TW201428868A - 用於自動辨識因隔離程序事件和系統性潮流而產生的粒子污染的方法和裝置 - Google Patents

用於自動辨識因隔離程序事件和系統性潮流而產生的粒子污染的方法和裝置 Download PDF

Info

Publication number
TW201428868A
TW201428868A TW102133454A TW102133454A TW201428868A TW 201428868 A TW201428868 A TW 201428868A TW 102133454 A TW102133454 A TW 102133454A TW 102133454 A TW102133454 A TW 102133454A TW 201428868 A TW201428868 A TW 201428868A
Authority
TW
Taiwan
Prior art keywords
tool
normal
pollution
contamination
function
Prior art date
Application number
TW102133454A
Other languages
English (en)
Other versions
TWI616961B (zh
Inventor
Aaron Archer Waterman
Yuichiro Morozumi
Tetsushi Ozaki
Sanjeev Kaushal
Sukesh Janubhai Patel
Original Assignee
Tokyo Electron Ltd
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 Tokyo Electron Ltd filed Critical Tokyo Electron Ltd
Publication of TW201428868A publication Critical patent/TW201428868A/zh
Application granted granted Critical
Publication of TWI616961B publication Critical patent/TWI616961B/zh

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • 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
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31336—Store machines performance; use it to control future machining
    • 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
    • G05B2219/32—Operator till task planning
    • G05B2219/32368—Quality control
    • 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
    • G05B2219/37224—Inspect wafer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本發明提供一種半導體製造期間自動追踪粒子污染的原因的系統及方法。污染分析系統分析工具程序記錄以及多重程序執行的粒子污染數據，以判斷系統性粒子污染程度與一或多個工具參數之間的關係。此關係是用於預測與工具的常規使用有關的預期污染程度，以及用於辨識哪一個工具參數對預期粒子污染程度影響最大。污染分析系統也辨識顯示超出預期污染程度之非預期異常粒子污染程度的程序記錄，並且也對特殊程序記錄參數事件追踪異常粒子污染的原因。

