KR102248777B1 - 총 측정 불확도의 정량화 및 감소 - Google Patents

총 측정 불확도의 정량화 및 감소 Download PDF

Info

Publication number
KR102248777B1
KR102248777B1 KR1020197014620A KR20197014620A KR102248777B1 KR 102248777 B1 KR102248777 B1 KR 102248777B1 KR 1020197014620 A KR1020197014620 A KR 1020197014620A KR 20197014620 A KR20197014620 A KR 20197014620A KR 102248777 B1 KR102248777 B1 KR 102248777B1
Authority
KR
South Korea
Prior art keywords
tmu
tools
manufacturing
cli
measurement
Prior art date
Application number
KR1020197014620A
Other languages
English (en)
Other versions
KR20190059329A (ko
Inventor
카렌 비아지니
브라이언트 맨티플리
라오 라비찬데르 자얀다
개리 탄
Original Assignee
케이엘에이 코포레이션
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 케이엘에이 코포레이션 filed Critical 케이엘에이 코포레이션
Publication of KR20190059329A publication Critical patent/KR20190059329A/ko
Application granted granted Critical
Publication of KR102248777B1 publication Critical patent/KR102248777B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • 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
    • 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
    • H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
    • 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
    • H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37525—Mean, average values, statistical derived values
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

프로세스 제어 기술은 복수의 제조 툴들 및 복수의 검사 또는 계측 툴들로부터의 생산 데이터를 이용한다. 총 측정 불확도(TMU)는 제조 툴들을 이용하여 제조된 하나 이상의 디바이스들의 측정치들을 포함하는 생산 데이터에 대해 계산될 수 있다. 제조 단계들은 TMU에 의해 랭킹되거나 비교될 수 있다. 모든 생산 모델들 및 레시피들은 생산 데이터를 이용하여 연속적으로 모니터링될 수 있다.

