TWI287244B - Correlation of end-of-line data mining with process tool data mining - Google Patents
Correlation of end-of-line data mining with process tool data mining Download PDFInfo
- Publication number
- TWI287244B TWI287244B TW092106391A TW92106391A TWI287244B TW I287244 B TWI287244 B TW I287244B TW 092106391 A TW092106391 A TW 092106391A TW 92106391 A TW92106391 A TW 92106391A TW I287244 B TWI287244 B TW I287244B
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- engine
- machine
- processing
- machines
- Prior art date
Links
Classifications
-
- 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
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99932—Access augmentation or optimizing
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Description
1287244 玖、發明說明· · 【發明所屬之技術領域】 本發明之或夕個實施例係有關於運用製程機台資料 採擷之生產線端資料採擷關聯性。 【先前技術】 隨著市場驅使電路密度的增加,半導體元件的製造過 程愈來愈複雜。舉例而言,一般典型的製程必須從一片單 晶矽(以下稱作晶圓或基材)開始,經過一系列約3〇〇至5〇〇 道個別的製程步驟加以處理,而在各個晶圓上製造出許多 單獨的元件。此外,線寬隨著電路密度的增加而縮小,而 且半導體製造業正採用更新的技術及材料。舉例而言,銅 製程正從0.18微米(μιη)的技術轉變成〇 ΐ3μιη的技術。此 外,銅晶種與電鍍的出現,連同在使用新的低介電(1〇w_k) 薄膜時所增加的困難度與填充〇·13μηι結構的需求,已使 採用300mm晶圓的轉變更加困難。 有鑑於此,降低缺陷率(不論是製程或污染物所造成) 已愈來愈重要,而時間相對於根本原因(tim卜t〇_r〇〇Ncause) 即為克服缺陷率的一個重要因素。為了監測缺陷率及持續 降低缺陷密度’半導體元件製造商採用資料管理軟體及缺 陷偵測設備。再者,各種新世代的半導體製程技術要求更 °羊細的資料來支援製程監控與改良。如此一來,豐富的資 料即促成了晶圓製程當中的資料儲存裝置、資料整合、資 料分析及資料處理自動化等發展趨勢。 5 1287244
在過去數年當中,大量資金已投資在裝設資料擷取系 統,而此類資料擷取系統係設計用來在晶圓接受處理時, 記錄在半導體晶圓製程機台内的操作狀態。在先進的晶圓 廠當中,雖然此類以時間為基礎的製程機台資料目前正應 用在某些晶圓製程機台,但其仍無法利用產生的資料來達 成相對於元件(以下稱作積體電路或 1C)的最佳化機台效 能。造成此限制的原因至少部分來自於元件效能資料與製 程機台之時間性資料*之間在表達方式上的不連貫。舉例而 言,1C上的資料量測值勢必與某一批晶圓產量(稱作一個 lot)、某一片晶圓或晶圓上的某一些1C有關聯。然而,來 自於製程機台之時間性資料的資料量測值,係以製程機台 在晶圓處理過程中某特定時間内的個別操作條件來表示。 舉例而言,若晶圓廠内的製程機台設有隔離的處理室,則 當某一片晶圓停留在製、程機台的處理室内時,吾人可每千 分之一秒記錄一次處理室壓力。在此例中,任一片晶圓的 處理室壓力資料可以記錄為數千筆單獨量測值的數列。將 製程機台的時間性資料「合併」不連續的資料矩陣所遭遇 的困難,即造成運用製程機台之時間性資料作為生產效率 最佳化手段的限制。 目前有許多監控良率提昇及生產效率改善的努力,著 重於開發找出低良率晶圓的生產線端功能性測試資料與運 用於製造1C的特定製程機台之間的關聯性。此類分析的目 的係為了找出各種可能造成良率降低的製程機台,並將其 從廠内的製造流程中移開,直到良率工程師確定該等機台 6 1287244
的運作「正常」後再移回到製程,或者在晶圓處理期間, 針對機台效能進行必要的修改。運用資料採擷進行上述工 作係屬習知技術(此類相關性作法亦在新技術開發良率提 昇上扮演重要角色)。由於(a)產生的資料量龐大,以及(b) 將資料整合'以供分析所需要的時間等因素,务得此類相關 性作法變得繁瑣且耗時。有時,在發覺到訊號之前,其為 一種嘗試錯誤的處理方式。此外,上述作法通常無法提供 足夠的資料來保證製程機台的執行效能更佳。因此,使用 者通常會花費較多的時間試圖找出問題所在,而不是在找 出問題之後,將精力花費在實際維修或調整製程機台。 有鑑於上述情況,吾人需要能解決上述之一個或數個問題 的方法及設備。 【發明内容】
本發明之一個或數個實施例能有效解決上述之一個或 數個問題。具體而言,本發明之實施例係一種製程機台最 佳化系統,此種系統包含:(a) —資料採擷引擎,其能分析 生產線端資料,找出一個或數個與低良率有關的製程機 台,以及(b)回應於該分析之輸出值,分析來自於一個或數 個製程機台的製程機台資料,藉以找出一個或數個與該低 良率有關的製程機台參數。 【實施方式】 ' 第1圖為根據本發明之實施例所製造的製程機台最佳 7 1287244 化系統1 000。如熟習相關技術者所知,在半導體晶圓或 材上疋成元件(在此亦稱作積體電路或1〇之製造後,會 行如電性測試等許多功能性測試—但不以此等測試為限 藉以判斷元件的操作性能是否符合設計規格。如第1圖 示’根據熟習相關技術者所暸解的任何一種方法,功能 测試的結果係儲存在整體晶圓廠之生產線端良率提昇資 庫140。熟習相關技術者均知曉現成的功能性測試套件 及用来執行此等功能性測試的測試設備。值得注意的是 本發明之各式實施例的應用不限定於在半導體晶圓上製 元件;事實上,本發明所涵蓋的實施例亦能應用於在其 材料上製作元件,例如玻璃基板或矽土基材等材料,但 以此為限。 另如第1圖所示,生產線端之良率提昇資料採擷引 15 0係擷取出存放在晶圓廠生產線端之良率提昇資料 14〇的資料,並針對此等資料進行分析,藉以:(a)找出 率低的晶圓;及(b)使該等良率低的晶圓與下列產生關 性:(i)單獨的製程^幾台或製程機台群組,(i〇時間性事件 (Hi)製程及/或元件設計,以及(iv)其它。在此,低良率 指其數值低於預設數值的良率,或指某特定元件參數之 剩值落在控制界線或範圍以外。如熟琴相關技術者所知 資料採擷係屬一種習知方法,其能用來找出有助於解釋 個或數個響應變數之狀態模式的資料型態。如吾人所知 由於不存在預先得知的受測模式,資料採擷至少與某些 擬方法不同。此外,尋找一個模式時,必須利用預設的 基 進 , 所 性 料 以 y 作 它 不 擎 庫 良 聯 係 量 模 解 8 1287244 釋性變數範圍。一般而言,此等變數可能會有各種不同的 資料型態,而且包含有與母群無關的部分以及遺失的資 料。某些為模式所涵蓋的變數可能有高度相關性,而潛在 的關係可能是非線性關係且相互影響。