Description

用於自動辨識因隔離程序事件和系統性潮流而產生的粒子污染的方法和裝置
本發明係普遍關於半導體製造期間用於追踪粒子污染的原因的技術。
電子與計算裝置進展中的技術演進帶動半導體技術進步。消費者對於更小、效能更高、並且效率更好之電腦裝置和電子裝置的成長性需求已帶領半導體裝置走向縮小化。為了符合裝置需求但限制成本，已增大其上形成有半導體裝置之矽晶圓的尺寸。
運作大型晶圓尺寸的製造工廠利用自動化實現並且管控(control)晶圓處理。此等工廠可為資本密集，從而期望使製造裝備維持高效率作業(operation)，以最小化停機時間(downtime)並且最大化良率(yield)。為了促成這些目的，測量裝備通常係用於在晶圓處理期間監控製造裝備並且用於取得裝備和所處理晶圓上的測量資訊。可接 著分析測量資訊以最佳化製造裝備。
根據實施例，測量資訊可包括指出製造裝備的狀態或狀況或其一部分的工具層級資訊、詳述處理中晶圓實體及/或幾何狀況的晶圓測量資訊、電氣文字資訊(electrical text information)、以及諸如此類。另外，可由製程工程師收集例如光譜線強度資訊等光譜數據以協助辨識蝕刻終點。然而，在習知的製造環境中，各種測量數據係為了不同目的而互相獨立處理。因此，未對先進製造程序最佳化制衡(leverage)各種測量數據之間的交互關係。
現今半導體製造測量和最佳化系統的上述缺陷用意僅在於概述習知系統的某些問題而非徹底提出問題。檢閱底下說明可進一步變得明顯知道習知系統的其它問題以及本文所述各種非限制性具體實施例的相應優點。
下文呈現簡化的發明內容以便基礎並且一般性理解本文所述示例性、非限制性具體實施例的某些態樣。本發明說明不是延伸概述也非意圖辨識重要/關鍵元件或描述本文所述各種態樣的範疇。反而，本發明說明的唯一目的在於以簡化形成呈現某些概念作為後文各種具體實施例更詳細說明的引言。
本揭示的一或多個具體實施例係有關用於對製造工具相關程序記錄中特殊參數事件自動追踪半導體製造期間粒子污染的原因的技術。為達此目的，提供與可辨識工具的常規使用相關預期污染程度的污染分析系統， 與預期污染程度最有關聯的工具參數、與有害(detrimental)粒子污染程度相關聯的非預期程序記錄參數事件、以及其它此類資訊。
在一或多個具體實施例中，污染分析系統 接收對應於半導體製造程序的多重程序執行的程序記錄數據。分析工具也容許使用者輸入對一或多種粒子界定關鍵粒子數的污染規格。污染分析系統使用此資訊區分對應於表示顯著粒子污染之執行的程序記錄及對應於表示粒子污染的可接受程度之正常(normal)程序執行的程序記錄。問題解決引擎接著處理正常程序記錄(省略對應於異常執行的程序記錄)以辨識因工具退化及保養動作所致可接受、預期粒子污染程度相關的工具參數。分析工具使用此資訊界定預期粒子污染程度為工具參數的函數，其提供有關於保養對粒子污染影響的有用資訊並且可用於從工具程序記錄中的有害隔離事件區分系統性污染潮流。
另外，污染分析系統可使用對應於有害粒子程度的工具程序記錄進行敏感度分析以判斷顯示異常行為的工具參數。污染分析系統可基於此敏感度分析根據對正常和非預期粒子污染的影響排行(rank)工具參數，讓使用者洞悉各別工具參數以及程序事件對粒子污染的影響。
為了達成前述及相關目的，本文搭配下文的說明及附圖說明特定描述性態樣。這些態樣說明可予以實踐、全都意圖予以含括於本文的各種方式。其它優點和新穎性特徵可搭配圖式經由下文的實施方式而變得顯而易知。
100‧‧‧系統
102‧‧‧輸入晶圓
104‧‧‧處理後晶圓
106‧‧‧污染規格
108‧‧‧工具程序記錄
110‧‧‧半導體製造系統
112‧‧‧工具執行粒子數據
120‧‧‧光譜儀
130‧‧‧工具感測器
140‧‧‧裝置測量裝備
150‧‧‧報告組件
154‧‧‧分析結果
160‧‧‧污染分析系統
202‧‧‧污染分析系統
204‧‧‧介面組件
206‧‧‧分離組件
208‧‧‧函數產生組件
210‧‧‧參數辨識組件
212‧‧‧處理器
214‧‧‧記憶體
302‧‧‧半導體製造系統
304‧‧‧工具程序記錄
306‧‧‧工具粒子數據
308‧‧‧污染分析系統
310‧‧‧分離組件
312‧‧‧污染規格
314‧‧‧介面組件
316‧‧‧正常程序記錄
318‧‧‧異常程序記錄
320‧‧‧學習系統
322‧‧‧函數產生組件
324‧‧‧參數辨識組件
326‧‧‧非預期工具參數事件
328‧‧‧工具參數排行
330‧‧‧粒子污染函數
400‧‧‧介面
402‧‧‧第一介面區段
404‧‧‧第二介面區段
406‧‧‧數據欄
602‧‧‧工具程序記錄
604‧‧‧分離組件
606‧‧‧正常執行的程序記錄
608‧‧‧異常執行的程序記錄
610‧‧‧函數產生組件
612‧‧‧輸出
614‧‧‧預測系統
616‧‧‧長期污染預測
702‧‧‧函數產生組件
704‧‧‧函數
706‧‧‧參數辨識組件
708‧‧‧參數排行
804‧‧‧工具程序記錄
806‧‧‧工具執行數據
808‧‧‧污染規格
810‧‧‧污染分析系統
812‧‧‧粒子污染函數
814‧‧‧數據儲存體
1002‧‧‧函數產生組件
1006‧‧‧參數辨識組件
1008‧‧‧參數排行
1100‧‧‧顯示輸出
1200‧‧‧方法
1202‧‧‧步驟
1204‧‧‧步驟
1206‧‧‧步驟
1208‧‧‧步驟
1210‧‧‧步驟
1212‧‧‧步驟
1214‧‧‧步驟
1216‧‧‧步驟
1300‧‧‧方法
1302‧‧‧步驟
1304‧‧‧步驟
1306‧‧‧步驟
1308‧‧‧步驟
1310‧‧‧步驟
1400‧‧‧計算環境
1402‧‧‧電腦
1404‧‧‧處理單元
1406‧‧‧系統記憶體
1408‧‧‧系統匯流排
1410‧‧‧非揮發性記憶體
1412‧‧‧隨機存取記憶體(RAM)
1414‧‧‧碟型儲存體
1416‧‧‧介面
1418‧‧‧作業系統
1420‧‧‧應用程式
1424‧‧‧程式模組
1426‧‧‧程式資料
1428‧‧‧輸入裝置
1430‧‧‧輸入裝置(介面)埠
1434‧‧‧輸出(配接器)埠
1436‧‧‧輸出裝置
1438‧‧‧遠端電腦
1440‧‧‧記憶體/儲存裝置
1442‧‧‧網路介面
1444‧‧‧配接器
1500‧‧‧計算環境
1502‧‧‧用戶端
1504‧‧‧伺服器
1506‧‧‧通訊框架
1508‧‧‧用戶端數據儲存體
1510‧‧‧伺服器
第1圖是描述用於收集並且分析半導體生產相關資訊之示例性系統的方塊圖。
第2圖是使工具參數和程序事件與正常或非預期粒子污染程度呈相關之示例性污染分析系統的方塊圖。
第3圖是描述由示例性污染分析系統所進行處理函數的方塊圖。
第4圖描述用於界定污染規格的示例性介面。
第5圖描述有害工具執行之辨識。
第6圖描述用於對半導體製造系統判斷粒子污染程度為一或多個工具參數之函數的示例性程序流程。
第7圖描述影響粒子污染程度之工具參數的排行和辨識。
第8圖描述用於對系統性粒子污染推導函數為工具程序參數之函數的迭代程序(iterative process)。
第9圖描述隔離造成不可接受污染程度之程序事件之粒子污染函數的推導。
第10圖描述基於對異常粒子函數執行敏感度分析之工具參數的排行。
第11圖描述列示異常工具執行連同其各別經辨識根本原因參數事件的示例性顯示輸出。
第12圖是用於辨識影響系統性粒子污染之半導體製造系統的工具參數的實施例方法流程圖。
第13圖是用於隔離造成粒子污染異常程度之非預期工具參數行為的實施例方法流程圖。
第14圖是實施例計算環境。
第15圖是實施例連網環境。
現在將參照圖式說明本創新，其中相稱的元件符號全文係用於意指相稱的元件。在下文的說明中，為了解釋，提出許多特定細節以便對本發明提供透徹的理解。然而，可證實無需這些特定細節即可實踐本發明。另一方面，以方塊圖形式表示廣為人知的架構和裝置以便協助說明本創新。
本說明書及圖式中所用術語「物件」、「模組」、「介面」、「組件」、「系統」、「平台」、「引擎」、「選擇器」、「管理器」、「單元」、「儲存」、「網路」、「產生器」及諸如此類用意在於意指電腦相關實體或具特定功能作業機台或設備的相關實體或部分；此等實體可為硬體、硬體與軔體結合、硬體與軟體結合、軟體或執行中的軟體。另外，透過前述術語所辨識的實體在本文普遍稱為「功能元件」。在實施例中，組件可為但不侷限於處理器上執行的程序、處理器、物件、可執行碼(executable)、執行緒、程式、及/或電腦。藉由描述，伺服器上執行的應用程式及伺服器都可為組件。可在程序及/或執行緒內設置一或多個組件並且 可在一部電腦上安置及/或在二或更多部電腦之間分佈組件。還有，這些組件可經由具有各種資料結構儲存於其上的各種電腦可讀取式儲存媒體執行。組件可經由如根據具有一或多個數據封包(例如，來自與本端系統、分散式系統中另一組件介接之一個組件、及/或經由信號具其它系統如網際網路之類的網路跨接的數據)的信號之類的本端及/或遠端程序溝通。在實施例中，組件可為具有藉由電氣或電子電路操作之機械零件所提供特定功能的設備，其係由軟體作業、或藉由處理器執行軔體應用，其中處理器可在設備內部或外部並且執行至少部分軟體或軔體應用。在另一實施例中，組件可為透過電子組件而非機械零件提供特定功能的設備，電子組件內可包括處理器以執行提供至少部分電子組件功能的軟體或軔體。介面可包括輸入/輸出(I/O)組件以及相關處理器、應用程式、或API(應用程式介面)組件。儘管以上所示實施例係針對組件，所例示特徵或態樣也適用於物件、模組、介面、系統、平台、引擎、選擇器、管理器、單元、儲存、網路、及諸如此類。
此外，術語「或」的用意在於意指含括性的「或」而非排它性的「或」。亦即，除非特別指出，或上下文清楚表示，「X運用A或B」的用意在於意指自然含括性排列。亦即，若X運用A；X運用B；或X運用A與B兩者，則在前述任一情況下都滿足「X運用A或B」。另外，本申請書及所附申請專利範圍所用冠詞「一」、「一個」和
「一種」應普遍推斷為意指「一或多」，除非另有指定或上 下文清楚針對單數形式。
此外，本文所用術語「集合」排除空集合，亦即內無元素的集合。因此，「集合」在本揭示中包括一或多個元件或實體。如所述，組件集合包括一或多個組件；變數集合包括一或多個變數；及其它。
將依據可包括許多裝置、組件、模組、及諸如此類的系統呈現各種態樣或特徵。要理解並且了解各種系統可包括額外裝置、組件、模組等等及/或可不包括搭配圖示所述的所有裝置、組件、模組等等。也可使用這些方式的組合。
第1圖為描述用於收集並且分析半導體生產相關資訊之示例性系統100的方塊圖。如第1圖所示，半導體製造系統110可接收輸入晶圓102並且輸出處理後晶圓104。在示例性、非限制具體實施例中，半導體製造系統110可為一種蝕刻工具，該蝕刻工具經由蝕刻程序(例如，濕蝕刻、乾蝕刻、電漿蝕刻等等)自輸入晶圓102移除未遮罩材料以產生具有凹部(cavity)與特徵形成於其上之處理後晶圓104。半導體製造系統110也可為將材料沉積到輸入晶圓102上以產出處理後晶圓104的沉積工具。
