TW202124982A - 半導體製程期間電弧的音訊識別方法和系統 - Google Patents

半導體製程期間電弧的音訊識別方法和系統 Download PDF

Info

Publication number
TW202124982A
TW202124982A TW109143225A TW109143225A TW202124982A TW 202124982 A TW202124982 A TW 202124982A TW 109143225 A TW109143225 A TW 109143225A TW 109143225 A TW109143225 A TW 109143225A TW 202124982 A TW202124982 A TW 202124982A
Authority
TW
Taiwan
Prior art keywords
arc
semiconductor
clean room
manufacturing process
room environment
Prior art date
Application number
TW109143225A
Other languages
English (en)
Other versions
TWI830971B (zh
Inventor
王誌佑
Original Assignee
台灣積體電路製造股份有限公司
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 台灣積體電路製造股份有限公司 filed Critical 台灣積體電路製造股份有限公司
Publication of TW202124982A publication Critical patent/TW202124982A/zh
Application granted granted Critical
Publication of TWI830971B publication Critical patent/TWI830971B/zh

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1209—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using acoustic measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B17/00—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations
    • G01B17/08—Measuring arrangements characterised by the use of infrasonic, sonic or ultrasonic vibrations for measuring roughness or irregularity of surfaces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/14—Circuits therefor, e.g. for generating test voltages, sensing circuits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67017—Apparatus for fluid treatment
    • 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
    • H01L21/67259—Position monitoring, e.g. misposition detection or presence detection
    • 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
    • H01L22/26—Acting in response to an ongoing measurement without interruption of processing, e.g. endpoint detection, in-situ thickness measurement
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/20—Arrangements for obtaining desired frequency or directional characteristics
    • H04R1/32—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only
    • H04R1/40—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only by combining a number of identical transducers
    • H04R1/406—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only by combining a number of identical transducers microphones
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers, loudspeakers or microphones
    • H04R3/007—Protection circuits for transducers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers, loudspeakers or microphones
    • H04R3/04—Circuits for transducers, loudspeakers or microphones for correcting frequency response
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Acoustics & Sound (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Otolaryngology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

一種電弧檢測系統檢測半導體處理潔淨室環境內的電弧。電弧檢測系統包含傳聲器陣列，所述麥克風陣列安置在潔淨室環境內。傳聲器接收潔淨室環境內的聲波，且基於聲波產生音訊信號。電弧系統包含控制系統，所述控制系統從傳聲器接收音訊信號。控制系統分析音訊信號且基於音訊信號檢測潔淨室環境內的電弧。控制系統可回應於檢測電弧而即時調整半導體製程。

