TWI641934B - 虛擬量測系統與方法 - Google Patents

虛擬量測系統與方法 Download PDF

Info

Publication number
TWI641934B
TWI641934B TW103126779A TW103126779A TWI641934B TW I641934 B TWI641934 B TW I641934B TW 103126779 A TW103126779 A TW 103126779A TW 103126779 A TW103126779 A TW 103126779A TW I641934 B TWI641934 B TW I641934B
Authority
TW
Taiwan
Prior art keywords
data
process data
virtual measurement
machine
virtual
Prior art date
Application number
TW103126779A
Other languages
English (en)
Other versions
TW201606469A (zh
Inventor
鍾豐企
謝慶興
林義竣
余建銓
Original Assignee
聯華電子股份有限公司
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 聯華電子股份有限公司 filed Critical 聯華電子股份有限公司
Priority to TW103126779A priority Critical patent/TWI641934B/zh
Priority to US14/485,280 priority patent/US10261504B2/en
Publication of TW201606469A publication Critical patent/TW201606469A/zh
Application granted granted Critical
Publication of TWI641934B publication Critical patent/TWI641934B/zh
Priority to US16/285,067 priority patent/US10935969B2/en

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/70608—Monitoring the unpatterned workpiece, e.g. measuring thickness, reflectivity or effects of immersion liquid on resist
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70605—Workpiece metrology
    • G03F7/70616—Monitoring the printed patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Factory Administration (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)

Abstract

一種虛擬量測(Virtual Metrology，VM)系統與方法。在此系統中，根據取得的設備條件資料依據預先設定的多個態樣進行分類(Clustering)。並且根據取得的資料根據這些態樣經過計算得到判斷結果，若此判斷結果符合預期即進行一對應的流程。所述對應的流程為若是判斷結果認定為屬於這幾個預先設定的態樣之一，則再經由一般正常的採樣方式(Normal Sampling)進行量測。若是不屬於這幾個預先設定的態樣，則發出警告(Alarm)而使設備暫停或是採用其他的措施。在另一實施範例中，所述對應的流程為若是判斷結果為屬於這幾個預先設定的態樣之一，則進行一維修流程。