各種如光譜儀120、工具感測器130、以及裝置測量裝備140之類的測量裝置都可監控半導體製造系統110所進行的程序以取得程序的各種態樣、狀況、或結果有關的不同資訊。在實施例中，光譜儀120可取得包括可由光譜儀120觀測之各別波長或光譜線強度集合的光譜 強度資訊。光譜強度資訊可為時間序列數據，俾令光譜儀120測量規律時距(例如每1秒、每2秒、每100毫秒等等)各別波長的強度。光譜儀120也可使光譜強度資訊與半導體製造系統110所處理特定晶圓相關晶圓ID互相關。因此，光譜儀120可單獨取得半導體製造系統110所處理各晶圓的光譜強度資訊。
工具感測器130可在半導體製造系統110處理輸入晶圓102並且產生相應感測資訊時監控並且測量工具作業特性。類似於光譜儀120所測量光譜強度資訊的工具感測資訊可為以各晶圓為基礎互相關的時間序列數據。工具感測資訊可包括來自各種感測器的測量。此等測量可包括但不侷限於半導體系統110一或多個室體內的壓力、一或多種不同氣體的氣體流量、溫度、較高射頻(RF)功率、最後濕清理後的經過時間、工具零件使用年限(age)、以及諸如此類。
裝置測量裝備140可測量晶圓上所製造的晶圓及/或特徵的實體和幾何特性。例如，裝置測量裝備140可於晶圓預定位置或區域測量顯影檢驗關鍵尺寸(DI-CD)、最終檢驗關鍵尺寸(FI-CD)、蝕刻偏差、厚度，依此類推。所測量特性可基於位置、晶圓予以集合並且輸出為裝置測量資訊。晶圓特性通常是在處理前或處理後予以測量。因此，裝置測量資訊對照光譜強度資訊和工具感測器資訊通常為依不同時距取得的時序數據。
在製造期間，半導體晶圓易受粒子污染、 或非期望材料引入晶圓材料所影響。粒子污染通常導因於製造程序缺陷，如工具不清潔或磨損、工具故障、過度振動、氣體雜質、製造程序非預期的不規律、或其它因素。例如，製造程序中所用化學品中的污染物(例如光阻、酸、溶劑、鹼等)可導致所形成半導體的粒子污染。儘管低度粒子污染不實質阻礙半導體運作，過度粒子污染仍可負面影響可靠度或導致半導體早期故障。
若在半導體製造時含括大量製程變數(工具參數、工具使用年限、配方參數、配方各步驟的環境狀況等)，則可難以追踪影響污染程度的根本原因程序事件或狀況。例如，特定預期粒子污染量導因於工具磨損(其本身為工具使用年限的函數)。如此，整體粒子污染的百分比為常規與預期工具使用率的函數。然而，由於工具測量數據通常未與污染測量相關，故難以存取對這些系統性污染程度具有最高影響的工具參數。此資訊就辨識應予聚焦保養努力而言對裝備業主是有用的。
此外，辨識影響粒子污染程度之關鍵製程參數的問題由於也可將非期望物質引入晶圓之非預期程序事件或狀況的出現而變得更加困難。例如，製造程序中特殊步驟期間半導體製造系統110的室體內的非預期排氣回流可同時對正處理晶圓造成粒子污染程度提升。經歷此等非預期程序事件之晶圓的粒子污染程度因而是偏離正常工具使用相關非預期、系統性粒子污染程度的異常值。這些非預期偏離使辨識正常或非預期粒子污染來源的問題變得 複雜。
為了解決這些問題，提供污染分析系統160制衡工具程序記錄數據和粒子污染數據以自動辨識粒子污染原因、預測因正常操作半導體製造系統110所致預期污染程度，並且下文要更詳細予以說明的其它功能。在一或多個具體實施例中，污染分析系統160可接收工具程序記錄108和工具執行粒子數據112作為輸入。工具程序記錄108包含所測量參數以及半導體製造系統110的各別運轉期間測量的效能數據。工具程序記錄108可包括來自光譜儀120、工具感測器130、或裝置測量裝備140之一或多個的測量數據。工具程序記錄108裡所記錄的測量可包括但不侷限於感測器讀取值(例如室體壓力、氣體流量、溫度、功率等之類的程序記錄數據)、保養相關讀取值(例如零件使用年限、最後進行保養後經過的時間、加載最後一批阻件後經過的時間等)、光譜數據(例如不同波長的測量強度)、及/或工具暨效能統計值(例如處理晶圓的時間、化學消耗、氣體消耗等)。在示例性情境中，可在半導體製造系統110每次程序執行結束時藉由報告組件150產生工具程序記錄。在程序執行結束時，可提供來自光譜儀120、工具感測器130、或裝置測量裝備140之一或多個的數據至對於執行收集工具程序記錄中所收集數據的報告組件150。工具程序記錄可對應於執行期間所處理的單一半導體晶圓、或執行期間所製造的一批半導體。接著可為了報告或歸檔而儲存工具程序記錄108。可由作業員手動或由報 告組件150或相關裝置自動提供工具程序記錄108至污染系統160。
工具執行粒子數據112表示給定執行期間對於一片晶圓或一批晶圓所測量的粒子污染程度。通常是對晶圓中所偵測到各種粒子尺寸每一種以估計粒子數的形式提供這些污染程度。在某些系統中，粒子數表示半導體材料處理期間所測量粒子的平均數。工具執行粒子數據112可藉由包括但不侷限於光學或掃描式電子顯微鏡、雷射表面掃描裝備、或諸如此類任何適用的檢驗儀器予以收集。類似於工具程序記錄108，工具執行粒子數據112可藉由報告組件150或相關裝置予以直接提供至污染分析系統160、或者由作業員予以手動輸入到污染分析系統160內。
污染分析系統160鑑於使用者所界定的污染規格106處理工具程序記錄108和工具執行粒子數據112。污染規格106對一或多種粒子以指定有害粒子數的形式界定分析要用的測量數據輸出。藉由污染分析系統160使用污染規格106在可接受污染程度與有害污染程度之間作區分。污染分析系統160鑑於污染規格106分析工具程序記錄108和工具執行粒子數據112以產生分析結果154，下文有更詳細的說明。一般而言，分析結果154有助於辨識(a)製造工具(例如，沉積或蝕刻工具)正規使用相關的預期粒子污染程度、(b)與預期粒子污染程度最有關聯的工具參數、以及(c)與有害粒子污染程度有關聯的非預期程序記 錄參數事件。
第2圖是可使工具參數和程序事件與正常或非預期粒子污染程度互相關之示例性污染分析系統的方塊圖。本揭示中所述系統、設備、或程序的態樣可建構內嵌於機器內的機器可執行組件，例如內嵌於一或多台機器有關之一或多個電腦可讀取式媒體中。此等組件在由一或多台例如電腦、計算裝置、自動化裝置、虛擬機器等機器予以執行時可令機器進行所述作業。
污染分析系統202可包括介面組件204、分離組件206、函數產生組件208、參數辨識組件210、一或多個處理器212、以及記憶體214。在各種具體實施例中，可使介面組件204、分離組件206、函數產生組件208、參數辨識組件210、一或多個處理器212、以及記憶體214中一或多個電氣及/溝通性彼此耦接以進行污染分析系統202的一或多個功能。在某些具體實施例中，組件204、206、208、以及210可包含儲存在記憶體214上並且可藉由處理器212予以執行的軟體指令。污染分析系統202也可與第2圖未圖示的其它硬體及/或軟體組件相互作用。例如，處理器212可與一或多個外部使用者介面裝置相互作用，如鍵盤、滑鼠、顯示監視器、觸控螢幕、或其它此類介面裝置。
可配置介面組件204以接收來自並且提供輸出給污染分析系統202的使用者。例如，介面組件204可提供輸入顯示螢幕給提示污染規格定義的使用者，並且 經由任何適用的輸入機制(例如鍵盤、觸控螢幕等)從使用者接受此類定義。可配置分離組件206以區分表示可接受污染程度的工具程序記錄與表示有害粒子污染程度的工具程序記錄，正如使用者提供的污染規格所界定。可配置函數產生組件208分析工具程序記錄和工具執行粒子數據以產生界定粒子污染程度的輸出作為工具參數集合的函數。 也可配置函數產生組件208產生隔離每個單獨有害程序執行效應的功能以判斷非預期事件對粒子污染的影響。可配置參數辨識組件210制衡函數產生組件208所產生的功能以辨識對粒子污染具有最大影響的工具參數，以及其對於污染程度的相對影響。參數辨識組件210也可辨識造成隔離之粒子污染狀況的非預期程序記錄參數事件。一或多個處理器212可參照所揭示系統及/或方法進行一或多個本文所述功能。記憶體214可為儲存電腦可讀取式指令及/或資訊以供參照所揭示系統及/或方法進行本文所述功能的電腦可讀取式儲存媒體。
第3圖是描述示例性污染分析系統所進行處理函數的方塊圖。搭配第1圖如上所述，污染分析系統308接收與半導體製造系統302一或多個執行相關聯的工具程序記錄304和工具粒子數據306作為輸入。工具程序記錄304和工具執行粒子數據306可(例如藉由第1圖的報告組件150)予以自動提供至污染分析系統308或經由介面組件314藉由使用者予以手動提供至系統。
除了工具程序記錄304和工具執行粒子數 據306，污染分析系統308還經由介面組件314從使用者接收污染規格312。污染規格312界定視為有害的粒子污染程度，並且可依據一或多個不同粒子種類或測量予以界定。用於界定污染規格312的示例性介面係搭配第4圖予以說明。可經由介面組件314提供示例性介面400給使用者。如第4圖所示，對於一或多種粒子配置第一介面區段402以接收污染程度定義。第一介面區段402容許使用者選擇一或多種大型粒子、中型粒子、小型粒子、或全部粒子作為因子以供判斷晶圓是否內含有害污染程度。選取粒子種類旁的核取方塊致能在所指定數據欄406內輸入粒子數上限。數據欄406右方的「及」(AND)和「或」(OR)核取方塊容許使用者指定各別粒子數是否要處理成「或」條件(例如，用於標記程序為有害但與其它種粒子之粒子數無關的充分條件)或「及」條件(例如，標記程序記錄為有害之前必須符合的多個粒子數條件之一者)。第二介面區段404容許使用者界定將由污染分析系統予以應用的分析層級或粒度(granularity)-「整批」(lot)、「執行」(run)、或「步進」(step)。在本實施例中，有害污染條件係界定為具有30顆中型粒子或30顆大型粒子的程序執行。藉由污染分析系統引用這些污染規格以區分有害工具程序執行和正常工具程序執行，下文將有更詳細的說明。
現在請回頭參閱第3圖，說明的是在工具程序記錄304、工具執行粒子數據306、以及污染規格312上進行的處理作業。在將工具程序記錄304、工具執行粒子 數據306、以及污染規格312提供至污染分析系統308之後，分離組件310基於工具執行粒子數據306和污染規格312在工具程序記錄304上進行粒子事件與潮流分離，導致正常程序記錄316與異常程序記錄318之間的工具程序記錄304分離，其中每一個程序記錄都對應於半導體製造系統302的特殊工具執行。第5圖描述異常工具執行的辨識。如第5圖所示，用於辨識異常執行的污染規格即為以上搭配第4圖的示例性介面400所述；亦即，30顆中型或大型粒子。因此，對於一連串N個工具執行(其中N為整數)，由於那執行測量到的是54顆中型粒子，有超出30顆中型粒子的規格限制，故第3號(#3)工具執行係標記為異常執行。其它中型或大型粒子數超出30顆的工具執行也都將由分離組件310予以標記。
