KR20060114324A - 이온 주입 프로세스들에 대한 오류 검출 및 제어 방법, 및이를 수행하는 시스템 - Google Patents
이온 주입 프로세스들에 대한 오류 검출 및 제어 방법, 및이를 수행하는 시스템 Download PDFInfo
- Publication number
- KR20060114324A KR20060114324A KR1020067008657A KR20067008657A KR20060114324A KR 20060114324 A KR20060114324 A KR 20060114324A KR 1020067008657 A KR1020067008657 A KR 1020067008657A KR 20067008657 A KR20067008657 A KR 20067008657A KR 20060114324 A KR20060114324 A KR 20060114324A
- Authority
- KR
- South Korea
- Prior art keywords
- tool
- ion implantation
- tuning process
- variable
- tuning
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 297
- 230000008569 process Effects 0.000 title claims abstract description 235
- 238000001514 detection method Methods 0.000 title claims abstract description 63
- 238000005468 ion implantation Methods 0.000 title claims description 175
- 239000000758 substrate Substances 0.000 claims abstract description 36
- 239000007943 implant Substances 0.000 claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000002347 injection Methods 0.000 claims description 23
- 239000007924 injection Substances 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 5
- 230000001629 suppression Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 description 21
- 238000002513 implantation Methods 0.000 description 20
- 239000002019 doping agent Substances 0.000 description 19
- 238000012360 testing method Methods 0.000 description 14
- 239000000463 material Substances 0.000 description 13
- 238000012545 processing Methods 0.000 description 13
- 235000012431 wafers Nutrition 0.000 description 10
- 150000002500 ions Chemical class 0.000 description 9
- 239000004065 semiconductor Substances 0.000 description 9
- 238000004886 process control Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 description 3
- 229910052785 arsenic Inorganic materials 0.000 description 3
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 3
- 229910052796 boron Inorganic materials 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010884 ion-beam technique Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000003054 catalyst Substances 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 238000010202 multivariate logistic regression analysis Methods 0.000 description 2
- 238000000206 photolithography Methods 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 101100096664 Drosophila melanogaster B52 gene Proteins 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910001423 beryllium ion Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- OKZIUSOJQLYFSE-UHFFFAOYSA-N difluoroboron Chemical compound F[B]F OKZIUSOJQLYFSE-UHFFFAOYSA-N 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- -1 for example Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000001465 metallisation Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000001004 secondary ion mass spectrometry Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/30—Electron-beam or ion-beam tubes for localised treatment of objects
- H01J37/304—Controlling tubes by information coming from the objects or from the beam, e.g. correction signals
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/02—Details
- H01J37/244—Detectors; Associated components or circuits therefor
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/30—Electron-beam or ion-beam tubes for localised treatment of objects
- H01J37/302—Controlling tubes by external information, e.g. programme control
- H01J37/3023—Programme control
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/30—Electron-beam or ion-beam tubes for localised treatment of objects
- H01J37/317—Electron-beam or ion-beam tubes for localised treatment of objects for changing properties of the objects or for applying thin layers thereon, e.g. for ion implantation
- H01J37/3171—Electron-beam or ion-beam tubes for localised treatment of objects for changing properties of the objects or for applying thin layers thereon, e.g. for ion implantation for ion implantation
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/245—Detection characterised by the variable being measured
- H01J2237/24507—Intensity, dose or other characteristics of particle beams or electromagnetic radiation
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
- H01J2237/30—Electron or ion beam tubes for processing objects
- H01J2237/317—Processing objects on a microscale
- H01J2237/31701—Ion implantation
- H01J2237/31703—Dosimetry
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physical Vapour Deposition (AREA)
Abstract
본 발명은 일반적으로 이온 주입 프로세스들에 대한 오류 검출 및 제어 방법, 및 이를 수행하는 시스템에 관한 것이다. 하나의 예시적인 실시예에서, 본 방법은 이온 주입 툴(10)에 대한 튜닝 프로세스를 수행하는 단계-여기에서 상기 튜닝 프로세스는 이온 주입 툴(10)에 대한 적어도 하나의 툴 변수를 생성함-와, 상기 튜닝 프로세스로부터 생성된 툴 변수에 기초하여 이온 주입 툴에서 수행될 이온 주입 프로세스에 대한 오류 검출 모델을 선택하는 단계와, 선택된 오류 검출 모델을 사용하여 이온 주입 툴(10)에서 수행된 이온 주입 프로세스를 모니터링하는 단계를 포함한다. 다른 예시적인 실시예에서, 본 방법은 이온 주입 툴에 대한 튜닝 프로세스를 수행하는 단계-상기 튜닝 프로세스는 이온 주입 툴에 대한 적어도 하나의 툴 변수를 생성함-와, 이온 주입 툴에서 수행된 이온 주입 프로세스에 놓인 적어도 하나의 기판에 형성된 주입 영역에 대한 역사적 계측 데이터에 기초하여 튜닝 프로세스로부터 생성된 툴 변수가 수용가능한지를 결정하는 단계를 포함한다.
Description
본 발명은 일반적으로 반도체 디바이스 제조 분야에 관한 것이고, 더 상세하게는 이온 주입 프로세스들에 대한 오류 검출 및 제어 방법, 및 이를 수행하는 시스템에 관한 것이다.
반도체 산업에서 예를 들어 마이크로프로세서, 메모리 디바이스 등과 같은 집적 회로 디바이스의 품질, 신뢰성 및 수율을 향상시키기 위한 지속적인 경향이 있다. 이러한 경향은 더 신뢰성있게 동작하는 전자 디바이스와 더 높은 품질의 컴퓨터에 대한 수요자 요구에 의해 추진된다. 이러한 수요는 예를 들어 트랜지스터와 같은 반도체 디바이스의 재조에서 뿐만 아니라, 이러한 트랜지스터를 통합하는 집적회로 디바이스의 제조에서도 계속적인 개선을 가져왔다. 부가하여, 통상적인 트랜지스터의 구성요소의 제조에서의 결합을 감소시키는 것은 또한 트랜지스터의 개당 전체 가격 뿐만 아니라 이러한 트랜지스터를 통합하는 집적회로 디바이스의 가격을 낮춘다.
일반적으로, 프로세싱 단계들 세트는 포토리소그래피 스테퍼, 에칭 툴, 증착 툴, 폴리싱 툴, 급속 열처리 툴, 주입 툴 등을 포함하는 다양한 프로세스 툴을 사용하여 다수의 웨이퍼에 대해 수행된다. 반도체 프로세스 툴의 기저를 이루는 기술은 지난 수년 동안 지속적인 주목을 받아왔고, 이는 실질적인 발전을 가져왔다. 그러나 이러한 영역에서 이루어진 개선에도 불구하고, 현재 상업적으로 이용가능한 다수의 프로세스 툴은 특정한 결함을 가지고 있다. 특히, 이러한 툴은 종종 사용자에-익숙한 포맷인 역사적 변수 데이터(historical parametric data) 뿐만 아니라 이벤트 로깅(event logging), 현재 프로세싱 변수와 전체 공정의 프로세싱 변수의 실시간 그래픽 디스플레이, 원격(즉 로컬 사이트와 월드와이드) 모니터링을 제공하는 능력과 같은, 개선된 프로세스 데이터 모니터링 능력이 부족하다. 이러한 결함은 수율, 정확성, 안정성 및 반복성과 같은 중요한 프로세싱 변수, 프로세싱 온도, 기계적 툴 변수 등의 비-선택적인 제어를 가져올 수 있다. 이러한 가변성은 제품 품질과 성능에서 편차로 나타날 수 있는 운전-내(within-run) 불균형(disparity), 운전-간(run-to-run) 불균형 및 툴-간(tool-to-tool) 불균형을 스스로 나타내는 반면, 이러한 툴에 대한 이상적인 모니터링과 진단 시스템은 이러한 가변성을 모니터링하는 수단 뿐만 아니라 중요한 변수의 제어를 최적화하는 수단을 제공할 수 있다.
반도체 프로세싱 라인의 동작을 향상시키는 한가지 기술은 다양한 프로세스 툴의 동작을 자동으로 제어하기 위해 전공장 제어 시스템을 사용하는 것을 포함한다. 제조 툴은 모듈 처리 네트워크 또는 제조 프레임워크와 통신한다. 각각의 제조 툴은 일반적으로 장치 인터페이스에 연결된다. 장치 인터페이스는 제조 툴과 제조 프레임워크 사이의 통신을 용이하게 하는 기계 인터페이스에 연결된다. 기계 인터페이스는 일반적으로 개선된 프로세스 제어(APC) 시스템의 일부일 수 있다. APC 시스템은 제조 모델에 기반한 제어 스크립트를 개시하고, 이는 제조 프로세스를 실행하기 위해 필요한 데이터를 자동으로 검색하는 소프트웨어 프로그램일 수 있다. 종종, 반도체 디바이스는 다수 프로세스를 위한 다수 제조 툴을 통해 단계화되고, 처리된 반도체 디바이스의 품질에 관한 데이터를 생성한다.
제조 프로세스 동안, 제조되는 디바이스의 성능에 영향을 미치는 다양한 이벤트들이 발생할 수 있다. 즉, 제조 프로세스 단계들에서의 편차는 디바이스 성능 편차를 가져온다. 피처 중요 치수(feature critical dimension), 도핑 레벨, 접촉 저항, 분진 오염 등과 같은 인자들 모두는 디바이스의 최종 성능에 잠재적으로 영향을 미칠 수 있다. 프로세싱 라인 내의 다양한 툴은 프로세싱 편차를 감소시키기 위해 성능 모델에 따라 제어된다. 공통으로 제어되는 툴은 포토리소그래피 스테퍼, 이온 주입 툴, 폴리싱 툴, 에칭 툴 및 증착 툴을 포함한다. 사전-프로세싱 및/또는 사후-프로세싱 계측(metrology) 데이터가 툴에 대한 프로세스 제어기에 제공된다. 가능한 한 목표 값에 근접하는 사후-프로세싱 결과를 달성하기 위해 시도되도록, 프로세싱 시간과 같은 동작 레서피(recipe) 변수가 계측 정보 및 성능 모델에 기초하여 프로세스 제어기에 의해 계산된다. 이러한 방식으로 편차를 감소시키는 것은 수율을 증가시키고 비용을 감소시키며 더 높은 디바이스 성능을 가져오고, 이들 모두는 수익성 증가와 직결된다.
