KR101491234B1

KR101491234B1 - 공기중의 분자 오염 소스를 식별하는 방법

Info

Publication number: KR101491234B1
Application number: KR20130015753A
Authority: KR
Inventors: 쯔소우 추앙; 정지 황; 쳉렁 초우; 치밍 양; 친샹 린
Original assignee: 타이완 세미콘덕터 매뉴팩쳐링 컴퍼니 리미티드
Priority date: 2012-10-01
Filing date: 2013-02-14
Publication date: 2015-02-17
Also published as: DE102013103696A1; DE102013103696B4; US9958424B2; KR20140043269A; US20140095083A1; CN108548892A; CN103713096A

Abstract

본 개시는 팹에서 공기중의 분자 오염(AMC) 누설 소스를 식별하는 방법을 제공한다. 이 방법은 상기 팹에 센서를 분포시키는 단계; 상기 팹의 공기 흐름의 포워드(forward) 전산 유체 역학(computational fluid dynamics; CFD) 시뮬레이션을 실행하는 단계; 상기 팹에서 상기 공기 흐름의 포워드 CFD 시뮬레이션의 반전된 모델링(inversed modeling)을 세팅하는 단계; 팹의 AMC 측정 데이터를 이용하여 상기 센서의 공간적 응답 확률 분포 매트릭스(spatial response probability distribution matrix)의 데이터베이스를 구축하는 단계; 및 상기 센서의 공간적 응답 확률 분포 매트릭스의 데이터베이스를 이용하여 AMC 누설 소스를 식별하는 단계를 포함한다.

Description

공기중의 분자 오염 소스를 식별하는 방법{METHOD OF IDENTIFYING AIRBORNE MOLECULAR CONTAMINATION SOURCE}

본 개시는 공기중의 분자 오염(airborne molecular contamination; AMC) 누설 소스를 식별하는 방법에 관한 것이다.

반도체 집적 회로(IC) 산업은 급격한 성장을 경험하여 왔다. IC 물질들 및 설계에서의 기술적인 진보들은 IC들의 세대들을 생산하였으며, 각각의 세대는 이전 세대보다 더 작고 더 복잡한 회로들을 갖는다. IC 진화 과정에서, 기능적 밀도(즉, 칩 영역 당 상호연결된 디바이스들의 수)는 일반적으로 증가하는 반면에, 지오매트리 크기(geometry size)(즉, 제조 프로세스에서 생성될 수 있는 최소 컴포넌트(또는 라인))는 감소하였다. 이러한 축소(scaling down) 프로세스는 일반적으로 생산 효율을 증가시키고 연관된 비용들을 낮춤으로써 이익들을 제공한다. 이러한 축소는 또한 IC들을 프로세싱 및 제조하는 복잡성을 또한 증가시키고, 이러한 진보들이 실현되기 위해, IC 프로세싱 및 제조에 있어서 유사한 발전들이 필요로 된다.

예를 들어, 공기중의 분자 오염(airborne molecular contamination; AMC)은 지오매트리 크기를 추가로 축소하기 위해 반도체 제조 프로세스에서 점점더 심각한 이슈가 되었다. AMC 센서가 팹(fab)의 허용된 AMC 집중 레벨에 도달하거나 초과하는 경우, AMC 누설 소스 및 위치를 식별하기 위한 공통적인 프로시저는 상당한 인간의 시간 및 자원들을 활용한다. AMC 누설 소스 및 위치를 식별하기 위한 이 프로시저는 또한 느리다. 이는 반도체 제조 프로세스, 팹 및 연관된 IC 디바이스들에 악영향을 줄 수 있다. 이에 따라, 필요한 것은 AMC 센서가 경고되는(alarmed) 경우 빠른 방식으로 AMC 누설 소스 및 위치를 식별하기 위한 방법이다.

공개특허공보 제10-2000-0055741호 (2000.09.15)

따라서, 본 개시는 팹(fab)에서 공기중의 분자 오염(AMC) 누설 소스를 식별하는 방법을 기술한다. 이 방법은 팹에 센서를 분포시키는 단계; 팹의 공기 흐름의 포워드(forward) 전산 유체 역학(computational fluid dynamics; CFD) 시뮬레이션을 실행하는 단계; 팹에서 공기 흐름의 포워드 CFD 시뮬레이션의 반전된 모델링(inversed modeling)을 세팅하는 단계; 센서의 공간적 응답 확률 분포 매트릭스(spatial response probability distribution matrix)의 데이터베이스를 구축하는 단계; 및 센서의 공간적 응답 확률 분포 매트릭스의 데이터베이스를 이용하여 AMC 누설 소스를 식별하는 단계를 포함한다. 이 방법은 센서를 CFD 제어기에 연결하는 단계를 더 포함한다. 공기 흐름의 포워드 CFD 시뮬레이션은 팹에서 팬 필터 유닛(fan filter unit; FFU)의 출력으로부터 FFU의 입력으로의 공기 흐름 스트림라인(air flow streamline)을 포함한다. 포워드 공기 흐름 CFD 시뮬레이션을 실행하는 단계는 팹의 센서 레이아웃을 최적화하는 단계를 포함한다. 센서 레이아웃을 최적화하는 단계는 팹의 센서들의 수를 조정하고 팹의 센서의 위치를 조정하는 단계를 포함한다. 공기 흐름의 포워드 CFD 시뮬레이션의 반전된 모델링을 세팅하는 단계는, 팹에서 FFU의 입력으로부터 FFU의 출력으로의 공기 흐름 스트림라인을 포함한다. 공간적 응답 확률 분포 매트릭스의 데이터베이스를 구축하는 단계는, 팹의 AMC 측정 데이터를 이용하여 센서의 공간적 응답 확률 매트릭스를 세팅하는 단계를 포함한다. 이 방법은 추가로 센서의 공간적 응답 확률 분포 매트릭스를 부가하는 단계를 포함한다. AMC 누설 소스를 식별하는 단계는 센서의 공간적 응답 확률 분포 매트릭스의 데이터베이스를 이용하여 AMC 소스 누설 위치를 찾아내는(locating) 단계를 포함한다.

