KR101380515B1 - 반도체 제조의 ｆａｂ 프로세스를 개선하기 위한 툴 기능의 신규한 설계 - Google Patents
반도체 제조의 ｆａｂ 프로세스를 개선하기 위한 툴 기능의 신규한 설계 Download PDFInfo
- Publication number
- KR101380515B1 KR101380515B1 KR1020120067951A KR20120067951A KR101380515B1 KR 101380515 B1 KR101380515 B1 KR 101380515B1 KR 1020120067951 A KR1020120067951 A KR 1020120067951A KR 20120067951 A KR20120067951 A KR 20120067951A KR 101380515 B1 KR101380515 B1 KR 101380515B1
- Authority
- KR
- South Korea
- Prior art keywords
- tool
- model
- outputs
- sensor data
- models
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 113
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 56
- 239000004065 semiconductor Substances 0.000 title claims abstract description 51
- 238000013461 design Methods 0.000 title claims description 4
- 238000005259 measurement Methods 0.000 claims description 24
- 239000000463 material Substances 0.000 claims description 12
- 230000035945 sensitivity Effects 0.000 claims description 5
- 230000007547 defect Effects 0.000 description 16
- 235000012431 wafers Nutrition 0.000 description 11
- 238000000151 deposition Methods 0.000 description 10
- 238000000059 patterning Methods 0.000 description 9
- 230000008021 deposition Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 239000002019 doping agent Substances 0.000 description 5
- 238000005530 etching Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000005137 deposition process Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000000231 atomic layer deposition Methods 0.000 description 2
- 238000005229 chemical vapour deposition Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000004070 electrodeposition Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000000206 photolithography Methods 0.000 description 2
- 238000005240 physical vapour deposition Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012993 chemical processing Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000010265 fast atom bombardment Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000005468 ion implantation Methods 0.000 description 1
- 238000001459 lithography Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000001451 molecular beam epitaxy Methods 0.000 description 1
- 229920002120 photoresistant polymer Polymers 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000005389 semiconductor device fabrication Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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]
- G05B19/41875—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 quality surveillance of production
-
- 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
-
- 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
- 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
- H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
-
- 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)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
- Chemical Vapour Deposition (AREA)
Abstract
본 개시는 반도체 제조를 용이하게 하기 위해 툴 센서 데이터 및 매립된 또는 내장된 툴 모델을 활용하는 프로세스 툴 시스템에 관한 것이다. 프로세스 툴 시스템은 컴포넌트, 툴 모델, 및 실행 시스템을 포함한다. 센서 데이터 컴포넌트는 툴 센서 데이터를 제공하도록 구성된다. 툴 모델은 프로세스 툴에 내장되고 모델 입력들에 기초하여 모델 출력들을 생성하도록 구성된다. 제조 실행 시스템은 실제 계측 및 이전의 프로세스 데이터를 포함하는 툴 프로세스 데이터를 센서 데이터 컴포넌트에 제공하도록 구성된다. 부가적으로, 실행 시스템은 모델 입력들을 툴 모델에 제공하고 툴 모델로부터 모델 출력들을 수신한다. 실행 시스템은 센서 데이터 및 모델 출력들에 기초하여 하나 이상의 실행 시스템 출력들을 제공한다. 센서 데이터는 측정된 반도체 디바이스 특성들을 포함할 수 있다.
Description
반도체 디바이스 제조는 모든 일상의 전기 및 전자 디바이스들에 존재하는 집적 회로들을 생성하는데 이용되는 프로세스이다. 제조 프로세스는 전기 회로들이 반도체 재료로 구성된 웨이퍼 상에서 점진적으로 생성되는 포토리소그라피 및 화학 프로세싱 단계들의 다중-단계 시퀀스이다. 실리콘은 제조 프로세스에서 이용되는 통상적인 반도체 재료의 일 예이지만, 다른 타입들의 반도체 재료들이 활용될 수 있다.
다양한 프로세싱 단계들은 증착, 제거, 패터닝, 전기 특성들의 변형(즉, 도핑)을 포함하는 다수의 카테고리들 내에 포함된다. 제조 프로세스의 각 단계는 해당 단계에 대한 원하는 디바이스 특성들을 산출하도록 선택된 입력 파라미터들과 더불어 수행된다. 입력 파라미터들의 변동들, 프로세스 툴들의 변동들 등이 결과적으로 원하는 특성들로부터 이탈하는 특성들을 야기할 때 문제가 발생할 수 있다. 이러한 이탈들은 낮춰진 성능, 선행 장애(premature failure), 및/또는 장애있는 디바이스들을 야기할 수 있다.
일 실시예에서, 본 개시는 반도체 제조를 용이하게 하기 위해 툴 센서 데이터 및 툴 모델을 활용하는 프로세스 툴 시스템을 포함한다. 프로세스 툴 시스템은 센서 데이터 컴포넌트, 툴 모델 및 실행 시스템을 포함한다. 센서 데이터 컴포넌트는 툴 센서 데이터를 제공하도록 구성된다. 툴 모델은 모델 입력들에 기초하여 모델 출력들을 생성하도록 구성된다. 제조 실행 시스템은 실제 계측 및 이전의 프로세스 데이터를 포함하는 툴 프로세스 데이터를 센서 데이터 컴포넌트에 제공하도록 구성된다. 부가적으로 실행 시스템은 모델 입력들을 툴 모델에 제공하고 툴 모델로부터 모델 출력들을 수신한다. 실행 시스템은 센서 데이터 및 모델 출력들에 기초하여 하나 이상의 실행 시스템 출력들을 제공한다. 센서 데이터는 일 예에서 측정된 반도체 디바이스 특성들을 포함한다.
다른 실시예에서, 본 개시는 반도체 제조를 용이하게 하기 위해 툴 센서 데이터 및 툴 모델을 활용하는 프로세스 툴 시스템을 포함한다. 시스템은 하나 이상의 툴 모델들, 툴 센서들 및 실행 시스템을 포함한다. 툴 모델들은 하나 이상의 반도체 프로세스 단계들에 상관된다. 또한, 툴 모델들은 모델 입력들에 기초하여 모델 출력들을 생성하도록 구성된다. 툴 센서는 반도체 디바이스 특성들에 대한 센서 측정치를 획득한다. 실행 시스템은 센서 측정 및 툴 작용에 기초하여 하나 이상의 툴 모델들을 생성하도록 구성된다.