이온 주입은 집적 회로 디바이스의 제조에서 매우 복잡하고 폭 넓게 사용되 는 프로세스이다. 이온 주입은 비소(arsenic) 또는 붕소(boron)와 같은 도펀트 물질을 기판과 같은 구조에 주입하여 특정한 도펀트 농도와 프로파일(profile)을 갖는 매우 정밀한 주입 영역을 형성하기 위해 사용되는 기술이다. 이온 주입 프로세스는 또한 도펀트 물질을 물질 층에 주입하기 위해 수행될 수도 있다. 이온 주입 프로세스의 매우 정밀한 제어는 주입 영역이 초집적 회로 제품의 성능 용량에 미칠 수 있는 영향 때문에 바람직하다. 예를 들어, 트랜지스터에 대한 소스/드레인 영역을 형성하거나 트랜지스터의 임계 전압을 제어하기 위해 수행된 이온 주입 프로세스의 정밀한 제어는 초집적 디바이스가 의도한 바대로 동작해야 하는 경우 요구된다.
통상적으로, 현재의 반도체 제조 설비에서, 이온 주입 프로세스는 예를 들어 웨이퍼와 같은 기판 그룹 또는 배치(batch) 상에서 수행된다. 각 배치에서 처리되는 기판의 수는 프로세스를 수행하기 위해 사용된 이온 주입 장치에 따라 다를 수 있다. 대부분의 배치-타입 이온 주입 장치는 동시에 13 또는 17개의 웨이퍼 상에서 이온 주입 프로세스를 수행할 수 있다. 이러한 이온 주입 툴에서 수행된 프로세스가 정확히 수행되는 것을 보장하도록 시도하는 것은 큰 장점이 있다. 나아가, 일 부 경우에, 이온 주입 프로세스가 부정확하게 수행된 경우, 이러한 부정확한 프로세스에 놓인 기판은 파괴될 수도 있다. 즉, 불가능하지는 않지만, 오류있는 이온 주입 프로세스에 놓인 기판을 재활용하는 것은 매우 어렵다.
이온 주입 프로세스를 제어하려는 시도에서, 계측 데이터(metrology data)는 이온 주입 프로세스가 수용가능하게 수행되었는지를 결정하기 위해 이온 주입 프로 세스가 수행된 후에 취해진다. 이러한 계측 데이터는 제품 또는 테스트 웨이퍼로부터 획득될 수 있다. 예를 들어, Thermawave에 의해 제조된 TP420 및/또는 TP500 모델 계측 툴은 결정 격자(crystal lattice) 문제를 결정하기 위해 사용될 수 있다. 다른 예로서, 프로메트릭(Prometrix) 모델 번호 RS55 계측 툴이 주입 프로세스가 수행된 후에 주입된 영역의 도펀트 농도 프로파일을 결정하기 위해 테스트 웨이퍼 상에 사용될 수 있다. 일부 예에서, 계측 데이터는 테스트 웨이퍼 상에서 Cameca에 의해 만들어진 2차 이온 질량 분석기(secondary ion mass spectrometry, SIMS)를 사용하여 획득될 수 있다. 그러나 이러한 프로세스는 예를 들어 시트 저항 데이터에 대해 상대적으로 긴 시간을 요구할 수 있고, 상기 프로세스는 이러한 계측 테스트를 수행하기 위해 기판마다 대략 10분 정도의 시간을 요구할 수 있다. 나아가, 이러한 계측 테스트는 통상적으로 주입 프로세스가 완료된 직후에 수행되지 않고, 이온 주입 프로세스가 완료된 후 수시간 내지 수일 후에 수행된다. 결과적으로 계측 데이터는 바람직한 방식으로 적절한 때에 제공되지 않는다. 예를 들어, 계측 데이터가 얻어지고 있는 시간 동안, 추가적인 기판이 바람직하지 않은 품질을 갖는 주입 영역을 생성하고 있는 툴 변수를 사용하여 이온 주입 툴에서 처리될 수 있다.
전술한 바와 같이, 이온 주입 프로세스는 매우 복잡하고, 이러한 이온 주입 프로세스의 성공적인 수행은 도펀트 양, 주입 에너지 레벨, 가스 흐름 속도, 필라멘트의 전류 및 전압 레벨, 이온 빔 전류, 스캔 수와 같은 관련된 다수의 프로세스 변수에 의존한다. 목표한 결과를 달성하기 위해, 현재의 이온 주입 장치는 툴에 의해 수행된 주입 프로세스가 수용가능한 결과를 생성할 것을 보장하기 위한 시도로 서 주입 프로세스를 수행하기 이전에 이온 빔을 자동으로 조절하거나 튜닝할 수 있다. 즉, 이온 주입 툴은 이러한 다수의 관련 변수를 튜닝하거나 조절하도록 시도하여, 선택된 변수의 조합이 의도한 결과를 생성할 수 있도록 한다. 튜닝 프로세스는 상대적으로 시간을 소요하는 프로세스이다. 이러한 내부 튜닝(internal tuning)은 통상적으로 주입 툴 내에서 패러데이 컵(Faraday cup)에 이온 주입 빔을 지향시키고, 하나 이상의 툴 변수를 변화시킴으로써 달성된다. 불행히도, 목표 조건이나 값이 변화하기 때문에, 새로운 이온 주입 레서피가 수행되기 때문에, 및/또는 툴에 의해 처리될 기판의 체적이 커지기 때문에, 프로세스는 덜 안정하게 될 수 있고, 이에 따라 이온 주입 프로세스에 잠재적으로 에러를 일으킬 수 있다. 결과적으로, 생성된 주입 영역 및 이러한 주입 영역을 포함하는 디바이스는 성능의 면에서 바람직한 것 이하일 수 있다.
나아가, 전술한 튜닝 프로세스는 통상적으로 이온 주입 툴이 새로운 주입 레서피를 수행하려고 할 때마다 수행된다. 목표한 주입 영역과 프로세스를 달성하기 위해 변화될 수 있는 매우 많은 수의 툴 변수를 가정하면, 튜닝 프로세스는 목표 주입 영역과 프로세스가 동일한 경우에도 이러한 매우 많은 수의 변수 조합을 생성할 수 있다. 결과적으로, 이러한 이온 주입 툴과 프로세스의 효율적인 모니터링이 어렵다.
따라서, 적시의 방식으로 이온 주입 툴과 프로세스를 효율적으로 모니터링하고 제어하는 시스템 및 방법이 요구된다. 본 발명은 전술한 문제들 중 일부 또는 모두를 해결하거나 적어도 감소시킬 수 있는 방법 및 시스템을 목적으로 한다.
본 발명은 일반적으로 이온 주입 프로세스를 위한 오류 검출 및 제어 방법, 및 이를 수행하는 시스템을 목적으로 한다. 하나의 예시적인 실시예에서, 본 방법은 이온 주입 툴에 대한 튜닝 프로세스를 수행하는 단계-여기에서 상기 튜닝 프로세스는 이온 주입 툴에 대한 적어도 하나의 툴 변수를 생성함-와, 상기 튜닝 프로세스로부터 생성된 툴 변수에 기초하여 이온 주입 툴에서 수행될 이온 주입 프로세스에 대한 오류 검출 모델을 선택하는 단계와, 선택된 오류 검출 모델을 사용하여 이온 주입 툴에서 수행된 이온 주입 프로세스를 모니터링하는 단계를 포함한다.
다른 예시적인 실시예에서, 본 방법은 이온 주입 툴에 대한 튜닝 프로세스를 수행하는 단계-상기 튜닝 프로세스는 이온 주입 툴에 대한 적어도 하나의 툴 변수를 생성함-와, 튜닝 프로세스에서 생성된 툴 변수에 기초하여 이온 주입 툴에서 수행될 이온 주입 프로세스에 대한 오류 검출 모델을 생성하는 단계와, 생성된 오류 검출 모델을 사용하여 이온 주입 툴에서 수행되는 이온 주입 프로세스를 모니터링하는 단계를 포함한다.
또 다른 예시적인 실시예에서, 본 방법은 이온 주입 툴에 대한 튜닝 프로세스를 수행하는 단계-상기 튜닝 프로세스는 이온 주입 툴에 대한 적어도 하나의 툴 변수를 생성함-와, 이온 주입 툴에서 수행된 이온 주입 프로세스에 놓인 적어도 하나의 기판에 형성된 주입 영역에 대한 역사적 계측 데이터에 기초하여 튜닝 프로세스로부터 생성된 툴 변수가 수용가능한지를 결정하는 단계를 포함한다.
추가적인 예시적인 실시예에서, 본 방법은 이온 주입 툴에 대한 튜닝 프로세스를 수행하는 단계-상기 튜닝 프로세스는 이온 주입 툴에 대한 적어도 하나의 툴 변수를 생성함-와, 툴 변수와 튜닝 셋포인트(setpoint) 모델들 집합과의 비교에 기초하여 튜닝 프로세스에서 생성된 툴 변수가 수용가능한지를 결정하는 단계를 포함한다.
본 발명은 유사한 참조 번호가 유사한 구성요소를 지칭하는 첨부 도면과 함께 설명된 다음의 설명을 참조하여 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 예시적인 시스템을 설명하는 개략적인 블록도이고;
도 2는 본 발명에 따른 다양한 예시적인 방법들을 설명하는 개략적인 블록도이며;
도 3은 본 발명의 다른 실시예에 따른 다른 예시적인 방법들을 설명하는 개략적인 블록도이다.
본 발명은 용이하게 다양한 변형과 대안적인 형태로 될 수 있지만, 이의 특정한 실시예는 도면에 예시로서 도시되고 상세히 기술되어 있다. 그러나 이러한 특정한 실시예의 설명은 본 발명을 개시된 특정한 형태로 제한하도록 의도된 것이 아니고, 오히려 첨부된 청구범위에 의해 정의되는 바에 따라 본 발명의 사상과 범위 내에 있는 모든 변형들, 등가물들 및 대안들을 커버하도록 의도된 것이다.
본 발명의 예시적인 실시예들이 이하에서 설명된다. 명확성을 위해, 실제 실 행의 모든 특징이 본 명세서에 기술된 것은 아니다. 물론, 임의의 이러한 실제 실시예의 구현에서, 실행마다 다를 수 있는 다수의 실행에-특정된 결정이, 시스템-관련 및 비지니스-관련 제약에 부합하는 것과 같은 개발자의 특정한 목표를 달성하기 위해 행해져야 한다는 것이 이해될 것이다. 나아가, 이러한 개발 노력은 복잡하고 시간을-소요할 수 있지만, 이는 그럼에도 불구하고 본 발명이 관련된 당업자에게는 일상적인 수행이 될 수 있다는 것이 이해될 것이다.
본 발명은 이제 첨부된 도면을 참조하여 설명될 것이다. 여기에서 사용된 단어들과 구문들은 당업자에 의해 이해되는 바에 따른 단어들과 구문들의 의미를 갖도록 이해되고 해석되어야 한다. 용어 또는 구문의 특정한 정의, 즉 당업자에 의해 이해되는 바와 같은 보통의 통상적인 의미와 다른 정의도 여기에 사용된 용어 또는 구문의 일관된 용도에 의해 내포되도록 의도된 것은 아니다. 용어 또는 구문이 특정한 의미, 즉 당업자에 의해 이해되는 것과 다른 의미를 갖도록 의도되는 한도까지, 이러한 특정한 정의는 용어 또는 구문에 대한 특정한 정의를 직접적이고 명료하게 제공하는 정의 방식으로 본 명세서에서 명백하게 설명될 것이다.