Description

虛擬量測系統與方法
本發明是有關於一種虛擬量測(Virtual Metrology，VM)系統與方法。特別是有關於一種依據預先設定的多個態樣進行分類(Clustering)。並且根據取得的資料判斷結果符合預期即進行一對應流程的虛擬量測系統與方法。
在製造相關的產業中，例如半導體及顯示面板製造業器，為了確保製造機台之製程穩定及提高產能與良率，必須對製造機台之所產出的工件進行品質監控。虛擬量測(Virtual Metrology，VM)係在工件產品尚未或無法進行實際量測之情況下，利用製造機台的製程資料，推估其所生產之產品品質。應用虛擬量測時，由於同一類型或同一之機台內各個反應室的物理特性不盡相同，為維持虛擬量測之估測精度，就必須根據機台內各個不同反應室之特性資料來建構其預測模型。為避免耗費極龐大的人力資源與成本對每一個機台內各個反應室一一建模，因此發展出一種全自動化型虛擬量測(Automatic Virtual Metrology，AVM)的伺服器與方法。
全自動虛擬量測(AVM)技術是藉由虛擬量測值以及回饋修正值來兼顧立即性與準確性，例如可以採用兩階段的方式運作。第一階段推估 步驟係在某一工件之製程參數資料一收集完成便立即計算此工件之第一階段虛擬量測值，以滿足立即性之需求。第二階段推估步驟是在取得被抽測之工件的實際量測值後(用以重新訓練或調校)，才重新計算此被抽測之工件所屬卡匣內之所有工件的第二階段虛擬量測值，以滿足準確性之需求。此技術亦產生第一階段虛擬量測值和第二階段虛擬量測值之信心指標(Reliance Index；RI)和整體相似度指標(Global Similarity Index；GSI)來量化預測之虛擬量測值的可靠度。全自動虛擬量測(AVM)提供一種全自動化型虛擬量測的方法，來大量節省導入虛擬量測至其他同型機台或同一機台之各反應室的時間，並維持虛擬量測即時的精確度。
請參照圖1，為說明傳統的全自動虛擬量測(AVM)技術架構示意圖。每個全自動虛擬量測(AVM)連結到對應的製造機台以及量測機台，例如圖示所顯示的全自動虛擬量測(AVM)伺服器116連接到對應的製造機台112以及量測機台114。另一個全自動虛擬量測(AVM)伺服器126則是連接到對應的製造機台122以及量測機台124。取得的資料利用簡單物件存取協議(Simple Object Access Protocol，SOAP)之傳輸界面傳送到建模伺服器130、VM管理伺服器140、以及資料庫150，並且經由SOAP傳輸界面與遠端監控系統160與162互相交互傳輸與分享資訊。
但綜觀目前採用的虛擬量測(VM)架構都是採用資料驅動的量測方法(Data Driven Methodology)，並且採用不同的方法讓預測值保持其正確性。這樣的架構都會面臨相同的問題，也就是只能辨識出從真實的量測可以確認的問題，而且須利用回授的路徑來修正以保持其正確性。但是若是出現無法辨識出的問題，這些回授的路徑將使問題更加嚴重，而無法即時 修正。另外，大量蒐集的製造機台的製程資料，也只是用來監控產出工件的品質。
本發明提供一種虛擬量測(Virtual Metrology，VM)系統與方法。在此系統中，根據取得的設備條件資料依據預先設定的多個態樣進行分類(Clustering)。並且根據取得的資料根據這些態樣經過計算得到判斷結果，若此判斷結果符合預期即進行一對應的流程。
在一實施範例中，所述對應的流程為若是判斷結果認定為屬於這幾個預先設定的態樣之一，則再經由一般正常的採樣方式(Normal Sampling)進行量測。若是不屬於這幾個預先設定的態樣，則發出警告(Alarm)而使設備暫停或是採用其他的措施。
在另一實施範例中，所述對應的流程為若是判斷結果為屬於這幾個預先設定的態樣之一，則進行一維修流程。
在一個實施範例中，若是取得的設備條件資料不屬於這幾個預先設定的態樣時，將這些資料進行儲存，並在累積一定數量之後，建立一個新的態樣，並且動態地將此新的態樣作為分類(Clustering)的依據。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
116、126‧‧‧全自動虛擬量測(AVM)伺服器
112、122‧‧‧製造機台
114、124‧‧‧量測機台
SOAP‧‧‧簡單物件存取協議
130‧‧‧建模伺服器
140‧‧‧VM管理伺服器
150‧‧‧資料庫
160、162‧‧‧遠端監控系統
210‧‧‧現場製造系統
212‧‧‧製造機台
214‧‧‧量測機台
216‧‧‧機台自動化界面216
220‧‧‧資料儲存系統
230‧‧‧錯誤偵測與分類元件
240‧‧‧虛擬量測元件
250‧‧‧機台控制系統
310‧‧‧量測機台
320‧‧‧製程裝置
330、340‧‧‧資料處理單元
350‧‧‧虛擬量測(VM)的預測模組
351、353‧‧‧輸出模型
352‧‧‧實體模組
354‧‧‧自動分類模組(Auto Cluster Module)
356a、356b以及356c‧‧‧虛擬量測處理器
358a、358b、358c‧‧‧虛擬量測輸出
360‧‧‧下一階設備
圖1為說明傳統的全自動虛擬量測(AVM)技術架構示意圖。
圖2為說明可以運用本發明實施例的虛擬量測(VM)系統的製造環境示意圖。
圖3說明本發明一個實施範例中所提出的虛擬量測(VM)系統與方法架構示意圖。
圖4A用以說明本發明另一個實施範例中所提出的虛擬量測(VM)系統架構示意圖；圖4B說明相關的處理流程示意圖。
圖5用以說明本發明實施範例中所提出虛擬量測(VM)方法流程示意圖。
本發明提供一種虛擬量測(Virtual Metrology，VM)系統與方法。在此系統中，根據取得的設備條件(TOOL CONDITIONS)資料依據預先設定的多個態樣進行分類(Clustering)。並且根據取得的資料根據這些態樣經過計算得到判斷結果，若此判斷結果符合預期即進行一個對應的流程。