몇몇 실시예들에서, 팹에서 공기중의 분자 오염(AMC) 누설 소스를 식별하는 방법이 제시된다. 이 방법은 팹에 AMC 센서를 분포시키는 단계; AMC 센서를 전산 유체 역학(CFD) 시스템에 연결하는 단계; 팹에서 포워드 공기 흐름 CFD 시뮬레이션을 실행하는 단계; 팹에서 반전된 포워드 공기 흐름 CFD 시뮬레이션을 수행하는 단계; AMC 센서에 관한 공간적 응답 확률 분포 매트릭스의 데이터베이스를 세팅하는 단계; 및 AMC 센서를 이용하여 팹을 모니터링하는 단계를 포함한다. AMC 센서에 관한 공간적 응답 확률 분포 매트릭스의 데이터베이스를 세팅하는 단계는 AMC 센서에 관한 유닛 AMC 값을 이용하여 팹에서 반전된 포워드 공기 흐름 CFD 시뮬레이션을 수행함으로써 AMC 센서에 관한 공간적 응답 확률 분포 매트릭스를 구축하는 단계를 포함한다. 이 방법은 또한 AMC 센서에 관한 공간적 응답 확률 분포 매트릭스 및 AMC 측정 데이터의 곱들을 합산하는 단계를 포함한다. AMC 센서를 이용하여 팹을 모니터링하는 단계는 AMC 센서에 관한 공간적 응답 확률 분포 매트릭스의 데이터베이스를 검색함으로써 AMC 누설 소스 위치를 식별하는 단계를 포함한다. 이 방법은 또한 팹에서 AMC 누설 소스를 수리 또는 제거하는 단계를 포함한다.

다른 실시예들에서, 팹에서 공기중의 분자 오염(AMC) 누설 소스를 식별하기 위한 셋업이 또한 기술된다. 이 셋업은 AMC 제어기; 및 AMC 제어기에 연결하도록 구성된 센서를 포함한다. 이 셋업은 AMC 제어기에 통합되는 데이터 저장 유닛을 더 포함한다. 데이터 저장 유닛은 AMC 센서의 공간적 응답 확률 분포 매트릭스의 데이터베이스를 저장하도록 구성된다. AMC 제어기는 AMC 소스를 식별하기 위해 데이터 프로세싱을 수행하는 컴퓨터를 포함하고, 센서들의 공간적 응답 확률 분포 매트릭스의 데이터베이스는 데이터 저장소에 저장된다. 센서들의 공간적 응답 확률 분포 매트릭스의 데이터베이스는 각각의 AMC 센서 위치의 유닛 AMC 값들을 이용함으로써 CFD의 반전 모델링으로 계산된다. 센서는, 센서가 트리거될 때, 센서에 관한 공간적 응답 확률 분포 매트릭스의 데이터베이스가 검색되고 이에 따라 AMC 누설 소스가 식별되도록 팹에서 AMC 집중 레벨을 모니터링하도록 설계된다.

본 개시는 첨부 도면들과 함께 이해될 때 이어지는 상세한 설명으로부터 가장 잘 이해된다. 업계의 표준 관행에 따라, 다양한 피처들이 제 축적대로 그려지지 않으며 단지 예시 목적을 위해서만 이용된다는 것이 강조된다. 사실상, 다양한 피처들의 치수는 논의의 명확성을 위해 증가 또는 감소될 수 있다.

도 1은 본 개시의 하나 이상의 실시예들에 따른 디바이스의 측면 단면도.
도 2 내지 도 5는 본 개시의 하나 이상의 실시예들에 따라 디바이스 상의 공기중의 분자 오염(AMC) 충격의 예들을 나타내는 도면들.
도 6은 본 개시의 하나 이상의 실시예들에 따라, 팹에서 디바이스를 제조하는 동안 AMC 집중 레벨을 모니터링하는 AMC 모니터링 시스템의 다이어그램.
도 7은 본 개시의 하나 이상의 실시예들에 따라 팹에서 AMC 누설 소스 또는 위치를 식별하는 방법의 흐름도.
도 8은 본 개시의 하나 이상의 실시예들을 구현하기 위해 팹에서 AMC 누설 소스 또는 위치를 식별하는 방법의 흐름도.
도 9는 본 개시의 하나 이상의 실시예들에 따라 팹에서 전산 유체 역학 계산(computational fluid dynamics calculation)에 의해 시뮬레이션되는 포워드 공기 흐름 스트림라인의 단면도.
도 10 내지 도 11은 본 개시의 하나 이상의 실시예들에 따라 에조인 수학식(adjoint equation)을 설명하는 예.
도 12는 본 개시의 하나 이상의 실시예들에 따라 전산 유체 역학(CFD)에 의해 시뮬레이션되는 AMC 집중의 다이어그램.
도 13은 본 개시의 하나 이상의 실시예들에 따라 팹에서 CFD의 반전 모델링에 의해 시뮬레이션되는 공기 흐름의 반전된 스트림라인의 단면도.
도 14 내지 도 16은 본 개시의 하나 이상의 실시예들을 구현하기 위해 AMC 센서에 관한 공간적 응답 확률 분포를 나타내는 도면들.