Description

半導體製程期間電弧的音訊識別方法和系統
本發明關於半導體處理的領域。更確切地說，本發明關於在半導體製程期間檢測電弧。
積體電路的製造通常通過對半導體晶圓執行大量處理步驟來實現。處理步驟通常導致與半導體基底一起形成高度複雜排列的大量電晶體。處理步驟還導致介電層、金屬內連線、通孔、插塞以及其它積體電路結構和元件的形成。
在各種半導體製程期間，在處理環境內有可能將發生電弧。電弧可能損壞半導體晶圓。結果是受損的半導體晶圓可能需要丟棄。
在以下描述中，針對在積體電路晶粒內的各種層和結構描述許多厚度和材料。通過各種實施例的實例給出特定尺寸和材料。根據本發明，所屬領域的技術人員將認識到，在不脫離本發明的範圍的情況下，可在許多情況下使用其它尺寸和材料。
以下公開內容提供用於實施所描述的主題的不同特徵的許多不同實施例或實例。下文描述元件和佈置的具體實例來簡化本描述。當然，這些僅是實例且並不意欲是限制性的。舉例來說，在以下描述中，第一特徵在第二特徵上方或第二特徵上的形成可包含第一特徵與第二特徵直接接觸地形成的實施例，且還可包含額外特徵可在第一特徵與第二特徵之間形成，使得第一特徵與第二特徵可不直接接觸的實施例。另外，本發明可在各種實例中重複附圖標號和/或字母。此重複是出於簡單和清晰的目的，且本身並不規定所論述的各種實施例和/或配置之間的關係。
此外，為了易於描述，在本文中可使用例如“在…下面（beneath）”、“在…下方（below）”、“下部（lower）”、“在…上方（above）”、“上部（upper）”等的空間相關術語來描述如圖中所示出的一個元件或特徵與另一個元件或特徵的關係。除圖中所描繪的定向之外，空間相關術語意圖涵蓋裝置在使用或操作中的不同定向。設備可以其它方式定向（旋轉90度或處於其它定向），且本文中所使用的空間相關描述詞因此可同樣地進行解釋。
在以下描述中，闡述某些具體細節以提供對本發明的各種實施例的透徹理解。然而，所屬領域的技術人員將理解，可在無這些具體細節的情況下實踐本發明。在其它情況下，沒有詳細地描述與電子元件和製造技術相關聯的公認結構來避免不必要的混淆本發明的實施例的描述。
除非上下文另有要求，否則在整個說明書和以下權利要求中，詞語“包括（comprise）”及其變體（例如“包括（comprises/comprising）”）應以開放的、包含性的意義解釋，即“包含但不限於”。
例如第一、第二以及第三等序數詞的使用不一定暗示次序的分級意義，而是可僅區別動作或結構的多個實例。
貫穿本說明書對“一個實施例（one embodiment）”或“實施例（an embodiment）”的引用意指結合實施例描述的特定特徵、結構或特性包含在至少一個實施例中。因此，貫穿本說明書在不同位置中出現短語“在一個實施例中（in one embodiment）”或“在實施例中（in an embodiment）”未必都是指同一個實施例。此外，在一個或多個實施例中，特定特徵、結構或特性可以任何合適方式組合。
除非內容另外明確規定，否則如本說明書和所附發明申請專利範圍中所使用的單數形式“一個（a /an）”和“所述”包含複數指示物。還應注意，除非內容另外明確指示，否則術語“或”通常以其包含“和/或”的含義使用。
圖1是根據實施例的電弧檢測系統100的方塊圖。電弧檢測系統100包含麥克風陣列108，所述麥克風陣列108安置在半導體處理潔淨室環境102內。電弧檢測系統100包含控制系統110，所述控制系統110以通信方式耦合到麥克風108。麥克風108和控制系統110共同配合來檢測潔淨室環境102內的電弧。
使用潔淨室環境102以對半導體晶圓104執行半導體處理。半導體處理導致在半導體晶圓104內形成多個積體電路。在完成半導體處理之後，可切割半導體晶圓104以從半導體晶圓104分離單獨的積體電路晶粒。
半導體製程可包含在半導體晶圓104上或在半導體晶圓104中的半導體層、介電層、金屬層以及其它特徵的沉積或生長。半導體製程可包含微影製程，用於圖案化沉積或生長在半導體晶圓104上的各種材料的特徵。半導體製程可包含用於去除材料的蝕刻製程以及用於圖案化沉積或生長在半導體晶圓104上的各種材料的微影製程。半導體製程可包含離子注入製程，用於在半導體晶圓104中注入摻雜劑物質。半導體製程還可包含清潔、平坦化以及退火步驟。可在不脫離本發明的範圍的情況下執行其它半導體製程。
半導體製程系統106控制在潔淨室環境102內對半導體晶圓104執行的各種半導體製程。半導體製程系統106可包含化學氣相沉積系統、物理氣相沉積系統、濕式蝕刻系統、乾式蝕刻系統、退火系統、離子注入系統、微影系統以及適用於對半導體晶圓104執行半導體處理的其它系統。半導體製程系統106可包含安置在潔淨室環境102內的組件和安置在潔淨環境102外的組件。半導體製程系統106可包含電源，所述電源在潔淨環境102內產生電場或在潔淨室環境102內施加電壓。半導體製程系統106可包含控制系統，所述控制系統控制由半導體製程系統106執行的半導體製程。
當對半導體晶圓104執行處理步驟時，在潔淨室環境102內可發生電弧。電弧是在潔淨室環境102內高電流的暫態流動。由於在潔淨室環境102內物體或材料之間的靜電電荷積聚，可發生電弧。靜電電荷可在潔淨室環境102的壁面上、在潔淨室環境102內的處理設備上、在存在於潔淨室環境102內的氣體中或以其它方式積聚。當電場由於靜電電荷的積聚或由於其它因素而變得足夠大時，可發生電弧。
如果電弧發生在半導體晶圓104附近，那麼半導體晶圓104有可能會受損。舉例來說，如果電弧導致半導體晶圓104的一部分與潔淨室環境102內的另一個物體或材料之間的大電流流動，那麼電流可損壞半導體晶圓104。如果半導體晶圓104受損，那麼由半導體晶圓104產生的一些積體電路晶粒有可能會無法正常運作。在某些情況下，半導體晶圓104可能充分損壞使得將需要丟棄整個半導體晶圓104。這導致時間、材料以及資金的重大損失。
圖1的電弧檢測系統100能夠即時檢測和控制潔淨室環境102中的電弧。圖1的電弧檢測系統100使用麥克風108和控制系統110以檢測和控制潔淨環境102內的電弧。
電弧導致聲波的產生。聲波是電弧的特性。此外，各種材料之間的不同類型的電弧產生不同類型的聲音。因此，電弧檢測系統100基於由電弧產生的聲音來檢測電弧。
