實現自動虛擬量測的創新方法
2023-06-30 07:40:51
專利名稱：實現自動虛擬量測的創新方法
技術領域：
本發明涉及一種自動虛擬量測的方法，尤其涉及一種能夠實王見 晶圓結果預測的自動虛擬量測的方法。
背景技術：
半導體集成電路晶圓是在晶圓製造廠場所中通過多個程序所 產生的。這些程序與相關製造機臺可包含熱氧化、擴散、離子注入、
快速熱處理(RTP )、化學氣相沉積(CVD )、物理氣相沉積(PVD )、 蟲晶、蝕刻、以及樣i影術等。在製造階段為了品質和良率而利用量 測機臺監視並控制產品(例如半導體晶圓)。當集成電路的關鍵尺 寸減少時，可能就需要增加監一見和控制的量。然而如此一來會增加 成本，因為需增加量測機臺的數量，需增加進行監視和控制的人力， 以及需增加在製造時間上所導致的延誤。
因此需一種虛擬量測模型來用於生產控制和其它目的上以降 低成本。然而現有的虛擬量測模型需要大量的人力來分析以及確認 每個參數及步驟，這是非常耗時的。此外，可能因為錯誤的判斷而 錯失了一些關鍵的參數或步驟，而導致不準確以及錯誤的預測。相 關的晶圓差異也無法以現有的方法以及現有的虛擬量測才莫型來預 測。
有鑑於此，需要一種系統和方法以增加對產品的品質、良率、 或其它預測機臺參數的監測與控制。
發明內容
本發明提供了半導體晶圓結果預測的方法。這個方法包含自各 種半導體製造機臺和量測機臺收集製造資料；根據製造資料使用自
動關鍵參數萃取方法選擇關鍵參數；根據關鍵參數建構虛擬量測； 以及^f吏用虛擬量測預測晶圓結果。
在本發明的不同實施例中，選擇關鍵參數可以包含使用階層分 群法。選擇關鍵參數可以進一步地包含使用相關距離當作選擇門 榲。選擇關鍵參數可以進一步包含選擇關鍵步驟。製造資料可以包 含錯誤偵測與分類(FDC)資料。選擇關鍵參數可以包含自FDC 資料收集不同製造參數的時序資料；將時序資料轉換成總結資料； 以及對總結資料進行自動關鍵參數萃取分析以選擇關鍵參數。總結 資料可以選自於下列組成平均值、最大值、最小值、標準差以及 其組合。不同的製造參數可以包含主動參數及被動參數。進行自動 關4建參數萃耳又分析可以包含將不同的製造程序參悽t以階層分群法 分組；合併不同的製造參數以形成不同的代表參數；以及根據相關 係數自不同的代表參數選擇關鍵參數。關鍵參數其中之一可以是不 同參數的子集合的函數。關鍵參數其中之一可以與晶圓錯誤的根本 原因相關，虛擬量測法可包含第一級模型，其輸入來自製造資料， 並輸出物理參悽史；以及第二級才莫型，其輸入來自物理參悽丈，並輸出 電性參數。製造資料的收集可以進一步地包含定義來自製造資料的 好的資料及壞的錯誤偵測與分類資料；藉由對該好及壞的資料執行 預先處理以強化異常4幾臺參^U頡耳又率；以及4艮據該好及壞的資津牛間 的n個標準差來進行自我分類分析。
本發明還提供一種晶圓結果預測系統。這個系統包含第一模 塊，用以才艮據製造資衝+來決定物理參悽t;以及第二才莫塊，用以衝艮據 該物理參悽欠及該製造參數來決定電性參數。
6在所揭露的系統中，每個物理參數以與該製造資料有關的製造 參數來表示。電性參數其中之一以製造參數表示。電性參數其中之 一以物理參悽t表示。該系統可以進一步包含評估才莫塊，以才艮據預定 準則來評量晶圓驗收的電性參悽t。
本發明還提供一種晶圓結果預測系統。該系統包含用以收集制 造資料的資料收集器，製造資料包含來自製造機臺的機臺資料以及
來自量測機臺的晶圓資料；用以根據製造資料及階層分群法辨認關 鍵參數的關鍵參數模塊；根據關鍵參數所建立的虛擬量測模塊；以 及應用虛擬量測模塊以預測晶圓結果的預測模塊。虛擬量測模塊包 含第一模塊，以製造資料作為輸入，並輸出物理參數；以及第二模 塊，以物理參數作為輸入，並輸出電性參數。關鍵參數模塊使用階 層分群法來辨認關鍵參數。
連同附圖研讀以下詳細說明可最佳地理解本發明的方面。要強 調的是，依照產業所實施的標準，各特徵並不按比例繪製。事實上， 為了清楚討論，各特徵的尺寸可被任意放大或縮小。