다음의 개시는 본 발명의 상이한 특징들을 구현하기 위해 다수의 상이한 실시예들 또는 예들을 제공한다. 컴포넌트들 및 배열들의 특유의 예들이 본 개시를 단순하게 하기 위해 아래에서 기술된다. 물론, 이들은 단지 예들일 뿐이며, 제한하는 것으로서 의도되지 않는다. 예를 들어, 이어지는 설명에서 제 2 피처 상의 또는 그 위의 제 1 피처의 형성은 제 1 및 제 2 피처들이 직접 접촉하여 형성되는 실시예들을 포함할 수 있고, 제 1 및 제 2 피처들이 직접 접촉하지 않을 수 있도록 부가적인 피처들이 제 1 및 제 2 피처들 사이에 형성될 수 있는 실시예들을 또한 포함할 수 있다. 또한, 본 개시는 다양한 예들에서 참조 번호들 또는 문자들 중 적어도 하나를 반복할 수 있다. 이러한 반복은 단순성 및 명확성을 목적으로 하며, 논의되는 다양한 실시예들 또는 구성들 중 적어도 하나 사이의 관계를 그 자체로 지시하지 않는다.

이제 도 1을 참조하면, 팹(fab)에 형성되는 디바이스(100)의 측면 단면도는 본 개시의 하나 이상의 실시예들에 따라 예시된다. 디바이스(100)는 기판(102), 격리 피처(104), 소스(106), 드레인(108) 및 게이트 스택(110)을 포함한다. 그러나 디바이스들의 다른 구성들 및 포함 또는 생략이 가능할 수 있다. 몇몇 실시예들에서, 기판(102)은 웨이퍼 또는 복수의 전도성 및 비-전도성 박막들 중 적어도 하나를 포함한다. 웨이퍼는 실리콘을 포함하는 반도체 기판(즉, 실리콘 웨이퍼)이다. 대안적으로 또는 부가적으로, 웨이퍼는 게르마늄과 같은 다른 원소 반도체, 실리콘 탄화물, 갈륨 비소, 갈륨 인화물, 인듐 인화물, 인듐 비화물 또는 인듐 안티몬화물 중 적어도 하나를 포함하는 화합물 반도체; SiGe, GaAsP, AlInAs, AlGaAs, GaInAs, GaInP, 또는 GaInAsP 중 적어도 하나를 포함하는 합금 반도체를 포함한다. 또 다른 대안에서, 웨이퍼는 절연체 상의 반도체(semiconductor on insulator; SOI)이다. 복수의 전도성 및 비-전도성 박막들은 절연체 또는 전도성 물질을 포함할 수 있다. 예를 들어, 전도성 물질은 알루미늄(Al), 구리(Cu), 텅스텐(W), 니켈(Ni), 티타늄(Ti), 금(Au), 백금(Pt) 및 이들 금속들의 합금과 같은 금속을 포함한다. 절연체 물질은 실리콘 산화물 및 실리콘 질화물을 포함할 수 있다. 기판(102)은 이온 주입 또는 확산에 의해 형성되는, n-타입 웰들 또는 p-타입 웰들 중 적어도 하나와 같은 다양한 도핑된 피처들을 추가로 포함한다.

격리 피처(104)가 기판(102)에 형성된다. 다양한 프로세스들, 예를 들어, 막 증착, 포토 리소그리피, 에칭, 화학 기계적 폴리싱(chemical mechanical polishing; CMP), 및 세척이 격리 피처(104)를 형성하기 위해 수반된다. 소스(106) 및 드레인(108)은 기판(102)에 형성된다. 소스(104) 및 드레인(106)은 이온 주입 또는 다른 적합한 프로세스에 의해 형성되는 n-타입 도펀트 또는 p-타입 도펀트를 포함한다. 예를 들어, 소스(104) 및 드레인(106)은 공통 이온 주입 프로시저에서 형성된다. 게이트 스택(110)은 기판(102) 상에 다층의 막들을 형성하기 위한 증착 또는 성장(growing), 기판(102) 상에 증착된 레지스트 막의 패터닝 및 게이트 스택을 형성하기 위한 패터닝된 레지스트 막의 에칭을 포함하는 프로세스에 의해 형성된다.

본 실시예를 지속하면, 디바이스(100)는 팹에서 제조된다. 복수의 화학물질들이 다양한 프로세스들에서 디바이스(100)를 형성하기 위해 이용된다. 팹 환경은 디바이스(100)의 품질을 보장하기 위해 잘 제어되어야 한다. 팹에서의 화학물질 누설 또는 공기중의 분자 오염(airborne molecular contamination; AMC)은 디바이스(100) 상에 치명적인 충격을 줄 수 있다. AMC 충격들은 포토 레지스트 T-토핑(topping), 비제어 붕소 또는 인 도핑, 에칭 레이트 시프트(etching rate shift), 접착 장애, 금속 라인 상의 부식, 노출 툴의 마스크(또는 레티클) 또는 광학계의 헤이즈(haze), 및 문턱 전압 시프트, 저항율 시프트, 및 높은 접촉 저항과 같은 전기 파라미터 시프트를 포함한다.