吾人亦知,資料採擷一詞已經和一些不同的分析技術 聯繫在一起。某些技術會用到傳統的統計方法,某些則會 運用如神經網路、關聯原則、Bayesian網路及決策樹等技 術。無論是何種技術,其目的均是要建立一種能解釋一組 觀察值之響應變化,而且能準確預測新資料之響應的模 式。當需要模式化的資料量很大,且對實體模式的瞭解程 度不足以使用統計方法時,可採用神經網路模式。不易針 對模式參數進行實體解析是上述處理方式的其中一項缺 點。此外,此種模式的預測輸出值會受到所採用的訓練集 (training set)範圍大小的限制。Bayesian網路比神經網路 更具實體性,因為網路當中的節點係受測變數;然而,其 仍然不易從網路中擷取出實體模式的元素,或有效地使網 路當中實作的關係視覺化。不像神經網路,Bayesian網路 可用來找出新的關係。關聯原則係一種用來搜尋資料之一 致性型態的工具。例如,有缺陷的lot(即一整批晶圓)發生 通過各種製程機台組合(如沉積製程機台與蝕刻製程機台 之組合)的情況如何。關聯原則分析在發現狀態模式方面有 其用處,但其無法產生預測性模式。決策樹係一種用來開 發狀態階層模式的分析工具。樹的建構過程係以遞迴的方 式評估哪一個變數能根據包含該變數的最佳原則來解釋響 9 1287244 應之主要變化量。當關係 . 禾知且吾人需做成寬廣的條目分 類或預測時,決策樹即能 續變數^1揮用處。若您需要做出關於連 員交數的準確預測’此時 τ决珞樹的用處不大。 生產線良率提昇資料垃 盥 、^ #貝引擎1 50能找出一種或.數種 /、低良率有關聯的製程機& 根據習知方法,此資料能提 酉星、、隹修人員,而維修人員 .„ 卩可據此修復或至少嘗試修復菸 生問題的機台,並藉以提昇自方 ^ 分β 歼良率。然而,根據本發明之眘 轭例〜如第1圖所示, .^ 屋線良率提昇資料採擷引擎1 50 <輸出係作為製程機台之:欠
W 〇之貝料採擷引擎130的輸入。生產 線良率提昇資料採_引擎! 5 Q可根據熟習相關技術者所知 曉的任何一種方法而製作成軟體應用程式。例如,生產線 良率提昇資料採擷引擎丨5 〇可以製作成在網路上執行的軟 體應用程式,而此軟體應用程式係能:(a)透過如網際網 路、企業内部網路等網路(但不以此為限)來存取資料,以 及(b)透過網路傳送資料(例如將資料傳送到製程機台之資 料採擷引擎130)。
如第1圖所示,餘刻製程機台1 0 0可對送至量測/偵測 系統110的晶圓進行處理,而化學氣相沉積(CVD)製程機 台200則可對送至量測/偵測系統2 1 0的晶圓進行處理。值 得注意的是,蝕刻製程機台100與CVD製程機台200僅只 代表其輸出可藉由本發明之一種或多種實施例予以分析的 機台。當蝕刻製程機台1 00處理晶圓時,製程輸出資料係 由SMARTSys工具120加以收集;當CVD製程機台200 處理晶圓時,製程輸出資料係由SMARTSys工具220加以 10 1287244 收集 。SMARTSys 工具係由應用 Materials,Inc,美國加州 Santa Clara 集及分析工具,此種工具能監控製程 數。此外,SMARTSys工具另包含能4 離製程機台之最佳模式範圍的應用程 SMARTSys工具之實施例中,其包含-監控暨錯誤偵測」應用程式。設備健4 測應用程式係利用期望狀態之歷程性多 項預設變數之間的交互作用來執行監担 該等變數可包含設備功能參數及/或製 數與製程參數包括設備等級資料及其廣 設備功能參數包括機器手臂位置,製矛j 空室壓力、射頻振幅及氣體流速等, SMARTSys工具可監控預設指標,以# 離期望狀態模式之最佳範圍。就此而1 預測超出範圍的製程狀態來避免晶圓* 工具亦能即時收集、儲存及顯示資料, 報均準確。 如第1圖所示,分別經過蝕刻製程 程機台200處理的晶圓會分別被傳送到 及2 1 0,以供進一步處理。量測/偵測系 下列其中之一或多者··(a)一或數個參數 數個檢查工具;(c)一或數個缺陷查驗系 別器;以及Ο)製程知識庫(pKL)。熟習 材料公司(Applied 市)所製造的資料收 機台的製程控制參 1測製程條件是否偏 式。舉例而言,在 種「設備健全狀態 r狀態監控暨錯誤偵 ’重變數模式以及多 E及偵測功能,其中 程參數(設備功能參 l理室資料)。例如, L參數包括溫度、真 但不以上述為限。 丨測製程條件是否偏 ^ ’預設指標可藉著 々損失。SMARTSys 確保製程矩陣及警 機台100與CVD製 量測/偵測系統1 1 0 ;統1 1 0及2 1 〇包含 ‘度i工具,(b)—或 統;(d)缺陷來源識 相關技術者均知, J287244 & S及檢查工具可產生量測資料及缺陷量測資料,並用於 查 @ j 表程機台及元件參數。熟習相關技術者亦知,缺陷查 驗李姑 、 一
’、、、死可進一步分析檢查工具所產生的資料,並提供代表 缺陷I、DC 衣綠的資料。缺陷來源識別器可自位在美國加州Santa Clara -±r i.L· 平的應用材料公司購得,此種設備能分析度量資料、 檢查:欠 、 〜貝料、查驗資料與歷程缺陷資料,以判斷或協助 缺陷f、、J5 / 習 Λ、。PKL係一種應用程式(例如軟體應用程式);熟 使技術者可採用任何一種方法來製作此種應用程式, 程參此具體得知缺陷,並採取與該等缺陷有關的範圍外製 _ 的^ $之相關修正行動。例如,PKL可獲知某種元件設計 '、弋射頻功率數值出現問題,但不僅只限定於獲知此類 製程機台、資料採擷引擎130 另如第1圖所示 ^存取SMARTSys工具12〇及SMARTSys工具22〇而獲 #於其中至少一部分的資料。此夕卜,製程機台之資料 ° 、擎1 3 0存取里測/偵測系統1 1 〇及量測"貞測系統η
