TWI743877B - 配方資訊提示系統、配方錯誤推測系統 - Google Patents

配方資訊提示系統、配方錯誤推測系統 Download PDF

Info

Publication number
TWI743877B
TWI743877B TW109123151A TW109123151A TWI743877B TW I743877 B TWI743877 B TW I743877B TW 109123151 A TW109123151 A TW 109123151A TW 109123151 A TW109123151 A TW 109123151A TW I743877 B TWI743877 B TW I743877B
Authority
TW
Taiwan
Prior art keywords
aforementioned
formula
error
inspection device
learner
Prior art date
Application number
TW109123151A
Other languages
English (en)
Other versions
TW202111591A (zh
Inventor
早川功一
高野正幹
田和弘
石川昌義
吉田泰浩
Original Assignee
日商日立全球先端科技股份有限公司
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 日商日立全球先端科技股份有限公司 filed Critical 日商日立全球先端科技股份有限公司
Publication of TW202111591A publication Critical patent/TW202111591A/zh
Application granted granted Critical
Publication of TWI743877B publication Critical patent/TWI743877B/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
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2832—Specific tests of electronic circuits not provided for elsewhere
    • G01R31/2836—Fault-finding or characterising
    • G01R31/2846—Fault-finding or characterising using hard- or software simulation or using knowledge-based systems, e.g. expert systems, artificial intelligence or interactive algorithms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2851—Testing of integrated circuits [IC]
    • G01R31/2894—Aspects of quality control [QC]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • 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
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions

Abstract

本發明之目的，係在於提供一種能夠對配方錯誤之原因作推測並且亦提示該配方錯誤之修正候補的系統。本發明之配方資訊提示系統或配方錯誤推測系統，係使學習器預先對於配方在起因於該配方所導致的錯誤之間之對應關係作學習，並將關於在將新的配方作了前述使用時是否發生有錯誤一事的推測結果，從前述學習器而取得之。