일반적으로, 본 발명은 이온 주입 프로세스와 툴의 오류 검출 및 제어에 대한 다양한 시스템 및 방법을 목적으로 한다. 본 출원 전체를 판독할 때 당업자에게 자명한 바와 같이, 본 방법은 다양한 상이한 이온 주입 툴 타입을 사용하는 이온 주입 프로세스의 수행에 적용될 수 있고, 예를 들어 N-타입 및 P-타입 도펀트 물질과 같은 다양한 상이한 도펀트 물질의 주입에 적용될 수 있다. 나아가, 본 발명은, 이에 제한되지는 않지만, 로직 디바이스, 메모리 디바이스 등을 포함하는 다양한 디바이스를 형성하는 상황에서 사용될 수 있다. 본 발명은 다수 또는 단일 웨이퍼가 이온 주입 프로세스에 놓이는 이온 주입 툴과 함께 사용될 수 있다.
도 1은 본 발명의 일 실시예에서 사용될 수 있는 예시적인 이온 주입 툴(10)의 개략적인 블록도이다. 이온 주입 툴(10)은 상업적으로 이용가능한 임의의 이온 주입 툴을 나타낸다는 점에서 본질적으로 예시적인 것으로 의도되었다. 예를 들어, 하나의 예시적인 실시예에서, 이온 주입 툴(10)은 Varain에 의해 제조된 Model ⅦSion 80이다. 툴(10)은, 화살표(13)로 표시된 바와 같이 툴(10)에 위치한 다수의 기판(14)으로 주입되는, 이온을 생성하기 위해 사용되는 개략적으로 도시된 이온 소스(12)를 포함한다. 기판(14)은 기판 홀더(16)에 의해 툴(10) 내 위치에 유지된다. 일부 예에서, 기판 홀더(16)는 단일 또는 다수 웨이퍼들, 즉 연속(serial) 또는 배치(batch) 프로세싱 구성을 관리할 수 있다. 물론, 당업자에 의해 이해되는 바와 같이, 통상적인 이온 주입 툴(10)은 본 발명을 모호하지 않게 하기 위해 도 1에 도시되지 않은 많은 구성요소들을 포함하는 매우 복잡한 장치이다. 미국 특허 제6,055,460호는 본 발명에 따라 사용될 수 있는 이온 주입 툴의 하나의 예시적인 실시예를 보여준다. 미국 특허 제6,055,460호는 전체로서 본 명세서에 참조로서 편입되어 있다. 당업자가 알 수 있는 바와 같이, 도 1에 도시된 툴(10)은 본질적으로 개략적인 것이다. 따라서, 기판(14)과 이온 소스(12)의 상대적인 위치는 단지 예시로서 제공된 것이다. 나아가, 툴(10)은 주입 프로세스가 수행되는 동안 기판(14)을 이동시키는 수단을 포함할 수 있다. 따라서, 개략적으로 도시된 이온 주입 툴(10)의 특정한 구성은 본 발명에 대한 제한으로 여겨져서는 안된다. 또한, 본 발명은 한번에 단일 기판(14)만을 처리하는 주입 툴(10)과 함께 사용될 수 있다.
제어기(18)는 이온 주입 툴(10)에 동작가능하게 결합될 수 있고 명령어를 실행할 수 있는 임의 타입의 디바이스일 수 있다. 일부 예에서, 제어기(18)는 마이크로프로세서 또는 컴퓨터일 수 있다. 제어기(18)는 이온 주입 툴(10)에 상주할 수 있거나, 자립형(stand-alone) 디바이스일 수 있거나, 집적회로 제조 설비에서 수행된 하나 이상의 동작 특징을 제어하도록 적응된 전체 컴퓨터 시스템의 일부일 수 있다. 제어기(18)는 여기에 설명된 다양한 기능을 수행하기 위해 사용될 수 있다. 제어기(18)에 위해 수행된 기능은 다수의 연산 자원에 의해 수행될 수 있다.
또한, 도 1에 도시된 기판(14)은, 본 발명이 예를 들어 실리콘, 절연체-상의-실리콘(SOI) 구조, Ⅲ-V 물질 등과 같은 다양한 상이한 물질을 포함하는 기판(14)으로 이온을 주입하는 상황에서 사용될 수 있기 때문에, 본질적으로 예시적인 것으로 의도된 것이다. 또한, 본 발명은 이전에 형성된 물질층으로 도펀트 물질을 주입하는 상황에서 사용될 수도 있다. 나아가, 본 발명은 예를 들어, 인(P) 또는 비소(As)와 같은 N-타입 도펀트 물질, 또는 붕소(B) 또는 이불소화붕소(BF2)와 같은 P-타입 도펀트와 같이, 다양한 상이한 타입의 도펀트 물질을 주입할 때 사용될 수 있다. 따라서, 본 발명은, 만일 이러한 제한이 첨부된 청구범위에서 명백히 설명되지 않는 한, 임의의 특정한 타입의 도펀트 물질의 주입으로 제한되는 것으로 간주되어서는 안된다.
본 발명의 부분들 및 상응하는 상세한 설명은 소프트웨어, 또는 컴퓨터 메모 리 내의 데이터 비트들 상에서 동작하는 알고리즘 및 심볼 표현의 견지에서 제공되어 있다. 이러한 설명 및 표현은 당업자가 다른 당업자에게 자신의 작업의 실체를 효율적으로 전달하기 위한 것이다. 본 명세서에서 사용될 때 및 일반적으로 사용될 때, 알고리즘은 원하는 결과를 가져오는 일관된(self-consistent) 시퀀스인 것으로 고려된 것이다. 단계들(steps)은 물리적인 양(quantity)의 물리적인 조작자(manipulator)를 요구하는 것들이다. 통상적으로, 필수적인 것은 아니지만, 이러한 양은 저장, 전달, 조합, 비교 및 그렇지 않다면 조작될 수 있는 광학적, 전기적, 또는 자기적 신호의 형태를 가질 수 있다. 참조하는 것은 기본적으로 공통 용도 때문에 대대로 편리한 것으로 증명되었다.
그러나 이러한 용어들 및 유사한 용어들 모두는 적절한 물리적인 양과 연관되어야 하고 단지 이러한 양에 제공된 편리한 라벨(label)이라는 것이 깊이 인식되어야 한다. 만일 다르게 특히 기재되지 않는다면, 또는 논의로부터 명백한 바와 같이, "프로세싱(processing" 또는 "연산(computing)" 또는 "계산(calculating)" 또는 "결정(determining") 또는 "디스플레이(displaying)" 등과 같은 용어들은, 컴퓨터 시스템의 레지스터들 및 메모리들 내의 물리적 전자적 양으로 표현되는 데이터를 컴퓨터 시스템 메모리들 또는 레지스터들 또는 다른 유사한 정보 저장, 전송 또는 디스플레이 장치 내의 물리적인 양으로 유사하게 표현되는 다른 데이터로 조작하고 전송하는, 컴퓨터 시스템 또는 유사한 전자 연산 디바이스의 동작 및 프로세스들을 지칭하는 것이다.
이와 같은 제조 시스템에서 사용하기에 적당한 예시적인 정보 교화 및 프로 세서 제어 프레임워크는, KLA-Tencor 사에 의해 제공된 Catalyst 시스템을 사용하여 구현될 수 있는 것과 같은, 개선된 프로세스 제어(APC) 프레임워크이다. Catalyst 시스템은 반도체 장치 및 물질 국제(Semiconductor Equipment and Materials International, SEMI) 컴퓨터 집적화 제조(Computer Integrated Manufacturing, CIM) 프레임워크 규격 시스템 기술을 사용하고, 개선된 프로세스 제어(APC) 프레임워크에 기반한다. CIM(SEMI E81-0699- CIM 프레임워크 도메인 아키텍처를 위한 임시 상세(provisional specification)) 및 APC(SEMI E93-0999-CIM 프레임워크 개선된 프로세스 제어 컴포넌트에 대한 임시 상세) 상세가 캘리포니아 마운틴 뷰에 주사무소를 둔 SEMI사로부터 공개적으로 이용가능하다.
본 출원의 배경기술 부분에 기재된 바와 같이, 이온 주입 툴은 통상적으로 실제 이온 주입 프로세스가 수행되기 전에 자동으로 "튜닝(tuned)"되거나, 주기적으로 튜닝된다. 자동 튜닝 프로세스의 목적은, 예를 들어 이온 주입 프로세스가 실제 수행될 때 사용될 빔 전류, 경사 각도(tilt angle), 비틀림 각도(twist angle), 스캔 수, 분량(dose), 필라멘트 전류 등과 같은 다양한 상이한 변수 또는 설정들을 선택하는 것이다. 관련된 변수들 수를 가정하면, 매우 큰 수의 가능한 툴 변수 조합이 있다. 나아가, 상이한 조합의 툴 변수는 동일한 필요 주입 레서피를 수행하기 위해 사용될 수 있다. 이온 주입 툴이 "튜닝"된 후에, 이온 주입 프로세스는 이온 주입 툴에 위치한 기판 상에서 수행된다. 그러나 이러한 변수가 가질 수 있는 큰 수의 변수와 상대적으로 큰 범위의 값들을 가정하면, 의미있는 오류 검출을 수행하는 것은 어려울 수 있다. 예를 들어, 과도한 오류는 튜닝 프로세스로부터 유래한 툴 변수들이 많은 상이한 값들을 가질 수 있고, 상기 자동 튜닝 프로세스가 수행되는 방법에 따라 때때로 상기 값들 사이에서 큰 차이들을 가질 수 있다는 사실에 기인하여 발생할 수 있다. 따라서, 이온 주입 프로세스의 상대적으로 엄격한 제어가 과도한 오류 검출없이 달성될 수 있는 오류 검출 방법이 요구된다.
