TW202310110A - 晶圓缺陷測試設備、晶圓缺陷測試系統以及晶圓的製造方法 - Google Patents

晶圓缺陷測試設備、晶圓缺陷測試系統以及晶圓的製造方法 Download PDF

Info

Publication number
TW202310110A
TW202310110A TW111131214A TW111131214A TW202310110A TW 202310110 A TW202310110 A TW 202310110A TW 111131214 A TW111131214 A TW 111131214A TW 111131214 A TW111131214 A TW 111131214A TW 202310110 A TW202310110 A TW 202310110A
Authority
TW
Taiwan
Prior art keywords
wafer
vector
abnormal
process variable
index
Prior art date
Application number
TW111131214A
Other languages
English (en)
Inventor
李成熙
金載潤
文廷桓
朴正燻
張圭伯
鄭載勳
朱敃勁
Original Assignee
南韓商三星電子股份有限公司
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 南韓商三星電子股份有限公司 filed Critical 南韓商三星電子股份有限公司
Publication of TW202310110A publication Critical patent/TW202310110A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] 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
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • 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
    • G05B2219/45—Nc applications
    • G05B2219/45031—Manufacturing semiconductor wafers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

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

Abstract

本發明提供一種晶圓缺陷測試設備，其中缺陷預測效能經改良且模擬時間經縮短。晶圓缺陷測試設備包括：晶圓變數產生器，接收第一晶圓的第一結構量測資料及第一製程條件資料以及第二晶圓的第二結構量測資料及第二製程條件資料，基於第一結構量測資料及第一製程條件資料產生第一製程變數及第二製程變數，且基於第二結構量測資料及第二製程條件資料產生第三製程變數及第四製程變數；異常晶圓指數產生電路，產生第一製程變數及第二製程變數的第一晶圓向量，產生第三製程變數及第四製程變數的第二晶圓向量，計算第一晶圓向量與第二晶圓向量之間的第一歐幾里得距離，計算第一晶圓向量與第二晶圓向量之間的第一餘弦距離，且基於第一歐幾里得距離與第一餘弦距離的乘積而產生第一晶圓的第一異常晶圓指數；以及預測模型產生電路，接收作為第一晶圓的測試結果的第一特性變數，且基於第一製程變數、第二製程變數、第一特性變數以及第一異常晶圓指數經由回歸產生晶圓缺陷預測模型。