다른 실시예에 따라, 본 개시는 프로세스 툴을 동작시키기 위한 방법을 제공한다. 툴 모델은 레이아웃 및 설계 규격들 및 툴 작용에 기초하여 반도체 제조 단계를 위해 생성된다. 모델 입력들은 툴 모델에 제공된다. 모델 출력들은 툴 모델로부터 생성된다. 모델 출력들은 예측된 디바이스 특징들을 포함한다. 반도체 제조 단계는 모델 출력들을 활용하여 수행된다. 반도체 제조 단계에 대한 센서 측정치가 획득된다.
도 1은 본 개시의 실시예에 따른 프로세스 툴 시스템을 예시하는 블록도.
도 2는 본 개시의 양상들을 예시하기 위해 예시적인 반도체 디바이스의 단면도.
도 3은 본 개시의 실시예에 따른 프로세스 툴 시스템의 블록도.
도 4는 프로세스 툴 시스템을 동작시키는 방법을 예시하는 흐름도.
도 2는 본 개시의 양상들을 예시하기 위해 예시적인 반도체 디바이스의 단면도.
도 3은 본 개시의 실시예에 따른 프로세스 툴 시스템의 블록도.
도 4는 프로세스 툴 시스템을 동작시키는 방법을 예시하는 흐름도.
여기서의 설명은 도면들을 참조하여 이루어지며, 도면 전체에 걸쳐서 유사한 참조 번호들이 일반적으로 유사한 엘리먼트들을 지칭하도록 활용되고, 다양한 구조들은 반드시 제 크기대로 그려지는 것은 아니다. 이하의 설명에서, 설명의 목적을 위해, 이해를 용이하게 하도록 다수의 특정한 상세들이 기술된다. 그러나 여기서 기술된 하나 이상의 양상들은 더 적은 양의 이러한 특정한 상세들로 실시될 수 있다는 것이 당업자에게 자명할 수 있다. 다른 예들에서, 알려진 구조들 및 디바이스들은 이해를 용이하게 하기 위해 블록도 형태로 도시된다.
일반적으로, 반도체 제조는 집적 회로의 원하는 반도체를 생산하기 위해 반도체 재료 또는 웨이퍼 상에서 비교적 많은 수의 프로세스 단계들을 수행하는 것을 포함한다. 제조 프로세스는 전기 회로들이 반도체 재료로 구성된 웨이퍼 상에서 점진적으로 생성되는 포토리소그라피 및 반도체 프로세싱 단계들의 다중-단계 시퀀스이다.
프로세스 단계들은 FEOL(front end of line) 프로세싱 및 BEOL(back end of line) 프로세싱으로 나뉠 수 있다. 일 예에서, 반도체 웨이퍼 상에서 집적 회로를 형성하기 위해 300번을 넘는 시퀀스된 프로세스 단계들이 요구된다.
다양한 프로세싱 단계들은 증착, 제거, 패터닝 및 전기 특성들의 변형(즉, 도핑)을 포함하는 다수의 카테고리들 내에 포함된다. 증착은 웨이퍼 상에 재료를 증착하고, 코팅하고, 또는 다른 방식으로 전달하는 프로세스이다. 증착 프로세스들 또는 기법들의 몇몇 예들은 물리 기상 증착(PVD), 화학 기상 증착(CVD), 전기화학 증착(ECD), 분자 빔 에피택시(MBE) 원자층 증착(ALD) 등을 포함한다. 제거는 웨이퍼로부터 재료를 대량으로, 또는 선택적으로 제거하고 에칭 프로세스를 포함하는 프로세스이다. 예를 들어, 화학 기계적 평탄화(CMP)는 디바이스의 레벨들 간에 사용되는 통상적인 제거 프로세스이다. 패터닝 프로세스들은 증착된 재료들을 형상화하거나 추후에 형상화하는 프로세스들이다. 패터닝은 또한 리소그라피로서 지칭될 수 있다. 통상적인 패터닝 프로세스는 반도체 디바이스의 일부를 선택적으로 마스킹하기 위해 포토레지스트 재료를 이용하고, 특정한 파장의 광에 디바이스를 노출시키고 그 후 현상액을 이용하여 노출되지 않는 영역들을 세척하는 것을 포함한다. 전기적 특성들은 확산 및/또는 이온 주입에 의해 선택된 영역들을 도핑함으로써 변경된다. 이 프로세스들 이후에 통상적으로 주입된 도펀트들을 활성화시키기 위해 노 어닐(furnace anneal) 또는 고속 열 어닐(RTA)과 같은 어닐 프로세스가 이어진다.
다양한 접근법들이 제조 동안 에러들을 식별하기 위해 이용된다. 반도체 디바이스들 또는 웨이퍼들은 통상적으로 웨이퍼 승인 테스트에서 생산의 종료시에 테스트된다. 그러나 웨이퍼 생산 사이클 시간은 예를 들어, 6-8 주 이상과 같이 매우 길고, 프로세스 단계들은 OOC(out of control) 제조 이벤트들 또는 제품 수율에 영향을 주는 에러들에 직면할 수 있다. 따라서 다수의 프로세스 단계들이 수행된 이후까지 OOC 이벤트가 발생하고 발견되지 않을 수 있다.
몇몇 반도체 제조 프로세스들에는 제품 수율 및 프로세스 제어를 용이하게 하기 위해 인-라인(in-line) 및 오프라인(off line) 모니터링이 도입되었다. 그러나 통상적인 모니터링은 제조 프로세스의 단계들 및 파라미터들 중 소수만을 커버하고 그에 따라 여전히 제품 수율에 대한 위험이 존재한다.
제조 프로세스는 반도체 제조 툴들 또는 프로세스 툴들에 의해 수행된다. 이러한 프로세스 툴들 중 몇몇은 프로세스에서 앞서 결함들을 식별하기 위해 결함 검출 및 분류(FDC) 소프트웨어 및 제어들을 포함한다. 그러나 이용되는 센서들의 수 및 타입들이 제한되고 FDC는 결함을 식별하는데 실패하거나 데이터를 누락할 수 있다.