Description

총 측정 불확도의 정량화 및 감소
본 발명은 제조를 위한 프로세스 제어에 관한 것이다.
최첨단 기술 제품들의 품질은 이들 제품들이 현대의 첨단 기술 경제의 기초 부분이 됨에 따라 점차 중요해지고 있다. 제조업체들은 첨단 기술 경제의 요구와 부합하기 위해 품질 관리 및 재현성에 지속적으로 집중하고 있다. 프로세스 제어는 제조 프로세스에서 가장 일관된 제품 특성들을 생산하는 데 사용된다. 복잡하거나 그렇지 않으면 정보에 민감한 제조가 수행되는 생산 라인에서는 품질 관리가 필수적이다.
불량한 품질 관리는 제조된 제품들에 큰 영향을 줄 수 있다. 부적절하거나 불완전한 프로세스 제어로 인해 가치가 떨어지거나 또는 심지어 사용자에게 쓸모없는 제품이 생산될 수 있다. 제조업체들은 쓸모없는 제품에 제조 비용을 지불하거나 허용 가능한 제품에 대한 수익을 창출할 기회를 잃거나 또는 비호환성 제품의 판매 가격 감소로 인해 수익 손실이 발생할 수 있기 때문에, 불량한 프로세스 제어는 제조업체들에게 부정적인 영향을 줄 수 있다. 따라서, 프로세스 제어는 제조업체 사업의 생존 또는 실패 여부에 영향을 미칠 수 있다.
제조 환경들은 전체적인 총 측정 불확도(TMU: Total Measurement Uncertainty)가 낮은 측정 시스템들을 필요로 한다. 측정 불확도는 측정된 양에 기인한 값들의 분포도를 특징으로 한다. TMU는 측정을 수행하는 데 사용되는 툴(tool)의 정밀도뿐만 아니라, 가능한 측정 툴들의 전체군의 툴간(tool to tool) 매칭에 의존할 수 있다.
복잡한 제조 환경에서는, 많은 변수들이 동시에 유동적이다. 본 명세서에서는 반도체 환경을 언급하지만, 원리들은 임의의 제조 환경에도 일반적이다. 예를 들어, 반도체 제조 환경에서 프로세스 레시피, 측정 툴 레시피, 총 프로세스 상태, 측정 툴 상태 및 기타 매개 변수들과 같은 변수들은 모두 유동적이다. 시간이 지남에 따라 변화가 악화되지 않도록 제조 시설에서 측정 변화를 모니터링하는 기술을 제공하는 것이 제조업체에게 유익할 수 있다. 시프트가 감지되면, 감지된 시프트를 해결하기 위해 빠른 응답이 있을 수 있다.
반도체 제조 환경에서의 과도한 측정 변화에 대한 우려를 해결하기 위한 몇몇 기존 방법들이 있다. 그러나, 반도체 제조업체들과 툴 제조업체들은 일반적으로 최적의 측정 시스템 모니터링 방법들에 대해 동의하지 않는다. 반도체 제조업체들은, 측정 시스템의 제조 요건과 부합하고 또한 일반적으로 자연 발생하는 생산 데이터를 이용하여 측정 시스템의 상태(health)를 측정하는 모니터링 방법들을 사용할 수 있다. 예를 들어, 모든 생산 제조 데이터가 사용될 수 있다. 생산 웨이퍼 데이터는 일반적으로 기준 웨이퍼 데이터 대신에 사용된다. 매칭 결과들이 연속적으로 측정될 수 있다. 반도체 제조업체 기술들은 박스플롯(boxplot)들, 생산으로부터의 단순한 평균 및 표준 편차들, 생산의 통계 테스트(예를 들어, 분산 분석(ANOVA), t 검정), 또는 특정 "골드 웨이퍼들" 또는 기준 웨이퍼들의 통계 테스트(예를 들어, ANOVA, t 검정)를 포함할 수 있다. 대조적으로, (반도체 제조업체가 이용하는 장비를 판매 및/또는 서비스하는) 툴 제조업체들은 프로세스 변화와 측정을 분리하기 위해 클린 실험들에 집중하는 경향이 있다. 이들 실험들은 생산량에 따라 증가하는 알람 백분율을 생성하지 않을 수 있다. 매칭 관련 알람의 백분율은 정밀도가 개선됨에 따라 증가하지 않을 수도 있고 그 반대일 수도 있다. 툴 제조업체 기술들은 사양들에 대한 기준 웨이퍼들의 매칭 연구 및 일일 모니터링을 포함할 수 있다. 따라서, 반도체 제조업체들과 툴 제조업체들의 모니터링 방법들은 서로 일치하지 않는다.
따라서, 개선된 프로세스 제어 기술들이 필요하다.
제1 실시예에서는, 시스템이 제공된다. 본 시스템은 인터페이스 및 인터페이스와 전자 통신하는 프로세스 제어 유닛을 포함한다. 인터페이스는 복수의 제조 툴들 및 복수의 검사 또는 계측 툴들과 전자 통신한다. 프로세스 제어 유닛은 복수의 제조 툴들 및 복수의 검사 또는 계측 툴들로부터 생산 데이터를 수신하고; 생산 데이터에 대한 분산 성분들 분석을 수행하고; 생산 데이터에 대한 총 측정 불확도(TMU)를 계산하고; TMU에 의한 제조 단계들을 비교하도록 구성된다. 생산 데이터는 제조 툴들을 이용하여 제조된 하나 이상의 디바이스들의 측정치들을 포함한다. 분산 성분들 분석은 툴간 표준 편차 및 총 표준 편차를 추정하도록 구성된다. 프로세스 제어 유닛은 TMU에 의한 제조 단계들의 리스트를 저장하도록 구성된 전자 데이터 저장 유닛을 포함한다. 디바이스는 반도체 웨이퍼일 수 있다. 프로세스 제어 유닛은 프로세서와, 프로세서와 전자 통신하는 통신 포트와, 전자 데이터 저장 유닛을 포함할 수 있다. 인터페이스는 보안 서버일 수 있다.
프로세스 제어 유닛은 생산 데이터에 대한 TMU 제어 한계 영향(CLI : Control Limit Impact)을 계산하고 TMU CLI에 의한 제조 단계들을 비교하도록 더 구성될 수 있다.
프로세스 제어 유닛은 제조 단계들의 비교에 기초하여 제조 툴들 중 적어도 하나 또는 검사 또는 계측 툴들 중 적어도 하나를 조정하도록 더 구성될 수 있다.
프로세스 제어 유닛은 제조 툴들 또는 검사 또는 계측 툴들 중 하나로부터 시험기(test vehicle)에 대한 측정 데이터를 수신하고; 측정 데이터에 대한 분산 성분들 분석을 수행하고; 정밀도에 대한 TMU, 총 TMU, TMU CLI 정밀도 및 총 TMU CLI를 계산하고; TMU 또는 TMU CLI에 의한 측정 데이터에 대한 결과들을 비교하도록 더 구성될 수 있다. 분산 성분들 분석은 정밀도의 표준 편차를 추정할 수 있다. 프로세스 제어 유닛은 측정 데이터에 대한 결과들의 비교에 기초하여 제조 툴 또는 검사 툴을 조정하도록 더 구성될 수 있다.
프로세스 제어 유닛은 분산 성분들 분석을 연속적으로 수행하고, TMU를 계산하고, 제조 단계들을 비교하도록 구성될 수 있다.
제2 실시예에서는, 방법이 제공된다. 본 방법은 프로세서에서 복수의 제조 툴들 및 복수의 검사 또는 계측 툴들로부터 생산 데이터를 수신하는 단계; 프로세서를 이용하여, 생산 데이터에 대한 분산 성분들 분석을 수행하는 단계; 프로세서를 이용하여, 생산 데이터에 대한 총 측정 불확도(TMU)를 계산하는 단계; 및 프로세서를 이용하여 TMU에 의한 제조 단계들을 비교하는 단계를 포함한다. 생산 데이터는 제조 툴들을 이용하여 제조된 하나 이상의 디바이스들의 측정치들을 포함한다. 분산 성분들 분석은 툴간 표준 편차 및 총 표준 편차를 추정한다. 디바이스는 반도체 웨이퍼일 수 있다.
본 방법은 프로세서를 이용하여, 생산 데이터에 대한 TMU 제어 한계 영향(CLI)을 계산하는 단계; 및 프로세서를 이용하여 TMU CLI에 의한 제조 단계들을 비교하는 단계를 포함한다.
본 방법은 제조 단계들의 비교에 기초하여 제조 툴들 중 적어도 하나 또는 검사 또는 계측 툴들 중 적어도 하나를 조정하는 단계를 더 포함할 수 있다.
본 방법은 프로세서에서 제조 툴들 중 하나 또는 검사 또는 계측 툴들 중 하나로부터 시험기에 대한 측정 데이터를 수신하는 단계; 프로세서를 이용하여, 측정 데이터에 대한 분산 성분들 분석을 수행하는 단계; 프로세서를 이용하여, 정밀도에 대한 TMU, 총 TMU, TMU CLI 정밀도 및 총 TMU CLI를 계산하는 단계; 프로세서를 이용하여, TMU 또는 TMU CLI에 의한 측정 데이터에 대한 결과들을 비교하는 단계를 더 포함할 수 있다. 분산 성분들 분석은 정밀도의 표준 편차를 추정한다. 본 방법은 측정 데이터에 대한 결과들의 비교에 기초하여 제조 툴 또는 검사 툴을 조정하는 단계를 더 포함할 수 있다.
분산 성분들 분석, TMU 계산 및 제조 단계들의 비교는 연속적으로 수행될 수 있다.