Description

晶圓缺陷測試設備、晶圓缺陷測試系統以及晶圓的製造方法
本發明是關於一種晶圓缺陷測試設備、晶圓缺陷測試系統、晶圓測試方法以及用於製造晶圓的方法。
本申請案基於且主張2021年8月23日在韓國智慧財產局申請的韓國專利申請案第10-2021-0110621號的優先權，所述申請案的揭露內容以全文引用的方式併入本文中。
FAB（亦即，半導體製造廠（semiconductor manufacturing plant））中的晶圓製造製程可導致一些缺陷。最終半導體產物可取決於缺陷類型而不合格。為了解決此問題,需要一種預偵測晶圓缺陷及分析FAB製造製程中的原因的方法。可藉由在最終產生半導體產物之前執行晶圓缺陷預偵測及原因分析來改良半導體的品質及可靠性。習知自動缺陷偵測方法基於半導體的輸入資料預測存在或不存在晶圓缺陷，且常常用於半導體FAB製造製程中。
使用深度學習的習知晶圓缺陷偵測及預測方法具有缺點，此是因為難以確保用於大規模資料的預測模型及資料解釋功能不足。此外，具有資料解釋功能的可解釋AI模型具有消耗大量模擬時間且需要其解決方案的缺點。
根據本揭露的一些態樣，提供一種晶圓缺陷測試設備，其中缺陷預測效能經改良且模擬時間經縮短。
根據本揭露的一些態樣，提供一種晶圓缺陷測試系統，其中缺陷預測效能經改良且模擬時間經縮短。
根據本揭露的一些態樣，提供一種晶圓製造方法，其中缺陷預測效能經改良且模擬時間經縮短。
根據本揭露的一些態樣，提供一種晶圓測試方法，其中缺陷預測效能經改良且模擬時間經縮短。
然而，本揭露的態樣不受本文中所闡述的態樣限制。藉由參考下文給出的本揭露的詳細解釋，本揭露的此等及其他態樣對於與本揭露相關的所屬領域中具通常知識者將變得更顯而易見。
根據本揭露的態樣，晶圓缺陷測試設備包含晶圓變數產生器、異常晶圓指數產生電路以及預測模型產生電路。晶圓變數產生器接收第一晶圓的第一結構量測資料及第一製程條件資料以及第二晶圓的第二結構量測資料及第二製程條件資料，基於第一結構量測資料及第一製程條件資料而產生第一製程變數及第二製程變數，且基於第二結構量測資料及第二製程條件資料而產生第三製程變數及第四製程變數。異常晶圓指數產生電路產生第一製程變數及第二製程變數的第一晶圓向量，產生第三製程變數及第四製程變數的第二晶圓向量，計算第一晶圓向量與第二晶圓向量之間的第一歐幾里得距離（Euclidean distance），計算第一晶圓向量與第二晶圓向量之間的第一餘弦距離，且基於第一歐幾里得距離與第一餘弦距離的乘積而產生第一晶圓的第一異常晶圓指數。預測模型產生電路接收作為第一晶圓的測試結果的第一特性變數，且基於第一製程變數、第二製程變數、第一特性變數以及第一異常晶圓指數經由回歸產生晶圓缺陷預測模型。
根據本揭露的態樣，晶圓缺陷測試系統包含監測設備及計算設備。監測設備監測正製造的第一晶圓、第二晶圓以及第三晶圓。計算設備連接至監測設備。監測設備監測第一晶圓以產生第一製程變數及第二製程變數。監測設備監測第二晶圓以產生第三製程變數及第四製程變數。監測設備監測第三晶圓以產生第五製程變數及第六製程變數。計算設備產生第一製程變數及第二製程變數的第一晶圓向量。計算設備產生第三製程變數及第四製程變數的第二晶圓向量。計算設備產生第五製程變數及第六製程變數的第三晶圓向量。計算設備計算第一晶圓向量與第二晶圓向量之間的第一歐幾里得距離。計算設備計算第一晶圓向量與第二晶圓向量之間的第一餘弦距離。計算設備計算第一晶圓向量與第三晶圓向量之間的第二歐幾里得距離。計算設備計算第一晶圓向量與第三晶圓向量之間的第二餘弦距離。計算設備計算第二晶圓向量與第三晶圓向量之間的第三歐幾里得距離。計算設備計算第二晶圓向量與第三晶圓向量之間的第三餘弦距離。計算設備基於第一歐幾里得距離與第一餘弦距離的乘積以及第二歐幾里得距離與第二餘弦距離的乘積而產生第一晶圓的第一異常晶圓指數。計算設備基於第一歐幾里得距離與第一餘弦距離的乘積以及第三歐幾里得距離與第三餘弦距離的乘積而產生第二晶圓的第二異常晶圓指數。計算設備基於第二歐幾里得距離與第二餘弦距離的乘積以及第三歐幾里得距離與第三餘弦距離的乘積而產生第三晶圓的第三異常晶圓指數。計算設備使用第一晶圓指數至第三晶圓指數來預測第一晶圓至第三晶圓之中的有缺陷晶圓。
根據本揭露的態樣，用於製造晶圓的方法包含：製造彼此不同的第一晶圓、第二晶圓以及第三晶圓；使用所製造第一晶圓及第二晶圓來產生晶圓缺陷預測模型；以及使用晶圓缺陷預測模型來測試第三晶圓的缺陷。產生晶圓缺陷預測模型包含：監測第一晶圓以產生第一製程變數及第二製程變數的第一晶圓向量；監測第二晶圓以產生第三製程變數及第四製程變數的第二晶圓向量；計算第一晶圓向量與第二晶圓向量之間的第一歐幾里得距離；計算第一晶圓向量與第二晶圓向量之間的第一餘弦距離；基於第一歐幾里得距離與第一餘弦距離的乘積而產生第一晶圓的第一異常晶圓指數；藉由測試所製造第一晶圓來產生第一特性變數；以及基於第一製程變數、第二製程變數、第一特性變數以及第一異常晶圓指數經由回歸產生晶圓缺陷預測模型。
根據本揭露的態樣，晶圓測試方法包含：監測彼此不同的多個晶圓以在多個製程變數上產生多個晶圓向量；計算多個晶圓向量之間的多個歐幾里得距離；計算多個晶圓向量之間的多個餘弦距離；基於多個歐幾里得距離中的一者與多個餘弦距離中的一者的乘積而產生多個晶圓的多個異常晶圓指數；以及使用多個異常晶圓指數來預測多個晶圓之中的有缺陷晶圓。
在下文中，將參考隨附圖式來描述本揭露的實施例。
圖1為示出根據一些實施例的晶圓缺陷測試系統的方塊圖。圖2為示出根據一些實施例的晶圓群組的圖。
在進行之前，應清楚的是本文中的諸圖包含圖1，以標記諸如「監測設備」、「計算設備」、「測試設備」、「晶圓變數平均值提取模組」、「晶圓變數標準化模組」、「異常晶圓指數產生模組」、「預測模型產生模組」、「異常晶圓偵測器」、或類似於「單元」、「電路」或「區塊」的類似術語繪示且參考電路系統。如在本文中所描述的本發明概念的領域中習知的，可依據進行所描述一或多種功能的此類經標記元件來描述及示出實例。此等經標記元件或其類似者藉由諸如邏輯閘極、積體電路、微處理器、微控制器、記憶體電路、被動電子組件、主動電子組件、光學組件、固線電路及其類似者的類比及/或數位電路物理地實施，且可視情況由韌體及/或軟體驅動。電路可例如在一或多個半導體晶片中具體化，或具體化於諸如印刷電路板及其類似者的基板支撐件上。構成此類經標記元件的電路可藉由專用硬體或藉由處理器（例如，一或多個程式化微處理器及相關聯電路系統）或藉由執行經標記元件的一些功能的專用硬體及執行經標記元件的其他功能的處理器的組合來實施。實例的每一經標記元件可在不脫離本揭露的範疇的情況下物理地分離成兩個或更多個互動及離散電路。同樣地，實例的諸如在圖1的晶圓缺陷測試系統1中的經標記元件可在不脫離本揭露的範疇的情況下物理地組合成更複雜的電路。在一些實施例中，若干電路或模組可包括諸如處理器的相同或至少交疊電路元件，且藉由不同軟體指令的處理或藉由同一處理器的不同核心並行處理進行區分。
參考圖1及圖2，晶圓缺陷測試系統1可包含半導體製造設備100、監測設備200、測試設備300以及計算設備400。然而本揭露的一些實施例不限於此，且晶圓缺陷測試系統1可包含不同於半導體製造設備100、監測設備200、測試設備300以及計算設備400的構成元件。
晶圓缺陷測試系統1可製造多個晶圓W1至晶圓Wm且測試所製造多個晶圓W1至晶圓Wm。此處，多個晶圓W1至晶圓Wm可為包含已製造的半導體晶片的晶圓，或可為包含正製造的半導體晶片的晶圓。
在一些實施例中，半導體製造設備100可製造多個晶圓W1至晶圓Wm。此處，多個晶圓W1至晶圓Wm的數目可為m。半導體製造設備100可同時製造多個晶圓W1至晶圓Wm，或可依序製造晶圓W1至晶圓Wm。舉例而言，半導體製造設備100可在製造第一晶圓群組Wx之後製造第二晶圓群組Wy。此處，第一晶圓群組Wx可包含第一晶圓W1至第k晶圓Wk，且第二晶圓群組Wy可包含第(k+1)晶圓W(k+1)至第m晶圓Wm。