FAB들이라고도 지칭되는 반도체 제조 설비들은 또한 제조 프로세스들을 모델링하고 제조 프로세스들의 성과들을 예측하기 위해 VM(virtual metrology)이라고도 지칭되는 제조 기반 모델링을 포함할 수 있다. 그러나 이 모델들은 프로세스 툴들, 툴 작용 및 다른 파라미터들의 변동들을 고려하는데 실패할 수 있다. 그 결과 모델들은 프로세스 결과들을 충분히 예측하는데 실패할 수 있다.
본 개시는 모든 또는 선택된 제조 단계들 이후에 결함들 또는 이벤트들을 예측하고 그리고/또는 식별하기 위해 툴 내장된 센서들 및 내장된 예측 모델들을 활용한다. 툴 기반 센서들 및 모델들은 반도체 제조 툴들 내에 매립되거나 내장된다. 이 매립된 또는 내장된 툴 센서들은 툴 매립된 또는 내장된 모델들을 업데이트하고 그리고/또는 조정하는데 이용될 수 있는 툴 센서 데이터를 제공한다. 매립된 또는 내장된 모델들은 특정한 툴 작용에 따라 변할 수 있고, 그러므로 예측 결과들이 더욱 정확하다. 결과적으로, 결함들 또는 이벤트들은 더욱 정확하고 손쉽게 식별될 수 있다. 또한, 프로세스들에 대한 입력 파라미터들은 결함들 및 이벤트들의 발생을 완화시키도록 조정될 수 있다. 따라서 매립된 툴 모델은 웨이퍼 프로세스 성능 데이터의 더욱 정확한 예측을 제공한다.
도 1은 본 개시의 실시예에 따른 프로세스 툴 시스템(100)을 예시하는 블록도이다. 시스템(100)은 반도체 제조를 용이하게 하고 결함들 및 이벤트들의 발생을 예측 및 완화시키기 위해 툴 센서 데이터 및 매립된 툴 예측 모델들을 활용한다. 추가로, 툴 센서 데이터 및 내장된 툴 예측 모델들은 또한 웨이퍼 프로세스 성능 데이터의 예측을 용이하게 한다.
시스템(100)은 프로세스 툴 제어 또는 실행 시스템(102), 툴 센서들(104), 툴 모델들(106)을 포함하고, 반도체 디바이스(108) 상에서 동작한다. 프로세스 툴 제어(102)는 반도체 제조 프로세스의 단계를 수행한다. 단계는 전기 특성들의 증착, 제거, 패터닝 및 변형을 포함하는(그러나 이것으로 제한되지 않음) 프로세스들을 포함할 수 있다. 프로세스 툴 제어(102)는 반도체 디바이스에 대해 원하는 디바이스 특성들 및 특징들을 산출하도록 선택된 다양한 입력 파라미터들을 제어한다. 예를 들어, 에칭 레이트 및 에칭 시간은 선택된 양의 에칭 재료 또는 잔여 두께를 산출하기 위한 에칭 프로세스에 대한 입력 파라미터들이다. 다른 예로서 평탄화 프로세스는 두께와 같이 잔여 두께 및 균일성을 산출하기 위해 화학 용액 및 시간을 갖는다.
툴 센서(104)는 단계들을 수행하기 이전, 그 동안, 그 이후를 포함하는 제조 프로세스의 단계 동안 다양한 회수로 센서 측정치를 획득한다. 센서 측정의 예들은 초기 두께, 온도 등을 포함한다. 센서 측정치는 프로세스 툴 제어(102)에 제공된다.
툴 모델들(106)은 입력들 또는 입력 파라미터들에 기초하여 반도체 디바이스 특징들을 예측한다. 툴 모델(106)은 이들이 물리적 발현을 요구하지 않고 컴퓨터에 의해 생성될 수 있다는 점에서 가상 모델들이다. 모델들(106)은 특정한 단계들 및/또는 전체 제조 프로세스에 대한 것일 수 있다. 예측된 특징들은 예를 들어, 도펀트 분배, 응력 분배, 디바이스 지오메트리 등을 포함한다. 모델들에 대한 입력들은 예를 들어, 프로세스 흐름, 레이아웃, 원하는 작용들, 원하는 특성들, 툴 특정 작용들/특성들 등을 포함한다. 툴 특정 특성들은 툴의 생성, 변화된 제조자들, 물리적 크기 요건들 등을 포함하는 다양한 원인들로 툴들 사이에서 변할 수 있다. 툴 특정 특성들은 예를 들어, 온도에 대한 민감도, 압력에 대한 민감도, 유량들 등을 포함한다.
툴 모델들(106)의 출력들은 프로세스 단계 파라미터들, 예측된 특성들, 예측된 결함들 또는 이벤트들(OOC를 포함함) 등을 포함한다. 부가적으로 출력들은 또한 이용되는 툴 및 현재의 프로세스 조건들이 주어지면 예측된 특성들이 획득될 것이라는 신뢰도를 표시하는 신뢰 레벨을 포함할 수 있다.
툴 모델들(106)은 또한 툴 센서 데이터에 기초하여 업데이트 가능하도록 구성될 수 있다. 툴 센서 데이터는 예측된 특성들 및 센서 데이터 사이에서 부족들을 식별하고, 그에 따라 툴 모델들(106)의 정확도 및 예측성을 개선하는데 활용된다.
프로세스 툴 제어(102)는 툴 입력 값들을 툴 모델들(106)에 제공하고 예측된 특성들 및 프로세스 파라미터들을 결정한다. 프로세스 툴 제어(102)는 또한 툴 모델들(106)을 업데이트하기 위해 툴 센서들(104)로부터 획득된 센서 측정치를 활용한다. 프로세스 툴 제어(102)는 툴 모델들(106) 및 툴 센서들(104)을 활용하여 반도체 디바이스 상에서의 프로세스 흐름의 단계를 수행한다.
