TW202305208A - 晶錠評估方法 - Google Patents
晶錠評估方法 Download PDFInfo
- Publication number
- TW202305208A TW202305208A TW110126859A TW110126859A TW202305208A TW 202305208 A TW202305208 A TW 202305208A TW 110126859 A TW110126859 A TW 110126859A TW 110126859 A TW110126859 A TW 110126859A TW 202305208 A TW202305208 A TW 202305208A
- Authority
- TW
- Taiwan
- Prior art keywords
- tsd
- bpd
- ted
- statistical
- avg
- Prior art date
Links
Images
Landscapes
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
一種晶錠評估方法。將由多個晶錠所切割的多個晶圓各自對應的晶圓影像分割成複數個區域。計算各區域所包括的多個缺陷種類的統計數量。基於所述區域中所包括的缺陷種類的統計數量，獲得多個統計參數。利用各晶圓對應的統計參數以及彎曲值來執行回歸分析，而獲得多個回歸係數。基於所述回歸係數來建立彎曲度預測方程式組。
Description
本發明是有關於一種評估檢測方法，且特別是有關於一種晶錠評估方法。
半導體製造業對產品品質的要求相當嚴謹，而晶錠來料的品質對於加工後所獲得的晶圓的品質影響甚鉅。因此如何在晶錠加工前便過濾掉品質不佳的晶錠，將是本領域的課題之一。
本發明提供一種晶錠評估方法，可由晶錠的評價片來預測晶錠的品質。
本發明的晶錠評估方法，包括：將由多個晶錠所切割的多個晶圓各自對應的晶圓影像分割成複數個區域；計算各區域所包括的多個缺陷種類的統計數量；基於所述區域中所包括的缺陷種類的統計數量，獲得多個統計參數；利用各晶圓對應的統計參數以及彎曲值來執行回歸分析，而獲得多個回歸係數；以及基於所述回歸係數來建立彎曲度預測方程式組。
在本發明的一實施例中，基於所述區域中所包括的缺陷種類的統計數量，獲得統計參數的步驟包括：針對任一種缺陷種類，執行下述步驟。計算各區域中對應於所述缺陷種類的統計數量；計算所述區域對應於所述缺陷種類的統計數量的標準差來作為其中一個統計參數；以及排序所述區域中對應於所述缺陷種類的統計數量，並以由數值大至數值小的方式取出數值最高的A個統計數量來計算平均值來作為其中一個統計參數，其中A為正整數。
在本發明的一實施例中，所述缺陷種類包括貫通刃狀位錯（threading edge dislocation，TED）、貫通螺旋位錯（threading screw dislocation，TSD）和基面位錯（basal plane dislocation，BPD）。利用各晶圓對應的統計參數以及彎曲值來執行回歸分析，而獲得回歸係數的步驟包括：將各晶圓對應的統計參數與彎曲值輸入下述公式來執行回歸分析。
Bow(k)=P1×Std(TED)+P2×Avg(TED)；
Bow(k)=P3×Std(TSD)+P4×Avg(TSD)；
Bow(k)=P5×Std(BPD)+P6×Avg(BPD)。
其中，Bow(k)為第k個晶圓的彎曲值，P1～P6為回歸係數，Std(TED)、Std(TSD)、Std(BPD)分別為所述區域對應於貫通刃狀位、貫通螺旋位錯和基底面位錯三種缺陷種類的統計數量的標準差，Avg(TED)、Avg(TSD)、Avg(BPD)分別為對應於貫通刃狀位錯、貫通螺旋位錯和基底面位錯三種缺陷種類的最高的A個統計數量的平均值。
在本發明的一實施例中，基於所述區域中所包括的缺陷種類的統計數量，獲得統計參數的步驟包括：針對任兩種缺陷種類，執行下述步驟。計算各區域中所述任兩種缺陷種類合計的統計數量；計算所述區域對應於所述任兩種缺陷種類合計的統計數量的標準差來作為其中一個統計參數；以及排序所述區域中對應於所述任兩種缺陷種類合計的統計數量，取出最高的A個統計數量來計算平均值以作為其中一個統計參數。
在本發明的一實施例中，所述缺陷種類包括貫通刃狀位錯、貫通螺旋位錯和基底面位錯，利用所述晶圓對應的統計參數以及彎曲值來執行回歸分析，而獲得回歸係數的步驟包括：將各晶圓對應的統計參數與彎曲值輸入下述公式來執行回歸分析。
Bow(k)=P7×Std(TED&TSD)+P8×Avg(TED&TSD)；