제3 실시예에서는, 비 일시적인 컴퓨터 판독 가능 저장 매체가 제공된다. 비 일시적 컴퓨터 판독 가능 저장 매체는 하나 이상의 컴퓨팅 디바이스들에 대해 이하의 단계들을 실행하기 위한 하나 이상의 프로그램들을 포함한다. 이들 단계들은 복수의 제조 툴들 및 복수의 검사 또는 계측 툴들로부터의 생산 데이터에 대한 분산 성분들 분석을 수행하는 단계; 생산 데이터에 대한 총 측정 불확도(TMU)를 계산하는 단계; 및 TMU에 의한 제조 단계들을 비교하는 단계를 포함한다. 생산 데이터는 제조 툴들을 이용하여 제조된 하나 이상의 디바이스들의 측정치들을 포함한다. 분산 성분들 분석은 툴간 표준 편차 및 총 표준 편차를 추정한다.
이들 단계들은 생산 데이터에 대한 TMU 제어 한계 영향(CLI)을 계산하는 단계와 TMU CLI에 의한 제조 단계들을 비교하는 단계를 더 포함할 수 있다.
이들 단계들은 제조 툴들 중 하나 또는 검사 또는 계측 툴들 중 하나로부터 시험기에 대한 측정 데이터를 수신하는 단계; 측정 데이터에 대한 분산 성분들 분석을 수행하는 단계; 정밀도에 대한 TMU, 총 TMU, TMU CLI 정밀도 및 총 TMU CLI를 계산하는 단계; 및 측정 데이터에 대한 TMU 또는 TMU CLI에 의한 결과들을 비교하는 단계를 더 포함할 수 있다. 분산 성분들 분석은 정밀도의 표준 편차를 추정할 수 있다.
이들 단계들은 결과들의 비교에 기초하여 제조 툴들 또는 검사 또는 계측 툴들 중 하나를 조정하는 단계를 더 포함할 수 있다.
본 발명의 특성 및 목적들에 대한 보다 충분한 이해를 위해, 첨부 도면들과 연관시켜 이루어진 다음의 상세한 설명을 참조해야 한다.
도 1은 본 발명에 따른 프로세스의 실시예의 흐름도이다.
도 2는 본 발명에 따른 시스템 통합의 실시예의 블록도이다.
도 3은 반도체 제조에서의 프로세스 제어의 예를 나타낸다.
도 4는 측정 단계에 의한 우선 순위의 예시적인 파레토(Pareto)이다.
도 5는 TMU 제어 한계 영향을 나타내는 예시적인 흐름도이다.
도 6 내지 도 9는 본 발명에 따른 실시예를 이용하는 예를 나타낸다.
청구 대상 발명이 특정 실시예들의 관점에서 설명될 것이지만, 여기에 설명된 모든 잇점들 및 특징들을 제공하지 않는 실시예들을 포함하는 다른 실시예들도 본 발명의 범위 내에 있다. 본 발명의 범위를 벗어나지 않고 다양한 구조적, 논리적, 프로세스 단계적 및 전자적 변경들이 이루어질 수 있다. 따라서, 본 발명의 범위는 첨부된 청구범위를 참조해서 규정된다.
본 방법의 각 단계들은 본 명세서에 추가로 개시된 바와 같이 수행될 수 있다. 이들 방법은 또한 본 명세서에 기재된 프로세스 제어 유닛 및/또는 컴퓨터 서브 시스템(들) 또는 시스템(들)에 의해 수행될 수 있는 임의의 다른 단계(들)를 포함할 수 있다. 이들 단계들은 본 명세서에 개시된 임의의 실시예들에 따라 구성될 수 있는 하나 이상의 컴퓨터 시스템들에 의해 수행된다. 또한, 상술한 방법들은 본 명세서에 개시된 임의의 시스템 실시예들에 의해 수행될 수 있다.
본 명세서에서 개시된 실시예들은 반도체 제조에 연관시켜 개시되어 있다. 그러나, 본 명세서에 개시된 기술들은 전자, 자동차, 화학, 제약, 항공기 또는 생물 의학 디바이스들에 대한 설정들을 포함하는 다른 제조 설정들에 적용될 수 있다.
도 3에는 그 예가 제공되어 있다. 도 3의 예는 반도체 제조에 관한 것이나, 다른 복잡한 및/또는 정밀한 제조 환경들에도 적용될 수 있다. 도 3에서, 반도체 제조업체는 거의 완벽한 표준들을 구비한 측정 툴을 원한다. 가장 유용한 툴(제1 측정 툴)이 설치된다. 제2 측정 툴이 나중에 설치된다. 반도체 제조업체는 예를 들어 유사한 측정 평균(즉, 툴간 매칭) 및 작은 툴 내부 측정으로 인한 변화(즉, 정밀도)와 관련하여 제1 및 제2 툴이 유사하게 수행되기를 바란다. 그러나, 제2 측정 툴은 제조 툴 생산 프로세스 동안 ±3 시그마 제어 한계 폭을 약간 증가시키는 평균의 시프트(복수의 툴들, 패널 "A") 또는 제어 한계 폭을 크게 증가시키는 평균의 더 큰 시프트(복수의 공구들, 패널 "B")를 가질 수 있다. 제어 폭이 증가하면 실제 프로세스 시프트를 감지하기 위한 감도가 감소한다. 수백개의 가능한 툴 및 프로세스 단계 조합으로 모니터링하면, 이들 측정 시스템의 영향들을 정량화하고 우선 순위화하는 것이 어려울 수 있다.
일반적으로 반도체 제조업체는 모든 측정 시스템이 모든 측정 단계들에 걸쳐서 정상 상태이기를 원한다. 골드 및 실버 테스트 웨이퍼들의 사용은 툴 내부 및 툴간 측정 변화를 모니터링하는 일반적인 방법이지만, 자원들과 시간을 모두 소비한다. 대신에, 반도체 제조업체는 일반적으로 테스트 웨이퍼보다 지속적인 생산 측정치들과 빠른 결과들을 원한다.
그러나, 생산 측정치들을 이용하면 문제들이 발생하기 쉽다. 제조업체는 생산 모니터를 이용하려고 시도할 수 있으며, 여기서 프로세스에서의 측정 단계는 0.1 또는 0.3과 같이 생산 제어 챠트에서 볼 수 있는 프로세스 변화의 총 표준 편차의 일부분보다 큰 툴간 변화를 갖는다. 이 기술은 다른 측정 단계들보다 더 적은 수의 생산 유닛들을 갖는 측정 단계들에 대해 과도하게 경고할 수 있다. 예를 들어, 5개의 측정 단계들은 모두 식 1에서 알 수 있는 바와 같이 그 애플리케이션을 위해 사용되는 3개의 상호 교환 가능한 측정 툴들 간의 동일한 레벨의 실제 측정 툴간 변화를 갖는다.
Figure 112019052125515-pct00001
식 1의 분모는 생산 제어 챠트의 총 프로세스 표준 편차이며, 분자는 무한 표본 크기에 대한 실제 툴 평균값(μ(툴 i))에서의 실제 장기 표준 편차(σ)이다. 5개의 측정 단계들이 이러한 방식으로 유사하지만, 표본 크기가 다르며 일부 측정 단계들은 더 적은 표본 크기를 가지며 일부는 더 큰 표본 크기를 갖는다면, 프로세스 실행 횟수가 적은 측정 단계들은 툴 표본 평균 "m"의 가장 큰 외관상 측정 표본 편차 "s"를 갖는 측정 단계들로서 포함되는 경향이 있다. 평균적으로, 툴 평균의 표본 분산, s2(m(툴 1), m(툴 2), m(툴 3)) 자체는 툴 평균의 실제 변화뿐만 아니라 툴 내부 표본 크기 N(툴 내부)에도 의존하는 랜덤 변수이다. 내부 툴은 명확하게 나타내기 위해 수학식에서 "툴 내부"라고 한다. 일정한 표본 크기 내부 툴의 경우, 표본 분산의 기대값 s2는 식 2와 같이 표현될 수 있다.
Figure 112019052125515-pct00002
표본 크기가 클수록, 랜덤 샘플링 오차가 더 작아진다. 반대로, 표본 크기가 작을수록, 측정 시스템 자체에 기인하지 않는 평균의 랜덤 예상 분산이 더 커지지만, 랜덤 샘플링 변화의 부작용에 불과하다. 본 명세서에 개시된 TMU 모니터는 작은 표본 크기 또는 큰 프로세스 표본 크기에 대해서는 부정적이지 않다.
생산 측정치들과 함께 종종 사용되는 다른 기술은 통계 p 값 기술이다. 앞선 예에서, 5개의 측정 단계들은 분산 분석과 같은 통계적 테스트를 이용하여 분석되어 3개의 측정 툴들간의 생산 평균들의 평등 가설을 테스트하고, 확률(또는 "p 값") <α(여기서 α는 전형적으로 0.05임)은 랜덤 기회(random chance)를 넘어서는 시스템 효과의 증거로서 사용될 수 있다. 이는 툴들 간에 감지할 수 있는 차가 있는지를 결정할 수 있지만, 어느 측정 단계가 가장 큰 문제점을 갖는지에 우선 순위를 부여하는 데는 도움이 되지 않는다. 가장 큰 표본 크기를 가진 레시피/측정 단계 조합들은 가장 작은 p 값을 가지며, 다른 모든 요인들은 일정하게 유지된다. 이들 조합들이 측정 툴 변화에 있어서 다른 측정 단계들보다 더 나쁘지는 않더라도(심지어 더 좋을지라도), 잠재적인 문제들로서 이들 레시피/측정 단계 조합들에 도출되는 것에 주의해야 할 것이다. 본 명세서에 개시된 TMU 모니터는 통계적 p 값 기술의 단점들을 회피할 수 있으며, 표본 크기가 변하는 측정 단계들에 걸쳐 측정 시스템 영향의 로버스트 랭킹을 제공할 수 있다.