도 2는 본 개시의 양상들을 예시하기 위한 예시적인 반도체 디바이스(200)의 단면도이다. 디바이스(200)는 예시적인 목적을 위해 제공되며, 본 개시의 실시예들은 다른 타입들의 반도체 디바이스들의 제조에 적용 가능하다는 것이 인지된다.
디바이스(200)는 반도체 바디(202), 또는 기판, 바디(202) 상의 제 1 층(204), 층(204)의 일부 상의 게이트 산화물 층(206) 및 게이트 산화물 층(206) 상에 형성된 게이트 금속(208)과 함께 도시된다.
이 예에서, 프로세스 툴은 높이(210)를 갖는 게이트 스택 또는 구조(206)를 산출하기 위해 패터닝 동작 또는 단계를 수행한다. 이 단계는 도 1에 관하여 위에서 도시되고 기술된 바와 같이 툴 모델들 및 툴 센서들을 활용하여 수행된다. 패터닝 단계는 입력들을 툴 모델에 제공하고 이로부터 프로세스 파라미터들을 획득함으로써 수행된다. 툴 센서들은 높이(210)를 측정하기 위해 활용된다. 프로세스 툴 또는 제어기는 측정된 높이(210)를 예측된 높이와 비교한다. 이 비교는 신뢰 레벨들을 식별하고 그리고/또는 툴 모델들을 업데이트하기 위해 활용된다.
도 3은 본 개시의 실시예에 따른 프로세스 툴 시스템(300)의 블록도이다. 시스템(300)은 반도체 제조를 용이하게 하고 결함들 및 이벤트들의 발생을 예측 및 완화시키기 위해 내장된 툴 모델들 및 툴 센서를 이용한다. 시스템(300)은 위에서 도시된 도 1의 시스템(100)과 함께, 또는 그 대신 활용될 수 있다.
시스템(300)은 툴 성능 예측 모델(302), 툴 센서 데이터(304), 제조 실행 시스템(MES; 306)을 포함하고, 모델 정확도 출력(308), 수율 예측 출력(310), 챔버 매칭 출력(312)을 제공한다.
툴 모델(302)은 반도체 디바이스 특징들을 예측하고 입력들 또는 입력 파라미터들에 기초하여 성능 측성들을 프로세싱한다. 툴 모델은 가상 모델(VM)이다. 모델(302)은 반도체 제조의 하나 이상의 단계들에 대한 예측을 포함하고, 예측된 특징들을 포함한다. 예측된 특징들은 예를 들어, 도펀트 분배, 응력 분배, 디바이스 지오메트리 등을 포함한다. 모델에 대한 입력들은 예를 들어, 프로세스 흐름, 레이아웃, 원하는 작용들, 원하는 특성들, 툴 특정 작용들/특성들 등을 포함한다. 툴 특정 특성들은 툴의 생성, 변화된 제조자, 물리적 크기 요건 등을 포함하는 다양한 원인들로 툴들 사이에서 변할 수 있다. 툴 특정 특성들을 예를 들어, 온도에 대한 민감도, 압력에 대한 민감도, 유량들 등을 포함한다.
툴 모델(302)은 프로세스 툴들의 특정 툴 또는 클래스를 위해 개발되었음을 이해한다. 따라서 툴 특정 작용의 모델링을 용이하게 하고 툴 특정 작용들을 고려함으로써 예측들을 용이하게 하는 툴 모델(302)이 프로세스 툴들에 내장된다. 툴 모델은 툴 모델(302)을 생성하는데 이용되었던 원래의 또는 기본 프로세스 툴로부터의 작용의 변동들을 포함해서 다른 툴들의 특정한 작용을 고려함으로써 다른 툴들에 대해 활용될 수 있다.
툴 모델(302)의 출력들은 출력 데이터(322) 및 신뢰 레벨(320)을 포함한다. 신뢰 레벨(320)은 입력 파라미터에 기초하여 주어진 프로세싱 단계 동안 예측된 특징들 또는 특성들에 대한 신뢰도를 표시한다. 출력 데이터(322)는 프로세스 단계 파라미터들, 예측된 특성들, 예측된 결함들 또는 이벤트들(OOC를 포함함) 등을 포함한다.
툴 모델(302)은 또한 툴 센서 데이터(304)에 기초하여 업데이트 가능하게 되도록 구성된다. 툴 센서 데이터(304)는 특성들과 센서 데이터 간의 부족들을 식별하고, 이에 따라 툴 모델(302)의 예측성과 정확도를 개선하기 위해 활용된다.
툴 모델(302)은 또한 유한 엘리먼트 분석(FE) 및/또는 유한 볼륨 방법들(FV)을 포함할 수 있다. 툴 모델(302)은 신경 네트워크, 유전적 프로그래밍(genetic programming) 및 다른 적합한 방법에 의해서와 같이 적합한 기법을 이용하여 개발된다. 툴 모델(302)은 2 및 3차원 특성들로 개발될 수 있다. 툴 모델(302)은 제조 설비들이 인지할 수 없는 툴 특정 작용을 포함한다.
센서 데이터(304)는 신뢰 레벨(322) 및 출력 데이터(320)를 생성하기 위해 툴 모델(302)에 제공된다. 센서 데이터(304)는 제조 중인 반도체 디바이스의 실제 계측(328)(샘플링) 및 이전의 프로세스 데이터(330)를 포함하는 하나 이상의 파라미터들에 대한 데이터를 포함한다. 센서 데이터(304)는 적합한 메모리 디바이스 또는 구조에 저장될 수 있고, 시간이 경과하면 업데이트된다.
단계가 증착 프로세스이고 툴은 증착 툴인 일 예에서, 센서 데이터(304)는 두께 및 균일성을 포함할 수 있다. 단계가 에칭 프로세스이고 툴이 에칭 툴인 다른 예에서, 센서 데이터(304)는 시작 두께, 피처 폭, 마지막 두께를 포함할 수 있다. 단계가 평탄화 프로세스이고, 툴이 평탄화 툴인 다른 예에서, 센서 데이터(304)는 잔여 두께 및 층 균일성을 포함할 수 있다.