Description

配方資訊提示系統、配方錯誤推測系統
本發明，係有關於提示半導體檢查裝置之配方之修正資訊的系統、對配方錯誤作推測的系統。
半導體計測裝置或半導體檢查裝置，係依循於被稱作配方(recipe)的設定參數，來實施計測動作或檢查動作。配方參數，係包含有多數的項目，一般而言，係因應於計測、檢查對象之屬性或裝置之特性等，來由工程師藉由手動作業而將各項目作最適化。故而，例如在起因於歷時變化而導致裝置之特性有所改變的情況等時，由於配方之內容會成為與實際之計測、檢查對象或裝置並不相符，因此係會有在計測動作或檢查動作中而發生錯誤的可能性。此種錯誤，由於係身為起因於配方之內容所導致的錯誤，因此係被稱作配方錯誤。
於先前技術中，為了降低配方錯誤，一般而言，服務工程師係進入至半導體工廠，並從半導體計測裝置或半導體檢查裝置來以手動而下載裝置內部資料，並將裝置內部資料圖表化而推測出需要進行修正的配方項目。在此修正作業中，由於係基於工程師之經驗來推測出需要進行修正的配方項目，因此係大幅度地依存於工程師之技巧。
下述專利文獻1，係針對對於在配方中的錯誤之原因進行修正的技術而有所記載。在該文獻中，係構成為根據錯誤日誌內之具有最大的被作了常態化的數量之錯誤的配方，來推測配方錯誤之原因(參照該文獻之請求項1)。
下述專利文獻2，係針對藉由使類神經網路對於配方條件與動作時間之間之關係作學習來對於配方檢查時間作預測的技術而有所記載(參照該文獻之請求項1)。 [先前技術文獻] [專利文獻]
[專利文獻1] 日本專利第4398441號 [專利文獻2] 日本專利第5933985號
[發明所欲解決的問題]
伴隨著半導體之微細化、多樣化，在半導體計測裝置或半導體檢查裝置中，起因於配方之作成的複雜化和配方數量的增加，起因於配方錯誤所導致的裝置之稼動率的降低係成為問題。進而，起因於以中國作為代表的急遽之半導體工廠之創立，係導致有工程師的不足，起因於此，將配方之修正更加效率化的需求係日益增強。但是，配方修正，係會依存於工程師的技巧而使解析時間和穩健性有大幅度的變動。
在上述專利文獻1所記載之技術中，雖係構成為根據錯誤日誌來對於錯誤的原因作推測，但是，可以想見，關於要對於配方作何種之修正一事，係並未絕對有被具體性地作考慮。此係因為，在該文獻中，由於係並未對關連於並未發生有錯誤的正常配方之資訊作利用，因此並無法對於錯誤發生時與正常時的情況作對比之故。
在上述專利文獻2所記載之技術中，由於係構成為使類神經網路對於配方與動作時間之間之關係作學習，因此當動作時間為異常的情況時，係有能夠特定出該配方的可能性。但是，由於關於所推測出之動作時間是否身為錯誤一事係並未被作提示，因此，可以想見，係難以藉由該文獻之技術來進行配方錯誤之原因的推測。
本發明，係為有鑑於上述一般之課題所進行者，其目的，係在於提供一種能夠對配方錯誤之原因作推測並且亦提示該配方錯誤之修正候補的系統。 [用以解決問題之手段]
本發明之配方資訊提示系統或配方錯誤推測系統，係使學習器預先對於配方在起因於該配方所導致的錯誤之間之對應關係作學習，並將關於在將新的配方作了前述使用時是否發生有錯誤一事的推測結果，從前述學習器而取得之。 [發明之效果]
若依據本發明之配方資訊提示系統或配方錯誤推測系統，則係能夠對配方錯誤之原因作推測並且亦提示該配方錯誤之修正候補。
在以下所說明的實施形態中，所謂「半導體檢查裝置」，係指對於被形成在半導體晶圓上之圖案的尺寸進行計測之裝置、對於被形成在半導體晶圓上的圖案之缺陷之有無進行檢查之裝置、或者是對於並未被形成有圖案的裸晶之缺陷之有無進行檢查之裝置等，並設為亦包含有將此些之裝置作了複數組合之複合裝置者。
又，在以下所說明的實施形態中，所謂「檢查」，係設為以計測或檢查之意義來作使用者，所謂「檢查動作」，係設為以計測動作或檢查動作之意義來作使用者，所謂「檢查對象」，係指成為計測或檢查之對象的晶圓、或者是在該晶圓處的進行計測或檢查之對象區域。
＜實施形態1＞ 圖1，係為本發明之實施形態1之配方資訊提示系統、配方錯誤推測系統之構成圖。該系統，係身為對於「對半導體檢查裝置所實施的檢查動作作規定」之配方中的成為了錯誤之原因者進行推測並且提示該配方之修正資訊的系統(以下，稱作「配方資訊提示系統」或者是「配方錯誤推測系統」)。於此，係針對以半導體檢查裝置11~13作為對象之系統來作例示。各檢查裝置，由於係具備有相同的構成，因此，在以下之說明中，當並不對於各檢查裝置作區分的情況時，係使用半導體檢查裝置11來進行說明。
半導體檢查裝置11，例如，係可藉由掃描型電子顯微鏡(SEM)或光學式檢查裝置等來構成。以下，作為例子，假設係使用對於被形成在半導體晶圓上之圖案的尺寸進行計測之SEM。半導體檢查裝置11~13，係會有身為相同之裝置的情況，亦會有身為在型號等而有所相異之裝置的情況。
配方錯誤推測系統1，係具備有電腦系統100。電腦系統100，係具備有資料庫110、和機械學習部120。機械學習部120，係更進而具備有學習器121和解析器122(以及後述之修正量計算部123)。資料庫110，係可藉由儲存資料之記憶裝置來構成之。機械學習部120，係可藉由將其之功能(亦即是，後述之學習器121和解析器122之功能、以及修正量計算部123之功能)作了安裝的電路裝置等之硬體來構成，亦可藉由使演算裝置實行將其之功能作了安裝的軟體一事來構成之。