Bow(k)=P9×Std(TSD&BPD)+P10×Avg(TSD&BPD)；
Bow(k)=P11×Std(TED&BPD)+P12×Avg(TED&BPD)。
其中，Bow(k)為第k個晶圓的彎曲值，P7～P12為回歸係數。Std(TED&TSD)為所述區域對應於貫通刃狀位錯與貫通螺旋位錯兩種缺陷種類合計的統計數量的標準差，Avg(TED&TSD)為對應於貫通刃狀位錯與貫通螺旋位錯兩種缺陷種類合計的統計數量中最高的A個統計數量的平均值。Std(TSD&BPD)為所述區域對應於貫通螺旋位錯與基底面位錯兩種缺陷種類合計的統計數量的標準差，Avg(TSD&BPD)為對應於貫通螺旋位錯與基底面位錯兩種缺陷種類合計的統計數量中最高的A個統計數量的平均值。Std(TED&BPD)為所述區域對應於貫通刃狀位錯與基底面位錯兩種缺陷種類合計的統計數量的標準差，Avg(TED&BPD)為對應於貫通刃狀位錯與基底面位錯兩種缺陷種類合計的統計數量中最高的A個統計數量的平均值。
在本發明的一實施例中，基於所述區域中所包括的缺陷種類的統計數量，獲得統計參數的步驟包括：計算各區域中所述缺陷種類合計的統計數量；計算所述區域對應於缺陷種類合計的統計數量的標準差來作為其中一個統計參數；以及排序所述區域中對應於缺陷種類合計的統計數量，取出最高的A個統計數量來計算平均值以作為其中一個統計參數，其中A為正整數。
在本發明的一實施例中，利用各晶圓對應的統計參數以及彎曲值來執行回歸分析，而獲得回歸係數的步驟包括：將各晶圓對應的統計參數與彎曲值輸入下述公式來執行回歸分析。
Bow(k)=P13×Std(TED&TSD&BPD)+P14×Avg(TED&TSD&BPD)。
其中，Bow(k)為第k個晶圓的彎曲值，P13～P14為回歸係數。Std(TED&TSD&BPD)為所述區域對應於貫通刃狀位錯、貫通螺旋位錯與基底面位錯三種缺陷種類合計的統計數量的標準差，Avg(TED&TSD&BPD)為對應於貫通刃狀位錯、貫通螺旋位錯與基底面位錯三種缺陷種類合計的統計數量中最高的A個統計數量的平均值。
在本發明的一實施例中，在基於該些回歸係數來建立該彎曲度預測方程式組之後，更包括：利用該彎曲度預測方程式組來計算由待測晶錠加工而得的待測晶圓之彎曲值；判斷該加工後彎曲值是否位於一規格範圍內；倘若該加工後彎曲值位於該規格範圍內，判定該待測晶錠的品質良好；以及倘若該加工後彎曲值不在該規格範圍內，判定該待測晶錠的品質不佳。
在本發明的一實施例中，在將由晶錠所切割的所述晶圓各自對應的晶圓影像分割成所述區域的步驟之後，更包括：捨棄位於晶圓影像的四個角落的區域，而計算剩餘的區域中所包括的缺陷種類的統計數量。
基於上述，利用已知晶錠經加工後的晶圓來建立彎曲度預測方程式組，藉此，通過彎曲度預測方程式組來預測待測晶錠的品質，進而過濾掉會造成加工幾何品質不佳的晶錠，可大幅提高整體的加工品質並降低生產成本。
圖1是依照本發明一實施例的分析系統的方塊圖。請參照圖1，分析系統包括量測儀器110以及分析裝置120。量測儀器110與分析裝置120之間例如可透過有線或無線通訊方式來進行數據傳輸。
量測儀器110例如為自動光學檢查（Automated Optical Inspection，簡稱AOI）儀器。AOI儀器為高速高精度光學影像檢測系統，包含量測鏡頭技術、光學照明技術、定位量測技術、電子電路測試技術、影像處理技術及自動化技術應用等，其運用機器視覺做為檢測標準技術。量測儀器110利用光學儀器取得成品的表面狀態，再以電腦影像處理技術來檢出異物或圖案異常等瑕疵。
分析裝置120為具有運算功能的電子裝置，其可採用個人電腦、筆記型電腦、平板電腦、智慧型手機等或任何具有運算功能的裝置來實現，本發明不以此為限。分析裝置120自量測儀器110接收多個已知晶圓的量測資料（即，具有缺陷的座標位置以及缺陷種類），藉此來進行訓練以獲得一預測模型（彎曲度預測方程式組），以供後續利用待測晶圓的量測資料來獲得待測晶錠經加工成晶圓後的品質。
圖2是依照本發明一實施例的晶錠的示意圖。請參照圖2，晶錠20-1~20-N經加工製程後，分別在每個晶錠上各取一片晶圓，可獲得多個晶圓21-1～21-N，其中加工製程可以為切割、研磨和拋光，本發明不以此為限。利用量測儀器110來逐一進行光學檢查，以檢測晶圓21-1～21-N各自所包括多個座標位置是否有缺陷，並記錄具有缺陷的座標位置及其缺陷種類。所述缺陷種類包括貫通刃狀位錯（threading edge dislocation，TED）、貫通螺旋位錯（threading screw dislocation，TSD）和基底面位錯（basal plane dislocation，BPD），其中多個晶圓21-1~21-N可以是晶錠上任何位置加工後所得的晶圓，在一些較佳實施例中，多個晶圓21-1~21-N是接近晶錠20-1~20-N的第一端E1與第二端E2（頭尾兩端）的位置加工後所得的晶圓，在其他實施例中，可以為晶錠20-1~20-N頭尾兩端區域外的位置加工後所得的晶圓，本發明不以此為限。