일반적으로, 이온 주입 프로세스의 성공 또는 실패는 주입 프로세스가 완료되고 기판이 이온 주입 툴에서 제거되고 나서 상당한 시간 이후까지 결정되지 않는다. 이온 주입 프로세스의 수용가능성은 예를 들어 전기적 테스트, 시각적 검사 등과 같은 다양한 테스트들에 의해 결정될 수 있고, 이들 중 일부는 본질적으로 파괴적이다. 불행히도, 이러한 평가 프로세스들은 오랜 시간이 걸리고 부족한 계측 자원 및 인원을 요구한다. 따라서, 이러한 프로세스들로부터의 피드백은 원하는 것 만큼 시기 적절하지 않다. 나아가, "튜닝된(tuned)" 이온 주입 툴은 이온 주입 프로세스의 수용가능성에 관한 피드백을 받기 이전에 추가적인 기판을 처리할 수 있다. 만일 시험 결과가 이온 주입 프로세스로부터 생성된 이온 영역들이 수용불가인 것이라면, 기판은 통상적으로 파괴된다. 즉, 기판 내에 수용가능한 주입 영역을 형성하지 못한 이온 주입 프로세스는 매우 쓸모없는 것이고 제조 효율성과 제품 수율에 악영향을 미친다.
하나 이상의 전술한 문제점들을 해결하거나 감소시키기 위해, 본 발명은 이온 주입 툴의 동작과 관련하여 다양한 모델들 및 제어 루틴들을 사용한다. 도 2에 도시된 바와 같은, 하나의 예시적인 실시예에서, 본 발명은 이온 주입 튜닝 프로세스(20) 및 이온 주입 운전(run) 모델(22)로부터의 결과를 사용한다. 일부 예에서, 운전 모델(22)은 하나 이상의 오류 검출 모델들(FDM)(24-1 - 24-n) 또는 재생가능한 오류 검출 모델(25)로의 액세스를 가질 수 있다. 본 명세서에서 설명된 바와 같이, 본 발명은 본 명세서에 설명된 목적을 위해 하나 이상의 다수의-가변 또는 단일-가변 모델들을 생성하는 것을 포함할 수 있다. 당업자에 알려진 다양한 기술들이 본 명세서에 설명된 모델들을 생성하기 위해 사용될 수 있다. 예를 들어, 여기에서 생성된 모델들은 캐나다 브리티시 컬럼비아 나나이모(Nanaimo)의 Triant Technoligies 사가 판매하는 ModelWare(등록상표) 소프트웨어 패키지를 사용하여 생성되고 정정되고 갱신될 수 있다. 본 명세서에서 설명된 모델들은 일반적으로 알려진 선형 또는 비-선형 기술을 사용하여 경험적으로 개발될 수 있다. 모델은 (예를 들어, 선형, 지수적, 가중 평균 등과 같은) 상대적으로 단순한 수식에 기초한 모델, 또는 신경 네트워크 모델, 주요 성분 분석(principal component analysis, PCA) 모델 또는 레이턴트 구조로의 프로젝션(projection to latent structure, PLS) 모델과 같은 더 복잡한 모델일 수 있다. 모델에 대한 구체적인 실행은 선택된 모델링 기술에 따라 다를 수 있다.
먼저, 예를 들어 비소, 붕소 등과 같은 특정한 도펀트 종류와 같은 특정 레서피, 도펀트 농도 및 깊이에 따라 주입 영역을 형성하는 주입 프로세스를 수행하도록 주입 툴(10)에 대한 요구가 수행된다. 상기 요구에 기초하여, 블록(21)에 기재된 바와 같이, 튜닝 프로세스(20)가 다양한 툴 변수들 및/또는 트레이스 데이터(trace data)에 대한 셋포인트들의 조합을 생성하기 위해 이온 주입 툴(10)에 의해 수행되고, 이는 원하는 도펀트 프로파일 및 농도를 갖는 도핑 영역을 생성할 것 이다. 일 실시예에서, 튜닝 프로세스(20)가 이온 주입 툴(10) 상에 상주하는 소프트웨어에 의해 달성된다. 튜닝 프로세스(20)로부터 발생한 툴 셋포인트 변수들은 빔 전류, 비틀림 각도 또는 이미 식별된 임의의 다른 툴 변수와 같은 다양한 변수들을 포함할 수 있다. 또한, 트레이스 데이터는, 다양한 이온 주입 툴(10)의 특징을 반영하는 다양한 내부 또는 외부 센서들 및/또는 입력들, 및/또는 이온 주입 프로세스가 수행될 조건으로부터 제공되는, 다양한 변수들에 관련될 수 있다. 예를 들어, 이러한 트레이스 데이터는 압력, 온도, 툴 상태 데이터, 툴의 관리 이력, 가속기(accelerator) 전압, 가속기 전류, 억제기(suppressor) 전압, 억제기 전류, 소스 압력, 필라멘트 전압, 필라멘트 전류, 기판 홀더의 회전 속도 등을 포함할 수 있다.
튜닝 프로세스(20) 동안, 제어기(18)는 원하는 빔 밀도 균일성을 생성하기에 충분하다고 믿을 만한 툴 변수들 조합에 도달할 때까지 다수의 가능한 툴 변수 조합들을 경험할 수 있다. 즉, 제어기(18)는 이온 빔이 상대적으로 안정하고 원하는 결과를 생성할 수 있는 것을 보장하기 위해 이온 주입 프로세스와 연관된 다양한 툴 변수들을 튜닝하거나 조절하려고 시도할 것이다. 이온 주입 툴(10)의 성능에 영향을 미치는 많은 관련된 툴 변수들이 있다. 이러한 인자들은, 이에 제한되지는 않지만, 주입 에너지 레벨, 빔 전류, 경사 또는 비틀림 각도, 아크 전류, 아크 전압, 필라멘트 전류, 필라멘트 전압, 가스 흐름 속도, 자기(magnetic) 전류, 추출(extraction) 전류, 추출 전압, 억제 전류, 억제 전압 등을 포함한다. 이러한 변수들의 다수의 다양한 조합들은 튜닝 프로세스(20)로부터 생성될 수 있다.
구체적인 예로서, 튜닝 프로세스(20)는 비틀림 각도에 대해 23 내지 27도 및 빔 전류에 대해 8 내지 12mA의 범위인 값들을 생성할 수 있다. 상이한 값들 범위가 예를 들어 추출 전류 등과 같은 다른 툴 변수들에 대해 생성될 수 있다. 튜닝 프로세스(20)로부터 생성되는 하나 이상의 툴 변수들에 대한 값들의 집합은 도 2의 블록(21)에 개략적으로 도시되어 있다. 하나의 예시적인 실시예에서, 튜닝 프로세스(20)로부터 생성되는 툴 변수들(21)은 평균적인 툴 변수들 집합에 도달하도록 평균화된다. 즉, 튜닝 프로세스(20) 동안, 빔 전류, 경사 또는 비틀림 각도와 같은 소정의 변수에 대한 값들은 다른 툴 변수들에 대해 선택된 값에 따라 10개의 상이한 값들을 가질 수 있다. 튜닝 프로세스(20)가 완료된 후에, 각 변수에 대한 다양한 값들이 평균화될 수 있다.
일 실시예에서, 본 발명은 튜닝 프로세스(20)의 수용가능성을 결정하기 위해 사용될 수 있다. 이는 도 2에 도시된 결정 지점(26)에 의해 지시된다. 결정 지점으로의 하나의 입력은 블록(27)에 지시된 바와 같이 다양한 비지니스 규칙들일 수 있다. 일반적으로, 비지니스 규칙들은 튜닝 프로세스(20)의 수용가능성을 결정할 목적으로 고려되는 다양한 상이한 인자들일 수 있다. 예를 들어, 비지니스 규칙들은 튜닝 프로세스로부터 생성된 툴 변수들을 사용하여 이온 주입 프로세스를 수행하기 위해 얼마나 많은 시간이 걸리는 지를 고려할 수 있다. 즉, 하나의 예시적인 실시예에서, 튜닝 프로세스(20)에 의해 생성된 변수들을 사용하여 수행될 수 있는 스캔들의 수에 기초하여, 생성되는 이온 주입 프로세스는 수행하기에 너무 오래 걸릴 수 있다. 고려될 수 있는 다른 예시적인 비지니스 규칙은 이온 주입 툴(22)의 하나 이상의 컴포넌트들의 연한(age) 및/또는 상황(condition)이다. 예를 들어, 튜닝 프로세스(20)는 다양한 툴 변수들에 대한 셋포인트들을 초래할 수 있고, 이에 의해 필라멘트와 같은 컴포넌트는 상대적으로 높은 전류 또는 전압에서 자신의 기능을 수행할 것으로 예상된다. 예를 들어 이전에 사용된 시간 수와 같은 이 필라멘트의 이전 사용에 관한 정보에 기초하여, 이온 주입 툴(10) 내의 기존 팔라멘트는 튜닝 프로세스(20)로부터 생성된 변수들을 사용하여 이온 주입 프로세스를 수행할 수 없다. 만일 튜닝 프로세스(20)로부터의 툴 셋포인트 변수들(21)이 수용가능하지 않은 것으로 간주된다면, 블록(26A)에 지시된 바와 같이, 튜닝 프로세스(20)의 결과는 거부되고 이온 주입 툴(10)은 복귀된다. 만일 튜닝 프로세스(20)로부터의 툴 셋포인트 변수들(21)이 수용가능하다면, 블록(26B)에 지시된 바와 같이, 이온 주입 프로세스는 튜닝 프로세스(20)로부터 생성된 툴 셋포인트 변수들(21)을 사용하여 수행될 수 있다. 부가적으로, 일부 실시예에서, 만일 툴 셋포인트 변수들(21)이 수용가능한 것으로 간주된다면, 이하에서 더 완전하게 설명되는 바와 같이, 이온 주입 모델(22)은 이온 주입 프로세스를 위한 오류 검출 모델을 결정하거나 선택하도록 사용될 수 있다.
툴 프로세스(210)에 의해 생성된 툴 셋포인트 변수들(21)의 수용가능성은 다양한 기술에 의해 결정될 수 있다. 하나의 예시적인 실시예에서, 블록(21) 내의 셋포인트 변수들은, 예를 들어 단일 신뢰 수(single confidence number) 또는 신뢰 수들 범위와 같은, 튜닝 프로세스로부터 (평균화되었든지 아니든지 간에) 생성된 변수들(21)이 수용가능한 주입 영역 생성, 프로세스 시간 단축 등의 견지에서 수용 가능한 결과를 생성할 것이라는 신뢰(confidence)를 반영하는, 신뢰 레벨을 생성하기 위해 사용될 수 있다.