在一實施範例中，所述對應的流程為一般正常的採樣方式(Normal Sampling)，也就是，若是判斷結果認定為屬於這幾個預先設定的態樣之一，則接著經由一般正常的採樣方式進行量測。例如進一步取得被抽測之工件的實際量測值用以重新訓練或調校之依據，以滿足準確性之需求。若是不屬於這幾個預先設定的態樣，則發出警告(Alarm)而使設備暫停 或是採用其他的措施。若是不屬於這幾個預先設定的態樣，則將蒐集到的設備條件資料在累積一定量之後，動態增加新的比對態樣。
在另一實施範例中，所述對應的流程為一維修流程或是更換特定消耗零件或設備的流程。例如，若判斷結果為屬於這幾個預先設定的態樣之一，則進行維修流程或是更換特定零件或設備的流程。若是不屬於這幾個預先設定的態樣，則忽略不考慮。但若是因為不進行維修流程而導致製程設備發生當機等錯誤時，則將此情況產生的對應設備參數或是資訊儲存，並在累積一定量之後，動態增加新的比對態樣。製程裝置是一種生產設備內有機械結構及各種零件。此機械結構由於生產時副產物的累積而須要保養。消耗型零件由於生產時發生老化而須要定期更換。多個態樣可以關聯到製程裝置生產時副產物的累積或消耗型零件老化的狀態。
底下將根據圖示說明本發明多個實施範例其中之一的虛擬量測(VM)系統與方法，但並非以此為限制。
請參照圖2，為說明可以運用本發明實施例的虛擬量測(VM)系統的製造環境示意圖。此製造環境可以是半導體製造環境、汽車製造環境、液晶顯示面板(LCD)製造環境等等。在此實施例中，此製造環境包括現場製造系統210、機台控制系統250以及資料儲存系統220。而這些現場製造系統210、機台控制系統250以及資料儲存系統220可以利用各種通聯網絡加以連接以及互相交換資訊，例如可以透過公眾的網際網路(Internet)存取，或是經由內部的私人網路，例如乙太網路(Ethernet)或是區域網路(Local Area Network)，或是前述不同方式的組合。
現場製造系統210可進行許多生產工件的製造流程，可包括許多 手動或是電腦化控制的線上或是離線的製造流程。現場製造系統210可以例如包括一或多台製造機台212、量測機台214以及其他電腦主機等等可以搭配完成製造的設備，並且透過機台自動化界面216與機台控制系統250以及資料儲存系統220構成通聯與交換資訊。
製造機台212例如是半導體製程中所使用的離子植入器(Ion Implanter)、熱反應器(Thermal Reactor)、蝕刻機(Etcher)、顯影機(Lithography machine)等等。量測機台214可以包括例如橢圓偏光儀(Ellipsometer)、干涉儀(Interferometer)、掃瞄式電子顯微鏡(Scanning Electron Microscopy；SEM)等等量測的設備。
機台自動化界面216則是與製造機台212、量測機台214以及其他電腦主機等等連接以便取得製造的資訊。在一個實施範例中，機台自動化界面216、製造機台212、量測機台214可以連接界面相連接以及交換資訊，例如經由半導體設備通訊標準(Semiconductor Equipment Communication Standards，SECS)界面、製造設備通訊與控制通用模組(Generic Model for Communication and Control of Manufacturing Equipment，GEM)界面、SECS/GEM界面、設備資料擷取(Equipment Data Acquisition，EDA)界面(也就是Interface A)等等界面相連接以及擷取交換資訊。
現場製造系統210與機台控制系統250以及資料儲存系統220構成通聯與交換資訊。此資料儲存系統220可以包括資料庫、檔案系統、或其他使用儲存於非揮發性記憶體(nonvolatile memory)或是揮發性記憶體(volatile memory)的資料，此非揮發性記憶體例如是硬碟、磁帶機、或是光學儲存媒體等等，而揮發性記憶體例如是隨機存取記憶體等等。在一個實 施範例中，資料儲存系統220可以從多個資料儲存來源取得資料，例如從設備維護資料來源(Equipment Maintain Data Source)、量測資料來源(Metrology Data Source)、製程資料來源(Process Data Source)等等取得所需要的資料。
資料儲存系統220可以儲存例如歷史製造參數(manufacturing recipes)得製程資料，如溫度、壓力、使用的化學材料、製造時間等等，也儲存製造設備維護的歷史資料以及庫存品的資料等等。資料儲存系統220也儲存由現場製造系統210的製造機台212或是量測機台214取得的製程資料(Process Data)或是量測資料(Metrology Data)。
製程資料例如可以是由製造機台所執行的製程特徵化參數，例如是不同的物理條件或是特性(Physical Conditions or Properties)，而這些參數可以是例如透過機台的感測器(Sensors)所感測取得，以及/或是機台的操作參數(Operation Parameters)，而根據這些資料整體而言稱為製程資料。製程資料代表感測器所得到資料的範例例如是Chamber的壓力、溫度、RF功率或是RF反射功率等等條件。製程資料中代表操作參數的資料範例例如是流速設定值(Flow rate settings)(例如化學反應溶劑的流速)、節流閥設定值(throttle valve settings)(例如化學室的抽真空幫浦Chamber Exhaust Vacuum Pump的設定值)等等。
量測資料(Metrology Data)例如可以是晶圓厚度量測值(例如透過橢圓偏光儀Ellipsometer量測)、粒子數量測值(例如透過掃瞄式電子顯微鏡(Scanning Electron Microscopy；SEM)量測)、晶圓曲率量測(例如透過干涉儀Interferometer量測)等等。