Γ獲得储存於其中至少-部分的資料。製程機台之資料 二擎130所取付的貝料係由回應生產線端之良率提昇 :採梅引擎150接收到的輪入值而被決定,或者是回應 :用者(例如良率…)所輸入的資料。舉例而言,來 ;生產線良率提昇資斜γ 、木拮員引擎1 5 0的輸入,以及來自 使用者的輸入,可指出一 種或數種與低良率有關聯的製 械台。此種生產緩戚夕& _ ,t 、 良率提昇資料採擷引擎1 5 0甚至 與低良率有關聯的特定時間。在回應過程中,資料 12 1287244
擷引擎1 3 0會取得相關製程機台在某一段時間的製程資訊 (例如藉著存取附屬於製程機台的SMARTSys工具),同時 會存取儲存在相關系統内的相關度量、檢查及查驗資料(例 如藉著存取量測/偵測系統11 〇及/或量測/偵測系統2 1 0及 /或類似系統)。此外,若有某些特殊的資料型態無法以上 述方式自動取得,則其可以檔案、透過使用者輸入,或提 供預先設定的資料目標位置來取得。再者,根據熟習相關 技術者所知曉的任何一種系統組態處理的方法,可以獲得 指出預設資料之存放位置的規劃圖(例如製程機台與相關 SMARTSys工具的規劃圖)。因此,當遇到新的故障情況 時,製程機台之資料採擷引擎1 3 0即能查詢其它自動化機 件及度量工具,並收集猜測可能的故障原因所需要的資 料。製程機台資料採擷引擎1 3 0可根據熟習相關技術者所 知曉的任何一種方法而製作成軟體應用程式。例如,製程 機台資料採擷引擎1 3 0可以製作成在網路上執行的軟體應 用程式,而此軟體應用程式係能:(a)透過如網際網路、企 業内部網路等網路(但不以此為限)來存取資料(例如來自 於SMARTSys工具120、SMARTSys工具220、量測/偵測 系統11 0、量測/偵測系統2 1 0等的資料),以及(b)以上述 方式透過網路輸出資料。 根據本發明之一個或數個實施例,資料採擷引擎1 3 0 係執行資料採擷工作,藉以產生製程機台之間的相關良率 影響訊號,並將此等良率影響訊號1 60輸出到製程最佳化 引擎1 7 0,以及/或透過網路將特定元件缺陷與超出範圍的 13 1287244
製程參數之間的關聯性提供到附屬於受影響機台的量測/ 偵測系統(例如量測/偵測系統1 1 〇或2 1 0)的PKL。如此一 來,製程控制資料採擷引擎1 3 0可使生產線端良率與特定 製程機台參數產生關聯,其中製程參數可為壓力、溫度、 射頻振幅、氣體流率等,但不以上述為限。在執行此項資 料採擷工作時,製程控制資料採擷引擎 13 0可運用:(a) 來自於製程機台的資料,其中該等製程機台經由生產線端 良率提昇資料採擷引擎150判斷與低良率有關;(b)在特定 情況中的製程機台資料(例如用作比較的資料),其中該等 製程機台未被發現與低良率有關;及(c)來自於製程機台的 歷程資料。製程控制資料採擷引擎1 3 0(即良率影響訊號 1 6 0)至少能為找到的製程機台判斷出與低良率有關的製程 機台參數。此等良率影響訊號 1 60(即故障前導)係用作製 程最佳化引擎1 70的輸入。在另一實施例中,製程控制資 料採擷引擎130之製程最佳化引擎170可存取此等良率影 響訊號。
運用熟習相關技術者所知曉的任何一種方法,製程控 制資料採擷引擎1 3 0可執行資料採擷工作。例如,以下關 於執行資料採擷的考量係為習知,且應予以特別注意。資 料採擷需要資料可取用性、非常有效率的存取方法、對於 資料問題有相當的健全性、非常有效率的演算法、效能非 常高的應用程式伺服器,以及在傳輸處理結果時的運用彈 性。選擇某一種應用產品或方法時,必須考量到各種資料 採擷方法對於資料問題的敏感度。具體而言,資料問題的 14 1287244 關鍵係在於範圍超過正常觀測值的差距與測量值所弓I起的 問題一即所謂的超出值(outlier)。雖然資料採擷方法可補足 遺缺的資料’避免差距即可改善結果,但在實際情况中, 大部分的資料集仍會有超出值。運用非參數型方法(即不倚 賴基本常態分佈的方法)的資料採擷演算法對於超出值的 敏感度較低。分析之前先「清理」資料亦能避免超出值所 引發的故障訊號。在互動式應用方面,以圖表方式輸出, 並與圖表進行互動的功能而使圖像關係視覺化即可滿足需 求。 如第1圖所示,製程最佳化引擎1 70係一種知識型系 統一例如專家系統(但不此為限),其使用良率影響參數i 6Q 當作一組規則;熟習相關技術者可藉此組規則並利用任何 一種最佳化處理方法來建立階層化知識系統。例如,若良 率影響訊號1 60包含有蝕刻機台1 〇〇的壓力,則製程最佳 化引擎170會將反饋資訊輸出到SMARTSys工具120,以 監測偏離的製程壓力。監測過程將可找出偏離狀態,使用 者能採取修正行動而增加良率。例如,修正行動的_型包 括:(a)使用修改製程條件的自我修復;(b)在損及製程之前 先漸進關閉;及/或(c )預防性保養(P Μ )。根據本發明之一 個或數個實施例,資料採擷能以較佳的方式導出專家系統 型診斷規則來建議後續步驟,並以更有效率的方式隔離故 障。例如,在機件發生故障而損及製程的進行之前,ρΜ 可以預先得知磨損情況,並據此先行更換機件。ρΜ的頻 率及特殊的ΡΜ經常視製程需求以及當時正在執行的製程 1287244 條件的變化而定。例如,發生變化後,可能立即會有製程 條件改變與製程效能之間的互動。半導體設備供應商不易 預期及測試此等類型的功效。不過,半導體設備製造商可 讓半導體元件製造商能夠成功地運用製程機台。
此外,由於吾人已知造成晶圓廠内變化性有許多種因 素,而且此類因素會隨著時間改變,因此吾人應特別注意 此種變化性在製程進行過程中所造成的持續性變化。有鑑 於此,僅針對單一超出範圍的事件進行修正,勢必無法為 整個生產線提供長期的最佳化解決方案。換言之,製程屬 於動態性質,且需要持續性的監控及錯誤修正行動。再者, 隨著新式元件引進製程生產線,整體生產線必須使其良率 在生產引進與快速運作方面達到最佳化。運用本發明之一 個或數個實施例時,不僅能偵測製程漂移現象,而且能順 著處理流程之反向來提供此等漂移的製程修正。因此,本 發明之一個或數個實施例能在安裝過程中提高製程機台的 生產率,並能在製程機台設置完成後,改善製程機台的效 能。 雖然第1圖所示實施例當中的SMARTSys工具120與 220係分別將資訊直接傳送到製程機台資料採擷引擎 1 3 0,但仍有別種實施例,其中存在如伺服器(不以此為限) 等其它系統,當作SMARTSys工具與其它系統及/或應用程 式之間互動的統籌管理者及/或中央點。在此種實施例中, 資訊可透過此類伺服器轉送到製程機台資料採擷引擎 130 ° 16 1287244 同樣地’雖然第1圖所示實施例當中的量測/偵測系統 1 1 〇與2 1 〇係分別將資訊直接傳送到製程機台資料採擷引 0 ’但仍有別種實施例,其中存在如伺服器(不以此為 ,、匕糸統’當作量測/偵測系統與其它系統及/或應用 矛壬式之間互動的統籌管理者及/或中央點。