예를 들어, 신뢰 레벨에 도달하기 위해, 튜닝 프로세스로부터 생성된 툴 셋포인트 변수들(21)은, 역사적 웨이퍼 계측 데이터에 기초하여, 원하는 농도 및/또는 도펀트 프로파일을 갖는 주입 영역을 생성한다고 믿어지는 하나 이상의 툴 변수들 집합인 기준 데이터(reference data)와 비교될 것이다. 이러한 기준 데이터는 이온 주입 툴(10)을 통해 처리된 하나 이상의 제품 또는 테스트 기판들 상에 수행된 다양한 계측 및/또는 전기적 테스트에 기초하여 결정될 수 있다. 예를 들어, 기판이 주입 툴(10)에서 운전된 후에, 이온 주입 프로세스 동안 실제로 사용된 툴 셋포인트 변수들 및/또는 이온 주입 프로세스에 관한 트레이스 데이터는 기판 또는 로트(lot) 번호에 의해 이온 주입 프로세스에 놓인 기판과 함께 기록되고 연관될 수 있다. 그 후에, 이들 중 일부는 파괴적일 수 있는 하나 이상의 계측 또는 전기적 테스트가 주입 툴(10) 내에 생성된 주입 영역의 수용가능성을 결정하기 위해 수행된다. 이러한 시험은 이온 주입 프로세스가 수행된 후에 일정 시간 이전까지 수행될 수 없다. 예를 들어, 이러한 전기적 시험은 하나 이상의 금속화 층이 디바이스 위에 형성된 후에 수행되는 표준 웨이퍼 전기적 시험(wafer electrical testing, WET)의 일부일 수 있다.
이러한 기준 데이터, 즉 역사적 계측 데이터 및 연관된 툴 변수들의 집합은 제어기(18)에 의해 액세스될 수 있는 데이터베이스에 저장될 수 있다. 또한 신뢰 레벨은 이 역사적 데이터와 연관될 수 있다. 제어기(18)에 튜닝 프로세스(20)로부 터 생성된 툴 셋포인트 변수들(21)이 제공될 때, 역사적 계측 데이터 및 연관된 툴 변수들의 집합은 액세스될 수 있다. 튜닝 프로세스(20)로부터 생성된 툴 셋포인트 변수들(21)은 다양한 공지의 매칭 기술을 사용하여 역사적 데이터 집합 내의 하나 이상의 엔트리들과 매칭될 수 있다. 데이터베이스로부터의 매칭된 엔트리가, 연관된 계측 데이터에 의해 결정되는 바에 따라, 수용가능한 주입 영역 내에서 생성되었다면, 이온 주입 프로세스는 튜닝 프로세스(20)로부터 생성된 셋포인트 변수들(21)을 사용하여 수행될 수 있다. 튜닝 프로세스(20)로부터 생성된 툴 변수들(21)과 역사적 데이터 집합의 비교 결과는 신뢰 레벨 또는 단순한 GO/NO GO 명령일 수 있다.
시간에 따라, 이러한 프로시저는 예를 들어 원하는 도펀트 농도와 도펀트 프로파일을 나타내는 주입 영역과 같은 수용가능한 주입 영역을 역사적으로 생성한 다양한 툴 셋포인트 변수들(또는 이들의 조합)에 대한 값, 또는 값들의 범위, 즉 기준 데이터를 가져와야 한다. 예를 들어, 이러한 프로시저는 예를 들어 빔 전류와 같은 하나 이상의 변수들이 8-12mA의 범위 내에 있는 한, 수용가능한 주입 영역이 생성된다는 결론에 도달할 수 있다. 이러한 분석은 임의 개수의 변수들 또는 이러한 변수들의 임의의 조합, 즉 다수의-변수 분석에 대해 적용될 수 있다. 대안적으로 신뢰 레벨을 생성하는 대신, 튜닝 프로세스(20)에 의해 생성된 툴 변수들(21)은 툴 변수들(21)이 수용가능한 결과를 생성할 가능성이 있는지를 결정하기 위해 역사적 계측 데이터와 연관된 튜닝 변수들과 직접 비교될 수 있다.
이온 주입 툴(10)의 툴 셋포인트 변수들과 툴(10)에서 처리된 기판에 대한 계측 데이터 사이에 상호관계(correlation)가 만들어지면, 제어기(18)가 이온 주입 프로세스를 제어하기 위해 사용될 수 있다. 예를 들어, 제어기(18)는, 계측 데이터에 기초하여, 수용가능한 주입 영역을 생성할 높은 가능성이 있는 튜닝 프로세스(20)로부터의, 예를 들어 툴 셋포인트 변수들(21)과 같은, 변수 조합만이 수행되는 것을 보장하기 위해 사용될 수 있다. 예를 들어, 계측 데이터에 기초하여, 예를 들어 빔 전류, 아크 전압, 가스 흐름 속도 등과 같은 소정의 변수가 설정된 값을 초과할 때, 수용불가능한 품질의 주입 영역이 생성되는 것이 결정될 수 있다. 따라서, 이러한 상황에서, 제어기(18)는 이온 주입 툴(10)이 이러한 변수들을 사용하여 주입 프로세스를 수행하는 것을 방지할 것이다. 다른 예로서, 계측 데이터와 툴 변수들의 분석은 상호 관계를 유발할 수 있고, 이에 의해 하나 이상의 툴 변수들(또는 이들의 조합들)이 미리 선택된 범위 내에 유지되는 한, 수용가능한 주입 영역들이 만들어질 가능성이 있다. 본 발명은 튜닝 프로세스(20)로부터의 변수들이 최대 값 이하에, 최소 값 이상에, 소정 값들 범위 내에, 또는 소정 값들 범위 외에 있을 수 있는 상황에서 사용될 수 있다. 이러한 방법은 또한 튜닝 프로세스(20)로부터 생성되는 소정의 툴 변수들(21) 조합에 대한 신뢰 레벨(또는 범위)을 만들기 위해 사용될 수 있다.
본 발명의 제 1 실시예에서, 튜닝 프로세스(20)로부터의 변수들(21)은 이온 주입 프로세스가 수행되어야 할지 말지를 결정하기 위해 기준 데이터와 비교될 수 있다. 본 발명의 이러한 실시예를 설명하기 위해 매우 간단한 예가 제공될 것이다. 기준 데이터는 빔 전류가 10-12mA의 범위 내에 있을 때 수용가능한 주입 영역이 형 성되는 것을 반영할 수 있다. 튜닝 프로세스(20)에 의해 예측된 평균 빔 전류 변수(21)는 일례에서 3mA이고, 다른 예에서 7mA이며, 또 다른 예에서 9mA이다. 이 값들과 빔 전류에 대한 기준 데이터를 비교하면, 제 1 설정(3mA)은 최저의 신뢰 레벨을 가질 수 있고, 제 2 설정(7mA)은 중간 신뢰 레벨을 가질 수 있으며, 제 3 설정(9mA)은 위에 제공된 단순한 예에서 최고의 신뢰 레벨을 가질 수 있다. 이러한 신뢰 레벨들은 다양한 공지된 기술에 의해 만들어질 수 있다. 예를 들어, 위에 식별된 평균 변수 값들로부터의 표준 편차에 기초하여 상이한 신뢰 레벨들이 편차들에 할당될 수 있다. 따라서, 신뢰 레벨이 설정(set-up) 모델로부터 생성된 변수들에 대해 만들어지는 방식은 첨부된 청구범위에서 명시적으로 설명되지 않는다면 제한으로 고려되어서는 안된다.
기판 또는 이온 주입 프로세스 자체에 형성된 주입 영역들에 대한 임의의 실시예를 결정할 때 유용한 임의 타입의 계측 툴은 이러한 역사적 계측 데이터를 생성하기 위해서 사용될 수 있다. 예를 들어, 이러한 계측 툴은 주입 영역의 깊이, 도펀트 농도 프로파일, 주입 영역에 의해 점유된 표면적, 주입 영역의 저항, 주입된 종류, 이온 이동도 등을 결정하는 것을 계량하거나 보조할 수 있다. 하나의 예시적인 실시예에서, 계측 툴은 이미 언급된 프로메트릭스(Prometrix) 툴일 수 있다.
다른 실시예에서, 본 발명은 튜닝 프로세스(20)로부터 생성된 툴 셋포인트 변수들(21)의 수용가능성을 결정하기 위해 예를 들어 비지니스 규칙들과 같은 다양한 요건들을 만들 수 있다. 이러한 요건들은 수용가능한 주입 영역들을 생성하기 위한 툴(10)의 능력에 직접적으로 관련되지는 않을 수 있다. 예를 들어, 주입 프로세스의 상대적으로 오랜 지속시간을 가정하면, 주입 툴(10)이 최대 개수의 스캔들 내에서 주입 프로세스를 수행해야 한다는 비지니스 규칙이 만들어질 수 있다. 예를 들어, 스캔들의 수가 최대의 허용가능한 수를 초과할 것을 요구하는 툴 셋포인트 변수들(21)을 튜닝 프로세스(20)가 생성하는 경우, 제어기(18)는 튜닝 프로세스에 의해 생성된 변수들(21)을 거부하고 튜닝 프로세스가 다시 수행될 수 있다고 명령할 수 있다. 본 실시예에서, 본 발명은 수용가능한 품질을 갖는 주입 영역을 생성하면서 제조 효율성을 증가시키기 위해 사용될 수 있다.
본 발명의 다른 실시예에서, 이온 주입 운전 모델(22)은 도 2에 표시된 바와 같이, 다수의 이전에 생성된 오류 검출 모델들(FDM)(24-1 - 24-n) 중 하나를 선택하기 위해 사용될 수 있다. 편리한 참조를 위해, 오류 검출 모델들(FDM)은 참조 번호(24)에 의해 개별적으로, 그리고 집합적으로 참조될 수 있다. 특정한 오류 검출 모델은 튜닝 프로세스(20)로부터의 변수들(21)과 각각의 오류 검출 모델들(24) 내의 상응하는 변수들의 비교에 기초하여 선택된다. 오류 검출 모델(24)은 이온 운전 모델(22)에 저장되거나 이에 의해 액세스될 수 있는데, 즉, 이와 같은 모델(24)은 데이터베이스에 저장될 수 있다. 본 발명의 이 실시예에서, 튜닝 프로세스(20)로부터의 변수들(21)에 가장 근사하거나 이와 매칭되는 오류 검출 모델(24)이 튜닝 프로세스(20)로부터 생성되는 툴 변수들(21)을 사용하여 주입 툴(10)에서 수행될 이온 주입 프로세스를 모니터링하기 위한 오류 검출 모델(24)로서 선택된다. 선택된 오류 검출 모델(24)은 툴 변수들(21) 중, 전부가 아니라면, 일부에 대한 값들 또는 값들 범위들을 가질 것이다.