圖1是根據本發明的方面所建構的晶圓結果預測法的一個實施 例的簡化流程圖2是根據本發明的方面所建構的晶圓結果預測法的另 一 實施 例的簡化流程圖3是根據本發明的方面所建構的晶圓結果預測法的另 一 實施 例的簡化流程圖；圖4是才艮據本發明的方面所建構的晶圓結果預測法的另 一實施 例的簡化流程圖5是根據本發明的方面所建構的一個實施例，用於圖示說明 參悽t分組的二元階層樹；
圖6是才艮據本發明的方面所建構的一個實施例，其中示出了混 合虛擬量測模型的方塊圖7是根據本發明的方面所建構的製造資料的一個實施例的方
塊圖8是實施圖1方法的虛擬量測系統的一個實施例的方塊以及
圖9是應用圖8虛擬量測系統的虛擬製造系統的方塊圖
主要組件符號說明
100 118 -克一呈才尋號
130 136 流程符號
145 二元階層樹
147 水平軸
150 混合虛擬量測才莫型
154 物理參悽t
12CM26 流程符號 138 144 流程符號 146 垂直軸 148 截止點 152 製造資料 156 電性參數
158a、 158b、 158c、 158d 製造才幾臺160a、 160b 量測才幾臺
162a、 162b、 162c、 162d 物理參凌史
164a、 164b、 164c 電'性參悽丈
170 製造資料
174 量測才幾臺
178 製造才幾臺
200 虛擬量測系統
204 資料收集模塊
208 晶圓結果預測模塊
212 製造坤幾臺
216 220
工程師 虛擬工廠
224 客戶
228 晶圓結果預測系統
具體實施例方式
172 產品資泮牛
176 晶
180 製造4幾臺資剩-
202 虛擬量測才莫塊
206 關4建參數衝莫塊
210 通訊接口
214 量測才幾臺
218 222
網絡
月l務系統
226 工程師
230 虛擬工廠
需理解的是，本發明4是供許多不同的實施例或範例，以實施本 發明不同的特點。以下描述具體的裝備和配置以簡化本發明。這些當然只是範例而非用於限制。此外，本發明可能在不同的範例中重 復參考數字及/或文字。重複的目的是為了簡化及清楚之用，而並不 表示所討i侖的不同實施例或配置間的關係。本發明提供創新的方法 以能夠實現整批製造機臺的晶圓結果預測。以下描述本發明的不同 範例、實施例、？文變以及種類。
圖1為使用混合虛擬量測和/或分群技術來使晶圓結果預測能
夠實現的方法100的簡化流程圖。圖6則是4艮才居本發明的面向所建 構的一個實施例的混合虛擬量測衝莫型150的方塊圖。圖8顯示用於 實施方法100、 4艮據混合量測模型150的虛擬量測系統200的一個 實施例的方塊圖。本發明提供了 一種使用混合虛擬量測模型和/或分 群方法來預測晶圓結果的方法和系統。參考圖1至圖8,方法100 和系統200將-皮描述如下。
方法100自收集製造資料的步驟112開始。如圖7所示，在一 個實施例的製造資料170的方塊圖中，製造資料170包含自 一個或 多個量測機臺174所收集的產品資料172 (已處理過的晶圓資料)。 產品資料172則包含產品的測試與測量結果，例如晶圓176經過一 個或多個處理178的處理。舉例來i兌，產品資並+可以是產品參悽t(晶 圓參數或機臺參數)的量測值，例如以製造機臺所形成的材料層的 厚度、反射率、或導電率。在一個範例中，產品資料172包含自晶 圓176的切割線上所形成的測試結構的在線(in-line)測i式結果。 在另 一 範例中，產品資料172包含在完成晶圓生產過程後對晶圓176 的最終測試結果。
製造資料170也包含自製造機臺178所收集的製造機臺資料 180。製造機臺資料180和製造機臺相關，並且包含晶圓178在制 造時製造機臺的各種設定參數，以及晶圓176在製造時，製造機臺 中採用的製程配方所-使用的不同數值。製造才幾臺的不同i殳定參悽t以 及製程配方的不同數值都會被當作製造參數。在一個實施例中，製造參lt包含主動參悽t，例如能量、氣體流量、和/或製程步驟時間。 在另 一實施例中，製造參數可附加地或二者擇一地包含不在製造機 臺中被直接設定、以及不在製程配方中被直接設定的被動參數。舉 例來說，被動參數包含溫度、反射率、和/或沉積率。製造機臺資料
180包含自製造機臺中所取出的不同製造參數。
製造機臺是一種被設計以及組態為製造/生產一個或多個產品 (例如半導體晶圓)的機臺。製造機臺178可包含，例如化學氣相 沉積(CVD)系統、蝕刻系統、熱氧4b系統、離子注入系統、物理 氣相沉積(PVD)系統、快速熱退火(RTA)系統，或是其它i殳計 用於集成電路製造的適當機臺。
量測才幾臺174可包含電性、光學、和/或分析才幾臺，例如顯孩t鏡、 -微分析才幾臺、線寬量測4幾臺、屏蔽和標線缺陷才/L臺、擲:粒分布才幾臺、 表面分析4幾臺、應力分析4幾臺、電阻率和4妄觸阻抗量測4幾臺、遷移 和載子濃度量測機臺、接合深度量測機臺、薄膜厚度量測機臺、閘 極氧化層完整度測試機臺、C-V量測機臺、聚焦離子束(FIB)，或 是其它測試和量測才幾臺。產品資衝牛可能包含以量測4幾臺所量測的不 同晶圓參數的結果。晶圓參數可能包含片電阻、反射率、應力、微 粒密度以及關鍵尺寸等等。晶圓資料可以進一步包含其它的資料， 例如晶圓ID或產品形式。
舉例來說，多個產品(半導體晶圓)會經過不同的製造步驟處 理。製造機臺178可以在處理晶圓時才艮據製程配方來4皮程序化、設 定及《且態。制禾呈配方可以定義多個子步艱《。舉例來i兌，PVD的沉4隻 配方可定義出下列的子步驟除氣、清潔以及金屬沉積。每個子步 驟可以定義一個製程時間，並且可以分別i殳定不同才幾臺參悽史至某程 度。晶圓根據製程配方透過製造機臺178其中之一來完成製造步驟 之後，可用 一 個或多個量測4幾臺來測試或測量晶圓以取4尋產品資 料。製造機臺參數則自相關的製造機臺收集。包含產品資料和製造機臺資料的製造資料可以用晶圓結果預測系統200的資料收集器 204分別自量測機臺174和製造衝幾臺178收集。
方法100接著進行到步驟114,根據製造資料應用自動關鍵參 數萃取統計技術來辨認關鍵參數。這個步驟可以圖8的關鍵參數模 塊206來實施。在晶圓製造期間，各種製造參數，包含製程配方中 所定義的數值以及在製造機臺中的設定參數，都多少對所生產的產 品(晶圓)有影響。為了建立晶圓結果預測模型以預測半導體組件， 所有相關的製造參數都會被評估以決定最相關的參數，也就是所謂 的關鍵參數。然而，現有的方法需要更多工程上的努力，使得該方 法在建立且維護預測才莫型時變得沒效率而且庫4時。本發明對相關參 數使用分群方法或組合以實現自動關鍵參數選擇，也就是自動關鍵 參悽t萃取方法。在一個實施例中，分群方法淨皮用來將不同的相關制 造參數分組。舉例來說，如果晶圓邊緣溫度T1和晶圓中央溫度T2 相關，就可以分組以形成單一參數，也就是代表參數。如此一來， 就可以減少用於預測模型的製造參數的數量。在另一實施例中，由 適當地合併不同的相關製造參數來選擇代表參數。進一步說明前述 範例，晶圓邊緣溫度T1和晶圓中央溫度T2相關，其中之一就被選 為代表參數。在更複雜的情況中，T1和T2彼此相關，但是和預測 模型所要預測的機臺參數並沒有高度相關。但是另一參數DT，就 是Tl和T2之間的差，相較於Tl或T2而與機臺參數有更高度相 關。因此，在這個例子中Tl或T2都不是關鍵參數，而是合併參數 DT=T1-T2才是用來預測機臺參數的關鍵參數。關鍵參數可以是一 組製造參數的線性組合。 一般來說，關鍵參數是以所分組的相關制 造參數所形成的方程式來表示。可透過與機臺參數的相關距離來辨 認關鍵參數。
製造參悽t可以使用階層分群法(HC)來分組。階層分群法對 於分析基因資料以及很多其它內容的資料十分有用。該方法使用凝集趨近法。分群步驟始於將每個基因(或其它參數)視為獨立的分 群。這個分群4妻著連續地合併以形成新的、更大的分群。分群的次 序是以階層二元樹方法表示，如此就可以在特定的階層分割以得到 所需要的分群數。分群的型態就是二元樹。在分群的過程中，分群 的數目會減少。
舉例來說，階層式分群包含決定有高相關性的第 一和第二參 凌史，並且將第一和第二參lt分成單一組供4妾下來的分析。可分組具
有高相關性的多個製造參數。在一個範例中，具有W值至少0.7的 相關性的參數被分在一組。因此在一個實施例中，會有一組為包含 具有彼此的RM直為為至少0.7的參數。在一個實施例中， 一個或多 個參數組可被集合在一起而形成更大的組。
在一個實施例中，階層式二元樹被用來將參數分組。圖5顯示 了一個實施例中用於參悽史分組的二元階層樹145。接下來參考圖5 描述一個分組製造參數的範例。階層式二元樹145包含具有相關距 離的垂直軸146，以及具有參悽t分組指定的水平軸147。小的相關 距離表示在一組中的參數有較高的R"值。截止點148表示選出相關 距離，以提供參數之間適當的關連。在一個實施例中，具有低於截 止點148的相關距離的參婆:淨皮分為一組。這個步驟可以重複以進一 步分組。在一個實施例中，可以定義新的截止點。具有4氐於新的截 止點的相關距離之群組可以進一 步被分析成一組。
在這個步驟，本方法自動辨認和機臺參數高度相關的關鍵參 數。自動辨認關鍵參數應用了不同的統計方法，並且將於之後詳述。 自動辨認關鍵參數可以進一步地包含辨認關鍵步驟。舉例來說，壓 力可能在第一和第二製造步驟中為關鍵參數，可是在其餘的製造步 驟中不是關鍵參數。方法100進行至步驟116,根據在前一步驟所辨認的關鍵參數 來建構虛擬量測^^莫型。這個步驟可以在圖8中所示的虛擬量測才莫塊 202來實施。虛擬量測才莫塊可以預測晶圓結果，而不需要額外的測 量，並可以預測晶圓的電性失效而不需要進一步的加工。因此，失 效的晶圓可以被早期刮除以減少製造成本。虛擬量測(VM)模型 可以^皮用來針對一個或多個機臺參悽t來預測晶圓結果。在一個實施 例中， <吏用了混合虛擬量測才莫型以用於晶圓結果預測。混合虛擬量 測模型包含兩階段的模型。圖6為在一個實施例中的混合虛擬量測 模型150的方塊圖。請參照圖6,其中描述混合虛擬量測模型150。 混合虛擬量測模型150包含了第一級模型，並使用製造資料152作 為豐lr入，並且4是供物理效能參數(物理參數)154作為輸出。混合 虛擬量測模型150也包含第二級模型，並使用物理參數154作為輸 入，並提供電性效能參數(電性參數)156作為輸出。在另一實施 例中，第二級模型額外地或二選一地使用製造資料作為輸入，並提 供電性參數。製造資料152可以包含來自製造機臺、與製造參數有 關的製造機臺資料，和/或來自量測機臺、與機臺參數有關的產品資 料。在一個實施例中，製造資料152可以包含來自多個製造機臺， 例如製造機臺158a、 158b、 158c、和158d的製造機臺資料。舉例 來說，只有製造機臺158a可以代表一個或多個多晶矽蝕刻機臺。 製造機臺158b可以表示一個或多個間隙壁蝕刻機臺。製造機臺158c 可以代表一個或多個源極/汲極離子植入機臺。製造機臺158d可以 代表一個或多個源極/汲極植入快速熱退火(RTA)機臺。在一個實 施例中，製造資料152可以包含來自例如量測機臺160a和160b的 多個量測4幾臺的產品資衝+。舉例來i兌，只有量測4幾臺160a可以4戈 表一個或多個用來測量介電薄膜厚度的量測才幾臺。量測才幾臺160b 可以^表一個或多個用來測量金屬薄膜電阻的量測4幾臺。物理參悽t 154可以包含不同的物J裡參悽t,例4口 162a、 162b、 162c和162d。 進一步地以此例來說明，僅為了說明，物理參數162a代表氧化矽 的厚度。物理參悽t 162b可以代表多晶石圭層的厚度。物理參lt 162c可以代表在基板上，自閘極到源極的閘極間隙壁的尺寸。物理參數
162d可以代表源極區域的尺寸。在第一級模型中，物理參數是由制 造資料的子集合來決定的，例如與製造參數的子集合有關連的製造 資料。舉例來說，摻雜多晶矽層的厚度可以由來自多晶矽沉積機臺 和多晶矽蝕刻機臺的製造機臺資料所決定。摻雜多晶矽層的厚度尤 其可以製造機臺資料與關鍵參數來決定。在第一級模型中，可以預 測不同的物理參數，而不需要透過量測機臺之直接測量。
電性參數156包含和產品的電性效能有關的參數，例如電性參 數164a、 164b和164c。舉例來說，電性參數164a代表多晶矽閘極 的電阻。電性參數164b可以代表兩條相鄰的金屬線之間的寄生電 容。電性參數164c可以代表源極區域的電阻。在第二級4莫型中， 電性參數可以由物理參數的子集合及/或製造資料的子集合來決定。 舉例來i兌，電容的電容Y直可以由不同的尺寸以及兩個電才及之間所穿 插的介電材料的介電常數依照物理公式來決定。在另一範例中，源 才及區域的電阻可以由與源極汲極離子注入機臺有關的製造參數來 決定。圖6顯示了各種自輸入到輸出的箭頭。舉例來說，物理參數 162b是由來自製造才幾臺158a和158b的製造機臺資料和來自量測才幾 臺160a的產品資料所決定。在另一範例中，電性參數164c是由來 自製造機臺158d的製造機臺資料所決定的。可以產生各種的混合 虛擬量測才莫型。每個老卩可以用來決定一個或多個物理或電性參悽t。 混合虛擬量測模型也可以動態地維持，例如根據新累積的製造資料 重新產生或^'爹改。在虛擬量測:模型存在時，當製造才幾臺遭遇不同的 偏移或變動時，可以調整虛擬量測4莫型並和製造坤幾臺對準。在這個 彈性適應的方法中，當可以取得最新的資料時，就可以更新虛擬量 測才莫型的不同階^殳以3艮上制^1的偏移和其它的改變。
方法可以進4亍至步驟118， 4吏用在前一步驟中所產生的虛擬量 測來預測晶圓的結果。這個步驟可以由圖8中晶圓結果預測才莫塊208來實施。在一個實施例中，根據製造資料，混合虛擬量測模型被用 來預測物理參數，例如晶圓上集成電路特徵的各種尺寸。在另一實 施例中，根據製造資料，混合虛擬量測模型被用來預測晶圓的電性 參數。混合虛擬量測模型可以額外地使用 一些自第一級模型所決定
的物理參悽t來決定電性參悽t。此外，預測的物理參#:和/或晶圓的電 性參數可以被用來決定晶圓是否需要被刮除，而不需要重新製造以 節省成本。進一步地來i兌，預測的電性參悽t可以用來當作虛擬晶圓 -驗收測-試(WAT)，以決定晶圓的品質和H收。在iE見有的方法中， 最終的WAT需要對所有的晶圓進行很長的測試時間以確認晶圓的 品質。此外，也無法早期偵測到具有電性效能沖擊的潛在異常晶圓。 本發明可以預測晶圓電性效能而不需任4可製造成本。
在另一範例中，晶圓的預測物理參悽t和/或電性參悽t可以;故用來 決定晶圓是否需要重新處理，以節省晶圓並在重新處理後恢復制 造。在另一範例中，晶圓的預測物理參數和/或電性參數可以被用來 決定製造機臺是否需要重新設定或重新規劃以適當地製造接下來 的晶圓。在另一實施例中，方法IOO使用現有的製造資料以辨認關 鍵參數，並且建構虛擬量測模型，使用與晶圓有關的新製造資料來 決定該片晶圓的各種物理參數和電性參數。
本發法可以自動地選擇關鍵參數並且建構虛擬量測，因此節省 了虛擬量測模型的開發時間，也避免疏忽了一些關鍵參數。前面所 揭露的晶圓結果予貞測方法可以在不偏離本方法的^^申下具有各種 的替代方法、修改，或是延伸。用來辨認關鍵參數的自動關鍵參數 萃取方法的另一實施例將參考圖2來描述。圖2為辨認關4建參悽t的 自動關4建參數萃取方法120的流程圖。方法120始於步驟122,其 中以階層式分群技術將各種的製造參數分組，例如使用圖5的二元 階層分群法。高相關的參凝^皮分成一組。這樣的分群方法可以使用 各種的相關距離作為截止點來重複進行。方法l20接著進行至步驟124,其中合併了每組的製造參數以 形成各組的代表參數。在相同組中不同製造參數的組合相對於機臺 參數可具有各種的相關距離。適當的合併會對機臺參數具有最高的 相關係悽t,也就是最短的相關距離。與適當合併有關的新參tt可以 謬皮選為fC表參悽t，如果相關距離落在定義為準則的範圍內，就可以 被進一步選擇作為關鍵參數。
在一個實施例中，關鍵群組和某組件參數之間的相關性(例如 R"直)是由主成份分析加上逐步回歸法來決定的。舉例來說，主成 份分析可以將高相關的製造參數轉換成較小的資料集(例如群組)。 例如XI (參數)對該組件參數的RM直為0.1， X2 (參數)對該組 件參數的112值為0.1，那麼XI和X2這組的R2值可能是(1)X).2、 (2) =0.2或(3) <0.2。 (1)、 (2)或(3)的結果決定於所分析的資料以及 X1和X2的組合。逐步回歸利用條件112以選出落於指定情況(1) 下的程序參數。換句話說，此方法能夠找出一些參悽丈，當將這些參
相關性的總合。
方法120進行至步驟126,根據相對於機臺參數的相關距離自 各種的代表參數中選擇關鍵參數。在這個步驟中，代表參數和選出 機臺參數之間的關聯已經決定。代表參數的子集合、關鍵參數(例 如對某組件參數具有更大相關者)也已#:決定。在一個實施例中， 與多個群組有關的一個或多個代表參數而言，代表參數對於機臺參 數的R2值是以主成份分析加上逐步回歸法來計算。在一個實施例 中， 一組參悽t在不同的生產製造步驟中是以不同才幾制與組件參數關 聯。在一個實施例中，回歸和R"直的計算是對各步驟分別實施。對 於一些參H方法120的步驟124和126可以簡化成為一個步驟， 於此決定代表參數，其中根據對相關距離所設定的準則，亦同時決 定此參lt是否一皮選為關4定參數。在另一個實施例中，方法100可以^皮用來自鋂4吳偵測與分類 (FDC )資料中擷取關鍵參數。目前製程以及設備工程師僅可藉由 實驗或是實務經驗來建構設備參數和晶圓結果之間的關聯。辨認機 臺參數的關鍵參數則必須要以人工設定。然而，僅能對於主動參數 (例如RF強度、氣體流率)進行實驗或分割。例如反射能量等 的被動參數則需要自生產經驗中學習，這就需要長時間來累積。
接著提供及描述可以自錯誤偵測與分類(FDC)資料中擷取關 4建參數的創新方法。圖3 4是供了方法130在一個實施例中的流程圖。 請參考圖3,方法130包含了步驟132以自錯誤偵測與分類資料中 下載(或收集)與各種製造參數有關之時序資料。如此就可以省略 工程師進行實驗的努力，因為可應用現有的產品資料。
方法130也包含步驟134,將時序資料轉換成總結資料以壓縮 資料。總結資料以步驟l為例，則包含射頻(RF)能量的平均值、 最大值、最小值以及標準差。
方法130也包含步驟136，進行自動關鍵參數萃取分析以擷取 關4定參H及其互動行為。如前所述，自動關4定參數萃取分析包含以
說，如果參數A和B為高度相關，那麼他們就被分進同一組。 一組 中的參數是高度相關則可以代表製程偏移背後的根本原因。再根據 他們對製程的影響來排序群組。自動關4建參婆t萃取方法也包含以主 要組件轉換加上逐步回歸法來計算每組參H對於晶圓參tt的R"直。
本方法在各實施例中有各種的優點，包含不需要實驗或實驗設 計(DOE)的努力，以及不須考慮晶圓成本。可以同時分一斤主動和 被動參數。也可以提供量化的指針以指出每個關鍵參數對於最終晶 圓結果變異的影響程度。另一實施例請參考圖4，其中方法138用來收集FDC資料。方 法138包含步驟140 4吏用一套準則自製造資料定義好和壞的FDC 資料，步驟142中以對好和壞的資料進行預先處理以強化異常機臺 參數擷取率，例如以平均化來減少資料的噪聲，以及步驟144以根 據好和壞的資料之間的n個標準差來進行自我分類分析。
參考圖8，進一步地詳細描述晶圓結果預測系統200。在一個 實施例中，可以在系統200中實施方法100所揭露的不同步-驟和禾呈 序。系統200包含虛擬量測模塊以產生、使用及維護混合虛擬量測 模型以預測晶圓結果。系統200可以進一步地包含額外合併、分布 及統合的組件，以操作來產生並維護虛擬量測模型202。模型202 可以包含與所要預測的各種產品參數(例如薄膜厚度以及薄膜電 阻)和各種的量產製造機臺(例如用於金屬沉積的PVD機臺)的 組合有關的多個子模型。模型202的每個子集合可與一個產品參數 以及一個或多個生產才幾臺相關。
模形202可以是適應性的，如此就可以動態地維持以配合生產 才幾臺，以及注意生產才幾臺隨時間的改變。維持適應性才莫型可以包含 根據新的製造資料調整模型，亦即根據製造資料執行回歸。可以在 所相關的生產機臺的維護、修理、更改晶圓產品、和/或特定時間之 後評估適應性模型。這個程序不必要被前述所限制，只要適應型模 型有適時地且適當地調整，以反應生產4幾臺或晶圓產品的改變、偏 移或轉移。
系統200也包含資料收集模塊204以收集製造資料，這包含來 自製造機臺212的製造機臺資料以及來自量測機臺214的產品資 料。系統也可以包含關鍵參數才莫塊206以實施方法100來辨認關4建 參數。系統200可以進一步地包含晶圓結果預測衝莫塊208。
19系糹克200可以進一步i也包含通ifU妾口 210以在系統200和有關