在此種實施例 ^ 胃訊可透過此類伺服器轉送到製程機台資料採擷引擎 1 3 0。此外,在笛 乐1圖所示實施例中,雖然晶圓係從蝕刻製 程機台1 0 0傳读Φ/ k到量測/偵測糸統1 1 0,並從c V D製程機台 2 0 0傳送到量測/ 、J債測系統21 〇,但仍有別種實施例,其中 從各種不同製藉她v n ^ ^ 機台送出的曰曰圓係被傳送到相同的量測/ 偵測系統。再者,Λ Θ , 如上所述,篁測/偵測系統可由多種不同 的系統組成。絲 ,上迷情況而言,雖然第i圖在量測/偵測系 統與製程機台資料採掏引擎130之間僅緣示單一個聯絡通 ::二仍有別種實施例,其中構成量測/偵測系統與製程機 CI負料採擷引擎i 3 糸 _ , ^ ^ 3〇的各種糸統之間存在多條聯絡通道 (或者’其匕如飼服 ,^ 聯絡通道,而此^ 限)的系統之間可存在多條 或應用程式,並:=:::測系統及其它系統及/ 或中央點)。 ’、4互動的統籌管理者及/ 雖然第^圖緣示-條聯絡通道,生 料採掏引擎15〇可透過此通 “良率… 採擷引擎13〇,伸仍右幻接訾奸、讯傳送到製程機台資料 1一仍有別種實施例,甘a〜 ^ 路上的節點r你丨^ '、中 > 訊係存放在網 路上的即點(例如生產線端良率 考,4曰不以士炎 处昇資料庫140或伺服 m以此為限),且製程機 貝枓採擷引擎13〇可依照 17 1287244 熟習相關技術者所知曉的其中一種方法來存取存放在節點 的資料。同樣地,雖然第1圖在系統與工具之間繪示出不 同的聯絡通道,但仍有別種實施例,其中依照熟習相關技 術者所習知的任何一種方法,某些或所有聯絡通道可配置 於網路節點及/或伺服器之間。 在第1圖所示實施例中,雖然製程機台資料採擷引擎 130與生產線端良率提昇資料採擷引擎150係為在不同硬 體上執行的個別應用程式,但仍有其它實施例;在其中一 種實施例中,此兩種應用程式係在相同的硬體上執行;在 另一種實施例中,上述兩應用程式係為同一種應用程式(例 如資料採擷引擎應用程式,但不此為限),並執行具不同演 算法的處理程序(就此而言,.其可在不同時間處理不同的資 料群組)。 熟習相關技術者當能暸解,以上内容僅為舉例說明。 因此,上述說明内容並非試圖涵蓋所有可能的實施方式, 且並非意謂本發明僅限定為如揭露的具體形式。舉例而 言,當描述資訊在系統及/或應用程式及/或機台之間進行 傳遞時,其係意指涵蓋直接或間接傳送的實施方式,其中 間接傳送係運用如網路節點、伺服器或類似配置的甲間媒 介來進行。 【圖式簡單說明】 第1圖為根據本發明之實施例所製造的製程機台最佳 化系統的方塊圖。 18 1287244 【元件代表符號簡單說明】 100蝕刻製程機台 110 量測/偵測系統 120 SMARTSys 工具 130製程機台資料採擷引擎 1 40生產線端良率提昇資料庫
150生產線良率提昇資料採擷引擎 160 良率影響訊號 170製程最佳化引擎 180機台資料採擷引擎 2 00化學氣相沉積製程機台 2 10量測/偵測系統 220 SMARTSys 工具 1000製程機台最佳化系統
19
Claims (1)
1287244 拾、申請專利範圍: 1. 一種針對一製造系統且在該製造系統上可經由一或多 個製程機台處理各基材的製程機台最佳化系統,該系統 包含: 一製程機台資料採擷引擎,其係連接以接收來自至少一 該製程機台之製程資訊,其中該製程機台資料採擷引擎輸 出與低良率相關的製程機台故障之前導的良率影響訊號; 以及 一製程最佳化引擎,其係連接以接收來自該製程機台資 料採擷引擎之該良率影響訊號; 其中,為了回應接收該製程機台故障之前導的良率影響 訊號,該製程最佳化引擎識別出在故障前應被取代的各部 分。 2. 如申請專利範圍第1項所述之系統,其更包含: 一生產線端資料採擷引擎,其係連接以提供該製程機台 資料採擷引擎一識別與低良率相關聯之一製程機台的輸出 資料; 其中該製程機台資料採擷引擎輸出該良率影響訊號以 回應以由該生產線端資料採擷引擎所提供的該輸出資料。 3 .如申請專利範圍第2項所述之系統,其中該生產線端資 料採擷引擎與該製程機台資料採擷引擎係運作於獨立 硬體之獨立應用程式。 20 1287244 4.如申請專利範圍第2項所述之系統,其中生產線端資料 採擷引擎與該製程機台資料採擷引擎係運作於相同硬 體之個別應用程式。 5 .如申請專利範圍第2項所述之系統,其中生產線端資料 採擷引擎與該製程機台資料採擷引擎係相同資料採擷 引擎。
6. —種用於最佳化一晶圓廠處理流程且在其上可經由一 或多個製程機台處理各基材的製程機台最佳化系統,該 系統包含: 一製程機台資料採擷引擎,其係連接以接收來自至少一 該製程機台之製程資訊,其中該製程機台資料採擷引擎輸 出識別與低良率相關的製程機台參數的良率影響訊號;以 及
一製程最佳化引擎,其係連接以接收來自該製程機台資 料採擷引擎之該良率影響訊號,並且其係連接以輸出反饋 資訊至該等製程機台之至少一者; 其中,在該等製程機台所執行的之各製程步驟期間,該 製程機台資料採擷引擎以及該製程最佳化引擎順著處理流 程之反向來提供製程修正以執行持續性的監控及錯誤修正 行動。 21 1287244 7.如申請專利範圍第6項所述之系統,其更包含: 一生產線端資料採擷引擎,其係連接以提供該製程機台 資料採擷引擎一識別與低良率相關聯之一製程機台的輸出 資料; 其中該製程機台資料採擷引擎輸出該良率影響訊號以回 應以由該生產線端資料採擷引擎所提供的該輸出資料。
8. —種針對一製造系統且在該製造系統上可經由一或多 個製程機台處理各基材的製程機台最佳化系統,該系統 包含: 一製程機台資料採擷引擎,其係連接以接收來自該等 製程機台之製程資訊,其中該製程機台資料採擷引擎輸 出識別與低良率相關的製程機台參數的良率影響訊號;以 及
一製程最佳化引擎,其係連接以接收來自該製程機台資 料採擷引擎之該良率影響訊號,並且其係連接以輸出反饋 資訊至該等製程機台; 其中,為了回應接收識別該等與低良率相關的製程機台 之一者之一參數的良率影響訊號,該製程最佳化引擎輸出 至該製程機台的反饋,其中該反饋指示一製程機台來監控 該參數。 9.如申請專利範圍第8項所述之系統,其更包含: 一生產線端資料採擷引擎,其係連接以提供該製程機台 22 1287244 資料採擷引擎一識別與低良率相關聯之一製程機台的輸出 資料; 其中該製程機台資料採擷引擎輸出該良率影響訊號以 回應以由該生產線端資料採擷引擎所提供的該輸出資料。 1 0. —種針對一製造系統且在該製造系統上可經由一或多 個製程機台處理各基材的製.程機台最佳化系統,該系統 包含:
一或多個製程機台,其中各製程機台包含一資料收集工 具,及係用於當該製程機台處理各基材時而即時收集以及 儲存資料;以及 一製程機台資料採擷引擎,其係連接以存取來自該資料 收集工具的該處理資料, 其中,為了回應該製造系統之一故障,該製程機台資料 採擷引擎存取關於來自儲存在該等資料收集工具之一者之 該處理資料之該故障的處理資料。 1 1 ·如申請專利範圍第1 0項所述之系統,其中該一或多個 製程機台包含個別包括明確之第一及第二資料收集工 具之明確的第一及第二製程機台。 1 2.如申請專利範圍第1 0項所述之系統,其更包含: 一生產線端資料採擷引擎,其係連接以提供該製程機台 資料採擷引擎一識別與低良率相關聯之一製程機台的輸出 23 1287244 資料; 其中該製程機台資料採擷引擎決定存取自該資料收集 工具的處理資料以回應來自該生產線端資料採擷引擎之該 輸出資料。 1 3 .如申請專利範圍第1 0項所述之系統,其更包含:
一生產線端資料採擷引擎,其係連接以提供該製程機台 資料採擷引擎一識別與低良率相關聯之一製程機台及一特 定時間; 其中該製程機台資料採擷引擎存取來自該資料收集工 具之該所識別製程機台以及該特定時間的處理資料,以回 應來自該生產線端資料採擷引擎之該輸出資料。 1 4 · 一種針對一製造系統且在該製造系統上可經由一或多 個製程機台處理各基材的製程機台最佳化系統,該系統 包含_·
第一及第二明確製程機台; 第一或第二量測/偵測系統,其係不同於該第一及第二製 程機台;以及 一資料採擷引擎,其係連接以接收來自該第一或第二量 測/偵測系統的量測資料; 其中該第一量測/偵測系統係耦合至該第一製程機台,以 便於在一基材在該第一製程機台内接受處理之後而傳送來 自該該第一製程機台之該基材至該第一量測/偵測系統; 24 1287244 其中該第二量測/偵測系統係耦合至該第二製程機台,以 便於在一基材在該第二製程機台内接受處理之後而傳送來 自該該第二製程機台之該基材至該第二量測/偵測系統。 1 5 .如申請專利範圍第1 4項所述之系統,其中該第一或第 二量測/偵測系統係相同的量測/偵測系統。
1 6.如申請專利範圍第1 4項所述之系統,其中該資料採擷 引擎係更連接以接收來自該等製程工具之一者的量測 資料。 1 7. —種處理基材之製程機台的製程機台最佳化系統,該系 統包含: 一生產線端資料採擷引擎,其係用於分析生產線端良率 資料以識別與良率相關之一或多個製程機台;以及
一製程機台資料採擷引擎,其係連接以接收來自一或多 個製程機台之製程機台資料,並且其持續地在處理該等基 材期間,然為了回應來自該生產線端資料採擷引擎的輸 出,分析來自一或多個製程機台之製程機台資料以識別一 或多個與良率相關之製程機台參數。 1 8.如申請專利範圍第1 7項所述之系統,其中該生產線端 資料採擷引擎更進一步分析生產線端良率資料以識別 與良率相關之一或多個製程機台以及時間。 25 1287244 1 9.如申請專利範圍第1 7項所述之系統,其更包含一資料 收集工具,其係監控一或多個製程機台之各製程控制參 數,並且傳送該製程機台資料之一或多者以及該製程機 台資料之一分析至該製程機台資料採擷引擎。
2 0.如申請專利範圍第1 9項所述之系統,其中該資料收集 工具包含一或多個明確的資料收集工具,各者係關聯於 一明確的製程機台。 2 1.如申請專利範圍第20項所述之系統,其中該一或多個 資料收集工具包含一或多個應用程式以偵測預設的製 程條件是否偏離預設的範圍。
2 2.如申請專利範圍第20項所述之系統,其中該一或多個 資料收集工具包含一或多個應用程式以判斷預設製程 機台效能指標。 23 ·如申請專利範圍第1 7項所述之系統,其更包含量測/ 偵測系統,能將一個或數個量測資料、缺陷量測資料、 缺陷查驗資料及缺陷來源資料傳送到該製程機台資料 採擷引擎。 24.如申請專利範圍第23項所述之系統,其中該一個或多 26 1287244 個量測/偵測系統包含一或數個參數度量工具、檢查工 具、缺陷查驗系統、缺陷來源識別器及製程知識庫。 2 5 .如申請專利範圍第1 7項所述之系統,其中該製程機台 資料採擷引擎係將與一個或數個低良率相關製程機台 參數有關的資料傳送到一製程最佳化引擎。
2 6.如申請專利範圍第25項所述之系統,其中該製程最佳 化引擎係一知識式系統,其係為了回應與一或多個製程 機台參數有關的資訊而建立一階層式知識系統。 2 7.如申請專利範圍第1 7項所述之系統,其中該製程機台 資料採擷引擎係將與一或多個低良率相關製程機台參 數有關的資料傳送到一或多個缺陷來源識別器,以及關 聯於一或多個低良率相關製程機台的製程知識庫。
2 8 .如申請專利範圍第1 7項所述之系統,其中該製程機台 資料採擷引擎回應於該生產線端資料採擷引擎之輸 出,分析一或多個來自於一或多個低良率相關製程機台 的資料、來自於一或多個其它製程機台的製程機台資料 及歷程性製程機台資料。 2 9.如申請專利範圍第2 8項所述之系統,其更包含一資料 收集工具,其係用於監控一或多個製程機台之製程控制 27 V 1287244 * 參數,並將一或多個製程機台資料及該製程機台資料之 一分析傳送到該資料採擷引擎;且其中該製程最佳化引 擎將一或數個製程機台之製程控制資訊傳送到該資料 收集工具。 3 0.如申請專利範圍第2 9項所述之系統,其中該資料收集 工具係利用一或多個製程機台的製程控制資訊來監控 一或多個製程機台。 28
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/105,607 US7401066B2 (en) | 2002-03-21 | 2002-03-21 | Correlation of end-of-line data mining with process tool data mining |
Publications (2)
Publication Number | Publication Date |
---|---|
TW200307972A TW200307972A (en) | 2003-12-16 |
TWI287244B true TWI287244B (en) | 2007-09-21 |
Family
ID=28040832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW092106391A TWI287244B (en) | 2002-03-21 | 2003-03-21 | Correlation of end-of-line data mining with process tool data mining |