現在請回頭參閱第3圖，分離組件310基於上述異常工具執行的辨識將工具程序記錄304分成兩組-與具有正常粒子污染程度之工具執行相關聯的正常程序記錄316(工具執行A0至An)、以及與具有粒子污染程度超出所界定污染規格312之工具執行相關聯的異常程序記錄318(工具執行D0至Dm)。此分離程序區分與正常、預期污染潮流相關聯的數據以及與造成系統性潮流外有害污染程度之非預期程序相關聯的數據。
分離的程序記錄係予以提供至包含函數產生組件322和參數辨識組件324的學習系統320。學習系統320可用許多方式處理分離的程序記錄以產生各種工具 參數在正常污染程度上之效應有關的有用資訊、造成非預期粒子污染程度的工具參數事件辨識、以及其它此類資訊。例如，函數產生組件322可分析正常程序記錄316以產生說明正常、預期污染程度為半導體系統302的各種工具參數(例如，由於工具損耗及保養活動)之函數的粒子污染函數330。參數辨識組件324可制衡粒子污染函數330以產生根據分別對正常污染程度影響而排行工具參數的工具參數排行328，提供使用者用於開發保養策略以最小化粒子污染的工具。學習系統320也可對正常程序記錄316和異常程序記錄318進行敏感度分析以辨識導致有害粒子污染程度未由粒子污染函數330予以預測的非預期工具參數事件326。下文更詳細地說明這些處理函數。
第6圖描述用於對半導體製造系統判斷粒子污染程度作為一或多個工具參數之函數的示例性程序流程。如以上搭配第3圖所述，分離組件604(分別類似於第2及3圖的分離組件206或310)對半導體製造系統的工具執行集合接收工具程序記錄602。工具程序記錄602包括各別工具執行(例如，藉由第1圖的工具感測器130)期間所測量X工具參數(P0至Px)的數值。示例性工具參數P0至Px包括但不侷限於工具保養數據(例如，零件使用年限、最後保養後經過的時間等)、感測器測量(例如，室體壓力、氣體流量、上RF功率、RF時數等)、以及光譜數據。每一個工具程序記錄602都可對應於單一晶圓ID或批次ID相關聯的給定工具執行。工具程序記錄602可包含均化於整個 程序執行之每一個工具參數P0至Px的參數值。或者，工具程序記錄602可包括較高的粒子工具參數數據，例如程序執行所執行每一個配方步驟之工具參數P0至Px的數值。
分離組件604基於使用者所提供的污染規格及各別工具執行的工具執行粒子數據將程序記錄602區分成正常執行的程序記錄606以及異常執行的程序記錄608，如以上搭配第3至5圖所述。若不考慮異常執行的程序記錄608，函數產生組件610(類似於第3圖的函數產生組件322)分析正常執行的程序記錄606以判斷粒子污染程度P normal 與工具參數P0至Px之間的數學關係。亦即，函數產生組件610基於正常執行之程序記錄606以及對相應執行相關聯粒子污染程度的分析產生如下輸出：Pnormal=f(P0,P1,P2…Px)對於A0至An的執行 (1)
其中P normal 是粒子污染程度(例如，粒子數)，以及f是工具參數P0至Px基於正常工具執行A0至An之分析的函數。函數產生組件610可使用包括但不侷限於符號回歸(symbolic regression)、模擬退火、神經網路、最小平方擬合、或多層迴歸等問題解決方法計算由方程式(1)所述的關係。函數產生組件610可接著基於產生的函數產生輸出612，其特徵化正常工具執行之工具參數P0至Px之間的關係以及污染規格所界定特殊測量之系統性污染程度P normal 。
方程式(1)提供用以辨識與正常、預期粒子 污染程度相關聯工具參數的手段，因此類因子為工具使用年限和保養動作。函數P normal 可提供關於工具保養對粒子污染影響的有用資訊，以及提供可用於使系統性污染潮流與有時在製造期間遭遇並且記錄在工具程序記錄內之隔離污染事件分離的有意義基線信號。在某些應用中，輸出612也可予以提供至預測系統614，其可對P normal 制衡計算函數以產生長期污染預測616。
本文所述的污染分析系統基於方程式(1)的P normal 函數，可辨識對正常粒子污染程度有最高影響的工具參數，如第7圖所示。函數產生組件702(類似於函數產生組件322或610)產生函數704，其如上所述基於對正常工具執行A0至An的工具程序記錄界定預期粒子污染程度P normal 為工具參數P0至Px的函數。參數辨識組件706可接著在函數704上進行敏感度分析以判斷參數排行708，其中工具參數P0至Px係根據其對粒子污染程度的各別影響予以排行。對於參數排行708的示例性輸出可依照工具參數P0至Px對粒子污染程度P normal 的效應以遞減順序列示其全部或子集。
如上所述，本文所述污染分析系統的具體實施例可基於包含給定程序執行過程各工具參數平均值或加總值的工具程序記錄計算函數P normal 。然而，知道突發性短期間事件可促成有害粒子污染。因此，本文所述污染分析系統的一或多個具體實施例也可分開考慮工具配方的每一個步驟以降低異常值因數據加總而漏失的可能性。因 此，若在配方步驟層級進行分析，則參數排行708也可指定與每一個參數相關聯的配方步驟。例如，在第7圖中所示的示例性參數排行708中，經辨識對污染程度有最大影響的工具參數是在配方步驟16測量到的第12號(#12)室體壓力。排行為對污染程度第3大影響的工具參數是聚焦環使用年限，其係藉由每一個程序執行結尾時增值的使用計數予以表示，並且因而與特殊配方步驟沒有關係。
污染程度函數704和參數排行708洞悉正常、預期粒子污染程度的原因；例如，在工具上進行導致粒子污染隨時間逐漸增加直到保養或更換之工具使用年限與衰退之類的因子。此資訊導引為了控制污染程度同時最小化保養停機時間應予聚焦的保養工作。也可制衡粒子污染函數704以預測將來的粒子污染程度(例如，藉由提供函數704至預測系統614)。本文所述污染分析系統的一或多個具體實施例藉由不考慮產生粒子污染函數704之前表示異常粒子污染程度的工具程序記錄而可將系統性污染潮流與隔離、非預期污染事件分開，對於給定的半導體製造系統導致正常污染程度潮流更精確的特徵化。
在某些情境中，污染分析系統可對提供予系統的給定工具程序記錄集合(例如由使用者提供予系統的工具執行數據集合)進行一次性、即期性的粒子污染函數P normal 計算及/或參數排行。然而，隨著新工具數據係實質即時地予以收集，也可配置污染分析系統的某些具體實施例以連續迭代方式作業。此迭代處理係示於第8圖中。可 配置污染分析系統810(類似於污染分析系統202或308)隨著新數據變得可得(例如每次工具執行結束時)而從半導體製造系統直接接收工具程序記錄804和工具執行數據806，並且鑑於污染規格808更新粒子污染函數812。粒子污染函數812可予以保存在數據儲存體814內並且當作持續性更新的歷史基線以供預測未來的污染程度、辨識對粒子污染有最大顯著影響的工具參數、以及辨識令偏離預期程度之粒子污染突發增加的非預期工具參數。由於粒子污染函數812特徵化預期污染潮流為工具參數P0至Px的函數，因此，具有異常污染程度超出可接受範圍的工具程序記錄804將(例如藉由分離組件310)予以分出，並且，在接收此等異常工具程序記錄時將不重新計算粒子污染函數812。除了重新計算粒子污染函數812，污染分析系統810也可隨著接收新的(非異常)工具數據重新估計相關聯的工具參數排行。
上述技術可有助於特徵化製造系統的正常、系統性污染潮流為工具參數的函數。另外，本文所述污染分析系統的一或多個具體實施例可分析異常執行的工具程序記錄(例如，異常程序記錄318)以學習顯示導致污染程度突然跳起之非預期行為的工具參數。為此，污染分析系統鑑於P normal 所特徵化的正常污染潮流可存取異常程序執行D0至Dm相關聯的每一個工具程序記錄以便辨識其為每一個有害執行D0至Dm根本原因的一或多個誤差工具參數。
請參閱第6及9圖更詳細地說明此分析。如上所述，分離組件604對半導體製造系統的程序執行集合接收工具程序記錄304和工具執行粒子數據306，並且區分表示正常污染程度之正常執行A0至An的正常程序記錄316及表示非預期粒子污染程度之程序執行D0至Dm的異常程序記錄318(基於污染規格312中所界定的測量數據)。正常執行A0至An的程序記錄接著係用於判斷特徵化工具參數P0至Px與預期粒子污染程度之間關係的函數P normal 。為了辨識負責每個執行D0至Dm的非預期工具參數事件，函數產生組件322基於包含來自正常執行A0至An程序記錄之數據加上來自異常執行D0至Dm之集合之一個異常執行之程序記錄之數據的數據集合對每個異常執行產生新粒子污染函數。第9圖的第一列描述異常程序執行D0的這個程序。正常執行A0至An程序記錄結合異常執行D0程序記錄產生新數據集合。函數產生組件(例如，上述的函數產生組件208、322、或610)接著基於包含正常執行A0至An程序記錄加上異常執行D0程序記錄的數據集合產生依據工具參數P0至Px特徵化粒子污染(例如，粒子數)的粒子污染函數P D0 。可使用類似於推導P normal 所用的技術推導函數P D0 。依照類似方式，函數產生組件對m個異常程序執行中的每一個產生新的粒子污染函數：針對執行A0至An和D0的PD0=f(P0,P1,P2…Px) (2)
針對執行A0至An和D1的PD1=f(P0,P1,P2…Px) (3)
針對執行A0至An和D2的PD2=f(P0,P1,P2…Px) (4)
…
針對執行A0至An和Dm的PDm=f(P0,P1,P2…Px) (5)
用於單獨處理每一個異常程序記錄的技術可隔離非預期工具參數行為並且降低辨識程序記錄中誤差工具參數的複雜度。
一旦污染函數P D0 至P Dm 已導出，參數辨識組件即可對每一個函數進行敏感度分析以辨識顯示對執行導致非預期污染程度之異常行為的工具參數。此異常行為表示導致函數P normal 所預測的預期污染程度外的晶圓污染程度的非預期工具參數事件。在第10圖中所示的一個示例性技術中，可基於正常污染潮流參數排行(例如，第7圖的參數排行708)與基於異常粒子函數(例如，P D0 )上所執行敏感度分析所推導出的新參數排行的比較而辨識異常工具參數。函數產生組件1002(類似於函數產生組件208、322、610、或702)使用以上配合第9圖所述技術推導粒子污染函數P D0 。亦即，函數P D0 基於包含正常執行A0至An之工具程序記錄加上來自一異常執行(在此例為異常執行D0)之工具程序的數據集合特徵化半導體系統的粒子污染程度。參數辨識組件1006(類似於參數辨識組件210、324、或706)接著對函數P D0 進行敏感度分析以判斷基於對粒子污染程 度有害影響排行工具參數的參數排行1008。參數辨識組件1006可使用與推導正常污染潮流之參數排行708類似的技術(例如，符號迴歸、模擬退火等)判斷參數排行1008。
一旦已判斷正常執行A0至An的參數排行1008還有異常執行D0，污染分析系統即可檢查參數排行以辨識非預期污染事件的最可能原因。在一個示例性技術中，污染分析系統可比較正常執行A0至An還有異常執行D0之參數排行1008與僅基於正常執行A0至An所推導出之參數排行708以判斷增加異常執行D0所導致的參數排行變更。例如，若參數排行708和1008的比較表示參數排行708中已排行第5名(#5)的工具參數(亦即，影響正常污染潮流的第五個最具影響性工具參數)由於增加異常執行D0之程序執行數據現在於參數排行1008中排行第1名(#1)，污染分析系統則可產生建議此工具參數是對程序執行D0所測量的非預期污染程度的最可能根本原因的輸出。在本實施例中，參數排行1008指出配方步驟16期間第12號(#12)室體中的排氣回流事件對程序執行D0是非預期污染程度最有可能的原因。