半導體製造設備100可輸出第一晶圓群組Wx。此處，半導體製造設備100可對應於FAB。亦即，半導體製造設備100可製造且輸出第一晶圓群組Wx。此處，第一晶圓群組Wx可對應於完成半導體製造設備100的製造製程的狀態。即使在製造出第一晶圓群組Wx之後，半導體製造設備100亦可製造第二晶圓群組Wy。亦即，第一晶圓群組Wx及第二晶圓群組Wy可依序經受製造製程。
在一些實施例中，監測設備200可對藉由半導體製造設備100所製造的多個晶圓W1至晶圓Wm進行監測。亦即，監測設備200可監測製程條件且製造多個晶圓W1至晶圓Wm的結果。舉例而言，監測設備200可量測第一晶圓W1的製程條件及第一晶圓W1的由製程條件產生的結構。監測設備200可自半導體製造設備100接收製程條件，且經由故障偵測及分類（fault detection and classification；FDC）、光學臨界尺寸（optical critical dimension；OCD）、穿透式電子顯微術（transmission electron microscopy；TEM）、掃描電子顯微術（scanning electron microscopy；SEM）及其類似者量測多個晶圓W1至晶圓Wm的結構。因此，監測設備200可即時監測多個晶圓W1至晶圓Wm。監測設備200可接收多個製程條件且量測多個結構。此外，監測設備200可僅監測特定晶片。亦即，監測設備200可監測多個晶圓W1至晶圓Wm的特定曝光區域（shot）。然而，本揭露的一些實施例不限於此。
在一些實施例中，測試設備300可對自半導體製造設備100輸出的第一晶圓群組Wx的晶圓W1至晶圓Wk執行一或多個測試。此處，測試設備300的測試可包含電標籤（electric tag；ET）及電晶粒分類（electric die sorting；EDS）。亦即，測試設備300可判定多個晶圓W1至晶圓Wk的功能是否有缺陷。測試設備300可將第一晶圓群組Wx的測試結果提供至計算設備400。
在一些實施例中，計算設備400可連接至監測設備200及測試設備300。計算設備400可自監測設備200接收製程條件資料及結構量測資料，且可自測試設備300接收測試結果。亦即，計算設備400可接收第一晶圓W1至第m晶圓Wm的製程條件資料及結構量測資料,且可接收第一晶圓W1至第k晶圓Wk的測試結果。計算設備400可基於所接收製程條件資料、結構量測資料以及測試結果產生晶圓缺陷預測模型，且可使用所產生晶圓缺陷預測模型來預測晶圓（例如，第(k+1)晶圓W(k+1)至第m晶圓Wm）是否有缺陷。計算設備400可包含含有CPU、ASIC及其類似者的處理器以及諸如DRAM及快閃記憶體的記憶體。在下文中，將參考圖式更詳細地描述晶圓缺陷測試系統1的結構及操作。
圖3為示出根據一些實施例的晶圓缺陷測試系統的操作的流程圖。圖4為示出根據一些實施例的監測設備及測試設備的方塊圖。
參考圖1、圖2、圖3以及圖4，半導體製造設備100可製造晶圓W1至晶圓Wm，且監測設備200可監測正製造的晶圓W1至晶圓Wm（S500）。監測設備200可僅監測晶圓W1至晶圓Wm的一些曝光區域。亦即，監測設備200可僅監測晶圓W1至晶圓Wm的部分區域中的晶粒，而非監測晶圓W1至晶圓Wm的所有晶粒。監測設備200可監測開始製造的晶圓、正製造的晶圓以及已完全製成的晶圓。亦即，監測設備200可監測在不同時間製造的晶圓且輸出其結果。
此外，監測設備200可監測用於製造晶圓W1至晶圓Wm的製程條件。舉例而言，監測設備200可自半導體製造設備100接收晶圓W1至晶圓Wm的製程條件。儘管晶圓W1至晶圓Wm的製程條件對於晶圓W1至晶圓Wm中的每一者可不同，但本揭露的實施例不限於此。
監測設備200可產生結構量測資料MTS及製程條件資料FAB（S510）。此處，結構量測資料MTS及製程條件資料FAB可基於監測製程S500中所製造的晶圓而產生。監測設備200可產生且輸出第一結構量測資料MTS1至第k結構量測資料MTSk以及第一製程條件資料FAB1至第k製程條件資料FABk。此處，第一結構量測資料MTS1及第一製程條件資料FAB1可為第一晶圓W1的資料。亦即，監測設備200可產生第一結構量測資料MTS1及第一製程條件資料FAB1作為監測第一晶圓W1的結果。第一結構量測資料MTS1可包含多個結構量測資料，且第一製程條件資料FAB1可包含多個製程條件資料。此外，第k結構量測資料MTSk及第k製程條件資料FABk可為與第k晶圓Wk相關的資料。以此方式,監測設備200可產生多個第一結構量測資料MTS1至第k結構量測資料MTSk以及第一製程條件資料FAB1至第k製程條件資料FABk且將所述資料提供至計算設備400。
半導體製造設備100可輸出所製造晶圓W1至晶圓Wk（S520）。因此，可製造且自半導體製造設備100輸出完全製造的晶圓W1至晶圓Wk，且可在半導體製造設備100內部製造剩餘晶圓W(k+1)至晶圓Wm。
測試設備300可測試所製造晶圓W1至晶圓Wk（S530）。如上文所描述，測試設備300可對所製造晶圓W1至晶圓Wk實行測試以產生半導體元件特性資料ET/EDS（S540）。亦即，測試設備300可對第一晶圓W1執行測試以產生第一半導體元件特性資料ET/EDS1，且對第k晶圓Wk執行測試以產生第k半導體元件特性資料ET/EDSk。每一半導體元件特性資料ET/EDS1至半導體元件特性資料ET/EDSk可指示每一晶圓W1至晶圓Wk是否有缺陷。然而，本揭露的實施例不限於此，且每一半導體元件特性資料ET/EDS1至半導體元件特性資料ET/EDSk可包含用於晶圓W1至晶圓Wk中的每一者的多個半導體元件特性資料。
計算設備400可自監測設備200接收第一結構量測資料MTS1至第k結構量測資料MTSk以及第一製程條件資料FAB1至第k製程條件資料FABk，且可接收第一半導體特性資料ET/EDS1至第k半導體元件特性資料ET/EDSk。計算設備400可處理第一結構量測資料MATS1至第k結構量測資料MTSk、第一製程條件資料FAB1至第k製程條件資料FABk以及第一半導體元件特性資料ET/EDS1至第k半導體元件特性資料ET/EDSk。此將參考圖式進行更詳細的描述。
圖5為示出根據一些實施例的產生異常晶圓指數的方法的流程圖。圖6為示出根據一些實施例的用於解釋製程變數及特性變數的產生的計算設備的方塊圖。
參考圖5及圖6，計算設備400可包含一起可稱為晶圓變數產生器的晶圓變數平均值提取電路410及晶圓變數標準化電路420。然而，本揭露的實施例不限於此，且計算設備400可包含除晶圓變數平均值提取電路410及晶圓變數標準化電路420以外的其他構成元件。
計算設備400可產生用於晶圓W1至晶圓Wk的製程變數及特性變數（S550）。
晶圓變數平均值提取電路410可提取且輸出第一結構量測資料MTS1至第k結構量測資料MTSk及第一製程條件資料FAB1至第k製程條件資料FABk的平均值。晶圓變數標準化電路420可對自晶圓變數平均值提取電路410輸出的晶圓變數平均值執行標準化。因此，晶圓變數標準化電路420可輸出製程變數a11至製程變數akn。
晶圓變數平均值提取電路410及晶圓變數標準化電路420可基於第一結構量測資料MTS1及第一製程條件資料FAB1而產生第一製程變數a11至第n製程變數a1n。此外，晶圓變數平均值提取電路410及晶圓變數標準化電路420可基於第k結構量測資料MTSk及第k製程條件資料FABk產生第一製程變數ak1至第n製程變數akn。亦即，第一製程變數a11至第n製程變數akn可分別對應於晶圓W1至晶圓Wk中的每一者。因此，晶圓變數平均值提取電路410及晶圓變數標準化電路420可產生多個第一製程變數a11至第n製程變數akn。
舉例而言，作為晶圓變數產生器，晶圓變數平均值提取電路410及晶圓變數標準化電路420可對第二結構量測資料及第二製程條件資料執行平均值提取及標準化以產生第三製程變數及第四製程變數。