圖3是依照本發明一實施例的晶錠評估方法的流程圖。請參照圖3，在步驟S305中，將多個晶錠20-1~20-N所切割的多個晶圓21-1～21-N各自對應的晶圓影像分割成複數個區域。圖4是依照本發明一實施例的晶圓影像的示意圖。請參照圖4，晶圓影像400被分割成複數個區域C1～C36。在此切割數量僅為其中一種示例，在其他實施例中可以依照需求將晶圓影像400分割成任何數量的區域，本發明並不以此為限。晶圓21-1～21-N中的任一個皆有對應的類似於晶圓影像400的一張晶圓影像。
接著，在步驟S310中，計算各區域所包括的多個缺陷種類的統計數量。例如，以晶圓21-1而言，並且以晶圓影像400作為晶圓21-1的晶圓影像來進行說明。分析裝置120根據晶圓21-1對應的量測資料（即，具有缺陷的座標位置以及缺陷種類），計算晶圓21-1對應的晶圓影像400的區域C1～C36各自所包括的TED的統計數量、TSD的統計數量以及BPD的統計數量。其他晶圓21-2～21-N亦相同。
另外，由於晶圓影像400的四個角落中圓W所佔的比例偏低，因此，在統計缺陷種類的步驟中，可捨棄位於晶圓影像400的四個角落的區域C33～C36，而計算剩餘的區域C1～C32中所包括的缺陷種類的統計數量。例如，表1記載了N個晶圓21-2～21-N各自的區域C1～C32中的各種缺陷種類的統計數量。
表1
| 晶圓 | 區域 | 缺陷種類 | 統計數量 |
| 21-1 | C1 | TED | C 1-1-TED |
| TSD | C 1-1-TSD | ||
| BPD | C 1-1-BPD | ||
| … | … | … | |
| C32 | TED | C 1-32-TED | |
| TSD | C 1-32-TSD | ||
| BPD | C 1-32-BPD | ||
| … | … | … | … |
| 21-N | C1 | TED | C N-1-TED |
| TSD | C N-1-TSD | ||
| BPD | C N-1-BPD | ||
| … | … | … | |
| C32 | TED | C N-32-TED | |
| TSD | C N-32-TSD | ||
| BPD | C N-32-BPD |
接著，在步驟S315中，基於所述區域中所包括的缺陷種類的統計數量，獲得多個統計參數。在此，可利用計算標準差、平均值來作為統計參數。
例如，針對每一種缺陷種類計算在同一個晶圓所劃分的複數個區域的統計數量的標準差與平均值。倘若缺陷種類為3種，可獲得6個統計參數。以表1的晶圓21-1而言，以區域C1～C32的統計數量C
1-1-TED～C
1-32-TED，來計算晶圓21-1對應的TED的標準差Std(TED)。以區域C1～C32的統計數量C
1-1-TSD～C
1-32-TSD，來計算晶圓21-1對應的TSD的標準差Std(TSD)。以區域C1～C32的統計數量C
1-1-BPD～C
1-32-BPD，來計算晶圓21-1對應的BPD的標準差Std(BPD)。並且，排序C
1-1-TED～C
1-32-TED以取出最高的A個（例如5個），並計算平均值Avg(TED)。排序C
1-1-TSD～C
1-32-TSD以取出最高的5個，並計算平均值Avg(TSD)。排序C
1-1-BPD～C
1-32-BPD以取出最高的5個，並計算平均值Avg(BPD)。
之後，在步驟S320中，利用各晶圓（21-1～21-N）對應的統計參數以及各晶圓（21-1～21-N）經加工製程後之彎曲（BOW）值來執行回歸分析，而獲得多個回歸係數。例如，將統計參數以及彎曲值輸入下述方程式(1)～(3)來執行回歸分析，而獲得多個回歸係數P1～P6。其中，Bow(k)為第k個晶圓經加工製程後之的彎曲值。
(1) Bow(k)=P1×Std(TED)+P2×Avg(TED)；
(2) Bow(k)=P3×Std(TSD)+P4×Avg(TSD)；
(3) Bow(k)=P5×Std(BPD)+P6×Avg(BPD)。
最後，在步驟S325中，基於所述回歸係數來建立彎曲度預測方程式組。基於所獲得的回歸係數P1～P6來建立下述彎曲度預測方程式組(A)：
Bow1=P1×T
Std(TED)+P2×T