임시 측정 반복성 연구는 실리콘 웨이퍼 또는 테스트할 다른 제품과 같이 테스트중인 하나 이상 유닛들을 이용하여 수행될 수 있다. 툴간 및 툴 내부 변화의 로버스트 추정치를 산출하기 위해 분산의 랜덤 효과 분석을 수행할 수 있다. 툴간 및 툴 내부 변화성의 비 편중(unbiased)의 추정치가 추정될 수 있다. 그러나, 임시 실험들은 재료의 범위에서 제한될 수 있다. 자연 생산 환경에서의 재료가 변하기 때문에, 이 재료에 대한 측정 툴들의 감도가 변경될 수 있다. 테스트에 사용된 제품이 더 이상 적용할 수 없고 및/또는 툴 조건들이 변경되었기 때문에, 툴간 측정 변화가 검지되지 않고 악화될 수 있다. 임시 실험들은 일반적으로 시간 경과에 따른 제품 및 툴의 미묘한 변화를 반영할 수 없다. 본 명세서에 개시된 TMU 모니터는 생산 데이터가 사용되기 때문에 임시 테스트의 단점을 피할 수 있다.
본 명세서에 개시된 TMU 모니터는 반도체 제조 환경들 또는 다른 제조 환경들에서 사용될 수 있는 로버스트 표시자이다. 생산 데이터는 툴 측정 변화를 정량화하고 툴 문제점들을 찾는 데 도움을 주는데 사용된다. 또한, 측정치들의 상대적인 영향은 레시피 대 레시피 방식으로 파레토를 이용하여 분석될 수 있다.
총 측정 불확도는 이하에 % TMU 또는 단순히 TMU로 참조될 수 있다. 절대 TMU와 % TMU는 다음과 같이 정의될 수 있다.
Figure 112019052125515-pct00003
위의 식 3 및 식 4에서 σ는 표준 편차이고, σ는 분산 성분들 분석 기법을 이용하여 생성될 수 있다.
% TMU는 정규화된 스케일을 이용하기 때문에, % TMU가 제조업체에서 절대 TMU보다 선호될 수 있다. 생산 데이터는 생산 제어 챠트의 표준 편차를 이용하는 측정 변화의 총 표준 편차 σ(총 프로세스)를 추정하는 데 사용될 수 있다. 생산을 위해 생산된 유닛들에 대해 수행된 측정치들은 프로세스에서의 총 변화를 추정하는 데 사용되는 "생산 데이터"라고도 한다. 이들 생산 데이터는 물리적 측정치들(예를 들어, 두께, 평면성), 품질 측정치들(예를 들어, 입자들 또는 결함들의 존재 여부) 또는 생산 중에 행해진 다른 측정치들일 수 있다. 생산 데이터의 총 표준 편차, σ(총 프로세스)는 실제 프로세스 변화와 측정 시스템 변화를 모두 포함할 수 있으며 생산 제어 챠트에서 볼 수 있는 변화로 표시된다. 생산 데이터는 측정 툴 평균 간의 실제 변화의 표준 편차 σ(툴간)를 추정하는 데도 사용된다. 툴 대 툴은 명확성을 위해 수학식에서 "툴간"이라고 한다. 툴 평균들 간의 단순 관측된 표준 편차 대신에, 랜덤 효과 분산 성분들 분석은 예상되는 랜덤 샘플링 오차를 조정하여 실제 표준 편차 툴간의 비 편중의 추정치를 제공하는데 사용될 수 있다. 따라서, 개시된 기술들은 크고 작은 표본 크기 편중에 대해 로버스트하다.
또한 σ(정밀도)라고 하는, 시간에 따른 단일 생산 유닛에 대한 단일 측정 툴의 측정치의 표준 편차는 기준 모니터와 같은 시험기를 이용하여 추정될 수 있다. 반도체 제조에서, 기준 모니터는 기준 웨이퍼일 수 있다. 다른 산업들에서, 기준 모니터는 모니터링에 사용하는 다른 디바이스일 수 있다. 테스트 웨이퍼를 실행하는 것이 상대적으로 비싸고, σ(정밀도)가 변화에 대해 덜 영향력있는 원인일 수 있기 때문에, σ(정밀도)의 추정은 측정 단계들의 작은 표본으로 감소될 수 있고, σ(툴간)은 모든 생산 단계들에 대해 수행될 수 있다. 일례가 도 6 ~ 도 9에 제공되어 있다.
식 3의 절대 TMU 수식은 원래 단위들(예를 들어, Å, ㎛, 결함 수, mm 등)의 총 측정 변화를 나타내거나, 식 4에서의 % TMU와 같이 단위가 없을 수 있다(예를 들어, 단위들에 걸쳐서 표준화된 백분율). 단위가 없는 측정은 각각이 상이한 프로세스 평균과 표준 편차들을 가진 여러 층들에 걸친 비교를 가능하게 하는 잇점이 있으며, 어느 측정 단계가 가장 큰 % TMU를 갖는지를 결정하는 데 사용될 수 있다.
위의 식들에서, σ는 표준 편차이다. σ는 로버스트 분산 성분들 분석 기술을 이용하여 생성될 수 있다. % TMU는 측정 변화의 툴간 부분(% TMU(툴간))만을 이용하여 계산되거나, 측정 변화의 툴 내부 원인(% TMU(정밀도)), 또는 둘다(% TMU(총))를 이용하여 계산될 수 있다. σ(측정)는 상술한 바와 같이 툴간 및 툴 내부 측정 변화를 모두 포함하는 용어이다.
측정 불확도가 제어 한계 폭에 미치는 영향은 아래의 식 5에서 정의된 TMU 제어 한계 영향 측정 기준(TMU CLI)으로 표현될 수 있다.
Figure 112019052125515-pct00004
TMU CLI는 TMU로 인한 제조업체의 TMU 프로세스 한계의 증가를 나타낸다. 예를 들어, σ(총 프로세스)가 10 단위로 추정되고 σ(측정)가 3 단위로 추정되면, % TMU는 0.3이고 TMU CLI는 0.046 또는 4.6%이다. 총 측정 불확도로 인한 프로세스 제어 한계 폭이 4.6% 증가할 수 있다. 이것은 또한 도 5에서 볼 수 있다.
TMU 및 TMU CLI는 프로세스 제어에 대한 툴의 영향을 설명하는 데 도움이 될 수 있다. TMU 및 TMU CLI 둘 다는 제조 단계들에 걸쳐서 측정 시스템의 상대적 변화의 유사한 랭킹을 제공할 수 있기 때문에 어느 하나를 사용할 수 있다. 따라서, TMU 및 TMU CLI를 이용하면 실시간 모니터를 원하는 제조업체와 표본 크기 변화에 따라 지나치게 경고하지 않는 방법을 원하는 툴 제조업체 모두의 염려를 해결할 수 있다. % TMU 및 TMU CLI는 제조 단계들에 걸친 상대적인 영향을 측정하는 추가 잇점을 제공한다. 제조 측정치들은 예를 들어 저항률, 평탄도, 두께, 오염, 균일성, 깊이 프로파일, 에칭 선택도, 임계 치수 또는 다른 측정치들을 포함할 수 있다. 일반적으로, 제조 측정치들은 제조 프로세스에서 행해진 측정치이다.
도 6 ~ 도 9는 일례를 나타낸다. 도 4 및 도 5에는, 층별 증착 프로세스에서 필름의 두께에 대해 생산시 측정된 4개의 가상적 측정 단계들이 있다. "실제" 측정 기여도들 및 각각에 대한 그들의 상대적인 크기들이 표시된다. 생산시 모든 프로세스 단계에서 모든 유닛이 측정되는 것은 아니기 때문에, 4개의 측정 단계들에서 동일하지 않은 표본 크기들이 존재할 수 있다. 샘플 크기들이 작은 단계들은 랜덤 프로세스 변화가 더 커지는 결과를 가져올 수 있다. 이 랜덤 프로세스 변화로 인해 측정 툴들이 실제로 측정 툴보다 평균적으로 더 많은 이종을 보일 수 있다. 보정이 가해지지 않으면, 측정 툴 평균들의 단순 관측된 표준 편차를 기반으로 한 TMU는 툴간의 실제 측정 불확도 툴간을 과다 추정할 수 있다. 이 예로부터, 분산 성분들을 기반으로 한 % TMU는 평균적으로 현실과 일치할 수 있는 공정한 평가를 제공한다. 그러나, 단순한 표준 편차가 % TMU 공식으로 대체되면, 단순한 표준 편차는 앞서 설명한 바와 같이 랜덤 샘플링 오차의 영향을 받기 때문에, 간단한 표준 편차는 평균에 편중되어, 가변 표본 크기들의 측정 단계들에 걸쳐 잘못된 랭킹으로 돌아올 수 있다. 따라서, 랜덤 샘플링 변화에 대한 보정없는 관측된 표준 편차를 이용하면 측정 단계들에 따라서 그리고 측정 단계에 걸쳐 잘못된 결론이 도출될 수 있다.
상대적으로 비용이 많이 들고, 툴간 변화가 정밀도 변화보다 더 큰 해로운 노이즈의 원인이기 때문에, 시험기를 선택적으로 사용할 수 있다. 예를 들어, 제조업체는 주기적으로 정밀도를 평가하기 위해 측정 툴 유형 별로 하나 이상의 측정 단계들을 선택할 수 있다. 툴간 및 정밀도 변화 둘다를 측정하는 측정 단계들에 있어서, 그들의 총 영향을 평가할 수 있다.
일 실시예에서, 기존 생산 데이터는 일정 기간 동안 분석된다. 이 기간은 매월, 매주 또는 다른 기간이 될 수 있다. 변화의 원인들이 로버스트 분산 성분들 분석을 이용하여 분할된다. 분산 성분들은 일반적으로 실험 데이터에 적용된다. 로트(lot) 전반에 걸쳐 모니터링한다면, 임의의 이상치(outlier)의 로버스트성 및 관련이 있으면 소량이 처리될 수 있다.
측정 툴 유형을 이용하여 각 제조 단계에 대한 TMU(예를 들어, % TMU) 및/또는 TMU CLI를 계산할 수 있다.
