因の絞り込むようにしたものであるが、これは、図２での不良マップ領域分け部７１の処理によって得られたウェーハマップの領域分け結果とデータベース６３に格納されているこのウェーハの寸法検査５３の結果とを用いて行なう図２でのフィルタリング部７５と比較部７６との処理である。

図１において、不良マップ領域分け部７１の処理（図２）により、上記のように、解析対象のウェーハのウェーハマップ１０がプロセスマージン起因領域１１と異物起因領域１２とに領域分けされている。また、寸法検査５３（図２）は、ウェーハ製造工程の各マスクを介した露光後や各エッチング後などで設計通りの寸法に加工されているか否かをウェーハ２１上の定まった測定点で測定するものであり、各測定点の位置データとその測定点での測定値（寸法値）とが対応付けられてデータベース６３（図２）に格納されている。ここで、定まった測定点は、ダイ毎に設定してもよいし、ショット毎に設定してもよいし、あるいはそれ以外であってもよいが、ウェーハ２１の表面に均一に分布するように設定する。

フィルタリング部７５（図２）では、データベース６３から順次測定点の位置データを読み出し、プロセスマージン起因領域１１に属する測定点３２と異物起因領域１２に属する測定点３１とに区分する。次に、比較部７６（図２）で、プロセスマージン起因領域１１に属する測定点３２の測定値をデータベース６３から読み出してそのヒストグラム１３を算出し、また、異物起因領域１２に属する測定点３１の測定値をデータベース６３から読み出してそのヒストグラム１４を算出して、これらヒストグラム１３，１４を比較する。そして、これらのヒストグラム１３，１４に違いがみられると、このことからプロセスマージン不良の原因がその対象工程の寸法形成にあることを見出すことができ、そのときに用いた寸法検査の直前の露光あるいはエッチングなどを対策することが歩留向上に有効であることがわかる。

ここでは、図示するヒストグラム１３，１４を比較した結果、プロセスマージン起因領域１１内の寸法測定値の分布が異物起因領域１２内の分布より大きいことがわかるが、これにより、プロセスマージン起因不良の原因は寸法が大きいことが原因であると判定できる。また、図１に示すヒストグラム１３，１４のグラフのように、異物起因領域１２内の測定値分布とプロセスマージン起因領域１１内の測定値分布とを計算機システム上に表示する（図２での結果出力部７７）ことが極めて有効である。

図８は本発明による半導体不良原因絞込み方法の第２の実施形態を示す図であって、この実施形態は、インライン検査の他の１つである外観検査の測定値を解析して不良原因の絞り込むようにしたものであるが、これも、図２での不良マップ領域分け部７１の処理によって得られたウェーハマップの領域分け結果とデータベース６３に格納されているこのウェーハの外観検査５２の結果とを用いて行なう図２でのフィルタリング部７５と比較部７６との処理である。ここでは、外観検査による欠陥の検出位置のデータとその欠陥の種類（異物，断線，非開口など）とが対応付けられてデータベース６３に格納されている。

図８において、寸法検査５３の場合と同様に、フィルタリング部７５で、データベース６３から欠陥２２の検出位置データを読み出し、プロセスマージン起因領域１１に属する欠陥３４と異物起因領域１２に属する欠陥３３とに区分する。そして、比較部７６で、異物起因領域１２に属する欠陥３３の種類に応じたヒストグラム１５とプロセスマージン起因領域１１に属する欠陥３４の種類に応じたヒストグラム１６とを算出し、これらヒストグラム１５，１６を比較する。そして、これらヒストグラム１５，１６の違いから、不良の原因を絞り込むようにする。

図８に示すヒストグラム１５，１６の場合、異物起因領域１２内の欠陥の分布では、非開口欠陥が少ないのに、プロセスマージン起因領域１１内の欠陥の分布では、非開口欠陥が多発していた。そのため、プロセスマージン不良の原因がこの非開口にあることがわかり、非開口になる原因を突き止めることにより、このプロセスマージン不良を対策できる。

なお、ここでは、外観検査５２の結果を欠陥の種類毎に分類してヒストグラムを作成し、これを比較するようにしているが、その種類ではなく、欠陥のサイズなどの欠陥の特徴を表わすデータの分布の違いをプロセスマージン起因領域１１内と異物起因領域１２内で比較し、不良の原因を見出すようにする方法も有効である。この場合、データの違いに相当する欠陥をＳＥＭや元素分析装置で観察することにより、欠陥の原因を詳細に究明することができる。また、図示するヒストグラム１５，１６のように、異物起因領域１２内の欠陥とプロセスマージン起因領域１１内の欠陥との分布を計算機システム上に表示する（図２の結果出力部７７）ことは極めて有効である。