電弧檢測系統使用麥克風陣列108來檢測由電弧產生的聲音。麥克風陣列108佈置成使得將麥克風108安置在潔淨室環境102內的各種位置中。麥克風108佈置成能夠在潔淨室環境102內的各種位置中檢測電弧聲音。
在一個實施例中，麥克風108安置在潔淨室環境102內以能夠在潔淨環境102內檢測電弧的位置。如果麥克風安置在各種所選擇的位置處，那麼可利用通過每個麥克風檢測的聲音的特性來確定潔淨環境102內電弧的位置。舉例來說，考慮在潔淨室環境102內每個麥克風的位置，通過每個麥克風檢測的電弧聲音的幅度能夠識別潔淨室環境102內電弧的準確位置。
麥克風108響應於由麥克風108所遇到的聲波而產生音訊信號。音訊信號對應於表示由麥克風108所接收的聲音的電信號。
麥克風108包含對各種聲波頻率範圍敏感的麥克風。麥克風108中的一些對人耳可聽見的聲波敏感。舉例來說，大多數人類可聽到在50赫茲到20,000赫茲範圍內的聲音。麥克風中的一些對在此範圍內的聲波或在此範圍內的聲波的子集敏感。
在一個實施例中，麥克風108中的一些對超聲波（ultrasonic）敏感。超聲波對應于頻率高於通常由人耳可聽到的頻率的聲波。麥克風108中的一些對在20千赫與20兆赫範圍之間的聲波敏感。麥克風108中的一些可對在20千赫與20兆赫之間的各種頻率子集敏感。
在一個實施例中，麥克風108中的一些對次聲波（infrasonic）敏感。次聲波對應於頻率低於通常由人耳可聽到的頻率的聲波。因此，麥克風108中的一些對在0赫茲與100赫茲範圍之間的聲波敏感。麥克風108中的一些可對在0赫茲與100赫茲之間的各種頻率子集敏感。
在一個實施例中，麥克風108中的一些與安置在潔淨室環境102內的半導體處理設備接觸。舉例來說，麥克風108中的一些可安置成與載體或其它物體接觸，在處理期間半導體晶圓104安置在所述載體或其它物體上。此類麥克風可協助確定載體或其它物體或半導體晶圓104自身是否受到電弧影響。
控制系統110以通信方式耦合到麥克風108。具體來說，控制系統110從麥克風108接收音訊信號。控制系統110處理音訊信號且基於音訊信號判定電弧是否已發生在潔淨室環境102內。
控制系統110可從麥克風108無線接收音訊信號。麥克風108可由一個或多個無線連線協定耦合到控制系統110，所述協定包含（但不限於）藍牙、無線網路（Wi-Fi）或無線個域網（Zigbee）協議。可在不脫離本發明的範圍的情況下利用其它無線通訊協定。因此，電弧檢測系統100可包含無線收發器或發射器，所述無線收發器或發射器耦合到安置在潔淨室環境102內的麥克風110。無線收發器或發射器可將音訊信號發射到控制系統110。
在一個實施例中，電弧檢測系統100包含電源，所述電源耦合到麥克風108且（如果存在）耦合到無線通訊系統，所述無線通訊系統耦合到麥克風108。電源可包含電池組或與穩定電力供應的有線連接。在一個實施例中，電弧檢測系統100包含能量收集裝置，用於給電池組再充電或用於以其它方式給麥克風108和無線通訊系統供電。能量收集裝置可從聲波振動或其它類型的運動收集能量。
在一個實施例中，麥克風108通過有線連接而連接到控制系統110。因此，麥克風108可通過傳遞到控制系統110的有線連接與控制系統110通信。
麥克風108可最初產生類比音訊信號。可向控制系統110提供類比音訊信號。在某些情況下，在傳遞到控制系統110之前，音訊信號可首先從類比音訊信號轉換成數位音訊信號。然而，如本文中所描述，向控制系統110提供音訊信號可包含提供已數位元化或以其它方式調整的音訊信號。因此，向控制系統110提供音訊信號可包含提供基於由麥克風108產生的音訊信號的信號。
在一個實施例中，當控制系統110從麥克風108接收音訊信號時，控制系統110可過濾音訊信號。因此，控制系統110可包含一個或多個濾波器。將音訊信號傳遞到濾波器以去除背景雜訊。濾波器還可去除處於某些頻帶的音訊信號。在音訊信號已通過一個或多個濾波器之後，音訊信號準備好由控制系統110進一步處理和分析。
在一個實施例中，在發射到控制系統110之前，音訊信號可通過濾波器。因此，在將音訊信號發射到控制系統110之前，麥克風108可耦合到一個或多個電性濾波器或其它電路以減少雜訊。這使控制系統110能夠基於音訊信號更容易地識別電弧。
在一個實施例中，控制系統110通過分析時域（time domain）中的音訊信號來識別電弧。因此，控制系統110對音訊信號執行時域分析以識別作為潔淨室環境102內的電弧特性的波形。
在一個實施例中，控制系統110通過分析頻域（frequency domain）中的音訊信號來識別電弧。因此，控制系統110可對音訊信號110執行頻域分析。頻域分析可包含對音訊信號執行傅裡葉變換（Fourier transform）。傅裡葉變換從時域獲取音訊信號且提供音訊信號的頻域表示。頻域分析可協助識別作為潔淨室環境102內的電弧特性的聲音。傅裡葉變換可包含快速傅裡葉變換、離散傅裡葉變換或其它類型的傅裡葉變換。頻域分析可包含對音訊信號執行小波（wavelet）分析。在一個實施例中，控制系統110使用時域分析和頻域分析的組合以從音訊信號識別電弧。
在一個實施例中，控制系統110包含分析模型。用機器學習過程訓練分析模型以識別潔淨室環境102內的電弧。分析模型可分析音訊信號或基於音訊信號的信號，以識別潔淨室環境102內的電弧。
在一個實施例中，機器學習過程是受監督的機器學習過程。受監督的機器學習過程通常通過在學習過程中使用標籤來區別於無監督的機器學習過程。舉例來說，如果機器學習過程訓練分析模型以將資料項目分類為屬於多個可能類別中的一個，那麼受監督的機器學習過程將包含標記的資料項目。標記的資料項目是機器學習過程的訓練集（training set）。資料項目的標籤指示資料項目的正確類別。受監督的機器學習過程訓練分析模型來以匹配標籤的方式對資料項目進行分類。通過這種方式，機器學習過程是受監督的過程。
控制系統110的分析模型的受監督的機器學習過程可包含生成訓練集資料。生成訓練集資料可包含從已知電弧事件收集音訊信號。生成訓練集資料可包含收集已知不包含電弧聲音的音訊信號。可標記訓練集資料以識別表示電弧的音訊信號和不表示電弧的音訊信號。
訓練集資料的已知電弧事件可包含不同類型的電弧事件，所述電弧事件包含在潔淨環境102內各種物體或位置之間的電弧。已知電弧事件還可包含接觸半導體晶圓104或固定或支撐半導體晶圓104的設備的電弧。