機台控制系統250可以是管理製造廠房內的全部或是部分的運作，而機台控制系統250可以包括手動或是電腦化線上或是離線的處理流程，而由多個計算機或是主機伺服器所完成控制的運算與操作。而些處理流程例如包括設備功能的追蹤監控或是製程物料的運送或是人力的排程與調整等等。而機台控制系統250可以包括錯誤偵測與分類(Fault Detection and Classification，FDC)元件230以及虛擬量測(Virtual Metrology)元件240。
FDC元件230可以從現場製造系統210的機台自動化界面216即時地取得資料以及從資料儲存系統220取得資料。虛擬量測元件(Virtual Metrology Component)240則透過機台自動化界面216即時地取得本發明實施例的虛擬量測(VM)方法所需要取得的製造設備的設備條件(TOOL CONDITIONS)資料等等，以及從資料儲存系統220取得資料。FDC元件230連接到虛擬量測元件240，可以採用虛擬量測元件240的虛擬量測模型(VM Models)基於其他量測值或是製程資料預測量測資料。
本發明所提出的虛擬量測(VM)系統與方法，根據取得的設備條件資料等等，依據預先設定的多個態樣進行分類(Clustering)。並且根據取得的資料根據態樣經過計算得到判斷結果，若此判斷結果符合預期即進行一個對應的流程。
請參照圖3，藉以說明本發明一個實施範例中所提出的虛擬量測(VM)系統與方法架構示意圖。本發明所提出的虛擬量測(VM)系統，至少包括製程裝置、量測機台以及虛擬量測伺服器。如圖3所示，本發明實施範例的虛擬量測(VM)系統包括量測機台310、製程裝置320、資料處理單元330、資料處理單元340、以及虛擬量測(VM)的預測模組350。
在一個實施例中，配合圖2所說明可運用本發明實施例的製造環境，量測機台310或是製程裝置320可以從現場製造系統的製造機台或是量測機台取得所需要的製程資料(Process Data)或是量測資料(Metrology Data)。
資料處理單元330則是連接到量測機台310以便取得量測資料，或是從圖2的資料儲存系統所儲存例如歷史製造參數(manufacturing recipes)的製程資料、製造設備維護的歷史資料或製造機台與量測機台所取得的累積歷史的製程資料或是量測資料。資料處理單元330用以提供預測模組350多個預先設定態樣所對應的計算結果值(Y值)。Y值可以是採用例如大量的歷史製造參數的製程資料而取得對應的多個平均參數(Mean Coefficients)，以便在取得對應的製程資料時，可以根據一運算式取得一個預測值(Yp)，而與此Y值進行比對以便判斷是否符合對應預先設定的態樣，底下圖示將以實際範例加以說明。資料處理單元340則是連接到製程裝置320，以便取得製程裝置320的製程資料(Process Data Xi~Xn)。
而預測模組350則是可以使用例如機台控制系統250的一部分設備所執行的軟體模組或是韌體的模組，在此不再冗述，但並非用以限制本發明之運用範疇。預測模組350用以收集製程資料，並對製程資料進行分組得到多個資料群，對這些資料群分別與多個態樣進行比對，其中若根據這些態樣經過計算得到判斷結果，若此判斷結果符合預期即進行一個對應的流程。
在本發明實施範例的虛擬量測(VM)中，預測模組350例如包括一個自動分類模組(Auto Cluster Module)354以及多個虛擬量測處理器(VM Processor)，在此實施例包括N個虛擬量測處理器，但為方便說明，僅以虛擬量測處理器356a、356b以及356c進行說明。預測模組350取得機台的製程資料(Process Data Xi~Xn)，例如由FDC元件取得的資料等等，而將這些資料經過自動分類模組354自動分類，例如選擇對應於每個態樣所需要的製程資料(Process Data)Xi~Xn的全部或是其中一部分。
自動分類模組354將對應於N個虛擬量測處理器的不同資料組合，傳送到對應的虛擬量測處理器，例如分別傳送對應虛擬量測處理器356a、356b、356c的資料Xa(例如製程資料X1、X3、X5、X7)、資料Xb(例如製程資料X2、X4、X6、X8)、資料Xc(例如製程資料X1、X5、X6、X8)，以便取得不同的虛擬量測輸出358a、虛擬量測輸出358b、虛擬量測輸出358c。這些資料將成為預測模組350所產生的輸出模型353。
預測模組350亦可選擇性地包括一個實體模型(Physical Model)352，用以根據取得的製程資料進行預測，而將得到的結果產生一輸出模型351。前述預測模組350所產生的輸出模型353及/或選擇性的輸出模型351都可作為產生虛擬量測值之信心指標(Reliance Index；RI)的依據，來量化預測之虛擬量測值的可靠度，或是傳輸到下一階設備360做為其他之用圖。
請參照圖4A，用以說明本發明另一個實施範例中所提出的虛擬量測(VM)系統架構示意圖，而圖4B則是說明相關的處理流程示意圖。如圖4A所示，在此虛擬量測(VM)系統中，包括來自多個製程裝置410~418分別將製程相關的資料(X資料)輸出到對應的虛擬量測(VM)預測模組420~428。而這些虛擬量測(VM)的預測模組420~428接收由製程裝置430 得到的相關資料(Y資料)，據以產生對應的比對結果。
請參照圖4B，用以說明圖4A的虛擬量測(VM)系統之虛擬量測(VM)方法流程示意圖。首先，步驟S402，輸入相關的Y資料。步驟S404，從得到的製程資料(X資料)中選擇與預設態樣相關的X資料。步驟S406，根據取得的Y資料與相關的X資料產生預測值Yp資料。接著進行步驟S408，對Y資料與產生的預測值Yp進行比對，若產生的結果相符時，如步驟S412，也就是符合對應的態樣時，則結束此流程。但若是產生的結果不符時，則如步驟S410，顯示錯誤的訊息。在一個實施例中，若是符合，則採用一般正常的採樣方式(Normal Sampling)進行量測。若是不屬於這幾個預先設定的態樣，則發出警告(Alarm)而使設備暫停或是採用其他的措施。