図９は本発明による半導体不良原因絞込み方法の第３の実施形態を示す図であって、この実施形態は、寸法検査５３の結果を解析して不良原因を絞り込むものであるが、図１に示した第１の実施形態とは異なり、複数のウェーハの寸法検査結果を用いるものである。

同図において、寸法検査５３は、一般に、ウェーハ上で定まった複数の測定点で行なわれるものであるが、そのうちの指定する１つの特定の測定点（以下、指定測定点という）に着目し、フィルタリングブ７５で、まず、夫々のウェーハ毎に、この指定測定点の位置データをデータベース６３から読み出し、夫々の指定測定点がプロセスマージン起因領域１１と異物起因領域１２とのいずれに属するか判定し、この指定測定点がプロセスマージン起因領域１１に属するウェーハ群４１と異物起因領域内に属するウェーハ群４２とに区分する。

そして、ウェーハ群４１の指定測定点における寸法測定値のヒストグラムとウェーハ群４２の指定測定点における寸法測定値のヒストグラムとを作成し、比較部７６で夫々の分布を比較する。これら分布間に違いがあれば、そのプロセスマージン不良の原因が寸法に依存した不良であることがわかり、露光装置のフォーカスやオフセットなどが原因であると判定できる。

図１と図９は示した実施形態は寸法検査に関するものであったが、同様に、ＴＥＧを用いたパラメトリック検査（その検査結果が図２のデータベース６２に格納されている）や膜厚検査５４のように、寸法検査５３と同様に、ウェーハ上の定まった測定点の測定値を検査結果とするインライン検査については、上記と同様の方法で解析を行なうことにより、プロセスマージン起因や異物起因の不良原因を絞り込むことができる。

次に、電気検査の結果だけを用いて不良原因を大別し、品質管理や不良解析の指標とする実施形態について説明する。

図１０は本発明による半導体不良原因絞込み方法の第４の実施形態を示すフローチャートであって、この実施形態は、プロセスマージン起因領域と異物起因領域との歩留の時間的推移から不良原因を絞り込むものである。

同図において、上記のようにして、製造される順次のウェーハについて、不良マップ領域分け部７１（図２）でプロセスマージン起因領域と異物起因領域とに領域分けを行ない（ステップ４００）、次いで、算出部７２（図２）でもって、上記式（１），（２）により、ウェーハ毎に異物起因歩留とプロセスマージン起因歩留とを求め（ステップ４０１）、データ集計部７３（図２）で、これらの歩留の一定期間（例えば、日単位や週単位など）毎の平均を集計し、その集計結果をプロットして歩留の推移図を作成する（ステップ４０２）。そして、この歩留推移図のデータは計算機システム上（結果出力部７７（図２））で表示され、その表示内容からこれら歩留の相対的な傾向からウェーハの不良原因がプロセスマージン起因によるものか異物起因によるものかを判断し（ステップ４０３）、前者の場合には、プロセス起因不良対策を実施して（ステップ４０４）、プロセスマージン起因歩留の向上を、後者の場合には、異物起因不良対策を実施して（ステップ４０５）、異物起因歩留の向上を夫々図ることができるようにする。

図示の歩留遷移図からは、１月頃では、プロセスマージン起因歩留が極端に低く、異物起因歩留の対策よりもプロセスマージン起因歩留の対策が製品全体の歩留を高くすることに貢献できることがこのグラフから読み取ることができる。また、４月以降では、プロセスマージン起因歩留が高くなり、異物起因歩留が低いため、異物起因歩留の対策が製品全体の歩留を高くすることに貢献できることわかる。このようにして、以下に歩留向上の対策をすべきかを知ることができるため、これを歩留向上のための予算や人材投与に活用することが有効となる。

図１１は本発明による半導体不良原因絞込み方法の第５の実施形態を示すフローチャートであって、この実施形態は、製造設備毎のプロセスマージン起因歩留と異物起因歩留との分布の差異から不良原因を絞り込むものである。

この実施形態も、先の実施形態と同様に、ウェーハ面をプロセスマージン起因領域と異物起因領域とに領域分けするものであって、図２の算出部７２で、実際に用いた製造設備（設備１号機，設備２号機，設備３号機，……）毎にウェーハを仕分けして、製造設備毎に、それに属するウェーハのプロセスマージン起因歩留と異物起因歩留を算出し、図２のデータ集計部７３でその結果を集計し（ステップ５００）、製造設備毎に夫々の起因歩留の分布をグラフ状にして求める（ステップ５０１）。かかる分布のデータは結果出力部７７で表示され、この表示内容から不良原因となる製造設備を判断することができる（ステップ５０２）。