此外，晶圓變數平均值提取電路410及晶圓變數標準化電路420可基於第一半導體元件特性資料ET/EDS1而產生第一特性變數b11至第j特性變數b1j。此外，晶圓變數平均值提取電路410及晶圓變數標準化電路420可基於第k半導體元件特性資料ET/EDSk而產生第一特性變數bk1至第j特性變數bkj。此處，第一特性變數b11至第n特性變數bkj可分別對應於晶圓W1至晶圓Wk中的每一者。此處，使用晶圓變數平均值提取電路410及晶圓變數標準化電路420產生第一特性變數b11至第j特性變數b1j可在產生第一製程變數a11至第n製程變數akn之後。
圖7為用於解釋歐幾里得距離及餘弦距離的圖。圖8為示出根據一些實施例的異常晶圓指數產生電路的方塊圖。
參考圖5、圖6、圖7以及圖8，計算設備400可計算變數之間的晶圓向量W1v及晶圓向量W2v（S560）。計算設備400可包含異常晶圓指數產生電路430。異常晶圓指數產生電路430可自晶圓變數標準化電路420接收第一製程變數a11至第n製程變數akn。異常晶圓指數產生電路430可基於第一製程變數a11至第n製程變數akn計算晶圓向量。舉例而言，異常晶圓指數產生電路430可基於第一製程變數a11、第二製程變數a12、第一製程變數a21以及第二製程變數a22而產生第一晶圓向量W1v及第二晶圓向量W2v。
參考圖7，第一晶圓向量W1v及第二晶圓向量W2v可相對於第一製程變數a1及第二製程變數a2來表達。第一晶圓向量W1v可具有第一製程變數a11及第二製程變數a12的向量值，且第二晶圓向量W2v可具有第一製程變數a21及第二製程變數a22的向量值。此處，第一晶圓向量W1v對應於第一晶圓W1的製程條件資料及結構量測資料，且第二晶圓向量W2v可對應於第二晶圓W2的製程條件資料及結構量測資料。亦即，異常晶圓指數產生電路430可計算第一晶圓W1及第二晶圓W2的第一晶圓向量W1v及第二晶圓向量W2v。
異常晶圓指數產生電路430可計算歐幾里得距離（S561）。參考圖7，第一距離D1可對應於第一晶圓向量W1v與第二晶圓向量W2v之間的距離。可藉由以下等式1來表達第一距離D1。
＜等式1＞
Figure 02_image001
此外，可藉由以下等式2來表達第一歐幾里得距離EUD1。
＜等式2＞
Figure 02_image003
因此，在第一歐幾里得距離EUD1中，第一距離D1可對應於第一晶圓向量W1v與第二晶圓向量W2v之間的距離，且若第一晶圓W1與第二晶圓W2的製程變數特性彼此不同，則第一歐幾里得距離EUD1可較大。
隨後，異常晶圓指數產生電路430可計算餘弦距離（S562）。第一角度可對應於第一晶圓向量W1v與第二晶圓向量W2v之間的角度θ1。可藉由以下等式3來表達第一角度θ1。
＜等式3＞
Figure 02_image005
此外，可藉由以下等式4來表達第一餘弦距離COD1。
＜等式4＞
Figure 02_image007
亦即，若第一晶圓W1的特性與第二晶圓W2的特性相似，則第一角度θ1可較小。此外，餘弦距離COD1可根據等式4而接近零。亦即，若第一晶圓W1與第二晶圓W2的製程變數的特性不同，則第一餘弦距離COD1可較大。
總而言之，若第一晶圓W1與第二晶圓W2的製程變數的特性不同，則第一歐幾里得距離EUD1及第一餘弦距離COD1可較大。然而，若第一晶圓W1與第二晶圓W2的製程變數的特性相似，則第一歐幾里得距離EUD1及第一餘弦距離COD1可較小。
隨後，異常晶圓指數產生電路430可計算晶圓的異常晶圓指數x1'至異常晶圓指數xk'，且歸一化異常晶圓指數x1'至異常晶圓指數xk'（S563）。可使用以下等式5來計算基於圖7中所繪示的第一晶圓向量W1v及第二晶圓向量W2v而產生的第一異常晶圓指數x1'。
＜等式5＞
Figure 02_image009
亦即，第一異常晶圓指數x1'可對應於第一歐幾里得距離EUD1與第一餘弦距離COD1的乘積。在本實施例中，異常晶圓指數產生電路430可基於第一晶圓向量W1v及第二晶圓向量W2v而產生第一異常晶圓指數x1'。
圖9為用於解釋用於多個晶圓的多個製程變數的晶圓向量的圖。
參考圖8及圖9，異常晶圓指數產生電路430可基於多個製程變數a11至製程變數akn產生多個異常晶圓指數x1'至異常晶圓指數xk'。
圖9中所繪示的圖表G12繪示第一向量W1v至第四向量W4v。第一向量W1v至第四向量W4v可對應於第一製程變數a1及第二製程變數a2的向量。異常晶圓指數產生電路430可基於第一向量W1v至第四向量W4v而產生異常晶圓指數x1'至異常晶圓指數x4'。亦即，異常晶圓指數產生電路430可基於多個向量而產生多個異常晶圓指數x1'至異常晶圓指數xk'。圖表G1n表示第一製程變數a1及第n製程變數an的第一向量W1v至第四向量W4v，且圖表G(n-1)n表示第(n-1)製程變數a(n-1)及第n製程變數an的第一向量W1v至第四向量W4v。亦即，異常晶圓指數產生電路430可基於多個製程變數a1至製程變數an的多個向量而產生多個異常晶圓指數x1'至異常晶圓指數xk'。
舉例而言，可藉由以下等式6來表達第一異常晶圓指數x1'。
＜等式6＞
Figure 02_image011
此外，可藉由以下等式7來表達第k異常晶圓指數xk'。
＜等式7＞
Figure 02_image013
如經由前述內容所描述,異常晶圓指數產生電路430可基於歐幾里得距離EUD與餘弦距離COD的乘積而產生晶圓W1至晶圓Wk的異常晶圓指數x1'至異常晶圓指數xk'。然而，本揭露的實施例不限於此，且可經由其他方法來計算異常晶圓指數x1'至異常晶圓指數xk'。
圖10a、圖10b以及圖10c為用於解釋歐幾里得距離、餘弦距離以及異常晶圓指數的圖。
參考圖10a，圖表繪示多個晶圓W1至晶圓Wk的歐幾里得距離EUD。第一歐幾里得距離EUD1可為對應於第一晶圓W1的值，且第k歐幾里得距離EUDk可為對應於第k晶圓Wk的值。此處，第k晶圓Wk可為晚於第一晶圓W1產生的晶圓。
參考圖10b，圖表繪示多個晶圓W1至晶圓Wk的餘弦距離COD。第一餘弦距離COD1可為對應於第一晶圓W1的值，且第k餘弦距離CODk可為對應於第k晶圓Wk的值。
參考圖10c，圖表繪示多個晶圓W1至晶圓Wk的異常晶圓指數x'。第一異常晶圓指數x1'可為對應於第一晶圓W1的值，且第k異常晶圓指數xk'可為對應於第k晶圓Wk的值。
參考圖10a、圖10b以及圖10c，第一異常晶圓指數x1'與第k異常晶圓指數xk'之間的差c3可大於第一歐幾里得距離EUD1與第k歐幾里得距離EUDk之間的差c1，且可大於第一餘弦距離COD1與第k餘弦距離CODk之間的差c2。亦即，在本揭露的一些實施例中，使用異常晶圓指數x'時的晶圓之間的顯著差異大於僅使用歐幾里得距離EUD時的晶圓之間的顯著差異，且可大於僅使用餘弦距離COD時的晶圓之間的顯著差異。因此，晶圓缺陷測試系統1可區分晶圓的特性（例如，製程條件或結構量測資料）且預測有缺陷晶圓。
圖11a、圖11b以及圖11c為用於解釋晶圓缺陷預測模擬時間的圖。
參考圖11a，繪示根據本揭露的一些實施例的用於晶圓缺陷預測的現有SHAP模型及向量相似模型的模擬時間。當輸出晶圓的數目為k且製程變數的數目為n時，現有模型的計算量可對應於2 n*k*13，且模擬時間可對應於5.6小時。然而，根據本揭露的一些實施例的模型的計算量可對應於n*(n-1)*k，且模擬時間可對應於5分鐘。亦即，根據本揭露的一些實施例的模型的模擬時間可比現有模型的模擬時間短。因此，可藉由縮短晶圓製造製程中所需的晶圓缺陷預測模擬時間來執行高效晶圓製造製程。
圖11b繪示現有模型的模擬時間中取決於執行模擬中的製程變數的數目的改變。當製程變數的數目為10時，現有模型的模擬時間為5.6小時。然而，當製程變數的數目為334時，現有模型的模擬時間可為4*10 97小時。亦即，在現有模型中，模擬時間可隨著製程變數的數目增加而按指數律成比例地增加。
圖11c繪示根據本揭露的一些實施例的模型的模擬時間中取決於執行模擬中的製程變數的數目的改變。當製程變數的數目為10時，根據本揭露的一些實施例的模型的模擬時間為5分鐘。然而，當製程變數的數目為334時，根據本揭露的一些實施例的模型的模擬時間可為83小時。由於模擬時間以此方式針對具有不同數目個製程變數的多種情境而縮短，因此可執行高效晶圓製造製程。亦即，可縮短使用異常晶圓指數x'的晶圓缺陷測試系統1的模擬時間，所述異常晶圓指數x'為歐幾里得距離EUD與餘弦距離COD的乘積。