Country Status (7)
Country | Link |
---|---|
US (1) | US7401066B2 (zh) |
EP (1) | EP1485950A2 (zh) |
JP (1) | JP4615222B2 (zh) |
KR (1) | KR100956959B1 (zh) |
CN (1) | CN1324515C (zh) |
TW (1) | TWI287244B (zh) |
WO (1) | WO2003081663A2 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10929472B2 (en) | 2017-12-01 | 2021-02-23 | Industrial Technology Research Institute | Methods, devices and non-transitory computer-readable medium for parameter optimization |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7603430B1 (en) | 2002-07-09 | 2009-10-13 | Vignette Corporation | System and method of associating events with requests |
US7461120B1 (en) | 2002-07-09 | 2008-12-02 | Vignette Corporation | Method and system for identifying a visitor at a website server by requesting additional characteristic of a visitor computer from a visitor server |
US7627688B1 (en) * | 2002-07-09 | 2009-12-01 | Vignette Corporation | Method and system for detecting gaps in a data stream |
US6947803B1 (en) * | 2002-09-27 | 2005-09-20 | Advanced Micro Devices, Inc. | Dispatch and/or disposition of material based upon an expected parameter result |
US7251540B2 (en) * | 2003-08-20 | 2007-07-31 | Caterpillar Inc | Method of analyzing a product |
JP4399400B2 (ja) * | 2005-07-11 | 2010-01-13 | 株式会社日立ハイテクノロジーズ | 検査データ解析システムと検査データ解析プログラム |
US7315765B1 (en) * | 2005-07-29 | 2008-01-01 | Advanced Micro Devices, Inc. | Automated control thread determination based upon post-process consideration |
US7650199B1 (en) * | 2005-08-03 | 2010-01-19 | Daniel Kadosh | End of line performance prediction |
US7657339B1 (en) | 2005-10-14 | 2010-02-02 | GlobalFoundries, Inc. | Product-related feedback for process control |
US7337033B1 (en) * | 2006-07-28 | 2008-02-26 | International Business Machines Corporation | Data mining to detect performance quality of tools used repetitively in manufacturing |
US7751920B2 (en) * | 2006-12-08 | 2010-07-06 | International Business Machines Corporation | Method and system of data weighted object orientation for data mining |
US7974723B2 (en) * | 2008-03-06 | 2011-07-05 | Applied Materials, Inc. | Yield prediction feedback for controlling an equipment engineering system |
US8112170B2 (en) * | 2008-05-02 | 2012-02-07 | General Electric Company | Method and system for machining process control |
TW200951752A (en) * | 2008-06-06 | 2009-12-16 | Inotera Memories Inc | A method for prognostic maintenance in semiconductor manufacturing |
TWI389050B (zh) * | 2009-03-11 | 2013-03-11 | Inotera Memories Inc | 尋找產品良率與預防維護兩者間之關聯性的方法 |
US8234001B2 (en) * | 2009-09-28 | 2012-07-31 | International Business Machines Corporation | Tool commonality and stratification analysis to enhance a production process |
