TWI843899B - 計量工具，半導體製造之製程最佳化的方法，及非暫時性電腦可讀媒體 - Google Patents

計量工具，半導體製造之製程最佳化的方法，及非暫時性電腦可讀媒體 Download PDF

Info

Publication number
TWI843899B
TWI843899B TW109134343A TW109134343A TWI843899B TW I843899 B TWI843899 B TW I843899B TW 109134343 A TW109134343 A TW 109134343A TW 109134343 A TW109134343 A TW 109134343A TW I843899 B TWI843899 B TW I843899B
Authority
TW
Taiwan
Prior art keywords
tool
processor
candidates
settings
response surface
Prior art date
Application number
TW109134343A
Other languages
English (en)
Other versions
TW202129562A (zh
Inventor
史考特 比蒂
Original Assignee
美商科磊股份有限公司
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 美商科磊股份有限公司 filed Critical 美商科磊股份有限公司
Publication of TW202129562A publication Critical patent/TW202129562A/zh
Application granted granted Critical
Publication of TWI843899B publication Critical patent/TWI843899B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67276—Production flow monitoring, e.g. for increasing throughput
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Geometry (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

使用來自一計量工具之量測，可判定該計量工具上之工具設定之組合。接著可判定候選者，且可針對該等候選者中之每一者產生一回應表面模型。然後可依據該等回應表面模型來判定提供一最大回應且對雜訊源最不敏感之該等工具設定之該等候選者之一清單。該等候選者之該清單可各自來自該回應表面模型之一較密集區域。