이제 도 2 내지 도 5를 참조하면, 디바이스(100) 상의 공기중의 분자 오염(AMC) 충격의 예들은 본 개시의 하나 이상의 실시예들에 따라 예시된다. 몇몇 실시예들에서, AMC는 4개의 타입들(A, B, C 및 D)의 오염 소스를 포함한다. 타입 A는 HF, HCl, H₂SO₄, 또는 HNO₃와 같은 산 부식성 물질(acid corrosive material)을 나타낸다. 도 2는 디바이스(100)의 금속 라인 상에 부식들을 야기하는 산의 예이다. 타입 B는 암모니아(NH3), 아민, 또는 N-메틸-2-피로리돈(NMP)과 같은 염기 부식성 물질(base corrosive material)을 나타낸다. 염기는 깊은 자외선(deep ultraviolet; DUV) 포토 레지스트의 포토-유도된 화학 증폭 반응(CAR)에 의해 생성되는 산을 중화시킬 수 있고, 도 3에서 도시된 바와 같이 포토 레지스트 파일의 T-톱핑을 형성할 수 있다. 타입 C는 디옥틸 프탈레이트(dioctyl phthalate; DOP), 뷰틸레이트 하이드록시 톨루엔(Butylated Hydroxy Toluene; BHT), 실록산, 이소프로필 알코올(isopropyl alcohol; IPA)과 같은 응축 가능한 또는 유기 물질을 나타낸다. 타입 C 물질은 마스크(또는 레티클) 헤이즈, 또는 IC 디바이스의 접착 장애를 야기할 수 있다. 도 4는 타입 C 오염에 의해 야기되는 IC 디바이스의 접착 장애의 예이다. 타입 D는 BF₃, 트라이에틸 인산(triethyl phosphate; TEP), 트리메틸 포스페이트(trimethyl phosphate; TMP), 또는 트리메틸포스핀 산화물(triethyoxyphosphine oxide; TEPO)과 같은 도펀트 물질을 나타낸다. 타입 D 오염은 전기적 파라미터 시프트, 예를 들어, 도 5에서 도시된 바와 같이 V_T(문턱 전압) 시프트를 야기할 수 있다.

이제 도 6을 참조하면, AMC 모니터링 시스템(200)의 예가 본 개시의 하나 이상의 실시예들에 따른 디바이스(100)의 제조 동안 AMC 오염을 모니터링하기 위해 제공된다. AMC 모니터링 시스템(200)은 복수의 AMC 센서들(202), AMC 모니터(204)를 포함한다. AMC 센서들(202)은 팹 내부에 분포되고 AMC 모니터(204)에 연결된다. AMC 모니터(204)는 알람을 포함한다. AMC 모니터링 시스템(200)은 또한 명령을 실행하기 위해 프로세서 및 메모리를 갖는 컴퓨터(210)를 포함하고, 아래의 방법 중 일부 또는 모두 다를 구현하는데 이용될 수 있다. AMC 센서(202)는 팹의 환경에서 AMC 집중 레벨을 검출하도록 구성된다.

이제 도 7을 참조하면, 팹에서 AMC 누설 소스 또는 위치를 식별하기 위한 방법(300)의 흐름도는 본 개시의 하나 이상의 실시예들에 따라 예시된다. 본 실시예들에서, 팹에서 AMC의 집중 레벨이 팹에서 IC 디바이스를 제조하기 위해 허용된 집중 레벨 또는 OOC(out of control)에 도달하거나 초과할 때, 알람이 단계(304)에서 트리거된다. 방법(300)은 AMC 모니터(204)의 알람을 트리거하는 AMC 센서(202)의 근처 영역을 검사하기 위한 단계(308)로 진행한다. AMC 누설 소스를 찾아내면, 방법(300)은 AMC 누설 소스를 수리(fix)하거나, 또는 팹으로부터 AMC 누설 소스를 제거하기 위한 단계(312)로 진행한다. 누설 소스를 찾아내지 못한 경우, 방법(300)은 OOC 영역 및 근처 영역에 더 많은 AMC 센서들(202)을 배치하고 센서들(202) 중 일부를 넓은 범위로 조정하기 위한 단계(316)로 진행한다. 공기 샘플이 채취되고 AMC 누설 소스 또는 위치를 식별하는데 도움을 주기 위한 분석을 위해 화학물질 연구소에 송신될 수 있다. AMC 누설 소스를 찾아낸 경우, 방법(300)은 AMC 누설 소스를 수리하거나, 또는 팹으로부터 AMC 누설 소스를 제거하기 위한 단계(312)로 진행한다. 누설 소스를 찾아내지 못한 경우, 방법(300)은, AMC 누설 소스를 찾아내거나 수리되거나 팹으로부터 제거될 때까지 단계(316)를 반복할 것이다. 부가적인 단계들이 방법(300) 이전에, 그 중간에, 및 그 후에 제공될 수 있고, 기술되는 단계들 중 일부는 방법(300)의 부가적인 실시예들을 위해 대체되거나, 제거되거나, 또는 이동될 수 있다. AMC 누설 소스 및 위치를 식별하는 방법(300)은 시간 및 자원 소모적이다. 그러므로 AMC 누설에 대한 응답은 느리다.