Avg(TED)；
Bow2=P3×T
Std(TSD)+P4×T
Avg(TSD)；
Bow3=P5×T
Std(BPD)+P6×T
Avg(BPD)；
Pre_Bow=(Bow1+Bow2+Bow3)/3。
在預測方程式組(A)中，利用待測晶圓中TED對應的標準差T
Std(TED)與平均值T
Avg(TED)獲得彎曲度Bow1，利用待測晶圓中TSD對應的標準差T
Std(TSD)與平均值T
Avg(TSD)獲得彎曲度Bow2，利用待測晶圓中BPD對應的標準差T
Std(BPD)與平均值T
Avg(BPD)獲得彎曲度Bow3。之後，將彎曲度Bow1、Bow2、Bow3取平均值來作為加工後彎曲值Pre_Bow。
而後，判斷加工後彎曲值Pre_Bow是否位於規格範圍內。倘若加工後彎曲值Pre_Bow位於規格範圍內，判定此待測晶圓所對應的待測晶錠的品質良好。倘若加工後彎曲值Pre_Bow不在規格範圍內，判定此待測晶圓所對應的待測晶錠的品質不佳，其中，待測晶圓所對應的待測晶錠，為由該待測晶錠經加工製程而獲得的待測晶圓。
另外，除了上述針對每一種缺陷種類來計算其標準差及平均值。還可針對每兩種缺陷種類、每三種缺陷種類等來計算其合計的統計數量，藉此獲得對應的標準差及平均值。
例如，針對任兩種缺陷種類，執行下述步驟。計算各區域中所述任兩種缺陷種類合計的統計數量；計算所述區域對應於所述任兩種缺陷種類合計的統計數量的標準差來作為其中一個統計參數；以及排序所述區域中對應於所述任兩種缺陷種類合計的統計數量，取出最高的A個統計數量來計算平均值以作為其中一個統計參數。
表2記載了N個晶圓21-2～21-N各自的區域C1～C32中的任兩種缺陷種類的統計數量。
表2
| 晶圓 | 區域 | 缺陷種類 | 統計數量 |
| 21-1 | C1 | TED+TSD | C 1-1-TED&TSD |
| TSD+BPD | C 1-1-TSD&BPD | ||
| TED+BPD | C 1-1-TED&BPD | ||
| … | … | … | |
| C32 | TED+TSD | C 1-32-TED&TSD | |
| TSD+BPD | C 1-32-TSD&BPD | ||
| TED+BPD | C 1-32-TED&BPD | ||
| … | … | … | … |
| 21-N | C1 | TED+TSD | C N-1-TED&TSD |
| TSD+BPD | C N-1-TSD&BPD | ||
| TED+BPD | C N-1-TED&BPD | ||
| … | … | … | |
| C32 | TED+TSD | C N-32-TED&TSD | |
| TSD+BPD | C N-32-TSD | ||
| TED+BPD | C N-32-TED&BPD |
以表2的晶圓21-1而言，以區域C1～C32的統計數量C
1-1-TED&TSD～C
1-32-TED&TSD，來計算晶圓21-1對應TED與TSD的標準差Std(TED&TSD)。並且，排序C
1-1-TED&TSD～C
1-32-TED&TSD以取出最高的A個（例如5個），並計算平均值Avg(TED&TSD)。以此類推，獲得對應TSD與BPD的標準差Std(TSD&BPD)與平均值Avg(TSD&BPD)，以及對應TED與BPD的標準差Std(TED&BPD)與平均值Avg(TED&BPD)。將上述統計參數以及彎曲值輸入下述方程式(4)～(6)來執行回歸分析，而獲得多個回歸係數P7～P12。其中，Bow(k)為第k個晶圓的彎曲值。
(4) Bow(k)=P7×Std(TED&TSD)+P8×Avg(TED&TSD)；
(5) Bow(k)=P9×Std(TSD&BPD)+P10×Avg(TSD&BPD)；
(6) Bow(k)=P11×Std(TED&BPD)+P12×Avg(TED&BPD)。
表3記載了N個晶圓21-2～21-N各自的區域C1～C32中的三種缺陷種類的統計數量。
表3
| 晶圓 | 區域 | 缺陷種類 | 統計數量 |
| 21-1 | C1 | TED+TSD+BPD | C 1-1-TED&TSD&BPD |
| … | … | … | |
| C32 | TED+TSD+BPD | C 1-32-TED&TSD&BPD | |
| … | … | … | … |
| 21-N | C1 | TED+TSD+BPD | C N-1-TED&TSD&BPD |
| … | … | … | |
| C32 | TED+TSD+BPD | C N-32-TED&TSD&BPD |