要了解工具排行1008中排行第1名(#1)的工具參數事件不一定是對D0所測量非預期污染程度的原因。亦即，參數排行708與1008之間的比較可顯示在參數排行708中排行第1名(#1)的工具參數在參數排行1008中仍排行第1名。然而，比較也可顯示對於正常污染函數P normal 在參數排行708中排行第5名(#5)的工具參數對於污 染函數P D0 在參數排行1008中上升到第3名(#)。因此，污染分析系統辨識此變更並且輸出此工具參數為對D0所測量非預期污染程度的可能原因。
可在剩餘函數P D1 至P Dm 上進行類似的敏感度分析以判斷每一個異常程序執行D0至Dm相關聯的非預期工具參數事件。因此，污染分析系統對落於正常系統性污染潮流外的每次非預期粒子污染辨識根據原因工具參數事件，並且輸出這些根本原因工具參數事件給使用者(例如，經由介面組件204)。第11圖描述列示異常工具執行連同其分別辨識之根本原因參數事件的示例性非限制顯示輸出1100。
污染分析系統也可對各別異常程序執行D0至Dm比較結果以判斷單一非預期工具參數事件是否為所有或大部分異常程序執行D0至Dm的根本原因。例如，若上述參數排行比較對顯著大量的異常程序執行D0至Dm辨識相同的非預期工具參數事件為根本原因，則污染分析系統可提供輸出給使用者指示所識別的工具參數正間歇性遞迴，以及推薦保養動作以校正問題。
為了提供另一分析維度，污染分析的一或多個具體實施例也可容許使用者在異常執行D0至Dm分析期間抑制正常行為相關聯的函數P normal 以便進一步隔離有害事件。例如，使用者可僅基於異常執行D0至Dm之程序記錄選擇觀視參數排行，而非(或另外)基於正常執行A0至An之程序記錄還有異常執行之程序記錄計算函數P D0 。
為了提供與污染分析有關的額外粒度程度，本文所述污染分析系統的一或多個具體實施例也可考慮粒子污染位置。亦即，本文所述污染分析的某些具體實施例可接受對半導體晶圓上複數個位置的每一個都包括分離粒子污染數的工具執行粒子數據(例如，工具執行粒子數據306)，而非對工具執行所處理的每一片晶圓基於總粒子污染數進行上述分析。污染分析系統可制衡此更加顆粒化的工具執行粒子數據以判斷程序參數事件與晶圓上特殊位置所偵測粒子污染之間的相關性。在一個示例性非限制技術中，可將半導體晶圓區分成多個區段，並且可對每個程序執行每個區段分開測量工具執行粒子數據。使用者所界定的污染規格(例如，第3圖的污染規格312)對多個區段的每一個都分開指定有害粒子程度。污染分析系統使用特定位置顆粒數據和污染規格可對多個位置的每一個都產生分離的污染函數P normal 以及P D0 至P Dm 。因此，當程序執行(例如，程序執行D7)產出在晶圓上特殊位置(例如，多個區段的其中一者內)具有有害粒子污染程度之晶圓，污染分析系統可基於正常污染函數P normal 和對晶圓的那區段所計算的函數P D7 提供可能程序所致污染原因的初始建議。
第12至13圖根據本申請案的一或多個具體實施例描述各種方法。為了簡單說明，儘管本文所示一或多個方法係予以表示並且說明成一連串動作，仍要理解並且了解本創新不受限於動作順序，因為就其而論，某些動作可用不同順序及/或與本文所示並且所述其它動作同時 出現。例如，所屬領域的技術人員將理解並且了解的是或可將方法表示成一連串如在狀態圖中的互相關狀態或事件。再者，不是所有描述的動作都可必需根據本創新實現方法。此外，交互圖(interaction diagram)可在不相干實體展現(enact)方法不相干部分時根據本揭示表示方法論、或方法。另外還有，可互相結合實現一或多個所揭示實施例方法以完成本文所述一或多個特徵或優點。
第12圖描述實施例方法1200以供辨識影響系統性粒子污染的半導體製造系統工具參數。開始時，於步驟1202，對於半導體製造系統的工具執行集合接收工具程序記錄集合及相關聯的工具執行粒子數據。工具程序記錄可包括半導體製造系統各別執行期間所測量的參數及效能數據。記錄的數據可包括例如壓力、溫度、RF功率、各種工具使用次數(例如聚焦環、質量流量控制器等)、對給定程序執行處理晶圓所用的時間、化學與氣體消耗、以及其它此類生產資訊。工具程序記錄也可包括保養資訊，如最後執行保養後經過的時間、加載最後一批阻件後經過的時間等。
於步驟1204，計數器N設為1。於步驟1206，判斷第N個工具程序記錄是否顯示落在污染規格集合內的粒子數數據。污染規格可對可接受粒子污染程度界定一或多個上限，依據粒子數予以指定。例如，示例性污染規格集合可界定具有超過30顆中型粒子或超過30顆大型粒子的晶圓要予以標記為不可接受，而具有少於30顆中 型粒子和少於30顆大型粒子的晶圓則予以判斷為落在污染規格內。
若於步驟1206判斷第N個程序記錄落於污染規格內，則本方法移至步驟1208，其中第N個工具程序記錄係予以新增到正常程序記錄集合。本方法接著移至步驟1210。或者，若於步驟1206判斷第N個程序記錄未落於污染規格內(例如，程序記錄對應超出污染規格所界定可接受限制的工具執行粒子數據)，則程序直接移至步驟1210而未將第N個工具程序記錄新增到正常程序記錄集合。
於步驟1210，判斷集合內的所有工具程序記錄都已檢查過。若判斷有剩餘的工具程序記錄尚未檢查，則本方法移至N增值的步驟1212、並且對下一個工具程序記錄重複步驟1206至1210。或者，若於步驟1210判斷所工具程序記錄都已檢查，則本方法移至步驟1214。
於步驟1214，基於步驟1206與1208建構的正常工具程序記錄集合、以及對正常程序記錄集合相應的工具執行粒子數據計算函數P normal 。函數P normal 特徵化工具參數P0至Px與粒子污染程度之間的關係，並且可使用包括但不侷限於符號迴歸、模擬退火、神經網路、最小平方擬合、或多層迴歸等任何適當的問題解決技術予以推導。於步驟1216，基於污染函數P normal 的分析根據工具參數P0至Px對正常、系統性粒子污染的各別影響予以排行。此工具參數排行表可提供關於保養功效在半導體製造程序期間應予以聚焦以便緩解粒子污染的導引。
第13圖描述用於隔離造成異常粒子污染程度之非預期工具參數行為的示例性方法1300。開始時，於步驟1302，辨識為半導體製造程序所產生的正常工具程序記錄集合，其中正常程序記錄具有未超出所界定污染規格的工具執行粒子數據。於步驟1304，基於在步驟1302所辨識的正常工具程序記錄集合和針對正常工具程序記錄相應的工具執行粒子數據記錄計算函數P normal ，其中P normal 特徵化工具參數P0至Px與粒子污染程度之間的關係。於步驟1306，異常工具處理記錄係經辨識具有超出所界定污染規格的工具執行粒子數據，異常工具處理記錄相應於異常程序執行D0。
於步驟1308，函數P D0 係經計算而特徵化工具參數P0至Px與粒子污染程度之間的關係。對比於函數P normal ，函數P D0 係基於正常程序記錄加上對於異常程序執行D0的異常工具程序記錄、以及對於正常程序記錄和異常程序記錄相應的工具執行粒子數據而予以推導。於步驟1310，一或多個工具參數P0至Px係予以辨識為基於函數P normal 與P D0 之間的比較對異常程序執行D0所測量的非預期污染程度的原因。在一個示例性比較技術中，工具參數P0至Px可基於函數P normal 的分析根據其對粒子污染的相對影響予以排行，並且可基於函數P D0 推導工具參數P0至Px的類似排行。兩個排行的比較可顯示特殊工具參數在P D0 排行中的排行較高，建議與所辨識工具參數相關聯的事件造成對程序執行D0所測量的異常污染程度。
各種態樣(例如，有關於接收一或多種選擇、判斷一或多種選擇的意義、自其它動作區別選擇、實現選擇以滿足要求等等)可運用各種基於人工智慧的架構以供實施其各種態樣。例如，用於判斷特殊動作是否為對要予以進行之動作或一般動作(例如，使用者想要手動進行的動作)之要求的程序可透過自動分類器系統和程序予以致能。
分類器是將輸入屬性向量x=(x1,x2,x3,x4,xn)映射至輸入屬於類別之信任度(confidence)的函數，亦即，f(x)=信任度(類別)。此分類可運用機率及/或統計式分析(例如，分解成分析效用與成本)以預測或推斷使用者想要自動進行的動作。至於選擇，舉例而言，屬性可為聚焦室及/或參考室的辨識並且類別是需用以滿足要求之聚焦室及/或參考室的準則。
支持向量機(SVM)是可運用分類器的實施例。SVM藉由求得可能輸入空間中的超曲面運算，此超曲面嘗試將觸發準則與非觸發事件分離。直覺上，這對於接近但不等同於訓練數據的測試數據使分類正確。其它指向性和非指向性模型分類方式包括例如單純貝葉斯(naïve Bayes)、貝葉斯網路、決策樹、神經網路、糢糊邏輯模型，並且可運用提供不同獨立性樣式(patterns of independence)的機率分類模型。本文所用的分類也包括用於發展優先權模型的統計迴歸。
經由本說明書將得以輕易了解的是，一或 多個態樣可運用經顯性訓練以及隱性訓練(例如藉由觀察使用者行為、接收外部資訊)的分類器(例如透過通用訓練數據)。例如，SVM’s係透過分類器建構器和特徵選擇模組內的學習或訓練階段予以配置。因此，分類器可用於自動學習及進行許多功能，包括但不侷限於根據預定準則判斷何時要比較室體、要比較的室體、群聚在一起的室體、室體之間的關係等等。準則可包括但不侷限於類似要求、歷史資訊等等。
現在請參閱第14圖，所描述的是可操作用以執行所揭示態樣之電腦的方塊圖。為了對其各種態樣提供額外脈絡，第14圖及下文說明的用意在於對具體實施例各種態樣可實現於其中的適用計算環境1400提供簡短、一般性說明。儘管以上說明是在可在一或多部電腦上執行之電腦可執行式指令的一般環境中，所屬領域的技術人員將知道可結合其它程式模組及/或結合硬體與軟體實現各種具體實施例。
一般而言，程式模組包括進行特殊任務或實現特殊抽象數據類型的例行程序、程式、組件、資料結構等。再者，所屬領域的技術人員將了解所揭示態樣的實踐可利用包括單處理器或多處理器電腦系統、迷你電腦、主機電腦、以及個人電腦等其它電腦系統配置、手持式計算裝置、基於微處理器或可程式化的消費性電子裝置、微控制器、嵌入式控制器、多核心處理器、以及諸如此類，上述每一種都可予以操作性耦接至一或多個相關聯裝置。
各種具體實施例所述態樣也可予以在特定任務係藉由透過通訊網路連結之遠端處理裝置予以進行的分散式計算環境中實踐。在分散式計算環境中，程式模組可置於本機及遠端記憶體儲存裝置兩者內。