電腦系統100，係從半導體檢查裝置11~13而分別取得後述之3個的資料，並儲存在資料庫110中。學習器121，係將該資料作為教師資料，而實施機械學習。關於學習程序之詳細內容，係於後再述。關於解析器122之動作，係於後再述。
圖2，係為對於半導體檢查裝置11對半導體晶圓進行檢查的工程作說明之流程圖。半導體檢查裝置11，係藉由將進行檢查之半導體晶圓作裝載，而開始本流程圖。為了實施檢查，係有必要使半導體晶圓上之座標系與半導體檢查裝置11內部之座標系相互對合。將此工程稱作對位(S201)。半導體檢查裝置11之視野，由於係僅覆蓋有半導體晶圓表面之一部分，因此，係有必要對於作為檢查對象之區域而將半導體檢查裝置11之視野作對位。將此工程稱作定址(S202)。半導體檢查裝置11，係對於被形成於視野內的半導體圖案之長度等進行測定(S203)。反覆進行S202~S203，直到針對所有的測定對象點而結束測定為止(S204)。若是測定結束，則將半導體晶圓卸載。
圖3A，係為對於電腦系統100從半導體檢查裝置11所取得之3個的資料之內容作例示之圖。電腦系統100，係從半導體檢查裝置11而取得裝置資料111、計測配方(以下，係亦會有單純稱作「配方」的情況)112、計測結果113。
裝置資料111，係包含有(a)裝置固有參數、(b)裝置機差修正資料、(c)觀察條件參數。裝置固有參數，係為為了使半導體檢查裝置11依照規定規格來動作所使用的修正參數。裝置之實際的動作，由於係會有與規定規格相異的情況，因此，為了使實際之動作與規定規格相符合，而使用裝置固有參數。裝置機差修正資料，係為為了對於半導體檢查裝置11~13之間之機差進行修正所使用的參數。觀察條件參數，例如係為對於電子光學系之加速電壓等的SEM之觀察條件作規定之參數。
配方112，係作為配方參數，而包含有(a)晶圓映射、(b)對位參數、(c)定址參數、(d)測長參數。晶圓映射，係身為半導體晶圓上之座標映射(例如圖案之座標)。對位參數，係為為了實施S201所使用之參數，例如係身為為了對於半導體晶圓上之座標系與半導體檢查裝置11內部之座標系之間的偏移作修正而被使用的參數。定址參數，係為為了實施S202所使用之參數，例如係身為將被形成於半導體晶圓上之圖案中的存在於檢查對象區域內之特徵性之圖案特定出來的資訊(特徵量等)。測長參數，係為記述有對於長度作測定的條件之參數，例如係身為對於要對圖案中之何者之部位的長度進行測定一事作指定的參數。
計測結果113，係包含有(a)測長結果、(b)畫像資料、(c)錯誤參數、(d)動作日誌。測長結果，係記述對於半導體晶圓上之圖案之長度進行了測定後的結果。畫像資料，係為半導體晶圓之觀察畫像。錯誤參數，係為當在S201~S203之任一者處而發生了錯誤的情況時，對於該錯誤之內容作了記述的參數。動作日誌，係為對於在實施圖2之各步驟時的半導體檢查裝置11之內部狀態作了記述的資料。例如，係可列舉出各零件之動作電壓、觀察視野之座標等。
圖3B，係為對於學習器121的輸入與輸出之間之對應關係作示意性展示之圖。學習器121，係將裝置資料111和計測配方122以及計測結果113作為教師資料而實施機械學習，而產生將裝置資料111與計測配方112作為輸入並將計測結果(錯誤資訊)113作為輸出之學習器121。
在學習器121結束了機械學習之後，若是將新的裝置資料502和新的計測配方501之對(pair)對於學習器121而作輸入，則學習器121，係使用該裝置資料502和計測配方501，來將「當對應於該裝置資料502之半導體檢查裝置11，藉由該計測配方501來實施了檢查時，是否會發生錯誤」一事，作為計測結果113而輸出。亦即是，係推測是否會發生錯誤。進而，如同後述一般，機械學習部120，係能夠藉由學習器121、解析器122以及修正量計算部123，而提示相對於成為了錯誤的原因之配方參數的修正量和修正後之配方。
圖4，係為對關連於學習器121之產生以及解析器之解析的處理程序作說明之流程圖。以下，針對圖4之各步驟作說明。
(圖4：步驟S401) 電腦系統100，係從半導體檢查裝置11~13而分別取得裝置資料111/配方112/計測結果113，並儲存在資料庫110中。電腦系統100，係涵蓋某種程度之期間(例如，數個星期、數個月等)地而將此些之資料作積蓄。
(圖4：步驟S402) 電腦系統100，係將資料庫110所積蓄的資料作為教師資料，而實施機械學習，藉由此，來產生學習器121。在本步驟之機械學習中的對於學習器121之輸入以及從學習器121而來之輸出的對應關係，係如同圖3B所示一般。
(圖4：步驟S403) 在學習器121之機械學習結束之後，解析器122係使用學習器121所學習了的結果、或者是使用所學習了的結果和配方112，來對於各配方參數之對於學習器之預測結果所造成的影響進行解析，並藉由此來對於配方參數附加排名。附加排名，例如係能夠藉由對於各配方參數之SHAP值作計算，來實施之。係亦可使用SHAP值以外之評價值來進行排名。以下，係設為對於使用有SHAP值之例來作說明。