訓練集資料可包含在時域中和在頻域中的音訊信號。訓練集資料可包含在各種頻域變換之後的音訊信號，所述頻域變換包含快速傅立葉轉換、離散傅裡葉變換、小波變換或其它類型的頻域變換。
受監督的機器學習過程可包含通過分析模型傳遞訓練集資料。分析模型將訓練集中的每個音訊信號分類為電弧事件或非電弧事件。接著將分類與標籤進行比較。調整分析模型的一個或多個分類功能的參數或權重，且訓練集的音訊信號再次通過分析模型。接著將分類與標籤進行比較且相應地調整功能。反復重複此過程直到分析模型能夠以匹配標籤的方式可靠地對音訊信號進行分類。
在一個實施例中，在傳遞到分析模型之前，將音訊信號轉換成向量形式。因此，分析模型在時域和頻域中的一個或兩個中分析音訊信號的向量化表示。因此，用分析模型分析音訊信號可包含分析音訊信號的向量化版本或音訊信號的其它類型的表示。
在一個實施例中，分析模型包含分類器模型、多類分類器模型或二進位元元分類器模型。分析模型可包含基於神經網路的分類器模型。分類器模型可包含邏輯回歸模型、樸素貝葉斯模型（naïve Bayes model）、隨機梯度下降模型、K最近鄰域模型（K nearest neighbors model）、決策樹模型、隨機森林模型或其它類型的分類器模型。在不脫離本發明的範圍的情況下，分析模型還可包含其它類型的分類器模型或除分類器模型以外的模型。
在一個實施例中，分析模型包含無監督的機器學習模型。無監督的機器學習過程通常不包含標記的資料。因此，用於無監督學習過程的訓練集包含不存在可用標籤的資料項目。無監督的機器學習過程可訓練分析模型以識別資料項目中的模式和相似性。這可用於聚集資料項目。
可用無監督的機器學習過程來訓練控制系統110的分析模型以識別指示潔淨室環境102內的電弧的音訊信號內的模式。在訓練之後，分析模型可用於對彼此類似的音訊信號聲音進行分組。這可用於將音訊聲音聚類成電弧音訊信號和非電弧音訊信號。
當控制系統110接收音訊信號時，音訊信號可被過濾或格式化且接著提供給分析模型。分析模型分析音訊信號且確定音訊信號的一部分是否表示潔淨室環境102內的電弧。分析模型為通過分析模型的每個音訊信號樣本輸出電弧或無電弧的指示。
控制系統110可使用除機器學習分析模型以外的模式識別系統，以基於音訊信號檢測電弧。基於規則的分析模型由專家用定義應如何對資料項目進行分析和分類的規則來編碼。因此，可編碼基於規則的分析模型以基於預定規則對資料項目進行分類，而不是用機器學習過程來訓練分析模型。控制系統110的分析模型可使用基於規則的系統來識別電弧聲音。控制系統110可使用基於規則的分析系統或其它類型的分析系統，以識別指示潔淨環境102內的電弧的時域模式或頻域模式或特性。
在一個實施例中，當控制系統110識別潔淨室環境102內的電弧時，控制系統110可回應於電弧採取各種即時動作。可由控制系統110採取動作以即時減少或以其它方式管理潔淨室環境102內的電弧。
在一個實施例中，控制系統110可確定電弧是否處於對半導體晶圓104危險的水準。如果電弧處於對半導體晶圓104不危險的水準，那麼控制系統110可避免採取任何糾正性動作。或者或另外，控制系統110可輸出指示潔淨室環境102內的電弧的非危險水準的通知。可由監管潔淨環境102內的半導體製程的人員接收和查看通知。
在一個實施例中，控制系統110可確定電弧的水準是危險的。在此情況下，控制系統110可採取步驟來減少或避免潔淨室環境110內的其它電弧。控制系統110可以通信方式耦合到半導體製程系統106或耦合到與半導體製程系統106相關聯的設備。控制系統110可控制半導體製程106以調整與半導體製程相關聯的參數，以減少或避免潔淨室環境102內的其它電弧。
在一個實例中，半導體製程是基於電漿的製程，例如電漿蝕刻、或電漿增強化學氣相沉積或電漿增強物理氣相沉積。半導體製程系統106可包含執行或促進基於電漿的製程的設備。控制系統110可使得半導體製程系統106調整基於電漿的製程的參數。舉例來說，基於電漿的製程通常在潔淨室環境102內或向進入到潔淨環境102中的氣體施加高電壓。控制系統110可導致這些電壓降低，以減少或消除潔淨室環境102內的危險電弧。或者，控制系統110可調整基於電漿的半導體製程的其它參數，以減少或消除潔淨室環境102內的危險電弧。
在一個實例中，電弧可能發生在潔淨室環境102的壁面與潔淨室環境102內的其它設備或材料之間。電弧可能是由於潔淨室環境102內的壁面或設備上的介電材料的積聚。控制系統110可使得自動化系統從與電弧相關聯的潔淨環境102的部分清潔或以其它方式去除介電材料。這可幫助減少電弧。
在一個實例中，電弧可部分地基於各種半導體製程期間的溫度或沉積速率而發生。控制系統110可回應於檢測電弧而降低溫度或調整潔淨環境102內的沉積速率。
在一個實例中，電弧可部分地基於在半導體製程期間潔淨室環境102內的不同類型氣體的濃度而發生。控制系統110可使得半導體製程系統106調整潔淨室環境102中的一種或多種氣體的流量，以減少或避免危險電弧。
在一個實施例中，控制系統110可使得半導體製程系統106回應於檢測潔淨室環境102內的電弧而完全終止半導體製程。為了避免對半導體晶圓104的嚴重損壞，在一些情況下，控制系統110可確定最佳的行動方案是完全終止半導體製程，直到可進行其它調整以減少或防止潔淨環境102內的電弧。
圖2是根據實施例的電弧檢測系統100的圖解。電弧檢測系統100包含安置在潔淨室環境102內的晶圓支架116上的半導體晶圓104。多個麥克風108安置在潔淨室環境102內。電弧檢測系統100檢測潔淨室環境102內的電弧。
麥克風108安置在整個潔淨室環境102中。麥克風108橫向安置在半導體晶圓104和晶圓支架116周圍。麥克風108還安置在半導體晶圓104上方和晶圓支架116下方。儘管圖2中未示出，但麥克風108中的一個或多個還可安置成與晶圓支架116或潔淨環境102內的其它設備接觸。
在一個實施例中，圖2中示出的每個麥克風108可對應於一組麥克風。每組麥克風可包含對不同頻率範圍內的聲音敏感的麥克風。舉例來說，每組麥克風可包含一個或多個對次聲波敏感的麥克風。每組麥克風可包含一個或多個對可聽聲音（audible sound）敏感的麥克風。每組麥克風可包含一個或多個對超聲波敏感的麥克風。另外或或者，每組麥克風可包含面向不同方向的麥克風。