이제, 도 8은 참조하면, 팹에서 AMC 누설 소스 또는 위치를 식별하는 방법(400)의 흐름도가 본 개시의 하나 이상의 실시예들을 구현하기 위해 예시된다. 방법(400)은 팹에 복수의 AMC 센서들을 분포시킴으로써 단계(402)에서 시작한다. 본 실시예들에서, AMC 센서는 또한 센서로서 칭해진다. AMC 센서들은 팹에서 4가지 타입들의 AMC 화학물질들(타입 A, B, C 또는 D) 중 하나 이상을 검출할 수 있다. 방법(400)은 도 6을 참조하여 아래에서 논의되는 AMC 모니터링 시스템에 AMC 센서들을 연결하기 위한 단계(404)로 진행한다. 방법(400)은 팹에서 공기 흐름의 포워드 CFD 시뮬레이션을 수행하기 위한 단계(406)로 진행한다. 단계(406)는 팹에서 공기 흐름 스트림라인을 제공하는 것을 포함한다. 단계(406)는 또한 팹에서 AMC 센서들의 레이아웃을 결정 및 최적화하는 것을 포함한다. 팹 내의 AMC 센서들의 최적화된 레이아웃은 최소량의 AMC 센서들로 팹에서의 AMC 누설 소스 트래킹을 위한 요구되는 측정 데이터를 제공할 것이다. 방법(400)은 팹에서 공기 흐름의 포워드 CFD 시뮬레이션의 반전 모델링을 세팅하기 위한 단계(408)로 진행한다. 단계(408)는 팹에서 반전된 공기 흐름 스트림라인을 제공하는 것을 포함한다. 방법(400)은 AMC 센서들을 위한 공간적인 응답 분포의 데이터베이스를 구축하기 위한 단계(410)로 진행한다. 단계(420)는 팹에서 반전된 공기 흐름 스트림라인들을 이용하여 각각의 AMC 센서에 대한 공간적 확률 분포 매트릭스를 계산하는 것을 포함한다. 방법(400)은 하나 이상의 AMC 센서들이 OOC 레벨에 도달하는 경우 AMC 누설 소스 또는 위치를 식별하기 위한 단계(412)로 진행한다. 단계(412)는 AMC 센서들에 대한 공간적 응답 분포의 데이터베이스를 이용하여 AMC 누설 소스(위치)를 식별하는 것을 포함한다. 단계(412)는 AMC 누설 소스를 수리 또는 제거하는 것을 추가로 포함한다. 부가적인 단계들이 방법(400) 이전에, 그 중간에, 및 그 후에 제공될 수 있고, 기술되는 단계들 중 일부는 방법(400)의 부가적인 실시예들을 위해 대체되거나, 제거되거나, 또는 이동될 수 있다.

이제 도 9를 참조하면, 팹(550)에서 CFD에 의해 시뮬레이션되는 포워드 공기 흐름 스트림라인(500)의 단면도가 본 개시의 하나 이상의 실시예들에 따라 예시된다. AMC 모니터링 시스템(520)은 팹(550)의 AMC 레벨을 모니터링하도록 설계된다. AMC 모니터링 시스템(520)은 AMC 센서들(522a 내지 522h), AMC 제어기(524), 및 데이터 저장소(526)를 포함한다. 그러나 다른 구성들 및 시스템(520)의 포함 또는 생략이 가능할 수 있다. AMC 센서들(522a 내지 522h)은 AMC 제어기(524)에 연결된다. AMC 센서들(522a 내지 522h)은 팹(550)에서 AMC 집중 레벨을 검출할 수 있다. AMC 집중 레벨이 팹(550)에서 IC 디바이스를 제조하기 위해 허용된 제한 또는 OOC(out of control)에 도달하거나 초과할 때, 알람 신호는 AMC 누설 소스를 식별하도록 제어기를 트리거할 것이다. AMC 제어기(524)는 데이터 프로세싱을 실행중인 컴퓨터를 포함한다. AMC 제어기(524)는 또한 데이터 저장소(526)에 연결된다.

도 9에서 도시되는 바와 같이, 팹(550)은 팬 필터 유닛(FFU)(552), 구멍이 뚤린 플로어(554), 및 프로세스 툴(562)을 포함한다. 그러나 다른 구성들 및 팹(550)의 포함 또는 생략이 가능할 수 있다. FFU(552)는 입구 및 출구를 포함한다. FFU(552)는 연속적으로 그리고 꾸준히 청결한 공기를 팹(550)에 제공한다. 구멍이 뚫린 플로어(554)는 팹(550)에서 공기 흐름 난류(air flow turbulence)를 감소시키고 이에 따라 팹(550)에서 미립자들의 수를 감소시키는데 도움을 준다. 프로세스 툴(562)은 IC 디바이스를 제조하기 위한 프로세스 툴, 예를 들어, 화학 기상 증착(CVD) 툴, 물리 기상 증착(PVD) 툴, 레지스트 코팅(현상) 툴, 노출 툴, 에칭 툴, 주입 툴, 확산 툴, 화학 기계적 폴리싱(CMP) 툴, 세척 툴을 포함할 수 있다. 일 실시예에서, 프로세스 툴(562)은 또한 막 두께 측정 툴, 임계 치수(CD) 측정 툴, 또는 스테퍼 높이 측정 툴(stepper height measurement tool)과 같은 측정 툴을 포함할 수 있다. 다른 실시예에서, 프로세스 툴(562)은 또한 화학물질을 저장하는, 예를 들어, 산, 염기, 포토 레지스트, 화학 용제, 또는 도펀트를 저장하는 화학물질 저장 탱크를 포함한다. 프로세스 툴(562)은 AMC 누설의 소스일 수 있다.