図示する例では、プロセスマージン起因歩留が製造設備間で差がみられないが、異物起因歩留は設備１号機だけが他の製造設備より低いことがわかる。この違いは、Ｆ検定など分散分析を計算することで検出できる。このことから、設備１号機の異物発生原因を調査することにより、歩留低下の対策をすることができ、これによって歩留を高めることができる。

図１２は本発明による半導体不良原因絞込み方法の第６の実施形態を示すフローチャートであって、この実施形態は、ロット内のウェーハ番号毎に算出したプロセスマージン起因歩留と異物起因歩留との傾向から不良原因を絞り込むものである。

同図において、算出部７２で一定期間に製造されるウェーハのプロセスマージン起因歩留と異物起因歩留を上記のように算出し、データ集計部７３で各ロットの同じウェーハ番号毎に算出したプロセスマージン起因歩留と異物起因歩留との平均値を集計し、ウェーハ番号１，２，３，……毎にプロットしてグラフ化する（ステップ６００）。この場合、ウェーハの全体の歩留の平均値も、同様にして、ウェーハ番号毎に求めて表示するようにする。この集計結果を結果出力部７７で表示し（ステップ６０１）し、そのグラフの傾向から不良原因を絞り込むことができるようにする（ステップ６０２）。

図示するグラフの場合、１ロットのウェーハの個数は２５個であり、ウェーハ番号が大きくなるほど全体の歩留が低くなる傾向があることを示している。そして、その全体の歩留をプロセスマージン起因歩留と異物起因歩留に分離して示すと、異物起因歩留が完全に全体の歩留と傾向が一致し、ウェーハ番号が大きいほど全体の歩留が低下する原因が異物に起因することが一目瞭然にわかる。このグラフの結果を基にして、異物データの解析を行なうことにより、他の解析をせずとも不良の原因を究明することができる。

図１３は図１２の結果に基づいて図２のデータベース６３に格納されている異物データを解析した結果の一具体例を示す図である。

同図において、まず、工程Ｐ１，工程Ｐ２，工程Ｐ３と異物検査を行なっている工程毎に、夫々のロット内の同じウェーハ番号毎にその検査の直前で発生した異物数の平均を算出する。その結果、工程Ｐ１，Ｐ３がウェーハ番号が大きくなるほど異物数が増加している様子が確認できたとすると、これら工程Ｐ１，Ｐ３の異物数がウェーハ番号に依存していることがわかる。一方、工程Ｐ２はウェーハ番号に関係がないことがわかる。

そこで、工程Ｐ１，Ｐ３の異物数と異物起因歩留の相関分析を行なう。その結果、図示するように、工程Ｐ１で異物数と異物起因歩留との間に強い相関があることを見出せたとすると、工程Ｐ１の異物検査の前に歩留を低下させる要因である異物が付着したことを特定することができ、その異物の付着を対策することで歩留を向上させることができる。

図１４は本発明による半導体不良原因絞込み方法の第７の実施形態を示す図であって、この実施形態は、露光マスク不良や露光装置のレンズの歪みなどによる露光装置のショット依存による不良原因を電気検査の結果を用いて絞り込むものである。

半導体ウェーハの露光は、一般に、マスクあるいはレチクルと呼ばれるパターンのフィルタを介して、光をウェーハ上に投影して回路パターンを焼き付ける。露光装置の１回の照射で複数のダイを作成できるように、マスクが作成されている。図１４に示す例では、マスク４５は４個のダイ部分を含み、このマスク４５を介した１回の照射で４つのダイを作成するものとしている。

ここで、ショット依存とは、ウェーハ上にマスクを介して光照射した場合、その照射状態によって４個のダイが正しく均等に作成されないことをいうが、かかるショット依存が発生するのは、この４個のダイが均等に作成されない場合、この露光で使用するマスクの不良や露光装置のレンズの歪みや露光時の合わせずれなどが原因と考えられる。

この第７の実施形態では、図１４において、まず、ウェーハ上に作成されたダイを、マスク４５の第１の部分のショットで形成されたダイ（これをダイｄ１という）と、マスク４５の第２の部分のショットで形成されたダイ（これをダイｄ２という）と、マスク４５の第３の部分のショットで形成されたダイ（これをダイｄ３という）と、マスク４５の第４の部分のショットで形成されたダイ（これをダイｄ４という）とに区分する。そして、これらダイは、全て電気検査により、図３に示したようなカテゴリが設定されているが、ダイｄ１，ｄ２，ｄ３，ｄ４毎に図３に示したようなカテゴリＡ，Ｂ，Ｃ，Ｄ，／夫々の発生率を求め、図１４に示すように、各カテゴリ毎にダイｄ１，ｄ２，ｄ３，ｄ４の発生率を棒グラフ状に集計して、結果出力部７７に出力する。