(圖4：步驟S403：補充) SHAP值，係為將各特徵量會對於目標變數而造成何種程度之影響(亦即是對於目標變數之關連度)一事作了數值化後之值。配方112，由於係包含有複數之配方參數(在圖3A中所作了說明者)，因此係能夠將各配方參數視為特徵量，並計算各特徵量之SHAP值。藉由依照SHAP值為高者之順序來將其視為關連度為高者，係能夠對於配方參數附加排名。作為目標變數，例如係可使用發生錯誤之機率(或者是是否發生錯誤)等。關於附加排名之例以及要將排名結果作何種方式的使用一事，係於後再述。
圖5，係為針對藉由學習器121來對於當特定之半導體檢查裝置使用了新的配方501時是否會發生錯誤一事進行推測並且亦提示應進行修正之配方參數及其修正量的處理程序作示意性展示之圖。學習器121，係設為已完成了在圖4中所說明之機械學習者。為了將說明簡易化，係將新的配方112設為係具備有3個的配方參數A~C者。以下，針對圖5之各步驟作說明。
將新的配方501以及特定之半導體檢查裝置之裝置資料502，對於學習器121而作輸入。學習器121，係依循於學習結果，來對於當對應於裝置資料502之半導體檢查裝置使用了該新的配方501時是否會發生錯誤一事進行推測。於此，假設學習器121係推測為會發生錯誤，並繼續進行以下之說明。
解析器122，係藉由計算出新的配方501內之各配方參數的相對於推測結果之關連度(例如SHAP值)，來對各配方參數附加排名。關於附加排名之例，係於後再述。
機械學習部120，係具備有修正量計算部123。修正量計算部123，係對於新的配方501內之各配方參數，而以不會發生錯誤的方式來進行修正。亦即是，係針對各配方參數，而分別計算出用以使其成為不會發生錯誤之值的修正量。係並非絕對需要對於所有的配方參數而均計算出修正量，例如係亦可從關連度之排名為高者起來依序計算修正量。關於計算修正量之處理程序的具體例，係於後再述。
學習器121，係依據使修正量計算部123所計算出的修正量作了反映後之各配方參數，而重新推測是否會發生錯誤。在發生有錯誤的情況時，係反覆進行上述之處理程序。在不會發生錯誤的情況時，係將使修正量作了反映後之各配方參數，作為修正後配方參數而從學習器121作輸出。此時，係亦可將由解析器122所致之附加排名的結果一併作輸出。在圖5中，係對於配方參數A成為了最高名次之例作了展示。
修正後配方參數，係可由作業員以手動作業來對於新的配方501而作反映，亦能夠使機械學習部120對於新的配方501而自動性地作反映。又，係亦可如同後述一般地，在電腦系統100上，設置用以將修正結果對於作業員作提示的介面。機械學習部120(或者是修正量計算部123)，係具備有作為提案修正配方之「配方修正提案部」的功能。
圖6A，係為針對使解析器122對於配方參數附加了名次之後的結果作展示之示意圖。解析器122，係能夠將相對於由學習器121所致之推測結果的各配方參數之關連度，藉由SHAP值而計算出來。係可依照SHAP值為高者之順序來將其視為關連度為高者。於此，係對於配方參數A為優先名次最高而配方參數B、C為相同名次之例作了展示。
圖6B，係為針對修正量計算部123對於配方參數之修正量作計算的處理程序作示意性展示之圖。解析器122，係求取出在過去而並未發生錯誤的正常配方參數之統計值。例如，係可將代表正常配方參數之值與頻率間之關係的分布，作為統計值而求取出來。除此之外，係亦可將過去之正常配方參數之上下限值、平均值、中央值等，作為統計值而使用。在圖6B中，基於能夠視覺性地而容易理解的觀點，係對於頻率分布之例作了展示。
修正量計算部123，係取得新的配方501內之配方參數A。在圖6B之例中，係對於新的配方參數A為具備有從過去之正常配方參數A之頻率分布而些許偏離之值的例子作了展示。修正量計算部123，係能夠以會使新的配方參數A與過去之統計值之間之差分變小的方式，來求取出修正量。例如，係能夠將其與過去之正常配方參數A之平均值之間之差分，作為修正量。在採用其他之統計量的情況時，係能夠將其與該統計量之間之差分，作為修正量。係亦可構成為藉由其他之適當的手法，來使新的配方參數A與過去之統計量之間之差分變小。又，配方參數之修正，係可針對複數之參數而同時地進行並進行錯誤發生判定，亦可對於參數1個1個地作修正並逐次進行錯誤發生判定。
修正量計算部123，係針對配方參數B、C而亦同樣地求取出修正量。在新的配方參數並未從過去之統計值而大幅度地偏離的情況時，係並非絕對需要進行修正。在圖6B之例中，由於新的配方參數B係落於過去之頻率分布內，因此係亦可並不進行修正。或者是，係亦能夠以更進一步使其與統計值之間之差分變小的方式，來進行修正。
圖7A，係為電腦系統100對於作業員所提供的GUI(Graphical User Interface)之例。於此，係對於錯誤顯示畫面701之例作了展示。錯誤顯示畫面701，係身為將在半導體檢查裝置11處所發生了的錯誤之內容作顯示之畫面。例如，係可將計測結果113之內容作畫面顯示。
圖7B，係為電腦系統100對於作業員所提供的GUI之例。於此，係對於配方顯示畫面702之例作了展示。配方顯示畫面702，係身為將配方112之內容作顯示之畫面。除此之外，係亦可將裝置資料111之內容一併作顯示。