以表3的晶圓21-1而言，以區域C1～C32的統計數量C
1-1-TED&TSD&BPD～C
1-32-TED&TSD&BPD來計算晶圓21-1對應TED、TSD與BPD三者合計的標準差Std(TED&TSD&BPD)。並且，由數值大至數值小的方式來排序C
1-1-TED&TSD&BPD～C
1-32-TED&TSD&BPD以取出最高的A個（例如數值最高的前5個），並計算平均值Avg(TED&TSD&BPD)。將上述統計參數以及彎曲值輸入下述方程式(7)來執行回歸分析，而獲得回歸係數P13～P14。其中，Bow(k)為第k個晶圓的彎曲值。
(7) Bow(k)=P13×Std(TED&TSD&BPD)+
P14×Avg(TED&TSD&BPD)。
以缺陷種類包括TED、TSD和BPD三種而言，可採用14個統計參數，即包括：TED、TSD和BPD各自的標準差與平均值共6個統計參數、任意兩種缺陷種類的標準差與平均值共6個統計參數以及三種缺陷種類的標準差與平均值2個統計參數。
表4所示為各晶圓對應的14個統計參數。經由上述方程式(1)～(7)來執行回歸分析，而獲得多個回歸係數P1～P14。
表4
| 統計參數 | 晶圓 21-1 | 晶圓 21-2 | 晶圓 21-3 | … |
| Std(TED) | 666.812567 | 845.660688 | 1555.3768 | … |
| Std(TSD) | 356.080047 | 82.8070045 | 301.826109 | … |
| Std(BPD) | 960.610223 | 418.983293 | 1136.59931 | … |
| Avg(TED) | 1413.93069 | 1738.43033 | 2795.59296 | … |
| Avg(TSD) | 623.201412 | 157.225952 | 530.207507 | … |
| Avg(BPD) | 1590.54079 | 843.729815 | 2150.92073 | … |
| Std(TED&TSD) | 712.081456 | 846.248781 | 1567.21313 | … |
| Std(TSD&BPD) | 1008.85827 | 874.634781 | 1587.50496 | … |
| Std(TED&BPD) | 919.302453 | 418.580936 | 1131.86793 | … |
| Avg(TED&TSD) | 1535.54079 | 1743.3072 | 2830.61124 | … |
| Avg(TSD&BPD) | 1965.97558 | 1849.94595 | 3139.78662 | … |
| Avg(TED&BPD) | 1608.47132 | 853.920371 | 2168.88912 | … |
| Std(TED&TSD&BPD) | 985.160901 | 875.104565 | 1596.44449 | … |
| Avg(TED&TSD&BPD) | 1995.02882 | 1854.52959 | 3163.80467 | … |
基於所獲得的回歸係數P1～P14來建立下述彎曲度預測方程式組(B)：
Bow1=P1×T
Std(TED)+P2×T
Avg(TED)；
Bow2=P3×T
Std(TSD)+P4×T
Avg(TSD)；
Bow3=P5×T
Std(BPD)+P6×T
Avg(BPD)；
Bow4=P7×T
Std(TED&TSD)+P8×T
Avg(TED&TSD)；
Bow5=P9×T
Std(TSD&BPD)+P10×T
Avg(TSD&BPD)；
Bow6=P11×T
Std(TED&BPD)+P12×T
Avg(TED&BPD)；
Bow7=P13×T
Std(TED&TSD&BPD)+P14×T
Avg(TED&TSD&BPD)；
Pre_Bow=(Bow1+Bow2+Bow3+Bow4+Bow5+Bow6+Bow7)/7。
在預測方程式組(B)中，利用待測晶圓中TED對應的標準差T
Std(TED)與平均值T
Avg(TED)獲得彎曲度Bow1，利用待測晶圓片中TSD對應的標準差T
Std(TSD)與平均值T
Avg(TSD)獲得彎曲度Bow2，利用待測晶圓中BPD對應的標準差T
Std(BPD)與平均值T
Avg(BPD)獲得彎曲度Bow3。並且，利用待測晶圓中TED+TSD、TSD+BPD以及TED+BPD任兩種缺陷種類對應的標準差T
Std(TED&TSD)、T