在圖2的圖解中，電弧事件118發生在半導體晶圓102的特定區域。麥克風108中的每一個接收由電弧事件118產生的聲波。麥克風108中的每一個基於聲波產生音訊信號。麥克風108可將音訊信號傳遞到控制系統110（圖2中未示出）。控制系統110可基於音訊信號檢測電弧事件118。控制系統110還可基於音訊信號和麥克風108的已知位置來識別電弧事件118的位置。
在圖2的實例中，電弧事件118已接觸半導體晶圓104的特定部分。控制系統110可識別在半導體晶圓104上的電弧事件118的位置。控制系統可確定電弧事件接觸半導體晶圓，這是因為可訓練分析模型以識別接觸半導體晶圓的電弧的聲音。控制系統可通過分析來自具有已知位置的多個麥克風中的每一個的音訊信號來確定電弧事件的位置。聲音的起源位置可由來自每個麥克風的相應音訊信號的強度來確定。電弧事件118的位置將對應於半導體晶圓104的特定部分。特定位置對應於將與半導體晶圓104分離的一個或多個積體電路晶粒。控制系統110可將來自半導體晶圓104的此區域的各個積體電路標記為潛在損壞的。這些積體電路晶粒可在切割後丟棄。
在一個實施例中，控制系統110可基於音訊信號的特性來確定電弧事件118很可能對半導體晶圓104造成嚴重損壞。控制系統110可輸出技術人員應檢測半導體晶圓104的警示。或者，控制系統可確定應丟棄半導體晶圓104。
在一個實施例中，電弧事件的聲波根據與電弧事件相關聯的各種因素而不同。舉例來說，在與半導體晶圓104相關的薄膜生長或沉積過程期間，與電弧事件相關聯的聲波可基於存在於潔淨室環境102內的氣體類型而變化。電弧音訊模式可隨著製程參數而變化，所述製程參數例如存在於潔淨室環境102內的電壓或潔淨室環境102內的真空度。電弧音訊模式可隨著半導體製程的類型而變化，所述半導體製程包含濕式蝕刻、乾式蝕刻、物理氣相沉積、化學氣相沉積或其它類型的製程。電弧音訊模式可基於已損壞的材料類型而變化，所述材料例如氧化物層、微影膠層、金屬層、半導體層或與半導體晶圓104相關聯的其它類型的材料。電弧音訊模式可基於損壞類型而變化，所述類型例如受損區域的大小、受損區域的形狀或與損壞結果相關聯的其它因素。電弧音訊模式可基於半導體晶圓104或安置在潔淨室環境102內的其它結構或設備碎裂的發生而變化。
可訓練控制系統110以識別與電弧事件的所有各種參數相關聯的聲音模式。控制系統110可基於與不同類型的電弧事件相關聯的特定聲音模式進行診斷且可調整半導體製程的參數。
在一個實施例中，控制系統110可感測電弧事件是否已接觸晶圓支架116。控制系統110可感測晶圓支架116上受電弧事件影響的位置。可基於音訊信號和麥克風108的已知位置來檢測位置。控制系統110可檢測電弧和電弧在其它位置的位置以及與安置在潔淨室環境102內的其它材料或設備相關的位置。
儘管圖2中未示出，但每個麥克風108或每組麥克風可耦合到附加電路，所述附加電路包含有線或無線通訊裝置、電源、能量收集裝置、濾波器、信號處理器或可協助檢測潔淨室環境102中的電弧的其它電子電路。
圖3是根據一個實施例的半導體晶圓104的圖示，指示具有持續電弧事件的位置。控制系統110檢測電弧事件和其在半導體晶圓104上的位置。控制系統110記錄在半導體晶圓104上電弧事件的位置。
圖3中所示的半導體晶圓104的圖示包含多條虛線。虛線表示切割線，將沿所述切割線切割半導體晶圓104。因此，虛線概述當切割半導體晶圓104時將產生的單獨的積體電路晶粒。
圖3中所示的半導體晶圓104的圖示包含電弧指示器120。電弧指示器120示出在半導體晶圓104上電弧事件的位置。因此，電弧指示器120指示已受電弧事件影響的半導體晶圓104的部分。
電弧指示器120延伸橫越將由切割半導體晶圓104產生的各種積體電路晶粒。控制系統110可基於電弧指示器120的位置來記錄哪些積體電路晶粒受電弧事件的影響。這些受影響的積體電路晶粒可在切割後丟棄。或者，受影響的積體電路晶粒可在切割之前和之後經受附加測試。
圖4示出根據一個實施例的與由電弧檢測系統100的麥克風108產生的音訊信號相關聯的多個曲線圖130、曲線圖132、曲線圖134以及曲線圖136。曲線圖130是在並未包含任何電弧的時段期間由麥克風108在潔淨環境102中記錄的音訊信號的時域曲線圖。曲線圖130是聲波振幅對時間的曲線圖。控制系統110被訓練或以其它方式配置成識別曲線圖130的波形表示無電弧的時段。由相對恒定的雜訊水準反映電弧的缺乏。
曲線圖132是在包含潔淨室環境102內的電弧的時段期間由潔淨室環境102中的麥克風108記錄的音訊信號的時域曲線圖。曲線圖132是聲波振幅對時間的曲線圖。曲線圖132具有不同於曲線圖130的模式。控制系統110被訓練或以其它方式配置成識別曲線圖132的波形對應於電弧發生的時段。電弧聲音對應於曲線圖132中時間框（time frame）t1和時間框t2處的突出音訊特徵。實際上，電弧聲音的特徵可不同於曲線圖132中所示的特徵。
曲線圖134是在並未包含潔淨室環境102內的電弧的時段期間由潔淨室環境102中的麥克風108記錄的音訊信號的頻域曲線圖。曲線圖134是聲波振幅對頻率的曲線圖。控制系統110被訓練或以其它方式配置成識別曲線圖134的波形表示無電弧的時段。通過頻率中缺乏明顯的峰值反映電弧的缺乏。
曲線圖136是在包含潔淨室環境102內的電弧的時段期間由潔淨室環境102中的麥克風108記錄的音訊信號的頻域曲線圖。曲線圖136是聲波振幅對頻率的曲線圖。控制系統110被訓練或以其它方式配置成識別曲線圖136的波形表示電弧發生的時段。電弧聲音對應於頻率範圍f1和頻率範圍f2處的峰值。實際上，電弧聲音的特徵可不同於曲線圖136中所示的特徵。
圖5是根據實施例的電弧檢測系統100的音訊信號輸出電路148的方塊圖。根據一個實施例，音訊信號輸出電路148包含一個或多個麥克風108、濾波器140、信號處理器142、通信系統144以及電源146。音訊信號輸出電路148可對應於安置在潔淨室環境102內的電路封裝。
參看圖1和圖2，電弧檢測系統100包含安置在潔淨室環境102內的多個麥克風108。在一個實施例中，電弧檢測系統100可包含相應的音訊信號輸出電路148來代替每個麥克風108或每組麥克風108。因此，每個麥克風108或每組麥克風108作為相應音訊信號輸出電路148的部分。