圖7C，係為電腦系統100對於作業員所提供的GUI之例。於此，係對於修正配方顯示畫面703之例作了展示。修正配方顯示畫面703，係為用以對於「是否藉由依循在圖5中所作了說明的處理程序而進行了修正的新的配方501而使錯誤有所降低」一事進行視覺性確認的畫面。係亦可一併將修正後配方參數作顯示。作業員係能夠經由修正配方顯示畫面703來對於修正配方之效果作確認，並決定是否要將修正結果作反映等。
故而，在圖7A~圖7C中所示之GUI，例如係能夠提示如同下述一般之資訊。(a)將在半導體檢查裝置處之錯誤之內容，與時間序列之錯誤狀況一同作提示。(b)將半導體檢查裝置所使用了的配方之內容與實行了該配方時的實行結果一同作提示。(c)提示修正配方，並且亦提示修正配方之效果。(d)提示配方或者是關連於配方之資訊。
＜實施形態1：總結＞ 在本實施形態1之配方錯誤推測系統中，學習器121，係對於裝置資料111/配方112/計測結果113之間之對應關係作學習，並對於當半導體檢查裝置11使用了新的配方501時是否會發生錯誤一事進行推測。藉由此，作業員係可並不依據人性之判斷地來對於是否要採用新的配方501一事作判斷。
在本實施形態1之配方錯誤推測系統中，修正量計算部123，係依循於過去之正常配方內之配方參數與新的配方內之配方參數之間之差分，來求取出新的配方參數之修正量。藉由此，作業員係可並不依據人為性之判斷地來特定出成為錯誤的原因之配方參數。進而，由於係成為並不需要反覆進行「對配方參數進行修正並進行再度檢查」之處理，因此，係能夠將配方修正作業更加效率化。
在本實施形態1之配方錯誤推測系統中，解析部122，係將新的配方內之配方參數，依循於相對於推測結果之關連度而附加排名。藉由此，作業員，由於係能夠從優先順序為高之配方參數起來依序將修正量作反映，因此係能夠將配方修正作業更加效率化。
本實施形態1之配方錯誤推測系統，在求取出新的配方參數之修正量時，係能夠藉由特定出成為修正候補之配方參數，來亦推測出成為錯誤的原因之配方參數。故而，係能夠迅速地特定出錯誤原因。
＜實施形態2＞ 作為在半導體檢查裝置處所發生的錯誤之原因，係存在有(a)起因於半導體檢查裝置之狀態所發生的起因於裝置之錯誤、(b)起因於半導體晶圓之狀態所發生的起因於晶圓(或者是製程)之錯誤、(c)起因於配方參數之值所發生的起因於配方之錯誤，之3個種類。為了對起因於裝置之錯誤作修正，由於係需要對於裝置進行修復，因此係並不會有對配方112進行修正的情形。起因於晶圓之錯誤，係會有能夠藉由配方之修正來作對應的情況。因此，在實施形態1中，係藉由對於裝置資料111/配方112/計測結果113之對應關係作學習，而構成為將能夠藉由配方參數來進行修正的錯誤特定出來。
另一方面，關於針對錯誤是起因於上述(a)~ (c)之何者所發生者來進行推測一事，可以想見，對於錯誤之修正而言係為有用。因此，在本發明之實施形態2中，係針對推測出錯誤原因之種類的手法作說明。配方錯誤推測系統之構成，係與實施形態1相同。
(推測出錯誤原因之種類之例，其之1) 電腦系統100，在各半導體檢查裝置11~13為使用相同之配方112的情況時，當僅在任一者之特定之半導體檢查裝置處而發生有錯誤的情況時，係能夠推測為該錯誤乃是起因於該特定之半導體檢查裝置之狀態所導致者。就算嚴密性而言並非為相同之配方112，在各半導體檢查裝置為使用內容為類似(例如特徵量向量間之距離為相近)之配方112的情況時，若是僅在特定之半導體檢查裝置處而發生有錯誤，則係能夠推測為該錯誤乃是起因於該特定之半導體檢查裝置所導致者。此推測，係可藉由(a)使電腦系統100所具備的演算裝置依循於上述推測規則來實施(於以下所說明的例子其之2以及例子其之3中，亦為相同)、亦可(b)藉由使學習器121學習使用相同之配方112而僅在特定之半導體檢查裝置處而產生了的錯誤參數，來使學習器121實施。於後者的情況，學習器121，係成為依循於各半導體檢查裝置之裝置資料111之間之差分，來推測其是否身為起因於裝置之錯誤。
(推測出錯誤原因之種類之例，其之2) 電腦系統100，係從使用有特定之配方112的半導體檢查裝置，而依循於時間序列來取得計測結果113，並當於其中而僅在特定之期間發生有錯誤的情況時，能夠推測為該錯誤乃是起因於半導體晶圓之狀態所導致者。與上述相同的，就算嚴密性而言並非為相同之配方112，當在內容為類似之配方112之時間序列履歷中而僅於特定之期間發生有錯誤的情況時，亦為相同。此推測，例如，係可藉由使學習器121學習使用相同之配方112而產生了的錯誤之發生期間，來實施之。
(推測出錯誤原因之種類之例，其之3) 電腦系統100，在各半導體檢查裝置11~13為使用相同之配方112的情況時，當在所有的半導體檢查裝置處而發生有錯誤的情況時，係能夠推測為該錯誤乃是起因於該配方112所導致者。與上述相同的，就算嚴密性而言並非為相同之配方112，當使用有內容為類似之配方112的情況中而於所有的半導體檢查裝置處發生有錯誤的情況時，亦為相同。進而，係並非絕對需要為在所有的半導體檢查裝置處而發生有錯誤，就算是當在臨限值以上(例如過半數)之半導體檢查裝置處而發生有錯誤的情況時，亦為相同。此推測，例如，係可藉由使學習器121學習在使用了相同之配方112之複數之半導體檢查裝置處是否分別發生有錯誤一事，來實施之。