Std(TSD&BPD)、T
Std(TED&BPD)與平均值T
Avg(TED&TSD)、T
Avg(TED&TSD)、T
Avg(TSD&BPD)獲得彎曲度Bow4、Bow5、Bow6。利用待測晶圓中TED+TSD+BPD三種缺陷種類對應的標準差T
Std(TED&TSD&BPD)與平均值T
Avg(TED&TSD&BPD)獲得彎曲度Bow7。之後，將彎曲度Bow1～Bow7取平均值來作為加工後彎曲值Pre_Bow。
綜上所述，本發明利用已知晶錠經加工後的晶圓來建立彎曲度預測方程式組，藉此，可通過彎曲度預測方程式組來預測待測晶錠的品質，進而過濾掉會造成加工幾何品質不佳的晶錠，可大幅提高整體的加工品質並降低生產成本。
110:量測儀器
120:分析裝置
20-1～20-N:晶錠
21-1～21-N、W:晶圓
400:晶圓影像
C1～C36:區域
E1:第一端
E2:第二端
S305～S325:晶錠評估方法的步驟
圖1是依照本發明一實施例的分析系統的方塊圖。
圖2是依照本發明一實施例的晶錠的示意圖。
圖3是依照本發明一實施例的晶錠評估方法的流程圖。
圖4是依照本發明一實施例的晶圓影像的示意圖。
S305~S325:晶錠評估方法的步驟
Claims (9)
- 一種晶錠評估方法，包括： 將多個晶錠所切割的多個晶圓各自對應的晶圓影像分割成複數個區域； 計算每一所述複數個區域所包括的多個缺陷種類的統計數量； 基於該些區域中所包括的該些缺陷種類的統計數量，獲得多個統計參數； 利用每一該些晶圓對應的該些統計參數以及一彎曲值來執行一回歸分析，而獲得多個回歸係數；以及 基於該些回歸係數來建立一彎曲度預測方程式組。
- 如請求項1所述的晶錠評估方法，其中基於該些區域中所包括的該些缺陷種類的統計數量，獲得該些統計參數的步驟包括： 針對該些缺陷種類中任一種缺陷種類， 計算每一該些區域中該任一種缺陷種類的統計數量； 計算該些區域對應於該任一種缺陷種類的統計數量的標準差來作為該些統計參數其中一個；以及 排序該些區域中對應於該任一種缺陷種類的統計數量，並以由數值大至數值小的方式取出數值最高的A個統計數量來計算一平均值來作為該些統計參數其中一個，其中A為正整數。
- 如請求項2所述的晶錠評估方法，其中該些缺陷種類包括貫通刃狀位錯（threading edge dislocation，TED）、貫通螺旋位錯（threading screw dislocation，TSD）和基底面位錯（basal plane dislocation，BPD），利用每一該些晶圓對應的該些統計參數以及該彎曲值來執行該回歸分析，而獲得該些回歸係數的步驟包括： 將每一該些晶圓對應的該些統計參數與該彎曲值輸入下述公式來執行該回歸分析： Bow(k)=P1×Std(TED)+P2×Avg(TED)； Bow(k)=P3×Std(TSD)+P4×Avg(TSD)； Bow(k)=P5×Std(BPD)+P6×Avg(BPD)； 其中，Bow(k)為第k個晶圓的該彎曲值，P1～P6為該些回歸係數，Std(TED)、Std(TSD)、Std(BPD)分別為該些區域對應於貫通刃狀位錯、貫通螺旋位錯和基底面位錯三種缺陷種類的統計數量的標準差，Avg(TED)、Avg(TSD)、Avg(BPD)分別為對應於貫通刃狀位錯、貫通螺旋位錯和基底面位錯三種缺陷種類的最高的A個統計數量的平均值。
- 如請求項1所述的晶錠評估方法，其中基於該些區域中所包括的該些缺陷種類的統計數量，獲得該些統計參數的步驟包括： 針對該些缺陷種類中任兩種缺陷種類， 計算每一該些區域中所述任兩種缺陷種類合計的統計數量； 計算該些區域對應於所述任兩種缺陷種類合計的統計數量的標準差來作為該些統計參數其中一個；以及 排序該些區域中對應於所述任兩種缺陷種類合計的統計數量，取出最高的A個統計數量來計算一平均值以作為該些統計參數其中一個。
- 如請求項4所述的晶錠評估方法，其中該些缺陷種類包括貫通刃狀位錯、貫通螺旋位錯和基底面位錯，利用每一該些晶圓對應的該些統計參數以及該彎曲值來執行該回歸分析，而獲得該些回歸係數的步驟包括： 將每一該些晶圓對應的該些統計參數與該彎曲值輸入下述公式來執行該回歸分析： Bow(k)=P7×Std(TED&TSD)+P8×Avg(TED&TSD)； Bow(k)=P9×Std(TSD&BPD)+P10×Avg(TSD&BPD)； Bow(k)=P11×Std(TED&BPD)+P12×Avg(TED&BPD)； 其中，Bow(k)為第k個晶圓的該彎曲值，P7～P12為該些回歸係數， Std(TED&TSD)為該些區域對應於貫通刃狀位錯與貫通螺旋位錯兩種缺陷種類合計的統計數量的標準差，Avg(TED&TSD)為對應於貫通刃狀位錯與貫通螺旋位錯兩種缺陷種類合計的統計數量中最高的A個統計數量的平均值， Std(TSD&BPD)為該些區域對應於貫通螺旋位錯與基底面位錯兩種缺陷種類合計的統計數量的標準差，Avg(TSD&BPD)為對應於貫通螺旋位錯與基底面位錯兩種缺陷種類合計的統計數量中最高的A個統計數量的平均值， Std(TED&BPD)為該些區域對應於貫通刃狀位錯與基底面位錯兩種缺陷種類合計的統計數量的標準差，Avg(TED&BPD)為對應於貫通刃狀位錯與基底面位錯兩種缺陷種類合計的統計數量中最高的A個統計數量的平均值。
- 如請求項1所述的晶錠評估方法，其中基於該些區域中所包括的該些缺陷種類的統計數量，獲得該些統計參數的步驟包括： 計算每一該些區域中該些缺陷種類合計的統計數量； 計算該些區域對應於該些缺陷種類合計的統計數量的標準差來作為該些統計參數其中一個；以及 排序該些區域中對應於該些缺陷種類合計的統計數量，取出最高的A個統計數量來計算一平均值以作為該些統計參數其中一個，其中A為正整數。
- 如請求項6所述的晶錠評估方法，其中該些缺陷種類包括貫通刃狀位錯、貫通螺旋位錯和基底面位錯，利用每一該些晶圓對應的該些統計參數以及該彎曲值來執行該回歸分析，而獲得該些回歸係數的步驟包括： 將每一該些晶圓對應的該些統計參數與該彎曲值輸入下述公式來執行該回歸分析： Bow(k)=P13×Std(TED&TSD&BPD)+P14×Avg(TED&TSD&BPD)； 其中，Bow(k)為第k個晶圓的該彎曲值，P13～P14為該些回歸係數， Std(TED&TSD&BPD)為該些區域對應於貫通刃狀位錯、貫通螺旋位錯與基底面位錯三種缺陷種類合計的統計數量的標準差，Avg(TED&TSD&BPD)為對應於貫通刃狀位錯、貫通螺旋位錯與基底面位錯三種缺陷種類合計的統計數量中最高的A個統計數量的平均值。
- 如請求項1所述的晶錠評估方法，其中在基於該些回歸係數來建立該彎曲度預測方程式組之後，更包括： 利用該彎曲度預測方程式組來計算由待測晶錠加工而得之待測晶圓的一加工後彎曲值； 判斷該加工後彎曲值是否位於一規格範圍內； 倘若該加工後彎曲值位於該規格範圍內，判定該待測晶錠的品質良好；以及 倘若該加工後彎曲值不在該規格範圍內，判定該待測晶錠的品質不佳。
- 如請求項1所述的晶錠評估方法，其中在將由該晶錠所切割的該些晶圓各自對應的該晶圓影像分割成該些區域的步驟之後，更包括： 捨棄位於該晶圓影像的四個角落的區域，而計算剩餘的該些區域中所包括的該些缺陷種類的統計數量。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW110126859A TWI759237B (zh) | 2021-07-21 | 2021-07-21 | 晶錠評估方法 |
| CN202210408236.3A CN115688543A (zh) | 2021-07-21 | 2022-04-19 | 晶锭评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW110126859A TWI759237B (zh) | 2021-07-21 | 2021-07-21 | 晶錠評估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI759237B TWI759237B (zh) | 2022-03-21 |
| TW202305208A true TW202305208A (zh) | 2023-02-01 |
Family
ID=81710890
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW110126859A TWI759237B (zh) | 2021-07-21 | 2021-07-21 | 晶錠評估方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN115688543A (zh) |
| TW (1) | TWI759237B (zh) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1928016B1 (en) * | 2006-12-01 | 2010-01-06 | Siltronic AG | Silicon wafer and method for manufacturing the same |
| US9064823B2 (en) * | 2013-03-13 | 2015-06-23 | Taiwan Semiconductor Manufacturing Co., Ltd. | Method for qualifying a semiconductor wafer for subsequent processing |
| JP6413952B2 (ja) * | 2015-06-26 | 2018-10-31 | 株式会社Sumco | シリコンウェーハの良否判定方法、該方法を用いたシリコンウェーハの製造方法およびシリコンウェーハ |
| FR3055563B1 (fr) * | 2016-09-08 | 2018-09-14 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Procede de tri de plaquettes en silicium en fonction de leur duree de vie volumique |
-
2021
- 2021-07-21 TW TW110126859A patent/TWI759237B/zh active
-
2022
- 2022-04-19 CN CN202210408236.3A patent/CN115688543A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| TWI759237B (zh) | 2022-03-21 |
| CN115688543A (zh) | 2023-02-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107063099A (zh) | 一种基于视觉系统的机械制造业在线质量监测方法 | |
| CN107040725B (zh) | 一种图像获取装置的坐标校正方法及图像获取装置 | |
| CN111696077A (zh) | 一种基于WaferDet网络的晶圆缺陷检测方法 | |
| CN109564422A (zh) | 工具状况监测及匹配 | |
| CN114387233A (zh) | 一种基于机器视觉的砂型缺陷检测方法及系统 | |
| US8627266B2 (en) | Test map classification method and fabrication process condition setting method using the same | |
| CN115015286B (zh) | 基于机器视觉的芯片检测方法及系统 | |
| CN115360116B (zh) | 一种晶圆的缺陷检测方法及系统 | |
| CN109494178A (zh) | 一种检测机台的派工方法 | |
| TWI759237B (zh) | 晶錠評估方法 | |
| CN110763696A (zh) | 用于晶圆图像生成的方法和系统 | |
| CN109029327A (zh) | 2.5d盖板样品的弧轮廓度测试方法及2.5d盖板的制作方法 | |
| CN115615992B (zh) | 一种耐火砖尺寸测量及缺陷检测方法 | |
| CN112071765A (zh) | 确定晶圆加工参数的方法和晶圆的加工方法 | |
| WO2017080283A1 (zh) | 一种图像校准方法及装置 | |
| TWI762364B (zh) | 晶錠評估方法 | |
| CN116646281A (zh) | 异常测试结构获取方法、验证方法及相关装置 | |
| CN107767372B (zh) | 一种分层并行计算的芯片管脚在线视觉检测系统及其方法 | |
| CN115271464A (zh) | 一种基于智慧工厂的半导体制造工艺流程智能监测分析系统 | |
| CN110033470B (zh) | 一种晶圆边缘管芯判定方法及系统 | |
| TWI689888B (zh) | 決定半導體製造系統的不良設備的方法及程式產品 | |
| TWI389245B (zh) | 可預先快速晶粒定位之晶粒分類機及其光學檢測步驟 | |
| KR102600923B1 (ko) | 마스크 생산 라인에서 마스크 필터의 정형 및 비정형 이물질 자동 판별을 위한 교차상관관계 기반 영상 처리 방법 | |
| CN115808382B (zh) | 一种应用于压力传感器的压电薄膜在线检测方法及系统 | |
| TWI737499B (zh) | 視覺檢測系統之參數設定方法與智能系統 |