다른 개략적인 예가 본 발명의 하나의 예시적인 실시예를 설명하기 위해 제공될 것이다. 튜닝 프로세스(20)가 이온 주입 툴(10)에 대한 빔 전류가 9.5mA가 되어야 한다는 것을 지시한다고 가정하자. 물론, 튜닝 프로세스(20)로부터의 출력은 전술한 바와 같이 변수들에 대한 값들 범위, 또는 평균값일 수 있다. 그 후에, 빔 전류에 대한 9.5mA의 값에 기초하여, 이온 주입 모델(22)은 상기 빔 전류에 대해 식별된 값에 가깝게 근사하거나 매칭되는 오류 검출 모델(24) 중 하나를 선택할 수 있다. 예를 들어, 오류 검출 모델들(24-1, 24-2 및 24-3)에 대한 빔 전류값 범위들은 각각 6 내지 8mA, 10 내지 12mA 및 14 내지 18mA일 수 있다. 튜닝 프로세스(20)에 의해 선택된 9.5mA의 빔 전류 값에 기초하여, 이온 주입 운전 모델(22)은 오류 검출 모델(24-2)을 선택할 수 있는데, 왜냐하면 이 모델이 튜닝 프로세스에 의해 선택된 9.5mA의 빔 전류에 대해 가장 가까운 값을 갖는 오류 검출 모델이기 때문이다. 이 단순화된 예에서, 단지 하나의 변수만이 검사되었다. 실제로, 적당한 오류 검출 모델(FDM)(24)을 선택하는 것은 다수의-변수 분석을 포함할 수 있다.
전술한 바와 같이, 그 후에 예를 들어 (24-2)와 같은 선택된 오류 검출 모델이 이온 주입 툴(10) 내의 프로세스를 모니터링하기 위해 사용되는데, 이는 튜닝 프로세스(20)로부터 생성된 툴 변수들(21)을 사용하여 수행되기 때문이다. 물론, 오류 검출 모델들(24-1 내지 24-n)은 예를 들어 빔 전류, 강사 또는 비틀림 각도, 필라멘트 전류 등과 같은 툴 변수들의 조합에 기초하여 분리될 수 있다. 튜닝 프로세스(20)로부터 생성된 툴 변수들(21)과 가장 잘 맞는 모델(24)은 예를 들어 보간 법(interpolation) 등과 같은 다양한 공지의 통계적인 기술에 의해 결정될 수 있다. 일부 예에서,모델들(24-1 내지 24-n)은 또한 이온 주입 프로세스에서 사용된 툴 변수들과 다른 변수들을 처리할 수 있다. 예를 들어, 모델들(24-1 내지 24-n)은 또한, 관리 프로시저가 툴(10) 상에서 마지막으로 수행된 이후의 프로세싱 시간들의 수(또는 시간들 범위)와 같은, 툴(10)의 상태에 직결된 변수를 포함할 수 있다.
이러한 방식으로, 더 좋은 제어 및 오류 검출 성능들이 이온 주입 툴(10)의 동작에 대해 실현될 수 있다. 튜닝 프로세스로부터 생성된 변수들(21)에 기초하여 오류 검출 모델(24)을 선택함으로써, 더 엄격한 프로세스 제어가 달성될 수 있다. 즉, 이온 주입 방법들은 이온 주입 툴(10)에서 이온 주입 프로세스를 수행할 때 실제로 사용될 툴 변수들을 더 반영하는 오류 검출 모델들(FDM)에 기초하여 사용될 수 있다. 이러한 방법을 사용하여, 하나 이상의 변수들에서의 허용가능한 편차 크기를 최소화하는 오류 검출 모델들을 사용함으로써 더 엄격한 프로세스 제어가 달성될 수 있다.
주입 프로세스가 수행되고 있을 때, 또는 이것이 완료된 이후에, 트레이스 데이터는 다양한 툴 변수들에 대한 값들, 또는 값들 범위들과 관련하여 수집될 수 있다. 그 후에 이렇게 얻어진 트레이스 데이터는 예를 들어 (24-2)와 같은 선택된 오류 검출 모델(24) 내의 상응하는 변수들에 대한 값들과 비교될 수 있다. 만일 예를 들어 빔 전류, 비틀림 각도와 같은 측정된 변수 값과 선택된 오류 검출 모델(24-2) 내의 그 변수에 대한 값(또는 값들 범위) 사이에 편차가 존재한다면, 오류 상황이 표시되거나 식별될 수 있다. 일부 예에서, 오류는 측정된 변수가 선택된 오류 검출 모델 내의 변수에 대한 값을 미리 선택된 양만큼 초과하는 경우에만 표시될 수 있다.
오류 상황이 식별되면, 다양한 행동이 수행될 수 있다. 먼저, 이온 주입 툴에서 처리된 기판은 혐의있는(suspect) 기판들 그룹, 즉 이온 주입 프로세스가 예를 들어 모델(24-2)과 같은 선택된 오류 검출 모델에 의해 예측된 값에 따라 처리되지 않은 그룹인 것으로 식별될 수 있다. 다른 실시예에서, 상기 처리된 기판들은 즉시 폐품(scrap)으로 식별될 수 있다. 또 다른 실시예에서, 오류의 식별은 관리 인원이 상기 툴을 검사할 수 있는 시간까지 특정한 이온 주입 툴(10)을 사용하여 중지하는 결과를 초래할 수 있다. 다른 예로서, 오류의 식별은 특정한 이온 주입 툴이 가능한 한 빨리 서비스되어야 한다고 관리 부서에 알릴 수 있다.
본 발명의 다른 실시예에서, 시스템은 데이터베이스 내에 저장될 수 있는 다수의 오류 검출 모델들(24-1 내지 24-n) 대신에, 도는 이에 부가하여 재생성될 수 있는 일반적인 재생가능한 오류 검출 모델(25)(도 2 참조)을 사용할 수 있다. 이 경우에, 이온 주입 운전 모델(22)은 튜닝 프로세스(20)로부터 생성된 툴 변수들(21)에 대한 고유한 오류 검출 모델(25)을 생성할 수 있다. 즉, 이온 주입 운전 모델(22)은 튜닝 프로세스(20)로부터 생성된 툴 변수들(21)의 집합으로 짜맞추어진(tailored) 특정한 오류 검출 모델을 생성하거나 만들기 위해 사용될 수 있다. 전술한 바와 같이, 이러한 기술을 사용하여, 이온 주입 툴(10)에 대한 오류 검출 방법들은 이온 주입 툴(10)에서 수행될 툴 변수들에 구체적으로 짜맞추어진 재생가능한 오류 검출 모델의 사용에 기인하여 개선될 수 있다.
도 3은 본 발명에 따라 사용될 수 있는 대안적인 방법들을 도시한다. 이 실시예에서, 다수의 주입 튜닝 셋포인트 모델들(SPM)(30(1-n))이 튜닝 프로세스(20)의 수용가능성을 결정하는 프로세스의 일부로서 사용될 수 있다. 편리한 참조를 위해, 셋포인트 모델들(SPM)은 번호(30)에 의해 개별적으로 및/또는 집합적으로 참조될 수 있다. 이 실시예에서, 블록(21)에 표시된 바와 같이, 툴 셋포인트 변수들 및/또는 트레이스 데이터가 주입 튜닝 셋포인트 모델(32)에 제공될 수 있다. 다음, 주입 튜닝 셋포인트 모델(32)은 이미 만들어진 셋포인트 모델들(SPM)(30-1 내지 30-n)의 하나 이상의 집합과 상기 (튜닝 프로세스(20)로부터의) 툴 셋포인트 데이터(21)를 매칭시키려고 시도할 수 있다. 셋포인트 모델들(SPM)(30)은 역사적 수행 데이터에 기초하는 역사적 계측 데이터 및/또는 신뢰 레벨들에 기초하여 만들어질 수 있다. 예를 들어, 일 예에서, 튜닝 프로세스(20)로부터 생성된 툴 셋포인트 변수들(21)은 임의의 셋포인트 모델들(30)과 매칭되지 않을 수 있다. 이 상황은, 이러한 모델들이 대량의 역사적 데이터에 기초할 수 있을지라도, 튜닝 프로세스(20)가 임의의 툴 셋포인트 모델들(SPM)(30)과 매칭되지 않는 툴 변수들(21)을 제안하고 있는, 비정상적인 상황으로 표시될 수 있다. 이러한 상황은 튜닝 프로세스(20)가 이전에 만들어진 기준(norm)으로부터 크게 다르기 때문에, 튜닝 프로세스(20)로부터의 툴 변수들(21)을 거부하게 하는 결과를 가져올 수 있다. 다른 예에서, 제조되는 제품은 예를 들어 고성능 마이크로프로세스와 같은 고성능 집적회로 디바이스일 수 있다. 이 상황에서, 역사적 데이터는 단지 2 또는 3개의 셋포인트 모델들(SPM)(30)이 수용가능한 결과를 생성한다고 표시할 수 있다. 이 경우에, 튜닝 프 로세스(20)로부터의 툴 셋포인트 변수들(21)이 상기 2 또는 3개의 셋포인트 모델들(SPM)(30) 중 하나에 매칭되지 않는다면, 튜닝 프로세스(20)는 거부될 수 있다. 이 실시예에서, 단순히, 셋포인트 모델들(30)은 튜닝 프로세스(20)의 수용가능성을 결정할 때 적어도 하나의 인자로서 사용될 수 있다. 물론 전술한 바와 같이, 도 3에 도시된 바와 같은, 다양한 비지니스 규칙들(27)이 결정-수행 프로세스에서 사용될 수도 있다. 만일 이 결과들이 셋포인트 모델들(SPM)(30)을 고려함으로써 제공되는 부가적인 입력에 기초하여 수용가능하다면, 이온 주입 프로세스는 수행될 수 있고, 오류 검출 모델(FDM)은 전술한 바와 같이 선택될 수 있다.
하나의 예시적인 실시예에서, 본 방법은 이온 주입 툴에 대한 튜닝 프로세스를 수행하는 단계-상기 튜닝 프로세스는 이온 주입 툴에 대한 적어도 하나의 툴 변수를 생성함-와, 튜닝 프로세스로부터 생성된 툴 변수에 기초하여 이온 주입 툴에서 수행될 이온 주입 프로세스에 대한 오류 검출 모델을 선택하는 단계와, 선택된 오류 검출 모델을 사용하여 이온 주입 툴에서 수행된 이온 주입 프로세스를 모니터링하는 단계를 포함한다.
다른 예시적인 실시예에서, 본 방법은 이온 주입 툴에 대한 튜닝 프로세스를 수행하는 단계-상기 튜닝 프로세스는 이온 주입 툴에 대한 적어도 하나의 툴 변수를 생성함-와, 튜닝 프로세스로부터 생성된 툴 변수에 기초하여 이온 주입 툴에서 수행될 이온 주입 프로세스에 대한 오류 검출 모델을 생성하는 단계와, 생성된 오류 검출 모델을 사용하여 이온 주입 툴에서 수행된 이온 주입 프로세스를 모니터링하는 단계를 포함한다.
또 다른 예시적인 실시예에서, 본 방법은 이온 주입 툴에 대한 튜닝 프로세스를 수행하는 단계-상기 튜닝 프로세스는 이온 주입 툴에 대한 적어도 하나의 툴 변수를 생성함-와, 이온 주입 툴에서 수행된 이온 주입 프로세스에 놓인 적어도 하나의 기판에 형성된 주입 영역들에 대한 역사적 계측 데이터에 기초하여 튜닝 프로세스로부터 생성된 툴 변수가 수용가능한지를 결정하는 단계를 포함한다.