計算裝置通常包括各種媒體，其包括電腦可讀取式儲存媒體及/或通訊媒介，這兩項如下所述在本文中彼此有別地予以使用。電腦可讀取式儲存媒體可為任何可得的儲存媒體，其可藉由電腦予以存取並且包括揮發性和非揮發性媒體、可移除式與不可移除式媒體。藉由實施例，並且非限制，電腦可讀取式媒體的實現可結合任何方法或技術以供儲存資訊，如電腦可讀取式指令、程式模組、結構化資料、或非結構化資料。電腦可讀取式媒體可包括但不侷限於RAM、ROM、EEPROM、DRAM、快閃記憶體或其它記憶體技術、CD-ROM、數位光碟(DVD)或其它光學碟型儲存體、磁性卡匣、磁帶、磁碟儲存體或其它磁性儲存裝置、或其它可用於儲存想要資訊的有形及/或非暫時性媒體。電腦可讀取式儲存媒體可對媒體所儲存資訊相關的各種運算例如經由存取要求、詢問或其它數據擷取協定藉由一或多個本機或遠端計算裝置予以存取。
通訊媒介通常體現電腦可讀取式指令、資料結構、程式模組、或例如載波或其它傳輸機制之調變數據信號之類數據信號中的其它結構化或非結構化資料，並且包括任何資訊傳遞或傳輸媒介。術語「調變數據信號」或信號意指具有一或多個其特性以一或多個信號內編碼資 訊之類的方式予以設定或變更的信號。藉由實施例，並且非限制，通訊媒介包括如有線網路或直接接線連接之類的有線媒介、以及如聲波、微波、RF、紅外線以及其它無線方法(例如IEEE 802.12X、IEEE 802.15.4)之類的無線媒介。
再請參閱第14圖，所示用於實現各種態樣的計算環境1400包括電腦1402，其包括處理單元1404、系統記憶體1406和系統匯流排1408。系統匯流排1408將包括但不侷限於系統記憶體1406的系統組件耦接至處理單元1404。處理單元1404可為任何各種可商用處理器。雙微處理器和其它多處理器架構也可用作處理單元1404。
系統匯流排1408可為任何多類匯流排架構，其可再予以互連至記憶體匯流排(具有或不具有記憶體控制器)、周邊匯流排、以及使用任何各種可商用匯流排架構的區域匯流排。系統記憶體1406包括唯讀記憶體(ROM)1410和隨機存取記憶體(RAM)1412。基本輸入/輸出系統(BIOS)係儲存在如ROM、EPROM、EEPROM之類的非揮發性記憶體1410內，此BIOS內含有助於例如於開機期間，在電腦1402內的元件之間傳輸資訊的基本例行程序。RAM 1412也可包括用於快取數據如靜態RAM之類的高速RAM。
電腦1402復包括碟型儲存體1414，其可包括也可經配置外用於適用機櫃(圖未示)中的內部硬碟機(HDD)(例如，EIDE、SATA)、磁性軟碟機(FDD)(例如用以讀取自或寫入至可移除式碟片)、以及光碟機(例如讀取CD-ROM碟片或、用以讀取自或寫入至如DVD之類其它高 容量光學媒體)。分別可藉由硬碟機介面、磁碟機介面和光學驅動介面將硬碟機、磁碟機和光碟機連接至系統匯流排1408。外部驅動實現用介面1416包括至少通用串列匯流排(USB)以及IEEE 1094介面技術至少一者或兩者。其它外部驅動連接技術都在本文所述各種具體實施例的範圍內。
驅動機及其相關電腦可讀取式媒體提供非揮發性數據儲存、資料結構、電腦可執行式指令等等。就電腦1402而言，驅動機和媒體能以適合的數位格式儲存任何數據。雖然以上電腦可讀取式媒體的說明意指HDD、可移除式磁碟、以及如CD或DVD之類可移除式光學媒體，但所屬領域的技術人員應了解可由電腦讀取如壓縮驅動機、磁性卡匣、快閃記憶卡、磁片盒、及諸如此類的其它種媒體也可用於描述性運算環境，還有，任何此類媒體都可包含用於進行所揭示態樣的電腦可執行式指令。
可在驅動機和RAM內儲存許多程式，包括作業系統1418、一或多個應用程式1420、其它程式模組1424、以及程式資料1426。也可在RAM內快取所有或部分作業系統、應用程式、模組、及或數據。要了解可用各種可商用作業系統或作業系統的組合實現各種具體實施例。
使用者可透過如鍵盤和滑鼠等指向裝置之類一或多個有線/無線輸入裝置1428將命令和資訊輸入電腦1402。其它輸入裝置(圖未示)可包括麥克風、IR遙控、操縱桿、遊戲板、手寫筆、觸控螢幕、或諸如此類。這些 及其它輸入裝置通常係透過耦接至系統匯流排1408的輸入裝置(介面)埠1430予以連接至處理單元1404，但可藉由如平行埠、IEEE 1094序列埠、遊戲埠、USB埠、IR介面等予以連接。
也可經由如視訊配接器之類的輸出(配接器)埠1434將監視器或其它種顯示裝置連接至系統匯流排1408。除了監視器，電腦通常包括如揚聲器、印表機等其它周邊輸出裝置1436。
電腦1402可經由對一或多個如遠端電腦1438之類遠端電腦的有線及/或無線通訊使用邏輯連接在連網環境中運算。遠端電腦1438可為工作站、伺服器電腦、路由器、個人電腦、可攜式電腦、基於微處理器的娛樂家電、對等裝置或其它共用網路節點，並且通常包括相對於電腦1402所述的許多或所有元件，但為了簡潔而僅描述一記憶體/儲存裝置1440。
遠端電腦可具有能對電腦1402邏輯連接的網路介面1442。邏輯連接包括對區域網路(LAN)及/或例如廣域網路(WAN)等較大型網路的有線/無線連接性。此類LAN和WAN連網環境在辦公司和公司常看到，並且有助於如內部網路之類的企業級電腦網路，其全都可連接至例如網際網路等全球通訊網路。
電腦1402在用於LAN連網環境時係透過有線及/或無線通訊網路介面或配接器(通訊連接)1444予以連接至區域網路。配接器1444可有助於對LAN有線或無 線通訊，其也可包括置於其上用於與無線配接器通訊的無線接取點。
電腦1402在用於WAN連網環境時可包括數據機、或予以連接至WAN上的通訊伺服器、或具有如藉助於網際網路之類在WAN上用於建立通訊的其它手段。可為內部或外部以及有線或無線裝置的數據機係經由序列埠介面予以連接至系統匯流排1408。在連網環境中，可在遠端記憶體儲存裝置1440內儲存相對於電腦1402所示之程式模組、或其部分。將了解所示網路連接為描述性質並且可使用在電腦之間建立通訊連結的其它手段。
可操作電腦1402而與操作性置於無線通訊中的任何無線裝置或實體通訊，例如，印表機、掃描機、桌面及/或可攜式電腦、可攜式數據助理器、通訊衛星、任何一件與可無線偵測標籤相關聯的設備或位置(例如，公用電話亭、報攤等等)、以及電話。這至少包括Wi-Fi及藍牙TM無線技術。因此，通訊可為預界定架構，正如習知網路或單純為至少兩個裝置之間的特定通訊。
Wi-Fi、或無線寬帶(Wireless Fidelity)容許不用接線而對網際網路連接。Wi-Fi是類似於能令此等例如電腦的裝置傳送和接收室內外基地台範圍內隨意地方之數據之手機中所使用的無線技術。Wi-Fi網路使用稱為IEEE 802.11x(a、b、g等)用以提供安全、可靠、快速無線連接性的無線電技術。Wi-Fi網路可用於連接電腦至其它電腦、至網際網路、以及至有線網路(其使用IEEE 802.3或乙太網 路)。
Wi-Fi網路可在非授權2.4及5GHz無線電頻帶內操作。IEEE 802.11普遍適用於無線LAN並且使用跳頻展頻(FHSS)或直接序列展頻(DSSS)在2.4GHz頻帶內提供1或2Mbps的傳輸。IEEE 802.11a是IEEE 802.11的擴充，其適用於無線LAN並且在5GHz頻帶內提供高達54Mbps。IEEE 802.11a使用正交分頻多工(OFDM)編碼架構而非FHSS或DSSS。IEEE 802.11b(也稱為802.11高速DSSS或Wi-Fi)為802.11的擴充，其適用於無線LAN並且在2.4GHz頻帶內提供11Mbps的傳輸(後降至5.5、2和1Mbp)。IEEE802.11g適用於無線LAN並且在2.4GHz頻帶內提供20+Mbp。產品可包含超過一個頻帶(例如，雙頻帶)，故網路可提供類似於許多辦公司內所使用基本10BaseT有線乙太網網路的現實效能。
現在請參閱第15圖，其根據另一態樣描述用於處理所揭示架構之描述性計算環境1500的概要方塊圖。計算環境1500包括一或多個用戶端1502。用戶端1502可為硬體及/或軟體(例如線程、程序、計算裝置)。用戶端1502舉例可結合各種具體實施例存放(house)訊錄(cookie)及/或相關聯環境資訊。
環境1500也包括一或多個伺服器1504。伺服器1504也可為硬體及/或軟體(例如，線程、程序、計算裝置)。伺服器1504例如可存放配合各種具體實施例用以進行轉換的線程。介於用戶端1502與伺服器1504之間的 一種可能通訊可呈數據封包形式配接而在兩個或多個電腦程序之間傳輸。數據封包舉例可包括訊錄及/或相關聯環境資訊。環境1500包括可在用戶端1502與伺服器1504之間用於促成通訊的通訊框架1506(舉例如網際網路等全球通訊網路)。
可經由有線(包括光纖)及/或無線技術促成通訊。用戶端1502係操作性地予以連接至一或多個可用於儲存用戶端1502局部資訊(例如訊錄及/或相關聯環境資訊)的用戶端數據儲存體1508。類似地，伺服器1510係操作性地連接至可用於儲存伺服器1504局部資訊的一或多個伺服器數據儲存體1510。
除了本文所述的各種具體實施例，要理解的是，其它類似具體實施例可予以使用或改進與附加項可就所述具體實施例予以施作以供實施對應具體實施例的相同或等效功能而不與之違背。還有，複數處理晶片或複數裝置可共享本文所述一或多項功能的效能，以及類似地，儲存可跨越複數裝置而生效。因此，本發明不侷限於任何單一具體實施例，而可根據附加的申請專利範圍予以就廣度、精神及範疇作解釋。
本文所的用字「示例性」意指作為實施例、實例、或描述。為了避免疑惑，本文所揭露的技術主題不受限於此等實施例。另外，本文說明為「示例性」的任何態樣或設計不必要予以推斷為較佳或優於其它態樣或設計，也非意指排除熟悉本技藝之人士所知道的等效示例性 架構及技術。再者，就術語「包括」、「具有」、「含有」、以及其它類似用字的使用來說，為了避免疑惑，此等術語的目的類似於術語「包含」而為開放性用字而不排除任何附加或其它元件。
前述系統已就許多組件的互動予以說明。 要了解的是，此等系統及組件可包括那些組件或指定子組件，某些指定組件或子組件、及/或附加組件、以及根據前述各種排列和組合的組件。子組件亦可實現成通訊耦接至其它組件而非包括於上層組件(階層化)內的組件。另外，要注意的是，一或多個組件可組合成提供聚合功能的單一組件或分割成許多分離的子組件，以及管理層之類任何一或多個中間層都可予以提供通訊耦接至子組件以便提供整合性功能。本文所述任何組件亦可與未在本文具體描述但熟悉本技藝之人士已知的一或多個其它組件互動。
鑑於上述示例性系統，可根據所述技術主題予以實現的方法也可參照各種圖示的流程圖予以了解。儘管為了簡化說明以連串方塊表示並且說明方法，要理解並且領會的是各種具體實施例不受限於方塊順序，理由是某些方塊可用不同順序及/或與本文所繪及所述的其它方塊同時出現。非循序性或分支性流程係經由流程圖予以描述，要了解的是，各種其它分支、流程路徑、以及方塊順序都可予以實現而達到相同或類似結果。另外，不是所有已描述的方塊都需要用來實現本文所述的方法。
1200‧‧‧方法
1202‧‧‧步驟
1204‧‧‧步驟
1206‧‧‧步驟
1208‧‧‧步驟
1210‧‧‧步驟
1212‧‧‧步驟
1214‧‧‧步驟
1216‧‧‧步驟