개선들을 추진할 수 있는 랭킹이 수행될 수 있다. 높은 TMU를 갖는 제조 단계들은 조사를 위해 랭킹될 수 있다. 예를 들어, TMU에서 개선들이 추진될 수 있다.
도 1은 프로세스(100)의 실시예의 흐름도이다. 생산 데이터가 수신된다(101). 이러한 생산 데이터는 복수의 제조 툴들 및/또는 복수의 검사 또는 계측 툴들로부터 도출될 수 있다. 생산 데이터는 검사 또는 계측 툴들 중 하나에서 검토되는 반도체 웨이퍼와 같이, 제조 툴들을 이용하여 제조된 디바이스와 관련될 수 있다. 예를 들어, 등가의 필름 두께 측정 툴 세트를 이용하여 제조 프로세스의 10개의 단계들에서 필름 두께가 측정되면, 총 생산 필름 두께 표준 편차는 각 단계에 있어 측정 툴간 변화와 툴 내부 변화로 구분될 수 있다. 이 분석을 수행하기 위해, 생산 데이터에 대해 분산 성분들 분석이 수행된다(102). 분산 성분들 분석은 툴간 표준 편차, 총 프로세스 표준 편차 또는 기타 표준 편차들을 추정한다. 생산 데이터에 대해 TMU가 계산된다(103). 제조 단계들은 TMU에 의해 비교된다(104). 예를 들어, TMU에 의해, 예를 들어 TMU에 의한 리스팅(listing) 또는 랭킹에 의해 제조 단계들을 비교할 수 있다.
방법(100)은 프로세서를 이용하여 생산 데이터에 대한 TMU 제어 한계 영향(CLI)을 계산하는 단계와, TMU CLI에 의해 제조 단계들을 랭킹하는 단계를 더 포함할 수 있다. 랭킹은 제조에 대한 영향에 의해 보정 동작들에 우선 순위를 부여하는 기준으로 사용될 수 있다. 예를 들어, 10개의 제조 단계들이 필름 두께 측정치들을 가지며, 필름 두께 측정치의 영향이 % TMU(또는 TMU CLI)를 이용하여 그들의 10개의 단계들에 우선 순위를 부여했다면, 가장 큰 % TMU를 갖는 측정 단계들이 가능한 개선들을 위해 조사될 수 있다. 개선들은 이들 중 어느 것이 제조업체에 대한 전반적인 프로세스 제어에 가장 큰 이익을 제공할 것인지에 따라 랭킹될 수 있다. 제조업체는 % TMU가 바람직한 레벨 이하에 있고 제조업체가 응답하기를 원하는 타겟을 원할 수 있다. 이러한 타겟은 산업별 또는 특정 사용 케이스별로 다를 수 있다. 이러한 방식으로, 생산 측정치들은 특수한 기준 웨이퍼와 같은 시험기를 필요로 하지 않고, 작거나 큰 표본 크기에 있어서 불이익을 받지 않고, 측정 툴간 상대적 영향을 결정하는데 사용될 수 있다.
Figure 112019052125515-pct00005
다른 예에서, 특정 툴의 정밀도 또는 측정 툴 내부 변화를 분석할 수 있다. 생산 측정치들은 시간 경과에 따른 프로세스 변화를 시간 경과에 따른 측정 툴 정밀도 변화로 혼동할 수 있기 때문에, 이 분석에서는 생산 측정치들은 사용되지 않을 수 있다. 방법(100)은 측정 툴로부터 시험기에 대한 측정 데이터를 수신하는 단계를 포함할 수 있으며, 이는 예를 들어 검사 또는 계측 단계로부터 측정 시스템의 상태의 규칙적인 모니터로서 수행될 수 있다. 기준 웨이퍼와 같은 시험기는 측정 데이터를 얻기 위해 사용될 수 있다. 표준 편차 또는 정밀도를 추정하기 위해 분산 성분들 분석을 사용할 수 있다. % TMU 정밀도, TMU CLI 정밀도, 전체 % TMU 및 전체 TMU CLI를 계산할 수 있다. 결과들을 이용하여 TMU 또는 TMU CLI에 의해 측정 단계들을 랭킹할 수 있다. 예를 들어, 도 4는 다양한 측정 단계들에 대한 우선 순위화된 개선의 예시적인 파레토를 도시한다. 보다 높은 TMU로 측정 단계들을 조정하면, 제조 방법의 전체 프로세스 제어에 가장 큰 개선을 제공할 수 있다. 다른 예에서, 도 5는 TMU CLI에 의한 예시적인 랭킹을 도시한다. 보다 높은 TMU CLI로 측정 단계들 또는 툴들을 조정하면, 제조 방법의 전체 프로세스 제어에 가장 큰 개선을 제공할 수 있다.
TMU에 의한 제조 단계들과 제조 데이터 또는 측정 데이터의 비교(예를 들어, 리스팅 또는 랭킹)에 기초하여, 하나 이상의 제조 툴들 및/또는 하나 이상의 검사 또는 계측 툴들이 조정될 수 있다.
방법(100)의 단계들은 도 1의 프로세서(205)와 같은 프로세서를 이용하여 수행될 수 있다. 제조 단계들에 있어서 분산 성분들 분석, TMU 계산 및 TMU 비교는 연속적으로 수행될 수 있다.
특정 예에서, 툴간 프로세스 제어는 막 두께에 대해 수행된다. 막 두께와 관련된 모든 측정 단계들에 있어서의 생산 데이터가 분석된다. 로버스트 분산 성분들 분석을 이용하여 툴간 표준 편차와 표준 편차를 분리할 수 있다. 이 분석은 어느 측정 단계가 가장 번거로운지 또는 가장 많은 결함을 갖는지를 나타낼 수 있다. 제조업체는 TMU 및 % TMU 툴간의 툴간 매칭 구성 요소의 측정을 위한 측정 단계들을 모니터링하고 랭킹하는 데에만 관심을 가질 수 있다. 이것은 생산 데이터를 기반으로 분석될 수 있으며, 측정 시스템에서 측정 변화의 가장 불편한 원인일 수 있다. 제조업체는 이것을 정밀도 성분과 결합시켜 TMU를 얻을 수도 있다. 몇 단계들 동안에 정밀도가 요구된다면, 생산 방법들 및 설정을 이용하여 단일 생산 웨이퍼를 보관하고 반복적으로 측정할 수 있다. 이 데이터는 정밀도 성분의 TMU를 정기적으로 모니터링하는 데 사용될 수 있다. 이러한 방식으로 정밀도 및 툴간 성분들을 전체 TMU에 결합할 수 있다.
웨이퍼 데이터 수집은 선택된 단계들에서 정밀도를 모니터하는 데 사용될 수 있다. 예를 들어, 매일 시험기를 사용할 수 있다. 로버스트 분산 성분들 분석을 수행할 수 있다. 정밀도의 표준 편차를 추정할 수 있다. 정밀도의 TMU, TMU 합계, 정밀도 TMU CLI 및 TMU CLI 합계를 계산할 수 있다. 이러한 종류의 데이터 수집은 시험기 및 추가 시간을 필요하기 때문에, 적은 수의 측정 단계들을 위해 예약될 수 있으며 전체 랭킹 방식의 일부가 아닐 수도 있다.
도 2는 시스템 통합의 실시예의 블록도이다. 시스템(200)은 복수의 제조 툴들(201) 및 복수의 검사 또는 계측 툴들(202)과 전자 통신하는 인터페이스(203)를 포함한다. 인터페이스(203)는 예를 들어 보안 서버일 수 있다. 인터페이스(203)는 프로세스 제어 유닛(204)과 전자 통신한다. 프로세스 제어 유닛(204)은 프로세서(205), 프로세서(205)와 전자 통신하는 통신 포트(206), 및 프로세서(205)와 전자 통신하는 전자 데이터 저장 유닛(207)을 구비할 수 있다.
제조 툴들(201)의 예들은 증착 툴들, 이온 주입 툴들, 에칭 툴들, 리소그래피 툴들 또는 화학적 기계적 연마 툴들을 포함한다. 검사 또는 계측 툴들(202)의 예들은 주사형 전자 현미경, 결함 검출 툴들, 결함 검토 툴들, 막 두께 측정 툴들, 표면 프로파일 측정 툴들, 비저항 측정 툴들, 오버레이 계측 또는 임계 치수 측정 툴들을 포함한다. 다른 유형의 제조 툴들 및 검사 또는 계측 툴들이 가능하다. 예를 들어, 제조된 디바이스들이 생물 의학 디바이스 또는 전자 제품인 경우, 상이한 제조 툴들 및 검사 또는 계측 툴들이 사용될 수 있다.
프로세스 제어 유닛(204)은 예를 들어 인터페이스(203)를 통해 복수의 제조 툴들(201) 및 복수의 검사 또는 계측 툴들(202)로부터 생산 데이터를 수신하도록 구성된다. 생산 데이터는 제조 툴들(201)을 이용하여 제조된 디바이스와 관련될 수 있다. 디바이스는 예를 들어 반도체 웨이퍼일 수 있다. 프로세스 제어 유닛(204)은 도 1의 방법(100)의 단계들을 수행하도록 더 구성될 수 있다. 전자 데이터 저장 유닛(207)은 TMU 또는 다른 분석들에 의해 제조 단계들의 랭킹을 저장하도록 구성될 수 있다.
프로세스 제어 유닛(204)은 제조 단계들의 비교에 기초하여 제조 툴들(201) 중 적어도 하나 또는 검사 또는 계측 툴들(202) 중 적어도 하나를 조정하도록 구성될 수 있다. 예를 들어, 툴의 설정을 변경하거나, 재료 입력을 변경하거나, 레시피를 변경하거나, 프로세스의 드리프트를 처리할 수 있다.