US8594821B2 (en) * | 2011-02-18 | 2013-11-26 | International Business Machines Corporation | Detecting combined tool incompatibilities and defects in semiconductor manufacturing |
US9746849B2 (en) | 2012-11-09 | 2017-08-29 | Tokyo Electron Limited | Method and apparatus for autonomous tool parameter impact identification system for semiconductor manufacturing |
CN104808597B (zh) * | 2014-01-24 | 2018-07-03 | 中芯国际集成电路制造(上海)有限公司 | 生产派工的方法和装置 |
US10712289B2 (en) * | 2014-07-29 | 2020-07-14 | Kla-Tencor Corp. | Inspection for multiple process steps in a single inspection process |
CN104765691B (zh) * | 2015-04-23 | 2017-05-24 | 武汉精测电子技术股份有限公司 | 液晶模组的修正代码判断方法 |
EP3288752A4 (en) * | 2015-04-29 | 2018-10-24 | Packsize LLC | Profiling of packaging systems |
US10935962B2 (en) * | 2015-11-30 | 2021-03-02 | National Cheng Kung University | System and method for identifying root causes of yield loss |
CN108074836B (zh) * | 2016-11-16 | 2020-06-09 | 中芯国际集成电路制造(上海)有限公司 | 用于解决浅沟槽隔离刻蚀中的球型缺陷的方法和系统 |
US11592812B2 (en) | 2019-02-19 | 2023-02-28 | Applied Materials, Inc. | Sensor metrology data integration |
US10924334B1 (en) * | 2019-09-12 | 2021-02-16 | Salesforce.Com, Inc. | Monitoring distributed systems with auto-remediation |
US20210103221A1 (en) | 2019-10-08 | 2021-04-08 | International Business Machines Corporation | Tool control using multistage lstm for predicting on-wafer measurements |
US11853042B2 (en) * | 2021-02-17 | 2023-12-26 | Applied Materials, Inc. | Part, sensor, and metrology data integration |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US51836A (en) * | 1866-01-02 | Improvement in revolving fire-arms | ||
US32888A (en) * | 1861-07-23 | Faucet | ||
US22937A (en) * | 1859-02-15 | Henry cogswell | ||
US5222210A (en) * | 1990-12-03 | 1993-06-22 | Motorola, Inc. | Method of displaying the state of an artificial neural network |
US5097141A (en) * | 1990-12-12 | 1992-03-17 | Motorola, Inc. | Simple distance neuron |
US5819245A (en) * | 1995-09-05 | 1998-10-06 | Motorola, Inc. | Method of organizing data into a graphically oriented format |
US5897627A (en) * | 1997-05-20 | 1999-04-27 | Motorola, Inc. | Method of determining statistically meaningful rules |
TW331650B (en) * | 1997-05-26 | 1998-05-11 | Taiwan Semiconductor Mfg Co Ltd | Integrated defect yield management system for semiconductor manufacturing |
US6408219B2 (en) * | 1998-05-11 | 2002-06-18 | Applied Materials, Inc. | FAB yield enhancement system |
US6367040B1 (en) * | 1999-01-11 | 2002-04-02 | Siemens Aktiengesellschaft | System and method for determining yield impact for semiconductor devices |
JP2000259222A (ja) * | 1999-03-04 | 2000-09-22 | Hitachi Ltd | 機器監視・予防保全システム |
JP3556509B2 (ja) * | 1999-03-16 | 2004-08-18 | 株式会社東芝 | 欠陥解析システムおよびその方法 |
US6298470B1 (en) * | 1999-04-15 | 2001-10-02 | Micron Technology, Inc. | Method for efficient manufacturing of integrated circuits |