제조 실행 시스템(MES)(306)은 반도체 디바이스 또는 디바이스들 상에서 하나 이상의 반도체 제조 단계들을 수행한다. MES(306)는 센서 데이터(304)를 통해 실제 계측(328) 및 이전의 프로세스 데이터(330)를 모델(302)에 제공한다. 입력들로서, MES(306)는 위에서 기술된 바와 같이 신뢰 레벨(322) 및 출력 데이터(320)를 수신한다.
MES는 신뢰 레벨(322), 출력 데이터(320), 실제 계측(328) 및 이전의 프로세스 데이터(330)에 기초하여 하나 이상의 출력들을 생성한다. 출력들은 일 예에서, 모델 정확도 리포트(308), 수율 예측 출력(310) 및 챔버 매칭 출력(312)을 포함한다. 본 개시의 대안 실시예들은 위의 출력들 중 일부 또는 전부를 생략하고 부가적인 출력들을 포함할 수 있다는 것이 인지된다.
모델 정확도 리포트(308)는 (모델(302)에 의해) 예측된 특성들과 센서 데이터(304)의 비교에 기초한다. 모델 정확도 리포트(308)는 결함이 있는 또는 부정확한 모델을 표시하거나, 모델의 업데이트가 요구됨을 표시하거나, 정확도가 수락 가능함을 표시하는 등을 위해 활용될 수 있다. 수율 예측 출력(310)은 제조 중인 디바이스 또는 디바이스들에 대한 수율 출력을 예측하는 리포트이다. 수율 예측 출력(310)은 결함들 또는 수율에 영향을 주는 이벤트들을 식별하기 위해 활용될 수 있다. 챔버 매칭 출력(312)은 프로세스 단계들에 대한 챔버들 또는 툴들을 식별하기 위해 활용된다. 챔버 또는 툴들은 변화된 작용을 가질 수 있고 챔버 매칭 출력(312)은 센서 데이터(304) 및 모델(302)에 기초하여 디바이스 또는 디바이스들에 대한 툴들 또는 챔버들의 매칭 또는 선택을 용이하게 한다.
도 4는 프로세스 툴 시스템을 동작시키는 방법(400)을 예시하는 흐름도이다. 방법(400)은 결함 식별 및 디바이스 제조를 용이하게 하기 위해 툴 모델들 및 센서 데이터를 이용한다.
방법은 반도체 제조 단계에 대한 툴 모델이 생성되는 블록(402)에서 시작한다. 툴 모델은 레이아웃 규격들, 설계 규격들, 특정한 툴 특성들, 환경 조건들 등을 포함하는(그러나 이것으로 제한되지 않음) 다양한 입력들을 이용하여 생성된다. 툴 모델은 디바이스 특성들 및 신뢰 레벨들을 포함하는 출력들을 제공하도록 구성된다. 제조 단계는 특정한 반도체 디바이스의 제조의 프로세스 또는 단계이다. 예를 들어, 제조 단계는 재료의 층의 증착, 화학 기계적 평탄화, 패터닝 등을 포함할 수 있다.
툴 모델은 특정한 프로세스 툴에 대한 작용을 포함한다. 툴 모델은 다른 프로세스 툴들을 위해 활용될 수 있지만 툴 모델을 생성하는데 이용된 원래의 또는 기본 프로세스 툴로부터의 변동들 또는 특정 작용들에 기초한 변형을 요구할 수 있다는 것이 인지된다.
모델 입력들은 블록(404)에서 툴 모델에 제공된다. 모델 입력들은 예를 들어, 원하는 디바이스 특성들, 프로세스 단계, 프로세스 타입, 동작 환경 제한들 등을 포함한다.
모델 출력들은 블록(406)에서 툴 모델로부터 생성된다. 모델 출력들은 예를 들어, 예측된 디바이스 특성들 또는 특징들, 프로세스 파라미터들, 프로세스 지속기간, 신뢰 레벨 등을 포함한다.
반도체 제조 단계는 블록(408)에서 수행되고 센서 측정치가 획득된다. 제조 단계는 적어도 부분적으로 모델 출력들에 따라 수행된다. 센서 측정치는 제조 단계 이전에, 그 동안에 그리고/또는 그 후에 획득된다.
하나 이상의 시스템 출력들은 블록(410)에서 생성된다. 시스템 출력들은 예를 들어, 모델 정확도 리포트, 수율 예측 리포트, 결함 식별 리포트, 및 챔버 매칭 리포트를 포함한다. 시스템 출력들은 센서 측정치, 모델 입력들, 모델 출력들, 이전의 프로세스 데이터 등 중 하나 이상에 따라 생성된다.
모델 정확도 리포트는 적어도 센서 측정치 및 툴 모델에 따라 툴 모델의 정확도를 제공한다. 수율 예측 리포트는 툴 모델 및 툴 센서 데이터에 기초하여 제조되는 디바이스에 대한 수율을 예측한다. 결함 식별 리포트는 결함들 또는 수율 또는 디바이스 동작 특성들에 악영향을 줄 수 있는 이벤트들을 식별한다. 결함 식별 리포트는 또한 결함들 또는 이벤트들을 엄격성(severity)의 카테고리들로 분류할 수 있다. 챔버 매칭 리포트는 추가의 프로세스 요건들 또는 단계들에 매칭하는 툴들, 디바이스들, 또는 챔버들을 식별한다.
센서 측정치는 피처 치수들, 도펀트 농도들, 도펀트 프로파일들 등과 같은(그러나 이것으로 제한되지 않음) 디바이스 제조 특성들을 포함한다. 센서 측정치는 또한 온도, 압력, 유량들 등과 같은 제조 프로세스 조건들을 포함할 수 있다. 센서 측정치는 툴 특정 작용을 식별하고 포함할 수 있다.
단계가 증착 프로세스이고 툴이 증착 툴인 일 예에서, 센서 측정치는 유량, 온도 및 증착 시간을 포함할 수 있다. 단계가 에칭 프로세스이고 툴이 에칭 툴인 다른 예에서, 센서 측정치는 시작 두께, 온도 및 RF 전력을 포함할 수 있다. 단계가 평탄화 프로세스이고 툴이 평탄화 툴인 다른 예에서, 센서 측정치는 온도 및 패드 수명 시간을 포함할 수 있다.