この場合、図示する集計結果によると、ダイｄ３が良品が少なく、それに対して不良カテゴリＢがダイｄ３だけ多くなっていることがわかる。従って、ダイ３にカテゴリＢが発生する原因を究明することで歩留を向上できることがわかる。

一方、このようにして求めた露光時のショット依存は、図１５に示すように、ウェーハ毎にダイ毎の歩留を求めて表に表わすと、ショット依存の存在するウェーハを知ることができ、ショット依存のあるウェーハを各ダイ毎の歩留の差から抽出することができる。図１５に示す表を計算機システムで出力することも効果が大きい。

この抽出したウェーハを図１０，図１１，図１１２で示したプロセスマージン起因歩留や異物起因歩留のデータから除去することにより、プロセスマージン起因歩留や異物起因歩留からショット依存を除去することができ、プロセスマージン起因歩留と異物起因歩留をより有効に活用することができる。また、図１，図８，図９で示した実施形態の不良絞込みを行なう場合も、ショット依存の存在するウェーハを除去して解析することで解析の精度を向上することができる。

本発明による半導体不良原因絞込み方法の第１の実施形態を示す図である。本発明による半導体不良原因絞込み方法を実行するシステム構成とデータ流れの一具体例を示すブロック図である。ウェーハ製造工程における電気検査結果の不良カテゴリのウェーハマップの一具体例を示す図である。図３に示したウェーハマップを得るための不良カテゴリを判定するテスティングの一具体例を示すフローチャートである。プロセスマージン起因領域と異物起因領域の定義づけの一具体例を示す図である。図３に示したウェーハマップに基づくプロセスマージン起因領域と異物起因領域との領域分け方法の一具体例を示す図である。図６に示した領域分けのための同一カテゴリの隣接性の探索方法の一具体例を示す図である。本発明による半導体不良原因絞込み方法の第２の実施形態を示す図である。本発明による半導体不良原因絞込み方法の第３の実施形態を示す図である。本発明による半導体不良原因絞込み方法の第４の実施形態を示すフローチャートである。本発明による半導体不良原因絞込み方法の第５の実施形態を示すフローチャートである。本発明による半導体不良原因絞込み方法の第６の実施形態を示すフローチャートである。図１２に示した第６の実施形態の結果からの異物データの解析方法の一具体例を示す図である。本発明による半導体不良原因絞込み方法の第７の実施形態を示すフローチャートである。図１４に示した第７の実施形態の結果からの露光のショット依存ウェーハの検出方法の一具体例を示す図である。

符号の説明

１０ウェーハマップ
１１プロセスマージン起因領域
１２異物起因領域
１３〜１６ヒストグラム
２１寸法検査測定点マップ
２２外観検査の結果マップ
３１異物起因領域内の寸法検査測定点
３２プロセスマージン起因領域内の寸法検査測定点
３３異物起因領域内の欠陥
３４プロセスマージン起因領域内の欠陥
４１指定の寸法検査測定点がプロセスマージン起因領域であるウェーハ群
４２指定の寸法検査測定点が異物起因領域であるウェーハ群
５１テスタ群
５２外観検査装置
５３寸法検査装置
５４膜厚検査装置
５５合わせ検査装置
６１不良カテゴリのウェーハマップを活用するためのデータベース
６２ＴＥＧによるパラメトリック検査の結果を活用するためのデータベース
６３インライン検査の検査結果を活用するためのデータベース
７１不良マップ領域分け部
７２歩留算出部
７３データ集計部
７４相関分析部
７５フィルタリング部
７６比較部
７７結果出力部

Claims

半導体ウェーハの各ダイの電気検査により、良品または不良品のウェーハマップを作成し、
該不良品の各ダイは、不良内容によって不良カテゴリに分類され、
該半導体ウェーハのダイ存在領域において、縦または横に隣接する同一不良品カテゴリの不良ダイ同士を接続関係を保つ一塊の領域として集合し、
該不良ダイ毎に集合された各領域の面積が所定の閾値を満たす領域のみを対象として、それらの論理和となるプロセスマージン起因領域とそれ以外の領域である異物起因領域とに該半導体ウェーハのダイ領域を分け、
ウェーハ製造工程において、該半導体ウェーハに対するインライン検査で得られたデータを、該プロセスマージン起因領域内のデータと該異物起因領域のデータとに分け、
該プロセスマージン起因領域内のデータの分布と、該異物起因領域内のデータの分布とを対比表示することを特徴とする半導体不良原因絞込み方法。
請求項１において、
前記インライン検査は、パラメトリック検査，寸法検査，異物検査，外観検査，膜厚検査または合わせ検査のいずれかであることを特徴とする半導体不良原因絞込み方法。