＜實施形態3＞ 基於學習器121進行了學習後的結果所得到之學習模型，由於係與作成該學習模型時所使用的教師資料相對應，因此，若是教師資料之內容有所改變，則學習模型之內容也會有改變的可能性。例如，若是將半導體檢查裝置作某種程度之長期間運用，則裝置狀態或半導體晶圓狀態係會相較於運用開始之時間點而大幅度地變化，起因於此，會有導致學習模型陳舊化的可能性。因此，在本發明之實施形態3中，係針對在學習器121結束了學習之後，使用新的教師資料來實施再學習的動作例，而進行說明。配方錯誤推測系統之構成，係與實施形態1相同。
圖8，係為對於機械學習部120實施再學習的處理程序作說明之動作流程圖。係可在每次取得新的教師資料(追加資料)時均實施本流程圖，亦可當在資料庫110內積蓄了某種程度之量的追加資料的時間點而實施本流程圖。在本流程圖中，機械學習部120，係具備有作為「再學習實施部」之功能。
電腦系統100，係將追加資料積蓄於資料庫中(S801)。機械學習部120，係藉由使學習器121對於追加資料進行再學習，來產生學習模型(S802)。機械學習部120，係依循於新產生了的學習模型與既存的學習模型之間之差分是否為臨限值以上一事，來判定是否應該將新產生了的學習模型視為與既存之學習模型相異之模型來進行處理(S803)。例如，藉由將學習模型所記述的參數之特徵量空間內之距離之差分等與臨限值作比較，係能夠判定是否身為相異之模型。機械學習部120，在身為相異之模型的情況時，係藉由在S802中所產生了的學習模型來將既存之學習模型作置換(S804)。在並不需要視為相異之模型來進行處理的情況時，本流程圖係結束。
＜實施形態4＞ 圖9，係為本發明之實施形態4之配方錯誤推測系統之構成圖。在本實施形態4中，配方錯誤推測系統，係推測出在複數之製造據點(Fabric或Fab)的各者處之半導體檢查裝置之錯誤原因。於此，係對於據點910(Fab1)和據點920 (Fab2)作了例示。各據點與電腦系統100，係藉由網路而被作連接。電腦系統100之構成，係與實施形態1~3相同。
據點910，係具備有2個的製造生產線911和912。在各製造生產線處，係分別被連接有相異之型號(型式A、B、C)的半導體檢查裝置。據點920，係亦可具備有相同之構成。電腦系統100，係與各據點之各製造生產線之各者的半導體檢查裝置作連接，並分別取得裝置資料111/配方112/計測結果113。之後的處理，係與實施形態1~3相同。
電腦系統100，係可針對各據點或各製造生產線而分別產生相異之學習模型，亦可產生將此些之中之一部分或全部作了整合的單一之學習模型。於前者之情況，係能夠產生與各據點或各製造生產線的個別之特性相對應的學習模型。於後者之情況，例如，在各據點或各製造生產線為使用有類似之檢查裝置的情況時，係能夠藉由增加教師資料來使推測精確度提高。
＜關於本發明之變形例＞ 本發明，係並不被限定於前述之實施形態，而亦包含有各種的變形例。例如，在上述之實施形態中，係為為了對於本發明作易於理解之說明而作了詳細說明者，本發明係並不被限定於包含有上述所作了說明的全部之構成者。又，係可將某一實施形態之構成的一部分置換為其他之實施形態的構成，亦可在某一實施形態的構成中追加其他實施形態之構成。又，係可針對各實施形態之構成的一部分，而進行其他之構成的追加、削除或置換。
在以上之實施形態中，雖係針對使學習器121對於(a)裝置資料、(b)配方、(c)計測結果之對應關係作學習的例子而作了展示，但是，為了特定出配方錯誤，係只要至少對配方與錯誤參數之間之對應關係作學習即可。故而，此種構成亦係身為本發明之對象。
在以上之實施形態中，雖係針對推測出半導體檢查裝置之配方錯誤之例來作了說明，但是，藉由使學習器121針對「對於裝置之動作作規定的參數」和「在採用了該參數時是否發生有錯誤」而進行學習，係亦可針對其他之裝置而適用本發明。
11~13:半導體檢查裝置 100:電腦系統 110:資料庫 120:機械學習部 121:學習器 122:解析器 123:修正量計算部
[圖1]係為實施形態1之配方資訊提示系統、配方錯誤推測系統之構成圖。 [圖2]係為對於半導體檢查裝置11對半導體晶圓進行檢查的工程作說明之流程圖。 [圖3A]係為對於電腦系統100從半導體檢查裝置11所取得之3個的資料之內容作例示之圖。 [圖3B]係為對於學習器121所學習的輸入與輸出之間之對應關係作示意性展示之圖。 [圖4]係為對關連於學習器121之產生以及解析器之解析的處理程序作說明之流程圖。 [圖5]係為針對藉由學習器121來對於當半導體檢查裝置11使用了新的配方112時是否會發生錯誤一事進行推測的處理程序作示意性展示之圖。 [圖6A]係為針對使解析器122對於配方參數附加了排名之後的結果作展示之示意圖。 [圖6B]係為針對修正量計算部123對於配方參數之修正量作計算的處理程序作示意性展示之圖。 [圖7A]係為電腦系統100對於作業員所提供的GUI之例。 [圖7B]係為電腦系統100對於作業員所提供的GUI之例。 [圖7C]係為電腦系統100對於作業員所提供的GUI之例。 [圖8]係為對於機械學習部120實施再學習的處理程序作說明之動作流程圖。 [圖9]係為實施形態4之配方資訊提示系統、配方錯誤推測系統之構成圖。
1:配方錯誤推測系統
11~13:半導體檢查裝置
100:電腦系統
110:資料庫
120:機械學習部
121:學習器
122:解析器