請參照圖5，用以說明本發明實施範例中所提出虛擬量測(VM)方法流程示意圖。首先，步驟S502，進行蒐集機台的製程資料，例如必須例如蒐集製程資料Xi~Xn，n為一整數。接著步驟S504，判斷是否搜集完成這些製程資料Xi~Xn，若是還沒蒐集完成，則重複步驟S502進行蒐集。若是蒐集完成，則進行步驟S506，對這些Xi~Xn的製程資料進行分類(Cluster)。製程資料Xi~Xn可以是由製造機台所執行的製程特徵化參數，例如是不同的物理條件或是特性(Physical Conditions or Properties)，而這些參數可以是例如透過機台的感測器(Sensors)所感測取得，以及/或是機台的操作參數(Operation Parameters)，而根據這些資料整體而言稱為製程資料。製程資料代表感測器所得到資料的範例例如是Chamber的壓力、溫度、RF功率或是RF反射功率等等條件。製程資料中代表操作參數的資料範例例如是流速設定值(Flow rate settings)(例如化學反應溶劑的流速)、節流閥設定值 (throttle valve settings)(例如化學室的抽真空幫浦Chamber Exhaust Vacuum Pump的設定值)等等。
完成分類後，進行步驟S508，判斷是否有已存在的模型或是態樣相符合，若有，則進行特定態樣的預測值Yp的計算。若是沒有對應的態樣，則進行步驟S512，確認沒有Y對應預測值的輸出，接著步驟S514，進行對應的流程，例如發出警示信號或是將機台暫停，並對實際製造生產的工件進行實體的量測。而將取得的這些資料以及量測的結果從入個別的資料來源，例如圖2所示的資料儲存系統所儲存的歷史製造參數(manufacturing recipes)製程資料，如溫度、壓力、使用的化學材料、製造時間等等，或是儲存製造設備維護的歷史資料，以及量測的資料。而如步驟S518，判斷這些儲存的資料組合數量是否足以形成另一個新的態樣。若還不夠，則如步驟S524，繼續蒐集相關的資料。若是資料已經足夠，如步驟S520，產生一個新的態樣。例如原來有N個，則新的態樣則可為第N+1個。而後，如步驟S522，啟動這些N+1個態樣以便進行對蒐集資料的比對。本發明所提供虛擬量測(VM)系統，利用此方式可進一步動態增加態樣。在累積一定不屬於原預定態樣的資料組合後，可動態增加新的態樣，以維持虛擬量測(VM)系統的正確性。
上述預先設定的多個態樣，例如是根據大量的歷史資料，包括過去相同或是類似的製程中取得的製程資料以及對應的量測資料(Metrology Data)進行多重歸納後找出多個模型(Models)，例如以採用多個群組(Groups A、B、C、D)為範例，每個群組針對不同的製程資料有不同的平均參數(Mean Coefficients)，例如輸入的Y是是經由底下的定義大量累積的歷史資料後 取得，Y=A1X1+A2X3+A3X5+A4X6+A5X7+A6X8+A0
則預測值Yp是可採用製程資料(X1、X3、X5、X6、X7、X8)，而其對應的平均參數(Mean Coefficients)分別為A1、A2、A3、A4、A5、A6、A0，此建構為一種態樣。
上述大量的歷史資料可以是取得的量測資料(Metrology Data)例如。例如可以是晶圓厚度量測值(例如透過橢圓偏光儀Ellipsometer量測)、粒子數量測值(例如透過掃瞄式電子顯微鏡(Scanning Electron Microscopy；SEM)量測)、晶圓曲率量測(例如透過干涉儀Interferometer量測)等等。經過大量過累積的製程資料以及對應取得的量測資料，可以建構不同的模型而得到不同的態樣。
在關於自動分類(Auto Classify)技術，在一個範例中，例如以化學氣相沉澱(CVD)製程取得氧化層厚度預測(Oxide Thickness Prediction)的實施例進行說明。
首先，先取得製程資料Wj=(X1,X2,X3,..X10)，其中Wj：第j個晶圓樣本，Xi：為對應第j個晶圓樣本的FDC參數，總共有N個晶圓。本發明提出的自動虛擬量測(VM)系統與方法，先取得機台的製程資料，例如Wj=(X1,X2,X3,..X10)，其中Wj：第j個晶圓樣本，Xi：為對應第j個晶圓樣本的FDC參數，總共有N個晶圓將這些資料的組合與預先設定的多個態樣進行分類(Clustering)。而這些態樣是經由過去累積的歷史資料所歸納得到屬於此製程或是機台特定的數個態樣，例如採用四個群組(Ai,Bi,Ci,Di mean coefficient)。
群組A為：Y=A1X1+A2X3+A3X5+A4X6+A5X7+A6X8+A0
群組B為：Y=B1X2+B2X3+B3X4+B4X5+B5X6+B6X7+B7X8+B8X9+B0
群組C為：Y=C1X1+C2X3+C3X5+C4X6+B5X7+C0
群組D為：Y=D1X1+B2X2+B3X4+B4X7+B5X8+B6X9+B7X10+B0
根據上述式子即可取得對應的預測值Yp。若是取得的資料屬於這幾個預先設定的態樣，例如與一預定的臨限值或預定值進行比較後，則採用一般正常的採樣方式(Normal Sampling)進行量測。
本發明實施範例中所提出虛擬量測(VM)方法，在另一實施範例中，所述對應的流程為若是判斷結果為屬於這幾個預先設定的態樣之一，則進行一維修流程。若是不屬於這幾個預先設定的態樣，則忽略不考慮。但若是因為不進行維修流程而導致製程設備發生當機等錯誤時，則將此情況產生的對應設備參數或是資訊儲存，並在累積一定量之後，動態增加新的比對態樣。此製程裝置是一種生產設備內有機械結構及各種零件。此機械結構由於生產時副產物的累積而須要保養。消耗型零件由於生產時發生老化而須要定期更換。多個態樣可以關聯到製程裝置生產時副產物的累積或消耗型零件老化的狀態。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任 何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