Claims (20)

  1. 一種用於追踪與半導體材料處理相關聯的粒子污染的原因的系統，其包含：至少一個非暫時性電腦可讀取式媒體，具有電腦可執行式組件儲存於其中；以及至少一個處理器，執行該至少一個非暫時性電腦可讀取式媒體上所儲存之後述電腦可執行式組件：函數產生組件，經配置用以推導正常污染函數，該正常污染函數基於工具程序記錄集合的分析特徵化系統性粒子污染為半導體製造系統的複數工具參數的函數；以及參數辨識組件，經配置基於該正常污染函數的分析辨識該複數工具參數的至少一者為該系統性粒子污染之原因。
  2. 如申請專利範圍第1項所述的系統，其中該參數辨識組件復經配置基於該正常污染函數的該分析根據該複數工具參數的至少一個子集對該系統性粒子污染之相對影響排行該至少一個子集。
  3. 如申請專利範圍第1項所述的系統，復包含分離組件，經配置用以區別多個正常工具程序記錄與多個異常工具程序記錄，該等正常工具程序記錄記錄污染規格內之可接受污染程度，而該等異常工具程序記錄記錄超出該污染規格之異常污染程度。
  4. 如申請專利範圍第3項所述的系統，其中該工具程序 記錄集合包括該等正常工具程序記錄並且省略該等異常工具程序記錄。
  5. 如申請專利範圍第4項所述的系統，其中該函數產生組件復經配置基於該等正常工具程序記錄以及選自於該等異常工具程序記錄之一個異常工具程序記錄推導第二污染函數。
  6. 如申請專利範圍第5項所述的系統，其中該參數辨識組件復經配置基於該正常污染函數與該第二污染函數之間的比較而辨識該複數工具參數之一者為該一個異常工具程序記錄相關聯的異常污染程度的原因。
  7. 如申請專利範圍第6項所述的系統，其中該參數辨識組件復經配置基於自該正常污染函數所推導之該複數工具參數的第一排行與自該異常污染函數所推導之該複數工具參數的第二排行之間的比較而辨識該複數工具參數之該一者，其中該第一排行和該第二排行根據該複數工具參數對污染程度的相對效應而予以排行。
  8. 如申請專利範圍第1項所述的系統，其中該工具參數集合係得自與程序記錄數據整合之處理期間的光譜學測量光譜強度及工具保養數據兩者，該光譜學測量光譜強度包括壓力數據、溫度數據、或功率數據之至少一者，而該工具保養數據則包括最後一次進行保養後所經過時間、加載最後一批阻件後所經過時間、一或多個工具零件使用年限、處理晶圓所用時間、化學消耗數據、或氣體消耗數據之至少一者。
  9. 如申請專利範圍第3項所述的系統，復包含介面組件，經配置用以接收配置輸入，該配置輸入依據粒子數的一或多個上限界定該污染規格。
  10. 如申請專利範圍第3項所述的系統，其中該配置輸入包括與該一或多個上限相關聯之一或多個測量的選擇，該一或多個測量包括小型粒子數、中型粒子數、大型粒子數、或總粒子數的至少一者。
  11. 一種對半導體製造系統中的正常與異常執行兩者判斷作為輸入的工具參數與作為輸出的粒子數之間的關係的方法，其包含：使用至少一個處理器以進行運算，該至少一個處理器執行至少一個非暫時性電腦可讀取式媒體上所體現的電腦可執行式指令，該運算包含：基於對半導體製造系統所產生的工具程序記錄的分析產生正常污染函數，該正常污染函數界定正常粒子污染為該半導體製造系統的多個工具參數之函數；以及基於該正常污染函數的該分析而辨識該等工具參數的至少一者為該工常粒子污染的原因。
  12. 如申請專利範圍第11項所述的方法，復包含基於該正常污染函數的該分析按照該等工具參數的至少一個子集對該正常粒子污染的各別影響的順序排行該至少一個子集。
  13. 如申請專利範圍第11項所述的方法，復包含： 接收對該半導體製造系統所產生的複數工具程序記錄；以及將該複數工具程序記錄區分成多個正常工具程序記錄及多個異常工具程序記錄，該等正常工具程序記錄表示在污染規格內之可接受污染程度，而該等異正常工具程序記錄則表示違反該污染規格之異常污染程度，其中該產生該正常污染函數包含基於該等正常工具程序記錄的分析產生該正常污染函數而省略該等異常工具程序記錄的考量。
  14. 如申請專利範圍第13項所述的方法，復包含基於數據集合的分析產生第二污染函數，該數據集合包含該等正常工具程序記錄及選自該等異常工具程序記錄之一個異常工具程序記錄。
  15. 如申請專利範圍第14項所述的方法，復包含：比較該正常污染函數與該第二污染函數；以及基於該比較的結果辨識該多個工具參數的其中一者為該一個異常工具程序記錄所記錄的異常污染程度的原因。
  16. 如申請專利範圍第15項所述的方法，復包含：依照該多個工具參數對該正常污染函數的各別影響的順序排行該多個工具參數而產出第一排行：依照該多個工具參數對該第二污染函數的各別影響的順序排行該多個工具參數而產出第二排行；以及 基於該第一排行與該第二排行之間的比較辨識該多個工具參數的該其中一者。
  17. 如申請專利範圍第13項所述的方法，復包含對各別一或多個粒子測量界定該污染規格為粒子數的一或多個上限。
  18. 一種電腦可讀取式媒體，其上儲存有電腦可執行式指令，該電腦可執行式指令回應系統的執行，而使該系統進行運算，該系統包括處理器，而該運算包括：分析與半導體製造程序相關聯的複數工具程序記錄，以判斷系統性粒子污染與該半導體製造程序之工具參數集合之間的關係；以及基於該分析辨識該工具參數集合的至少一者為該系統性粒子污染的原因。
  19. 如申請專利範圍第18項所述的電腦可讀取式媒體，該運算復包括：根據該工具參數集合對該系統性粒子污染的相對影響排行該工具參數集合。
  20. 如申請專利範圍第18項所述的電腦可讀取式媒體，該運算復包括：區分正常工具程序記錄與異常工具程序記錄，該正常工具程序記錄與污染規格內之可接受污染程度相關聯，而該異常工具程序記錄則與超出該污染規格之異常污染程度相關聯；以及選擇該等正常工具程序記錄為用於判斷該系統性 粒子污染與該工具參數集合之間的關係的該複數工具程序記錄。
TW102133454A 2012-12-06 2013-09-16 用於自動辨識因隔離程序事件和系統性潮流而產生的粒子污染的方法和裝置 TWI616961B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/706,712 US9405289B2 (en) 2012-12-06 2012-12-06 Method and apparatus for autonomous identification of particle contamination due to isolated process events and systematic trends
US13/706,712 2012-12-06