Claims (19)

  1. 一種配方資訊提供系統，係為提示對於半導體檢查裝置所實施的檢查動作作規定之配方(recipe)或者是關連於該配方之資訊的系統，其特徵為：前述系統，係具備有對於成為了在前述半導體檢查裝置處所產生的錯誤之原因之前述配方作推測的電腦系統，前述電腦系統，係具備有學習器，該學習器，係針對前述半導體檢查裝置在實施前述檢查動作時所使用的前述配方和起因於該配方所產生的前述錯誤之間的對應關係，而藉由機械學習來進行學習，前述電腦系統，係在前述學習器結束了前述機械學習之後，藉由對於前述學習器而投入新的前述配方，來將關於前述半導體檢查裝置在使用了前述新的配方時是否會發生前述錯誤一事的推測結果，作為前述學習器之輸出而取得之，前述電腦系統，當從前述學習器而取得了代表會起因於前述新的配方而產生前述錯誤的內容之推測結果的情況時，係反覆進行對於前述新的配方進行修正並對於前述學習器而再度作投入的處理，直到得到代表不會發生前述錯誤的內容之推測結果為止，前述電腦系統，係將藉由前述反覆處理所得到的前述配方或者是關連於該配方之資訊，作為前述半導體檢查裝置所應使用者而作提示。
  2. 如請求項1所記載之配方資訊提供系統， 其中，前述配方，係記述有對於前述檢查動作作規定的1以上之配方參數，前述學習器，係對於當發生了前述錯誤時前述半導體檢查裝置所使用了的前述配方參數之組合與將前述錯誤之內容作了記述的錯誤參數之間之對應關係作學習，前述電腦系統，係藉由將前述新的配方所記述的前述配方參數對於前述學習器而作投入，來將對應於前述配方參數之前述錯誤參數作為前述推測結果而取得之。
  3. 如請求項1所記載之配方資訊提供系統，其中，前述配方，係記述有對於前述檢查動作作規定的1以上之配方參數，前述電腦系統，係具備有藉由實施前述反覆處理而提示針對產生前述錯誤的前述配方之修正提案之配方修正提案部，前述配方修正提案部，係作為前述修正提案，而將前述半導體檢查裝置所應使用之前述配方參數作為修正候補參數而作提示，並且提示前述修正候補參數之修正量。
  4. 如請求項3所記載之配方資訊提供系統，其中，前述學習器，係更進而具備有計算相對於前述錯誤之前述配方參數之關連度的解析器，前述配方修正提案部，係依循於前述關連度，而從前 述配方參數中特定出前述修正候補參數。
  5. 如請求項3所記載之配方資訊提供系統，其中，前述電腦系統，係更進而具備有對於前述修正量作計算之修正量計算部，前述修正量計算部，係取得在並未發生前述錯誤的過去之正常配方中的正常配方參數之值分布或者是統計值，前述修正量計算部，係依循於前述修正候補參數、和在前述正常配方內而對應於前述修正候補參數的前述正常配方參數之前述值分布或統計值，此兩者間之差分，來算出前述修正量。
  6. 如請求項1所記載之配方資訊提供系統，其中，前述電腦系統，係取得對於代表前述半導體檢查裝置之狀態的狀態參數作了記述之裝置資料，前述學習器，係將前述配方、前述狀態參數以及對於前述錯誤之內容作了記述的錯誤參數之間之對應關係，藉由前述機械學習來作學習，前述電腦系統，係在前述學習器結束了前述機械學習之後，藉由與前述新的配方一同地而亦將前述狀態參數對於前述學習器而作投入，來將關於當前述半導體檢查裝置使用前述新的配方並且前述半導體檢查裝置乃身為藉由前述狀態參數所表現的狀態時是否會發生前述錯誤一事的推測結果，作為前述學習器之輸出而取得之。
  7. 如請求項6所記載之配方資訊提供系統，其中，前述半導體檢查裝置，係包含有第1檢查裝置和第2檢查裝置，前述電腦系統，係作為前述狀態參數，而取得代表前述第1檢查裝置之狀態的第1裝置參數、和代表前述第2檢查裝置之狀態的第2裝置參數，前述學習器，係將前述配方、前述第1裝置參數、前述第2裝置參數以及前述錯誤之間之對應關係，藉由前述機械學習來作學習，前述學習器，係依循於前述第1裝置參數與前述第2裝置參數之間之差分，來推測是否起因於前述第1裝置參數與前述第2裝置參數中之至少其中一者而發生了前述錯誤。
  8. 如請求項1所記載之配方資訊提供系統，其中，前述學習器，係在藉由前述機械學習所學習了的前述對應關係之時間序列履歷中，將起因於使用相同之配方或者是類似之配方群一事而發生了前述錯誤的時間點與並未發生的時間點分別特定出來，藉由此，而推測是否起因於前述半導體檢查裝置之檢查對象之狀態而發生了前述錯誤。
  9. 如請求項1所記載之配方資訊提供系統，其中， 前述半導體檢查裝置，係包含有第1檢查裝置和第2檢查裝置，前述學習器，係依循於是否起因於使用相同之配方或者是類似之配方群一事而在前述第1檢查裝置與前述第2檢查裝置之各者處發生了前述錯誤一事，而推測是否起因於前述配方而發生了前述錯誤。
  10. 如請求項1所記載之配方資訊提供系統，其中，前述電腦系統，係更進而具備有在前述機械學習結束之後而使前述學習器再度實施前述機械學習之再學習實施部，前述再學習實施部，係在前述機械學習結束之後，取得新的前述配方與新的前述錯誤之間之新的對應關係，並藉由將該新的對應關係對於前述學習器而作輸入，來使前述學習器再度實施前述機械學習，前述再學習實施部，係當對於前述機械學習之結果作了記述的學習資料模型、和將前述再度實施之結果作了記述的再學習資料模型，此兩者間之差分為判定臨限值以上的情況時，將前述再學習資料模型與前述學習資料模型作置換。
  11. 如請求項1所記載之配方資訊提供系統，其中，前述電腦系統，係更進而具備有將代表當在前述半導體檢查裝置處而發生了前述錯誤時的前述半導體檢查裝置 的狀態之參數與前述錯誤之內容一同作提示的使用者介面。
  12. 如請求項6所記載之配方資訊提供系統，其中，前述裝置資料，係作為前述狀態參數，而記述有對於用以使前述半導體檢查裝置依循於規定之規格來動作的動作修正參數作了記述之裝置固有參數、和對於用以對前述半導體檢查裝置之機差作修正的動作修正參數作了記述之裝置機差修正參數、以及對於由前述半導體檢查裝置所致之觀察條件作了記述之觀察條件參數，此些之中之至少一者。
  13. 如請求項2所記載之配方資訊提供系統，其中，前述配方，係作為對前述檢查動作作規定之參數，而記述有前述半導體檢查裝置所檢查的半導體晶圓上之座標映射、為了使前述半導體晶圓之座標系與前述半導體檢查裝置之座標系相互對齊所使用的對位參數、為了使前述半導體檢查裝置所檢查之位置與在前述半導體晶圓上之檢查位置相互對合所使用的定址(addressing)參數、為了對於在前述檢查位置處而被形成於前述半導體晶圓上的圖案中之應對於長度作測定的部位作指定所使用之測長參數，此些之中之至少一者。
  14. 如請求項2所記載之配方資訊提供系統，其中， 前述錯誤參數，係與前述錯誤之內容一同地，而亦記述有對於針對被形成於前述半導體檢查裝置所檢查的半導體晶圓上之圖案的長度作了特定後之結果作了記述之測長結果、藉由使前述半導體檢查裝置對於前述半導體晶圓作觀察一事所取得的觀察畫像、前述半導體檢查裝置之動作日誌(log)，此些之中之至少一者。
  15. 如請求項1所記載之配方資訊提供系統，其中，前述電腦系統，係更進而具備有將在前述半導體檢查裝置處之前述錯誤之內容與前述錯誤之時間序列之錯誤狀況一同作提示的使用者介面。
  16. 如請求項1所記載之配方資訊提供系統，其中，前述電腦系統，係更進而具備有將在前述半導體檢查裝置處之前述配方之內容與實行了前述配方時的實行結果一同作提示的使用者介面。
  17. 如請求項1所記載之配方資訊提供系統，其中，前述電腦系統，係更進而具備有將在前述半導體檢查裝置處而對於前述配方作了修正後的結果作提示而能夠對於修正配方的效果作確認之使用者介面。
  18. 如請求項11所記載之配方資訊提供系統，其中，前述電腦系統，係更進而將前述配方或關連於前述配 方之資訊，在前述使用者介面處作提示。
  19. 一種配方錯誤推測系統，係為推測出在對於半導體檢查裝置所實施的檢查動作作規定之配方(recipe)中之成為了於前述半導體檢查裝置處所發生的錯誤之原因者的系統，其特徵為：前述系統，係具備有推測出成為了前述錯誤之原因之前述配方的電腦系統，前述電腦系統，係具備有學習器，該學習器，係針對前述半導體檢查裝置在實施前述檢查動作時所使用的前述配方和起因於該配方所產生的前述錯誤之間的對應關係，而藉由機械學習來進行學習，前述電腦系統，係在前述學習器結束了前述機械學習之後，藉由對於前述學習器而投入新的前述配方，來將關於前述半導體檢查裝置在使用了前述新的配方時是否會發生前述錯誤一事的推測結果，作為前述學習器之輸出而取得之，並基於該推測結果，而推測出成為了前述錯誤的原因者。
TW109123151A 2019-09-06 2020-07-09 配方資訊提示系統、配方錯誤推測系統 TWI743877B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
PCT/JP2019/035140 WO2021044611A1 (ja) 2019-09-06 2019-09-06 レシピ情報提示システム、レシピエラー推定システム
WOPCT/JP2019/035140 2019-09-06