圖12為用於解釋使用根據一些實施例的異常晶圓指數來偵測有缺陷晶圓的圖。
圖12繪示隨時間推移製造的晶圓W1至晶圓Wk的異常晶圓指數x'。第一異常晶圓指數x1'可對應於第一晶圓W1，第h異常晶圓指數xh'可對應於第h晶圓Wh，且第k異常晶圓指數xk'可對應於第k晶圓Wk。
多個異常晶圓指數x'中的一些可低於臨限值，且多個異常晶圓指數x'的一些其他者可超過臨限值。舉例而言，第h異常晶圓指數xh'可對應於超過臨限值的值。此處，異常晶圓的判定標準可對應於偏離異常晶圓指數x'的常態分佈2.5%的晶圓。以此方式，計算設備400可使用第h異常晶圓指數xh'來偵測且預測第h晶圓Wh為異常晶圓。此外，晶圓缺陷測試系統1可使用第一特性變數b11至第j特性變數bkj來檢查第h晶圓Wh為異常晶圓。
將參考圖13、圖14以及圖15來描述根據另一實施例的晶圓缺陷測試系統1。
圖13為示出根據一些實施例的用於產生考慮經預測半導體元件特性資料的異常晶圓指數的方法的流程圖。圖14及圖15為用於解釋圖13的異常晶圓指數的產生的方塊圖。
參考圖13、圖14以及圖15，晶圓缺陷測試系統1可經由預測產生經預測半導體元件特性資料ET/EDS'（S570）。舉例而言，晶圓缺陷測試系統1可藉由對第一晶圓W1至第k晶圓Wk執行結果預測而產生第一經預測半導體元件特性資料ET/EDS1'至第k經預測半導體元件特性資料ET/EDSk'。此外，可將第一經預測半導體元件特性資料ET/EDS1'至第k經預測半導體元件特性資料ET/EDSk'提供至計算設備400。
晶圓變數平均值提取電路410及晶圓變數標準化電路420可產生用於每一晶圓的製程變數及特性變數（S580）。此處，晶圓變數平均值提取電路410及晶圓變數標準化電路420可基於第一經預測半導體元件特性資料ET/EDS1'至第k經預測半導體元件特性資料ET/EDSk'而產生第一預測特性變數b11'至第k預測特性變數bkj'。第一預測特性變數b11'至第k預測特性變數bkj'可對應於所製造第一晶圓W1至第k晶圓Wk。
異常晶圓指數產生電路430可計算變數之間的晶圓向量（S590）。舉例而言，異常晶圓指數產生電路430可基於第一預測特性變數b11'至第k預測特性變數bkj'以及第一製程變數a11至第n製程變數akn而產生多個異常晶圓指數x1"至異常晶圓指數xk"。此處，異常晶圓指數x1"至異常晶圓指數xk"可不同於上文所描述的異常晶圓指數x1'至異常晶圓指數xk'。亦即，異常晶圓指數產生電路430可另外考慮到第一預測特性變數b11'至第k預測特性變數bkj'而產生異常晶圓指數x1"至異常晶圓指數xk"。
異常晶圓指數產生電路430可計算歐幾里得距離EUD（S591）且可計算餘弦距離COD（S592）。此外，異常晶圓指數產生電路430可產生晶圓的異常晶圓指數x1"至異常晶圓指數xk"且歸一化異常晶圓指數x1"至異常晶圓指數xk"（S593）。
此處，異常晶圓指數x1"至異常晶圓指數xk"可對應於藉由另外考慮到第一預測特性變數b11'至第k預測特性變數bkj'而產生的異常晶圓指數。因此，可藉由考慮到更多變數產生異常晶圓指數來提供具有高準確性的晶圓缺陷測試系統1。
作為實例，異常晶圓指數產生電路430可接收作為第一晶圓的預測測試結果的第二特性變數，且產生第一製程變數、第二製程變數以及第二特性變數之中的至少兩者的第四晶圓向量。異常晶圓指數產生電路430可基於第二晶圓向量與第四晶圓向量之間的歐幾里得距離與餘弦距離的乘積而產生第一晶圓的第三異常晶圓指數。
圖16為用於解釋根據一些實施例的晶圓缺陷預測模型的產生的方塊圖。
參考圖16，計算設備400可包含預測模型產生電路440及異常晶圓偵測器450。
預測模型產生電路440可接收第一製程變數a11至第n製程變數akn以及第一特性變數b11至第j特性變數bkj，且可自異常晶圓指數產生電路430接收第一異常晶圓指數x1'至第k異常晶圓指數xk'。此處，第一特性變數b11至第j特性變數bkj可對應於測試第一晶圓W1至第k晶圓Wk的結果。
預測模型產生電路440可基於第一製程變數a11至第n製程變數akn、第一特性變數b11至第j特性變數bkj以及第一異常晶圓指數x1'至第k異常晶圓指數xk'而產生晶圓缺陷預測模型PM。預測模型產生電路440可使用神經網路經由回歸產生晶圓缺陷預測模型PM。此處，晶圓缺陷預測模型PM可由Y=f(X,x')表示。此處，Y對應於輸出變數，且X及x'對應於輸入變數。輸入變數X可對應於第一製程變數a11至第n製程變數akn，且x'可對應於第一異常晶圓指數x1'至第k異常晶圓指數xk'。此外，為輸出變數的Y可對應於第一特性變數b11至第j特性變數bkj。
通過利用第一異常晶圓指數x1'至第k異常晶圓指數xk'作為輸入變數，預測模型產生電路440可進一步改良晶圓W1至晶圓Wk的特性的分類效能。舉例而言，即使不同晶圓具有相同製程變數，亦可輸出不同特性變數，此是因為異常晶圓指數不同。亦即，可藉由執行學習、使用第一製程變數a11至第n製程變數akn、第一特性變數b11至第j特性變數bkj以及第一異常晶圓指數x1'至第k異常晶圓指數xk'來產生晶圓缺陷預測模型PM。此外，晶圓缺陷預測模型PM可藉由利用作為歐幾里得距離EUD與餘弦距離COD的乘積的異常晶圓指數x'而自動地分類晶圓W1至晶圓Wk的特性。
預測模型產生電路440可將晶圓缺陷預測模型PM提供至異常晶圓偵測器450。此外，異常晶圓偵測器450可接收第一晶圓指數x1'至第k晶圓指數xk'。
圖17為示出用於導出異常晶圓對於每一變數的影響的方法的流程圖。
參考圖17，異常晶圓偵測器450可使用異常晶圓指數x'來偵測異常晶圓（S600）。此操作對應於藉由利用參考圖12所描述的異常晶圓指數xh'偵測第h晶圓Wh為異常晶圓。儘管可省略此操作，但本揭露的實施例不限於此。
異常晶圓偵測器450可使用晶圓缺陷預測模型PM及異常晶圓指數x'來預測異常晶圓（S610）。異常晶圓偵測器450可在藉由預測模型產生電路440產生的晶圓缺陷預測模型PM上使用第一製程變數a11至第n製程變數akn以及異常晶圓指數x1'至異常晶圓指數xk'作為輸入來偵測異常晶圓。因此，有可能偵測到第一晶圓W1至第k晶圓Wk中的哪一者有缺陷。在此實施例中，將關於第h晶圓Wh有缺陷的假設提供描述。
隨後，異常晶圓偵測器450可偵測第h晶圓Wh的缺陷因素為何。異常晶圓偵測器450可檢查製程變數是否為第x製程變數ax（S620）。當製程變數並非第x製程變數ax時（S620-N），異常晶圓偵測器450可檢查製程變數是否為第(x+1)製程變數a(x+1)。當製程變數為第x製程變數ax時（S620-Y），異常晶圓偵測器450可使用除第x製程變數ax以外的變數來計算異常晶圓指數x'（S630）。
舉例而言，異常晶圓偵測器450可使用除第一製程變數ah1以外的變數（例如第二製程變數ah2至第n製程變數ahn以及第一特性變數bh1至第j特性變數bhj）來計算異常晶圓指數x'。因此，異常晶圓偵測器450可偵測異常變數（S640）。
舉例而言，當第h異常晶圓指數xh'經判定為異常時，異常晶圓偵測器450可判定各別製程變數中的哪一者為原因。當使用除第一製程變數ah1以外的變數來計算第h異常晶圓指數xh'時，異常晶圓偵測器450可判定第h異常晶圓指數xh'是否為異常的原因。舉例而言，若第h異常晶圓指數xh'仍偏離異常晶圓指數x'的常態分佈2.5%，則第一製程變數ah1可不為異常的原因。此外，當第h異常晶圓指數xh'不偏離異常晶圓指數x'的常態分佈2.5%時，第一製程變數ah1可判定為異常的原因。
儘管可經由此方法偵測異常變數，但根據本揭露的一些實施例的異常晶圓偵測器450可經由另一方法偵測異常變數。計算設備400可提供關於異常變數的回饋資料至半導體製造設備100以提供對晶圓製造製程的回饋。
圖18a、圖18b、圖18c以及圖18d為用於解釋異常晶圓對於每一變數的影響的圖。