도 9에서 도시된 바와 같이, 포워드 공기 흐름 스트림라인(500)은 CFD에 의해 시뮬레이션된다. 화살표는 공기 흐름 방향을 표시한다. 청결한 공기는 FFU(552)의 출구를 통해 팹(550)에 제공되고, 청결한 공기는 팹(550)의 최상부로부터 팹의 하부로 흐르고, 청결한 공기는 재사용을 위해 FFU(552)의 입구로 보내진다.

[0012] 포워드 오염 수송 수학식은 다음과 같이 제시된다:

여기서 C는 종 집중(species concentration)이고, U _j 은 x _j 방향의 공기 속도이고, M _s 는 오염 소스 질량이고, x _source (x _s )는 소스 위치이다. M _s 관하여 수학식 1의 부분적인 파생물로, 수학식(2)는 다음과 같이 획득된다.

여기서

는 x _s 에서 소스(M _s )에 대해 x의 잔여 집중의 상태 감도이다. 수학식 3은 에조인 수학식(adjoint equation)의 파생물에 따라 다음과 같이 획득된다:

여기서 초기 조건 및 경계 조건들은 다음과 같다.

여기서

는 관찰 위치(X₀)에 관한 공간적 에조인 확률이고, τ는 백워드 시간이다. 에조인 확률(

*)은 다음을 충족할 것이다.

이는 에조인 수학식(3)의 포인트 0(관찰)에 관하여 포인트 S(소스)에 대한 공간적 에조인 확률이 포워드 수학식(수학식(2))의 포인트 S에 관하여 포인트 0에 대한 상태 감도와 동일하다는 것을 표시한다. 이 개념은 도 10 내지 도 11에서 도시된다. 흐름 방향은 에조인 수학식(수학식 3)에서 반전된다는 것이 관찰된다.

수학식(3)은 관찰(센서) 위치 0에 기초한 소스 위치의 확률인 에조인 확률

을 계산한다. 공기 흐름 필드는 시뮬레이션에 대한 입력으로서 요구된다. CFD 및 에조인 수학식의 조합은 반전된 모델링의 수학적 방법론을 구성한다. 방법론을 통해,

에서 더 많은 센서들이 존재하는 경우, 소스의 에조인 공간적 확률 매트릭스들

은 n개의 센서 위치들에 관한 것이다. 다수의 센서들

, 판독들

을 통한 검출 및

로서 획득된 오염 소스의 대응하는 에조인 확률 매트릭스들에 대해, 오염 소스들의 공간적 확률 분포(

)는 수학식 4에서 표현된다:

는 3-차원 매트릭스이다. 그의 엘리먼트들은 위치들에 분포된 n개의 센서들로부터의 오염 측정 값들에 기초한 공간적 좌표에서 오염 소스들이 되는 확률을 나타낸다. 매트릭스 엘리먼트들의 확률 레벨에 대해, 오염 소스 위치가 식별될 수 있다.

도 9에서 도시되는 바와 같이, AMC 모니터링 시스템(520)에서, 팹(550)의 AMC 센서들(522a 내지 522h)의 분포는 매우 중요하다. AMC 센서들(522a 내지 522h)은 팹(550)에서 AMC 집중을 검출하고 경제적이고 효과적인 방식으로 충분한 측정 데이터를 제공할 수 있다. 팹(550)에서의 AMC 센서들(522a 내지 522h)의 성공적인 레이아웃은 설치된 최저량의 센서들에서 AMC 누설 소스 트래킹을 위해 요구되는 측정 데이터를 제공한다. AMC 센서들(522a 내지 522h)의 레이아웃을 결정하기 위해, 상이한 조건들을 갖는 포워드 CFD 시뮬레이션이 실행된다. 일 실시예에서, 도 9에 도시된 포워드 공기 흐름 스트림라인(500)은 공기 흐름에서 소산하는 AMC의 포워드 CFD 시뮬레이션 결과이다. 도 12는 공기 흐름 순환의 하나의 사이클 이후에 AMC 집중 분포이다. AMC 센서들(522a 내지 522h)은 팹(550) 상의 8개의 위치들에서 AMC 집중를 판독할 수 있다. 8개의 AMC 집중 판독들은 포워드 CFD 시뮬레이션의 반전된 모델링에서의 입력으로서 이용될 수 있다.

이제 도 13을 참조하면, 팹(550)의 CFD의 반전 모델링에 의해 시뮬레이션되는 반전된 공기 흐름 스트림라인(600)의 단면도가 본 개시의 하나 이상의 실시예들을 구현하기 위해 예시된다. 반전된 공기 흐름 스트림라인(600)은 도 9에서 도시된 바와 같이 포워드 공기 흐름 스트림라인(500)을 반전시킴으로써 계산된다. 몇몇 실시에들에서, AMC 센서들로부터 8개의 AMC 집중 판독들을 각각 임포스(impose)하면, 공간적 에조인 확률 매트릭스들의 8개의 세트들(

)이 획득된다. 도 14는 AMC 센서(522b)에 대응하는 에조인 확률 매트릭스들(700)에 대한 일 예(위치

에 관하여

)이다. 도 14에서 도시된 바와 같이 에조인 확률 매트릭스들(700)의 그리드 내의 번호는, AMC 센서(522b)가 OOC 제한에 의해 트리거되는 경우 해당 그리드에서의 AMC 누설의 확률을 표시한다. AMC 누설 소스로서 실시예에서 임포스되는 위치는 도 14의 최고 확률값을 도시한다.

도 15는 AMC 센서(522h)에 대응하는 에조인 확률 매트릭스들(720)의 다른 예(위치

에 관하여

)이다. 도 15에서 도시된 바와 같은 에조인 확률 매트릭스들(720)의 그리드 내의 번호는, AMC 센서(522h)가 OOC 제한에 의해 트리거되는 경우, 해당 그리드에서의 AMC 누설의 확률을 표시한다. AMC 누설 소스로서 실시예에서 임포스되는 위치는 도 15의 최고 확률값을 도시한다.

도 14 내지 도 15에서 도시된 바와 같이, 에조인 확률 매트릭스들(700) 또는 에조인 확률 매트릭스들(720)에서의 확률 분포는 센서 위치 종속적이다. 수학식(4)을 이용함으로써, 매트릭스들(

)은 대응하는 판독(

)으로 곱해지고, 곱(product)들이 합산되고, 표준화된다. 팹(550)에 대한 AMC 소스 위치의 공간적 확률 매트릭스가 생성된다.

도 16은 본 개시의 하나 이상의 실시예들로부터 혜택을 받는 팹(550)에 대한 AMC 소스 위치의 공간적 확률 매트릭스(750)의 일 예이다. 본 실시예들에서, 공간적 확률 매트릭스는 공간적 응답 분포의 데이터베이스로서 또한 지칭된다. AMC 센서들(522a 내지 522h)이 OOC 제한에 도달하거나 초과할 때, AMC 모니터링 시스템(520)은 응답 매트릭스와 대응하는 센서 데이터의 곱들을 합산한다. AMC 누설 소스 위치는 도 16에서 도시된 바와 같이 공간적 확률 분포에 의해 표시된다. AMC 누설 소스로서 실시예에서 임포스되는 위치는 도 16에서 최고 확률값을 도시한다.

따라서, 본 개시는 팹에서 공기중의 분자 오염(AMC) 누설 소스를 식별하는 방법을 기술한다. 이 방법은 팹에 센서를 분포시키는 단계; 팹의 공기 흐름의 포워드(forward) 전산 유체 역학(computational fluid dynamics; CFD) 시뮬레이션을 실행하는 단계; 팹에서 공기 흐름의 포워드 CFD 시뮬레이션의 반전된 모델링(inversed modeling)을 세팅하는 단계; 센서의 공간적 응답 확률 분포 매트릭스(spatial response probability distribution matrix)의 데이터베이스를 구축하는 단계; 및 센서의 공간적 응답 확률 분포 매트릭스의 데이터베이스를 이용하여 AMC 누설 소스를 식별하는 단계를 포함한다. 이 방법은 센서를 CFD 제어기에 연결하는 단계를 더 포함한다. 공기 흐름의 포워드 CFD 시뮬레이션은 팹에서 팬 필터 유닛(fan filter unit; FFU)의 출력으로부터 FFU의 입력으로의 공기 흐름 스트림라인(air flow streamline)을 포함한다. 포워드 공기 흐름 CFD 시뮬레이션을 실행하는 단계는 팹의 센서 레이아웃을 최적화하는 단계를 포함한다. 센서 레이아웃을 최적화하는 단계는 팹의 센서들의 수를 조정하고 팹의 센서의 위치를 조정하는 단계를 포함한다. 공기 흐름의 포워드 CFD 시뮬레이션의 반전된 모델링을 세팅하는 단계는, 팹에서 FFU의 입력으로부터 FFU의 출력으로의 공기 흐름 스트림라인을 포함한다. 공간적 응답 확률 분포 매트릭스의 데이터베이스를 구축하는 단계는, 팹의 AMC 측정 데이터를 이용하여 센서의 공간적 응답 확률 매트릭스를 세팅하는 단계를 포함한다. 이 방법은 추가로 센서의 공간적 응답 확률 분포 매트릭스를 부가하는 단계를 포함한다. AMC 누설 소스를 식별하는 단계는 센서의 공간적 응답 확률 분포 매트릭스의 데이터베이스를 이용하여 AMC 소스 누설 위치를 찾아내는 단계를 포함한다.

위에서는 당업자들이 본 개시의 양상들을 더 잘 이해할 수 있도록 몇개의 실시예들의 특징들을 약술하였다. 당업자들은 그들이 여기서 소개된 실시예들과 동일한 이점을 달성하는 것 또는 동일한 목적을 수행하는 것 중 적어도 하나를 위해 다른 프로세스들 및 구조들을 설계 또는 수정하기 위한 토대로서 본 개시를 쉽게 이용할 수 있다는 것을 인지해야 한다. 당업자들은 또한, 이러한 등가의 구조들이 본 개시의 사상 및 범위로부터 벗어나지 않으며, 이들은 본 개시의 사상 및 범위로부터 벗어남 없이 여기서 다양한 변경들, 대체들 및 변형들을 가할 수 있다는 것을 지각해야 한다.