每個麥克風或每組麥克風接收聲音信號，產生音訊信號並將音訊信號傳遞到濾波器140。濾波器140過濾來自音訊信號的雜訊並將過濾的音訊信號傳遞到信號分析器142。信號處理器142例如通過數位化音訊信號來處理音訊信號，並向通信系統144提供音訊信號。通信系統144將音訊信號輸出到控制系統110。通信系統144可包含無線通訊系統或有線通信系統。電源146給音訊信號輸出電路148供電。電源146可包含能量收集裝置。儘管圖5中未示出，但控制系統110的部分可包含在音訊信號輸出電路148中。在不脫離本發明的範圍的情況下，音訊輸出電路148可包含其它元件或配置。
圖6是根據實施例的電弧檢測系統100的控制系統110的方塊圖。控制系統110包含通信系統150、濾波器152、信號處理器154、分析模型156以及製程控制器158。
通信系統150與麥克風108通信，或與音訊信號輸出電路148通信。通信系統150可包含與音訊信號輸出電路148無線通訊的無線通訊系統。通信系統150可包含通過有線連接與音訊信號輸出電路148通信的有線通信系統。通信系統150從麥克風108接收音訊信號。
通信系統150向濾波器152提供音訊信號。濾波器152可從音訊信號濾出背景雜訊。濾波器152還可從音訊信號濾出選定的頻帶。控制系統110可包含多個濾波器152。
信號處理器154從濾波器152接收音訊信號。信號處理器154處理音訊信號。信號處理器154可產生表示音訊信號的時域。如先前所描述，信號處理器154可產生表示音訊信號的頻域。信號處理器154可將音訊信號設置成可由分析模型156使用的形式。
分析模型156分析音訊信號並確定音訊信號是否指示電弧已在潔淨室環境102內發生。可用如先前參考圖1所描述的機器學習過程來訓練分析模型126。機器學習過程可訓練分析模型126以基於音訊信號識別潔淨室環境內的各種類型的電弧。
製程控制器158與半導體製程系統106通信且控制半導體製程系統106。舉例來說，如果分析模型156指示電弧存在於潔淨環境102內，那麼製程控制器158可使得半導體製程系統106即時調整半導體製程。製程控制器158還可使半導體製程系統106回應於檢測潔淨室環境102內的電弧而終止半導體製程。
控制系統110可包含安置在潔淨室環境102內的元件和系統以及安置在潔淨室環境102外的元件。根據本發明，所屬領域的技術人員將認識，在不脫離本發明的範圍的情況下，控制系統110可包含其它元件和系統或元件和系統的其它配置。
圖7是根據實施例的用於檢測半導體潔淨室環境內的電弧的方法700的流程圖。在步驟702處，方法用安置在半導體處理潔淨室環境中的麥克風陣列從聲波產生音訊信號。麥克風陣列的一個實例是圖1的麥克風108。半導體處理潔淨室環境的一個實例是圖1的潔淨室環境102。在步驟704處，方法700包含用控制系統處理音訊信號。控制系統110的一個實例是圖1的控制系統110。在步驟706處，方法700包含基於音訊信號用控制系統檢測半導體處理環境內的電弧。
圖8是根據實施例的用於檢測半導體潔淨室環境內的電弧的方法800的流程圖。在步驟802處，方法800包含對半導體處理潔淨室環境中的半導體晶圓執行半導體製程。半導體晶圓的一個實例是圖1的半導體晶圓104。半導體處理潔淨室環境的一個實例是圖1的潔淨室環境102。在步驟804處，方法800包含在半導體製程期間，用安置在半導體處理潔淨室環境中的多個麥克風將聲音轉換成音訊信號。麥克風陣列的一個實例是圖1的麥克風108。在步驟806處，方法包含通過用控制系統處理音訊信號來檢測半導體處理潔淨室環境內的電弧。控制系統110的一個實例是圖1的控制系統110。方法包含回應於檢測半導體處理潔淨室環境內的電弧，調整半導體處理潔淨室環境內的半導體製程。
在一個實施例中，一種方法包含用安置在半導體處理潔淨室環境中的麥克風陣列從聲波產生音訊信號。方法包含用控制系統處理音訊信號。方法包含基於音訊信號用控制系統檢測半導體處理環境內的電弧。
在一個實施例中，一種方法包含對半導體處理潔淨室環境中的半導體晶圓執行半導體製程，以及在半導體製程期間，用安置於半導體處理潔淨室環境中的多個麥克風將聲音轉換成音訊信號。方法包含通過用控制系統處理音訊信號來檢測半導體處理潔淨室環境內的電弧。方法包含回應於檢測半導體處理潔淨室環境內的電弧，調整半導體處理潔淨室環境內的半導體製程。
在一個實施例中，一種系統包含多個麥克風，所述麥克風安置在半導體處理潔淨室環境內且配置成檢測半導體處理潔淨室環境內的聲音且基於聲音產生音訊信號。系統包含控制系統，所述控制系統以通信方式耦合到多個麥克風且配置成基於音訊信號檢測半導體處理潔淨室環境內的電弧。
可組合上文所描述的各種實施例以提供其它實施例。在本說明書中提及的和/或在申請資料表中列出的所有美國專利申請公開和美國專利申請以全文引入的方式併入本文中。必要時，可修改實施例的各方面以使用各種專利、申請以及公開的觀點來提供又其它實施例。
可根據以上詳細描述對實施例進行這些改變和其它改變。一般來說，在以下發明申請專利範圍中，所使用的術語不應解釋為將發明申請專利範圍限制於本說明書和發明申請專利範圍中所公開的具體實施例，而應解釋為包含所有可能的實施例以及所述發明申請專利範圍所有權獲得的等效物的全部範圍。因此，發明申請專利範圍不受本發明限制。
100:電弧檢測系統 102:半導體處理潔淨室環境 104:半導體晶圓 106:半導體製程系統 108:麥克風陣列 110:控制系統 116:晶圓支架 118:電弧事件 140、152:濾波器 142、154:信號處理器 144、150:通信系統 146:電源 148:音訊信號輸出電路 156:分析模型 158:製程控制器 120:電弧指示器 130、132、134、136:曲線圖 700、800:方法 702、704、706、802、804、806、808:步驟 f1、f2:頻率範圍 t1、t2:時間框
圖1是根據一個實施例的電弧檢測系統的方塊圖。 圖2是根據一個實施例的電弧檢測系統的圖解。 圖3是根據一個實施例的半導體晶圓的圖示，所述圖示指示具有持續電弧事件的位置。 圖4示出根據一個實施例的與由電弧檢測系統的麥克風產生的音訊信號相關聯的多個曲線圖。 圖5是根據一個實施例的電弧檢測系統的音訊信號輸出電路的方塊圖。 圖6是根據一個實施例的電弧檢測系統的控制系統的方塊圖。 圖7是根據一個實施例的用於檢測半導體潔淨室環境內的電弧的方法的流程圖。 圖8是根據一個實施例的用於檢測半導體潔淨室環境內的電弧的方法的流程圖。
100:電弧檢測系統
102:半導體處理潔淨室環境
104:半導體晶圓
106:半導體製程系統
108:麥克風陣列
110:控制系統