參考圖18a，第一異常變數av1至第四異常變數av4可對應於第h晶圓Wh的異常的原因。異常晶圓偵測器450可將第一異常變數av1至第四異常變數av4的資料提供至半導體製造設備100。參考圖18b、圖18c以及圖18d，第h晶圓wh的異常晶圓指數可不同於其他異常晶圓指數。
圖19為用於解釋根據一些實施例的用於製造第二晶圓群組的方法的方塊圖。
參考圖19，晶圓缺陷測試系統1可使用第二晶圓群組Wy來測試晶圓缺陷預測模型PM。此處，可遵循如來自圖1至圖18d的圖式描述中所描述的第一晶圓群組Wx來製造第二晶圓群組Wy。亦即，可在產生晶圓缺陷預測模型pM之後測試第二晶圓群組Wy。在第一晶圓群組Wx及第二晶圓群組Wy之中，第一晶圓群組Wx可對應於70%，且第二晶圓群組Wy可對應於30%。
半導體製造設備100可製造第二晶圓群組Wy，且監測設備200可監測正製造的第二晶圓群組Wy的晶圓。此外，監測設備200可產生第二晶圓群組Wy的結構量測資料及製程條件資料且將所述資料提供至計算設備400。測試設備300可對第二晶圓群組Wy的所製造晶圓執行測試，產生半導體元件特性資料且將所述半導體元件特性資料提供至計算設備400。
計算設備400可將結構量測資料及製程條件資料轉換成製程變數，且將其半導體元件特性資料轉換成特性變數以供使用。計算設備400的異常晶圓偵測器450可使用晶圓缺陷預測模型PM來預測有缺陷晶圓。亦即，異常晶圓偵測器450可在晶圓缺陷預測模型PM上使用製程變數及異常晶圓指數作為輸入來預測有缺陷晶圓。計算設備400可藉由檢查經預測有缺陷晶圓及所產生特性變數來檢查晶圓缺陷預測模型PM的準確性。
圖20為用於解釋根據一些實施例的用於製造第三晶圓群組的方法的方塊圖。圖21為用於解釋圖20的用於製造第三晶圓群組的方法的流程圖。
參考圖20及圖21，第三晶圓群組Wz可不同於第一晶圓群組Wx及第二晶圓群組Wy。可在第一晶圓群組Wx及第二晶圓群組Wy之後製造第三晶圓群組Wz。亦即，製造第三晶圓群組Wz的時間段可對應於在產生晶圓缺陷預測模型PM且執行及驗證其測試之後的時間段。
半導體製造設備100可自計算設備400接收回饋資料FBD。此處，回饋資料FBD可對應於在計算設備400產生晶圓缺陷預測模型PM的製程及經由異常晶圓索引x'偵測到異常晶圓的製程中導出的資料。半導體製造設備100可藉由參考回饋資料FBD中所包含的異常變數av1至異常變數av4來執行回饋（S700）。
晶圓缺陷測試系統1可製造晶圓且監測正製造的晶圓（S710）。舉例而言，半導體製造設備100可藉由執行回饋來製造第三晶圓群組Wz的晶圓。此外，監測設備200可監測正製造的第三晶圓群組Wz的晶圓。因此，監測設備200可將第三晶圓群組Wz的結構量測資料及製程條件資料提供至計算設備400。此時，計算設備400可藉由利用製程變數及經由製程變數產生的異常晶圓指數x'作為輸入，使用晶圓缺陷預測模型PM來偵測經預測為有缺陷的晶圓。此外，計算設備400可偵測經預測為有缺陷的晶圓的缺陷因素。因此，計算設備400可產生關於有缺陷晶圓的回饋資料。
計算設備400可偵測異常晶圓且對半導體製造設備100執行回饋（S720）。計算設備400可將關於異常預測晶圓的資訊及缺陷因素資訊提供至半導體製造設備100，且半導體製造設備100可藉由參考資訊來製造第三晶圓群組Wz的晶圓。因此，晶圓缺陷可減少且晶圓良率可提高。
綜上所述，所屬領域中具通常知識者將瞭解，在實質上不脫離本揭露內容的原理的情況下，可對較佳實施例進行許多變化及修改。因此，所揭露實施例僅以一般及描述性意義描述且並非出於限制目的。
1:晶圓缺陷測試系統 100:半導體製造設備 200:監測設備 300:測試設備 400:計算設備 410:晶圓變數平均值提取電路 420:晶圓變數標準化電路 430:異常晶圓指數產生電路 440:預測模型產生電路 450:異常晶圓偵測器 a1(n-1)、a2(n-1)、a3(n-1)、a4(n-1)、a(n-1):第(n-1)製程變數 a1、a11、a21、a31、a41、ah1、ak1:第一製程變數 a1n、a2n、a3n、a4n、ahn、akn、an:第n製程變數 a2、a12、a22、a32、a42、ah2、ak2:第二製程變數 av1:第一異常變數 av2:第二異常變數 av3:第三異常變數 av4:第四異常變數 ax:第x製程變數 a(x+1):第(x+1)製程變數 b11、bh1、bk1:第一特性變數 b11':第一預測特性變數 b12、bk2:第二特性變數 b1j、bkj、bhj:第j特性變數 bkj':第k預測特性變數 c1、c2、c3:差 COD:餘弦距離 COD1:第一餘弦距離 CODk:第k餘弦距離 D1:第一距離 EDS:電晶粒分類 ET/EDS:半導體元件特性資料 ET/EDS':經預測半導體元件特性資料 ET/EDS1:第一半導體元件特性資料 ET/EDS1':第一經預測半導體元件特性資料 ET/EDSk:第k半導體元件特性資料 ET/EDSk':第k經預測半導體元件特性資料 ET:電標籤 EUD:歐幾里得距離 EUD1:第一歐幾里得距離 EUDk:第k歐幾里得距離 FAB:製程條件資料 FAB1:第一製程條件資料 FABk:第k製程條件資料 FBD:回饋資料 G12、G1n、G(n-1)n:圖表 MTS:結構量測資料 MTS1:第一結構量測資料 MTSk:第k結構量測資料 PM:晶圓缺陷預測模型 S500、S510、S520、S530、S540、S550、S560、S561、S562、S563、S570、S580、S590、S591、S592、S593、S600、S610、S620、S630、S640、S700、S710、S720:製程 W1:第一晶圓 W1v:第一向量/第一晶圓向量 W2:第二晶圓 W2v:第二晶圓向量 W3v:第三向量 W4v:第四向量 Wf:第f晶圓 Wh:第h晶圓 Wk:第k晶圓 W(k+1):第(k+1)晶圓 Wm:第m晶圓 W(m+1):第(m+1)晶圓 Wx:第一晶圓群組 Wy:第二晶圓群組 Wz:第三晶圓群組 x'、x1"、xk":異常晶圓指數 x1':第一異常晶圓指數 xh':第h異常晶圓指數 xk':第k異常晶圓指數 θ1:第一角度
根據結合隨附圖式進行的實施例的以下描述，此等及/或其他態樣將變得顯而易見且更易於理解，在隨附圖式中： 圖1為示出根據一些實施例的晶圓缺陷測試系統的方塊圖。 圖2為示出根據一些實施例的晶圓群組的圖。 圖3為示出根據一些實施例的晶圓缺陷測試系統的操作的流程圖。 圖4為示出根據一些實施例的監測設備及測試設備的方塊圖。 圖5為示出根據一些實施例的產生異常晶圓指數的方法的流程圖。 圖6為示出根據一些實施例的用於解釋製程變數及特性變數的產生的計算設備的方塊圖。 圖7為用於解釋歐幾里得距離及餘弦距離的圖。 圖8為示出根據一些實施例的異常晶圓指數產生電路的方塊圖。 圖9為用於解釋用於多個晶圓的多個製程變數的晶圓向量的圖。 圖10a、圖10b以及圖10c為用於解釋歐幾里得距離、餘弦距離以及異常晶圓指數的圖。 圖11a、圖11b以及圖11c為用於解釋晶圓缺陷預測模擬時間的圖。 圖12為用於解釋使用根據一些實施例的異常晶圓指數來偵測有缺陷晶圓的圖。 圖13為示出根據一些實施例的用於產生考慮經預測半導體元件特性資料的異常晶圓指數的方法的流程圖。 圖14及圖15為用於解釋圖13的異常晶圓指數的產生的方塊圖。 圖16為用於解釋根據一些實施例的晶圓缺陷預測模型的產生的方塊圖。 圖17為示出用於導出異常晶圓對於每一變數的影響的方法的流程圖。 圖18a、圖18b、圖18c以及圖18d為用於解釋異常晶圓對於每一變數的影響的圖。 圖19為用於解釋根據一些實施例的用於製造第二晶圓群組的方法的方塊圖。 圖20為用於解釋根據一些實施例的用於製造第三晶圓群組的方法的方塊圖。 圖21為用於解釋圖20的用於製造第三晶圓群組的方法的流程圖。
a1、a11、a21:第一製程變數
a2、a12、a22:第二製程變數
D1:第一距離
W1v:第一晶圓向量
W2v:第二晶圓向量
θ 1:第一角度