Claims (19)

  1. 一種虛擬量測系统，至少包括：一製程裝置，包括一組製程資料，其中該第一製程裝置根據該組製程資料來生產一工件；一量測機台，用以量測該工件得到一實際量測值；以及一虛擬量測伺服器，用以收集該些製程資料，並對該些製程資料進行分組得到多個資料群，對該些資料群分別與多個態樣進行比對，其中該些資料群的每一個是由一組平均參數所定義，用以分別乘上對應的該組製程資料而得到預測值，且每一個該組平均參數所對應的該些態樣的其一有一態樣值，且該預測值與該些態樣值比對，其中若該些資料群符合對應的該些態樣，則進行正常取樣量測，若該些資料群不符合對應的該些態樣，則執行一異常處理流程。
  2. 如申請專利範圍第1項所述之虛擬量測系统，其中若該些資料群不符合對應的該些態樣，則虛擬量測伺服器收集該些資料群做為動態新增該些態樣數量的依據。
  3. 如申請專利範圍第1項所述之虛擬量測系统，其中該些製程資料由機台的感測器(Sensors)感測資料及該機台的操作參數(Operation Parameters)所取得。
  4. 如申請專利範圍第3項所述之虛擬量測系统，其中經由該機台的感測器(Sensors)感測取得的該些歷史製程資料包括反應室壓力、溫度、RF功率、RF反射功率、多個流速設定值或多個節流閥設定值其中之一或是其組 合。
  5. 如申請專利範圍第1項所述之虛擬量測系统，其中該些態樣是根據多個歷史製程資料以及對應的量測資料(Metrology Data)進行多重歸納後找出多個模型，並將收集到的該些製程資料經過該些模型進行運算取得比較結果。
  6. 如申請專利範圍第5項所述之虛擬量測系统，其中該些模型針對不同的該些製程資料有不同的平均參數(Mean Coefficients)以取得預測值。
  7. 如申請專利範圍第5項所述之虛擬量測系统，其中該些歷史製程資料由機台的感測器(Sensors)感測及/或是該機台的操作參數(Operation Parameters)所取得。
  8. 如申請專利範圍第7項所述之虛擬量測系统，其中經由該機台的感測器(Sensors)感測取得的該些歷史製程資料包括反應室壓力、溫度、RF功率、RF反射功率、多個流速設定值或多個節流閥設定值其中之一或是其組合。
  9. 一種虛擬量測系统，至少包括：一製程裝置，包括一組製程資料，其中該第一製程裝置根據該組製程資料來生產一工件；一虛擬量測伺服器，用以收集該些製程資料，並對該些製程資料進行分組得到多個資料群，對該些資料群分別與多個態樣進行比對，其中該些資料群的每一個是由一組平均參數所定義，用以分別乘上對應的該組製程資料而得到預測值，且每一個該組平均參數所對應的該些態樣的其一有一態樣值，且該預測值與該些態樣值比對， 其中若該些資料群符合對應的該些態樣，則執行該製程裝置的一對應維修程序。
  10. 如申請專利範圍第9項所述之虛擬量測系统，其中該些態樣其中之一為保養態樣，若符合該保養態樣，則該對應維修程序為進行該製程裝置的保養程序。
  11. 如申請專利範圍第9項所述之虛擬量測系统，其中該些態樣其中之一為更換零件態樣，若符合該更換零件態樣，則該對應維修程序為進行該製程裝置的更換零件程序。
  12. 一種虛擬量測方法，至少包括：取得一組製程資料，其中根據該組製程資料來生產一工件；量測該工件得到一實際量測值；以及取得該些製程資料，並對該些製程資料進行分組得到多個資料群；以及對該些資料群分別與多個態樣進行比對，其中該些資料群的每一個是由一組平均參數所定義，用以分別乘上對應的該組製程資料而得到預測值，且每一個該組平均參數所對應的該些態樣的其一有一態樣值，且該預測值與該些態樣值比較，其中若該些資料群符合對應的該些態樣，則進行正常取樣量測，若該些資料群不符合對應的該些態樣，則執行一異常處理流程。
  13. 如申請專利範圍第12項所述之虛擬量測方法，其中若該些資料群 不符合對應的該些態樣，則收集該些資料群做為動態新增該些態樣數量的依據。
  14. 如申請專利範圍第12項所述之虛擬量測方法，其中該些製程資料由機台的感測器(Sensors)感測及/或是該機台的操作參數(Operation Parameters)所取得。
  15. 如申請專利範圍第12項所述之虛擬量測方法，其中經由該機台的感測器(Sensors)感測取得的該些歷史製程資料包括反應室壓力、溫度、RF功率、RF反射功率、多個流速設定值或多個節流閥設定值其中之一或是其組合。
  16. 如申請專利範圍第12項所述之虛擬量測方法，其中該些態樣是根據多個歷史製程資料以及對應的量測資料(Metrology Data)進行多重歸納後找出多個模型，並將收集到的該些製程資料經過該些模型進行運算取得比較結果。
  17. 如申請專利範圍第16項所述之虛擬量測方法，其中該些模型針對不同的該些製程資料有不同的平均參數(Mean Coefficients)以取得預測值。
  18. 如申請專利範圍第16項所述之虛擬量測方法，其中該些歷史製程資料由機台的感測器(Sensors)感測及/或是該機台的操作參數(Operation Parameters)所取得。
  19. 如申請專利範圍第18項所述之虛擬量測方法，其中經由該機台的感測器(Sensors)感測取得的該些歷史製程資料包括反應室壓力、溫度、RF功率、RF反射功率、多個流速設定值或多個節流閥設定值其中之一或是其組合。
TW103126779A 2014-08-05 2014-08-05 虛擬量測系統與方法 TWI641934B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW103126779A TWI641934B (zh) 2014-08-05 2014-08-05 虛擬量測系統與方法
US14/485,280 US10261504B2 (en) 2014-08-05 2014-09-12 Virtual metrology system and method
US16/285,067 US10935969B2 (en) 2014-08-05 2019-02-25 Virtual metrology system and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW103126779A TWI641934B (zh) 2014-08-05 2014-08-05 虛擬量測系統與方法

Publications (2)

Publication Number Publication Date
TW201606469A TW201606469A (zh) 2016-02-16
TWI641934B true TWI641934B (zh) 2018-11-21

Family

ID=55267372

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103126779A TWI641934B (zh) 2014-08-05 2014-08-05 虛擬量測系統與方法

Country Status (2)

Country Link
US (2) US10261504B2 (zh)
TW (1) TWI641934B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI769400B (zh) * 2019-09-26 2022-07-01 崑山科技大學 虛擬影像的視覺化監控裝置及其方法
TWI775032B (zh) * 2019-03-15 2022-08-21 日商斯庫林集團股份有限公司 處理條件選擇方法、基板處理方法、基板製品製造方法、處理條件選擇裝置、電腦程式以及記憶媒體

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6386520B2 (ja) 2016-12-13 2018-09-05 ファナック株式会社 数値制御装置及び機械学習装置
TWI614699B (zh) 2016-12-30 2018-02-11 國立成功大學 大量客製化產品的品質預測方法
TWI670672B (zh) * 2017-03-24 2019-09-01 國立成功大學 雲製造服務的自動建置方法、電腦程式產品、雲製造系統
JP6827380B2 (ja) * 2017-07-11 2021-02-10 東京エレクトロン株式会社 検査装置およびメンテナンスのガイダンス方法
US10783290B2 (en) * 2017-09-28 2020-09-22 Taiwan Semiconductor Manufacturing Company, Ltd. IC manufacturing recipe similarity evaluation methods and systems

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6850811B1 (en) * 2002-02-28 2005-02-01 Advanced Micro Devices, Inc. Analyzing error signals based on fault detection
US20060111804A1 (en) * 2004-09-17 2006-05-25 Mks, Instruments, Inc. Multivariate control of semiconductor processes
US20060184264A1 (en) * 2005-02-16 2006-08-17 Tokyo Electron Limited Fault detection and classification (FDC) using a run-to-run controller
US7321993B1 (en) * 2004-07-01 2008-01-22 Advanced Micro Devices, Inc. Method and apparatus for fault detection classification of multiple tools based upon external data
US7657339B1 (en) * 2005-10-14 2010-02-02 GlobalFoundries, Inc. Product-related feedback for process control
US20110190917A1 (en) * 2010-01-29 2011-08-04 James Moyne Method and apparatus for developing, improving and verifying virtual metrology models in a manufacturing system
US20140107828A1 (en) * 2012-10-15 2014-04-17 International Business Machines Corporation Method and System for Wafer Quality Predictive Modeling based on Multi-Source Information with Heterogeneous Relatedness

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8417360B2 (en) * 2001-08-10 2013-04-09 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
US7797062B2 (en) * 2001-08-10 2010-09-14 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
US6885977B2 (en) * 2002-12-20 2005-04-26 Applied Materials, Inc. System to identify a wafer manufacturing problem and method therefor
TWI267012B (en) 2004-06-03 2006-11-21 Univ Nat Cheng Kung Quality prognostics system and method for manufacturing processes
JP2007157973A (ja) * 2005-12-05 2007-06-21 Fujitsu Ltd 半導体装置の製造プロセス制御システムおよび半導体装置の製造プロセス制御方法
TWI315054B (en) 2006-05-10 2009-09-21 Nat Cheng Kung Universit Method for evaluating reliance level of a virtual metrology system in product manufacturing
US20080010531A1 (en) * 2006-06-12 2008-01-10 Mks Instruments, Inc. Classifying faults associated with a manufacturing process
US8036999B2 (en) * 2007-02-14 2011-10-11 Isagacity Method for analyzing and classifying process data that operates a knowledge base in an open-book mode before defining any clusters
TWI338916B (en) 2007-06-08 2011-03-11 Univ Nat Cheng Kung Dual-phase virtual metrology method
TWI349867B (en) 2008-05-20 2011-10-01 Univ Nat Cheng Kung Server and system and method for automatic virtual metrology
TWI412906B (zh) 2010-04-13 2013-10-21 Univ Nat Cheng Kung 具有虛擬量測功能的製造執行系統與製造系統
JP5533196B2 (ja) * 2010-04-27 2014-06-25 株式会社リコー 座標平面におけるデータ点分布領域の識別方法及びその識別プログラム
TWI427722B (zh) 2010-08-02 2014-02-21 Univ Nat Cheng Kung 使用具有信心指標之虛擬量測的先進製程控制系統與方法及其電腦程式產品
JP5192018B2 (ja) * 2010-09-17 2013-05-08 株式会社東芝 製造プロセスの監視システムおよび製造プロセスの監視方法
US8843348B2 (en) * 2011-06-14 2014-09-23 Hamilton Sundstrand Corporation Engine noise monitoring as engine health management tool
TWI451336B (zh) 2011-12-20 2014-09-01 Univ Nat Cheng Kung 預測模型之建模樣本的篩選方法及其電腦程式產品
US8627251B2 (en) * 2012-04-25 2014-01-07 Taiwan Semiconductor Manufacturing Co., Ltd. Systems and methods of automatically detecting failure patterns for semiconductor wafer fabrication processes
TWI521360B (zh) * 2014-03-26 2016-02-11 國立成功大學 量測抽樣方法與其電腦程式產品
WO2016045901A1 (en) * 2014-09-22 2016-03-31 Asml Netherlands B.V. Process window identifier
US9787704B2 (en) * 2015-03-06 2017-10-10 Ca, Inc. Anomaly detection based on cluster transitions
US10599501B2 (en) * 2015-03-17 2020-03-24 Nec Corporation Information processing device, information processing method, and recording medium
US10956779B2 (en) * 2015-03-26 2021-03-23 Oracle International Corporation Multi-distance clustering
US20180144003A1 (en) * 2015-05-18 2018-05-24 Saul Formoso Automated entity-resolution methods and systems
US11068744B2 (en) * 2016-01-13 2021-07-20 Mitsubishi Electric Corporation Operation state classification apparatus
WO2017150286A1 (ja) * 2016-02-29 2017-09-08 日本電気株式会社 システム分析装置、システム分析方法、及び、コンピュータ読み取り可能な記録媒体
US10134613B2 (en) * 2016-09-22 2018-11-20 Macau University Of Science And Technology Cluster tool apparatus and a method of controlling a cluster tool apparatus
JP6386520B2 (ja) * 2016-12-13 2018-09-05 ファナック株式会社 数値制御装置及び機械学習装置
US10606253B2 (en) * 2017-02-08 2020-03-31 United Microelectronics Corp. Method of monitoring processing system for processing substrate
EP3382606A1 (en) * 2017-03-27 2018-10-03 ASML Netherlands B.V. Optimizing an apparatus for multi-stage processing of product units
US10482158B2 (en) * 2017-03-31 2019-11-19 Futurewei Technologies, Inc. User-level KQI anomaly detection using markov chain model
US11803953B2 (en) * 2017-04-10 2023-10-31 Dpix, Llc Manufacturing quality improvement through statistical root cause analysis using convolution neural networks
US10698926B2 (en) * 2017-04-20 2020-06-30 Microsoft Technology Licensing, Llc Clustering and labeling streamed data
US10929722B2 (en) * 2017-05-19 2021-02-23 Nec Corporation Anomaly detection in streaming networks