프로세스 제어 유닛(204)은 하드웨어, 소프트웨어 및 펌웨어의 임의의 조합에 의해 실제로 구현될 수 있다는 것을 이해해야 한다. 또한, 본 명세서에 기술된 그 기능들은 하나의 유닛에 의해 수행되거나, 상이한 구성 요소들로 분할될 수 있으며, 각각의 구성 요소는 하드웨어, 소프트웨어 및 펌웨어의 임의의 조합에 의해 차례로 구현될 수 있다. 본 명세서에 기술된 다양한 방법들 및 기능들을 구현하기 위한 프로세스 제어 유닛(204)에 있어서의 프로그램 코드들 또는 명령들은 프로세스 제어 유닛(204)의 내부, 프로세스 제어 유닛(204)의 외부, 또는 이들의 조합에서의 전자 데이터 저장 유닛(207)의 메모리와 같은 컨트롤러 판독 가능 저장 매체에 저장될 수 있다.
프로세스 제어 유닛(204)이 제조 툴들(201) 및/또는 검사 또는 계측 툴들(202)에 의해 생성된 출력을 수신할 수 있도록, 프로세스 제어 유닛(204)은 (예를 들어, "유선" 및/또는 "무선" 전송 매체를 포함할 수 있는 하나 이상의 전송 매체를 통해) 임의의 적절한 방식으로 시스템(200)의 구성 요소들과 결합될 수 있다. 프로세스 제어 유닛(204)은 출력을 이용하여 다수의 기능들을 수행하도록 구성될 수 있다. 예를 들어, 프로세스 제어 유닛(204)은 출력을 이용하여 분석 결과들을 전송 또는 디스플레이하도록 구성될 수 있다. 다른 예에서, 프로세스 제어 유닛(204)은 출력을 분석하지 않고 출력을 전자 데이터 저장 유닛(207) 또는 다른 저장 매체에 전송하도록 구성될 수 있다. 프로세스 제어 유닛(204)은 본원에 기술된 바와 같이 추가로 구성될 수 있다.
본 명세서에 설명된 프로세스 제어 유닛(204), 다른 시스템(들) 또는 다른 서브 시스템(들)은 퍼스널 컴퓨터 시스템, 이미지 컴퓨터, 메인 프레임 컴퓨터 시스템, 워크 스테이션, 네트워크 어플라이언스, 인터넷 어플라이언스 또는 다른 장치를 포함하는 다양한 형태들을 취할 수 있다. 일반적으로, 프로세스 제어 유닛(204)은 메모리 매체로부터의 명령들을 실행하는 하나 이상의 프로세서를 가질 수 있다. 서브 시스템(들) 또는 시스템(들)은 또한 당업계에 공지된 임의의 적절한 프로세서, 예컨대 병렬 프로세서를 포함할 수 있다. 또한, 서브 시스템(들) 또는 시스템(들)은 고속 처리 및 소프트웨어를 갖춘 플랫폼을 독립 실행형 또는 네트워크형 툴로서 포함할 수 있다.
시스템이 2 이상의 서브 시스템을 포함하는 경우, 이미지들, 데이터, 정보, 명령들 등을 서브 시스템들간에 전송할 수 있도록, 상이한 서브 시스템들은 서로 결합될 수 있다. 예를 들어, 하나의 서브 시스템은 당업계에 공지된 임의의 적합한 유선 및/또는 무선 전송 매체를 포함할 수 있는 임의의 적절한 전송 매체에 의해 추가 서브 시스템(들)에 결합될 수 있다. 이러한 서브 시스템들 중 2 이상은 공유된 컴퓨터 판독 가능 저장 매체(도시되지 않음)에 의해 효과적으로 또한 결합될 수 있다.
추가 실시예는 본 명세서에 개시된 바와 같이 컴퓨터 구현 프로세스 제어 방법을 수행하기 위한 프로세스 제어 유닛 또는 다른 컨트롤러 상에서 실행 가능한 프로그램 명령들을 저장하는 비 일시적 컴퓨터 판독 가능 매체에 관한 것이다. 특히, 도 2에 도시된 바와 같이, 전자 데이터 저장 유닛(207) 또는 다른 저장 매체는 프로세스 제어 유닛(204) 상에서 실행 가능한 프로그램 명령들을 포함하는 비 일시적 컴퓨터 판독 가능 매체를 포함할 수 있다. 컴퓨터 구현 방법은 본 명세서에 설명된 임의의 방법(들)의 임의의 단계(들)를 포함할 수 있다.
본 명세서에 설명된 방법과 같은 방법들을 구현하는 프로그램 명령들은 전자 데이터 저장 유닛(207) 또는 다른 저장 매체와 같은 컴퓨터 판독 가능 매체에 저장될 수 있다. 컴퓨터 판독 가능 매체는 자기 또는 광학 디스크, 자기 테이프, 또는 당업계에 공지된 임의의 다른 적절한 비 일시적인 컴퓨터 판독 가능 매체와 같은 와 같은 저장 매체일 수 있다.
프로그램 명령들은 특히 프로시저 기반 기술, 컴포넌트 기반 기술 및/또는 객체 지향 기술을 포함하는 임의의 다양한 방법들로 구현될 수 있다. 예를 들어, 프로그램 명령들은 원하는 경우 ActiveX 컨트롤, C++ 오브젝트, JavaBeans, MFC(Microsoft Foundation Class), SSE(Streaming SIMD Extension) 또는 기타 기술들 또는 방법들을 이용하여 구현될 수 있다.
TMU는 장기 상태 모니터로서 사용되어, 독립형 TMU 실험 또는 임시 테스트 웨이퍼 모니터 측정들을 이용하여 임시로 상태를 모니터링하는 대신에 측정 시스템의 상태를 반영하도록 사용될 수 있다. 예를 들어, 프로세스 제어 유닛은 생산 데이터를 연속적으로 모니터링할 수 있다.
TMU는 통계적 프로세스 제어(SPC : Statistical Process Control) 차트의 총 시그마에 의해 표준화되어 측정 시스템 하드웨어 및/또는 측정 레시피 개선을 위한 기회들을 우선 순위화하는 상대적 스케일을 가질 수 있다. 일부 측정 단계들에서의 보다 높은 TMU(예를 들어 40%)는 보다 낮은 TMU(예를 들어 10%)보다 더 큰 상대적 측정 툴 표준 편차를 나타낼 수 있다.
소프트웨어는 예를 들어 TMU 내부 측정 단계 및 파레토 전역(across) 측정 단계들의 롤링 트렌드를 나타내는 보고서를 생성하는 데 사용될 수 있다. 이 보고서는 예를 들어, 툴 세트 및 측정 단계에 따를 수 있다.
피드백은 또한 분석에 기초하여 하나 이상의 툴들에 제공될 수 있다. 높은 TMU 측정 단계에 있어, 사용자는 가능한 하드웨어 또는 소프트웨어 상관 관계들을 찾아 문제를 해결할 수 있다.
특정 제조 툴 및 특정 검사 또는 계측 툴은 일치되어 함께 사용될 수 있다. 전용 툴들이 TMU의 사용에 영향을 줄 수 있기 때문에, 챔버 및 툴 사용은 랜덤으로 되어 매칭에서의 편중을 방지할 수 있다. 극단적으로, 프로세스 툴(A, B, C)이 일대일 방식으로 측정 툴(A, B, C) 전용으로 된 경우, 프로세스 툴 변화는 측정 툴 변화와 완벽하게 혼동될 것이다. 랜덤 방식이 지원되면, 제조 툴 상태에 관계없이 측정 툴 상태의 측정이 존재한다. 이러한 이유로, 전용 시스템의 TMU는 다양한 영향들을 분리하지 못할 수 있다. 그러나, 특정 상황에서 전용 시스템의 TMU는 제조업체들에 의해 여전히 사용될 수 있다.
단 몇 회의 측정 단계들 대신에 모든 측정 단계들을 모니터링하는 표준화된 기술을 제공함으로써 반도체 제조업체 또는 복잡한 제품들의 다른 제조업체에게 이익을 제공한다. 복잡한 제품들은 여러 측정 단계들을 가질 수 있다. 하나의 측정 단계에서의 결함들은 다른 측정 단계에 쉽게 영향을 줄 수 있다. 모든 측정 단계들을 모니터링하면 전체 제조 프로세스를 보다 잘 이해할 수 있다.
본 명세서에 개시된 기술들은 로버스트 분산 성분들 분석을 계산하기 위해 생산 제조 데이터를 사용한다. 이는 실제 생산 조건들을 반영하기 때문에 설계된 실험보다 더 나은 결과들을 제공한다. 분석에 사용된 입력 데이터는 임의의 제조 툴로부터 제공될 수 있다. 분석은 자동 및/또는 실시간으로 수행될 수 있다.
% TMU 및 TMU CLI를 이용하면 실제 프로세스 변화에 영향을 줄 수 있다. 따라서, 낮은 TMU로 측정 단계들을 수행하면 제어 챠트에 눈에 띄는 영향을 미치지 않을 것이다. 이는 제조업체가 프로세스 제어 문제를 효율적으로 처리하는데 도움이 될 수 있다.
TMU의 사용은 생산시 더 많은 공격적인 레시피를 지원할 수 있는 잠재적 기법을 제공한다. 실제 매칭 문제가 있는 낮은 캡처 레이트 레시피를 정확하게 나타낼 수 있다. 이로써 실제 생산 데이터에서 공동 작업을 수행할 수 있다. 또한, 생산 결과를 체크하기 위해 전체 피드백 루프를 통해 개선을 추진할 수 있다.
본 발명은 하나 이상의 특정 실시예들에 관하여 설명되었지만, 본 발명의 범위를 벗어나지 않고 본 발명의 다른 실시예들이 이루어질 수 있음을 이해할 것이다. 따라서, 본 발명은 첨부된 청구 범위 및 그것의 합리적인 해석에 의해서만 제한되는 것으로 간주된다.