Claims (20)

  1. 一種晶圓缺陷測試設備，包括： 晶圓變數產生器，接收第一晶圓的第一結構量測資料及第一製程條件資料以及第二晶圓的第二結構量測資料及第二製程條件資料，基於所述第一結構量測資料及所述第一製程條件資料而產生第一製程變數及第二製程變數，且基於所述第二結構量測資料及所述第二製程條件資料而產生第三製程變數及第四製程變數； 異常晶圓指數產生電路，產生所述第一製程變數及所述第二製程變數的第一晶圓向量，產生所述第三製程變數及所述第四製程變數的第二晶圓向量，計算所述第一晶圓向量與所述第二晶圓向量之間的第一歐幾里得距離（Euclidean distance），計算所述第一晶圓向量與所述第二晶圓向量之間的第一餘弦距離，且基於所述第一歐幾里得距離與所述第一餘弦距離的乘積而產生所述第一晶圓的第一異常晶圓指數；以及 預測模型產生電路，接收作為所述第一晶圓的測試結果的第一特性變數，且基於所述第一製程變數、所述第二製程變數、所述第一特性變數以及所述第一異常晶圓指數經由回歸產生晶圓缺陷預測模型。
  2. 如請求項1所述的晶圓缺陷測試設備，其中所述第一異常晶圓指數與所述第一歐幾里得距離與所述第一餘弦距離的所述乘積成正比。
  3. 如請求項1所述的晶圓缺陷測試設備，其中所述晶圓變數產生器基於不同於所述第一晶圓及所述第二晶圓的第三晶圓的第三結構量測資料及第三製程條件資料而產生第五製程變數及第六製程變數，且 所述異常晶圓指數產生電路產生所述第五製程變數及所述第六製程變數的第三晶圓向量。
  4. 如請求項3所述的晶圓缺陷測試設備，其中所述異常晶圓指數產生電路計算所述第一晶圓向量與所述第三晶圓向量之間的第二歐幾里得距離，計算所述第一晶圓向量與所述第三晶圓向量之間的第二餘弦距離，且基於所述第二歐幾里得距離與所述第二餘弦距離的乘積而產生所述第一晶圓的第二異常晶圓指數。
  5. 如請求項4所述的晶圓缺陷測試設備，其中所述預測模型產生電路基於所述第一製程變數、所述第二製程變數、所述第一特性變數、所述第一異常晶圓指數以及所述第二異常晶圓指數而產生晶圓缺陷預測模型。
  6. 如請求項1所述的晶圓缺陷測試設備，其中所述異常晶圓指數產生電路接收作為所述第一晶圓的預測測試結果的第二特性變數，且產生所述第一製程變數、所述第二製程變數以及所述第二特性變數之中的至少兩者的第四晶圓向量。
  7. 如請求項6所述的晶圓缺陷測試設備，其中所述異常晶圓指數產生電路基於所述第二晶圓向量與所述第四晶圓向量之間的歐幾里得距離與餘弦距離的乘積而產生所述第一晶圓的第三異常晶圓指數。
  8. 如請求項1所述的晶圓缺陷測試設備，其中所述預測模型產生電路使用所述第一製程變數、所述第二製程變數以及所述第一異常晶圓指數作為輸入且使用所述第一特性變數作為輸出來產生所述晶圓缺陷預測模型。
  9. 如請求項1所述的晶圓缺陷測試設備，更包括： 異常晶圓偵測器，基於所述晶圓缺陷預測模型及所述第一異常晶圓指數測試所述第一晶圓是否有缺陷。
  10. 一種晶圓缺陷測試系統，包括： 監測設備，監測正製造的第一晶圓、第二晶圓以及第三晶圓；以及 計算設備，連接至所述監測設備， 其中所述監測設備監測所述第一晶圓以產生第一製程變數及第二製程變數， 所述監測設備監測所述第二晶圓以產生第三製程變數及第四製程變數， 所述監測設備監測所述第三晶圓以產生第五製程變數及第六製程變數， 所述計算設備產生所述第一製程變數及所述第二製程變數的第一晶圓向量， 所述計算設備產生所述第三製程變數及所述第四製程變數的第二晶圓向量， 所述計算設備產生所述第五製程變數及所述第六製程變數的第三晶圓向量， 所述計算設備計算所述第一晶圓向量與所述第二晶圓向量之間的第一歐幾里得距離， 所述計算設備計算所述第一晶圓向量與所述第二晶圓向量之間的第一餘弦距離， 所述計算設備計算所述第一晶圓向量與所述第三晶圓向量之間的第二歐幾里得距離， 所述計算設備計算所述第一晶圓向量與所述第三晶圓向量之間的第二餘弦距離， 所述計算設備計算所述第二晶圓向量與所述第三晶圓向量之間的第三歐幾里得距離， 所述計算設備計算所述第二晶圓向量與所述第三晶圓向量之間的第三餘弦距離， 所述計算設備基於所述第一歐幾里得距離與所述第一餘弦距離的乘積及所述第二歐幾里得距離與所述第二餘弦距離的乘積而產生所述第一晶圓的第一異常晶圓指數， 所述計算設備基於所述第一歐幾里得距離與所述第一餘弦距離的所述乘積及所述第三歐幾里得距離與所述第三餘弦距離的乘積而產生所述第二晶圓的第二異常晶圓指數， 所述計算設備基於所述第二歐幾里得距離與所述第二餘弦距離的乘積及所述第三歐幾里得距離與所述第三餘弦距離的所述乘積而產生所述第三晶圓的第三異常晶圓指數，且 所述計算設備使用所述第一異常晶圓指數至所述第三異常晶圓指數來預測所述第一晶圓至所述第三晶圓之中的有缺陷晶圓。
  11. 如請求項10所述的晶圓缺陷測試系統，其中所述第一異常晶圓指數至所述第三異常晶圓指數具有彼此不同的值，且所述第一異常晶圓指數的值大於所述第二異常晶圓指數及所述第三異常晶圓指數的值。
  12. 如請求項11所述的晶圓缺陷測試系統，其中所述計算設備使用所述第一異常晶圓指數將所述第一晶圓預測為缺陷。
  13. 如請求項10所述的晶圓缺陷測試系統，其中所述計算設備基於所述第一製程變數至所述第六製程變數及所述第一異常晶圓指數至所述第三異常晶圓指數而產生晶圓缺陷預測模型，且使用所述晶圓缺陷預測模型來預測所述第一晶圓至所述第三晶圓之中的有缺陷晶圓。
  14. 如請求項10所述的晶圓缺陷測試系統，其中所述第一異常晶圓指數與所述第一歐幾里得距離與所述第一餘弦距離的所述乘積及所述第二歐幾里得距離與所述第二餘弦距離的所述乘積的總和成正比， 所述第二異常晶圓指數與所述第一歐幾里得距離與所述第一餘弦距離的所述乘積及所述第三歐幾里得距離與所述第三餘弦距離的所述乘積的總和成正比，且 所述第三異常晶圓指數與所述第二歐幾里得距離與所述第二餘弦距離的所述乘積及所述第三歐幾里得距離與所述第三餘弦距離的所述乘積的總和成正比。
  15. 如請求項10所述的晶圓缺陷測試系統，更包括： 測試設備，測試所述第一晶圓至所述第三晶圓， 其中所述測試設備測試所述第一晶圓以產生第一特性變數， 所述測試設備測試所述第二晶圓以產生第二特性變數，且 所述測試設備測試所述第三晶圓以產生第三特性變數。
  16. 如請求項15所述的晶圓缺陷測試系統，其中所述計算設備基於所述第一特性變數至所述第三特性變數、所述第一製程變數至所述第六製程變數以及所述第一異常晶圓指數至所述第三異常晶圓指數而產生晶圓缺陷預測模型，且使用所述晶圓缺陷預測模型來預測所述第一晶圓至所述第三晶圓之中的有缺陷晶圓。
  17. 一種用於製造晶圓的方法，所述方法包括： 製造彼此不同的第一晶圓、第二晶圓以及第三晶圓； 使用所製造的所述第一晶圓及所製造的所述第二晶圓來產生晶圓缺陷預測模型；以及 使用所述晶圓缺陷預測模型來測試所述第三晶圓的缺陷， 其中產生所述晶圓缺陷預測模型包含 監測所述第一晶圓以產生第一製程變數及第二製程變數的第一晶圓向量， 監測所述第二晶圓以產生第三製程變數及第四製程變數的第二晶圓向量， 計算所述第一晶圓向量與所述第二晶圓向量之間的第一歐幾里得距離， 計算所述第一晶圓向量與所述第二晶圓向量之間的第一餘弦距離， 基於所述第一歐幾里得距離與所述第一餘弦距離的乘積而產生所述第一晶圓的第一異常晶圓指數， 藉由測試所製造的所述第一晶圓來產生第一特性變數，以及 基於所述第一製程變數、所述第二製程變數、所述第一特性變數以及所述第一異常晶圓指數經由回歸產生晶圓缺陷預測模型。
  18. 如請求項17的方法，其中使用所述晶圓缺陷預測模型測試所述第三晶圓的所述缺陷包含 監測所述第三晶圓以產生第五製程變數及第六製程變數的第三晶圓向量， 產生第二異常晶圓指數，所述第二異常晶圓指數為所述第三晶圓向量與所述第一晶圓向量之間的第二歐幾里得距離與第二餘弦距離的乘積及所述第三晶圓向量與所述第二晶圓向量之間的第三歐幾里得距離與第三餘弦距離的乘積的總和，以及 基於所述第五製程變數、所述第六製程變數、所述第二異常晶圓指數以及所述晶圓缺陷預測模型來偵測所述第三晶圓是否有缺陷。
  19. 如請求項18所述的方法，其中基於所述第三晶圓是否有缺陷而製造所述第三晶圓。
  20. 如請求項18所述的方法，更包括： 基於所述第三晶圓有缺陷而對不同於所述第一晶圓至所述第三晶圓的第四晶圓的製造執行回饋。
TW111131214A 2021-08-23 2022-08-19 晶圓缺陷測試設備、晶圓缺陷測試系統以及晶圓的製造方法 TW202310110A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0110621 2021-08-23
KR1020210110621A KR20230028830A (ko) 2021-08-23 2021-08-23 웨이퍼 불량 검사 장치, 웨이퍼 불량 검사 시스템, 웨이퍼 검사 방법 및 웨이퍼 제조 방법