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6850811B1 (en) * 2002-02-28 2005-02-01 Advanced Micro Devices, Inc. Analyzing error signals based on fault detection
US7321993B1 (en) * 2004-07-01 2008-01-22 Advanced Micro Devices, Inc. Method and apparatus for fault detection classification of multiple tools based upon external data
US20060111804A1 (en) * 2004-09-17 2006-05-25 Mks, Instruments, Inc. Multivariate control of semiconductor processes
US20060184264A1 (en) * 2005-02-16 2006-08-17 Tokyo Electron Limited Fault detection and classification (FDC) using a run-to-run controller
US7657339B1 (en) * 2005-10-14 2010-02-02 GlobalFoundries, Inc. Product-related feedback for process control
US20110190917A1 (en) * 2010-01-29 2011-08-04 James Moyne Method and apparatus for developing, improving and verifying virtual metrology models in a manufacturing system
US20140107828A1 (en) * 2012-10-15 2014-04-17 International Business Machines Corporation Method and System for Wafer Quality Predictive Modeling based on Multi-Source Information with Heterogeneous Relatedness

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI775032B (zh) * 2019-03-15 2022-08-21 日商斯庫林集團股份有限公司 處理條件選擇方法、基板處理方法、基板製品製造方法、處理條件選擇裝置、電腦程式以及記憶媒體
TWI769400B (zh) * 2019-09-26 2022-07-01 崑山科技大學 虛擬影像的視覺化監控裝置及其方法

Also Published As

Publication number Publication date
US10935969B2 (en) 2021-03-02
TW201606469A (zh) 2016-02-16
US20190187674A1 (en) 2019-06-20
US20160041548A1 (en) 2016-02-11
US10261504B2 (en) 2019-04-16

Similar Documents

Publication Publication Date Title
TWI641934B (zh) 虛擬量測系統與方法
TWI412906B (zh) 具有虛擬量測功能的製造執行系統與製造系統
US10409231B2 (en) Methods and apparatuses for utilizing adaptive predictive algorithms and determining when to use the adaptive predictive algorithms for virtual metrology
KR101019459B1 (ko) 결함 진단을 위한 분류된 결함 시그니처들
US8046193B2 (en) Determining process condition in substrate processing module
JP4008899B2 (ja) 半導体装置の製造システムおよび半導体装置の製造方法
TWI459487B (zh) 度量獨立及處方獨立的故障類別
JP5735499B2 (ja) 基板処理中に自動的に障害状態を検出及び分類するための方法及び装置
TWI427722B (zh) 使用具有信心指標之虛擬量測的先進製程控制系統與方法及其電腦程式產品
KR100756728B1 (ko) 반도체 처리 기술
KR20070061868A (ko) 이용가능한 계측 용량에 기반하여 계측 샘플링을 동적으로조정하는 방법 및 시스템
US10042357B2 (en) Portable, adaptable equipment health user interface
US11378426B2 (en) System and method for monitoring sensor linearity as part of a production process
KR102043928B1 (ko) 시간­기반의 장비 센서 데이터 및 재료­기반의 계측 통계적 프로세스 제어 데이터의 양­방향적 연관 및 그래픽적 획득
JP4568216B2 (ja) 半導体装置の製造システム
TWI649649B (zh) 用於改進製造產量之基於事件處理的系統
US20130080372A1 (en) Architecture and methods for tool health prediction
JP2010286880A (ja) 不良要因推定システムおよび不良要因推定方法
TWI280603B (en) Manufacturing system of semiconductor device and manufacturing method of semiconductor device
US6732007B1 (en) Method and apparatus for implementing dynamic qualification recipes
JP2011054804A (ja) 半導体製造装置の管理方法およびシステム
US7783455B1 (en) Methods and systems for analyzing process equipment processing variations using sensor data
US20130030760A1 (en) Architecture for analysis and prediction of integrated tool-related and material-related data and methods therefor
JP2006513561A (ja) パラレル欠陥検出
US7849366B1 (en) Method and apparatus for predicting yield parameters based on fault classification