Description

計量工具，半導體製造之製程最佳化的方法，及非暫時性電腦可讀媒體
本發明係關於製程最佳化，且更特定而言，係關於用於半導體製造之製程最佳化。
半導體製造業之演化對良率管理且特定而言對計量及檢驗系統提出較高要求。臨界尺寸繼續收縮，但業界需要減少用於達成高良率、高價值產品之時間。最小化自偵測一良率問題至解決問題之總時間判定一半導體製造者之投資回報。
製作諸如邏輯及記憶體裝置之半導體裝置通常包含使用大數目個製作製程來處理一半導體晶圓以形成半導體裝置之各種特徵及多個層級。舉例而言，微影係涉及將一圖案自一倍縮光罩轉印至配置於一半導體晶圓上之一光阻劑之一半導體製作製程。半導體製作製程之額外實例包含但不限於化學機械拋光(CMP)、蝕刻、沈積及離子植入。可在一單個半導體晶圓上以一配置製作多個半導體裝置，該多個半導體裝置被分離成個別半導體裝置。
在半導體製造期間在各種步驟處使用檢驗製程以偵測晶圓上之缺陷從而促進在製造製程中之較高良率及因此較高利潤。檢驗始終係製 作諸如積體電路(IC)之半導體裝置之一重要部分。然而，隨著半導體裝置之尺寸減小，檢驗對於成功製造可接受半導體裝置變得甚至更重要，此乃因較小缺陷可能致使裝置發生故障。舉例而言，隨著半導體裝置之尺寸減小，對減小大小之缺陷之偵測變得有必要，此乃因甚至相對小之缺陷可在半導體裝置中造成非想要之像差。
亦在半導體製造期間在各種步驟處使用計量製程以監測並控制該製程。計量製程與檢驗製程不同之處在於：不像其中在晶圓上偵測缺陷之檢驗製程，計量製程用於量測使用現有檢驗工具不能判定之晶圓之一或多個特性。計量製程可用於量測晶圓之一或多個特性，使得可依據該一或多個特性來判定一製程之效能。舉例而言，計量製程可量測在製程期間形成於晶圓上之特徵之一尺寸(例如，線寬度、厚度等)。另外，若晶圓之一或多個特性係不可接受的(例如，在特性之一預定範圍之外)，則對晶圓之一或多個特性之量測可用於變更製程之一或多個參數，使得藉由製程製造之額外晶圓具有可接受特性。
半導體製造者使用複雜製程最佳化努力來滿足對更嚴密公差之增加之需求。舉例而言，可最佳化檢驗及計量系統或操作。半導體製造者通常搜尋提供準確量測之一最佳組設備條件，且對不可控制或未知之可變性源係穩健的。諸多半導體製造者尋求具有高準確度之低時間結果。
諸多計量及檢驗工具具有大數目個可調整設定，該等可調整設定需要最佳化以便自該工具得到最佳效能。由於必須研究大參數空間，因此在設置一計量或檢驗工具時此存在一挑戰。另外，若傳入晶圓上之膜及結構隨時間漂移，則最佳變因設定可漂移且需要重新最佳化。
以前，「蠻力方法」在其可用範圍內使每個工具設定發生變 化。對於離散設定(例如，非偏光、s偏光或p偏光照明)，測試每個排列。對於連續設定(例如，焦點位置)，可藉由選擇一步長大小來離散整個可使用範圍。所需實驗之總數目可大得不合理。另外，當前蠻力方法不能解釋固有製程可變性。
因此，需要新製程最佳化技術及系統。
在一第一實施例中提供一種計量工具。該計量工具包括：一能量源，其產生一束；一載台，其將一晶圓緊固在來自該能量源之該束之一路徑中；一偵測器；及一處理器，其與該偵測器電子通信。該處理器經組態以：接收複數個量測；使用方差分析(ANOVA)來判定該計量工具上之工具設定之複數個組合；判定來自該複數個組合之候選者；針對該等候選者中之每一者產生一回應表面模型；及判定提供一最大回應且對雜訊源最不敏感之該等工具設定之該等候選者之一清單。該等候選者之該清單上之該等候選者中之每一者各自來自該回應表面模型之一較密集區域。
該處理器可進一步經組態以發送指令以使用該計量工具對一半導體晶圓執行該等量測。可用一混合效應模型來收集該等量測。
該計量工具上之可調諧設定可係獨立變數。
候選者之該清單可提供該計量工具相對於該等候選者之一剩餘部分之經改良效能。
該處理器可進一步經組態以基於量測品質而判定一得分。
該回應表面模型可係一個3×3回應表面模型。
該處理器可進一步經組態以基於候選者之該清單而調整該計量工具上之一或多個設定。
在一第二實施例中提供一種方法。該方法包括在一處理器處自一計量工具接收複數個量測。使用該處理器，使用ANOVA來判定該計量工具上之工具設定之複數個組合。使用一處理器，判定來自該複數個組合之候選者。使用該處理器，針對該等候選者中之每一者產生一回應表面模型。使用該處理器，判定提供一最大回應且對雜訊源最不敏感之該等工具設定之該等候選者之一清單。該等候選者之清單上之該等候選者中之每一者各自來自該回應表面模型之一較密集區域。
該方法可進一步包括使用該計量工具對一半導體晶圓執行該等量測。可用一混合效應模型來收集該等量測。
該計量工具上之可調諧設定可係獨立變數。
候選者之該清單可提供該計量工具相對於該等候選者之一剩餘部分之經改良效能。
該方法可進一步包括基於量測品質而判定一得分。
該回應表面模型可係一個3×3回應表面模型。
該方法可進一步包括：使用該處理器，使用候選者之該清單來調整該計量工具上之一或多個設定。
一種儲存一程式之非暫時性電腦可讀媒體可經組態以指示一處理器執行該第二實施例之該方法。
100:方法
101:步驟
102:步驟
103:步驟
104:步驟
105:步驟
106:步驟
200:系統
201:基於光學之子系統
202:樣本
203:光源
204:光學元件
205:透鏡
206:載台
207:集光器
208:元件
209:偵測器
210:集光器
211:元件
212:偵測器
213:分束器
214:處理器
215:電子資料儲存單元
為更全面理解本發明之性質及目的，應參考結合附圖做出之以下詳細說明，其中：圖1係根據本發明之一方法實施例之一流程圖；圖2係根據本發明之一計量系統實施例之一方塊圖； 圖3係一例示性41×32回應表面；圖4係一例示性9×9回應表面；圖5係一例示性第III類固定效應測試之一表；圖6A至圖6B圖解說明4向交互作用；圖7A至圖7C圖解說明一頂部變因候選者之例示性回應表面；且圖8圖解說明例示性結果。
儘管將依據某些實施例闡述所主張標的物，但包含不提供本文中所陳述之所有優點及特徵之實施例的其他實施例亦在本發明之範疇內。可在不背離本發明之範疇的情況下做出各種結構、邏輯、製程步驟及電子改變。因此，本發明之範疇僅參考隨附申請專利範圍來界定。
揭示一種用於計量系統之製程最佳化技術。此技術係準確、可驗證的，且導致一成本減少(亦即，時間結果)。為實現此，建構一設計性實驗(DOE)來對比差異且依據全部回應表面來判定所關注候選者區域，其中可最佳化一組光學回應。當已識別候選者設置條件時，利用回應表面方法來內插用於驗證階段之最佳及穩定回應點。一驗證階段可使用密集晶圓取樣，且成功準則可基於滿足舉例而言小於4nm之目標殘差|m|+3σ。在一項實例中，達成目標成功準則同時減少93%以上之時間結果。
隨著新計量工具之精確可調諧性增加，可需要複雜製程最佳化努力來滿足對更嚴密公差之增加之要求。計量工具應一致地且在不利製程條件下執行精確量測。需要一最佳組設備條件，此將對不可控制或未知之可變性源係穩健的。本文中所揭示之技術可提供此等設備條件。此等技術亦對不同半導體製造者係穩健的，其中之每一者具有其自身特定需求。 此等技術亦解決一多回應問題，其中結果含有經設計以評估計量工具準確且一致地量測之能力之數個回應。