Publications (1)

Publication Number Publication Date
TW202310110A true TW202310110A (zh) 2023-03-01

Family

ID=85228964

Family Applications (1)

Application Number Title Priority Date Filing Date
TW111131214A TW202310110A (zh) 2021-08-23 2022-08-19 晶圓缺陷測試設備、晶圓缺陷測試系統以及晶圓的製造方法

Country Status (4)

Country Link
US (1) US20230055058A1 (zh)
KR (1) KR20230028830A (zh)
CN (1) CN115714093A (zh)
TW (1) TW202310110A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI841293B (zh) * 2023-03-14 2024-05-01 華邦電子股份有限公司 記憶體測試方法及裝置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10579901B2 (en) * 2017-12-05 2020-03-03 Canon Kabushiki Kaisha Method, system and apparatus for comparing objects in images
US11551348B2 (en) * 2019-04-09 2023-01-10 KLA Corp. Learnable defect detection for semiconductor applications
US20230080151A1 (en) * 2021-09-13 2023-03-16 Applied Materials Israel Ltd. Mask inspection for semiconductor specimen fabrication

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI841293B (zh) * 2023-03-14 2024-05-01 華邦電子股份有限公司 記憶體測試方法及裝置

Also Published As

Publication number Publication date
CN115714093A (zh) 2023-02-24
US20230055058A1 (en) 2023-02-23
KR20230028830A (ko) 2023-03-03

Similar Documents

Publication Publication Date Title
CN107004060B (zh) 用于半导体制造工艺的经改进工艺控制技术
US11853899B2 (en) Methods and apparatus for data analysis
US7356430B2 (en) Methods and apparatus for data analysis
US9547544B2 (en) Method for verifying bad pattern in time series sensing data and apparatus thereof
Cheng et al. A fusion prognostics method for remaining useful life prediction of electronic products
US7415387B2 (en) Die and wafer failure classification system and method
US20080189575A1 (en) Methods and apparatus for data analysis
US20110178967A1 (en) Methods and apparatus for data analysis
WO2021232149A1 (en) Method and system for training inspection equipment for automatic defect classification
TW202244797A (zh) 製造缺陷分類系統及方法
JP3515756B2 (ja) 処理装置の監視方法
US11598738B2 (en) Apparatus and method for detecting defective component using infrared camera
TW202310110A (zh) 晶圓缺陷測試設備、晶圓缺陷測試系統以及晶圓的製造方法
US20210343000A1 (en) Automatic selection of algorithmic modules for examination of a specimen
TW202244795A (zh) 製造缺陷分類系統及方法
Xanthopoulos et al. Automated die inking: A pattern recognition-based approach
CN116383745A (zh) 一种基于图结构学习确定异常的方法
Baghbanpourasl et al. Failure prediction through a model-driven machine learning method
KR20160087966A (ko) 반도체 제조 프로세스를 위한 품질 유효 인자 생성방법 및 그에 따른 생성 시스템
KR20070018880A (ko) 데이터 분석을 위한 방법 및 장치
KR102182678B1 (ko) 반도체 제조 공정에서 특징 선택 기법에 따른 멀티 분류기를 활용한 불량 패턴 예측 장치 및 방법
JP4866263B2 (ja) 電子デバイスの品質管理方法および電子デバイスの品質管理システム
Jaai et al. Fusion prognostics
TW202417872A (zh) 異常積體電路的偵測方法及異常積體電路的偵測系統
US20240280626A1 (en) Computer-Implemented Method for Optimizing a Detection Threshold of a Prediction Model