Publications (2)

Publication Number Publication Date
TW202111591A TW202111591A (zh) 2021-03-16
TWI743877B true TWI743877B (zh) 2021-10-21

Family

ID=74853098

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109123151A TWI743877B (zh) 2019-09-06 2020-07-09 配方資訊提示系統、配方錯誤推測系統

Country Status (6)

Country Link
US (1) US20220334172A1 (zh)
JP (1) JP7153142B2 (zh)
KR (1) KR20220034196A (zh)
CN (1) CN114245933A (zh)
TW (1) TWI743877B (zh)
WO (1) WO2021044611A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220132604A (ko) * 2020-03-30 2022-09-30 주식회사 히타치하이테크 진단 시스템
US20230168650A1 (en) * 2021-12-01 2023-06-01 United Microelectronics Corp. Recipe verifying method, recipe verifying server, and smart manufacturing controlling system using the same
US20230367288A1 (en) * 2022-05-16 2023-11-16 Applied Materials, Inc. Physically-informed multi-system hardware operating windows

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018159190A1 (ja) * 2017-03-02 2018-09-07 東京エレクトロン株式会社 検査システム、および検査システムの故障解析・予知方法
WO2018179890A1 (ja) * 2017-03-30 2018-10-04 東京エレクトロン株式会社 検査システム、ウエハマップ表示器、ウエハマップ表示方法、およびコンピュータプログラム
TW201905611A (zh) * 2017-06-29 2019-02-01 台灣積體電路製造股份有限公司 製程系統與製程方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5933985B2 (ja) 1979-02-06 1984-08-20 富士通株式会社 半導体装置
JPH0727707A (ja) * 1993-07-09 1995-01-31 Nikon Corp 異物検査装置
US7065425B1 (en) 2005-06-22 2006-06-20 Internaitonal Business Machines Corporation Metrology tool error log analysis methodology and system
WO2007013170A1 (ja) * 2005-07-29 2007-02-01 Topcon Corporation 自己診断機能を有する半導体デバイス製造検査装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018159190A1 (ja) * 2017-03-02 2018-09-07 東京エレクトロン株式会社 検査システム、および検査システムの故障解析・予知方法
WO2018179890A1 (ja) * 2017-03-30 2018-10-04 東京エレクトロン株式会社 検査システム、ウエハマップ表示器、ウエハマップ表示方法、およびコンピュータプログラム
TW201905611A (zh) * 2017-06-29 2019-02-01 台灣積體電路製造股份有限公司 製程系統與製程方法

Also Published As

Publication number Publication date
TW202111591A (zh) 2021-03-16
CN114245933A (zh) 2022-03-25
JP7153142B2 (ja) 2022-10-13
KR20220034196A (ko) 2022-03-17
JPWO2021044611A1 (zh) 2021-03-11
US20220334172A1 (en) 2022-10-20
WO2021044611A1 (ja) 2021-03-11

Similar Documents

Publication Publication Date Title
TWI743877B (zh) 配方資訊提示系統、配方錯誤推測系統
JP6893549B2 (ja) 高次元変数選択モデルを使用した重要なパラメータの決定システム
CN110928265B (zh) 数据处理方法、装置与系统、以及计算器可读取记录介质
JP6841980B2 (ja) 装置診断装置、プラズマ処理装置及び装置診断方法
JP7214417B2 (ja) データ処理方法およびデータ処理プログラム
CN106298582A (zh) 制程异常诊断系统及方法
JP2009521800A (ja) 情報信憑性に基づく改良された状態推定
WO2021199227A1 (ja) エラー要因の推定装置及び推定方法
TWI709833B (zh) 資料處理、資料處理裝置以及電腦可讀取記錄媒體
TW202006652A (zh) 具輔助判斷功能之產品測試系統及應用於其上的產品測試輔助方法
TWI801973B (zh) 錯誤因素之推定裝置及推定方法
US7739631B2 (en) Testing method and method for manufacturing an electronic device
CN110908899A (zh) 应用程序的调试方法、移动终端及计算机可读存储介质
KR20230135131A (ko) 측정 위반 분석을 이용한 비정상 식별 프로세스
KR100883284B1 (ko) 배선 수정 방법
CN109871559B (zh) 一种电力系统信息故障扫描的分析方法
JPWO2021130983A1 (ja) データ収集分析システム、データ収集分析装置およびデータ収集分析方法
TW202028727A (zh) 半導體製程之品質監控方法
CN113012120B (zh) 灰度值有效性分析方法、装置、电子设备以及存储介质
US20230298137A1 (en) Image restoration system and image restoration method
JP7462509B2 (ja) 要因推定装置、要因推定システムおよびプログラム
WO2023166720A1 (ja) 入出力装置、パルス幅表示システムおよびパルス幅表示方法
US20220171377A1 (en) Mounted board manufacturing system
JP2021002295A (ja) 異常検知装置、異常検知システム、及び異常検知方法
CN116107890A (zh) 基于数理建模与机理分析的联合故障预警模型测试方法