Publications (2)

Publication Number Publication Date
TW201428868A true TW201428868A (zh) 2014-07-16
TWI616961B TWI616961B (zh) 2018-03-01

Family

ID=50881810

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102133454A TWI616961B (zh) 2012-12-06 2013-09-16 用於自動辨識因隔離程序事件和系統性潮流而產生的粒子污染的方法和裝置

Country Status (3)

Country Link
US (2) US9405289B2 (zh)
TW (1) TWI616961B (zh)
WO (1) WO2014088670A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6383522B2 (ja) * 2013-01-30 2018-08-29 株式会社日立ハイテクノロジーズ 異物を発塵させる装置および発塵要因分析装置
US9396443B2 (en) * 2013-12-05 2016-07-19 Tokyo Electron Limited System and method for learning and/or optimizing manufacturing processes
WO2015125733A1 (ja) * 2014-02-24 2015-08-27 株式会社日立国際電気 基板処理装置、半導体装置の製造方法及びプログラム
US10228678B2 (en) * 2015-07-22 2019-03-12 Tokyo Electron Limited Tool failure analysis using space-distorted similarity
US20170337482A1 (en) * 2016-05-20 2017-11-23 Suraj Sindia Predictive system for industrial internet of things
US10783290B2 (en) * 2017-09-28 2020-09-22 Taiwan Semiconductor Manufacturing Company, Ltd. IC manufacturing recipe similarity evaluation methods and systems
WO2019070466A1 (en) * 2017-10-05 2019-04-11 RideController LLC MODULAR ENERGY DISTRIBUTION SYSTEM AND CONTROLS
CN114202133A (zh) * 2020-09-02 2022-03-18 长鑫存储技术有限公司 制程数据的检测方法、计算机可读介质及电子设备
US12074074B2 (en) * 2021-06-07 2024-08-27 Taiwan Semiconductor Manufacturing Company Ltd. Method and system for processing wafer
CN118486613B (zh) * 2024-07-09 2024-10-18 深圳洁盟技术股份有限公司 基于半导体晶圆加工下的清洗设备控制方法及系统

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6701259B2 (en) * 2000-10-02 2004-03-02 Applied Materials, Inc. Defect source identifier
DE10143074C2 (de) 2001-09-03 2003-12-24 Infineon Technologies Ag Anordnung zur Bestimmung der Konzentration kontaminierender Teilchen in einem Be- und Entladebereich eines Gerätes zur Verarbeitung wenigstens eines scheibenförmigen Objektes
US6912437B2 (en) 2002-09-30 2005-06-28 Advanced Micro Devices, Inc. Method and apparatus for controlling a fabrication process based on a measured electrical characteristic
US8260035B2 (en) * 2006-09-22 2012-09-04 Kla-Tencor Corporation Threshold determination in an inspection system
US8725667B2 (en) * 2008-03-08 2014-05-13 Tokyo Electron Limited Method and system for detection of tool performance degradation and mismatch
CN101960873B (zh) 2008-03-10 2013-06-19 日本电气株式会社 通信系统、传送节点、移动节点、服务器设备、通信控制方法及程序
JP5156452B2 (ja) * 2008-03-27 2013-03-06 東京エレクトロン株式会社 欠陥分類方法、プログラム、コンピュータ記憶媒体及び欠陥分類装置
JP5398234B2 (ja) * 2008-11-13 2014-01-29 東京エレクトロン株式会社 異物検出方法、装置及び記憶媒体
US8285414B2 (en) 2009-03-31 2012-10-09 International Business Machines Corporation Method and system for evaluating a machine tool operating characteristics
JP2011047724A (ja) * 2009-08-26 2011-03-10 Hitachi High-Technologies Corp 欠陥検査装置およびその方法
JP5320329B2 (ja) * 2010-03-15 2013-10-23 株式会社日立ハイテクノロジーズ Ｓｅｍ式欠陥観察装置および欠陥画像取得方法
US8328950B2 (en) 2010-05-20 2012-12-11 International Business Machines Corporation Foreign material contamination detection
US8954184B2 (en) 2011-01-19 2015-02-10 Tokyo Electron Limited Tool performance by linking spectroscopic information with tool operational parameters and material measurement information

Also Published As

Publication number Publication date
US10133265B2 (en) 2018-11-20
TWI616961B (zh) 2018-03-01
US20160334782A1 (en) 2016-11-17
WO2014088670A1 (en) 2014-06-12
US20140163712A1 (en) 2014-06-12
US9405289B2 (en) 2016-08-02

Similar Documents

Publication Publication Date Title
TWI616961B (zh) 用於自動辨識因隔離程序事件和系統性潮流而產生的粒子污染的方法和裝置
KR102131474B1 (ko) 반도체 제조를 위한 자동 툴 파라미터 영향 식별
TWI672599B (zh) 探索裝置及探索方法
JP5020101B2 (ja) ラントゥラン制御器を用いた欠陥検出および分類（ｆｄｃ）
US8594826B2 (en) Method and system for evaluating a machine tool operating characteristics
TWI443776B (zh) 用於叢集工具之自動化狀態估計系統以及操作該系統之方法
KR102564629B1 (ko) 공간 왜곡 유사도를 사용하는 툴 오류 분석
JP2014519182A (ja) 生物学に基づくチャンバマッチング
US11054815B2 (en) Apparatus for cost-effective conversion of unsupervised fault detection (FD) system to supervised FD system
TW200818249A (en) Classifying faults associated with a manufacturing process
CN115803858A (zh) 半导体制造设备的预测性维护
WO2016147657A1 (ja) 情報処理装置、情報処理方法、及び、記録媒体
JP7466197B2 (ja) 異常解析装置、製造システム、異常解析方法及びプログラム
TW201827962A (zh) 機台的預診斷方法及預診斷裝置
US20230239194A1 (en) Node health prediction based on failure issues experienced prior to deployment in a cloud computing system
TW201937539A (zh) 資料處理方法、資料處理裝置以及資料處理程式
Lee et al. Yield prediction through the event sequence analysis of the die attach process
TWI822262B (zh) 資料處理方法、資料處理裝置、資料處理系統以及電腦程式產品
TW201937384A (zh) 資料處理方法、資料處理裝置、資料處理系統以及資料處理程式
CN118511137A (zh) 用于腔室条件监测的预测建模
KR102672799B1 (ko) 반도체 장비의 실시간 공정 데이터를 매칭 및 분석하는 시스템 및 그 방법
US20240037442A1 (en) Generating indications of learning of models for semiconductor processing
TW202349153A (zh) 用於判定處理設備效能的綜合分析模組