圖1係一方法100之一流程圖。可使用一處理器來執行方法100中之所有步驟中之某些步驟。一混合效應模型可用於判定設備設定之何種組合將對製程變化係穩健的。模型化結果可提供在未來量測中提供信心之資訊。每一量測可係不同的，但舉例而言，當使用彼等條件來量測新晶圓時，可判定為我們提供一小於1%機會之不正確性之一模型。該實驗可經建構以確保所有工具設定得到獨立評估。另外，可將工具設定作為固定效應包含在內，且可將雜訊源作為隨機效應包含在內。因此，此可係一混合模型。在於模型中包含已知但不可控制之變化源的情況下，可阻擋來自隨機因子之效應且可獨立於雜訊而評估計量工具設定。
在101處，使用一計量工具對一半導體晶圓執行量測。可獨立於其他步驟而執行此步驟101。因此，結果可發送至來自一獨立計量工具之一處理器或可發送至計量工具之處理器。可用一混合效應模型來收集該等量測。可選擇一適當實驗設計(DOE)使得可藉助合理次數實驗(亦即，量測)來提取最大資訊。實例性DOE類型包含裂區設計、正交內部/外部陣列或分數階乘。可使用其他DOE類型。
雖然提及一計量工具，但可使用一檢驗工具或其他類型之工具。方法100可在具有離散及/或連續變數設定之任何組合之任何設備上工作。
在102處，在一處理器處接收來自計量工具之量測。在103處，使用方差分析(ANOVA)來判定計量工具上之工具設定之組合。工具設定可包含標記設計、孔徑設定、偏光設定、照明頻帶寬度、波長、焦點或 其他工具設定。ANOVA可用作一篩選製程使得可忽略非有效參數。此導致待解決之一更小問題。在步驟103處，亦可使用除ANOVA之外之其他技術。
在104處，判定來自組合之候選者。ANOVA可在量測連續變數之組合之前判定最穩健之分類設定。在不具有連續變數的情況下，ANOVA可判定每半導體層之最佳設定。每一層可係唯一的且可需要個別設定。ANOVA可提供設定之特定組合且提供用於未來量測之信心。在擬合混合效應模型之後，可針對每一主效應及每一交互作用效應計算統計有效性測試。對於統計上有效參數，可判定頂級組合，諸如在步驟104處。
在105處，針對候選者中之每一者產生一回應表面模型。在一例項中，方法100在一較大回應表面中檢查個別區域最大值且擴展DOE直至在回應中偵測到曲率為止。此可提供更準確預測。在一典型製造製程中，需要關於哪些設定產生所期望結果之先驗知識。然而，半導體工業可具有每一個別製程步驟所獨有之化學及光學考量，且一般而言沒有先驗知識。
在一實例中，該回應表面模型可係一個3×3回應表面模型。計量工具上之可調諧設定可包含波長或焦點。
一回應表面方法可用於藉助少次數實驗測試來對連續獨立變數之回應進行高效取樣，且接著藉由將一簡單平滑函數(諸如一個二次線性擬合)擬合至此實驗資料集來判定最佳設定。此方法幫助減少所需之試驗數目。一回應表面模型可基於峰值，該等峰值可係所關注區域。可自橫向排法(landscape)提取峰值。
在一例項中，可自一個九點DOE(例如，一個3×3回應表面 模型)產生一回應表面模型。九個點可涵蓋在其橫向排法上不具有曲率之一區域。一個九點DOE亦可經設計以擬合一個二次模型。
可使用初始資料對頂級變因之統計上有效變數執行一區域最佳化。可為此區域最佳化定位所關注區域。回應表面方法可應用於頂部候選者(次級設備設定)，其中初級(可調諧)設定作為獨立變數。此可提供可經或未經實際量測之一經預測組設備設定。方法100可預測一組最佳設備設定。
一回應表面模型可判定：最大經內插回應位置、回應表面形狀、對波長及焦點改變之敏感度及/或判定一模型之適當性之擬合診斷。一個二次回應表面模型可擬合於一區域中。可藉由運行提供一擬合方程式之回應表面方法(RSM)模型在DOE空間內內插回應。可將一新回應預測為在一誤差位準內。舉例而言，可選擇一5%誤差限度內之受信任候選者。RSM模型化係兩個模型合為一個：二次擬合及正則模型化。正則模型化提供判定最大可變性之方向之特徵值。對於一個二次模型，可獲得兩個特徵值。若兩個特徵值係負的，則發現一最大回應區域。若兩個特徵值係正的，則發現一最小回應區。若該等特徵值之符號混合在一起，則發現一鞍形(回應在一個方向上增加且在一不同方向上減少)。可藉由擬合方程式來判定敏感度，且該擬合方程式可用於以連續變數之一個單位改變來模型化經預測回應改變。擬合診斷(p值)可提供一個二次模型實際上係適當的之一置信位準。若擬合診斷係不良的(例如，p值>0.05)，則可判定無需一特定模型係數。擬合診斷可用於測試曲率。
在一實施例中，應集中注意力之回應表面模型之區係未知的。由於回應表面模型可係不同的，因此可能無法監視每個回應表面模型 上之相同區域。
在106處，判定提供一最大回應且對雜訊源最不敏感之該等工具設定之候選者之一清單。此判定可使用如本文中所闡述之ANOVA及RSM模型化。該等候選者之清單上之該等候選者中之每一者來自該回應表面模型之一較密集區域。在一實例中，量測每一變數中自最小至最大之波長及焦點之整個區域。SPOC允許插值，且在仍使用整個範圍的情況下待量測之點數目可減少75%以上。此可被視為密集區域，儘管對於密集區域其他減少係可能的。
候選者之該清單亦可提供該計量工具相對於該等候選者之一剩餘部分之經改良效能。在一例項中，任一製程改變(諸如光阻劑厚度)可使所需最佳波長移位。SPOC可提供一解決方案，其中一個10nm波長改變不會變更經預測回應，或者一製程改變之效應被最小化。
因此，可建構定中心於步驟105中所發現之經預測設備設定處之一實驗設計。可在所選候選者周圍探索一較密集區域以判定可遞送經改良品質且對雜訊源最不敏感之設備設定。可同時執行在一所選候選者周圍進行探索且判定設備設定。可基於方法100之結果改變一計量工具(或其他工具)上之設備設定中之一或多者。
方法100之設計可使用全部回應空間且偵測所關注區域以運行傳統回應表面模型。
在判定提供一最大回應之候選者之後，可隨時間監視並控制計量工具。一計量工具可隨時間漂移或者一晶圓之厚度可改變，此將導致回應表面模型之改變。
計量工具不會進行相同的實驗。方法100之實施例提供偵測 且適應改變之一方式。可視情況而定地自動修改數學模型。半導體製造者之視覺輔助亦可適應每一唯一實驗。
在一例項中，一半導體製造者在一晶圓上設計目標。取決於物理學，設定之某些組合對於晶圓上之一特定目標可並非最佳的。
在圖2之系統200中展示可使用方法100之一計量系統之一項實施例。系統200包含基於光學之子系統201。一般而言，基於光學之子系統201經組態以用於藉由將光引導至樣本202(或使光在樣本202上方掃描)且偵測來自樣本202之光來產生一樣本202之基於光學之輸出。在一項實施例中，樣本202包含一晶圓。該晶圓可包含此項技術中已知之任何晶圓。在另一實施例中，該樣本包含一倍縮光罩。該倍縮光罩可包含此項技術中已知之任何倍縮光罩。
在於圖2中所展示之系統200之實施例中，基於光學之子系統201包含經組態以將光引導至樣本202之一照明子系統。該照明子系統包含至少一個光源。舉例而言，如圖2中所展示，照明子系統包含光源203。在一項實施例中，照明子系統經組態以將光以一或多個入射角(其可包含一或多個傾斜角及/或一或多個法向角)引導至樣本202。舉例而言，如圖2中所展示，將來自光源203之光引導通過光學元件204且接著通過透鏡205以一傾斜入射角至樣本202。該傾斜入射角可包含任何適合傾斜入射角，其可舉例而言取決於樣本202之特性而變化。
基於光學之子系統201可經組態以在不同時間以不同入射角將光引導至樣本202。舉例而言，基於光學之子系統201可經組態以變更照明子系統之一或多個元件之一或多個特性，使得可以不同於圖2中所展示之入射角之一入射角將光引導至樣本202。在一項此實例中，基於光學之 子系統201可經組態以移動光源203、光學元件204及透鏡205，使得以一不同入射角或一法向(或接近法向)角將光引導至樣本202。
在某些例項中，基於光學之子系統201可經組態以在相同時間以一個以上入射角將光引導至樣本202。舉例而言，照明子系統可包含一個以上照明通道，該等照明通道中之一者可包含圖2中所展示之光源203、光學元件204及透鏡205，且該等照明通道中之另一者(未展示)可包含可組態成不同或相同之類似元件，或可包含至少一光源以及可能地一或多個其他組件(諸如本文中進一步所闡述之組件)。若將此光與其他光在相同時間引導至樣本，則以不同入射角引導至樣本202之光之一或多個特性(例如，波長、偏光等)可係不同的，使得由以不同入射角對樣本202之照明引起之光可在偵測器處彼此區別開。
在另一例項中，照明子系統可包含僅一個光源(例如，圖2中所展示之光源203)，且可藉由照明子系統之一或多個光學元件(未展示)將來自光源之光分離至不同光學路徑中(例如，基於波長、偏光等)。可接著將不同光學路徑中之每一者中之光引導至樣本202。多個照明通道可經組態以在相同時間或不同時間(例如，當不同照明通道用於依序照明樣本時)將光引導至樣本202。在另一例項中，相同照明通道可經組態以將在不同時間具有不同特性之光引導至樣本202。舉例而言，在某些例項中，光學元件204可組態為一光譜濾光器，且該光譜濾光器之性質可以各種不同方式(例如，藉由調換光譜濾光器)改變，使得可在不同時間將不同光波長引導至樣本202。照明子系統可具有此項技術中已知之用於以不同或相同入射角將具有不同或相同特性之光依序或同時引導至樣本202之任何其他適合組態。
在一項實施例中，光源203可包含一寬頻帶電漿(BBP)源。以此方式，由光源203產生且被引導至樣本202之光可包含寬頻帶光。然而，光源可包含任何其他適合光源，諸如一雷射。該雷射可包含此項技術中已知之任何適合雷射，且可經組態以產生此項技術中已知之任一或多個適合波長下之光。另外，該雷射可經組態以產生單色或接近單色之光。以此方式，該雷射可係一窄頻帶雷射。光源203亦可包含產生多個離散波長或波帶下之光之一多色光源。
可藉由透鏡205將光自光學元件204聚焦至樣本202上。儘管圖2中將透鏡205展示為一單個折射光學元件，但應理解，實際上，透鏡205可包含組合地將光自光學元件聚焦至樣本之若干折射及/或反射光學元件。圖2中所展示且本文中所闡述之照明子系統可包含任何其他適合光學元件(未展示)。此等光學元件之實例包含但不限於偏光組件、光譜濾光器、空間濾光器、反射光學元件、變跡器、分束器(諸如分束器213)、孔徑及類似者，其等可包含此項技術中已知之任何此等適合光學元件。另外，基於光學之子系統201可經組態以基於待用於產生基於光學之輸出之照明類型而變更照明子系統之元件中之一或多者。
基於光學之子系統201亦可包含經組態以致使光在樣本202上方掃描之一掃描子系統。舉例而言，基於光學之子系統201可包含樣本202在基於光學之輸出產生期間安置在其上之載台206。該掃描子系統可包含可經組態以移動樣本202使得光可在樣本202上方掃描之任何適合機械及/或機器人總成(其包含載台206)。另外或另一選擇係，基於光學之子系統201可經組態使得基於光學之子系統201之一或多個光學元件執行光在樣本202上方之某些掃描。光可以任何適合方式(諸如以一蜿蜒狀路徑或以一螺 旋路徑)在樣本202上方掃描。
基於光學之子系統201進一步包含一或多個偵測通道。一或多個偵測通道中之至少一者包含一偵測器，其經組態以藉由子系統來偵測歸因於對樣本202之照明之來自樣本202之光且回應於所偵測光而產生輸出。舉例而言，圖2中所展示之基於光學之子系統201包含兩個偵測通道，一個由集光器207、元件208及偵測器209形成，且另一個由集光器210、元件211及偵測器212形成。如圖2中所展示，兩個偵測通道經組態以便以不同集光角收集且偵測光。在某些例項中，兩個偵測通道經組態以偵測散射光，且該等偵測通道經組態以偵測以不同角度自樣本202散射之光。然而，偵測通道中之一或多者可經組態以偵測來自樣本202之一其他類型之光(例如，反射光)。
如圖2中進一步所展示，兩個偵測通道展示為定位在紙之平面中，且照明子系統亦展示為定位在紙之平面中。因此，在此實施例中，兩個偵測通道定位在(例如，定中心在)入射平面中。然而，偵測通道中之一或多者可定位在入射平面之外。舉例而言，由集光器210、元件211及偵測器212形成之偵測通道可經組態以收集且偵測散射在入射平面之外之光。因此，此一偵測通道通常可稱為一「側」通道，且此一側通道可定中心於實質上垂直於入射平面之一平面中。
儘管圖2展示包含兩個偵測通道之基於光學之子系統201之一實施例，但基於光學之子系統201可包含不同數目個偵測通道(例如，僅一個偵測通道或者兩個或更多個偵測通道)。在一項此例項中，由集光器210、元件211及偵測器212形成之偵測通道可形成如上文所闡述之一個側通道，且基於光學之子系統201可包含形成為定位在入射平面之對置側上 之另一側通道之一額外偵測通道(未展示)。因此，基於光學之子系統201可包含偵測通道，該偵測通道包含集光器207、元件208及偵測器209，並且該偵測通道定中心在入射平面中且經組態以便以與樣本202表面法向或接近法向之散射角收集且偵測光。因此，此偵測通道通常可稱為一「頂部」通道，且基於光學之子系統201亦可包含如上文所闡述地組態之兩個或更多個側通道。如此，基於光學之子系統201可包含至少三個通道(亦即，一個頂部通道及兩個側通道)，且至少三個通道中之每一者具有其自身集光器，該等集光器中之每一者經組態以便以不同於其他集光器之散射角度收集光。
如上文進一步所闡述，包含於基於光學之子系統201中之偵測通道中之每一者可經組態以偵測散射光。因此，圖2中所展示之基於光學之子系統201可經組態以用於樣本202之暗場(DF)輸出產生。然而，基於光學之子系統201亦可或另一選擇係包含經組態以用於樣本202之亮場(BF)輸出產生之偵測通道。換言之，基於光學之子系統201可包含經組態以偵測自樣本202鏡面反射之光之至少一個偵測通道。因此，本文中所闡述之基於光學之子系統201可經組態以用於僅DF、僅BF或DF及BF成像兩者。儘管圖2中將集光器中之每一者展示為單個折射光學元件，但應理解集光器中之每一者可包含一或多個折射光學晶粒及/或一或多個反射光學元件。
一或多個偵測通道可包含此項技術中已知之任何適合偵測器。舉例而言，偵測器可包含光電倍增管(PMT)、電荷耦合裝置(CCD)、時間延遲積分(TDI)相機及此項技術中已知之任何其他適合偵測器。偵測器亦可包含非成像偵測器或成像偵測器。以此方式，若偵測器係非成像偵測器，則偵測器中之每一者可經組態以偵測散射光之某些特性(諸如強 度)，但不可經組態以依據在成像平面內之位置而偵測此等特性。如此，由包含於基於光學之子系統之偵測通道中之每一者中之偵測器中之每一者產生之輸出可係信號或資料，但並非係影像信號或影像資料。在此等例項中，一處理器(諸如處理器214)可經組態以自偵測器之非成像輸出產生樣本202之影像。然而，在其他例項中，偵測器可組態為經組態以產生成像信號或影像資料之成像偵測器。因此，基於光學之子系統可經組態以產生光學影像或本文中以若干方式闡述之其他基於光學之輸出。
注意，本文中提供圖2以大體上圖解說明可包含於本文中所闡述之系統實施例中或可產生由本文中所闡述之系統實施例使用之基於光學之輸出之一基於光學之子系統201之一組態。本文中所闡述之基於光學之子系統201組態可經變更以最佳化基於光學之子系統201之效能，如在設計一商業輸出獲取系統時通常所執行。另外，可使用一現有系統來實施本文中所闡述之系統(例如，藉由將本文中所闡述之功能性添加至一現有系統)。針對某些此等系統，可提供本文中所闡述之方法作為系統之選用功能性(例如，除系統之其他功能性之外)。另一選擇係，可將本文中所闡述之系統設計為一完全新系統。
處理器214可以任何適合方式(例如，經由一或多個傳輸媒體，其可包含有線及/或無線傳輸媒體)耦合至系統200之組件，使得處理器214可接收輸出。處理器214可經組態以使用該輸出來執行若干功能。系統200可自處理器214接收指令或其他資訊。視情況，處理器214及/或電子資料儲存單元215可與一晶圓檢驗工具、一晶圓計量工具或一晶圓再檢驗工具(未圖解說明)電子通信以接收額外資訊或發送指令。舉例而言，處理器214及/或電子資料儲存單元215可與一SEM電子通信。
本文中所闡述之處理器214、其他系統或其他子系統可係各種系統之部分，包含一個人電腦系統、影像電腦、大型電腦系統、工作站、網路器具、網際網路器具或其他裝置。子系統或系統亦可包含此項技術中已知之任何適合處理器，諸如一平行處理器。另外，子系統或系統可包含具有高速度處理及軟體之一平台作為一獨立工具或一網路連接工具。
處理器214及電子資料儲存單元215可安置在系統200或另一裝置中或者以其他方式作為系統200或另一裝置之部分。在一實例中，處理器214及電子資料儲存單元215可係一獨立控制單元之部分或在一集中式品質控制單元中。可使用多個處理器214或電子資料儲存單元215。
處理器214實際上可藉由硬體、軟體及韌體之任一組合來實施。而且，本文中所闡述之其功能可由一個單元執行，或在不同組件當中進行分配，其等中之每一者又可藉由硬體、軟體及韌體之任一組合實施。處理器214實施各種方法及功能之程式碼或指令可儲存在可讀儲存媒體中，諸如電子資料儲存單元215中之一記憶體或其他記憶體。
若系統200包含一個以上處理器214，則不同子系統可彼此耦合，使得影像、資料、資訊、指令等可在子系統之間發送。舉例而言，一個子系統可藉由可包含此項技術中已知之任何適合有線及/或無線傳輸媒體之任何適合傳輸媒體耦合至額外子系統。此等子系統中之兩者或更多者亦可藉由一共用電腦可讀儲存媒體(未展示)進行高效耦合。
處理器214可經組態以使用系統200之輸出或其他輸出來執行若干功能。舉例而言，處理器214可經組態以將輸出發送至一電子資料儲存單元215或另一儲存媒體。可如本文中所闡述地進一步組態處理器214。
可根據本文中所闡述之實施例中之任一者來組態處理器214。處理器214亦可經組態以使用系統200之輸出或使用來自其他源之影像或資料來執行其他功能或額外步驟。
系統200之各種步驟、功能及/或操作以及本文中所揭示之方法係由以下各項中之一或多者執行：電子電路、邏輯閘、多工器、可程式化邏輯裝置、ASIC、類比或數位控制件/開關、微控制器或運算系統。實施方法之程式指令(諸如本文中所闡述之指令)可經由載體媒體傳輸或存儲於載體媒體上。該載體媒體可包含一儲存媒體，諸如一唯讀記憶體、一隨機存取記憶體、一磁碟或光碟、一非揮發性記憶體、一固態記憶體、一磁帶及類似者。一載體媒體可包含一傳輸媒體，諸如一導線、纜線或無線傳輸鏈路。舉例而言，本發明通篇中所闡述之各種步驟可由一單個處理器214或另一選擇係多個處理器214執行本。此外，系統200之不同子系統可包含一或多個運算或邏輯系統。因此，以上說明不應解釋為對本發明之一限制而僅係一圖解說明。
在一例項中，處理器214與系統200通信。處理器214經組態以：接收複數個量測；使用ANOVA來判定該計量工具上之工具設定之複數個組合；判定來自該複數個組合之候選者；針對該等候選者中之每一者產生一回應表面模型；及判定提供一最大回應且對雜訊源最不敏感之該等工具設定之該等候選者之一清單。該等候選者之清單上之該等候選者中之每一者各自來自該回應表面模型之一較密集區域。候選者之該清單可提供該計量工具相對於該等候選者之一剩餘部分之經改良效能。該回應表面模型之該等候選者可係該計量工具上之次級設備設定，且該計量工具上之可調諧設定可係獨立變數。該回應表面模型可係一個3×3回應表面模型。
該處理器可進一步經組態以發送指令以使用該計量工具對一半導體晶圓執行該等量測。可藉助一混合效應模型來收集該等量測。
處理器214可進一步經組態以基於量測品質而判定一得分。一複合合意性方法可用於去捲積其中每一經量測屬性具有不同單位及不同變化之一情形。複合合意性可將每一經量測值變換為0與1之間的一得分。可使用加法、乘法或幾何方法將所有經量測品質屬性組合為一單個得分。
一額外實施例係關於一種儲存可在一控制器上執行以用於執行用於程序最佳化之一電腦實施之方法之程式指令之非暫時電腦可讀媒體。特定而言，如圖2中所展示，電子資料儲存單元215或其他儲存媒體可含有包含可在處理器214上執行之程式指令之非暫時性電腦可讀媒體。該電腦執行之方法可包含本文中所闡述之包含方法100之任何方法之任何步驟。
可以各種方式中之任一者來實施程式指令，該等方式包含基於程序之技術、基於組件之技術及/或物件導向之技術以及其他技術。舉例而言，如所期望，可使用ActiveX控件、C++物件、JavaBeans、微軟基礎類別(MFC)、串流化SIMD擴展(SSE)或其他技術或方法來實施該等程式指令。
雖然以一光束揭示，但本文中所揭示之實施例可與來自一能量源之其他束一起使用，諸如電子束或離子束。
執行一實驗以基於數個光學品質度量而判定提供最準確量測之一組設備設定。在一驗證階段期間，量測一目標以判定一當前印刷層如何好地疊對在先前印刷層之頂部上，此稱為疊對。可需要精確準確度，使得在跨越晶圓量測有足夠點的情形下，系統空間圖徵可被移除且可轉換為 一組校正以使微影掃描器用於使用相同製程之任何未來晶圓。一目標基準係用以達成低於|均值|+3σ(在產品疊對上
Figure 109134343-A0305-02-0021-2
4nm)之一半導體製造者之目標之疊對殘差。殘差計算利用在一半導體製造者之生產設施中判定之一特定模型。
在初始實驗中，疊對殘差不能作為一回應鍵入，此乃因其需要待跨越晶圓量測之諸多(例如，大於100個)位置以獲得基於一高階多項式模型之殘差。藉助複製，在實驗之第一階段跨越晶圓量測僅100個位點將導致具有437,400次運行之一最小值之一設計性實驗。因此，判定將基於光學品質度量而準確量測疊對之一組設備設定。
我們的初始實驗經配置以評估「因子A」、「因子B」、「因子C」、「因子D」及「因子E」對三個光學品質度量(「回應1」、「回應3」及「回應2」)之效應。所關注「因子A」設計係SB1、SB2及SB3。所關注「因子B」設定係低、中、高。所關注「因子C」狀態係P、S及Un。所關注「因子D」設定係離散值，且所關注「因子E」位準係在自-2400至2400之範圍中。當量測晶圓上之一位置時，「因子A」、「因子B」及「因子C」保持恆定。「因子D」及「因子E」係變化的。此部分地歸因於所需的隨機運行數目且部分地歸因於改變「因子A」、「因子B」及「因子C」之困難。
處理設計建議一裂區設計。裂區設計適用於諸多情形，其中難以改變之因子應用於較大實驗單元(例如，晶圓)，且易於改變之因子應用於較小子實驗單元(例如，晶圓上之位點)處。
三個妨擾變化源被識別且包含於模型中。三個「因子F」(In、Mid、Out)、兩個方向(垂直(x)及水平(y))及兩個定向(右及左)組成三個隨機因子。理想地，當量測時，所有元件呈現相同品質但存在光學接近 效應，且在模型中必須解釋所有可變性源。「因子A」設計係主要因子中之一者，且一目標係選擇呈現最小光學接近效應之一「因子A」設計。在模型中對此等隨機變化源進行阻擋係解釋此等隨機變化源之一有用技術。
兩個裂區處理因子(「因子D」及「因子E」)形成一回應表面。蠻力方法係產生用於每一主區處理組合之一個41×32回應表面(1312次運行)。透過使用先前資料之實驗判定，任何41×32回應表面可劃分成9^2個處理組合且仍維持回應表面之總體結構。
如圖3及圖4中所展示，量測一個9^2點網格而不是一個41×32點網格(所需運行數目減少93%)維持如由一輪廓圖近似之回應表面之總體結構。可識別所關注區域以便進一步進行研究或驗證。透過一迭代方法，判定一個9×9網格足以擷取所關注區域同時將量測成本減少差不多96%。
在半導體工業中，所有可能的所關注區域(最大回應區)有可能應被識別以便進行可能的研究。因此，選擇一非標準9^2以用於子區處理設計。
初始實驗聚焦於首先產生裂區模型且評估有效效應及交互作用以判定回應表面模型化之候選者。選擇三至五個候選變因在以定中心於特定候選者之「因子D」及「因子E」上之一個3^2面為中心之複合設計中接收一個二次回應表面模型。初始9^2回應表面含有以中心複合面為中心之回應表面模型所需之點。
存在三個回應(「回應2」、「回應1」、「回應3」)。一目標係最佳化所有回應且取決於標的物專業知識而平等處理所有回應或個別進行加權。
在對多個回應之合意性方法中，首先將個別回應標準化為範圍自0至1之複合得分值，其中1係理想複合得分值。所應用之功能取決於回應目標(最大化、最小化或目標化)。合意性方法在半導體工業中係有用的，其中預定規範限制可在計算中用作臨限值。可基於最佳已知方法或半導體製造者操作要求來設定規範下限及上限。舉例而言，若在目標係最小化回應的情況下量測一回應且已知大於10μm之一臨限值之任何值不應視為可接受的，則合意性方程式可經組態以針對其中滿足或超出臨限值之所有條件給予一零品質得分。此可有助於其中理解量測背後之精確物理學且建立限制之半導體工業。另外，若存在某些回應比其他回應更重要之足夠證據或先驗知識，則可應用加權。
在判定每一個別合意性得分之後，使用一幾何均值方法來計算一複合合意性得分。一旦針對模型產生一單個複合回應(d_c)，其便用作裂區分析及一回應表面模型兩者之回應。
基於設計而建構一統計線性效應模型。一線性效應模型係其中回應係個別效應之線性分量之一函數之一者。效應係可控制因子、可控制因子之間的交互作用或隨機但已知之變化源。
圖5中展示一固定效應(經減小模型)之第III類測試。此輸出係SAS中之混合模型GLIMMIX程序之標準輸出且提供F測試統計及p值，從而幫助我們理解哪些設備設定之組合係重要的。一GLIMMIX程序將統計模型擬合至具有相關性或非恆定可變性且其中回應未必呈正態分佈之資料。此等模型被稱為廣義線性混合模型(GLMM)。
在識別重要的因子之組合之後，來自最小均方之輸出可用於判定每一因子之特定設定。最小均方類似於傳統平均化，當一DOE中觀察 數目跨越不同位準而不相等時除外。最小均方可針對不平衡設計提供一校正。若設計係平衡的(亦即，跨越位準而具有相同觀察數目)，則最小均方等於平均值。
最高階有效交互作用效應係「因子A」*「因子B」*「因子C」*「因子D」(展示於圖6A-^B中)。交互作用效應之最小均方(LS均值)分析識別不同對比度且識別哪些組處理組合位準在統計上係相同的。然而，為判定「因子E」設定，研究了包含「因子E」之四種三向交互作用效應。
在檢驗連接字母報告之後且基於所觀察資料，六個設置彼此沒有顯著不同且可慮及進一步研究。具有「A」標識之所有六個類似設置含有一單個「因子B」設定(低)。「因子A」設計SB3及SB2以及「因子D」在4向交互作用評估中亦係主導的。
存在包含「因子E」之四個3向交互作用效應。圖形解釋對此等交互作用區沒有幫助，但連接字母報告提供所需之位準之間的比較。
涉及「因子E」之四個3向交互區之連接字母報告建議測試以下組態。
Figure 109134343-A0305-02-0024-1
在識別候選者之後，使用來自9^2「因子D」及「因子E」量測之3^2點子集在整個回應表面之一較小區上運行一個二次回應表面模型且定中心在候選者「因子D」及「因子E」周圍。進行驗證量測需要滿足數個準則。第一，擬合測試之一缺乏判定一個二次模型是否適當。第二，若 滿足上述兩個條件，則回應表面含有一區域最大值。第三，可計算一靜態回應點(圖7A至圖7C)。
此最佳回應點係需要待測試及驗證之一內插點。在不具有進一步資料收集的情況下，將回應表面資料收集為一個9^2因子提供定中心在每一候選者之「因子D」及「因子E」周圍之一個3^2以面為中心之回應表面模型。可依據在一統計軟體包中擬合一個二次回應表面來獲得資訊。
圖7A至圖7C表示定中心在「因子D」=5200及「因子E」=5周圍的「因子A」=SB3、「因子B」=低且「因子C」=UN之回應表面。單獨展示X軸及Y軸回應表面。在回應表面模型化中使用一個二次模型，且針對每一回應表面(未展示)之擬合測試之一缺乏識別一個二次模型係有保證的(亦即，在二階項中不缺乏擬合)且每一靜止點係在彼區域中之一最大回應點處。
諸多半導體製造者要求計量工具同時量測X及Y，且當{「因子D」=2「因子E」=5.3}時，自圖7A至圖7C可推斷階段2中密集晶圓取樣之一可能的良好候選者。所報告特徵值及特徵向量組成正則分析，且其等量值及方向提供關於敏感度及表面形狀之有用信息。特徵值之符號(圖7A至圖7C中所展示之實例中所有負值)指示所計算靜止點係在一最大值處，且複合品質得分在「因子D」之方向上比在「因子E」之方向上減少得更多。實際特徵值自身僅可與其他候選者之特徵值進行比較，以判定在給定相等得分或給定相等疊對殘差|m|+3σ的情況下哪個候選者對製程改變最不敏感。敏感度差異自身可係在搜尋最佳操作條件組時之一新度量。
在跨越晶圓之所有位點上收集關於頂部候選者條件集(「因子A」設計=SB3、「因子B」=低、「因子C」=Un、「因子D」=2、「因子E」 =5.3)之一驗證實驗(圖8)。所獲得之結果指示，第一實驗情形係成功的且殘差|m|+3σ遠小於4.0nm之導向目標(target goal)。所觀察結果指示，|m|+3σ在圖8之X方向上係2.8nm且在Y方向上係2.64nm。
識別有效因子組合之一裂區設計允許將回應表面方法聚焦在整個區處理組合之一小子集上。將一單個「因子A」設計(SB3)以及一單個「因子B」(低NA)識別為來自裂區結果之一頂部候選者。證明LS均值區及連接字母報告係驗證固定效應之第III類測試之結果之有用輔助，且可為半導體製造者提供視覺檢驗所提供之變因設定之能力。定中心在候選者「因子D」及「因子E」值周圍之回應表面模型化可導致用於跨越整個晶圓之驗證測試之可量測候選者。
可如本文中所闡述地執行方法之步驟中之每一者。該方法亦可包含可由本文中所闡述之處理器及/或電腦子系統或系統執行之任何其他步驟。該等步驟係由可根據本文中所闡述之實施例中之任一者來組態之一或多個電腦系統執行。另外，上文所闡述之方法可由本文中所闡述之系統實施例中之任一者執行。
雖然以半導體製造揭示，但本文中所揭示之實施例可用於其他類型之製造。舉例而言，本文中所揭示之技術可應用於電子、汽車、化學品、製藥、飛機或生物醫學裝置之其他製造。
儘管已關於一或多個特定實施例闡述本發明，但將理解可在不背離本發明之範疇的情況下做出本發明之其他實施例。因而，本發明僅被視為受隨附申請專利範圍及其合理解釋限制。
100:方法
101:步驟
102:步驟
103:步驟
104:步驟
105:步驟
106:步驟