US6580960B1 (en) * | 2000-06-22 | 2003-06-17 | Promos Technologies, Inc. | System and method for finding an operation/tool combination that causes integrated failure in a semiconductor fabrication facility |
JP2002043200A (ja) * | 2000-07-24 | 2002-02-08 | Mitsubishi Electric Corp | 異常原因検出装置及び異常原因検出方法 |
US20020046001A1 (en) | 2000-10-16 | 2002-04-18 | Applied Materials, Inc. | Method, computer readable medium and apparatus for accessing a defect knowledge library of a defect source identification system |
-
2002
- 2002-03-21 US US10/105,607 patent/US7401066B2/en not_active Expired - Lifetime
-
2003
- 2003-03-20 JP JP2003579274A patent/JP4615222B2/ja not_active Expired - Fee Related
- 2003-03-20 CN CNB03804918XA patent/CN1324515C/zh not_active Expired - Fee Related
- 2003-03-20 WO PCT/US2003/008797 patent/WO2003081663A2/en active Application Filing
- 2003-03-20 EP EP03719444A patent/EP1485950A2/en not_active Withdrawn
- 2003-03-20 KR KR1020047014871A patent/KR100956959B1/ko not_active IP Right Cessation
- 2003-03-21 TW TW092106391A patent/TWI287244B/zh not_active IP Right Cessation
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10929472B2 (en) | 2017-12-01 | 2021-02-23 | Industrial Technology Research Institute | Methods, devices and non-transitory computer-readable medium for parameter optimization |
Also Published As
Publication number | Publication date |
---|---|
TW200307972A (en) | 2003-12-16 |
WO2003081663A2 (en) | 2003-10-02 |
CN1639854A (zh) | 2005-07-13 |
US7401066B2 (en) | 2008-07-15 |
US20030182252A1 (en) | 2003-09-25 |
CN1324515C (zh) | 2007-07-04 |
WO2003081663A3 (en) | 2004-01-22 |
JP4615222B2 (ja) | 2011-01-19 |
JP2006506800A (ja) | 2006-02-23 |
EP1485950A2 (en) | 2004-12-15 |
KR20040094831A (ko) | 2004-11-10 |
KR100956959B1 (ko) | 2010-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI287244B (en) | Correlation of end-of-line data mining with process tool data mining | |
JP6360845B2 (ja) | 検査データと組み合わせて設計データを使用するための方法 | |
US11133204B2 (en) | Chamber matching with neural networks in semiconductor equipment tools | |
US7835814B2 (en) | Tool for reporting the status and drill-down of a control application in an automated manufacturing environment | |
US20090048700A1 (en) | Method for reporting the status of a control application in an automated manufacturing environment | |
TWI420567B (zh) | 用於製造資料索引之方法及裝置 | |
JP2008072047A (ja) | モデル作成装置並びにプロセス異常分析装置およびそれらの方法並びにプログラム | |
US11853042B2 (en) | Part, sensor, and metrology data integration | |
US6714884B2 (en) | Method and apparatus for providing communication between a defect source identifier and a tool data collection and control system | |
US20230052392A1 (en) | Process abnormality identification using measurement violation analysis | |
JP2004356510A (ja) | 信号処理装置及び信号処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |