KR101524917B1 - Tool optimizing tuning systems and associated methods - Google Patents
Tool optimizing tuning systems and associated methods Download PDFInfo
- Publication number
- KR101524917B1 KR101524917B1 KR1020130065756A KR20130065756A KR101524917B1 KR 101524917 B1 KR101524917 B1 KR 101524917B1 KR 1020130065756 A KR1020130065756 A KR 1020130065756A KR 20130065756 A KR20130065756 A KR 20130065756A KR 101524917 B1 KR101524917 B1 KR 101524917B1
- Authority
- KR
- South Korea
- Prior art keywords
- tool
- tuning
- process parameters
- parameters
- combinations
- Prior art date
Links
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
-
- 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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- 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
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
- G05B19/4065—Monitoring tool breakage, life or condition
Abstract
본 발명개시는 프로세스 툴의 프로세스 파라미터들을 튜닝하기 위한 다양한 방법들과, 이러한 튜닝을 이행하기 위한 시스템들을 제공한다. 프로세스 툴에 의해 프로세싱되는 웨이퍼들이 희망하는 프로세스 모니터 항목들을 나타내도록 프로세스 툴의 프로세스 파라미터들을 튜닝하기 위한 예시적인 방법은, 동작 제약 기준 및 민감도 조정 기준을 정의하는 단계; 상기 프로세스 툴에 의해 프로세싱되는 웨이퍼들과 연관된 프로세스 모니터 항목 데이터, 각각의 프로세스 파라미터에 대한 상기 프로세스 모니터 항목들의 민감도와 연관된 민감도 데이터, 상기 동작 제약 기준, 및 상기 민감도 조정 기준을 이용하여 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트를 생성하는 단계; 상기 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트로부터 최적의 툴 튜닝 프로세스 파라미터 조합들의 세트를 생성하는 단계; 및 상기 최적의 툴 튜닝 프로세스 파라미터 조합들 중의 하나에 따라 상기 프로세스 툴을 구성하는 단계를 포함한다.The present disclosure provides various methods for tuning process parameters of a process tool and systems for implementing such tuning. An exemplary method for tuning process parameters of a process tool such that wafers processed by the process tool exhibit desired process monitor items includes defining an operation constraint criterion and a sensitivity adjustment criterion; Using the sensitivity constraint criterion and the sensitivity adjustment criterion to determine a potential tool tuning using process monitor item data associated with wafers processed by the process tool, sensitivity data associated with the sensitivity of the process monitor items to each process parameter, Generating a set of process parameter combinations; Generating a set of optimal tool tuning process parameter combinations from the set of potential tool tuning process parameter combinations; And configuring the process tool according to one of the optimal tool tuning process parameter combinations.
Description
본 발명은 프로세스 툴의 프로세스 파라미터들을 튜닝하기 위한 다양한 방법들과 이러한 튜닝을 이행하기 위한 시스템들에 관한 것이다.The present invention relates to various methods for tuning process parameters of a process tool and to systems for implementing such tuning.
집적 회로는 일련의 웨이퍼 제조 툴들(프로세싱 툴이라고 칭한다)로 웨이퍼를 프로세싱함으로써 제조된다. 각각의 프로세싱 툴은 일반적으로 프로세스의 다양한 파라미터들을 규정하는 미리정의된(또는 미리결정된) 프로세스 레시피에 따라 웨이퍼들에 대해 웨이퍼 제조 작업(프로세스라고 칭한다)을 수행한다. 예를 들어, IC 제조자들이 IC 제조에서 안정성, 반복성, 및 수율을 보장하고 유지하기 위해 프로세스 툴의 하드웨어 및 관련 프로세스를 모니터링하는데 종종 촛점을 맞추도록, IC 제조는 일반적으로 생산 및 지지와 관련된 많은 프로세스 툴들을 필요로 하는 다수의 프로세스 단계들을 이용한다. 이러한 모니터링은 희망하는 특성들을 갖는 IC들을 프로세스 툴이 제조하는 것을 보장하기 위해 프로세스 툴의 프로세스 파라미터들을 정기적으로 튜닝(tuning)하는 것을 포함한다.An integrated circuit is fabricated by processing wafers with a series of wafer fabrication tools (referred to as processing tools). Each processing tool typically performs a wafer fabrication operation (called a process) on wafers in accordance with a predefined (or predetermined) process recipe that defines various parameters of the process. For example, IC manufacturing typically involves many processes associated with production and support, such as, for example, IC manufacturers often focus on monitoring the hardware and associated processes of process tools to ensure and maintain reliability, repeatability, and yield in IC manufacturing. Use a number of process steps that require tools. This monitoring involves periodically tuning the process parameters of the process tool to ensure that the process tool produces ICs with the desired characteristics.
프로세스 툴들을 튜닝하기 위한 기존의 시스템들 및 관련 방법들은 대체적으로 각자의 의도된 목적에 대해서는 충분하였지만, 모든 측면에서 완전히 만족스럽지는 않았다.Existing systems and related methods for tuning process tools were generally satisfactory for their intended purposes, but were not entirely satisfactory in all respects.
본 발명개시는 수 많은 상이한 실시예들을 제공한다. 프로세스 툴에 의해 프로세싱되는 웨이퍼들이 희망하는 프로세스 모니터 항목들을 나타내도록 프로세스 툴의 프로세스 파라미터들을 튜닝하기 위한 예시적인 방법은, 동작 제약 기준 및 민감도 조정 기준을 정의하는 단계; 프로세스 툴에 의해 프로세싱되는 웨이퍼들과 연관된 프로세스 모니터 항목 데이터, 각각의 프로세스 파라미터에 대한 상기 프로세스 모니터 항목들의 민감도와 연관된 민감도 데이터, 상기 동작 제약 기준, 및 상기 민감도 조정 기준을 이용하여 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트를 생성하는 단계; 상기 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트로부터 최적의 툴 튜닝 프로세스 파라미터 조합들의 세트를 생성하는 단계; 및 상기 최적의 툴 튜닝 프로세스 파라미터 조합들 중의 하나에 따라 상기 프로세스 툴을 구성하는 단계를 포함한다. 본 방법은 최적의 툴 튜닝 프로세스 파라미터 조합들 중의 하나에 따라 구성된 프로세스 툴로 웨이퍼들을 프로세싱하는 단계를 더 포함한다.The present disclosure provides a number of different embodiments. An exemplary method for tuning process parameters of a process tool such that wafers processed by the process tool exhibit desired process monitor items includes defining an operation constraint criterion and a sensitivity adjustment criterion; Using the sensitivity constraint criterion and the sensitivity adjustment criterion to determine a potential tool tuning process using process monitor item data associated with wafers processed by the process tool, sensitivity data associated with the sensitivity of the process monitor items to each process parameter, Generating a set of parameter combinations; Generating a set of optimal tool tuning process parameter combinations from the set of potential tool tuning process parameter combinations; And configuring the process tool according to one of the optimal tool tuning process parameter combinations. The method further includes processing the wafers with a process tool configured according to one of the optimal tool tuning process parameter combinations.
예시에서, N개의 프로세스 파라미터들이 프로세스 툴과 연관되어 있으며, 본 방법은 상기 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트가 n개의 프로세스 파라미터들에 대한 다양한 툴 튜닝 조합들을 포함하도록 튜닝을 위한 상기 N개의 프로세스 파라미터들의 갯수(n)를 선택하는 단계를 더 포함한다. 예시에서, 상기 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트를 생성하는 단계는, 제1 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들을 생성하는 단계; 상기 제1 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들로부터 제2 갯수 - 상기 제2 갯수는 상기 제1 갯수보다 큼 - 의 잠재적인 툴 튜닝 프로세스 파라미터 조합들을 생성하는 단계; 상기 제2 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들로부터 제3 갯수 - 상기 제3 갯수는 상기 제2 갯수보다 작음 - 의 잠재적인 툴 튜닝 프로세스 파라미터 조합들을 생성하는 단계; 및 상기 제3 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들로부터 제4 갯수 - 상기 제4 갯수는 상기 제3 갯수보다 작음 - 의 잠재적인 툴 튜닝 프로세스 파라미터 조합들을 생성하는 단계를 포함한다.In the example, N process parameters are associated with a process tool, and the method further comprises determining a set of potential tool tuning process parameter combinations for each of the N processes for tuning to include various tool tuning combinations for n process parameters And selecting the number of parameters (n). In an example, generating the set of potential tool tuning process parameter combinations comprises: generating a first set of potential tool tuning process parameter combinations; Generating potential tool tuning process parameter combinations from a first number of potential tool tuning process parameter combinations to a second number, wherein the second number is greater than the first number; Generating potential tool tuning process parameter combinations of a third number from the second number of potential tool tuning process parameter combinations, the third number being less than the second number; And generating potential tool tuning process parameter combinations of a fourth number from the third number of potential tool tuning process parameter combinations, wherein the fourth number is less than the third number.
예시에서, 각각의 프로세스 파라미터에 대한 프로세스 파라미터 값들의 세트를 생성하기 위해 제1 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들은 프로세스 모니터 항목 데이터와 민감도 데이터를 이용하여 생성된다. 그런 후, 예시에서, 각각의 프로세스 파라미터 값들의 세트를 확장시키기 위해 각각의 프로세스 파라미터에 대해, 성장 프로세스를 수행함으로써 제2 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들이 생성된다. 본 예시의 증진을 위해, 제3 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들은, 제2 갯수가 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 미리정의된 갯수보다 큰지 여부를 결정하고; 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 갯수가 미리정의된 갯수 이하가 될 때 까지 적어도 하나의 상기 프로세스 파라미터 값들의 세트에 대해 트리밍 프로세스를 수행함으로써 생성된다. 본 예시의 추가적인 증진을 위해, 제3 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들에 대해 민감도 조정 기준을 적용함으로써 제4 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들이 생성된다. 예시에서, 동작 제약 기준은 최적화 오브젝트 함수를 정의하며; 상기 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트로부터 최적의 툴 튜닝 프로세스 파라미터 조합들의 세트를 생성하는 단계는 최적화 오브젝트 함수의 값을 최소화하는 툴 튜닝 프로세스 파라미터 조합들을 결정하는 단계를 포함한다. 동작 제약 기준은 또한 프로세스 파라미터들의 튜닝을 한정시키는 프로세스 파라미터들간의 상관들, 프로세스 파라미터들의 튜닝을 한정시키는 프로세스 모니터 항목들간의 상관들, 및 프로세스 파라미터들의 튜닝을 한정시키는 프로세스 모니터 항목들과 프로세스 파라미터들간의 상관들을 정의할 수 있다.In the example, a first number of potential tool tuning process parameter combinations are generated using the process monitor item data and the sensitivity data to generate a set of process parameter values for each process parameter. Then, in the example, a second number of potential tool tuning process parameter combinations are generated by performing a growth process for each process parameter to extend the set of each process parameter value. For the enhancement of this example, the third number of potential tool tuning process parameter combinations determines whether the second number is greater than a predefined number of potential tool tuning process parameter combinations; And then performing a trimming process on at least one of the set of process parameter values until the number of potential tool tuning process parameter combinations is less than or equal to a predefined number. For a further enhancement of this example, a fourth number of potential tool tuning process parameter combinations are generated by applying a sensitivity adjustment criterion for a third number of potential tool tuning process parameter combinations. In the example, the action constraint criterion defines an optimization object function; Generating the set of optimal tool tuning process parameter combinations from the set of potential tool tuning process parameter combinations includes determining tool tuning process parameter combinations that minimize the value of the optimization object function. The action constraints criteria may also include correlations between process parameters that define tuning of process parameters, correlations between process monitor items that define tuning of process parameters, and process monitor items that define tuning of process parameters, Can be defined.
생산을 위한 프로세스 툴을 적격화하기 위한 예시적인 방법은, 프로세스 툴로 웨이퍼들을 프로세싱하는 단계; 및 프로세스 툴에 의해 프로세싱되는 웨이퍼들과 연관된 프로세스 모니터 항목 데이터가 규격 내에 있는지 여부를 결정하여, 상기 프로세스 모니터 항목 데이터가 규격 내에 있는 경우, 생산을 위해 프로세스 툴을 방출하고, 상기 프로세스 모니터 항목 데이터가 규격 내에 있지 않은 경우, 프로세스 툴의 프로세스 파라미터 툴 세트를 튜닝하는 단계를 포함한다. 상기 튜닝은 동작 제약 기준 및 민감도 조정 기준을 정의하는 단계; 프로세스 툴에 의해 프로세싱되는 웨이퍼들과 연관된 프로세스 모니터 항목 데이터, 각각의 프로세스 파라미터에 대한 상기 프로세스 모니터 항목들의 민감도와 연관된 민감도 데이터, 상기 동작 제약 기준, 및 상기 민감도 조정 기준을 이용하여 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트를 생성하는 단계; 상기 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트로부터 최적의 툴 튜닝 프로세스 파라미터 조합들의 세트를 생성하는 단계; 및 상기 최적의 툴 튜닝 프로세스 파라미터 조합들 중의 하나에 따라 상기 프로세스 툴을 구성하는 단계를 포함한다. 본 방법은 상기 프로세스 툴이 생산을 위해 방출될 때 까지 상기 웨이퍼들을 프로세싱하는 단계와 상기 프로세스 툴에 의해 프로세싱되는 웨이퍼들과 연관된 프로세스 모니터 항목 데이터가 규격 내에 있는지 여부를 결정하는 단계를 반복하는 단계를 더 포함한다. 예시에서, 본 방법은 상기 프로세싱 및 프로세스 툴에 의해 프로세싱되는 웨이퍼들과 연관된 프로세스 모니터 항목 데이터가 규격 내에 있는지 여부를 결정하는 단계 이전에 상기 프로세스 툴에 대해 유지관리를 수행하는 단계를 더 포함한다. 예시에서, 본 방법은 생산을 위해 프로세스 툴을 방출시킨 후, 프로세스 툴로 웨이퍼들을 프로세싱하는 단계를 더 포함한다.An exemplary method for qualifying a process tool for production includes processing wafers with a process tool; And determining whether the process monitor item data associated with wafers processed by the process tool is within the specification, releasing a process tool for production if the process monitor item data is within the specification, And if not, tuning the process parameter tool set of the process tool. Wherein the tuning includes defining an operation constraint criterion and a sensitivity adjustment criterion; Using the sensitivity constraint criterion and the sensitivity adjustment criterion to determine a potential tool tuning process using process monitor item data associated with wafers processed by the process tool, sensitivity data associated with the sensitivity of the process monitor items to each process parameter, Generating a set of parameter combinations; Generating a set of optimal tool tuning process parameter combinations from the set of potential tool tuning process parameter combinations; And configuring the process tool according to one of the optimal tool tuning process parameter combinations. The method includes repeating the steps of processing the wafers until the process tool is released for production and determining whether the process monitor item data associated with the wafers processed by the process tool is within specifications . In an example, the method further comprises performing maintenance on the process tool prior to determining whether the process monitor item data associated with the wafers processed by the processing and process tool is in the specification. In an example, the method further comprises processing the wafers with a process tool after ejecting the process tool for production.
예시에서, 상기 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트를 생성하는 단계는, 제1 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들을 생성하는 단계; 상기 제1 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들로부터 제2 갯수 - 상기 제2 갯수는 상기 제1 갯수보다 큼 - 의 잠재적인 툴 튜닝 프로세스 파라미터 조합들을 생성하는 단계; 상기 제2 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들로부터 제3 갯수 - 상기 제3 갯수는 상기 제2 갯수보다 작음 - 의 잠재적인 툴 튜닝 프로세스 파라미터 조합들을 생성하는 단계; 및 상기 제3 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들로부터 제4 갯수 - 상기 제4 갯수는 상기 제3 갯수보다 작음 - 의 잠재적인 툴 튜닝 프로세스 파라미터 조합들을 생성하는 단계를 포함한다. 예시에서, 각각의 프로세스 파라미터에 대한 프로세스 파라미터 값들의 세트를 생성하기 위해 제1 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들이 프로세스 모니터 항목 데이터와 민감도 데이터를 이용하여 생성되고; 각각의 프로세스 파라미터 값들의 세트를 확장시키기 위해 성장 프로세스를 수행함으로써 제2 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들이 생성되고; 적어도 하나의 프로세스 파라미터 값들의 세트에 대해 트리밍 프로세스를 수행함으로써 제3 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들이 생성되며; 제3 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들에 대해 민감도 조정 기준을 적용함으로써 제4 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들이 생성된다. 예시에서, 동작 제약 기준은 최적화 오브젝트 함수를 정의하며; 상기 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트로부터 최적의 툴 튜닝 프로세스 파라미터 조합들의 세트를 생성하는 단계는 최적화 오브젝트 함수의 값을 최소화하는 툴 튜닝 프로세스 파라미터 조합들을 결정하기 위해 제4 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들을 평가하는 단계를 포함한다. 예시에서, 프로세스 파라미터들에 대한 변경들을 최소화하는 조합들이 제일먼저 나열되도록 제4 갯수의 잠재적인 툴 튜닝 프로세스 파라미터 조합들이 정렬된다.In an example, generating the set of potential tool tuning process parameter combinations comprises: generating a first set of potential tool tuning process parameter combinations; Generating potential tool tuning process parameter combinations from a first number of potential tool tuning process parameter combinations to a second number, wherein the second number is greater than the first number; Generating potential tool tuning process parameter combinations of a third number from the second number of potential tool tuning process parameter combinations, the third number being less than the second number; And generating potential tool tuning process parameter combinations of a fourth number from the third number of potential tool tuning process parameter combinations, wherein the fourth number is less than the third number. In the example, a first number of potential tool tuning process parameter combinations are generated using the process monitor item data and the sensitivity data to generate a set of process parameter values for each process parameter; A second number of potential tool tuning process parameter combinations are generated by performing a growth process to expand a set of each of the process parameter values; Generating a third number of potential tool tuning process parameter combinations by performing a trimming process on the set of at least one process parameter values; A fourth number of potential tool tuning process parameter combinations are generated by applying a sensitivity adjustment criterion to a third number of potential tool tuning process parameter combinations. In the example, the action constraint criterion defines an optimization object function; Wherein generating a set of optimal tool tuning process parameter combinations from the set of potential tool tuning process parameter combinations includes selecting a fourth set of potential tool tuning process parameters to determine a tool tuning process parameter combinations that minimize a value of an optimization object function. And evaluating process parameter combinations. In the example, a fourth set of potential tool tuning process parameter combinations is ordered such that the combinations that minimize changes to process parameters are listed first.
여기서 설명된 방법들을 이행하기 위한 예시적인 집적 회로 제조 시스템은, 웨이퍼들에 대해 프로세스를 수행하도록 구성된 프로세스 툴과 상기 프로세스 툴에 대한 프로세스 파라미터 툴 세트를 결정하도록 구성된 프로세스 툴 튜닝 시스템을 포함한다. 프로세스 툴 튜닝 시스템은, 프로세스 툴에 의해 프로세싱되는 웨이퍼들과 연관된 프로세스 모니터 항목 데이터, 각각의 프로세스 파라미터에 대한 상기 프로세스 모니터 항목들의 민감도와 연관된 민감도 데이터, 미리정의된 동작 제약 기준, 및 미리정의된 민감도 조정 기준을 이용하여 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트를 생성하며; 상기 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트로부터 최적의 툴 튜닝 프로세스 파라미터 조합들의 세트를 생성하도록 구성된 툴 튜닝 솔루션 모듈을 포함한다. 예시에서, 툴 튜닝 솔루션 모듈은 프로세스 파라미터 툴 세트를 결정하기 위한 다양한 모듈들을 포함한다. 예를 들어, 툴 튜닝 솔루션 모듈은 동작 제약 기준을 정의하는 엔지니어링 기반 지식 모듈; 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트를 생성하도록 구성된 조합 계산기 모듈; 최적의 툴 튜닝 프로세스 파라미터 조합들의 세트를 생성하도록 구성된 통계 최적화기 모듈; 및 민감도 조정 기준을 정의하도록 구성된 로버스트 버퍼 모듈을 포함할 수 있다.An exemplary integrated circuit fabrication system for implementing the methods described herein includes a process tool tuning system configured to determine a set of process parameters for a process tool and a process tool configured to perform a process on wafers. The process tool tuning system includes process monitor item data associated with wafers processed by the process tool, sensitivity data associated with the sensitivity of the process monitor items to each process parameter, predefined operating constraint criteria, and predefined sensitivity Generate a set of potential tool tuning process parameter combinations using the adjustment criteria; And a tool tuning solution module configured to generate a set of optimal tool tuning process parameter combinations from the set of potential tool tuning process parameter combinations. In the example, the tool tuning solution module includes various modules for determining a process parameter tool set. For example, a tool tuning solution module may include an engineering based knowledge module that defines operational constraints criteria; A combination calculator module configured to generate a set of potential tool tuning process parameter combinations; A statistical optimizer module configured to generate a set of optimal tool tuning process parameter combinations; And a robust buffer module configured to define a sensitivity adjustment criterion.
툴 튜닝 시스템(80)은 프로세스 툴(30)에 대한 프로세스 파라미터들의 최상의 조합을 자동적으로 결정(또는 계산)한다. 툴 튜닝 시스템(80)(및 이와 연관된 방법들)은 수렴적이고, 실현가능하며, 실용적인 툴 튜닝 프로세스 파라미터 솔루션들을 제공한다. 따라서 툴 튜닝 시스템(80)은 프로세스 툴(30)이 생산에 적격해지도록 하기 위한 비용 효율적이면서 시간 효율적인 방법을 제공한다The
본 발명개시는 첨부 도면들과 함께 아래의 상세한 설명을 읽음으로써 최상으로 이해된다. 본 산업계에서의 표준적인 실시에 따라, 다양한 피처(feature)들은 실척도로 작도되지 않았으며 단지 설명을 목적으로 이용된다는 점을 강조해둔다. 실제로, 다양한 피처들의 치수는 설명의 명료함을 위해 임의적으로 증가되거나 또는 감소될 수 있다.
도 1은 본 발명개시의 다양한 양태들에 따른 집적 회로 디바이스 제조 시스템의 블록도이다.
도 2는 본 발명개시의 다양한 양태들에 따른 프로세스 모니터 항목들과 상관된 다양한 튜닝가능한 프로세스 파라미터들의 개략도이다.
도 3은 본 발명개시의 다양한 양태들에 따른, 도 1의 집적 회로 제조 시스템의 프로세스 툴과 같은, 프로세스 툴을 튜닝하기 위해 집적 회로 제조 시스템에 의해 구현될 수 있는 툴 튜닝 프로세스 흐름의 블록도이다.
도 4는 본 발명개시의 다양한 양태들에 따른, 도 3의 툴 튜닝 프로세스 흐름과 같은 툴 튜닝 프로세스 흐름에서 구현될 수 있는 툴 튜닝 최적화 프로세스 흐름의 블록도이다.
도 5는 본 발명개시의 다양한 양태들에 따른, 도 1의 집적 회로 제조 시스템에서의 프로세스 툴과 같은, 프로세스 툴을 튜닝하기 위한 최적의 프로세스 파라미터들의 세트를 생성하도록 도 3의 툴 튜닝 프로세스 흐름과 도 4의 툴 튜닝 최적화 프로세스 흐름이 구현된 예시적 경우를 제공한다.
도 6은 본 발명개시의 다양한 양태들에 따른 잠재적인 프로세스 툴 튜닝 프로세스 파라미터 조합들의 세트를 생성하도록 구현될 수 있는 프로세스 흐름의 블록도이다.
도 7은 본 발명개시의 다양한 양태들에 따른 프로세스 툴을 튜닝하기 위한 방법의 흐름도이다.
도 8은 본 발명개시의 다양한 양태들에 따라, 도 2 내지 도 7을 참조하여 설명한 방법들과 같은, 프로세스 툴을 튜닝하기 위한 방법을 이행하기 위한 컴퓨터 시스템의 블록도이다.The disclosure of the present invention is best understood by reading the following detailed description together with the accompanying drawings. In accordance with standard practice in the industry, emphasize that the various features are not drawn to scale and are used for illustrative purposes only. Indeed, the dimensions of the various features may be increased or decreased arbitrarily for clarity of explanation.
1 is a block diagram of an integrated circuit device manufacturing system in accordance with various aspects of the present disclosure.
2 is a schematic diagram of various tunable process parameters correlated with process monitor items in accordance with various aspects of the present disclosure.
Figure 3 is a block diagram of a tool tuning process flow that may be implemented by an integrated circuit manufacturing system to tune a process tool, such as the process tool of the integrated circuit manufacturing system of Figure 1, in accordance with various aspects of the present disclosure .
4 is a block diagram of a tool tuning optimization process flow that may be implemented in a tool tuning process flow, such as the tool tuning process flow of FIG. 3, in accordance with various aspects of the present disclosure.
5 is a flow diagram illustrating the tool tuning process flow of FIG. 3 to produce a set of optimal process parameters for tuning a process tool, such as a process tool in the integrated circuit fabrication system of FIG. 1, in accordance with various aspects of the present disclosure. An exemplary case in which the tool tuning optimization process flow of FIG. 4 is implemented is provided.
Figure 6 is a block diagram of a process flow that may be implemented to generate a set of potential process tool tuning process parameter combinations in accordance with various aspects of the present disclosure.
7 is a flow chart of a method for tuning a process tool according to various aspects of the present disclosure.
Figure 8 is a block diagram of a computer system for implementing a method for tuning a process tool, such as the methods described with reference to Figures 2 through 7, in accordance with various aspects of the present disclosure.
아래의 발명개시는 본 발명의 여러 특징들을 구현하는 많은 여러 실시예들 또는 예시들을 제공한다. 본 발명개시를 단순화하기 위해 컴포넌트 및 장치의 특정예들이 아래에서 설명된다. 물론, 이것들은 단지 예시들에 불과하며, 한정적인 것으로 의도된 것은 아니다. 예를 들어, 이후의 상세설명에서 제2 피처상의 또는 그 위의 제1 피처의 형성은 제1 및 제2 피처들이 직접적으로 접촉하여 형성되는 실시예를 포함할 수 있으며, 또한 제1 및 제2 피처들이 직접적으로 접촉하지 않을 수 있도록 추가적인 피처들이 제1 및 제2 피처들 사이에서 형성될 수 있는 실시예를 포함할 수 있다. 또한, 본 발명개시는 다양한 예시들에서 참조 부호들 및/또는 문자들을 반복할 수 있다. 이러한 반복은 간략화 및 명료화를 위한 것이지, 그러한 반복 그 자체가 개시된 다양한 실시예들 및/또는 구성 사이의 관계를 설명하는 것은 아니다.BRIEF DESCRIPTION OF THE DRAWINGS The following inventions provide many different embodiments or examples of implementing various aspects of the invention. Specific examples of components and devices are described below to simplify disclosure of the present invention. Of course, these are merely illustrative and not intended to be limiting. For example, in the following detailed description, the formation of the first feature on or on the second feature may include an embodiment in which the first and second features are formed in direct contact, and the first and second Additional features may be formed between the first and second features such that the features may not be in direct contact. Furthermore, the disclosure of the present invention may repeat the reference numerals and / or characters in various examples. Such repetition is for simplicity and clarity, and such repetition itself does not describe the relationship between the various embodiments and / or configurations disclosed.
도 1은 본 발명개시의 다양한 양태들에 따른 집적 회로 제조 시스템(10)의 블록도이다. 예시에서, 집적 회로 제조 시스템(10)은 가상 집적 회로 제조 시스템("가상 팹")이다. 집적 회로 제조 시스템(10)은 집적 회로 디바이스들을 제조하기 위해 집적 회로 제조 프로세스들을 이행한다. 예를 들어, 집적 회로 제조 시스템(10)은 기판(또는 웨이퍼)을 제조하는 반도체 제조 프로세스들을 이행한다. 기판은 반도체 기판, 마스크(포토마스크 또는 레티클, 이것들을 마스크라고 총칭한다), 또는 물질층들, 패턴 피처들, 및/또는 집적 회로들을 생산하기 위한 프로세싱이 수행되는 임의의 기저 물질을 포함한다. 도 1에서, 집적 회로 제조 시스템(10)은 본 발명개시의 발명적인 개념들을 보다 잘 이해할 수 있도록 명료화를 위해 단순화되었다. 집적 회로 제조 시스템(10)에서 추가적인 피처들이 추가될 수 있으며, 후술하는 몇몇의 피처들은 집적 회로 제조 시스템(10)의 다른 실시예들에서 교체되거나 또는 제거될 수 있다.1 is a block diagram of an integrated
집적 회로 디바이스 제조 시스템(10)은 다양한 엔티티들(데이터베이스(25), 프로세스 툴(30), 계측 툴(40), 진보된 프로세스 제어(advanced process control; APC) 시스템(50), 고장 탐지 및 분류(fault detection and classification; FDC) 시스템(60), 다른 엔티티(70), 및 툴 튜닝 시스템(80))이 서로 통신할 수 있도록 해주는 네트워크(20)를 포함한다. 집적 회로 제조 시스템(10)은 도시된 실시예에서의 각각의 엔티티들을 하나보다 많이 포함할 수 있으며, 도시되지 않은 다른 엔티티들을 더 포함할 수 있다. 본 예시에서, 집적 회로 제조 시스템(10)의 각각의 엔티티는 다른 엔티티들로부터 서비스들을 수신하고 및/또는 이들에게 서비스를 제공하기 위해 네트워크(20)를 통해 다른 엔티티들과 상호작용한다. 네트워크(20)는 인트라넷, 인터넷, 다른 네트워크, 또는 이들의 조합과 같은, 다양한 상이한 네트워크들 또는 단일 네트워크일 수 있다. 네트워크(20)는 유선 통신 채널들, 무선 통신 채널들, 또는 이들의 조합을 포함한다.The integrated circuit
데이터베이스(25)는 집적 회로 제조 시스템(10)과 연관된 데이터, 및 특히 집적 회로 제조 프로세스들과 연관된 데이터를 저장한다. 도시된 실시예에서, 데이터베이스(25)는 프로세스 툴(30), 계측 툴(40), APC 시스템(50), FDC 시스템(60), 다른 엔티티(70), 툴 튜닝 시스템(80), 또는 이들의 조합으로부터 수집된 데이터를 저장한다. 예를 들어, 데이터베이스(25)는 (아래에서 추가적으로 설명되는 바와 같이 계측 툴(40)에 의해 수집되는 것과 같은) 프로세스 툴(30)에 의해 프로세싱되는 웨이퍼들의 웨이퍼 특성들과 연관된 데이터; 이러한 웨이퍼들을 프로세싱하기 위해 프로세스 툴(30)에 의해 구현되는 파라미터들과 연관된 데이터; APC 시스템(50), FDC 시스템(60), 및 툴 튜닝 시스템(80)에 의한 웨이퍼 특성들 및/또는 파라미터들의 분석과 연관된 데이터; 및 집적 회로 제조 시스템(10)과 연관된 기타의 데이터를 저장한다. 예시에서, 프로세스 툴(30), 계측 툴(40), APC 시스템(50), FDC 시스템(60), 다른 엔티티(70), 및 툴 튜닝 시스템(80) 각각은 연관된 데이터베이스를 가질 수 있다.The
프로세스 툴(30)은 집적 회로 제조 프로세스를 수행한다. 본 예시에서, 프로세스 툴(30)은 에피택셜 성장을 위해 이용되는 화학적 기상 증착(chemical vapor deposition; CVD) 툴이다. 따라서 프로세스 툴(30)은 CVD 에피택셜 툴이라고 칭해질 수 있다. 웨이퍼는 CVD 에피택셜 툴 내에 배치되어, 웨이퍼의 에피택셜 피처를 형성하기 위해, 기상 에피택시와 같은, 에피택셜 프로세스를 거칠 수 있다. CVD 에피택셜 툴은 챔버, 가스원, 배출 시스템, 열원(heat source), 냉각 시스템 및 기타의 하드웨어를 포함할 수 있다. 챔버는 에피택셜 프로세스를 수행하기 위한 제어된 환경으로서 역할을 한다. 가스원은 에피택셜 프로세스 동안에 반응물과 퍼징 가스(purging gase)들을 제공하며, 배출 시스템은 에피택셜 프로세스 동안 챔버 내의 압력을 유지한다. 열원은 램프 모듈들, 예컨대 바닥 내부 램프 모듈, 바닥 외부 램프 모듈, 상부 내부 램프 모듈, 및 상부 외부 램프 모듈을 포함한다. 각각의 램프 모듈은 에피택셜 프로세스 동안 에너지를 CVD 에피택셜 툴의 챔버로 전달함으로써, 에피택셜 프로세스 동안에 챔버를 희망하는 챔버 온도로 가열시키고 및/또는 웨이퍼를 희망하는 웨이퍼 온도로 가열시키는 적외선 램프들의 어레이를 포함한다.The
(두께, 성분 농도, 및 시트 저항과 같은) 타겟 웨이퍼 특성들을 에피택셜 피처가 나타내는 것을 보장하기 위해, 에피택셜 프로세스는 미리결정된(또는 미리정의된) 에피택셜 프로세스 레시피에 따라 에피택셜 피처를 형성한다. 미리결정된(또는 미리정의된) 에피택셜 프로세스 레시피는 타겟 웨이퍼 특성들을 달성하기 위해 CVD 에피택셜 툴에 의해 구현되는 다양한 파라미터들을 규정한다. 이러한 파라미터들은 프로세스 시간, 전구체 가스 유형, 전구체 가스의 유량, 챔버 온도, 챔버 압력, 웨이퍼 온도, 기타 파라미터들 또는 이들의 조합을 포함한다. 에피택셜 프로세스 동안, (챔버, 가스원, 배출 시스템, 열원, 및 냉각 시스템과 같은) CVD 에피택셜 툴의 다양한 하드웨어가 규정된 파라미터들을 달성하기 위해 구성된다. 프로세스 툴(30)은 에피택셜 프로세스 동안과 같은, 웨이퍼들의 프로세싱 동안에 이러한 파라미터들을 모니터링하는 센서들을 포함한다. 예를 들어, CVD 에피택셜 툴은 챔버 압력, 챔버 온도, 웨이퍼 온도, 가스 흐름, 증착 시간, (전압, 전류, 전력, 저항, 기타 특성, 또는 이들의 조합을 비롯한, CVD 에피택셜 툴의 램프 모듈들의 다양한 특성들과 같은) 기타 파라미터들, 또는 이들의 조합과 같은, CVD 에피택셜 툴과 연관된 다양한 파라미터들을 모니터링하는 센서들을 포함한다.To ensure that the epitaxial features exhibit the target wafer properties (such as thickness, component concentration, and sheet resistance), the epitaxial process forms an epitaxial feature according to a predetermined (or predefined) epitaxial process recipe . The predetermined (or predefined) epitaxial process recipe defines various parameters implemented by the CVD epitaxial tool to achieve the target wafer properties. These parameters include process time, precursor gas type, precursor gas flow rate, chamber temperature, chamber pressure, wafer temperature, other parameters, or combinations thereof. During the epitaxial process, various hardware of the CVD epitaxial tool (such as chamber, gas source, exhaust system, heat source, and cooling system) are configured to achieve the prescribed parameters.
계측 툴(40)은 집적 회로 제조 동안 웨이퍼들과 연관된 데이터를 측정하고 수집한다. 예를 들어, 계측 툴(40)은 프로세싱되는 웨이퍼들에 대해 인라인 측정들을 수행하여, 웨이퍼의 피처의 임계 치수(예컨대, 피처의 라인폭), 웨이퍼의 물질층의 두께, 웨이퍼의 피처들 또는 층들간의 오버레이 정확도, 피처의 도펀트 프로파일(또는 농도), 결함의 크기 및/또는 유형, 피처의 전기적 특성들, 다른 웨이퍼 특성들, 또는 이들의 조합과 같은, 웨이퍼들의 다양한 웨이퍼 특성들에 관한 정보를 획득한다. 도시된 실시예에서, 계측 툴(40)은 프로세스 툴(30)에 의해 프로세싱되는 웨이퍼들의 웨이퍼 특성들을 측정한다. 예를 들어, 계측 툴(40)은 프로세스 툴(30)에 의해 수행된 에피택셜 프로세스에 의해 형성된 웨이퍼들의 에피택셜 피처들의 두께, (시트 저항과 같은) 전기적 특성들, 표면 거칠기, 에피택셜 응력, 다른 특성들, 또는 이들의 조합을 측정한다. 계측 툴(40)은 이러한 데이터를 측정하고 수집하기 위해 전기적 툴들, 광학적 툴들, 분석 툴들, 다른 툴들, 또는 이들의 조합을 포함할 수 있다. 이러한 툴들은 현미경(예컨대, 스캐닝 전자 현미경 및/또는 광학 현미경), 마이크로 분석 툴, 라인 폭 측정 툴, 마스크 및 레티클 결함 툴, 입자 분포 툴, 표면 분석 툴, 응력 분석 툴, 저항률 및 접촉 저항 측정 툴, 이동도 및 캐리어 농도 측정 툴, 접합 깊이 측정 툴, 막두께 툴, 게이트 산화물 완전성 테스트 툴, 캐패시턴스 전압 측정 툴, 집속 이온 빔(focused ion beam; FIB) 툴, 레이저 표면 결함 스캐너, 잔여 가스 분석기, 프로세스 툴 입자 카운터, 웨이퍼 평가 테스트 툴, 다른 계측 툴, 또는 이들의 조합을 포함한다.The
APC 시스템(50)은 프로세싱되는 웨이퍼들의 웨이퍼 특성들을 모니터링하고 (예컨대, 계측 툴(40)에 의해 수집되는 데이터와 같은) 인라인 계측 데이터, 프로세스 모델, 및 다양한 알고리즘들을 이용하여 웨이퍼들의 최종적인 디바이스 타겟들을 강화시키기 위한 중간 프로세스 타겟들의 동적 미세 튜닝을 제공한다. 이러한 프로세스 타겟들을 미세 튜닝하는 것을 제어 동작들이라고 부를 수 있는데, 이것은 웨이퍼 특성 변동들을 생성할 수 있는 툴 문제들 및/또는 프로세스 문제들을 보정한다. APC 시스템(50)은 제어 동작들을 실시간으로, 웨이퍼마다, 로트(lot)마다, 또는 이들의 조합으로 이행할 수 있다. 도시된 실시예에서, APC 시스템(50)은 웨이퍼들의 에피택셜 피처들을 형성하기 위해 프로세스 툴(30)에 의해 수행되는 에피택셜 프로세스 레시피를 수정하기 위한 제어 동작들을 이행한다. 예를 들어, (프로세싱되는 웨이퍼들, 프로세스 모델들, 및 다양한 알고리즘들의 인라인 계측 데이터에 기초하는) APC 시스템(50)은, 각각의 프로세싱되는 웨이퍼의 에피택셜 피처들이 타겟 특성들을 나타내는 것을 보장하기 위해 각각의 프로세싱되는 웨이퍼에 대한 미리결정된 에피택셜 프로세스 레시피(구체적으로, 프로세스 시간, 가스의 유량, 챔버 온도, 챔버 압력, 웨이퍼 온도, 또는 다른 프로세스 파라미터와 같은, 프로세스 툴(30)에 의해 구현된 파라미터들)를 수정한다.The
FDC 시스템(60)은 집적 회로 제조 프로세스 동안 프로세스 툴(30)에 의해 구현된 파라미터들과, 집적 회로 제조 프로세스 동안 프로세스 툴(30)에 의해 구현된 파라미터들에 의해 달성된 웨이퍼 특성들을 모니터링함으로써, 툴 상태 저하와 같은, 툴 문제들을 탐지하기 위해 프로세스 툴(30)의 상태들을 평가한다. 일반적으로, FDC 시스템(60)은 프로세스 툴(30)의 상태를 추적하고 분석하기 위해 통계 프로세스 제어(statistical process control; SPC)를 이행한다. 예를 들어, FDC 시스템(60)은 시간의 흐름에 따라 프로세스와 연관된 SPC 데이터를 차트화함으로써 프로세스 툴(30)의 이력적 프로세스 성능을 문서화하는 SPC 차트들을 구현할 수 있다. 이러한 SPC 데이터는 프로세스 툴(30)에 의해 프로세싱된 다중 웨이퍼들과 연관된 파라미터들 및/또는 웨이퍼 특성들을 포함한다. 파라미터들 및/또는 웨이퍼 특성들이 수용가능한 타겟들로부터 이탈되었다는 것을 SPC 데이터가 표시한 경우(다시 말하면, FDC 시스템(60)이 결함이나 또는 비정상을 탐지한 경우), FDC 시스템(60)은 알람을 트리거하여 프로세스 툴(30)의 오퍼레이터에게 통지하고, 프로세스 툴(30)에 의해 수행된 프로세스를 중단하고, 또다른 동작 또는 이들의 조합을 취함으로써, 프로세스 툴(30)에 관한 임의의 문제점들은 식별되고 해결될 수 있다.The
본 예시에서, CVD 에피택셜 툴에 관한 문제점들을 탐지하기 위해, FDC 시스템(60)은 웨이퍼들의 에피택셜 피처들을 형성하기 위해 프로세스 툴(30)에 의해 구현된 파라미터들을 모니터링한다. FDC 시스템(60)은 이러한 파라미터들과 웨이퍼 특성들을 평가하여 CVD 에피택셜 툴의 동작 동안의 비정상들 또는 결함들을 탐지한다. 예시에서, 비정상은, 에피택셜 프로세스 동안에, 챔버 압력 또는 챔버 온도가 미리결정된 에피택셜 프로세스 레시피와 같은, 규정된 챔버 압력 또는 챔버 온도로부터 상당히 (보다 높게 또는 보다 낮게) 변할 때 표시된다. 다른 예시에서, 비정상은, 에피택셜 프로세스 동안에, 전구체 가스의 유량이 미리결정된 에피택셜 프로세스 레시피와 같은, 전구체 가스의 규정된 유량으로부터 상당히 (보다 높게 또는 보다 낮게) 변할 때 표시된다. 또다른 예시에서, 비정상은, CVD 에피택셜 툴에 의해 형성된 웨이퍼들의 에피택셜 피처들의 (시트 저항, 두께, 및/또는 응력과 같은) 특성이 에피택셜 피처들의 타겟 특성으로부터 상당히 변할 때 표시된다. 이러한 비정상들은 프로세스 툴(30)에 관한 문제점들을 표시할 수 있다. 예를 들어, CVD 에피택셜 툴의 손상되거나 또는 노후화된 하드웨어는 전구체 가스의 유량, 챔버 압력, 및/또는 챔버 온도가 전구체 가스의 예상된 유량, 챔버 압력, 및/또는 챔버 온도로부터 변하도록 만들 수 있다.In this example, to detect problems with the CVD epitaxial tool, the
툴 튜닝 시스템(80)은 집적 회로 디바이스 제조를 위한 프로세스 툴(30)(본 예시에서, CVD 에피택셜 툴)을 튜닝한다. 프로세스 툴(30)은 자신의 하드웨어의 프로세스 드리프트 또는 고장/노후화로 인해 정기적 및/또는 비정기적 유지관리(maintenance)를 필요로 한다. 정기적 유지관리는 일정한 양의 동작 시간 이후 또는 일정한 양의 웨이퍼들이 프로세싱된 후 유지관리를 위해 생산으로부터 제거된 때(오프라인 처리)에 발생한다. 비정기적 유지관리는 FDC 시스템(60)이 프로세스 툴(30)의 동작 동안에 비정상 또는 결함을 탐지하고 알람을 트리거하여 프로세스 툴(30)의 엔지니어(이들을 오퍼레이터, 기술자, 또는 기술 담당자라고도 칭한다)에게 통지할 때 발생한다. 그 후 프로세스 툴(30)은 유지관리를 위해 생산으로부터 제거된다(오프라인 처리). 정기적 및/또는 비정기적 유지관리는 프로세스 툴(30)의 프로세싱 챔버의 내벽들 및/또는 파트들상의 잔유물들 또는 증착된 막들을 제거하기 위해 이러한 내벽들 및/또는 파트들을 세정하는 것을 포함할 수 있다. 유지관리는 프로세스 툴(30)로부터 파트들을 제거하는 것을 더 포함할 수 있는데, 이러한 파트들은 서비스 제공 동안에 원위치되거나 또는 교체된다. 프로세스 툴(30)에 대해 수행된 다양한 유지관리(서비스 제공) 프로세스들은 프로세스 툴(30)이 유지관리(서비스 제공) 프로세스들 이후 상이하게 수행하도록 할 수 있다. 예시에서, 프로세싱 챔버 세정은 세정 이전과 비교하여 상이하게 동작하는 챔버 내부를 초래시킨다. 다른 예시에서, 프로세스 툴(30)의 파트들의 처리는 (제거되고 다함께 원위치되거나 또는 제거되고 교체되는 것에 상관없이) 프로세스 툴(30)의 동작 특성들을 변경시킨다. 따라서, 프로세스 툴(30)의 프로세싱 파라미터들을 유지관리 이전에 이용된 것과 동일한 프로세싱 파라미터들로 설정하는 것은 동일한 희망 웨이퍼 특성들을 생성케하지 않을 수 있다. 그 결과, 프로세스 툴(30)이 서비스 제공받은 후(또는 유지관리된 후), 프로세스 툴(30)은 추가적인 웨이퍼 생산에 적격해지도록 하고 프로세스 툴(30)이 규격에 충족하는 웨이퍼들을 생산하도록 보장하기 위해 튜닝 프로세스 처리를 받는다.The
프로세스 툴(30)의 다양한 프로세스 파라미터들은 튜닝 프로세스 동안에 튜닝된다. 프로세스 툴(30)의 프로세스 파라미터들은 희망 웨이퍼 특성들을 갖는 웨이퍼들을 프로세스 툴(30)이 생산하도록 보장하기 위해 적절히 튜닝된다. 따라서 프로세스 툴(30)의 튜닝가능한 프로세스 파라미터들은 다양한 웨이퍼 특성들과 상관된다. 도 2는 본 발명개시의 다양한 양태들에 따른 프로세스 모니터 항목들(웨이퍼 특성들)과 상관된 다양한 튜닝가능한 프로세스 파라미터들의 개략도를 도시한다. 예를 들어, 프로세스 툴(30)은 X1, X2, X3, . . . XN의 튜닝가능한 프로세스 파라미터들을 갖는다. 프로세스 툴(30)이 CVD 에피택셜 툴인 경우, 튜닝가능한 프로세스 파라미터들은 (챔버 온도 및/또는 웨이퍼 온도를 조정하기 위한) 히터 전력, (챔버 압력을 조정하기 위한) 진공 전력 설정들, 무선 주파수 전력, 바이어스 전력, CVD 에피택셜 툴의 최상단 전극과 프로세싱된 웨이퍼들간의 거리, 가스 유량, 및 다른 튜닝가능한 프로세스 파라미터들을 포함할 수 있다. X1, X2, X3, . . . XN과 같은, 각각의 튜닝가능한 프로세스 파라미터는 Y1, Y2, Y3, ... YM과 같은, 프로세싱된 웨이퍼들의 각각의 프로세스 모니터 항목(웨이퍼 특성)의 출력에 간접적으로 또는 직접적으로 영향을 미친다. 예를 들어, 프로세스 툴(30)이 CVD 에피택셜 툴인 경우, 프로세스 모니터 항목들(프로세스 모니터링을 위한 웨이퍼 특성들)은 에피택셜 피처들의 두께, 에피택셜 피처들의 시트 저항, 에피택셜 피처들의 응력, 에피택셜 피처들의 임계 치수들, 에피택셜 피처들의 프로파일들, 및 다른 웨이퍼 특성들을 포함할 수 있다. 본 예시에서, 다음의 논의를 용이하게 하기 위해, CVD 에피택셜 툴은 네 개의 튜닝가능한 프로세스 파라미터들(X1, X2, X3, X4)과 세 개의 프로세스 모니터 항목들(Y1, Y2, Y3)을 갖는다. 상기 네 개의 튜닝가능한 프로세스 파라미터들은 (실리콘 함유 전구체 가스(예컨대, SiH4)와 같은) 전구체 가스의 가스 유량, 고주파수 무선 주파수(high frequency radio frequency; HFRF) 전력, 증착 시간(DepTime), 및 간격(프로세싱 동안의 CVD 에피택셜 툴의 최상단 전극과 웨이퍼간의 거리)을 포함한다. 상기 네 개의 튜닝가능한 프로세스 파라미터들은 세 개의 프로세스 모니터 항목들(웨이퍼 특성들), 즉 에피택셜 피처들의 응력(S), 에피택셜 피처들의 시트 저항(RI), 및 에피택셜 피처들의 두께(THK)에 직접적으로 또는 간접적으로 영향을 미친다. 따라서, 튜닝 프로세스 동안, 전구체 가스의 가스 유량, HFRF 전력, 증착 시간, 및 간격은 에피택셜 피처들의 희망하는 두께, 시트 저항, 및 응력을 달성하도록 튜닝된다. 튜닝된 가스 유량, HFRF 전력, 증착 시간, 및 간격을 프로세스 파라미터 툴 세트라고 칭한다.The various process parameters of the
프로세스 툴(30)은 종종 수동적으로 튜닝된다. 예를 들어, 프로세스 툴(30) 및 그와 연관된 프로세스들에 친숙해 있는 엔지니어는 시행착오적 기술들을 수행하는데, 이 경우 희망하는 웨이퍼 특성들을 달성하도록 프로세스 파라미터들의 다양한 조합들(상이한 프로세스 파라미터 툴 설정들)이 구현된다(다시 말하면, 프로세스는 이러한 파라미터들이 규격에 충족되는지를 모니터링한다). 구식의 프로세스 기술들의 경우, 이러한 수동적 튜닝은 부적당한데, 그 이유는 수동적 튜닝이 합당한 시간 프레임에서 달성될 수 있도록, 구식의 프로세스 기술들을 위한 프로세스 윈도우들은 종종 비교적 넓기 때문이다. 하지만, 진보된 프로세싱 기술들의 경우에서는, 기술 노드들이 감소함에 따라, 프로세스 모니터 항목들(YM)의 갯수는 프로세스 윈도우들을 좁혀갈수록(다시 말하면, 상한과 하한간의 보다 좁은 범위들) 증가한다. 따라서 수동적 튜닝은 매우 시간 소모적이 된다. 엔지니어는 프로세스 툴(30)이 생산에 적격해도록 하기 위해 여러 시간들 또는 심지어는 몇 일을 소모할 수 있다. 더 나아가, 엔지니어는 일반적으로 프로세스 툴들을 적격화할 때의 엔지니어의 개별적인 경험에 기초하여 튜닝 방법을 이행하기 때문에, 프로세스 툴(30)은 상이한 엔지니어들에 의해 상이하게 적격화(또는 튜닝)됨으로써 프로세스 툴(30)은 희망하는 웨이퍼 특성들을 달성하기 위해 상이한 프로세스 파라미터 툴 설정들을 구현시킨다. 시간이 흐름에 따라, 프로세스 툴(30)의 동작은 상이한 엔지니어들에 의해 구현된 프로세스 파라미터 툴 설정들에 의존하여 상이하게 표류할 것이다. 튜닝된 프로세스 파라미터 툴 설정들은 표준화되어 있지 않기 때문에, 이에 따라 프로세스 툴(30)의 성능은 프로세스 툴(30)을 튜닝했던 엔지니어에 따라 달라진다. 보다 최근에는, 프로세스 툴(30)을 튜닝하기 위한 복합 통계적 튜닝이 이행되어 왔다. 통계적 튜닝 방법들은 일반적으로 높은 연산 전력 및 시간을 필요로 한다. 더 나아가, 튜닝된 프로세스 파라미터 툴 설정들은 일반적으로 무작의적인데, 이것은 통계적 튜닝 방법이 매번 구동될 때 마다 상이한 프로세스 파라미터 툴 튜닝 솔루션들을 생성하며, 튜닝된 프로세스 파라미터 툴 설정들은 이러한 설정들이 프로세스 툴의 실제 동작에서 실현가능하거나 또는 실용적인지의 여부에 대해서는 일반적으로 고려하고 있지 않다는 것을 의미한다.The
툴 튜닝 시스템(80)은 현재의 툴 튜닝 방법론들에 의해 경험된 많은 문제점들을 해결한다. 특히, 아래에서 보다 자세하게 설명되는 바와 같이, 툴 튜닝 시스템(80)은 프로세스 툴(30)에 대한 프로세스 파라미터들의 최상의 조합을 자동적으로 결정(또는 계산)한다. 툴 튜닝 시스템(80)(및 이와 연관된 방법들)은 수렴적이고, 실현가능하며, 실용적인 툴 튜닝 프로세스 파라미터 솔루션들을 제공한다. 따라서 툴 튜닝 시스템(80)은 프로세스 툴(30)이 생산에 적격해지도록 하기 위한 비용 효율적이면서 시간 효율적인 방법을 제공한다. 도 3은 본 발명개시의 다양한 양태들에 따른 도 1의 집적 회로 제조 시스템(10)에 의해 구현되는 툴 튜닝 프로세스 흐름(100)의 블록도이며, 도 4는 본 발명개시의 다양한 양태들에 따른 툴 튜닝 프로세스 흐름(100)에서 구현될 수 있는 툴 튜닝 최적화 프로세스 흐름(200)의 블록도이다. 본 예시에서, 툴 튜닝 시스템(80)은 집적 회로 디바이스 제조를 위한 프로세스 툴(30)(본 예시에서, CVD 에피택셜 툴)의 튜닝을 최적화하기 위한 툴 튜닝 최적화 프로세스 흐름(200) 및 툴 튜닝 프로세스 흐름(100)을 구현한다. 도 5는 본 발명개시의 다양한 양태들에 따라, CVD 에피택셜 툴과 같은, 프로세스 툴(30)을 튜닝하기 위한 최적의 프로세스 파라미터 툴 세트들을 생성하기 위해, 도 3의 툴 튜닝 프로세스 흐름(100)과 도 4의 툴 튜닝 최적화 프로세스 흐름(200)이 툴 튜닝 시스템(80)에 의해 구현되는 예시적인 경우를 제공한다. 도 3 내지 도 5가 동시적으로 논의될 것이며, 도 3 내지 도 5는 본 발명개시의 발명적인 개념들을 보다 잘 이해할 수 있도록 명료화를 위해 단순화되었다. 툴 튜닝 프로세스 흐름(100)과 툴 튜닝 최적화 프로세스 흐름(200)에서 추가적인 단계들 및/또는 피처들이 제공될 수 있으며, 설명된 몇몇의 단계들 및/또는 피처들은 툴 튜닝 프로세스 흐름(100)과 툴 튜닝 최적화 프로세스 흐름(200)의 추가적인 실시예들을 위해 교체되거나 또는 제거될 수 있다. 더 나아가, CVD 에피택셜 툴을 튜닝하는 것과 관련한 아래의 논의는 단지 예시에 불과하며, 임의의 유형의 프로세스 툴(30)과 프로세스 툴(30)의 임의의 유형의 모듈을 튜닝하기 위해 툴 튜닝 프로세스 흐름(100)과 툴 튜닝 최적화 프로세스 흐름(200)이 툴 튜닝 시스템(80)에 의해 구현될 수 있다는 것이 구상가능하다.The
도 3의 블록(105)에서, 유지관리(서비스 제공)가 프로세스 툴(30)에 대해 수행된다. 블록(110)에서, 프로세스 툴(30)의 성능을 평가하기 위해 프로세스 툴 성능 체크(110)가 수행된다. 예를 들어, 프로세스 툴(30)의 다양한 프로세스 파라미터들은 프로세스 레시피(희망하는 웨이퍼 특성들을 달성하도록 의도된 프로세스 파라미터 툴 세트)에 따라 설정되며, 프로세스 툴(30)은 프로세스 레시피에 따라 웨이퍼들의 세트를 프로세싱하며, 프로세싱된 웨이퍼들의 세트가 희망하는 웨이퍼 특성들을 나타내는지 여부를 결정하기 위해 프로세싱된 웨이퍼들의 세트의 웨이퍼 특성들은 수집되고, 컴파일링되며 평가된다. 웨이퍼들의 세트를 테스트 웨이퍼 세트라고 칭할 수 있다. 예시에서, 희망하는 웨이퍼 특성들을 달성하도록 의도된 프로세스 파라미터 툴 세트는 유지관리 이전에 프로세스 툴(30)에 의해 구현되었던 프로세스 파라미터 툴 세트이다. 본 예시에서, 프로세스 레시피는 테스트 웨이퍼 세트를 프로세싱하기 위한 간격, 가스 유량, HFRF 전력, 및 증착 시간을 규정하는 프로세스 파라미터 툴 세트를 포함하며; CVD 에피택셜 툴의 간격, 가스 유량, HFRF 전력, 및 증착 시간은 프로세스 레시피에 따라 설정되며; CVD 에피택셜 툴은 에피택셜 피처들을 형성하도록 웨이퍼들의 세트를 프로세싱한다. At block 105 of FIG. 3, maintenance (service provisioning) is performed on the
프로세싱된 테스트 웨이퍼 세트와 연관된 데이터는 수집되어 시계열 차트들(T차트)에서 컴파일링된다. 따라서 이러한 데이터는 각각의 웨이퍼의 에피택셜 피처들을 형성하기 위해 프로세스 툴(30)에 의해 구현된 프로세스 파라미터들과 연관된 프로세스 파라미터 데이터를 포함한다. 위에서 언급한 바와 같이, 파라미터들은 챔버 압력, 챔버 온도, 웨이퍼 온도, 가스 흐름, 증착 시간, (전압, 전류, 전력, 저항, 기타 특성들, 또는 이들의 조합을 비롯한, CVD 에피택셜 툴의 램프 모듈들의 다양한 특성들과 같은) 기타 파라미터들을 포함한다. 데이터는 또한 프로세싱된 웨이퍼들의 에피택셜 피처들의 시트 저항, 두께, 및 응력, 기타의 웨이퍼 특성들, 또는 이들의 조합과 같은, 프로세싱된 웨이퍼들과 연관된 프로세스 모니터 항목 (웨이퍼) 데이터를 포함한다. 이러한 프로세스 모니터 항목 데이터 및 프로세스 파라미터 데이터는 수집되고, 프로세스 툴(30)과 연관된 데이터베이스(25) 또는 다른 데이터베이스에 저장될 수 있다. 그 후 통계적 분석이 시계열 데이터(T차트)에 대해 수행되고, 이로써 평가를 위한 데이터의 양을 감소시키며, 프로세스 툴(30)의 성능은 통계적으로 분석된 시계열 데이터에 기초하여 평가된다. 예를 들어, 통계적 프로세스 제어는 시계열 프로세스 파라미터 데이터와 프로세스 모니터 항목 (웨이퍼) 데이터를 제어 차트들(예컨대, Xbar-R 제어 차트, Xbar-S 제어 차트, I-MR 제어 차트, C 제어 차트, U 제어 차트, Z 제어 차트, 기타의 제어 차트들, 또는 이들의 조합)로 변환하도록 구현되며, 이러한 제어 차트들은 웨이퍼 특성들이 규격 내에 있는지 여부를 평가하기 위해 이용될 수 있다. 제어 차트들은 통계치들에 따라 시계열 데이터를 분석하며, (분석된 데이터의 표준 편차와 같은) 통계적 분석에 의해 프로세스 한계들이 정의된다. 예를 들어, 제어 차트들은 분석된 데이터의 평균값을 나타내는 중심선과, 특히 분석된 데이터의 다수의 표준 편차들 내에 있는, 통계 분석에 의해 정의된 제어 상한(최대값)와 제어 하한(최소값)을 포함한다. 본 예시에서, 도 5에서는, 분석된 프로세스 모니터 항목 (웨이퍼) 데이터의 예시적 테이블(300)은 테스트 웨이퍼 세트의 에피택셜 피처들의 응력, 시트 저항, 및 두께와 연관된 정보를 제공한다. 테이블(300)은 타겟 웨이퍼 특성들을 규정하는데, 타겟 응력(Starget)은 -3 GPa이고, 타겟 시트 저항(RItarget)은 2 ohms/square이며, 타겟 두께(Ttarget )는 510 ㎚이다. 테스트 웨이퍼 세트의 웨이퍼 특성들이 테이블(300)에 포함되며, 테스트 응력(Stest)은 -3 GPa이고, 테스트 시트 저항(RItest)은 2 ohms/square이며, 테스트 두께(Ttest)는 512 ㎚이다. 타겟 응력과 테스트 응력간의 바이어스(또는 차이)는 0이고, 타겟 시트 저항과 테스트 시트 저항간의 바이어스(또는 차이)는 1이며, 타겟 두께와 테스트 두께간의 바이어스(또는 차이)는 2이다. 테이블(300)은 또한 웨이퍼 특성들 각각에 대한 제어 한계들을 규정한다. 예를 들어, Starget의 ±5의 범위 내에 있는 응력은 규격 내에 있는 것이고, RItarget의 ±5의 범위 내에 있는 시트 저항은 규격 내에 있는 것이며, Ttarget의 ±10의 범위 내에 있는 두께는 규격 내에 있는 것이다.The data associated with the processed test wafer set is collected and compiled in time series charts (T charts). This data thus includes process parameter data associated with the process parameters implemented by the
도 3을 다시 참조하면, 블록(115)에서, 프로세스 모니터 항목 (웨이퍼) 데이터는 이 데이터가 규격을 벗어났는지 여부를 결정하기 위해 평가된다. 예를 들어, 테스트 응력이 타겟 응력으로부터 허용가능한 범위 내에 있는지 여부를 결정하도록 테스트 응력이 평가되고, 테스트 시트 저항이 타겟 테스트 시트 저항에 대한 허용가능한 범위 내에 있는지 여부를 결정하도록 테스트 시트 저항이 평가되며, 테스트 두께가 타겟 두께로부터 허용가능한 범위 내에 있는지 여부를 결정하도록 테스트 두께가 평가된다. 프로세스 모니터 항목 데이터가 규격 밖에 있지 않은 경우(즉, 규격 내에 있는 경우), 블록(120)에서 프로세스 툴(30)은 생산을 위해 방출(released)된다. 프로세스 모니터 항목 데이터가 규격 밖에 있는 경우(즉, 허용가능한 범위 외부에 있는 경우), 툴 튜닝 프로세스 흐름(100)은 희망하는 웨이퍼 특성들을 달성하기 위해 프로세스 툴(30)을 튜닝하기 위한 최적의 프로세스 파라미터 툴 세트를 결정하기 위한 툴 튜닝 최적화 프로세스 흐름(200)을 이행하는 툴 튜닝 최적화 모듈(130)(이것을 블록(130)이라고도 칭함)로 이어진다. 본 예시에서, 툴 튜닝 시스템(80)은 툴 튜닝 최적화 모델(130)을 포함한다. 툴 튜닝 최적화 모델(130)은 희망하는 웨이퍼 특성들을 달성하기 위해 프로세스 툴(30)을 튜닝하기 위한 다양한 프로세스 파라미터 툴 세트들을 생성하는 툴 튜닝 솔루션 모듈(140)을 포함한다. 위에서 언급한 바와 같이, 본 예시에서, 본 발명 개시의 발명적 개념들이 보다 잘 이해되도록 하기 위한 명료화를 위해, 아래의 논의는 희망하는 응력, 시트 저항, 및 두께를 나타내는 에피택셜 피처들을 형성하기 위해 CVD 에피택셜 툴을 튜닝하기 위한 간격, 전구체 가스(구체적으로 실리콘 함유 전구체 가스(SiH4))의 가스 유량, HFRF 전력, 및 증착 시간을 포함하는 최적의 프로세스 파라미터 툴 세트를 제공하는 것으로 국한될 것이다. 따라서, 도 4에서의 블록(210)에서, 프로세스 툴(30)은 N개의 프로세스 파라미터들(X1, X2, X3, . . . XN)을 갖지만, 잠재적 조합들의 세트 C(N,n)가 툴 튜닝 솔루션 모듈(140)에 의해 생성되도록 튜닝을 위한 이러한 프로세스 파라미터들의 갯수(n)가 선택된다. 이러한 논의는 제한적인 것으로 의도된 것은 아니며, 본 발명개시는 몇몇의 희망하는 웨이퍼 특성들을 달성하기 위해 몇몇의 프로세스 파라미터들을 포함한 최적의 프로세스 파라미터 툴 세트들을 툴 튜닝 최적화 프로세스 흐름(200)이 결정할 수 있다는 것을 구상할 수 있다.Referring again to FIG. 3, at
도 3과 도 4에서 도시된 실시예에서, 툴 튜닝 솔루션 모듈(140)은 최적의 프로세스 파라미터 툴 세트들을 생성하기 위해 협력하는 엔지니어링 기반 지식 모듈(142), 조합 계산기 모듈(144), 통계적 최적화기 모듈(146), 및 로버스트(robust) 버퍼 모듈(148)을 포함한다. 도 4에서의 블록(220)에서, 엔지니어링 기반 지식 모듈(142)은 최적의 프로세스 파라미터 툴 세트들을 좁히기 위해 조합 계산기 모듈(144)과 통계 최적화기 모듈(146)이 적용하는 (이력 데이터 및/또는 경험에 기초하여 엔지니어 또는 튜닝 시스템(80)에 의해 규정된) 제약들(constraints)을 정의한다. 이러한 제약들은, 엔지니어의 지식 및 경험에 기초하여, 희망하는 웨이퍼 품질(희망하는 웨이퍼 특성들)을 보장하기 위해 위반될 수 없는 규칙들을 규정한다. 엔지니어링 기반 지식 모듈(142)은 프로세스 파라미터들이 서로 어떻게 상관되어 있는지, 프로세스 파라미터들이 프로세스 모니터 항목들과 어떻게 상관되어 있는지, 및 프로세스 모니터 항목들이 서로 어떻게 상관되어 있는지에 기초하여 프로세스 파라미터들의 튜닝에 대한 제약들을 정의한다. In the embodiment shown in Figures 3 and 4, the tool
(1) 프로세스 파라미터들간의 제약들은 프로세스 파라미터들이 서로와 관련하여 어떻게 튜닝되는지에 대한 제한들을 정의한다(X 대 X 제약들). 예를 들어, 이전의 경험은 전구체 가스에 의한 에피택셜 피처들의 에칭이 규격 내에 머물러 있도록 보장하기 위해, 임의의 가스 유량 변경이 상한 및 하한에 의해 한정되어야 한다는 것을 나타낸다. 따라서 희망하지 않는 에칭을 회피하기 위한 예시적인 프로세스 파라미터 제약은(1) constraints between process parameters define constraints on how process parameters are tuned with respect to each other (X to X constraints). For example, previous experience indicates that any gas flow rate change should be limited by the upper and lower limits to ensure that the etch of epitaxial features by the precursor gas remains within the specification. Thus, exemplary process parameter constraints for avoiding unwanted etching are < RTI ID = 0.0 >
-5 ≤ ΔSiH4 (측면) + ΔSiH4 (최상단) ≤ 5-5?? SiH 4 (Side) +? SiH 4 (top)? 5
의 가스 유량에서의 총 단위 변경으로 프로세스 툴 튜닝을 제약시키며, 여기서 ΔSiH4 (측면)은 프로세스 챔버의 측면으로부터의 실리콘 함유 전구체 가스의 가스 유량의 단위 변경이며, ΔSiH4 (최상단)은 프로세스 챔버의 최상단으로부터의 실리콘 함유 전구체 가스의 가스 유량의 단위 변경이다.Where SiH 4 (side) is the unit change in the gas flow rate of the silicon-containing precursor gas from the side of the process chamber, and SiH 4 (top) is the temperature of the process chamber Is a unit change in the gas flow rate of the silicon-containing precursor gas from the uppermost stage.
(2) 프로세스 파라미터들과 프로세스 모니터 항목들간의 제약들은 프로세싱된 웨이퍼들의 세트의 웨이퍼 특성들에 기초하여 튜닝되어야 한다(X 대 Y 제약들). 예를 들어, 프로세싱된 웨이퍼들의 세트에 의해 나타난 웨이퍼 특성간의 차이가 희망하는 웨이퍼 특성으로부터 규정된 범위 내에 있는 경우, 이러한 웨이퍼 특성에 영향을 미치는 프로세스 파라미터는 튜닝에 있어서 디스에이블된다. 본 예시에서, 이전의 경험은 가스 유량이 에피택셜 피처들의 시트 저항에 영향을 미치고 RF 전력이 에피택셜 피처들의 응력에 영향을 미친다는 것을 나타낸다. 따라서 예시적인 프로세스 파라미터/프로세스 모니터 항목 제약은 프로세싱된 웨이퍼들의 세트의 에피택셜 피처들의 시트 저항(RItest)과 희망하는 시트 저항(RItarget)간의 시트 저항차(ΔRI = RItest - RItarget)가 규정된 범위 내에 있는 경우, 가스 유량의 튜닝은 디스에이블된다는 것을 규정할 수 있다. 예를 들어,(2) constraints between process parameters and process monitor items must be tuned based on the wafer characteristics of the set of processed wafers (X to Y constraints). For example, if the difference between the wafer characteristics exhibited by the set of processed wafers is within a defined range from the desired wafer characteristics, the process parameters affecting such wafer characteristics are disabled in the tuning. In the present example, previous experience indicates that the gas flow rate affects the sheet resistance of the epitaxial features and the RF power affects the stresses of the epitaxial features. Therefore, an exemplary process parameter / process monitor entry restriction sheet between the sheet resistance of the epitaxial feature of the set of the processed wafer (RI test) and the desired sheet resistance (RI target) to resist car-is (ΔRI = RI test RI target) If it is within the specified range, it can be specified that the tuning of the gas flow rate is disabled. E.g,
-0.001 < ΔRI < 0.01이면, SiH4는 튜닝에 있어서 디스에이블된다.-0.001 < DELTA RI < 0.01, SiH 4 is disabled in tuning.
또다른 예시적인 프로세스 파라미터/프로세스 모니터 항목 제약은 프로세싱된 웨이퍼들의 세트의 에피택셜 피처들의 응력(Stest)과 희망하는 응력(Starget)간의 응력차(ΔS = Stest - Starget)가 규정된 범위 내에 있는 경우, HFRF 전력의 튜닝은 디스에이블된다는 것을 규정할 수 있다. 예를 들어,Another exemplary process parameter / process monitor item constraint is that the stress difference (? S = S test - S target ) between the stress (S test ) of the epitaxial features of the set of processed wafers and the desired stress (S target ) , It can be specified that the tuning of the HFRF power is disabled. E.g,
-0.2 < ΔS < 0.2이면, SiH4는 튜닝에 있어서 디스에이블된다.If -0.2 <? S <0.2, SiH 4 is disabled in tuning.
프로세스 파라미터/프로세스 모니터 항목 제약들은, 희망하는 웨이퍼 특성으로부터의 웨이퍼 특성의 변동이 작은 경우, 이러한 웨이퍼 특성들에 영향을 미치는 프로세스 파라미터들의 튜닝은 튜닝 동안에 웨이퍼 특성 변경들을 최소화하도록 제한되어야 한다는 것을 인식한다.The process parameter / process monitor item constraints recognize that tuning of process parameters affecting such wafer characteristics should be limited to minimize wafer property changes during tuning when variations in wafer characteristics from the desired wafer characteristics are small .
(3) 프로세스 모니터 항목들간의 제약들은(3) constraints between process monitor items
OOF = Min |W1*ΔS + W2*ΔRI + W3*ΔT| OOF = Min | W 1 * ΔS +
에 의해 제공되는 것과 같은, 최적화 오브젝트 함수(optimization object function; OOF)를 정의하며,Which defines an optimization object function (OOF), such as that provided by < RTI ID = 0.0 >
여기서 W1, W2, 및 W3은 응력 변경(ΔS = Stest - Starget), 시트 저항 변경(ΔRI = RItest - RItarget), 및 두께 변경(ΔT = Ttest - Ttarget)에 대한 각각의 가중화값들이다. 따라서 최적화 오브젝트 함수는 프로세스 모니터들의 변경들을 서로 상대적으로 가중화한다. 아래에서 추가로 논의되는 바와 같이, 최적의 프로세스 파라미터 툴 세트는 최적화 오브젝트 함수의 값을 최소화하며, 이 경우 최적화 오브젝트 함수는 이상적으로는 제로와 동일하다. 본 예시에서, 논의를 위해, 에피택셜 피처들의 두께와 응력이 중요한 것으로 간주되는 경우, 응력과 두께가 가능한 한 타겟 응력과 타겟 두께에 가까워지도록 하여 아래의 오브젝트 최적화 함수(W1=6, W2=1, 및 W3=6)를 제공하는 것을 보장하도록 시트 저항은 "희생"될 수 있다:Where W 1 , W 2 , and W 3 are stress changes (ΔS = S test - S target ), sheet resistance change (ΔRI = RI test - RI target ), and thickness variations ([Delta] T = T test - T target ). Thus, the optimizer object function weighs the changes in the process monitors relative to each other. As discussed further below, the optimal set of process parameter tools minimize the value of the optimization object function, in which case the optimization object function is ideally equal to zero. In the present example, for the sake of discussion, if the thickness and stress of the epitaxial features are deemed important, the following object optimization functions (W 1 = 6, W 2 = 1, and W 3 = 6), the sheet resistance can be "sacrificed "
OOF = Min |6*ΔS + 1*ΔRI + 6*ΔT|OOF = Min | 6 *? S + 1 *? RI + 6 *? T |
도 4에서의 블록(230)에서, 조합 계산기 모듈(144)은 잠재적인 프로세스 파라미터 툴 튜닝 솔루션 세트들의 세트를 생성한다. 도 6은 본 발명개시의 다양한 양태들에 따라 잠재적인 프로세스 파라미터 세트들의 세트를 생성하기 위해 툴 튜닝 솔루션 모듈(140)에 의해 구현될 수 있는 프로세스 흐름(400)의 블록도이다. 본 예시에서, 조합 계산기 모듈(144)은 블록(230)에서 잠재적인 프로세스 파라미터 세트들의 세트를 생성하기 위한 프로세스 흐름(400)을 구현한다. 블록(410)에서, 조합 계산기 모듈(144)은 (대응하는 단일 테스트 웨이퍼 특성으로부터) 단일 타겟 웨이퍼 특성을 달성하기 위해 어떻게 단일 프로세스 파라미터가 튜닝되어야 하는지를 결정함으로써 잠재적인 프로세스 파라미터 값들을 생성한다. 이러한 생성은 프로세스 파라미터들(여기서는, 가스 유량, HFRF 전력, 증착 시간, 및 간격)이 각각 프로세스 모니터 항목들(여기서는, 에피택셜 피처들의 응력, 시트 저항, 및 두께)에 어떻게 간접적으로 또는 직접적으로 영향을 미치는지를 고려한다. 도 5에서의 예시의 경우를 참조하면, 민감도 테이블(310)은 튜닝용으로 선택된 프로세스 파라미터들(X1, X2, X3, X4)에서의 변경에 대한 프로세스 모니터 항목들(Y1, Y2, Y3)의 민감도들을 정의한다. 민감도 테이블(310)은 각각의 프로세스 파라미터에서의 단위 변경이 어떻게 각각의 프로세스 모니터 항목에 각각 영향을 미치는지를 나타낸다. 예를 들어, 민감도 테이블(310)은 가스 유량을 변경시키는 것은 응력에 영향을 미치지 않고, 가스 유량을 한 단위만큼 변경시키는 것은 시트 저항을 0.2 ohm/square만큼 증가시키며, 가스 유량을 한 단위만큼 변경시키는 것은 두께를 1 ㎚만큼 증가시키는 것을 나타낸다. 민감도 테이블(310)은 또한 HFRF 전력이 응력, 시트 저항, 및 두께에 영향을 미친다는 것을 나타낸다. 예를 들어, HFRF 전력에서의 매 두 단위 증가마다, 응력은 -0.5 GPa만큼 감소되고, 시트 저항은 -0.1 ohm/square만큼 감소되며, 두께는 -0.25 ㎚만큼 감소된다. 민감도 테이블(310)은 또한 증착 시간(증착 시간에서의 매 0.1 단위 변경마다, 두께는 100 ㎚만큼 증가된다)과 간격(간격에서의 매 한 단위 변경마다, 두께는 2 ㎚만큼 감소된다)을 변경시키는 것에 의해 단지 두께만이 영향을 받는다는 것을 나타낸다. 민감도 테이블(310)은 프로세스 툴(30)에 의해 프로세싱된 테스트 웨이퍼들과 연관된 데이터, 프로세스 툴(30)에 의해 프로세싱된 웨이퍼들과 연관된 이력 데이터, 엔지니어의 경험 및/또는 지식, 다른 인자들, 또는 이들의 조합을 이용하여 생성된다.At
블록(410)에서, 조합 계산기 모듈(144)은 민감도 테이블(310)을 이용하여 각각의 타겟 웨이퍼 특성을 달성하도록 각각의 프로세스 파라미터가 어떻게 튜닝되는지를 나타내는 일대일 튜닝 테이블(320)을 생성한다. 예를 들어, 민감도 테이블(310)은 가스 유량, 증착 시간, 및 간격을 튜닝하는 것은 응력에 영향을 미치지 않는다는 것을 나타내고, 일대일 튜닝 테이블(320)은 이러한 프로세스 파라미터들의 튜닝이 타겟 응력을 달성하기 위해 적용가능하지 않다는 것(N/A)을 나타낸다. 더 나아가, 테스트 응력은 타겟 응력을 충족시키고(테이블(300)), HFRF 전력에서의 변경들은 응력을 변경시키기 때문에(테이블 (310)), 일대일 튜닝 테이블(320)은 타겟 응력을 유지하기 위해, HFRF 전력에 대한 어떠한 튜닝(0)도 타겟 응력을 유지하기 위해 필요하지 않다는 것을 나타낸다. 시트 저항의 경우, 민감도 테이블(310)은 증착 시간과 간격을 튜닝하는 것이 응력에 영향을 미치지 않는다는 것을 나타내고, 일대일 튜닝 테이블(320)은 이러한 프로세스 파라미터들의 튜닝이 타겟 시트 저항을 달성하기 위해 적용가능하지 않다는 것(N/A)을 나타낸다. 시트 저항은 타겟 시트 저항보다 1 ohm/square만큼 높고(테이블(300)), 민감도 테이블(310)은 가스 유량에서의 매 한 단위 증가가 시트 저항을 0.2 ohm/square만큼 증가시킨다는 것을 나타내기 때문에, 일대일 튜닝 테이블(320)은 가스 유량을 5 단위만큼 감소시키는 것이 (시트 저항을 1 ohm/square만큼 감소시켜서 타겟 시트 저항을 달성함으로써) 타겟 시트 저항을 달성한다는 것을 나타낸다. 더 나아가, 시트 저항은 타겟 시트 저항보다 1 ohm/square만큼 높고(테이블(300)), 민감도 테이블(310)은 HFRF 전력에서의 매 두 단위 증가가 시트 저항을 -0.1 ohm/square만큼 감소시킨다는 것을 나타내기 때문에, 일대일 튜닝 테이블(320)은 HFRF 전력을 10 단위만큼 증가시키는 것이 (시트 저항을 1 ohm/square만큼 감소시켜서 타겟 시트 저항을 달성함으로써) 타겟 시트 저항을 달성한다는 것을 나타낸다. 마찬가지로, 두께의 경우, 두께는 타겟 두께보다 2 ㎚만큼 높기 때문에(테이블(300)), 일대일 튜닝 테이블(320)은, 가스 유량을 2 단위만큼 감소시키는 것이 (가스 유량에서의 매 한 단위 증가는 두께를 1㎚만큼 증가시키기 때문에) 타겟 두께를 달성하고, HFRF 전력을 8 단위만큼 증가시키는 것은 (HFRF 전력에서의 매 2 단위 증가는 두께를 0.25㎚만큼 감소시키기 때문에) 타겟 두께를 달성하고, 증착 시간을 0.02 단위만큼 감소시키는 것은 (증착 시간에서의 매 0.1 단위 증가는 두께를 100㎚만큼 증가시키기 때문에) 타겟 두께를 달성하며, 간격을 한 단위만큼 증가시키는 것은 (간격에서의 매 한 단위 증가는 두께를 2㎚만큼 감소시키기 때문에) 타겟 두께를 달성한다는 것을 나타낸다.At block 410, the
그 후 조합 계산기 모듈(144)은 성장 프로세스(420)를 이행하여 테이블(330)을 생성함으로써 프로세스 파라미터들 각각에 대한 잠재적인 단위 변경들을 생성한다. 예를 들어, 도 5와 도 6을 참조하면, 조합 계산기 모듈(144)은 추가로 설명되는 바와 같이 테이블(330)에서 1, 0, -1, -2, -3, -4, -5, 및 -6을 포함하는 가스 유량(SiH4)에 대한 잠재적인 단위 변경들을 생성한다. 테이블(330)은 일대일 튜닝 테이블(320)(여기서, 가스 유량에 대해 -5와 -2)에서 제공된 잠재적인 단위 변경들을 포함한다. 블록(422)에서, 조합 계산기 모듈(144)은 잠재적인 단위 변경들이 제로(0)를 포함하는지 여부를 결정하기 위해 일대일 튜닝 테이블(320)에서 제공된 각각의 프로세스 파라미터에 대한 잠재적인 단위 변경들을 평가한다. 잠재적인 단위 변경들이 제로를 포함하지 않은 경우, 블록(424)에서, 제로가 잠재적인 단위 변경들에 추가되고 그 후 성장 프로세스는 블록(426)으로 이어진다. 잠재적인 단위 변경들이 제로를 포함한 경우, 성장 프로세스(420)는 블록(426)으로 이어진다. 본 예시에서, 일대일 튜닝 테이블(320)에서 제공된 가스 유량에 대한 잠재적인 단위 값 변경들은 제로를 포함하지 않으며, 따라서 제로가 잠재적인 단위 변경들에 추가된다. 블록(426)에서, 조합 계산기 모듈(144)은 잠재적인 단위 변경들의 평균을 결정하고, 이 평균은 잠재적인 단위 변경들로서 포함된다. 본 예시에서, 가스 유량의 경우, 잠재적인 단위 변경들은 현재 -5, -2, 및 0을 포함하며, 잠재적인 단위 변경들의 평균은 대략 -2.333이다. 평균은 가장 가까이 있는 완전한 단위로 라운딩(round)되며, 이에 따라 평균은 -2이다. 잠재적인 단위 변경들은 이미 -2를 포함하기 때문에, 블록(426)에서는 어떠한 추가적인 잠재적인 단위 변경도 잠재적인 단위 변경들에 추가되지 않는다. 대안적으로 또는 추가적으로, 잠재적인 단위 변경들의 중간값이 결정되어 잠재적인 단위 변경들에 포함된다. 성장 프로세스(420)는 블록(428)으로 이어지며, 여기서 조합 계산기 모듈(14)은 +1과 -1 단위를 각각의 잠재적인 단위값에 가산함으로써 잠재적인 단위 변경들을 확장시킨다. 따라서, 본 예시에서, -4와 -6의 잠재적인 단위 변경들을 가져오기 위해 단위가 -5로부터 가산되고 감산되고, -3와 -1의 잠재적인 단위 변경들을 가져오기 위해 단위가 -2로부터 가산되고 감산되며, 1와 -1을 잠재적인 단위 변경들로서 가져오기 위해 단위가 0으로부터 가산되고 감산된다. 그 후 조합 계산기 모듈(144)은 잠재적인 단위 변경들에 대한 사분의수(quartile)들(이 시점에서, 1, 0, -1, -2, -3, -4, -5, 및 -6)을 결정하고 이러한 사분의수들을 잠재적인 단위 변경들로서 포함시켜서, 가스 유량에 대한 잠재적인 단위 변경들을 추가로 확장시킴으로써 블록(428)에서의 성장 프로세스(420)로 이어진다. 평균(또는 중간값)을 결정하는 것과 마찬가지로, 사분의수들은 가장 가까이에 있는 완전한 단위로 라운딩된다. 본 예시에서, 사분의수들은 이미 잠재적인 단위 변경들로서 포함되어 있다. 따라서 조합 계산기 모듈(144)은 테이블(330)에 대해 잠재적인 단위 변경들 1, 0, -1, -2, -3, -4, -5, 및 -6을 생성한다. 조합 계산기 모듈(144)은 마찬가지로 성장 프로세스(420)를 구현하여 테이블(330)에서의 HFRF 전력, 증착 시간, 및 간격에 대한 잠재적인 단위 변경들을 더 제공한다. 성장 프로세스(420)를 구현함으로써, 조합 계산기 모듈(144)은 (트리밍(trimming) 프로세스(440) 이후에 생성된) 테이블(330)에서의 프로세스 파라미터들에 대한 잠재적인 단위 변경들에 기초하여 약 256개의 잠재적인 프로세스 파라미터 툴 세트 솔루션들을 생성한다. 따라서 조합 계산기 모듈(144)은 테이블(320)을 이용하여 생성된 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 갯수로부터 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 갯수를 증가시킨다.The
그 후 조합 계산기 모듈(144)은 트리밍 프로세스(440)를 이행하여 테이블(340)을 생성함으로써 프로세스 파라미터들 각각에 대한 잠재적인 단위 변경들을 감소시킨다. 본 예시에서, 잠재적인 프로세스 파라미터 툴 세트들을 약 200개 미만까지 감소시키는 것이 요망되며, 테이블(330)에서의 프로세스 파라미터들에 대한 잠재적인 단위 변경들에 기초하여, 조합 계산기 모듈(144)은 프로세스 툴(30)을 튜닝하기 위해 약 256개의 잠재적인 프로세스 파라미터 툴 세트 솔루션들을 생성하였다. 도 5와 도 6을 참조하면, 이에 따라 블록(442)에서, 조합 계산기 모듈(144)은 잠재적인 프로세스 파라미터 툴 세트들이 규정된 제한을 초과한다라고 결정한다(여기서는, 요청되거나 또는 희망하는 것보다 56개가 더 많은 잠재적인 파라미터 툴 세트들이 존재한다). 잠재적인 프로세스 파라미터 툴 세트들은 규정된 제한을 초과하기 때문에, 블록(444)에서, 조합 계산기 모듈(144)은 각각의 프로세스 파라미터(Xi)에 대한 잠재적인 단위 변경들의 갯수를 평가하여 어느 프로세스 파라미터들이 가장 많은 잠재적인 단위 변경들을 갖는지를 결정한다. 본 예시에서는, 가스 유량과 HFRF 전력 모두가 가장 많은 잠재적인 단위 변경들(구체적으로, 여덟 개의 잠재적인 단위 변경들)을 갖는다. 블록(446)에서, 조합 계산기 모듈(144)은 (블록(146)에서 결정된) 가장 많은 잠재적인 단위 변경들을 갖는 프로세스 파라미터의 잠재적인 단위 변경들로부터 절대적 최대 잠재적인 단위 변경과 절대적 최소 잠재적인 단위 변경을 결정한다. 그런 후 절대적 최대 잠재적인 단위 변경과 절대적 최소 잠재적인 단위 변경은 이러한 변경들이 제로와 동일하지 않는 한, 프로세스 파라미터에 대한 잠재적인 단위 변경들로부터 트리밍된다. 예를 들어, 가스 유량의 경우, 절대적 최대 잠재적인 단위 변경은 6이고, 절대적 최소 잠재적인 단위 변경은 0이다. 마찬가지로, HFRF 전력의 경우, 절대적 최대 잠재적인 단위 변경은 12이고, 절대적 최소 잠재적인 단위 변경은 0이다. 이에 따라 -6의 잠재적인 단위 변경이 가스 유량에 대한 잠재적인 단위 변경들로부터 제거되고, 이에 따라 12의 잠재적인 단위 변경이 HFRF 전력에 대한 잠재적인 단위 변경들로부터 제거된다. 트리밍 프로세스(440)를 구현함으로써, 조합 계산기 모듈(144)은 (트리밍(trimming) 프로세스(440) 이후에 생성된) 테이블(340)에서의 프로세스 파라미터들에 대한 잠재적인 단위 변경들에 기초하여 약 196개의 잠재적인 프로세스 파라미터 툴 세트 솔루션들을 생성한다. 따라서 조합 계산기 모듈(144)은 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 갯수를 256개에서 196개로 감소시킨다. 그런 후 조합 계산기 모듈(144)은 블록(442)으로 복귀하는데, 여기서는 잠재적인 프로세스 파라미터 툴 세트 솔루션들이 규정된 제한을 이제 넘어서지 않는다라고 결정된다. The
테이블(340)에서 조합 계산기 모듈(144)에 의해 생성된 잠재적인 프로세스 파라미터 툴 세트 솔루션들은 너무 공격적일 수 있는데, 다시 말하면, 하나 이상의 프로세스 파라미터들에 대해 너무 많은 변경을 제안할 수 있다. 블록(448)에서, 조합 계산기 모듈(144)은 로버스트 버퍼링 모듈(148)과 협력하여 로버스트 버퍼링을 통해 잠재적인 프로세스 파라미터 툴 세트 솔루션들을 둔감화시킨다. 로버스트 버퍼링 모듈(148)은 블록(240)에서 프로세스 파라미터들에서 변경들에 대한 다앙한 프로세스 모니터 항목들간의 과도하게 민감한 상관들(여기서는, 민감도 테이블(310)에서 정의된 상관들)을 보정하는 민감도 조정 기준을 정의한다. 본 예시에서, 민감도 조정 기준은 각각의 프로세스 파라미터에 대한 프로세스 파라미터 단위 변경들의 갯수를 디스카운트(discount)하여, 테이블(350)에서 제공된 바와 같이 각각의 프로세스 파라미터에 대한 잠재적인 단위 변경들의 갯수를 더욱 감소시킨다. 예를 들어, 민감도 조정 기준은 0.6의 디스카운트를 정의하는데, 이것은 각각의 프로세스 파라미터에 대한 프로세스 파라미터 단위 변경들의 갯수가 40%만큼 감소된다는 것을 의미한다. 본 예시에서, 가스 유량은 일곱 개의 잠재적인 프로세스 파라미터 단위 변경들을 갖기 때문에, 이러한 디스카운트는 이러한 잠재적인 변경들 각각이 해당 단위로 라운딩 오프하여 각자의 원래 값의 60%로서 추정되는 것을 지시한다. 즉, 원래 세트 (1,0,-1,-2,-3,-4,-5)는 (0.6,0,-0.6,-1.2,-1.8,-2.4,-3)로서 디스카운트되고, (1,0,-1, -1,-2, -2, -3)로서 라운드 오프되며, 그런 후 (1,0,-1,-2,-3)로서 요약된다. 마찬가지로, HFRF 전력에서의 잠재적인 파라미터 단위 변경들의 경우, (-2,0,2,4,6,8,10)은 (-1.2,0,1.2,2.4,3.6,4.8,6)로 디스카운트되고 라운트 오프되어 (-1,0,1,2,4,5,6)로서 요약된다. 대안적으로, 민감도 조정 기준은 예컨대 가중화 최소 함수를 정의하는데,Potential process parameter tool set solutions generated by the
여기서는 프로세스 파라미터들(X)에서의 변경들이 프로세스 모니터 항목들(Y)에서의 변경들에 대해 가중화된다. 블록(448)에서 로버스트 버퍼링을 수행함으로써, 이에 따라 조합 계산기 모듈(144)은 테이블(350)에서의 프로세스 파라미터들에 대한 잠재적인 단위 변경들에 기초하여 잠재적인 프로세스 파라미터 툴 세트 솔루션들의 갯수를 약 75개로 감소시킨다.Where changes in process parameters (X) are weighted against changes in process monitor items (Y). By performing robust buffering at
조합 계산기 모듈(144)은 또한 잠재적인 툴 튜닝 프로세스 파라미터 솔루션들의 세트를 생성하기 위해 (엔지니어링 기반 지식 모듈(142)에 의해 정의된) 동작 제약 기준을 적용한다. 예를 들어, 위에서 언급한 바와 같이, 가스 유량(SiH4)에 대한 예시적인 동작 제약은 -5 ≤ ΔSiH4 (측면) + ΔSiH4 (최상단) ≤ 5을 규정한다. 따라서, ± 5인 가스 유량에서의 임의의 잠재적인 단위 변경은 잠재적인 툴 튜닝 프로세스 파라미터 솔루션들을 생성할 때에 고려대상에서 제거된다. 이러한 제약은 테이블(350)에서 제공된 잠재적인 단위 변경들에 적용될 수 있다. 더 나아가, 위에서 언급한 바와 같이, 예시적인 동작 제약 기준은, (1) -0.001 < ΔRI < 0.01인 경우, SiH4가 튜닝에 있어서 디스에이블되고, (2) -0.2 < ΔS < 0.2인 경우, SiH4가 튜닝에 있어서 디스에이블되는 것을 규정한다. 본 예시에서, (테이블(300)에서 표시된 바와 같이) 응력 변경은 제로이며, 이에 따라 가스 유량(SiH4)은 튜닝에 있어서 디스에이블되어야 한다. 이러한 제약은 잠재적인 툴 튜닝 프로세스 파라미터 솔루션들의 세트를 생성하기 위한 프로세스 흐름 동안의 다양한 시간들에서 적용될 수 있다. 예를 들어, 가스 유량에 대한 잠재적인 단위 변경은 초기에 제로로 설정되며, 이로써 가스 유량에 대한 잠재적인 단위 변경들은 테이블(320), 테이블(330), 테이블(340), 및 테이블(350)에서 도시된 바와 같이 조합 계산기 모듈(144)에 의해 생성된다. 다른 예시에서, 조합 계산기 모듈(144)이 테이블(350)을 생성하면, 잠재적인 툴 튜닝 프로세스 파라미터 솔루션들의 세트는 가스 유량이 제로 단위 변경으로 설정되는 프로세스 파라미터들의 조합만을 포함한다. 본 발명개시는 잠재적인 툴 튜닝 프로세스 파라미터 솔루션들의 세트를 생성할 때의 동작 제약들의 대안적인 적용을 구상할 수 있다.The
그런 후 조합 계산기 모듈(144)은 잠재적인 프로세스 파라미터 툴 튜닝 솔루션들의 세트를 생성하기 위해 테이블(350)로부터 프로세스 파라미터들의 모든 잠재적인 조합들을 결정한다. 블록(450)에서, 조합 계산기 모듈(144)은 지능적 정렬 알고리즘에 따라 잠재적인 프로세스 파라미터 툴 세트들을 정렬시킨다. 예시에서, 지능적 정렬 알고리즘은 엔지니어링 기반 지식 모듈(142)에 의해 정의된다. 본 예시에서, 조합 계산기 모듈(144)은 잠재적인 파라미터 툴 세트들을 최소 총체적 프로세스 파라미터 변경들로부터 최대 총체적 프로세스 파라미터 변경들로 정렬하고 순서화한다. 테이블(350)에서와 같이, (SiF4, HFRF, 증착 시간, 간격)은 C1=(0,0,0,1) 및 (1,6,0,1)을 포함하여,105개의 조합들을 가질 수 있고, C1은 모든 튜닝 파라미터들에서의 자신의 최소 변경들로 인해 우선순위화될 것이다.The
도 3과 도 4로 되돌아와서, 그 후 툴 튜닝 최적화 프로세스 흐름(200)은 블록(250)으로 이어지는데, 여기서는 통계 최적화기 모듈(146)이 잠재적인 프로세스 파라미터 툴 튜닝 솔루션들의 세트(본 예시에서는, 테이블(350)으로부터의 잠재적인 프로세스 파라미터 툴 세트들의 정렬된 세트)를 평가하여 이것을 최상의 최적 프로세스 파라미터 툴 튜닝 솔루션들의 세트로 좁힌다. 통계 최적화기 모듈(146)은 잠재적인 파라미터 툴 튜닝 솔루션들의 세트를 좁힐 때 엔지니어링 기반 지식 모듈(142)에 의해 정의된 동작 제약들(블록 220)을 적용한다. 예를 들어, 통계 최적화기 모듈(146)은 엔지니어링 기반 지식 모듈(142)에 의해 정의된 최적화 오브젝트 함수, 구체적으로,Turning now to Figures 3 and 4, the tool tuning optimization process flow 200 then continues to block 250 where the
OOF = Min |6*ΔS + 1*ΔRI + 6*ΔT|OOF = Min | 6 *? S + 1 *? RI + 6 *? T |
를 최소화하는 프로세스 파라미터 툴 튜닝 솔루션들을 찾기 위해 잠재적인 프로세스 파라미터 툴 튜닝 솔루션들의 세트를 평가한다.Process parameters to minimize tooltuning Evaluate a set of potential process parameter tool tuning solutions to find solutions.
통계 최적화기 모듈(146)은 임의의 적절한 통계 최적화기를 이용한다. 예를 들어, 통계 최적화기 모듈(146)은 "Adaptive and Automatic Determination of System Parameters"이라는 명칭의 미국 특허 출원 공개 번호 2012/0130525에서 기술된 MIMO(multiple input/multiple output) 최적화기를 구현하며, 본 명세서에서는 참조로서 이 문헌의 내용 전체를 병합한다. 조합 계산기 모듈(144)은 좁게 맞춤화되고 정렬된 잠재적인 프로세스 파라미터 툴 튜닝 솔루션들의 세트를 제공하기 때문에, 통계 최적화기 모듈(146)은 통상적인 툴 튜닝 방법들보다 훨씬 빠르게 최적의 잠재적인 프로세스 파라미터 툴 튜닝 솔루션들의 세트를 생성할 수 있다.The
블록(260)에서, 최적의 프로세스 파라미터 툴 튜닝 솔루션들은 최적화된 OOF 값들의 최종적인 결과들의 몇몇 기준에 따라 등급설정된다. 예를 들어, 최적의 프로세스 파라미터 툴 튜닝 솔루션들은 엔지니어링 기반 지식 모듈(142) 및/또는 로버스트 버퍼 모듈(148)에 의해 정의된 등급설정 기준에 따라 등급설정된다. 그 후, 블록(270)에서, 마찬가지로 몇몇의 기준에 기초하여, 프로세스 툴을 튜닝하기 위해 최적의 프로세스 파라미터 툴 튜닝 솔루션들 중 몇몇이 제안되며, 예를 들어, 최상의 솔루션이 선택되거나 또는 최상위 3개의 평균이 제안된다. 도 3으로 다시 돌아가서, 프로세스 툴(30)은 제안된 최적의 프로세스 파라미터 툴 튜닝 솔루션들 중 하나에 따라 튜닝된다. 그 후 툴 튜닝 프로세스 흐름(100)은 블록(110)으로 복귀하는데, 여기서는 프로세스 툴(30)이 최적의 프로세스 파라미터 툴 튜닝 솔루션에 따라 구성될 때 프로세스 툴(30)에 의해 프로세싱된 웨이퍼들이 희망하는 프로세스 모니터 항목들을 나타내는지 여부를 결정하기 위해 또다른 프로세스 툴 성능 체크가 수행된다. 프로세스 모니터 항목들이 규격 내에 있는 경우, 블록(120)에서, 프로세스 툴은 생산을 위해 방출되며, 프로세스 툴(30)은 웨이퍼들을 프로세싱한다. 프로세스 모니터 항목들이 규격 내에 있지 않은 경우, 블록(130)에서 프로세스 툴(30)이 생산을 위해 방출될 때 까지 툴 튜닝 최적화 프로세스가 반복된다.At
도 7은 본 발명개시의 다양한 양태들에 따라 프로세스 툴에 의해 프로세싱된 웨이퍼들이 희망하는 프로세스 모니터 항목들을 나타내도록 프로세스 툴의 프로세스 파라미터들을 튜닝하기 위한 방법(500)의 흐름도이다. 예시에서, 도 1의 집적 회로 디바이스 제조 시스템(10)에서의 프로세스 툴(30)을 튜닝하기 위해 방법(500)이 이용된다. 블록(510)에서, 도 1 내지 도 6을 참조하여 위에서 설명된 바와 같이 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트가 생성된다. 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트는 프로세스 툴에 의해 프로세싱된 웨이퍼들과 연관된 프로세스 모니터 항목 데이터, 각각의 프로세스 파라미터에 대한 프로세스 모니터 항목들의 민감도와 연관된 민감도 데이터, 동작 제약 기준, 및 민감도 조정 기준을 이용하여 생성된다. 블록(520)에서, 도 1 내지 도 6을 참조하여 위에서 설명된 잠재적인 툴 튜닝 프로세스 파라미터 조합들의 세트로부터 최적의 툴 튜닝 프로세스 파라미터 조합들의 세트가 생성된다. 블록(530)에서, 도 1 내지 도 6을 참조하여 위에서 설명된 최적의 툴 튜닝 프로세스 파라미터 조합들 중 하나에 따라 프로세스 툴이 구성된다. 방법(500)은 최적의 툴 튜닝 프로세스 파라미터 조합들 중의 하나에 따라 구성된 프로세스 툴로 웨이퍼들을 프로세싱하는 것을 더 포함할 수 있다. 추가적인 단계들이 방법(500) 전에, 그 동안에, 및 그 후에 제공될 수 있으며, 설명된 단계들 중 몇몇은 방법(500)의 다른 실시예들을 위해 교체되거나, 제거되거나 또는 이동될 수 있다.7 is a flow diagram of a
도 8은 여기서 설명한 다양한 방법들 및 시스템들, 예컨대, 위에서 논의된 방법들(100, 200, 400, 500)의 다양한 방법 블록들을 구현하기 위한 컴퓨터 시스템(600)의 블록도이다. 예를 들어, 컴퓨터 시스템(600)은 프로세스 툴(30)과 같은 프로세스 툴을 튜닝하기 위한 최적의 툴 튜닝 프로세스 파라미터 세트를 결정하도록 동작가능하다. 본 예시에서, 툴 튜닝 시스템(80)은 프로세스 툴(30)을 튜닝하기 위한 컴퓨터 시스템(600)을 포함한다. 다양한 구현들에서, 컴퓨터 시스템(600)의 디바이스들은 네트워크(예컨대, 인트라넷 또는 인터넷)와 통신할 수 있는 네트워크 통신 디바이스 또는 네트워크 컴퓨팅 디바이스(예컨대, 모바일 셀룰러 폰, 랩탑, 개인 컴퓨터, 네트워크 서버 등)를 포함한다. 이러한 디바이스들 각각은 다음의 방법으로 네트워크와 통신하기 위한 컴퓨터 시스템(600)으로서 구현될 수 있다는 것을 이해해야 한다.8 is a block diagram of a
본 발명개시의 다양한 실시예들에 따르면, 로컬 컴퓨터 또는 네트워킹된 컴퓨터 시스템과 같은 컴퓨터 시스템(600)은 정보를 전달하기 위한 버스 컴포넌트(602) 또는 다른 통신 메커니즘을 포함하며, 이러한 버스 컴포넌트(602)는 프로세싱 컴포넌트(604)(예컨대, 프로세서, 마이크로 제어기, 디지털 신호 프로세서(digital signal processor; DSP), 다른 프로세싱 컴포넌트, 또는 이들의 조합), (RAM과 같은) 시스템 메모리 컴포넌트(606), (ROM과 같은) 정적 저장 컴포넌트(808), (자기 컴포넌트, 광학 컴포넌트, 기타 컴포넌트, 또는 이들의 조합과 같은) 디스크 드라이브 컴포넌트(610), 네트워크 인터페이스 컴포넌트(612)(예컨대, 모뎀, 이더넷 카드, 기타 네트워크 인터페이스 컴포넌트, 또는 이들의 조합), 디스플레이 컴포넌트(614)(예컨대, 캐소드 음극선관(cathode ray tube; CRT), 액정 디스플레이(liquid crystal display; LCD), 기타 디스플레이 컴포넌트, 또는 이들의 조합), (키보드와 같은) 입력 컴포넌트(616), (마우스 또는 트랙볼과 같은) 커서 제어 컴포넌트(618), 및 (아날로그 또는 디지털 카메라와 같은) 이미지 캡쳐 컴포넌트(620)와 같은 서브시스템들 및 컴포넌트들을 상호연결시킨다. 하나의 구현에서, 디스크 드라이브 컴포넌트(610)는 하나 이상의 디스크 드라이브 컴포넌트들을 갖는 데이터베이스를 포함한다.According to various embodiments of the present disclosure, a
본 발명개시의 실시예들에 따르면, 컴퓨터 시스템(600)은 프로세서(604)가 시스템 메모리 컴포넌트(606)에 포함된 하나 이상의 명령들의 하나 이상의 시퀀스를 실행함으로써 특정 연산들을 수행한다. 예시에서, 이러한 명령들은 정적 저장 컴포넌트(608) 또는 디스크 드라이브 컴포넌트(610)와 같은, 또다른 컴퓨터 판독가능한 매체로부터 시스템 메모리 컴포넌트(606) 내에서 판독된다. 또다른 예시에서, 본 발명개시를 구현하기 위해 소프트웨어 명령들을 대신해서(또는 이와 조합형태로) 하드 와이어드 회로가 이용된다. 본 발명개시의 실시예들에 또한 따르면, 실행을 위한 명령들을 프로세서 컴포넌트(604)에 제공하는데 관여하는 임의의 매체를 가리키는 컴퓨터 판독가능한 매체에서 로직이 인코딩된다. 이러한 매체는 비제한적인 예시로서 비휘발성 매체 및 휘발성 매체의 많은 형태들을 취한다. 예시에서, 컴퓨터 판독가능한 매체는 비일시적인 것이다. 다양한 구현들에서, 비휘발성 매체는 디스크 드라이브 컴포넌트(610)와 같은 광학 또는 자기 디스크들을 포함하고, 휘발성 매체는 시스템 메모리 컴포넌트(606)와 같은 동적 메모리를 포함한다. 하나의 양태에서, 명령들을 실행하는 것과 관련된 데이터 및 정보는 무선파와 적외선 데이터 통신들 동안에 생성된 것을 비롯하여, 음파 또는 광파의 형태와 같은, 전송 매체를 통해 컴퓨터 시스템(600)에 전송된다. 다양한 구현들에서, 전송 매체는 버스(602)를 포함한 와이어들을 비롯하여, 동축 케이블, 구리 와이어 및 광섬유를 포함한다.In accordance with embodiments of the present disclosure,
컴퓨터 판독가능한 매체의 몇몇의 통상적인 형태들은, 예컨대 플로피 디스크, 플렉서블 디스크, 하드 디스크, 자기 테이프, 임의의 다른 자기 매체, CD-ROM, 임의의 다른 광학 매체, 천공 카드, 종이 테이프, 홀 패턴을 지닌 임의의 다른 물리적 매체, RAM, PROM, EPROM, FLASH-EPROM, 임의의 다른 메모리 칩 또는 카트리지, 반송파, 또는 컴퓨터가 판독하도록 구성된 임의의 다른 매체를 포함한다. 본 발명개시의 다양한 실시예들에서, 컴퓨터 시스템(600)은 본 발명개시를 실행하기 위해 명령 시퀀스들의 실행을 수행한다. 본 발명개시의 다양한 다른 실시예들에서, 컴퓨터 시스템(600)과 같은 다양한 컴퓨터 시스템들은 통신 링크(630)(예컨대, LAN, WLAN, PTSN과 같은 통신 네트워크, 및/또는 원격통신, 모바일, 및 셀룰라 폰 네트워크를 비롯한 다른 유선 또는 무선 네트워크들)에 의해 결합되며, 본 발명개시를 실시하기 위해 명령 시퀀스들을 서로 협력하여 수행한다. 다양한 예시들에서, 컴퓨터 시스템(600)은 통신 링크(630)와 통신 인터페이스(612)를 통해 하나 이상의 프로그램들(다시 말하면, 애플리케이션 코드)를 비롯하여, 메시지들, 데이터, 정보 및 명령들을 송수신한다. 프로세서 컴포넌트(804)는 디스크 드라이브 컴포넌트(610) 또는 몇몇의 다른 비휘발성 저장 컴포넌트에서 수신되고 및/또는 저장되어 있는 실행을 위한 프로그램 코드를 실행할 수 있다.Some common forms of computer-readable media include, but are not limited to, a floppy disk, a flexible disk, a hard disk, a magnetic tape, any other magnetic medium, a CD-ROM, any other optical medium, A ROM, a PROM, an EPROM, a FLASH-EPROM, any other memory chip or cartridge, a carrier wave, or any other medium that a computer is configured to read. In various embodiments of the present disclosure,
적용가능한 경우, 본 발명개시에 의해 제공되는 다양한 실시예들은 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합들을 이용하여 구현된다. 또한, 적용가능한 경우, 여기서 설명된 다양한 하드웨어 컴포넌트들 및/또는 소프트웨어 컴포넌트들은 본 발명개시의 사상으로부터 벗어나지 않고서 소프트웨어, 하드웨어, 및/또는 이들 모두를 포함한 복합 컴포넌트들로 결합된다. 적용가능한 경우, 여기서 설명된 다양한 하드웨어 컴포넌트들 및/또는 소프트웨어 컴포넌트들은 본 발명개시의 범위로부터 벗어나지 않고서 소프트웨어, 하드웨어, 및/또는 이들 모두를 포함한 서브 컴포넌트들로 분리된다. 또한, 적용가능한 경우, 소프트웨어 컴포넌트들은 하드웨어 컴포넌트들로서 구현되거나 또는 그 반대의 경우가 구상가능하다. 본 발명개시에 따른 컴퓨터 프로그램 코드 및/또는 데이터와 같은 소프트웨어는 하나 이상의 컴퓨터 판독가능한 매체들상에서 저장될 수 있다. 여기서 식별된 소프트웨어는 네트워킹되거나 및/또는 그렇지 않은 경우의 하나 이상의 범용 또는 특수목적용 컴퓨터들 및/또는 컴퓨터 시스템들을 이용하여 구현될 수 있다. 적용가능한 경우, 여기서 설명된 다양한 단계들의 순서는 여기서 설명된 피처들을 제공하기 위해 복합 단계들로 결합되고, 및/또는 서브 단계들로 분리되도록 변경된다.Where applicable, the various embodiments provided by the present disclosure are implemented using hardware, software, or a combination of hardware and software. Also, where applicable, the various hardware components and / or software components described herein are combined into a composite of components, including software, hardware, and / or both, without departing from the spirit of the present disclosure. Where applicable, the various hardware components and / or software components described herein are separated into subcomponents including software, hardware, and / or both, without departing from the scope of the present disclosure. Also, where applicable, software components may be implemented as hardware components, or vice versa. Software such as computer program code and / or data in accordance with the teachings of the present invention may be stored on one or more computer readable media. The software identified herein may be implemented using one or more general purpose or special purpose computers and / or computer systems when networked and / or otherwise. Where applicable, the order of the various steps described herein is combined into multiple steps to provide the features described herein, and / or modified to separate into sub-steps.
본 발명개시의 양태들을 본 발명분야의 당업자가 보다 잘 이해할 수 있도록 앞에서는 여러 개의 실시예들의 특징들을 약술해왔다. 본 발명분야의 당업자는 여기서 소개한 실시예들의 동일한 목적들을 수행하거나 및/또는 동일한 장점들을 달성하기 위한 다른 공정들 및 구조물들을 설계하거나 또는 수정하기 위한 기초로서 본 발명개시를 자신들이 손쉽게 이용할 수 있다는 것을 알아야 한다. 본 발명분야의 당업자는 또한 이와 같은 등가적 구성들은 본 발명개시의 사상과 범위를 이탈하지 않는다는 것과, 본 발명개시의 사상과 범위를 이탈하지 않고서 당업자가 다양한 변경들, 대체들, 및 개조들을 본 발명에서 행할 수 있다는 것을 자각해야 한다.In order that those skilled in the art can better understand aspects of the disclosure of the present invention, the features of the several embodiments have been described above. Those skilled in the art will readily appreciate that the disclosure of the present invention is readily available to those skilled in the art, as a basis for designing or modifying other processes and structures to accomplish the same objectives of the embodiments set forth herein and / or to achieve the same advantages You should know. Those skilled in the art will also appreciate that such equivalent constructions do not depart from the spirit and scope of the disclosure, and that various modifications, substitutions, and alterations will occur to those skilled in the art without departing from the spirit and scope of the disclosure. We must be aware that we can do it in the invention.
Claims (10)
동작 제약 기준 및 민감도 조정 기준을 정의하는 단계;
상기 프로세스 툴에 의해 프로세싱되는 웨이퍼들과 연관된 프로세스 모니터 항목 데이터, 각각의 프로세스 파라미터에 대한 상기 프로세스 모니터 항목들의 민감도와 연관된 민감도 데이터, 상기 동작 제약 기준, 및 상기 민감도 조정 기준을 이용하여 툴 튜닝 프로세스 파라미터들의 가능한 조합들의 제1 세트를 생성하는 단계;
상기 동작 제약 기준에 기초하여 상기 툴 튜닝 프로세스 파라미터들의 가능한 조합들의 제1 세트로부터 상기 툴 튜닝 프로세스 파라미터들의 조합들의 제2 세트를 생성하는 단계; 및
상기 툴 튜닝 프로세스 파라미터들의 조합들의 제2 세트 중 하나의 툴 튜닝 프로세스 파라미터들의 조합에 따라 상기 프로세스 툴을 구성하는 단계
를 포함하는, 프로세스 툴의 프로세스 파라미터들을 튜닝하는 방법.A method of tuning process parameters of a process tool such that wafers processed by the process tool exhibit predetermined process monitor items,
Defining an action restriction criterion and a sensitivity adjustment criterion;
A process tool parameter associated with the process monitor item data associated with wafers processed by the process tool, sensitivity data associated with the sensitivity of the process monitor items to each process parameter, the action constraint criteria, Generating a first set of possible combinations of the plurality of possible combinations;
Generating a second set of combinations of tool tuning process parameters from a first set of possible combinations of tool tuning process parameters based on the operating constraint criteria; And
Configuring the process tool according to a combination of tool tuning process parameters in a second set of combinations of tool tuning process parameters
Gt; a < / RTI > process tool.
N개의 프로세스 파라미터들이 상기 프로세스 툴과 연관되어 있으며, 상기 방법은,
상기 툴 튜닝 프로세스 파라미터들의 가능한 조합들의 제1 세트가 n개의 프로세스 파라미터들에 대한 다양한 툴 튜닝 조합들을 포함하도록 튜닝을 위한 상기 N개의 프로세스 파라미터들 중에서 n개의 프로세스 파라미터들을 선택하는 단계
를 더 포함하며, N은 n보다 큰 것인, 프로세스 툴의 프로세스 파라미터들을 튜닝하는 방법.The method according to claim 1,
N process parameters are associated with the process tool,
Selecting n process parameters out of the N process parameters for tuning such that the first set of possible combinations of tool tuning process parameters includes various tool tuning combinations for n process parameters
Wherein N is greater than n. ≪ Desc / Clms Page number 12 >
상기 툴 튜닝 프로세스 파라미터들의 제1 개수의 가능한 조합들을 생성하는 단계;
상기 툴 튜닝 프로세스 파라미터들의 상기 제1 개수의 가능한 조합들로부터 상기 툴 튜닝 프로세스 파라미터들의 제2 개수의 가능한 조합들을 생성하는 단계; 및
상기 툴 튜닝 프로세스 파라미터들의 상기 제2 개수의 가능한 조합들로부터 상기 툴 튜닝 프로세스 파라미터들의 제3 개수의 가능한 조합들을 생성하는 단계
를 포함하며, 상기 제2 개수는 상기 제1 개수보다 크고, 상기 제3 개수는 상기 제2 개수보다 작은 것인, 프로세스 툴의 프로세스 파라미터들을 튜닝하는 방법.2. The method of claim 1, wherein generating a first set of possible combinations of tool tuning process parameters comprises:
Generating a first number of possible combinations of the tool tuning process parameters;
Generating a second number of possible combinations of the tool tuning process parameters from the first number of possible combinations of tool tuning process parameters; And
Generating a third number of possible combinations of the tool tuning process parameters from the second number of possible combinations of tool tuning process parameters
Wherein the second number is greater than the first number and the third number is less than the second number.
상기 동작 제약 기준은 오브젝트 함수를 정의하며;
상기 툴 튜닝 프로세스 파라미터들의 가능한 조합들의 제1 세트로부터 상기 툴 튜닝 프로세스 파라미터들의 조합들의 제2 세트를 생성하는 단계는 상기 오브젝트 함수의 값을 최소화하는 상기 툴 튜닝 프로세스 파라미터들의 조합들을 결정하는 단계를 포함하는 것인, 프로세스 툴의 프로세스 파라미터들을 튜닝하는 방법.The method according to claim 1,
The action constraint criterion defining an object function;
Wherein generating a second set of combinations of tool tuning process parameters from a first set of possible combinations of tool tuning process parameters comprises determining combinations of the tool tuning process parameters that minimize the value of the object function The process parameters of the process tool.
상기 프로세스 파라미터들의 튜닝을 한정하는 상기 프로세스 파라미터들간의 상관관계들을 정의하는 단계;
상기 프로세스 파라미터들의 튜닝을 한정하는 상기 프로세스 모니터 항목들간의 상관관계들을 정의하는 단계; 및
상기 프로세스 파라미터들의 튜닝을 한정하는 상기 프로세스 모니터 항목들과 상기 프로세스 파라미터들간의 상관관계들을 정의하는 단계를 포함하는 것인, 프로세스 툴의 프로세스 파라미터들을 튜닝하는 방법.2. The method of claim 1, wherein defining the action constraint criteria comprises:
Defining correlations between the process parameters that define tuning of the process parameters;
Defining correlations between the process monitor items that define the tuning of the process parameters; And
And defining correlations between the process parameters and the process parameters that define the tuning of the process parameters.
프로세스 툴로 웨이퍼들을 프로세싱하는 단계; 및
상기 프로세스 툴에 의해 프로세싱되는 웨이퍼들과 연관된 프로세스 모니터 항목 데이터가 규격 내에 있는지 여부를 결정하여,
상기 프로세스 모니터 항목 데이터가 규격 내에 있는 경우, 상기 프로세스 툴을 생산을 위해 방출하고,
상기 프로세스 모니터 항목 데이터가 규격 내에 있지 않은 경우, 상기 프로세스 툴의 프로세스 파라미터 툴 세트를 튜닝하는 단계를 포함하고, 상기 튜닝은,
동작 제약 기준 및 민감도 조정 기준을 정의하는 단계;
상기 프로세스 툴에 의해 프로세싱되는 웨이퍼들과 연관된 상기 프로세스 모니터 항목 데이터, 각각의 프로세스 파라미터에 대한 프로세스 모니터 항목들의 민감도와 연관된 민감도 데이터, 상기 동작 제약 기준, 및 상기 민감도 조정 기준을 이용하여 툴 튜닝 프로세스 파라미터들의 가능한 조합들의 제1 세트를 생성하는 단계;
상기 동작 제약 기준에 기초하여 상기 툴 튜닝 프로세스 파라미터들의 가능한 조합들의 제1 세트로부터 상기 툴 튜닝 프로세스 파라미터들의 조합들의 제2 세트를 생성하는 단계;
상기 툴 튜닝 프로세스 파라미터들의 조합들의 제2 세트 중 하나의 툴 튜닝 프로세스 파라미터들의 조합에 따라 상기 프로세스 툴을 구성하는 단계; 및
상기 프로세스 툴이 생산을 위해 방출될 때 까지 상기 웨이퍼들을 프로세싱하는 단계와 상기 프로세스 툴에 의해 프로세싱되는 웨이퍼들과 연관된 프로세스 모니터 항목 데이터가 규격 내에 있는지 여부를 결정하는 단계를 반복하는 단계
를 포함하는 것인 프로세스 툴을 튜닝하는 방법.A method for tuning a process tool,
Processing wafers with a process tool; And
Determining whether the process monitor item data associated with the wafers processed by the process tool is in the specification,
If the process monitor item data is within the specification, emit the process tool for production,
And tuning a process parameter tool set of the process tool if the process monitor item data is not in the specification,
Defining an action restriction criterion and a sensitivity adjustment criterion;
Wherein the process monitoring tool is operative to: receive the process monitor item data associated with the wafers processed by the process tool, sensitivity data associated with the sensitivity of the process monitor items to the respective process parameters, Generating a first set of possible combinations of the plurality of possible combinations;
Generating a second set of combinations of tool tuning process parameters from a first set of possible combinations of tool tuning process parameters based on the operating constraint criteria;
Configuring the process tool according to a combination of tool tuning process parameters in a second set of combinations of tool tuning process parameters; And
Processing the wafers until the process tool is released for production and repeating the step of determining whether process monitor item data associated with wafers processed by the process tool are within specifications
Gt; a < / RTI > process tool.
상기 프로세싱하는 단계 및 상기 프로세스 툴에 의해 프로세싱되는 웨이퍼들과 연관된 프로세스 모니터 항목 데이터가 규격 내에 있는지 여부를 결정하는 단계 이전에 상기 프로세스 툴에 대해 유지관리(maintenance)를 수행하는 단계
를 더 포함하는, 프로세스 툴을 튜닝하는 방법.9. The method of claim 8,
Performing the processing and maintenance on the process tool prior to determining whether the process monitor item data associated with the wafers processed by the process tool is in the specification
Further comprising the steps of:
웨이퍼들에 대해 프로세스를 수행하도록 구성된 프로세스 툴; 및
상기 프로세스 툴에 대한 프로세스 파라미터 툴 세트를 결정하도록 구성된 프로세스 툴 튜닝 시스템을 포함하며, 상기 프로세스 툴 튜닝 시스템은,
상기 프로세스 툴에 의해 프로세싱되는 웨이퍼들과 연관된 프로세스 모니터 항목 데이터, 각각의 프로세스 파라미터에 대한 프로세스 모니터 항목들의 민감도와 연관된 민감도 데이터, 미리정의된 동작 제약 기준, 및 미리정의된 민감도 조정 기준을 이용하여 툴 튜닝 프로세스 파라미터들의 가능한 조합들의 제1 세트를 생성하고,
상기 동작 제약 기준에 기초하여 상기 툴 튜닝 프로세스 파라미터들의 가능한 조합들의 제1 세트로부터 상기 툴 튜닝 프로세스 파라미터들의 조합들의 제2 세트를 생성하도록 구성된 툴 튜닝 솔루션 모듈을 포함하는 것인, 집적 회로 제조 시스템.In an integrated circuit manufacturing system,
A process tool configured to perform a process on wafers; And
A process tool tuning system configured to determine a set of process parameter tools for the process tool,
Using process monitor item data associated with wafers processed by the process tool, sensitivity data associated with the sensitivity of the process monitor items to each process parameter, predefined operating constraint criteria, and predefined sensitivity adjustment criteria Generating a first set of possible combinations of tuning process parameters,
And a tool tuning solution module configured to generate a second set of combinations of tool tuning process parameters from a first set of possible combinations of tool tuning process parameters based on the operating constraint criteria.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201213666176A | 2012-11-01 | 2012-11-01 | |
US13/666,176 | 2012-11-01 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20140055940A KR20140055940A (en) | 2014-05-09 |
KR101524917B1 true KR101524917B1 (en) | 2015-06-01 |
Family
ID=50707969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020130065756A KR101524917B1 (en) | 2012-11-01 | 2013-06-10 | Tool optimizing tuning systems and associated methods |
Country Status (2)
Country | Link |
---|---|
KR (1) | KR101524917B1 (en) |
CN (1) | CN103811379B (en) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150128486A (en) | 2014-05-09 | 2015-11-18 | 주식회사 만도 | Rotor for Wound-Rotor Induction Motor Having Anti-Spattering Member |
CN105742144A (en) * | 2016-02-26 | 2016-07-06 | 镇江乐华电子科技有限公司 | Early warning system for monitoring transmission electron microscope |
CN112990888B (en) * | 2021-05-07 | 2021-08-06 | 北京瑞莱智慧科技有限公司 | Method and device for determining adjustment strategy decision model of process parameters |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012027032A (en) * | 2002-07-25 | 2012-02-09 | Timbre Technologies Inc | Model and parameter selection for optical measurement |
US8229588B2 (en) * | 2009-03-03 | 2012-07-24 | Taiwan Semiconductor Manufacturing Company, Ltd. | Method and system for tuning advanced process control parameters |
WO2012099907A1 (en) * | 2011-01-19 | 2012-07-26 | Tokyo Electron Limited | Improving tool performance by linking spectroscopic information with tool operational parameters and material measurements |
US8239056B2 (en) * | 2009-11-11 | 2012-08-07 | Taiwan Semiconductor Manufacturing Company, Ltd. | Advanced process control for new tapeout product |
-
2013
- 2013-01-24 CN CN201310028026.2A patent/CN103811379B/en active Active
- 2013-06-10 KR KR1020130065756A patent/KR101524917B1/en active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012027032A (en) * | 2002-07-25 | 2012-02-09 | Timbre Technologies Inc | Model and parameter selection for optical measurement |
US8229588B2 (en) * | 2009-03-03 | 2012-07-24 | Taiwan Semiconductor Manufacturing Company, Ltd. | Method and system for tuning advanced process control parameters |
US8239056B2 (en) * | 2009-11-11 | 2012-08-07 | Taiwan Semiconductor Manufacturing Company, Ltd. | Advanced process control for new tapeout product |
WO2012099907A1 (en) * | 2011-01-19 | 2012-07-26 | Tokyo Electron Limited | Improving tool performance by linking spectroscopic information with tool operational parameters and material measurements |
Also Published As
Publication number | Publication date |
---|---|
CN103811379B (en) | 2016-12-28 |
KR20140055940A (en) | 2014-05-09 |
CN103811379A (en) | 2014-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9519285B2 (en) | Systems and associated methods for tuning processing tools | |
US9727049B2 (en) | Qualitative fault detection and classification system for tool condition monitoring and associated methods | |
US20200328101A1 (en) | Search apparatus and search method | |
CN116415691B (en) | Method and system for constructing predictive models of spatial distribution of dimensions of devices | |
KR102648517B1 (en) | Self-aware and compensating heterogeneous platform including integrated semiconductor process module, and method for using the same | |
KR101311640B1 (en) | Dynamic metrology sampling with wafer uniformity control | |
US8606387B2 (en) | Adaptive and automatic determination of system parameters | |
CN108140588B (en) | Method for matching chamber performance for semiconductor device | |
US11126172B2 (en) | Methods and systems for applying run-to-run control and virtual metrology to reduce equipment recovery time | |
US11281110B2 (en) | Methods using fingerprint and evolution analysis | |
KR101524917B1 (en) | Tool optimizing tuning systems and associated methods | |
US20150248127A1 (en) | Process management systems using comparison of statistical data to process parameters and process management 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 | |
KR20230104540A (en) | Predictive Maintenance for Semiconductor Manufacturing Equipment | |
US10047439B2 (en) | Method and system for tool condition monitoring based on a simulated inline measurement | |
US20110286657A1 (en) | Defect analysis method, defect analysis apparatus, and recording medium | |
JP6754878B2 (en) | Search device and search method | |
TWI803364B (en) | Method for controlling etching tool | |
US20230360978A1 (en) | Method for controlling implanting tool | |
CN117012671A (en) | Control method of deposition machine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E90F | Notification of reason for final refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20180511 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20190517 Year of fee payment: 5 |