Claims (20)

  1. 一種半導體製程期間電弧的音訊識別方法，包括： 用安置在半導體處理潔淨室環境中的麥克風陣列從聲波產生音訊信號； 用控制系統處理所述音訊信號；以及 基於所述音訊信號，用所述控制系統檢測所述半導體處理環境內的電弧。
  2. 如請求項1所述的半導體製程期間電弧的音訊識別方法，其中處理所述音訊信號包含對所述音訊信號執行時域分析。
  3. 如請求項1所述的半導體製程期間電弧的音訊識別方法，其中處理所述音訊信號包含對所述音訊信號執行頻域分析。
  4. 如請求項3所述的半導體製程期間電弧的音訊識別方法，其中執行頻域分析包含執行以下中的一個或多個： 傅裡葉變換；以及 小波分析。
  5. 如請求項1所述的半導體製程期間電弧的音訊識別方法，其中檢測電弧包含確定所述音訊信號對應於電弧的音訊特性。
  6. 如請求項1所述的半導體製程期間電弧的音訊識別方法，其中處理所述音訊信號包含過濾所述音訊信號。
  7. 如請求項1所述的半導體製程期間電弧的音訊識別方法，更包括基於所述音訊信號和所述傳聲器在所述半導體處理潔淨室環境內的位置來確定所述電弧在所述半導體處理潔淨室環境內的位置。
  8. 如請求項1所述的半導體製程期間電弧的音訊識別方法，更包括回應於檢測所述電弧，用所述控制系統調整所述潔淨室內的半導體製程。
  9. 如請求項8所述的半導體製程期間電弧的音訊識別方法，其中調整所述半導體製程包含以下中的一個或多個： 調整一種或多種氣體到所述半導體處理潔淨室環境中的流速； 調整所述半導體處理潔淨室環境內的壓力； 調整施加在所述半導體處理潔淨室環境內的電壓或電場；以及 終止所述半導體製程。
  10. 如請求項1所述的半導體製程期間電弧的音訊識別方法，更包括： 用機器學習過程訓練計算系統的分析模型來檢測所述半導體潔淨室環境內的電弧；以及 通過用所述分析模型分析所述音訊信號來檢測所述電弧。
  11. 如請求項1所述的半導體製程期間電弧的音訊識別方法，更包括檢測所述電弧是否接觸所述潔淨室環境內的半導體晶圓。
  12. 如請求項1所述的半導體製程期間電弧的音訊識別方法，更包括識別在所述半導體晶圓上所述電弧的位置。
  13. 一種半導體製程期間電弧的音訊識別系統，包括： 多個傳聲器，安置在半導體處理潔淨室環境內且配置成檢測所述半導體處理潔淨室環境內的聲音且基於所述聲音產生音訊信號；以及 控制系統，以通信方式耦合到所述多個麥克風且配置成基於所述音訊信號檢測所述半導體處理潔淨室環境內的電弧。
  14. 如請求項13所述的半導體製程期間電弧的音訊識別系統，其中所述控制系統包含用機器學習過程訓練的分析模型來基於音訊信號識別電弧。
  15. 如請求項14所述的半導體製程期間電弧的音訊識別系統，其中所述多個傳聲器包含： 一個或多個傳聲器，配置成檢測次聲波； 一個或多個麥克風，配置成檢測可聽聲音；以及 一個或多個麥克風，配置成檢測超聲波。
  16. 如請求項13所述的半導體製程期間電弧的音訊識別系統，其中所述多個傳聲器佈置成使所述控制系統能夠基於音訊信號確定在所述半導體處理潔淨室環境內的電弧的位置。
  17. 如請求項13所述的半導體製程期間電弧的音訊識別系統，更包括無線通訊系統，所述無線通訊系統以通信方式將所述傳聲器耦合到所述控制系統。
  18. 一種半導體製程期間電弧的音訊識別方法，包括： 在半導體處理潔淨室環境中對半導體晶圓執行半導體製程； 在所述半導體製程期間，用安置在所述半導體處理潔淨室環境中的多個麥克風將聲音轉換成音訊信號； 通過用控制系統處理所述音訊信號來檢測所述半導體處理潔淨室環境內的電弧；以及 回應於檢測所述半導體處理潔淨室環境內的電弧，調整所述半導體處理潔淨室環境內的半導體製程。
  19. 如請求項18所述的半導體製程期間電弧的音訊識別方法，其中處理所述音訊信號包含處理由所述音訊信號產生的數位信號或類比信號。
  20. 如請求項19所述的半導體製程期間電弧的音訊識別方法，更包括用所述控制系統確定所述半導體晶圓是否從所述電弧受損。
TW109143225A 2019-12-19 2020-12-08 半導體製程期間電弧的音訊識別方法和系統 TWI830971B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/721,684 2019-12-19
US16/721,684 US11688413B2 (en) 2019-12-19 2019-12-19 Method and system for audio recognition of arcing during semiconductor process