Claims (20)

  1. 시스템으로서,
    복수의 제조 툴들 및 복수의 검사 또는 계측 툴들과 전자 통신하는 인터페이스; 및
    상기 인터페이스와 전자 통신하는 프로세스 제어 유닛
    을 포함하며,
    상기 프로세스 제어 유닛은,
    상기 복수의 제조 툴들 및 상기 복수의 검사 또는 계측 툴들로부터 생산 데이터를 수신하고 - 상기 생산 데이터는 상기 제조 툴들을 이용하여 제조된 하나 이상의 디바이스의 측정치들을 포함함 - ;
    상기 생산 데이터에 대한 분산 성분들 분석을 수행하고 - 상기 분산 성분들 분석은 툴간(tool-to-tool) 표준 편차 및 총 표준 편차를 추정하도록 구성됨 - ;
    상기 생산 데이터에 대한 총 측정 불확도(TMU: Total Measurement Uncertainty)를 계산하고;
    TMU에 의해 제조 단계들을 비교하고;
    상기 생산 데이터에 대한 TMU 제어 한계 영향(CLI : Control Limit Impact)을 계산하고 - TMU CLI는 총 프로세스 표준 편차 및 측정 표준 편차에 기초하여 제어 한계 폭에 대한 측정 불확도를 측정함 - ;
    TMU CLI에 의해 제조 단계들을 비교하고;
    TMU CLI에 의한 제조 단계들의 비교 및 TMU에 의한 제조 단계들의 비교에 기초하여, 상기 검사 또는 계측 툴들 중 적어도 하나 또는 상기 제조 툴들 중 적어도 하나에 대한 설정을 결정하고; 그리고
    TMU CLI에 의한 제조 단계들의 비교 및 TMU에 의한 제조 단계들의 비교에 기초하여, 상기 검사 또는 계측 툴들 중 적어도 하나 또는 상기 제조 툴들 중 적어도 하나에 대한 설정을 조정하기 위한 명령어를 전송하도록
    구성되며,
    상기 프로세스 제어 유닛은 TMU에 의한 제조 단계들의 리스트를 저장하도록 구성된 전자 데이터 저장 유닛을 포함하는 것인, 시스템.
  2. 제1항에 있어서,
    상기 프로세스 제어 유닛은, 프로세서와, 상기 프로세서 및 상기 전자 데이터 저장 유닛과 전자 통신하는 통신 포트를 포함하는 것인, 시스템.
  3. 제1항에 있어서,
    상기 디바이스는 반도체 웨이퍼인 것인, 시스템.
  4. 제1항에 있어서,
    상기 프로세스 제어 유닛은 또한,
    상기 제조 툴들 중 하나 또는 상기 검사 또는 계측 툴들 중 하나로부터 시험기(test vehicle)에 대한 측정 데이터를 수신하고;
    상기 측정 데이터에 대한 분산 성분들 분석을 수행하고 - 상기 분산 성분들 분석은 정밀도의 표준 편차를 추정함 - ;
    정밀도에 대한 TMU, 총 TMU, TMU CLI 정밀도, 및 총 TMU CLI를 계산하고;
    TMU 또는 TMU CLI에 의해 상기 측정 데이터에 대한 결과들을 비교하도록
    구성되는 것인, 시스템.
  5. 제4항에 있어서,
    상기 프로세스 제어 유닛은 또한, 상기 측정 데이터에 대한 결과들의 비교에 기초하여 상기 제조 툴들 중 하나 또는 상기 검사 또는 계측 툴들 중 하나를 조정하도록 구성되는 것인, 시스템.
  6. 제1항에 있어서,
    상기 인터페이스는 보안 서버인 것인, 시스템.
  7. 제1항에 있어서,
    상기 프로세스 제어 유닛은, 상기 분산 성분들 분석을 연속적으로 수행하고, 상기 TMU를 계산하고, 상기 제조 단계들을 비교하도록 구성되는 것인, 시스템.
  8. 제1항에 있어서,
    상기 프로세스 제어 유닛은 또한, TMU CLI에 의한 제조 단계들의 비교 및 TMU에 의한 제조 단계들의 비교에 기초하여, 상기 검사 또는 계측 툴들 중 적어도 하나 또는 상기 제조 툴들 중 적어도 하나에 대한 설정을 조정하도록 구성되는 것인, 시스템.
  9. 방법으로서,
    프로세서에서, 복수의 제조 툴들 및 복수의 검사 또는 계측 툴들로부터 생산 데이터를 수신하는 단계 - 상기 생산 데이터는 상기 제조 툴들을 이용하여 제조된 하나 이상의 디바이스의 측정치들을 포함함 - ;
    상기 프로세서를 이용하여, 상기 생산 데이터에 대한 분산 성분들 분석을 수행하는 단계 - 상기 분산 성분들 분석은 툴간 표준 편차 및 총 표준 편차를 추정함 - ;
    상기 프로세서를 이용하여, 상기 생산 데이터에 대한 총 측정 불확도(TMU)를 계산하는 단계;
    상기 프로세서를 이용하여, TMU에 의해 제조 단계들을 비교하는 단계;
    상기 프로세서를 이용하여, 상기 생산 데이터에 대한 TMU 제어 한계 영향(CLI)을 계산하는 단계 - 상기 TMU CLI는 총 프로세스 표준 편차 및 측정 표준 편차에 기초하여 제어 한계 폭에 대한 측정 불확도를 측정함 - ;
    상기 프로세서를 이용하여, TMU CLI에 의해 제조 단계들을 비교하는 단계;
    상기 프로세서를 이용하여, TMU CLI에 의한 제조 단계들의 비교 및 TMU에 의한 제조 단계들의 비교에 기초하여, 상기 검사 또는 계측 툴들 중 적어도 하나 또는 상기 제조 툴들 중 적어도 하나에 대한 설정을 결정하는 단계; 및
    TMU CLI에 의한 제조 단계들의 비교에 기초하여 그리고 TMU에 의한 제조 단계들의 비교에 기초하여, 상기 프로세서를 이용하여, 상기 검사 또는 계측 툴들 중 적어도 하나 또는 상기 제조 툴들 중 적어도 하나에 대한 설정을 조정하기 위한 명령어를 전송하는 단계
    를 포함하는, 방법.
  10. 제9항에 있어서,
    상기 디바이스는 반도체 웨이퍼인 것인, 방법.
  11. 제9항에 있어서,
    상기 프로세서에서, 상기 제조 툴들 중 하나 또는 상기 검사 또는 계측 툴들 중 하나로부터 시험기에 대한 측정 데이터를 수신하는 단계;
    상기 프로세서를 이용하여, 상기 측정 데이터에 대한 분산 성분들 분석을 수행하는 단계 - 상기 분산 성분들 분석은 정밀도의 표준 편차를 추정함 - ;
    상기 프로세서를 이용하여, 정밀도에 대한 TMU, 총 TMU, TMU CLI 정밀도, 및 총 TMU CLI를 계산하는 단계; 및
    상기 프로세서를 이용하여, TMU 또는 TMU CLI에 의해 측정 데이터에 대한 결과들을 비교하는 단계
    를 더 포함하는, 방법.
  12. 제11항에 있어서,
    상기 측정 데이터에 대한 결과들의 비교에 기초하여 상기 제조 툴들 중 하나 또는 상기 검사 또는 계측 툴들 중 하나를 조정하는 단계를 더 포함하는, 방법.
  13. 제9항에 있어서,
    상기 분산 성분들 분석을 수행하는 단계, 상기 TMU를 계산하는 단계, 및 상기 제조 단계들을 비교하는 단계는 연속적으로 수행되는 것인, 방법.
  14. 제9항에 있어서,
    TMU CLI에 의한 제조 단계들의 비교에 기초하여 그리고 TMU에 의한 제조 단계들의 비교에 기초하여, 상기 프로세서를 이용하여, 상기 검사 또는 계측 툴들 중 적어도 하나 또는 상기 제조 툴들 중 적어도 하나에 대한 설정을 조정하는 단계를 더 포함하는, 방법.
  15. 하나 이상의 컴퓨팅 디바이스 상에서 단계들을 실행하기 위한 하나 이상의 프로그램을 포함하는 비일시적 컴퓨터 판독 가능 저장 매체로서,
    상기 단계들은,
    복수의 제조 툴들 및 복수의 검사 또는 계측 툴들로부터의 생산 데이터에 대한 분산 성분들 분석을 수행하는 단계 - 상기 생산 데이터는 상기 제조 툴들을 이용하여 제조된 하나 이상의 디바이스의 측정치들을 포함하고, 상기 분산 성분들 분석은 툴간 표준 편차 및 총 표준 편차를 추정함 - ;
    상기 생산 데이터에 대한 총 측정 불확도(TMU)를 계산하는 단계;
    TMU에 의해 제조 단계들을 비교하는 단계;
    상기 생산 데이터에 대한 TMU 제어 한계 영향(CLI)을 계산하는 단계 - 상기 TMU CLI는 총 프로세스 표준 편차 및 측정 표준 편차에 기초하여 제어 한계 폭에 대한 측정 불확도를 측정함 - ;
    TMU CLI에 의해 제조 단계들을 비교하는 단계;
    TMU CLI에 의한 제조 단계들의 비교 및 TMU에 의한 제조 단계들의 비교에 기초하여, 상기 검사 또는 계측 툴들 중 적어도 하나 또는 상기 제조 툴들 중 적어도 하나에 대한 설정을 결정하는 단계; 및
    TMU CLI에 의한 제조 단계들의 비교에 기초하여 그리고 TMU에 의한 제조 단계들의 비교에 기초하여, 상기 검사 또는 계측 툴들 중 적어도 하나 또는 상기 제조 툴들 중 적어도 하나에 대한 설정을 조정하기 위한 명령어를 전송하는 단계
    를 포함하는 것인, 비일시적 컴퓨터 판독 가능 저장 매체.
  16. 제15항에 있어서,
    상기 단계들은,
    상기 검사 또는 계측 툴들 중 하나 또는 상기 제조 툴들 중 하나로부터 시험기에 대한 측정 데이터를 수신하는 단계;
    상기 측정 데이터에 대한 분산 성분들 분석을 수행하는 단계 - 상기 분산 성분들 분석은 정밀도의 표준 편차를 추정함 - ;
    정밀도에 대한 TMU, 총 TMU, TMU CLI 정밀도, 및 총 TMU CLI를 계산하는 단계;
    TMU 또는 TMU CLI에 의해 상기 측정 데이터에 대한 결과들을 비교하는 단계; 및
    상기 결과들의 비교에 기초하여 상기 검사 또는 계측 툴들 중 적어도 하나 또는 상기 제조 툴들 중 적어도 하나에 대한 설정을 조정하기 위한 명령어를 전송하는 단계
    를 더 포함하는 것인, 비일시적 컴퓨터 판독 가능 저장 매체.
  17. 제15항에 있어서,
    상기 단계들은, TMU CLI에 의한 제조 단계들의 비교에 기초하여 그리고 TMU에 의한 제조 단계들의 비교에 기초하여, 상기 검사 또는 계측 툴들 중 적어도 하나 또는 상기 제조 툴들 중 적어도 하나에 대한 설정을 조정하는 단계를 더 포함하는 것인, 비일시적 컴퓨터 판독 가능 저장 매체.
  18. 삭제
  19. 삭제
  20. 삭제
KR1020197014620A 2016-10-21 2017-10-19 총 측정 불확도의 정량화 및 감소 KR102248777B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/299,616 2016-10-21
US15/299,616 US10372114B2 (en) 2016-10-21 2016-10-21 Quantifying and reducing total measurement uncertainty
PCT/US2017/057467 WO2018075814A2 (en) 2016-10-21 2017-10-19 Quantifying and reducing total measurement uncertainty