Claims (17)

  1. 一種計量工具，其包括：一能量源，其中該能量源產生一束；一載台，其將一晶圓緊固在來自該能量源之該束之一路徑中；一偵測器；及一處理器，其與該偵測器電子通信，其中該處理器經組態以：接收複數個量測；使用方差分析(ANOVA)來判定該計量工具上之工具設定之複數個組合；判定來自該複數個組合之候選者；針對該等候選者中之每一者產生一回應表面模型；及判定提供一最大回應且對雜訊源最不敏感之該等工具設定之該等候選者之一清單，其中該等候選者之該清單上之該等候選者中之每一者各自來自該回應表面模型之一較密集區域。
  2. 如請求項1之計量工具，其中該處理器進一步經組態以發送指令以使用該計量工具對一半導體晶圓執行該等量測。
  3. 如請求項2之計量工具，其中用一混合效應模型來收集該等量測。
  4. 如請求項1之計量工具，其中該計量工具上之可調諧設定係獨立變數。
  5. 如請求項1之計量工具，其中候選者之該清單提供該計量工具相對於該等候選者之一剩餘部分之經改良效能。
  6. 如請求項1之計量工具，其中該處理器進一步經組態以基於量測品質而判定一得分。
  7. 如請求項1之計量工具，其中該回應表面模型係一個3×3回應表面模型。
  8. 如請求項1之計量工具，其中該處理器進一步經組態以基於候選者之該清單而調整該計量工具上之一或多個設定。
  9. 一種半導體製造之製程最佳化的方法，其包括：在一處理器處自一計量工具接收複數個量測；使用該處理器，使用方差分析(ANOVA)來判定該計量工具上之工具設定之複數個組合；使用一處理器，判定來自該複數個組合之候選者；使用該處理器，針對該等候選者中之每一者產生一回應表面模型；及使用該處理器，判定提供一最大回應且對雜訊源最不敏感之該等工具設定之該等候選者之一清單，其中該等候選者之清單上之該等候選者中之每一者各自來自該回應表面模型之一較密集區域。
  10. 如請求項9之半導體製造之製程最佳化的方法，其進一步包括使用該計量工具對一半導體晶圓執行該等量測。
  11. 如請求項10之半導體製造之製程最佳化的方法，其中用一混合效應模型來收集該等量測。
  12. 如請求項9之半導體製造之製程最佳化的方法，其中該計量工具上之可調諧設定係獨立變數。
  13. 如請求項9之半導體製造之製程最佳化的方法，其中候選者之該清單提供該計量工具相對於該等候選者之一剩餘部分之經改良效能。
  14. 如請求項9之半導體製造之製程最佳化的方法，其進一步包括基於量測品質而判定一得分。
  15. 如請求項9之半導體製造之製程最佳化的方法，其中該回應表面模型係一個3×3回應表面模型。
  16. 如請求項9之半導體製造之製程最佳化的方法，其進一步包括：使用該處理器，使用候選者之該清單來調整該計量工具上之一或多個設定。
  17. 一種非暫時性電腦可讀媒體，其儲存經組態以指示一處理器執行如請求項9之方法之一程式。
TW109134343A 2019-10-07 2020-10-05 計量工具，半導體製造之製程最佳化的方法，及非暫時性電腦可讀媒體 TWI843899B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/594,845 2019-10-07
US16/594,845 US11062928B2 (en) 2019-10-07 2019-10-07 Process optimization using design of experiments and response surface models

Publications (2)

Publication Number Publication Date
TW202129562A TW202129562A (zh) 2021-08-01
TWI843899B true TWI843899B (zh) 2024-06-01

Family

ID=75274991

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109134343A TWI843899B (zh) 2019-10-07 2020-10-05 計量工具，半導體製造之製程最佳化的方法，及非暫時性電腦可讀媒體

Country Status (2)

Country Link
US (1) US11062928B2 (zh)
TW (1) TWI843899B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109100117B (zh) * 2018-07-04 2021-03-26 惠科股份有限公司 一种变异数值的检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060009872A1 (en) * 2004-07-08 2006-01-12 Timbre Technologies, Inc. Optical metrology model optimization for process control
US20140214192A1 (en) * 2013-01-25 2014-07-31 Dmo Systems Limited Apparatus For Design-Based Manufacturing Optimization In Semiconductor Fab
TW201448081A (zh) * 2013-03-27 2014-12-16 Kla Tencor Corp 以統計模型爲基礎的計量學
TW201801219A (zh) * 2016-04-04 2018-01-01 克萊譚克公司 具有來自多個處理步驟之資訊的半導體計量
TW201828382A (zh) * 2016-10-13 2018-08-01 美商克萊譚克公司 用於製程控制之量測系統及方法
TW201925766A (zh) * 2017-08-14 2019-07-01 美商克萊譚克公司 使用目標分解之裝置上計量

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6965808B1 (en) 2004-04-28 2005-11-15 International Business Machines Corporation System and method for optimizing metrology sampling in APC applications
US6961626B1 (en) 2004-05-28 2005-11-01 Applied Materials, Inc Dynamic offset and feedback threshold
TWI336823B (en) 2004-07-10 2011-02-01 Onwafer Technologies Inc Methods of and apparatuses for maintenance, diagnosis, and optimization of processes
US7171284B2 (en) 2004-09-21 2007-01-30 Timbre Technologies, Inc. Optical metrology model optimization based on goals
US7269526B2 (en) 2005-05-04 2007-09-11 Hitachi Global Storage Technologies Netherlands B.V. Aggregated run-to-run process control for wafer yield optimization
US8924877B2 (en) 2007-10-29 2014-12-30 Honeywell International Inc. Apparatus and method for displaying changes in statistical parameters in a process control system
US8805630B2 (en) 2009-08-25 2014-08-12 Taiwan Semiconductor Manufacturing Company, Ltd. Method and system for modeling in semiconductor fabrication
US9076827B2 (en) 2010-09-14 2015-07-07 Applied Materials, Inc. Transfer chamber metrology for improved device yield
US11372340B2 (en) 2011-04-06 2022-06-28 Kla Corporation Method and system for providing a quality metric for improved process control
US20130110477A1 (en) 2011-10-31 2013-05-02 Stilian Pandev Process variation-based model optimization for metrology
JP5561333B2 (ja) * 2011-11-02 2014-07-30 株式会社リコー 画像処理装置、撮像方法、プログラムおよび車両
EP2624211A1 (en) * 2012-02-06 2013-08-07 Samsung Medison Co., Ltd. Image processing apparatus and method
US9857291B2 (en) 2013-05-16 2018-01-02 Kla-Tencor Corporation Metrology system calibration refinement
US9470743B2 (en) 2014-03-04 2016-10-18 Nvidia Corporation Dynamic yield prediction
US10210606B2 (en) * 2014-10-14 2019-02-19 Kla-Tencor Corporation Signal response metrology for image based and scatterometry overlay measurements
US9710728B2 (en) * 2014-10-28 2017-07-18 Kla-Tencor Corporation Image based signal response metrology
KR102269514B1 (ko) 2014-11-25 2021-06-25 케이엘에이 코포레이션 랜드스케이프의 분석 및 활용
US10502549B2 (en) 2015-03-24 2019-12-10 Kla-Tencor Corporation Model-based single parameter measurement
US10699969B2 (en) 2017-08-30 2020-06-30 Kla-Tencor Corporation Quick adjustment of metrology measurement parameters according to process variation

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060009872A1 (en) * 2004-07-08 2006-01-12 Timbre Technologies, Inc. Optical metrology model optimization for process control
US20140214192A1 (en) * 2013-01-25 2014-07-31 Dmo Systems Limited Apparatus For Design-Based Manufacturing Optimization In Semiconductor Fab
TW201448081A (zh) * 2013-03-27 2014-12-16 Kla Tencor Corp 以統計模型爲基礎的計量學
TWI615909B (zh) * 2013-03-27 2018-02-21 克萊譚克公司 用於產生半導體量測模型之方法及系統
TW201801219A (zh) * 2016-04-04 2018-01-01 克萊譚克公司 具有來自多個處理步驟之資訊的半導體計量
TW201828382A (zh) * 2016-10-13 2018-08-01 美商克萊譚克公司 用於製程控制之量測系統及方法
TW201925766A (zh) * 2017-08-14 2019-07-01 美商克萊譚克公司 使用目標分解之裝置上計量

Also Published As

Publication number Publication date
US11062928B2 (en) 2021-07-13
TW202129562A (zh) 2021-08-01
US20210104423A1 (en) 2021-04-08

Similar Documents

Publication Publication Date Title
CN110383441B (zh) 使用经预测的计量图像的计量配方产生
CN107429995B (zh) 在计量系统中计量数据的前向馈送
US10409171B2 (en) Overlay control with non-zero offset prediction
TWI667717B (zh) 對於關注之圖像群體之圖案之異常偵測
TWI765072B (zh) 用於量測疊對之量測系統及方法
US11022892B2 (en) Method of measuring a structure, inspection apparatus, lithographic system and device manufacturing method
US10964016B2 (en) Combining simulation and optical microscopy to determine inspection mode
TWI778264B (zh) 設計為基礎之對準之效能監控
KR20150018456A (ko) 위상-제어 모델 기반 오버레이 측정 시스템 및 방법
IL262464A (en) Systems and methods for automatic correction of deviation between testing and design for a massive model search
TW201909303A (zh) 用於高效處理窗口探索之混合檢測系統
JP7329597B2 (ja) 実験計画法および応答曲面モデルを使用するプロセス最適化
TWI843899B (zh) 計量工具，半導體製造之製程最佳化的方法，及非暫時性電腦可讀媒體
KR102201122B1 (ko) 민감도 개선 및 뉴슨스 억제를 위해 로직 및 핫스팟 검사에서 z-층 컨텍스트를 사용하는 시스템 및 방법
WO2021101852A1 (en) Clustering sub-care areas based on noise characteristics
CN115280479B (zh) 使用检验工具以确定用于样本的类计量的信息
TWI851819B (zh) 半導體檢測的系統及方法，以及非暫時性電腦可讀媒體
CN115210560B (zh) 确定用于样本扫描的焦点设置
US20240038558A1 (en) Metrology sampling plans for only out of specification detection