Publications (2)

Publication Number Publication Date
TW202124982A true TW202124982A (zh) 2021-07-01
TWI830971B TWI830971B (zh) 2024-02-01

Family

ID=76206624

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109143225A TWI830971B (zh) 2019-12-19 2020-12-08 半導體製程期間電弧的音訊識別方法和系統

Country Status (5)

Country Link
US (1) US11688413B2 (zh)
KR (1) KR102484493B1 (zh)
CN (1) CN113009287B (zh)
DE (1) DE102020100004A1 (zh)
TW (1) TWI830971B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI836708B (zh) * 2022-11-08 2024-03-21 環球晶圓股份有限公司 訊號處理的方法及異音檢測系統

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11565365B2 (en) * 2017-11-13 2023-01-31 Taiwan Semiconductor Manufacturing Co., Ltd. System and method for monitoring chemical mechanical polishing
KR102482591B1 (ko) * 2021-09-28 2022-12-29 (주)디엘정보기술 반도체 클린룸 파티클 제어에 필요한 환경데이터 특성변수 선정방법

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1025276A1 (en) 1997-09-17 2000-08-09 Tokyo Electron Limited Device and method for detecting and preventing arcing in rf plasma systems
TW505939B (en) * 2000-03-28 2002-10-11 Kumamoto Technopolis Foundatio Apparatus for detecting plasma anomalous discharge and method of detecting the same
WO2003003326A1 (en) * 2001-06-27 2003-01-09 Saturn Information & Communication Corporation Arcing source position detector
JP3541359B2 (ja) 2001-09-19 2004-07-07 独立行政法人 科学技術振興機構 超音波プローブの一部を内蔵した基板載置台及び超音波プローブ貫通孔の密閉装置
JP4674363B2 (ja) 2005-06-27 2011-04-20 独立行政法人産業技術総合研究所 異常状態検出方法およびシート状圧電センサ
US7566384B2 (en) * 2005-07-22 2009-07-28 Praxair Technology, Inc. System and apparatus for real-time monitoring and control of sputter target erosion
JP2008073443A (ja) * 2006-09-25 2008-04-03 National Cardiovascular Center 可視光硬化性材料及び創傷治癒促進材
US20080090625A1 (en) * 2006-10-11 2008-04-17 Analog Devices, Inc. Microphone Microchip Device with Internal Noise Suppression
US8155326B2 (en) * 2007-10-09 2012-04-10 Schweitzer Engineering Laboratories, Inc. System, method, and apparatus for using the sound signature of a device to determine its operability
US8120376B2 (en) * 2007-12-12 2012-02-21 Novellus Systems, Inc. Fault detection apparatuses and methods for fault detection of semiconductor processing tools
JP5363213B2 (ja) * 2009-06-30 2013-12-11 東京エレクトロン株式会社 異常検出システム、異常検出方法、記憶媒体及び基板処理装置
RU2451715C1 (ru) * 2011-03-24 2012-05-27 Николай Васильевич Столбов Способ и установка плазмотермической переработки углеродсодержащих промышленных и сельскохозяйственных отходов для получения плазмогаза
US9508612B2 (en) * 2012-03-15 2016-11-29 Applied Materials, Inc. Method to detect wafer arcing in semiconductor manufacturing equipment
US9091613B2 (en) * 2012-06-27 2015-07-28 General Monitors, Inc. Multi-spectral ultrasonic gas leak detector
WO2015100577A1 (en) * 2013-12-31 2015-07-09 Siemens Aktiengesellschaft Devices and methods for arc fault detection
KR101457881B1 (ko) * 2014-06-11 2014-11-04 지투파워 (주) 초음파 신호에 의한 수배전반의 지능형 아크 및 코로나 방전 진단 시스템
US10442025B2 (en) * 2014-10-22 2019-10-15 Illinois Tool Works Inc. Virtual reality controlled mobile robot
WO2016090342A2 (en) * 2014-12-05 2016-06-09 Stages Pcs, Llc Active noise control and customized audio system
DE102015200714B3 (de) * 2015-01-19 2016-01-21 Robert Bosch Gmbh Erfassungssystem und Verfahren zum Erfassen eines Lichtbogens
KR101550588B1 (ko) * 2015-01-29 2015-09-09 주식회사 대경산전 적외선과 초음파 검출에 의한 열화 감시 진단 기능을 갖는 태양 발전 시스템용 접속함
TWI693424B (zh) * 2015-07-14 2020-05-11 美商駕駛管理系統公司 使用射頻無線及超音波信號以偵測電話的位置
US10692705B2 (en) * 2015-11-16 2020-06-23 Tokyo Electron Limited Advanced optical sensor and method for detecting an optical event in a light emission signal in a plasma chamber
CN106772171A (zh) * 2015-11-25 2017-05-31 纪新辉 一种超声波局部放电检测装置的检测与校验系统
US9976989B2 (en) * 2015-12-15 2018-05-22 General Electric Company Monitoring systems and methods for electrical machines
CN105911499B (zh) * 2016-06-30 2019-03-01 国网重庆市电力公司电力科学研究院 现场环境下超声波局部放电计量系统及方法
WO2018069922A2 (en) * 2016-10-10 2018-04-19 Augury Systems Ltd. Systems and methods for acoustic emission monitoring of semiconductor devices
MX2020001663A (es) * 2017-08-11 2020-03-20 Hubbell Inc Deteccion de corona usando datos de audio.
US11664206B2 (en) * 2017-11-08 2023-05-30 Taiwan Semiconductor Manufacturing Co., Ltd. Arcing protection method and processing tool
US10872793B2 (en) * 2017-11-10 2020-12-22 Taiwan Semiconductor Manufacturing Co., Ltd. System and method for monitoring operation conditions of semiconductor manufacturing apparatus
KR101889834B1 (ko) 2018-01-05 2018-08-20 (주)서전기전 스마트 배전반 시스템
CN108646153A (zh) * 2018-05-18 2018-10-12 云南电网有限责任公司电力科学研究院 一次设备局放检测装置
CN110007192A (zh) * 2019-02-19 2019-07-12 中国电力科学研究院有限公司 一种长距离gil电弧放电故障定位方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI836708B (zh) * 2022-11-08 2024-03-21 環球晶圓股份有限公司 訊號處理的方法及異音檢測系統

Also Published As

Publication number Publication date
TWI830971B (zh) 2024-02-01
CN113009287A (zh) 2021-06-22
CN113009287B (zh) 2024-09-13
DE102020100004A1 (de) 2021-06-24
KR102484493B1 (ko) 2023-01-03
US11688413B2 (en) 2023-06-27
US20210193166A1 (en) 2021-06-24
KR20210080146A (ko) 2021-06-30

Similar Documents

Publication Publication Date Title
TWI830971B (zh) 半導體製程期間電弧的音訊識別方法和系統
US20200233397A1 (en) System, method and computer-accessible medium for machine condition monitoring
US8155326B2 (en) System, method, and apparatus for using the sound signature of a device to determine its operability
US20190377325A1 (en) System and methods of novelty detection using non-parametric machine learning
US11894250B2 (en) Method and system for recognizing and addressing plasma discharge during semiconductor processes
US11568731B2 (en) Systems and methods for identifying an acoustic source based on observed sound
CN109768002A (zh) 用于制造或分析半导体晶圆的装置、操作方法及系统
US10709353B1 (en) Detecting a respiratory abnormality using a convolution, and applications thereof
RU2010149800A (ru) Способ и устройство для классификации генерирующих звук процессов
CN102016535B (zh) 用于对产生噪声的待检机器进行状态识别的方法及装置
JP2008151538A (ja) 内部検査装置
US11547381B2 (en) Wearable respiratory monitoring system based on resonant microphone array
US20080264180A1 (en) System and method for measuring volume of ingested fluid
US11696703B2 (en) Digital stethoscope for detecting a respiratory abnormality and architectures thereof
Biswas et al. Cross-spectrum analysis based methodology for discrimination and localization of partial discharge sources using acoustic sensors
CN118765508A (zh) 压电式mems接触检测系统
Ooi et al. Non-intrusive operation status tracking for legacy machines via sound recognition
JP2002323371A (ja) 音響診断装置及び音響診断方法
CN116206625A (zh) 基于频谱与时间信息结合的自监督异常声音检测方法
US10716534B1 (en) Base station for a digital stethoscope, and applications thereof
US10702239B1 (en) Predicting characteristics of a future respiratory event, and applications thereof
Florentino et al. Spectral Subband Centroid Energy Vectors Algorithm and Artificial Neural Networks for Acoustic Emission Pattern lassification.
Vujnović et al. Acoustic noise detection and classification based on support vector machines
US11146902B2 (en) Facilitating a bone conduction otoacoustic emission test
US20240201009A1 (en) Abnormal sound detection in a mechanized environment