Claims

팹(fab)에서 공기중의 분자 오염(airborne molecular contamination; AMC) 누설 소스를 식별하는 방법에 있어서,
상기 팹에서 센서를 분포시키는 단계;
상기 팹의 공기 흐름의 포워드(forward) 전산 유체 역학(computational fluid dynamics; CFD) 시뮬레이션을 실행하는 단계;
상기 팹에서 상기 공기 흐름의 포워드 CFD 시뮬레이션의 반전된 모델링(inversed modeling)을 세팅하는 단계;
상기 센서의 공간적 응답 확률 분포 매트릭스(spatial response probability distribution matrix)의 데이터베이스를 구축하는 단계; 및
AMC 측정 데이터 및 상기 센서의 공간적 응답 확률 분포 매트릭스의 데이터베이스를 이용하여 AMC 누설 소스를 식별하는 단계
를 포함하는, 팹에서 공기중의 분자 오염(AMC) 누설 소스를 식별하는 방법.
제 1 항에 있어서,
상기 센서를 AMC 제어기에 연결하는 단계
를 더 포함하는, 팹에서 공기중의 분자 오염(AMC) 누설 소스를 식별하는 방법.
제 1 항에 있어서,
상기 공기 흐름의 포워드 CFD 시뮬레이션은 상기 팹에서 팬 필터 유닛(fan filter unit; FFU)의 출력으로부터 FFU의 입력으로의 공기 흐름 스트림라인(air flow streamline)을 포함하는 것인, 팹에서 공기중의 분자 오염(AMC) 누설 소스를 식별하는 방법.
제 1 항에 있어서,
상기 포워드 공기 흐름 CFD 시뮬레이션을 실행하는 단계는 미리결정된 요건들이 만족되도록 상기 팹에서 센서 레이아웃을 결정하는 단계를 포함하는 것인, 팹에서 공기중의 분자 오염(AMC) 누설 소스를 식별하는 방법.
제 1 항에 있어서,
상기 공기 흐름의 포워드 CFD 시뮬레이션의 반전된 모델링을 세팅하는 단계는 상기 팹에서 팬 필터 유닛(fan filter unit; FFU)의 입력으로부터 상기 FFU의 출력으로의 공기 흐름 스트림라인을 포함하는 것인, 팹에서 공기중의 분자 오염(AMC) 누설 소스를 식별하는 방법.
제 1 항에 있어서,
상기 공간적 응답 확률 분포 매트릭스의 데이터베이스를 구축하는 단계는 상기 센서 위치의 유닛 AMC 값을 이용하여 상기 센서의 공간적 응답 확률 매트릭스를 세팅하는 단계를 포함하는 것인, 팹에서 공기중의 분자 오염(AMC) 누설 소스를 식별하는 방법.
제 1 항에 있어서,
상기 AMC 누설 소스를 식별하는 단계는 AMC 측정 데이터 및 상기 센서의 공간적 응답 확률 분포 매트릭스의 데이터베이스를 이용하여 AMC 소스 누설 위치를 찾아내는(locating) 단계를 포함하는 것인, 팹에서 공기중의 분자 오염(AMC) 누설 소스를 식별하는 방법.
팹(fab)에서 공기중의 분자 오염(airborne molecular contamination; AMC) 소스를 식별하는 방법에 있어서,
상기 팹에 AMC 센서를 분포시키는 단계;
상기 AMC 센서를 전산 유체 역학(computational fluid dynamics; CFD) 시스템에 연결하는 단계;
상기 팹에서 포워드 공기 흐름 CFD 시뮬레이션을 실행하는 단계;
상기 팹에서 반전된 포워드 공기 흐름 CFD 시뮬레이션을 수행하는 단계;
상기 AMC 센서에 관한 공간적 응답 확률 분포의 데이터베이스를 세팅하는 단계; 및
상기 AMC 센서를 이용하여 상기 팹을 모니터링하는 단계
를 포함하는, 팹에서 공기중의 분자 오염(AMC) 소스를 식별하는 방법.
팹(fab)에서 공기중의 분자 오염(airborne molecular contamination; AMC) 누설 소스를 식별하기 위한 셋업 디바이스에 있어서,
AMC 제어기;
상기 AMC 제어기에 연결하도록 구성된 센서; 및
상기 AMC 제어기에 통합되는 데이터 저장 유닛
을 포함하며,
상기 데이터 저장 유닛은 상기 센서의 공간적 응답 확률 분포 매트릭스의 데이터베이스를 저장하도록 구성되고,
상기 데이터베이스는 상기 팹의 공기 흐름의 포워드 CFD 시뮬레이션을 수행하고, 상기 팹의 공기 흐름의 반전된 포워드 CFD 시뮬레이션을 계산하고, 상기 팹에서 AMC 측정 데이터를 이용하여 상기 센서의 공간적 응답 확률 분포 매트릭스의 데이터베이스를 구축함으로써 획득되는 것인, 팹에서 공기중의 분자 오염(AMC) 누설 소스를 식별하기 위한 셋업 디바이스.
삭제