추가의 예시적인 실시예에서, 본 방법은 이온 주입 툴에 대한 튜닝 프로세스를 수행하는 단계-상기 튜닝 프로세스는 이온 주입 툴에 대한 적어도 하나의 툴 변수를 생성함-와, 튜닝 셋포인트 모델들의 집합과 툴 변수의 비교에 기초하여 튜닝 프로세스로부터 생성된 툴 변수가 수용가능한지를 결정하는 단계를 포함한다.
이상 개시된 특정한 실시예들은 단지 예시적인 것인데, 왜냐하면 본 방법은 상이하지만 본 기술 분야의 당업자에게 명백하게 균등한 방식으로 수정되고 실시될 수 있기 때문이다. 예를 들어, 위에 설명된 프로세스 단계들은 상이한 순서로 수행될 수 있다. 나아가, 이하의 청구범위에서 설명된 것과 다르게, 실시예들에 도시된 구조와 설계의 상세는 제한적인 것으로 의도된 것이 아니다. 따라서 위에 개시된 특정한 실시예들은 변경되거나 수정될 수 있고, 이러한 모든 변형들은 본 발명의 범위와 사상 내에 있는 것으로 간주된다는 것은 명백하다. 따라서, 본 발명은 이하의 청구범위에 기술된 바에 따라 보호되어야 한다.
Claims (23)
- 이온 주입 툴(10)에 대한 튜닝 프로세스를 수행하는 단계-상기 튜닝 프로세스는 상기 이온 주입 툴(10)에 대한 적어도 하나의 툴 변수를 생성함-와;상기 튜닝 프로세스로부터 생성된 적어도 하나의 툴 변수에 기초하여 상기 이온 주입 툴(10)에서 수행될 이온 주입 프로세스에 대한 오류 검출 모델(24)을 선택하는 단계와;상기 선택된 오류 검출 모델(24)을 사용하여 상기 이온 주입 툴(10)에서 수행된 이온 주입 프로세스를 모니터링하는 단계를 포함하는 것을 특징으로 하는 방법.
- 제 1항에 있어서,상기 튜닝 프로세스는 상기 이온 주입 툴(10)에서 수행되는 것을 특징으로 하는 방법.
- 제 1항에 있어서,상기 튜닝 프로세스는 새로운 이온 주입 레서피(recipe)가 상기 이온 주입 툴(10)에서 수행될 때 수행되는 것을 특징으로 하는 방법.
- 제 1항에 있어서,상기 튜닝 프로세스는 상기 이온 주입 툴(10)에 대한 다수의 툴 변수들을 생성하는 것을 특징으로 하는 방법.
- 제 1항에 있어서,상기 선택된 오류 검출 모델(24)은 다수의 기존 오류 검출 모델들로부터 선택되는 것을 특징으로 하는 방법.
- 제 1항에 있어서,상기 선택된 오류 검출 모델(24)은 상기 튜닝 프로세스로부터 생성된 적어도 하나의 툴 변수와 상기 다수의 오류 검출 모델들 중 하나의 모델 내의 상응하는 툴 변수의 비교에 기초하여 다수의 오류 검출 모델들로부터 선택되는 것을 특징으로 하는 방법.
- 제 1항에 있어서,상기 적어도 하나의 툴 변수는 주입 분량, 주입 에너지 레벨, 빔 전류, 비틀림 각도, 아크 전류, 아크 전압, 필라멘트 전류, 필라멘트 전압, 가스 흐름 속도, 자기 전류, 추출 전류, 추출 전압, 억제 전류 및 억제 전압 중 적어도 하나를 포함하는 것을 특징으로 하는 방법.
- 제 1항에 있어서,상기 이온 주입 프로세스 동안 적어도 하나의 툴 변수를 모니터링하는 단계와;상기 모니터링된 적어도 하나의 툴 변수가 상기 선택된 오류 검출 모델에 의해 만들어진 미리 선택된 허용가능한 제한값들 내에 있지 않을 때 오류 상황을 선언하는 단계를 추가로 포함하는 것을 특징으로 하는 방법.
- 이온 주입 툴에 대한 튜닝 프로세스를 수행하는 단계-상기 튜닝 프로세스는 상기 이온 주입 툴에 대한 적어도 하나의 툴 변수를 생성함-와;상기 튜닝 프로세스로부터 생성된 적어도 하나의 툴 변수에 기초하여 상기 이온 주입 툴에서 수행될 이온 주입 프로세스에 대한 오류 검출 모델을 생성하는 단계와;상기 생성된 오류 검출 모델을 사용하여 상기 이온 주입 툴에서 수행된 이온 주입 프로세스를 모니터링하는 단계를 포함하는 것을 특징으로 하는 방법.
- 제 9항에 있어서,상기 이온 주입 프로세스 동안 적어도 하나의 툴 변수를 모니터링하는 단계와;상기 모니터링된 적어도 하나의 툴 변수가 상기 생성된 오류 검출 모델에 의해 만들어진 미리 선택된 허용가능한 제한값들 내에 있을 때 오류 상황을 선언하는 단계를 추가로 포함하는 것을 특징으로 하는 방법.
- 이온 주입 툴에 대한 튜닝 프로세스를 수행하는 단계-상기 튜닝 프로세스는 상기 이온 주입 툴에 대한 적어도 하나의 툴 변수를 생성함-와;상기 이온 주입 툴에서 수행된 이온 주입 프로세스에 놓인 적어도 하나의 기판에서 형성된 주입 영역들에 대한 역사적 계측 데이터에 기초하여 상기 튜닝 프로세스로부터 생성된 적어도 하나의 툴 변수가 수용가능한지를 결정하는 단계를 포함하는 것을 특징으로 하는 방법.
- 제 11항에 있어서,상기 적어도 하나의 툴 변수가 수용가능한 것으로 결정된다면 상기 튜닝 프로세스로부터 생성된 상기 적어도 하나의 툴 변수를 사용하여 상기 툴에서 이온 주입 프로세스를 수행하는 단계를 추가로 포함하는 것을 특징으로 하는 방법.
- 제 11항에 있어서,상기 적어도 하나의 툴 변수가 수용불가능한 것으로 결정되면 상기 이온 주입 툴에 대한 다른 튜닝 프로세스를 수행하는 단계를 추가로 포함하는 것을 특징으로 하는 방법.
- 제 11항에 있어서,상기 적어도 하나의 툴 변수가 수용가능한지를 결정하는 단계는 상기 적어도 하나의 툴 변수와 연관된 신뢰 값(confidence value)에 기초하는 것을 특징으로 하는 방법.
- 제 11항에 있어서,상기 적어도 하나의 툴 변수가 수용가능한지를 결정하는 단계는 상기 튜닝 프로세스로부터 생성된 적어도 하나의 툴 변수와 상기 역사적 계측 데이터와 연관된 상응하는 툴 변수의 비교에 기초하는 것을 특징으로 하는 방법.
- 제 11항에 있어서,상기 적어도 하나의 툴 변수가 수용가능한 것으로 결정되면, 상기 튜닝 프로세스로부터 생성된 적어도 하나의 툴 변수에 기초하여 상기 이온 주입 툴에서 수행될 이온 주입 프로세스에 대한 오류 검출 모델을 선택하는 단계를 추가로 포함하는 것을 특징으로 하는 방법.
- 제 11항에 있어서,상기 적어도 하나의 툴 변수가 수용가능한 것으로 결정되면, 상기 튜닝 프로세스로부터 생성된 적어도 하나의 툴 변수에 기초하여 상기 이온 주입 툴에서 수행될 이온 주입 프로세스에 대한 오류 검출 모델을 생성하는 단계를 추가로 포함하는 것을 특징으로 하는 방법.
- 이온 주입 툴에 대한 튜닝 프로세스를 수행하는 단계-상기 튜닝 프로세스는 상기 이온 주입 툴에 대한 적어도 하나의 툴 변수를 생성함-와;상기 적어도 하나의 툴 변수와 튜닝 셋포인트 모델들의 비교에 기초하여 상기 튜닝 프로세스로부터 생성된 적어도 하나의 툴 변수가 수용가능한지를 결정하는 단계를 포함하는 것을 특징으로 하는 방법.
- 제 18항에 있어서,상기 적어도 하나의 툴 변수가 수용가능한 것으로 결정되면 상기 튜닝 프로세스로부터 생성된 적어도 하나의 툴 변수를 사용하여 상기 툴에서 이온 주입 프로세스를 수행하는 단계를 추가로 포함하는 것을 특징으로 하는 방법.
- 제 18항에 있어서,상기 적어도 하나의 툴 변수가 수용불가능한 것으로 결정되면 상기 이온 주입 툴에 대한 다른 튜닝 프로세스를 수행하는 단계를 추가로 포함하는 것을 특징으로 하는 방법.
- 제 18항에 있어서,상기 튜닝 프로세스로부터 생성된 적어도 하나의 변수가 수용가능한지를 결정하는 단계는 상기 적어도 하나의 툴 변수가 상기 튜닝 셋포인트 모델들 집합의 선택된 그룹 중 하나에 매칭되는 지를 결정하는 단계를 포함하는 것을 특징으로 하 는 방법.
- 제 18항에 있어서,상기 튜닝 프로세스로부터 생성된 적어도 하나의 변수가 수용가능한지를 결정하는 단계는 상기 적어도 하나의 툴 변수가 상기 튜닝 셋포인트 모델들 집합 내의 임의의 모델들과 매칭되지 않는 지를 결정하는 단계를 포함하는 것을 특징으로 하는 방법.