的製造所有者和/或客戶之間溝通預測的晶圓結果。舉例來說，預測 的晶圓結果可以^皮送至工禾呈師216以進4於評估、產品監測和/或制禾呈 改善。在另一範例中，工程師可以在方法100的不同步驟中提供輸 入，例如參與關4建參凌t的選衝奪。工程師216可以透過通訊4妄口 210 和系統溝通。通ifU妾口可以在晶圓結果超出預定的範圍、具有明顯 的偏移或是具有其它嚴重的改變時提供警告給工程師。預測的晶圓 結果可以被送至資料控制中心，例如製造執行系統(MES)，在那 裡預測的晶圓結果^皮進一步地處理、整理並且分散以供資料監測、 評估、分4斤和/或控制，例如統計製程管制(SPC)。預測的晶圓結 果可以被送至製造機臺212,以調整製造法以及硬體參數以補償因 為目前的製造步驟所引起的漂移或偏移以得到最佳化的晶圓品質、 效能和良率。
只要虛擬量測模型為針對一個(或多個)製造機臺創造的，對 於預測晶圓結果的才莫型的維護和實施就不需依前述方法100的順 序。預測才莫型的維護與實施可以同時進4亍。因此才莫型202實質上就 代表在生產鬥幾臺中處理的晶圓。
圖8中的系統200僅是作為本發明的範例。其中的每個模塊都 可以包含軟體和/或硬體來實施其功能。舉例來說，虛擬量測才莫型 202可以包含石更件，例如計算機和內存以供4乘作和儲存。才莫型也可 以包含軟體以進行產出和維護。模型可以進一 步地包含具有所有產 品資料和製造機臺資料的資料庫。每個模塊都可以被設定並連接至 其它的才莫塊與半導體製造商的其它組件。系統200可以不同的方法 設定或整合，例如在不偏離本發明的精神下使用少 一點或多 一 點的 才莫塊。系統200可以進一步地連接到網絡218。在一個範例中，系 統200可以連4妄至或是包含部4分圖9所示的虛擬工廠，這將會於後 詳述之。因此，晶圓結果可以使用方法100以系統200進行預測而不需
要進行直接測量。根據製造資料與有限的量測機臺及測量成本，可 以有效地監測晶圓結果以強化製程效能以及強化晶圓良率。所揭露 的方法和系統提供了新的方法來監測晶圓製造和控制，並具有強化 的效率和降^f氐的成本(包含測量和量測才幾臺的成本)。
圖9顯示虛擬集成電路製造系統(虛擬工廠)220，圖8的系 統200可以與之連接。虛擬工廠220包含多個藉由通訊網路218連 接的實體222、 224、 226、 214、 212、 228、 230…N。網絡218可
以是單一網絡，也可以是4艮多種不同的網絡，例如內部網絡和網際 網糹各，而且也可以包含有線以及無線的通訊信道。
在本範例中，實體222代表服務系統以供服務合作及供應，實 體224代表客戶，實體226代表工程師，實體214代表用於IC測 試和測量的量測機臺，實體212代表製造(生產)機臺，實體228 代表圖8的晶圓結果預測系統200,而實體230代表另 一虛擬工廠 (例如屬於子〃^司或商業^f火伴的虛擬工廠)。每個實體可以和其它 的實體互動，也可以提供服務及/或接受來自其它實體的服務。
為說明起見，每個實體可以糹皮一見為組成虛擬工廠220 —部份的 內部實體(例如工程師、客戶服務人員、自動化系統程序、設計或 生產設備等)，或是可以被視為和虛擬工廠220互動的外部實體(例 如客戶)。需了解的是，實體可以聚集在單一位置或是可以四處分 散，而且有些實體可以和其他的實體結合。此外，每個實體可結合 系統辨認信息，如此就可以根據每個實體辨認信息所具有的授權程 度來控制是否可以存取系統中的信息。虛擬工廠220為了 IC製造 和提供服務的目的可以和實體間互動。在目前的範例中，IC製造包 含接受客戶的IC訂單，製造訂購的IC所需要的操作，以及傳送給 客戶，例如IC的設計、製造、測試和運送。虛擬工廠220所提供 的月良務之一可以是在設計、工程和後勤等領域中的合作與信息取得。需了解的是這些領域只是範例，透過虛擬工廠可以視需要提供 更多或更少的信息。
虛擬工廠220提供的另 一種服務可以整合設備之間的系統，例 如在量測4幾臺214和製造才幾臺212之間。這樣的整合可以管理i殳備 間的活動。舉例來說，整合量測機臺214和製造機臺212讓製造信 息可以更有效率地加入生產過禾呈中，也讓來自量測才幾臺的晶圓資料-可以回到製造才幾臺以進4亍改善與合併。
前述的方法和系統僅是做為範例。前述的方法和系統可以延伸 並修改，並且在不偏離本發明的精神下包含適當的改變、實施例和替換。
雖然已經詳細地描述本發明的實施例，本領域的技術人員仍可 以在不偏離本發明的精神及範圍下進行各種的修改、替換以及取 代。因此，所有這類的修改、替換以及取代都應被視為由權利要求 書所定義的本發明的範疇中。在權利要求書中，手段加功能子句意 欲包含此處所描述的執行所述功能的結構，且並不只是結構上的均 等，也是均等上的結構。
權利要求
1.一種半導體晶圓結果預測的方法，包含自多個半導體製造機臺及量測機臺收集製造資料；根據所述製造資料使用自動關鍵參數萃取分析來選擇關鍵參數；根據所述關鍵參數建構虛擬量測；以及利用所述虛擬量測預測晶圓結果。
2. 根據權利要求1所述的方法，其中執行所述自動關鍵參數萃取 分析包含以階層分群法分組多個製造參數； 合併所述多個製造參數以形成多個代表參數；以及根據相關係數自所述多個代表參數中選出所述關鍵參數。
3. 根據權利要求l所述的方法，其中選出所述關鍵參數進一步包 含使用階層分群法或使用相關距離做為選擇門檻。
4. 根據權利要求l所述的方法，其中所述製造資料包含錯誤偵測 與分類(FDC)資料。
5. 根據權利要求4所述的方法，其中選擇所述關鍵參數包含自所述分組資料收集用於所述多個製造參數的時序資料；轉換所述時序資料為總結資料；以及對所述總結資料進行自動關鍵參數萃取分析以選擇所述 關鍵參數。
6. 根據權利要求5所述的方法，其中所述總結資料自下列組成的 群組選出平均值、最大值、最小值、標準差、以及其組合。
7. 根據權利要求5所述的方法，其中所述多個製造參數包含主動 參數及^皮動參悽史。
8. 根據權利要求1所述的方法，其中所述關鍵參數的其中之一為 所述多個參數的 一 個子集合的 一 個函數或與晶圓錯誤的 一 個 才艮本原因相關。
9. 根據權利要求1所述的方法，其中所述虛擬量測包含第一級才莫型，以所述製造資料為輸入，並輸出物理參數；以及第二級模型，以所述物理參數為輸入，並輸出電性參數。
10. 根據權利要求1所述的方法，其中收集所述製造資料進一步包 含自所述製造資料定義好的資料及壞的錯誤偵測與分類 (FDC)資料；通過對所述好及壞的資料執行預先處理以強化異常機臺 參悽t擷耳又率；以及根據所述好及壞的資料間的n個標準差來進行自我分類 分析。
11. 一種晶圓結果預測系統，包含第一模塊，根據製造資料來決定物理參數；以及第二模塊，根據所述物理參數及所述製造資料來決定電 性參數。
12. 根據權利要求11所述的晶圓結果預測系統，其中所述電性參 ^t的其中之一以所述製造參數或所述物理參lt表示。
13. 根據權利要求11所述的晶圓結果預測系統，進一步包含評估 模塊，以根據預定準則來評量用於晶圓驗收的所述電性參數。
14. 一種晶圓結果預測系統，包含用於收集製造資料的資料收集器，所述製造資料包含來 自製造機臺的機臺資料以及來自量測機臺的晶圓資料；關鍵參數模塊，所述關鍵參數模塊根據所述製造資料及 階層分群法辨認關4建參數；以所述關鍵參數為基礎所建立的虛擬量測模塊，其中所 述虛擬量測才莫塊包含第一衝莫塊，具有所述製造資料作為輸入，並輸出物理 參數；以及第二才莫塊，具有所述物理參數作為輸入，並輸出電性 參數；以及利用所述虛擬量測才莫塊以預測晶圓結果的預測才莫塊。
15. 根據權利要求14所述的系統，其中所述關鍵參數模塊使用所 述階層分群法來辨認所述關鍵參數。
全文摘要
本發明提供了一種能夠進行晶圓結果預測的方法，包含自各種半導體製造機臺以及量測機臺收集製造資料；根據製造資料使用自動關鍵參數萃取方法來選擇關鍵參數；根據關鍵參數建構虛擬量測；以及利用虛擬量測來預測晶圓結果。
文檔編號G05B19/418GK101581930SQ20091000622
公開日2009年11月18日 申請日期2009年2月5日 優先權日2008年2月5日
發明者餘振華, 左克偉, 林俊賢, 柯俊成, 汪青蓉, 羅冠騰, 賴志維, 陳炳旭 申請人:臺灣積體電路製造股份有限公司