툴 모델은 주기적으로 또는 신뢰 레벨들 및 결정된 모델 정확도에 기초하여 필요에 따라 업데이트될 수 있다. 예를 들어, 예측된 특성들로부터 임계량 위로 이탈한 디바이스 특성들은 툴 모델의 업데이트를 시작할 수 있다.
본 문서 전체에 걸쳐서 여기서 기술되는 방법들의 양상들을 논의하는데 있어 예시적인 구조들(예를 들어, 구조가 도 1 내지 3에서 제시되는 반면에 방법은 도 4에서 기술됨)에 대한 참조가 이루어졌지만, 이 방법들은 제시된 대응하는 구조들에 의해 제한되지 않는다는 것이 인지될 것이다. 오히려, 방법들(및 구조들)은 서로 독립적으로 간주되고 단독으로 존재할 수 있으며 도면들에서 도시된 특정한 양상들 중 임의의 양상에 관계없이 실시될 수 있다.
또한, 등가의 대안들 및/또는 변형들은 본 명세서 및 첨부된 도면들의 이해 및 해석에 기초하여 당업자들에 의해 발생할 수 있다. 여기서의 개시는 모든 이러한 변형들 및 변경들을 포함하고 일반적으로 그것으로 제한되도록 의도되지 않는다. 예를 들어, 여기서 제공된 도면들은 특정한 도핑 타입을 갖도록 기술되고 예시되었지만, 대안의 도핑 타입들은 당업자에 의해 이해되는 바와 같이 활용될 수 있다는 것이 인지될 것이다.
또한, 특정한 특징 또는 양상이 몇 개의 구현들 중 단지 하나에 관하여 개시되었지만, 이러한 특징 또는 양상은 바람직할 수 있는 다른 구현들의 하나 이상의 다른 특징들 및/또는 양상들과 조합될 수 있다. 또한, 용어 "포괄하는", "갖는", "구비하는" 및/또는 그의 파생어들이 여기서 이용되는 한, 이러한 용어들은 "포함하는"과 같이 포괄적인 의미가 되도록 의도된다. 또한, "예시적인"은 단순히 최상이기 보단 예를 의미하도록 의도된다. 또한, 여기서 도시되는 특징들, 층들 및/또는 엘리먼트들은 이해의 용이성 및 단순함의 목적들을 위해 서로 상대적인 특정한 치수들 및/또는 배향성들로 예시되며 실제 치수들 및/또는 배향성들은 여기서 예시되는 것과 실질적으로 상이할 수 있음이 인지될 것이다.
Claims (10)
- 프로세스 툴 시스템으로서,
툴 센서 데이터를 제공하도록 구성된 센서 데이터 컴포넌트;
모델 입력들에 기초하여 모델 출력들을 생성하도록 구성된 내장된 툴 모델; 및
상기 센서 데이터 컴포넌트에 툴 프로세스 데이터를 제공하고, 상기 툴 모델에 상기 모델 입력들을 제공하고, 상기 내장된 툴 모델로부터 모델 출력들을 수신하고, 하나 이상의 실행 시스템 출력들을 제공하도록 구성된 실행 시스템을 포함하며,
상기 툴 모델은 툴 특정 특성(tool specific property)을 상기 모델 출력들의 생성에 통합하는 것인, 프로세스 툴 시스템. - 제 1 항에 있어서,
상기 모델 출력들은 i) 예측된 제조 특성들, 또는 ii) 신뢰 레벨(confidence level) 중 적어도 하나를 포함하는 것인, 프로세스 툴 시스템. - 삭제
- 제 1 항에 있어서,
상기 툴 특정 특성은 온도 및 압력 중 하나 이상에 대한 민감도를 포함하는 것인, 프로세스 툴 시스템. - 제 1 항에 있어서,
상기 모델 출력은 에칭 시간 및 에칭 재료 농도를 포함하고, 상기 모델 입력들은 제조 단계를 위한 선택된 에칭량을 포함하는 것인, 프로세스 툴 시스템. - 제 1 항에 있어서,
실행 시스템 출력들은 i) 상기 툴 모델로부터의 모델 출력들에 적어도 부분적으로 기초하여 상기 툴 모델의 정확도를 표시하는 모델 정확도 리포트, ii) 상기 센서 데이터 및 상기 모델 출력들에 기초하여 예측된 수율을 표시하는 수율 예측 출력, 또는 iii) 상기 모델 출력들 및 상기 센서 데이터에 적어도 부분적으로 기초하여, 선택된 반도체 디바이스 특성들에 매칭하는, 복수의 툴들 중 하나 이상의 툴들을 표시하는 툴 매칭 출력, 중 적어도 하나를 포함하는 것인, 프로세스 툴 시스템. - 프로세스 툴 시스템에 있어서,
모델 입력들에 기초하여 모델 출력들을 생성하도록 구성된 하나 이상의 내장된 툴 모델들로서, 상기 하나 이상의 툴 모델은 하나 이상의 반도체 프로세스 단계들에 상관되는, 상기 하나 이상의 내장된 툴 모델;
반도체 디바이스 특성들에 대한 센서 측정치를 획득하는 툴 센서들; 및
상기 센서 측정치 및 툴 특정 특성에 기초하여 상기 하나 이상의 툴 모델들을 생성하도록 구성된 실행 시스템
을 포함하는, 프로세스 툴 시스템. - 제 7 항에 있어서,
상기 실행 시스템은 상기 센서 측정치에 기초하여 상기 하나 이상의 툴 모델들을 개선하도록 추가로 구성되는 것인, 프로세스 툴 시스템. - 제 7 항에 있어서,
상기 실행 시스템은 상기 하나 이상의 툴 모델들을 신뢰할 수 없는 것으로서 식별하도록 추가로 구성되는 것인, 프로세스 툴 시스템. - 프로세스 툴 시스템을 동작시키는 방법에 있어서,
레이아웃(layout), 설계 규격들 및 툴 특정 특성에 기초하여 반도체 제조 단계를 위한 내장된 툴 모델을 생성하는 단계;
모델 입력들을 상기 툴 모델에 제공하는 단계;
상기 툴 모델로부터 모델 출력들 - 이 모델 출력들은 예측된 디바이스 특징들 및 예측된 웨이퍼 프로세스 성능 데이터를 포함함 - 을 생성하는 단계;
상기 모델 출력들을 활용하여 상기 반도체 제조 단계를 수행하는 단계;
상기 반도체 제조 단계에 대한 센서 측정치를 획득하는 단계; 및
상기 센서 측정치 및 상기 모델 출력들로부터 시스템 출력을 생 성하는 단계
를 포함하는, 프로세스 툴 시스템을 동작시키는 방법.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US13/364,503 | 2012-02-02 | ||
| US13/364,503 US9002498B2 (en) | 2012-02-02 | 2012-02-02 | Tool function to improve fab process in semiconductor manufacturing |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20130089562A KR20130089562A (ko) | 2013-08-12 |
| KR101380515B1 true KR101380515B1 (ko) | 2014-04-01 |
Family
ID=48903604
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020120067951A KR101380515B1 (ko) | 2012-02-02 | 2012-06-25 | 반도체 제조의 ｆａｂ 프로세스를 개선하기 위한 툴 기능의 신규한 설계 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US9002498B2 (ko) |
| KR (1) | KR101380515B1 (ko) |
| CN (1) | CN103247518B (ko) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015049087A1 (en) | 2013-10-02 | 2015-04-09 | Asml Netherlands B.V. | Methods & apparatus for obtaining diagnostic information relating to an industrial process |
| KR102521159B1 (ko) | 2014-11-25 | 2023-04-13 | 피디에프 솔루션즈, 인코포레이티드 | 반도체 제조 공정을 위한 개선된 공정 제어 기술 |
| US10430719B2 (en) | 2014-11-25 | 2019-10-01 | Stream Mosaic, Inc. | Process control techniques for semiconductor manufacturing processes |
| EP3045992B1 (en) | 2015-01-14 | 2020-10-14 | Hexagon Technology Center GmbH | Compensating for errors occurring in a production process |
| US11029673B2 (en) | 2017-06-13 | 2021-06-08 | Pdf Solutions, Inc. | Generating robust machine learning predictions for semiconductor manufacturing processes |
| EP3415988A1 (en) * | 2017-06-14 | 2018-12-19 | ASML Netherlands B.V. | Device manufacturing methods |
| US11022642B2 (en) | 2017-08-25 | 2021-06-01 | Pdf Solutions, Inc. | Semiconductor yield prediction |
| US10783290B2 (en) | 2017-09-28 | 2020-09-22 | Taiwan Semiconductor Manufacturing Company, Ltd. | IC manufacturing recipe similarity evaluation methods and systems |
| US10481592B2 (en) * | 2017-10-27 | 2019-11-19 | Globalfoundries Inc. | Selecting manufacturing settings based on historical data from manufacturing tools |
| US11775714B2 (en) | 2018-03-09 | 2023-10-03 | Pdf Solutions, Inc. | Rational decision-making tool for semiconductor processes |
| US11029359B2 (en) | 2018-03-09 | 2021-06-08 | Pdf Solutions, Inc. | Failure detection and classsification using sensor data and/or measurement data |
| US10777470B2 (en) | 2018-03-27 | 2020-09-15 | Pdf Solutions, Inc. | Selective inclusion/exclusion of semiconductor chips in accelerated failure tests |
| KR102606104B1 (ko) | 2019-01-29 | 2023-11-29 | 에이에스엠엘 네델란즈 비.브이. | 반도체 제조 공정에서의 의사 결정 방법 |
| US11133204B2 (en) * | 2019-01-29 | 2021-09-28 | Applied Materials, Inc. | Chamber matching with neural networks in semiconductor equipment tools |
| CN112863620A (zh) * | 2020-12-31 | 2021-05-28 | 杭州富加镓业科技有限公司 | 一种基于深度学习和提拉法的导电型氧化镓的质量预测方法、制备方法及系统 |
| US11860591B2 (en) * | 2021-09-13 | 2024-01-02 | Applied Materials, Inc. | Process recipe creation and matching using feature models |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004119753A (ja) * | 2002-09-27 | 2004-04-15 | Hitachi High-Technologies Corp | エッチング処理装置およびエッチング処理方法 |
| KR20060116192A (ko) * | 2003-09-30 | 2006-11-14 | 동경 엘렉트론 주식회사 | 반도체 제조 프로세스를 제어하기 위한 제 1 원리들의시뮬레이션을 사용하기 위한 시스템 및 방법 |
| JP2007507888A (ja) * | 2003-09-30 | 2007-03-29 | 東京エレクトロン株式会社 | 半導体製造プロセスを制御するために第１の原理シミュレーションを用いたシステム及び方法。 |
Family Cites Families (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6055460A (en) * | 1997-08-06 | 2000-04-25 | Advanced Micro Devices, Inc. | Semiconductor process compensation utilizing non-uniform ion implantation methodology |
| CN1239969C (zh) * | 1999-06-22 | 2006-02-01 | 布鲁克斯自动化公司 | 用于微电子学器件生产的逐次运行控制器 |
| DE60104705T2 (de) * | 2000-09-15 | 2005-09-15 | Advanced Micro Devices, Inc., Sunnyvale | Verbesserte regelung mit adaptives abtastverfahren zur halbleiterherstellung |
| US6594589B1 (en) * | 2001-05-23 | 2003-07-15 | Advanced Micro Devices, Inc. | Method and apparatus for monitoring tool health |
| US6950716B2 (en) * | 2001-08-13 | 2005-09-27 | Applied Materials, Inc. | Dynamic control of wafer processing paths in semiconductor manufacturing processes |
| US6616759B2 (en) * | 2001-09-06 | 2003-09-09 | Hitachi, Ltd. | Method of monitoring and/or controlling a semiconductor manufacturing apparatus and a system therefor |
| US6751519B1 (en) * | 2001-10-25 | 2004-06-15 | Kla-Tencor Technologies Corporation | Methods and systems for predicting IC chip yield |
| US6698009B1 (en) * | 2002-02-28 | 2004-02-24 | Advanced Micro Devices, Inc. | Method and apparatus for modeling of batch dynamics based upon integrated metrology |
| US6895295B1 (en) * | 2002-05-06 | 2005-05-17 | Advanced Micro Devices, Inc. | Method and apparatus for controlling a multi-chamber processing tool |
| EP1532670A4 (en) * | 2002-06-07 | 2007-09-12 | Praesagus Inc | CHARACTERIZATION AND REDUCTION OF VARIATION FOR INTEGRATED CIRCUITS |
| WO2004003822A1 (en) * | 2002-06-28 | 2004-01-08 | Tokyo Electron Limited | Controlling a material processing tool and performance data |
| US6947803B1 (en) * | 2002-09-27 | 2005-09-20 | Advanced Micro Devices, Inc. | Dispatch and/or disposition of material based upon an expected parameter result |
| US6917849B1 (en) * | 2002-12-18 | 2005-07-12 | Advanced Micro Devices, Inc. | Method and apparatus for predicting electrical parameters using measured and predicted fabrication parameters |
| US8017411B2 (en) * | 2002-12-18 | 2011-09-13 | GlobalFoundries, Inc. | Dynamic adaptive sampling rate for model prediction |
| US7050879B1 (en) * | 2003-04-03 | 2006-05-23 | Advanced Micro Devices, Inc. | Adjusting a sampling protocol in an adaptive control process |
| US8050900B2 (en) * | 2003-09-30 | 2011-11-01 | Tokyo Electron Limited | System and method for using first-principles simulation to provide virtual sensors that facilitate a semiconductor manufacturing process |
| US7198964B1 (en) * | 2004-02-03 | 2007-04-03 | Advanced Micro Devices, Inc. | Method and apparatus for detecting faults using principal component analysis parameter groupings |
| JP2005342841A (ja) * | 2004-06-03 | 2005-12-15 | Renesas Technology Corp | 研磨装置 |
| US7144297B2 (en) * | 2005-05-03 | 2006-12-05 | Taiwan Semiconductor Manufacturing Company, Ltd. | Method and apparatus to enable accurate wafer prediction |
| US7622308B2 (en) * | 2008-03-07 | 2009-11-24 | Mks Instruments, Inc. | Process control using process data and yield data |
| US8437870B2 (en) * | 2009-06-05 | 2013-05-07 | Taiwan Semiconductor Manufacturing Company, Ltd. | System and method for implementing a virtual metrology advanced process control platform |
| JP5397215B2 (ja) * | 2009-12-25 | 2014-01-22 | ソニー株式会社 | 半導体製造装置、半導体装置の製造方法、シミュレーション装置及びシミュレーションプログラム |
-
2012
- 2012-02-02 US US13/364,503 patent/US9002498B2/en not_active Expired - Fee Related
- 2012-06-25 KR KR1020120067951A patent/KR101380515B1/ko active IP Right Grant
-
2013
- 2013-01-29 CN CN201310034630.6A patent/CN103247518B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004119753A (ja) * | 2002-09-27 | 2004-04-15 | Hitachi High-Technologies Corp | エッチング処理装置およびエッチング処理方法 |
| KR20060116192A (ko) * | 2003-09-30 | 2006-11-14 | 동경 엘렉트론 주식회사 | 반도체 제조 프로세스를 제어하기 위한 제 1 원리들의시뮬레이션을 사용하기 위한 시스템 및 방법 |
| JP2007507888A (ja) * | 2003-09-30 | 2007-03-29 | 東京エレクトロン株式会社 | 半導体製造プロセスを制御するために第１の原理シミュレーションを用いたシステム及び方法。 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103247518B (zh) | 2016-05-25 |
| US20130204418A1 (en) | 2013-08-08 |
| CN103247518A (zh) | 2013-08-14 |
| KR20130089562A (ko) | 2013-08-12 |
| US9002498B2 (en) | 2015-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101380515B1 (ko) | 반도체 제조의 ｆａｂ 프로세스를 개선하기 위한 툴 기능의 신규한 설계 | |
| KR100727049B1 (ko) | 마이크로전자 디바이스들의 제조시 최적의 공정 목표들을결정하는 방법 | |
| CN100578747C (zh) | 用于模型预测的动态适应性取样率 | |
| US6773931B2 (en) | Dynamic targeting for a process control system | |
| KR100727048B1 (ko) | 공정 제어 시스템 | |
| US8849615B2 (en) | Method and system for semiconductor process control and monitoring by using a data quality metric | |
| CN108140588B (zh) | 用于半导体设备的匹配腔室性能的方法 | |
| US7974801B2 (en) | Method and system for a two-step prediction of a quality distribution of semiconductor devices | |
| US8396583B2 (en) | Method and system for implementing virtual metrology in semiconductor fabrication | |
| JP2005510083A (ja) | 統合計測データをフィードフォワードデータとして利用するための方法および装置 | |
| EP3392711A1 (en) | Maintaining a set of process fingerprints | |
| US20070005172A1 (en) | Method and system for advanced process control using measurement uncertainty as control input | |
| CN111190393B (zh) | 半导体制程自动化控制方法及装置 | |
| 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 | |
| TWI446402B (zh) | 基於資訊可信度之增進的狀態估計 | |
| CN109213086B (zh) | 制程系统与制程方法 | |
| US20070142957A1 (en) | Semiconductor manufacturing apparatus and control system and control method therefor | |
| JP2007538383A (ja) | イオン注入プロセスの欠陥検出および制御方法、およびその実行システム | |
| KR101000545B1 (ko) | 1차 공정 제어기를 보완하기 위한 2차 공정 제어기 | |
| KR101275838B1 (ko) | 샘플링되지 않은 워크피스에 관한 데이터 표시 | |
| Tin et al. | A realizable overlay virtual metrology system in semiconductor manufacturing: Proposal, challenges and future perspective | |
| JP5200276B2 (ja) | インラインリソグラフィ及びエッチングシステム | |
| 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 | |
| US6868353B1 (en) | Method and apparatus for determining wafer quality profiles | |
| CN118280983A (zh) | 半导体结构的形成方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20170317 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20180309 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20190314 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20200313 Year of fee payment: 7 |