- 제 18항에 있어서,상기 적어도 하나의 툴 변수가 수용가능한지를 결정하는 단계는 상기 튜닝 프로세스로부터 생성된 적어도 하나의 툴 변수와 상기 이온 주입 툴에서 수행된 이온 주입 프로세스에 놓인 적어도 하나의 기판에 형성된 주입 영역들에 대한 역사적 계측 데이터와 연관된 상응하는 툴 변수를 비교하는 단계를 추가로 포함하는 것을 특징으로 하는 방법.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US10/700,175 US6960774B2 (en) | 2003-11-03 | 2003-11-03 | Fault detection and control methodologies for ion implantation processes, and system for performing same |
| US10/700,175 | 2003-11-03 | ||
| PCT/US2004/017617 WO2005045875A1 (en) | 2003-11-03 | 2004-06-04 | Fault detection and control methodologies for ion implantation processes, and system for performing same. |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20060114324A true KR20060114324A (ko) | 2006-11-06 |
| KR101081013B1 KR101081013B1 (ko) | 2011-11-09 |
Family
ID=34551144
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020067008657A KR101081013B1 (ko) | 2003-11-03 | 2006-05-03 | 이온 주입 프로세스들에 대한 오류 검출 및 제어 방법, 및이를 수행하는 시스템 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US6960774B2 (ko) |
| JP (1) | JP2007538383A (ko) |
| KR (1) | KR101081013B1 (ko) |
| CN (1) | CN1894767B (ko) |
| DE (2) | DE112004003062B4 (ko) |
| GB (2) | GB2423188B (ko) |
| TW (1) | TWI358531B (ko) |
| WO (1) | WO2005045875A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140127135A (ko) * | 2013-04-24 | 2014-11-03 | 프랙스에어 테크놀로지, 인코포레이티드 | 동위원소로 농축된 레벨의 도펀트 기체 조성물의 이온 주입 공정에의 사용 방법 |
Families Citing this family (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10339991A1 (de) * | 2003-08-29 | 2005-03-31 | Advanced Micro Devices, Inc., Sunnyvale | Verbesserte Technik zum Einstellen einer Eindringtiefe während der Implantation von Ionen in ein Halbleitergebiet |
| US7397047B2 (en) * | 2005-05-06 | 2008-07-08 | Varian Semiconductor Equipment Associates, Inc. | Technique for tuning an ion implanter system |
| GB2438893B (en) * | 2006-06-09 | 2010-10-27 | Applied Materials Inc | Ion beams in an ion implanter |
| US7619229B2 (en) * | 2006-10-16 | 2009-11-17 | Varian Semiconductor Equipment Associates, Inc. | Technique for matching performance of ion implantation devices using an in-situ mask |
| US20080245957A1 (en) * | 2007-04-03 | 2008-10-09 | Atul Gupta | Tuning an ion implanter for optimal performance |
| JP5484808B2 (ja) * | 2008-09-19 | 2014-05-07 | 株式会社ニューフレアテクノロジー | 描画装置及び描画方法 |
| US8606379B2 (en) * | 2008-09-29 | 2013-12-10 | Fisher-Rosemount Systems, Inc. | Method of generating a product recipe for execution in batch processing |
| TWI479533B (zh) * | 2010-07-16 | 2015-04-01 | Axcelis Tech Inc | 用以在離子植入系統中減少粒子污染的設備及用以在將離子植入一或更多工件內之過程中減少粒子污染的方法 |
| JP2012212847A (ja) | 2011-03-24 | 2012-11-01 | Toshiba Corp | 半導体装置の製造方法、製造システムおよび調整装置 |
| US8679863B2 (en) * | 2012-03-15 | 2014-03-25 | International Business Machines Corporation | Fine tuning highly resistive substrate resistivity and structures thereof |
| US9547354B2 (en) * | 2013-04-11 | 2017-01-17 | Dell Products L.P. | System and method for increasing current monitor power telemetry accuracy |
| US9412595B2 (en) * | 2013-12-18 | 2016-08-09 | Taiwan Semiconductor Manufacturing Company Limited | Systems and methods for intelligent dispatching for wafer processing |
| US10393802B2 (en) * | 2017-06-14 | 2019-08-27 | Nuvoton Technology Corporation | System and method for adaptive testing of semiconductor product |
| US11348813B2 (en) * | 2019-01-31 | 2022-05-31 | Applied Materials, Inc. | Correcting component failures in ion implant semiconductor manufacturing tool |
| JP7111084B2 (ja) * | 2019-03-25 | 2022-08-02 | 日新イオン機器株式会社 | イオンビーム照射装置及びイオンビーム照射装置用プログラム |
| CN110047739B (zh) * | 2019-04-19 | 2021-03-09 | 上海华虹宏力半导体制造有限公司 | 一种离子注入机台的返工方法 |
| US20230013095A1 (en) * | 2021-07-14 | 2023-01-19 | Applied Materials, Inc. | Methods, mediums, and systems for identifying tunable domains for ion beam shape matching |
| CN113984870B (zh) * | 2021-12-24 | 2022-03-22 | 北京凯世通半导体有限公司 | 一种通过sims对超低温离子注入设备监测的方法 |
| US11699570B1 (en) * | 2022-02-07 | 2023-07-11 | Applied Materials, Inc. | System and method for hi-precision ion implantation |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5859964A (en) * | 1996-10-25 | 1999-01-12 | Advanced Micro Devices, Inc. | System and method for performing real time data acquisition, process modeling and fault detection of wafer fabrication processes |
| US6055460A (en) | 1997-08-06 | 2000-04-25 | Advanced Micro Devices, Inc. | Semiconductor process compensation utilizing non-uniform ion implantation methodology |
| US6049220A (en) * | 1998-06-10 | 2000-04-11 | Boxer Cross Incorporated | Apparatus and method for evaluating a wafer of semiconductor material |
| US6465263B1 (en) * | 2000-01-04 | 2002-10-15 | Advanced Micro Devices, Inc. | Method and apparatus for implementing corrected species by monitoring specific state parameters |
| JP2002083958A (ja) * | 2000-09-08 | 2002-03-22 | Sony Corp | イオン注入条件の設定方法および半導体装置の製造方法 |
| US6895293B2 (en) | 2000-09-14 | 2005-05-17 | Applied Materials, Inc. | Fault detection and virtual sensor methods for tool fault monitoring |
| US7337019B2 (en) * | 2001-07-16 | 2008-02-26 | Applied Materials, Inc. | Integration of fault detection with run-to-run control |
| US7282721B2 (en) * | 2001-08-30 | 2007-10-16 | Varian Semiconductor Equipment Associates, Inc. | Method and apparatus for tuning ion implanters |
| US7254453B2 (en) * | 2002-11-21 | 2007-08-07 | Advanced Micro Devices, Inc. | Secondary process controller for supplementing a primary process controller |
| US6823231B1 (en) * | 2002-11-25 | 2004-11-23 | Advanced Micro Devices, Inc. | Tuning of a process control based upon layer dependencies |
-
2003
- 2003-11-03 US US10/700,175 patent/US6960774B2/en not_active Expired - Fee Related
-
2004
- 2004-06-04 DE DE112004003062.5T patent/DE112004003062B4/de not_active Expired - Fee Related
- 2004-06-04 JP JP2006537960A patent/JP2007538383A/ja active Pending
- 2004-06-04 GB GB0608779A patent/GB2423188B/en not_active Expired - Fee Related
- 2004-06-04 WO PCT/US2004/017617 patent/WO2005045875A1/en active Application Filing
- 2004-06-04 CN CN2004800371449A patent/CN1894767B/zh not_active Expired - Fee Related
- 2004-06-04 DE DE112004002106T patent/DE112004002106B4/de not_active Expired - Fee Related
- 2004-06-04 GB GB0704597A patent/GB2432965B/en not_active Expired - Fee Related
- 2004-10-27 TW TW093132488A patent/TWI358531B/zh not_active IP Right Cessation
-
2006
- 2006-05-03 KR KR1020067008657A patent/KR101081013B1/ko not_active IP Right Cessation
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140127135A (ko) * | 2013-04-24 | 2014-11-03 | 프랙스에어 테크놀로지, 인코포레이티드 | 동위원소로 농축된 레벨의 도펀트 기체 조성물의 이온 주입 공정에의 사용 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| GB2423188A (en) | 2006-08-16 |
| KR101081013B1 (ko) | 2011-11-09 |
| DE112004003062B4 (de) | 2017-06-08 |
| CN1894767B (zh) | 2010-08-25 |
| GB2432965A (en) | 2007-06-06 |
| GB0608779D0 (en) | 2006-06-14 |
| CN1894767A (zh) | 2007-01-10 |
| DE112004002106B4 (de) | 2010-10-14 |
| US6960774B2 (en) | 2005-11-01 |
| TW200521410A (en) | 2005-07-01 |
| TWI358531B (en) | 2012-02-21 |
| GB2423188B (en) | 2007-05-23 |
| GB2432965B (en) | 2007-07-25 |
| JP2007538383A (ja) | 2007-12-27 |
| DE112004002106T5 (de) | 2006-10-26 |
| WO2005045875A1 (en) | 2005-05-19 |
| US20050092939A1 (en) | 2005-05-05 |
| GB0704597D0 (en) | 2007-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101081013B1 (ko) | 이온 주입 프로세스들에 대한 오류 검출 및 제어 방법, 및이를 수행하는 시스템 | |
| US8185230B2 (en) | Method and apparatus for predicting device electrical parameters during fabrication | |
| US6917849B1 (en) | Method and apparatus for predicting electrical parameters using measured and predicted fabrication parameters | |
| US6368884B1 (en) | Die-based in-fab process monitoring and analysis system for semiconductor processing | |
| US6678570B1 (en) | Method and apparatus for determining output characteristics using tool state data | |
| US6465263B1 (en) | Method and apparatus for implementing corrected species by monitoring specific state parameters | |
| US6684122B1 (en) | Control mechanism for matching process parameters in a multi-chamber process tool | |
| US6563300B1 (en) | Method and apparatus for fault detection using multiple tool error signals | |
| US7016750B2 (en) | Method, device, computer-readable storage medium and computer program element for monitoring of a manufacturing process | |
| US7650199B1 (en) | End of line performance prediction | |
| US6701206B1 (en) | Method and system for controlling a process tool | |
| US6804619B1 (en) | Process control based on tool health data | |
| US6821792B1 (en) | Method and apparatus for determining a sampling plan based on process and equipment state information | |
| US6909933B2 (en) | Method, device, computer-readable memory and computer program element for the computer-aided monitoring and controlling of a manufacturing process | |
| US7324865B1 (en) | Run-to-run control method for automated control of metal deposition processes | |
| JP2009521800A (ja) | 情報信憑性に基づく改良された状態推定 | |
| US20040088068A1 (en) | Method and apparatus for providing first-principles feed-forward manufacturing control | |
| US6937914B1 (en) | Method and apparatus for controlling process target values based on manufacturing metrics | |
| US7130769B1 (en) | Method of dynamically designing a preventative maintenance schedule based upon sensor data, and system for accomplishing same | |
| US7153709B1 (en) | Method and apparatus for calibrating degradable components using process state data | |
| US7020535B1 (en) | Method and apparatus for providing excitation for a process controller | |
| US7783455B1 (en) | Methods and systems for analyzing process equipment processing variations using sensor data | |
| US7321993B1 (en) | Method and apparatus for fault detection classification of multiple tools based upon external data | |
| US6988225B1 (en) | Verifying a fault detection result based on a process control state | |
| CN105895563A (zh) | 一种制造过程中预测半导体装置的电气参数的方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| N231 | Notification of change of applicant | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20141023 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20151002 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20160929 Year of fee payment: 6 |
|
| LAPS | Lapse due to unpaid annual fee |