Publications (2)

Publication Number Publication Date
KR20190059329A KR20190059329A (ko) 2019-05-30
KR102248777B1 true KR102248777B1 (ko) 2021-05-04

Family

ID=61970306

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197014620A KR102248777B1 (ko) 2016-10-21 2017-10-19 총 측정 불확도의 정량화 및 감소

Country Status (7)

Country Link
US (1) US10372114B2 (ko)
JP (1) JP6941169B2 (ko)
KR (1) KR102248777B1 (ko)
CN (1) CN109844664B (ko)
DE (1) DE112017005308T5 (ko)
TW (1) TWI725244B (ko)
WO (1) WO2018075814A2 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10360671B2 (en) 2017-07-11 2019-07-23 Kla-Tencor Corporation Tool health monitoring and matching
DE102018211099B4 (de) 2018-07-05 2020-06-18 Carl Zeiss Smt Gmbh Verfahren und Vorrichtung zum Bewerten eines statistisch verteilten Messwertes beim Untersuchen eines Elements eines Photolithographieprozesses
KR102441849B1 (ko) * 2020-09-04 2022-09-08 한국표준과학연구원 계측 센서 근접대응스팬교정에 의한 측정값의 불확도 정량화 방법 및 장치
CN116387208B (zh) * 2023-06-02 2023-08-18 合肥喆塔科技有限公司 基于阈值管控的腔室匹配分析方法、系统、设备及介质
CN117259466B (zh) * 2023-10-07 2024-04-09 河北华伦线缆有限公司 电缆导体用不确定度控制方法

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6430456B1 (en) 1999-07-26 2002-08-06 Advanced Micro Devices, Inc. Efficient process tool utilization in semiconductor manufacturing using an additional process tool state
US6738682B1 (en) 2001-09-13 2004-05-18 Advances Micro Devices, Inc. Method and apparatus for scheduling based on state estimation uncertainties
US20030079121A1 (en) 2001-10-19 2003-04-24 Applied Materials, Inc. Secure end-to-end communication over a public network from a computer inside a first private network to a server at a second private network
US7143288B2 (en) * 2002-10-16 2006-11-28 Vormetric, Inc. Secure file system server architecture and methods
AU2002364215A1 (en) * 2002-12-20 2004-07-22 International Business Machines Corporation Assessment and optimization for metrology instrument
US7352478B2 (en) * 2002-12-20 2008-04-01 International Business Machines Corporation Assessment and optimization for metrology instrument
WO2004072668A1 (en) * 2003-02-13 2004-08-26 Mcgill Iniversity Mixed-signal-device testing
US7848911B2 (en) 2004-02-20 2010-12-07 Agilent Technologies, Inc. Method of determining measurement uncertainties using circuit simulation
US7107177B2 (en) 2005-02-14 2006-09-12 International Business Machines Corporation Combining multiple reference measurement collections into a weighted reference measurement collection
TWI276932B (en) 2005-02-17 2007-03-21 Powerchip Semiconductor Corp Methods for determining tool assignment sequence and manufacturing systems using the same
US7340374B2 (en) * 2005-02-25 2008-03-04 International Business Machines Corporation Determining fleet matching problem and root cause issue for measurement system
KR100613821B1 (ko) * 2005-05-19 2006-08-22 인터내셔널 비지네스 머신즈 코포레이션 계측 기구에 대한 평가 및 최적화
US7065425B1 (en) * 2005-06-22 2006-06-20 Internaitonal Business Machines Corporation Metrology tool error log analysis methodology and system
DE102005030586A1 (de) 2005-06-30 2007-01-11 Advanced Micro Devices, Inc., Sunnyvale Verfahren und System für eine fortschrittliche Prozesssteuerung unter Anwendung der Messunsicherheit als Steuerungseingang
WO2007109226A2 (en) 2006-03-17 2007-09-27 Canberra Industries, Inc. Probabilistic uncertainty estimator
TWI306149B (en) * 2007-01-05 2009-02-11 Chroma Ate Inc Optical device for sensing distance
US9037279B2 (en) * 2009-09-09 2015-05-19 Taiwan Semiconductor Manufacturing Company, Ltd. Clustering for prediction models in process control and for optimal dispatching
KR101452852B1 (ko) * 2009-10-13 2014-10-22 에이에스엠엘 네델란즈 비.브이. 검사 방법 및 장치
JP5209012B2 (ja) 2010-09-22 2013-06-12 株式会社東芝 位置合わせ測定方法及び位置合わせ測定装置
US8193007B1 (en) * 2011-02-17 2012-06-05 Tokyo Electron Limited Etch process control using optical metrology and sensor devices
US9330985B2 (en) * 2012-03-13 2016-05-03 GlobalFoundries, Inc. Automated hybrid metrology for semiconductor device fabrication
US9329033B2 (en) * 2012-09-05 2016-05-03 Kla-Tencor Corporation Method for estimating and correcting misregistration target inaccuracy
US10222710B2 (en) * 2014-02-26 2019-03-05 Nova Measuring Instruments Ltd. Method and system for planning metrology measurements
JP2016076010A (ja) * 2014-10-03 2016-05-12 株式会社日立製作所 生産方式評価システムおよび生産方式評価方法

Also Published As

Publication number Publication date
CN109844664B (zh) 2020-11-10
JP6941169B2 (ja) 2021-09-29
DE112017005308T5 (de) 2019-08-08
US20180113441A1 (en) 2018-04-26
WO2018075814A3 (en) 2018-07-26
TWI725244B (zh) 2021-04-21
US10372114B2 (en) 2019-08-06
JP2019537788A (ja) 2019-12-26
CN109844664A (zh) 2019-06-04
TW201827966A (zh) 2018-08-01
WO2018075814A2 (en) 2018-04-26
KR20190059329A (ko) 2019-05-30

Similar Documents

Publication Publication Date Title
KR102248777B1 (ko) 총 측정 불확도의 정량화 및 감소
US10360671B2 (en) Tool health monitoring and matching
JP5583766B2 (ja) 時間的に変化する欠陥分類性能の監視のための方法、システムおよびコンピュータ可読媒体
KR20180059898A (ko) 리소그래피 시스템들과 같은 시스템들을 모델링하거나 시스템들의 예측 유지보수를 수행하는 방법들, 및 연계된 리소그래피 시스템들.
JP2012532425A (ja) プラズマ処理システムにおける障害の自動的な検出及び分類、並びにその方法
US6687561B1 (en) Method and apparatus for determining a sampling plan based on defectivity
US7957821B2 (en) Systems and methods for statistical process control
US6563300B1 (en) Method and apparatus for fault detection using multiple tool error signals
US8180472B2 (en) Control method for semiconductor manufacturing apparatus, control system for semiconductor manufacturing apparatus, and manufacturing method for semiconductor device
US6821792B1 (en) Method and apparatus for determining a sampling plan based on process and equipment state information
US8682058B2 (en) Defect analysis method, apparatus, and recording medium using pattern dependence degree
JP2008177534A (ja) 半導体製造装置の管理方法、および半導体製造装置の管理システム
JP5038913B2 (ja) 測定システムに関するツール群マッチング問題及び根本原因問題点の判定
TWI427487B (zh) 工件抽樣檢驗的方法及其電腦程式產品
JP2009076772A (ja) 工程監視方法
TWI647770B (zh) 晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法
US20160377552A1 (en) System and Method for Production Line Monitoring
JP2003289025A (ja) 半導体処理装置管理システムおよび半導体処理装置管理方法
CN114325346A (zh) 量测机台的测试方法、测试装置及监控系统
Erickson et al. Statistical verification of multiple CD-SEM matching
CN114860810A (zh) 一种半导体耗材耗用量的监控方法、装置及设备
JP2007251136A (ja) 推定パターン生成方法、製造管理方法、演算装置及び製造管理システム
Johnson The Expanded Gage R&R Study

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant