CN100578747C - 用于模型预测的动态适应性取样率 - Google Patents

用于模型预测的动态适应性取样率 Download PDF

Info

Publication number
CN100578747C
CN100578747C CN200380107159A CN200380107159A CN100578747C CN 100578747 C CN100578747 C CN 100578747C CN 200380107159 A CN200380107159 A CN 200380107159A CN 200380107159 A CN200380107159 A CN 200380107159A CN 100578747 C CN100578747 C CN 100578747C
Authority
CN
China
Prior art keywords
sampling rate
unit
workpiece
relevant
model
Prior art date
Legal status (The legal status 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 status listed.)
Expired - Fee Related
Application number
CN200380107159A
Other languages
English (en)
Other versions
CN1729560A (zh
Inventor
T·J·松德尔曼
A·J·帕萨迪恩
G·A·谢里
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GlobalFoundries Inc
Original Assignee
Advanced Micro Devices Inc
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 Advanced Micro Devices Inc filed Critical Advanced Micro Devices Inc
Publication of CN1729560A publication Critical patent/CN1729560A/zh
Application granted granted Critical
Publication of CN100578747C publication Critical patent/CN100578747C/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L2223/00—Details relating to semiconductor or other solid state devices covered by the group H01L23/00
    • H01L2223/544—Marks applied to semiconductor devices or parts
    • H01L2223/54453—Marks applied to semiconductor devices or parts for use prior to dicing
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L2924/00—Indexing scheme for arrangements or methods for connecting or disconnecting semiconductor or solid-state bodies as covered by H01L24/00
    • H01L2924/0001—Technical content checked by a classifier
    • H01L2924/0002—Not covered by any one of groups H01L24/00, H01L24/00 and H01L2224/00

Abstract

本发明提供一种动态调整关于晶片检测的取样率的方法与装置。在多个相关批次的工件上执行工艺步骤。确定用于获取与至少一个被处理工件有关的测量数据的取样率。执行动态取样率调整过程，以适应性地修改取样率。该动态取样率调整过程包括比较预测的工艺结果与实际的工艺结果，并且依据该比较结果修改取样率。

Description

用于模型预测的动态适应性取样率
技术领域
本发明一般涉及半导体制造，更特别地，涉及一种动态调整与用于执行模型预测的晶片检测有关的取样率的方法与装置。
背景技术
半导体工业中的技术剧变已经造成许多创新的制造工艺。今日的制造工艺，特别是半导体制造工艺，需要许多重要的步骤。这些工艺步骤通常极其重要，因此需要一些输入，这些输入通常被微调以维持适当制造控制。
半导体器件的制造需要许多分开的工艺步骤，以从未加工的半导体材料产生封装的半导体器件。从半导体材料的最初生长、半导体晶体切割成个别晶片、制造阶段(蚀刻、掺杂、离子注入或类似情形)到完成器件的封装与最后测试的种种工艺，各种工艺之间如此不同，并且限定这些工艺可以在包含不同控制结构的不同制造位置里进行。
一般而言，在有时称为一批(lot)的一组半导体晶片上进行一组工艺步骤。例如，可以将由各种不同材料组成的工艺层形成在半导体晶片上。因此，图形化光刻胶层则可以使用已知的光刻(photolithography)技术而被形成在工艺层上。基本上，随后把图形化光刻胶层当作掩膜在工艺层上进行蚀刻工艺。此蚀刻工艺使得各种特征或目的形成于工艺层中。例如，此些特征可以用作晶体管用的栅极电极结构。多数的时候，沟槽(trench)隔离结构也可以形成在半导体晶片的衬底中，以隔离整个半导体晶片的电性区域。一种可用隔离结构的实例是浅沟(shallow trench)隔离(STI)结构。
半导体制造工厂内的制造工具基本上与制造结构或者工艺模型网络互连。各制造工具一般连接到设备接口。设备接口则连接到制造网络所连接的机械接口，从而促进制造工具与制造结构之间的互连。机械接口通常是部分的先进工艺控制(APC)系统。APC系统初始一控制脚本，其可以是自动取得实施制造过程所需的数据的软件程序。
图1说明典型的半导体晶片105。半导体晶片105基本上包括排列在格栅150中的多个个别半导体管芯103。使用已知的光刻工艺与设备，可将图形化的光刻胶层形成在将被图形化的一层或多层的工艺层上。作为部分的光刻工艺，曝光工艺基本上由一次大约1至4个管芯103的位置上的步进器所进行，其取决于所使用的特定光学掩膜。图形化的光刻胶层可在底层或材料层(例如，多晶硅、金属或绝缘材料层)上所进行的湿法或干法的蚀刻工艺期间用作为掩膜，以将希望的图形传递到底层。图形化的光刻胶层包含多个特征，例如将被复制在底部工艺层中的线型(line-type)特征或开口型特征。
现在回到图2，其是用于显示说明现有技术工艺流程的方块图。制造系统可以依据在半导体晶片105上所进行的特定工艺来设定进行晶片分析用的取样率(方块210)。制造系统随后可以处理半导体晶片105(方块220)。一旦将成批的半导体晶片105加工处理的话，制造系统则可以取样率为基础而来得到测量数据(metrology data)(方块230)。取样率则用于确定有多少以及哪个半导体晶片105为了成批的测量数据取得而被检测。一旦得到测量数据的话，该系统就可以依据测量数据分析而修改该工艺(方块240)。一旦确定将在半导体晶片105上所进行的一种或多种修改的话，该制造系统则可持续地处理半导体晶片105(方块250)。
在与现有测量技术有关的问题中，事实上，来自取样半导体晶片105的数据并没有提供对测量数据状态的正确评估。例如，在制造系统的状态中某些工艺或改变可能需要另外的测量数据，用于进行对测量数据状态的更正确的评估。预定的取样率可能不足以取得充分的数据，以对处理的半导体晶片105的情况进行正确评估。例如，情况的改变，譬如处理工具与类似物的操作的改变，其可能导致预定取样率是不充分的。
再者，在处理阶段内可以修改用于在半导体晶片105上进行加工处理的工艺模型，以便得到用于正确评估工艺的精确性的更多的数据或更少的数据。不充分的测量数据可能造成半导体晶片105处理的误差。此外，不充分的测量数据可能造成在适当的测量数据有用的情形下可能以其它方式来进行的工艺校正的不足。相反地，测量数据的过度取得可能导致晶片加工处理期间内的低效率。
本发明是针对克服或至少减少上述一种或多种问题所产生的影响。
发明内容
在本发明的一个方面中，提供一种用于动态地调整关于晶片检测的取样率的方法。对相关批次的多个工件进行一工艺步骤。确定取样率，取样率用于取得与至少一个加工处理工件相关的测量数据。执行动态取样率调整过程，以适应性地修改该取样率。动态取样率调整过程包括将预定的工艺结果与实际的工艺结果相比较，并且依据该比较结果修改该取样率。
在本发明的另一方面中，提供一种用于动态地调整关于晶片检测的取样率的方法。对相关批次的多个工件执行一工艺步骤。确定取样率，取样率用于取得与至少一工艺工件有关的测量数据。预测来自工件上所进行的工艺的结果。依据取样率取得与在工件上进行的工艺有关的实际结果数据。将预测结果与实际结果进行比较。确定与该模型所进行的工艺结果预测有关的不确定性。依据不确定性在预定公差范围上的确定来修改取样率。
在本发明的另一方面中，提供一种用于动态调整关于晶片检测的取样率的系统。该系统包括处理工具，用于加工处理多个工件。该系统也同样包括测量工具，用于得到关于被处理工件的测量数据。该系统也包括操作性地连接到处理工具的工艺控制器。该工艺控制器能够执行动态取样率调整过程，以适应性地修改取样率。该动态取样率调整过程包括将预测工艺结果与实际工艺结果相比较，并且依据该比较结果修改取样率。
在本发明的另一方面中，提供一种用于动态地调整关于晶片检测的取样率的装置。该装置包括工艺控制器，该工艺控制器用于控制在多个工件上通过处理工具所进行的工艺。该工艺控制器能够执行动态取样率调整过程，以便将用于得到与被处理工件的测量数据相关的取样率进行适应性地修改。该动态取样率调整过程包括将预测工艺结果与实际工艺结果相比较，并且依据该比较结果修改取样率。
在本发明的另一方面中，提供一种以指令来编码的计算机可读取程序存储装置，用于动态调整与晶片检测相关的取样率。以指令来编码的计算机可读取程序存储装置，当由计算机运行该编码时其执行一种方法，该方法包含：在成批相关的多个工件上执行一工艺步骤；确定一取样率，用于取得与至少一个被处理工件有关的测量数据；以及执行一动态取样率调整过程，以适应性地修改取样率。该动态取样率调整过程包括将预测工艺结果与实际工艺结果相比较，并且依据该比较结果修改取样率。
附图说明
可以结合附图参照所做的以下说明来理解本发明，其中相同的附图标记代表相同组件，而且其中：
图1是经过处理的现有技术半导体晶片的简化图；
图2是用于显示在制造半导体晶片期间内的现有技术工艺流程的简化流程图；
图3提供了根据本发明一个具体实施例的系统的方块图；
图4说明了图3中根据本发明一个具体实施例的工具状态数据取得单元的更详细方块图；
图5说明了图3中根据本发明一个具体实施例的动态适应取样率单元的更详细方块图；
图6说明了图3所示的根据本发明一个具体实施例的系统的更详细方块图；
图7说明了根据本发明一个具体实施例的方法流程图；
图8说明了根据本发明一个具体实施例的如图7所标示的一种定义模型与实施模型功能的方法的更详细流程图；以及
图9说明了根据本发明一个具体实施例的如图7所标示的一种执行动态自适取样率调整过程的方法的更详细流程图。
本发明容许有多种类型的修改与可选择的形式，前述特定的实施例是通过附图与详细的说明加以例举。然而，应了解者，前揭的描述内容并非用以将本发明限定在该些特定形式中，相反的，本发明涵盖所有落入由后附权利要求限定的本发明的实质和范围内的修改、等价物和可选方案。
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式。为了清楚起见，并不是在说明书中描述所有的实际实施的特征。当然应当理解到的是，在任何此种实际具体实施例的发展过程中，必须进行种种具体实施例的决定，以实现开发者的特定目标，例如关于系统与关于企业的限制的一致性，其可以从一个实施过程改变到另一个实施过程。再者，应当理解到的是，这种发展努力可能既复杂且费时，但对于那些从本发明获益的本领域技术人员来说则是例行公事。
有许多分开的工艺包含在半导体制造中。许多时候，工件(例如，半导体晶片105、半导体器件等等)么逐步经历多重制造处理工具。本发明的具体实施例用于执行动态适应取样率，其可用于调整晶片105的取样以用于分析。在半导体晶片105的处理期间内，取样率的调整可以应情况的改变而进行。例如，依据潜在影响半导体晶片105的适当制造的各种因素，该工艺允许动态改变用于检测半导体晶片105的取样率。可以修改执行工艺结果的预测(例如，在一组处理工艺进行之后半导体晶片105的外观将是如何)的工艺模型，以便使该工艺模型对测量数据更灵敏。因此，可实施取样率的增加以更精确地预测工艺结果并且配合工艺模型灵敏度的增加。换句话说，工艺模型对测量数据的灵敏度越高，取样率就越高，反之亦然。在一个具体实施例中，修改过的取样率可以实施于后续一批的半导体晶片105。利用本发明具体实施例所提供的适应性取样率，被处理半导体晶片105的测量状态的更精确评估是可能的，从而提供更好的与更精确的工艺控制。
现在回到图3，其显示了根据本发明具体实施例的系统300的方块图。在系统300中的工艺控制器310能够控制与处理工具610有关的各种操作。该系统300能够得到相关的制造数据，譬如与被处理半导体晶片105相关的测量数据、工具状态数据等。该系统300也可以包含测量工具650，以得到相关于被处理半导体晶片105的测量数据。
系统300也可以包含数据库单元340。该数据库单元340提供用于存储多种数据，譬如测量数据、与系统300的操作有关的数据(例如，处理工具610的状态、半导体晶片105的状态等等)等数据。数据库单元340可以存储与处理工具610所进行的多个工艺流有关的工具状态数据。数据库单元340可以包含数据库服务器342，用于将与被处理半导体晶片105有关的工具状态数据和/或其它制造数据存储入数据库存储单元345。
该系统300也可以包含用于得到工具状态数据的工具状态数据取得单元320。该工具状态数据可以包括与处理工具610的操作有关的压力数据、温度数据、湿度数据、气体流量数据、各种电性数据等等。蚀刻工具用的典型工具状态数据可以包括气体流量、箱室压力、箱室温度、电压、反射功率、背面氦压力、RF(射频)调谐参数等等。工具状态数据也可以包括处理工具610外部的数据，譬如周围温度、湿度、压力等等。工具状态数据取得单元320的更详细说明被提供在图4与下面的附带说明中。
系统300同样包含能够进行与半导体晶片105处理有关的各种故障检测分析的故障检测与分类单元(FDC)330。故障检测与分类单元330能够在半导体晶片105的处理期间内提供与故障有关的数据。由故障检测与分类单元330所进行的故障检测分析可以包括工具状态数据和/或测量数据的分析。FDC单元330可以通过分析测量工具数据，而使特定的工具状态数据与被处理半导体晶片105上检测出的误差产生关联。例如，特定误差，譬如在被处理半导体晶片105上所发现的临界尺寸误差可与特定气流速率或者相关于工具状态数据的温度数据产生关联。FDC单元330所进行的故障检测也可包括分析来自整合入处理工具610的现场传感器的数据。
系统300的模型单元350能够进行晶片状态结果的预测(例如，与被处理半导体晶片105的一种或更多种情况有关的预测，譬如半导体晶片105上所形成的特定结构临界尺寸的预测)。晶片状态结果的预测可以基于工艺情况输入数据。该模型单元350能够将在半导体晶片105上所进行的工艺步骤的行为和/或结果定出模型，以便依据某些具体控制输入参数，来确定被处理半导体晶片105的可能情况。
来自模型单元350的预测数据可被与系统300有关的动态适应取样率单元360所使用，以执行取样率的动态适应。动态适应取样率单元360能够基于在半导体晶片105处理期间可能发生的多个工艺变化的其中一个，动态地修改取样率(与检测成批的某特定晶片105有关)。动态适应取样率单元360可以依据模型单元350的改变而增加成批半导体晶片105的检测的取样率。换句话说，假如模型单元350对测量数据更灵敏的话，则可以实施取样率的增加，以便将更精确的测量数据提供到模型单元350，用于较佳地预测工艺输出。此外，依据模型单元350所提供的某些预测，系统300可以可改变取样率，以更接近地评估在半导体晶片105上所进行的工艺步骤的结果。动态适应取样率单元360的更详细说明被提供在图5以及下面的附带说明中。
在一个具体实施例中，依据本发明具体实施例所提供的不确定因素，当将取样率从一批修改到另一批时，系统300可扮演监督的角色。在一个具体实施例中，进行线端电性测试，譬如环振荡频率测量、驱动电流等。随后可将来自实际电性测量的结果与模型单元350所提供的预测性电性参数相比较。随后依据实际电性测试结果与预测电性参数之间的差，而确定不确定因素。假如不确定因素相当高的话，则取样率无法高到足够描述成批的晶片状态。因此，取样率可以随着后续的一批而增加。不确定因素可由取样率单元360所使用，以便修改用于检测被处理晶片105的取样率，用于测量分析。在一个具体实施例中，修改取样率，用于检测后续加工批次中的被处理晶片105。
工艺控制器310、FDC单元330、模型单元350、和/或动态适应取样率单元360可以是独立单元的或者是整合入与系统300有关的计算机系统中的软件、硬件、或韧件单元。再者，由图3所示的方块所代表的各种组件可以经由系统通信线315而互相通信。系统通信线315可以是计算机总线链路、专用硬件通信链路、电话系统通信链路、无线通信链路、或其它通信链路，其可以通过从本发明获益的本领域技术人员所实施。
现在回到图4，其提供了图3所示的工具状态数据取得单元320的更详细方块图。工具状态数据取得单元320可以包含任何不同类型的传感器中的任一种，例如压力传感器410、温度传感器420、湿度传感器430、气体流量速率传感器440与电性传感器450等等。在一个替代性具体实施例中，工具状态数据取得单元320可以包含整合入处理工具610内的现场传感器。压力传感器410能够检测出压力工具610内的压力。温度传感器420则能够感应出处理工具610中各部分的温度。湿度传感器430能够检测出处理工具610中各部分或者周围情况的相对湿度。气体流量速率传感器440可以包含多个流速传感器，这些传感器能够检测出在半导体晶片105的处理期间所使用的多种工艺气体的流速。例如，气体流量速率传感器440可以包含可检测出譬如NH3、SiH4、N2、N2O和/或其它工艺气体的气体流速率的传感器。
在一个具体实施例中，电性传感器450能够检测多个电性参数，譬如提供到光刻工艺中所使用的电灯的电流。工具状态数据取得单元320也可以包含其它传感器，其能够检测出从本发明获益的本领域技术人员所知的各种制造变量。工具状态数据取得单元320也可以包含数据接口460。数据接口460可以接收来自各种传感器的传感器数据，并且将该数据输送到工艺控制器310，该各种传感器包含在处理工具610和/或工具状态数据取得单元320内，或者与其有关。
现在回到图5，其提供了根据本发明一个具体实施例所设计的动态适应取样率单元360的更详细说明。动态适应取样率单元360可以接收来自模型单元350等的多个相关制造数据，譬如测量数据、工具状态数据、取样率数据、模型数据。依据动态适应取样率单元360所收到的数据，可以提供新的取样率，用于更精确地评估测量数据。动态适应取样率单元360可以包含模型不确定性计算单元510与适应性取样率计算单元520。模型不确定性计算单元510能够确定或量化与模型单元350的预测能力有关的不确定(或确定)量。在一个具体实施例中，不确定性计算单元510可以将预测数据(即，模型数据等)与从测量数据分析步骤取得的实际测量数值相比较，并且在该预测中确定不确定性。
依据算出的不确定性，适应性取样率计算单元520可以增加或减少取样率，而测量数据则以该取样率而从被处理半导体晶片105取得。假如该模型单元350的操作不确定性很高的话，则可以增加取样率，以便将更精确的测量评估提供到模型单元350，以进行更精确的工艺输出预测(例如，分析更多成批的半导体晶片105)。假如模型不确定性如模型不确定性计算单元510所算出地很低的话，则适应性取样率计算单元520可以减少取样率(即，分析成批更少数目的半导体晶片105)。
动态适应取样率单元360将适当地向上或向下改编和修改取样率，以将定模数据输出的不确定量维持在预定范围内。通过适应性调整取样率，模型单元350输出的精确性则会增加并且维持在预定的公差范围内。为了使用实际数据输出与预测数据输出来确定预测误差而提供本发明的具体实施例，用以驱动取样率的适应性改变，而成批的半导体晶片105则以该取样率来分析，用于取得测量数据。动态适应取样率单元360可以依据针对进一步分析测量数据的计算来提供一新的取样率。在一个具体实施例中，实施新的取样率，用于检测在后续工艺批次中的被处理半导体晶片105。
现在回到图6，其说明了根据本发明一个具体实施例的系统300的更详细方块图。使用经由线或网络623所提供的多个控制输入信号或制造参数，在处理工具610a、610b上加工处理半导体晶片105。线623上的控制输入信号或制造参数，是从计算机系统630经由机械接口615a、615b，而发送到处理工具610a、610b。第一与第二机械接口615a、615b一般放置在处理工具610a、610b外面。在一个替代性具体实施例中，第一与第二机械接口615a、615b放置在处理工具610a、610b内。将半导体晶片105放置在多个处理工具610，并由该处理工具610运送。在一个具体实施例中，可手动地将半导体晶片105提供到处理工具610。在一个替代性具体实施例中，可以自动的方式(例如，半导体晶片105的自动移动)将半导体晶片105提供给处理工具610。在一个具体实施例中，将多个半导体晶片105成批地(例如，堆叠在盒中)输送到处理工具610。
在一个具体实施例中，计算机系统630会将线623上的控制输入信号或制造参数发送到第一与第二机械接口615a、615b。计算机系统630能够控制工艺操作。在一个具体实施例中，计算机系统630是工艺控制器。计算机系统630连接到可以包含多个软件程序与数据组的计算机存储单元632。计算机系统630可以包含能够执行在此所述的操作的一个或多个处理器(未显示)。计算机系统630使用制造模型640，用于在线623上产生控制输入信号。在一个具体实施例中，制造模型640包含制造程序，该程序确定在线623上被发送到处理工具610a、610b的多个控制输入参数。
在一个具体实施例中，制造模型640定义出实施一特定制造工艺的工艺脚本与输入控制。在为了处理工具A 610a而设的线623上的控制输入信号(或者控制输入参数)，由第一机械接口615a收到与加工处理。在为了处理工具B 610b而设的线623上的控制输入信号，由第二机械接口615b收到与加工处理。用于半导体制造工艺的处理工具610a、610b的实例是步进器、蚀刻处理工具、沉积工具等。
由处理工具610a、610b所加工处理的一种或多种半导体晶片105，可同样地发送到测量工具650，以取得测量数据。测量工具650可以是散射测量(scatterometry)数据取得工具、重迭错误测量工具、临界尺寸测量工具等。在一个具体实施例中，测量工具650检测出一个或多个被处理半导体晶片105。测量数据分析单元660可以收集、组织和分析来自测量工具650的数据。测量数据针对在半导体晶片105上所形成的器件的各种物理或电性特征。例如，可以获得关于线宽度测量、沟槽深度、侧壁角度、厚度、电阻等的测量数据。测量数据可以用于确定可以在被处理半导体晶片105上出现的故障，其可用于量化处理工具610的性能。
如以上所提供的，动态适应取样率单元360收到多个相关制造数据，譬如来自测量数据分析单元660的测量分析数据、来自数据库单元340的存储的工艺数据、来自模型单元350的模型预测数据、来自工具状态数据取得单元320的工具状态数据、和/或者来自FDC单元330的故障检测数据。使用上述的动态适应性过程，动态适应取样率单元360可以依据线端测试结果与预测结果的比较而对取样率进行调整。因此，新取样率则可以设置到计算机系统630，用于分析后续处理批次的半导体晶片105。计算机系统630随后则可以实施新的取样率，以便依据新取样率而对增加或减少数量的后续成批的所选半导体晶片105执行测量数据分析。
现在回到图7，其显示了根据本发明具体实施例的方法的流程图。一旦准备处理半导体晶片105，系统300则可确定工艺细节，例如所使用的工艺种类、工艺顺序等(方块710)。工艺细节一般可以基于最后从被处理半导体晶片105制造的器件。系统300随后可以定义出一模型，该模型能够依据多个工艺输入数据而控制和/或预测工艺输出。一旦定义了该模型的话，则可实施模型功能，该功能可以包括工艺结果预测功能(方块720)。可以基于譬如工艺输入参数的工艺参数与由被处理半导体晶片105所确定的电性参数之间的关系来定义该模型。如方块720所标示的定义工艺模型的更详细说明被提供在图8及以下的附带说明中。
依据工艺细节与所定义的模型，系统300可以设定特定工艺步骤所使用的取样率(方块730)。一般而言，模型的敏感度越高，取样率则越高，反之亦然。一旦将取样率设定的话，系统300则可以加工处理相关批次的半导体晶片105(方块740)。系统300随后可以取得测量数据并且执行动态适应取样率调整过程(方块750)。依据与预测结果相比较下的线端测试结果，动态适应取样率调整过程提供经过调整的新取样率，用于取得测量数据。方块750中所标示的动态适应取样率调整过程被提供在图9和以下的附带说明中。依据由于执行动态适应取样率调整过程所提供的新取样率，系统300能持续地加工处理半导体晶片105，并且随后以该新取样率来得到测量数据(方块760、770)。在一个具体实施例中，实施新取样率，以检测在后续的处理批次中的被处理半导体晶片105。
现在回到图8，其提供了在定义图7的方块720所标示的模型里包含的步骤的更详细流程图说明。系统300可以识别出一组参数，这些参数则与被评估的特定工艺有关(方块810)。系统300随后以识别出的该组参数为基础，来识别出相关的结果参数(方块820)。例如，确定出与特定电性参数有关的结果参数。系统300随后则确定出哪种工艺参数影响相关的结果参数(方块830)。系统300随后则可以确定出诸参数对最后结果的灵敏度(例如，诸参数对最后电性参数的灵敏度)。可以通过分析测量数据、工具状态数据、所存储的工艺数据等来确定诸参数的灵敏度(方块840)。系统300随后则依据选出的工艺参数而量化最后结果(方块850)。一般而言，此步骤是通过预测以参数为基础的结果来进行的。
现在回到图9，其显示了执行动态适应取样率调整过程的更详细流程图。系统300可以预测出模型结果(方块910)。换句话说，可能的工艺结果由预定的模型(譬如模型单元350)所预测。系统300可以取得实际的结果数据(例如，取得的测量数据与结果数据，譬如电性测试数据)(方块920)。系统300随后可以基于这些参数来比较实际结果与预测结果想定(scenarios)(方块930)。实际对预测工艺结果的比较可以用于确定与该模型相关的不确定性(或者确定性)。例如，该不确定性在该模型中被量化(例如，假设实际结果一贯明显地不同于预测结果的话，那么不确定性就会很高)(方块940)。
系统300随后可以确定出与模型预测有关的不确定性对精确的工艺操作而言是否太高(方块950)。一旦确定出与模型有关的不确定性不是太高的话，则对于进一步的工艺维持现有的取样率(方块960)。当系统300确定出该不确定性关于预定的模型结果而言是太高的时候，系统300则会进行修改，将取样率增加地更高，以降低不确定性(方块970)。修改过的取样率可用于检测与后续批次有关的被处理半导体晶片105。图9所示的诸步骤实质上完成与图7的方块750有关的诸步骤。通过使用本发明的具体实施例，系统300能够依据多个因素而动态地适应修改过的取样率。例如，系统300可以评估模型预测功能的精确性并且改变取样率，以更有效地使用资源。
本发明所揭示的原理可实施于先进工艺控制(APC)架构，譬如由KLA Tencor，Inc.所提供的催化剂(Catalyst)系统。该催化剂系统使用半导体设备与材料国际协会(SEMI)计算机集成制造(CIM)架构兼容系统技术，其是以先进工艺控制(APC)架构为基础。CIM(SEMI E81-0699-CIM架构领域结构的临时说明书)与APC(SEMI E93-0999-CIM架构先进工艺控制组件用的临时说明书)说明书可公开地从SEMI得到。APC架构是较佳的平台，从该平台来实施本发明所揭示的控制策略。在一些具体实施例中，APC架构可以是全工厂的软件系统；因此，由本发明所揭示的控制策略事实上可应用到厂区的任何半导体制造工具。APC架构同样考虑到工艺性能的远程存取与监视。再者，通过使用APC结构，数据存储会比局部驱动更方便、更有弹性且更经济。因为当将必要的软件代码写入时，APC架构能够提供显著的灵活量，所以它会考虑到更复杂的控制型态。
将本发明所揭示的控制策略应用到APC架构需要许多的软件组件。除了APC架构内的组件以外，还将计算机脚本(script)写入，以用于控制系统中所包含的各半导体制造工具。当控制系统的半导体制造工具于半导体制造加工中起动时，它一般会调用一脚本，以初始工艺控制器所需要的动作，譬如覆盖控制器。该控制方法一般以这些脚本被界定并且执行。这些脚本的开发可包含该控制系统开发的重要部分。本发明所教示的原理可在其它类型的制造架构内实施。
上述特定的实施例仅是示意性的，因为本发明可采用对于从此处公开获益的本领域技术人员显而易见的不同但却等价的方式来修改和实施。而且，其中所示的结构或设计的细节并不具有任何限制性，除了在下面权利要求中所说明的以外。因此，以上所揭露的特定具体实施例显然可被改变或修改，而且所有的这些变更均可视为在本发明的范围与精神内。因此，此处所寻求的保护乃陈述在下面的权利要求中。

Claims (10)

1.一种用于动态地调整关于工件检测的取样率的方法，包含：
在相关批次的多个工件上执行一工艺步骤；
确定取样率，用于取得与至少一个该被处理工件有关的测量数据；以及
执行动态取样率调整过程，以适应性地修改该取样率，该动态取样率调整过程包含定义与在该工件上所执行的工艺有关的模型，将预测工艺结果与实际工艺结果相比较，并且以该比较为基础来修改该取样率，且比较该预测工艺结果与实际工艺结果包含确定与该模型所执行的工艺结果预测有关的不确定性。
2.如权利要求1所述的方法，其中在该工件上执行该工艺步骤进一步包含在半导体晶片(105)上执行该工艺步骤。
3.如权利要求1所述的方法，进一步包含将工艺定模，以确定该预测的工艺结果。
4.如权利要求3所述的方法，其中执行该动态取样率调整过程进一步包含：
根据在该工件上所执行的该工艺预测出结果；
取得与在该工件上所执行的该工艺有关的实际结果数据；
将该预测结果与该实际结果相比较；
确定与该模型所执行的该工艺结果预测有关的不确定性；以及
基于该不确定性在预定公差范围上的确定来修改该取样率。
5.如权利要求4所述的方法，其中根据在该工件上所执行的该工艺预测出结果，进一步包含预测一工件的至少一个电性测试值。
6.如权利要求5所述的方法，其中修改该取样率进一步包含基于该不确定性不在预定公差水平内的确定来增加该取样率。
7.如权利要求3所述的方法，其中执行该动态取样率调整过程进一步包含基于至少一个控制参数对该预测工艺结果灵敏的确定来增加该取样率。
8.一种用于动态地调整关于晶片检测的取样率的系统(100)，其特征在于该系统(100)包含：
处理工具(610)，其用于加工处理相关批次的多个工件；
测量工具(650)，其以预定取样率为基础来取得与该被处理工件有关的测量数据；以及
工艺控制器(310)，其操作性地连接到该处理工具(610)与该测量数据，该工艺控制器(310)执行动态取样率调整过程，以适应性地修改该取样率，该动态取样率调整过程包含定义与在该工件上所执行的工艺有关的模型，将预测的工艺结果与实际工艺结果相比较，并且以该比较为基础来修改该取样率，且比较该预测工艺结果与实际工艺结果包含确定与该模型所执行的工艺结果预测有关的不确定性。
9.一种用于动态地调整关于工件检测的取样率的系统，包括：
用于在相关批次的多个工件上执行工艺步骤的单元；
用于确定取样率以取得与至少一个该被处理工件有关的测量数据的单元；以及
用于执行动态取样率调整过程以适应性地修改该取样率的单元，用于执行该动态取样率调整过程的该单元包含用于定义与在该工件上所执行的工艺有关的模型的单元，用于将预测工艺结果与实际工艺结果相比较的单元，以及用于以该比较为基础来修改该取样率的单元，且用于比较该预测工艺结果与该实际工艺结果的该单元包含用于确定与该模型所执行的工艺结果预测有关的不确定性的单元。
10.如权利要求9所述的系统，其中用于执行该动态取样率调整过程的该单元进一步包含：
用于根据在该工件上所执行的该工艺预测出结果的单元；
用于取得与在该工件上所执行的该工艺有关的实际结果数据的单元；
用于将该预测结果与该实际结果相比较的单元；
用于确定与该模型所执行的该工艺结果预测有关的不确定性的单元；以及
用于基于该不确定性在预定公差范围上的确定来修改该取样率的单元。
CN200380107159A 2002-12-18 2003-11-06 用于模型预测的动态适应性取样率 Expired - Fee Related CN100578747C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/323,530 2002-12-18
US10/323,530 US8017411B2 (en) 2002-12-18 2002-12-18 Dynamic adaptive sampling rate for model prediction

Publications (2)

Publication Number Publication Date
CN1729560A CN1729560A (zh) 2006-02-01
CN100578747C true CN100578747C (zh) 2010-01-06

Family

ID=32593244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200380107159A Expired - Fee Related CN100578747C (zh) 2002-12-18 2003-11-06 用于模型预测的动态适应性取样率

Country Status (9)

Country Link
US (1) US8017411B2 (zh)
JP (1) JP2006511958A (zh)
KR (1) KR101166209B1 (zh)
CN (1) CN100578747C (zh)
AU (1) AU2003291313A1 (zh)
DE (1) DE10393903T5 (zh)
GB (1) GB2412975B (zh)
TW (1) TWI352883B (zh)
WO (1) WO2004061938A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103247518A (zh) * 2012-02-02 2013-08-14 台湾积体电路制造股份有限公司 改进半导体制造中的fab工艺的工具功能的新型设计
CN103646886A (zh) * 2013-11-22 2014-03-19 上海华力微电子有限公司 监控多腔体设备缺陷状况的晶圆作业方法
CN104701211A (zh) * 2015-03-30 2015-06-10 上海华力微电子有限公司 根据集成电路制程能力指数自动调整抽检频率的量测方法

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6766214B1 (en) * 2003-04-03 2004-07-20 Advanced Micro Devices, Inc. Adjusting a sampling rate based on state estimation results
US6859746B1 (en) * 2003-05-01 2005-02-22 Advanced Micro Devices, Inc. Methods of using adaptive sampling techniques based upon categorization of process variations, and system for performing same
US7155689B2 (en) * 2003-10-07 2006-12-26 Magma Design Automation, Inc. Design-manufacturing interface via a unified model
US7076321B2 (en) * 2004-10-05 2006-07-11 Advanced Micro Devices, Inc. Method and system for dynamically adjusting metrology sampling based upon available metrology capacity
JP4693464B2 (ja) * 2005-04-05 2011-06-01 株式会社東芝 品質管理システム、品質管理方法及びロット単位のウェハ処理方法
US7650199B1 (en) * 2005-08-03 2010-01-19 Daniel Kadosh End of line performance prediction
US7502702B1 (en) * 2005-09-07 2009-03-10 Advanced Micro Devices, Inc. Method and apparatus for dynamic adjustment of sensor and/or metrology sensitivities
US8175831B2 (en) 2007-04-23 2012-05-08 Kla-Tencor Corp. Methods and systems for creating or performing a dynamic sampling scheme for a process during which measurements are performed on wafers
JP5634864B2 (ja) 2007-05-30 2014-12-03 ケーエルエー−テンカー・コーポレーションＫｌａ−Ｔｅｎｃｏｒ Ｃｏｒｐｏｒａｔｉｏｎ リソグラフィック・プロセスに於ける、プロセス制御方法およびプロセス制御装置
US20100211202A1 (en) * 2009-02-13 2010-08-19 Hermes Microvision, Inc. Method and machine for examining wafers
US9768082B2 (en) 2009-02-13 2017-09-19 Hermes Microvision Inc. Method and machine for examining wafers
US8392009B2 (en) * 2009-03-31 2013-03-05 Taiwan Semiconductor Manufacturing Company, Ltd. Advanced process control with novel sampling policy
CN101872714B (zh) * 2009-04-24 2012-06-20 中芯国际集成电路制造(上海)有限公司 晶圆在线检测方法及系统
US8565910B2 (en) * 2011-02-04 2013-10-22 International Business Machines Corporation Manufacturing execution system (MES) including a wafer sampling engine (WSE) for a semiconductor manufacturing process
US8656323B2 (en) * 2011-02-22 2014-02-18 Kla-Tencor Corporation Based device risk assessment
CN102354108B (zh) * 2011-06-09 2013-07-17 国网电力科学研究院 过采样实现动态采样速率调整的方法
US9652729B2 (en) 2011-10-27 2017-05-16 International Business Machines Corporation Metrology management
CN102437072A (zh) * 2011-11-28 2012-05-02 上海华力微电子有限公司 晶片缺陷扫描调度的方法和系统
JP5765222B2 (ja) * 2011-12-28 2015-08-19 トヨタ自動車株式会社 モデル予測制御方法及びモデル予測制御プログラム
US9588441B2 (en) * 2012-05-18 2017-03-07 Kla-Tencor Corporation Method and device for using substrate geometry to determine optimum substrate analysis sampling
US9816370B2 (en) * 2012-09-19 2017-11-14 Honeywell International Inc. System and method for optimizing an operation of a sensor used with wellbore equipment
US9245067B2 (en) 2013-03-15 2016-01-26 General Electric Company Probabilistic method and system for testing a material
US11025521B1 (en) * 2013-03-15 2021-06-01 CSC Holdings, LLC Dynamic sample selection based on geospatial area and selection predicates
US9306828B2 (en) * 2013-07-12 2016-04-05 Xyratex Technology Limited-A Seagate Company Method of, and apparatus for, adaptive sampling
US9087176B1 (en) * 2014-03-06 2015-07-21 Kla-Tencor Corporation Statistical overlay error prediction for feed forward and feedback correction of overlay errors, root cause analysis and process control
KR20150114795A (ko) 2014-04-02 2015-10-13 삼성전자주식회사 반도체 메모리 장치의 테스트 방법, 테스트 장치, 및 반도체 메모리 장치의 테스트 프로그램을 저장하는 컴퓨터로 읽을 수 있는 기록 매체
CN104103544B (zh) * 2014-08-01 2020-03-31 上海华力微电子有限公司 晶圆缺陷监控方法
US10133263B1 (en) 2014-08-18 2018-11-20 Kla-Tencor Corporation Process condition based dynamic defect inspection
US20160055434A1 (en) * 2014-08-21 2016-02-25 Lenovo Enterprise Solutions (Singapore) Pte. Ltd. Dynamic risk assessment based product sampling
US9471452B2 (en) * 2014-12-01 2016-10-18 Uptake Technologies, Inc. Adaptive handling of operating data
WO2016162231A1 (en) * 2015-04-10 2016-10-13 Asml Netherlands B.V. Method and apparatus for inspection and metrology
US10754260B2 (en) 2015-06-18 2020-08-25 Kla-Tencor Corporation Method and system for process control with flexible sampling
KR102190292B1 (ko) * 2015-12-31 2020-12-14 에이에스엠엘 네델란즈 비.브이. 패터닝 공정들을 위한 측정 위치들의 선택
US11144842B2 (en) 2016-01-20 2021-10-12 Robert Bosch Gmbh Model adaptation and online learning for unstable environments
JP6476370B2 (ja) * 2016-09-26 2019-03-06 株式会社Ｋｏｋｕｓａｉ Ｅｌｅｃｔｒｉｃ 記録媒体、プログラム、半導体装置の製造方法および基板処理装置。
TWI607825B (zh) * 2016-11-29 2017-12-11 財團法人工業技術研究院 自動化加工程式切削力優化系統及方法
CN107135128B (zh) * 2017-06-28 2021-07-23 努比亚技术有限公司 调用链数据采集方法、移动终端及计算机可读存储介质
US11042148B2 (en) * 2017-11-23 2021-06-22 Taiwan Semiconductor Manufacturing Company, Ltd. System and method for scheduling semiconductor lot to fabrication tool
KR20220149714A (ko) * 2020-03-03 2022-11-08 피디에프 솔루션즈, 인코포레이티드 조기 수명 장애에 취약한 다이 예측
US11429091B2 (en) 2020-10-29 2022-08-30 Kla Corporation Method of manufacturing a semiconductor device and process control system for a semiconductor manufacturing assembly

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4635182A (en) * 1984-07-03 1987-01-06 The United States Of America As Represented By The Secretary Of The Navy Apparatus for controlling multiple time-varying processes
US4663628A (en) * 1985-05-06 1987-05-05 Halliburton Company Method of sampling environmental conditions with a self-contained downhole gauge system
JPH08505967A (ja) * 1992-11-24 1996-06-25 パヴィリオン・テクノロジーズ・インコーポレイテッド 欠落および／または不完全なデータを有するニューラルネットワークを作動するための方法および装置
US5519605A (en) * 1994-10-24 1996-05-21 Olin Corporation Model predictive control apparatus and method
US5711843A (en) * 1995-02-21 1998-01-27 Orincon Technologies, Inc. System for indirectly monitoring and controlling a process with particular application to plasma processes
JP3699776B2 (ja) 1996-04-02 2005-09-28 株式会社日立製作所 電子部品の製造方法
JP3751680B2 (ja) * 1996-06-10 2006-03-01 株式会社ルネサステクノロジ 半導体素子の製造方法
US5895596A (en) * 1997-01-27 1999-04-20 Semitool Thermal Model based temperature controller for semiconductor thermal processors
US5896294A (en) * 1997-03-11 1999-04-20 Advanced Micro Devices, Inc. Method and apparatus for inspecting manufactured products for defects in response to in-situ monitoring
JP3926478B2 (ja) * 1998-06-01 2007-06-06 株式会社ルネサステクノロジ 半導体製造方法
US6278898B1 (en) * 1999-04-07 2001-08-21 Voyan Technology Model error bounds for identification of stochastic models for control design
US6477432B1 (en) * 2000-01-11 2002-11-05 Taiwan Semiconductor Manufacturing Company Statistical in-process quality control sampling based on product stability through a systematic operation system and method
US6381019B1 (en) * 2000-06-30 2002-04-30 Brown University Research Foundation Ultrasonic generator and detector using an optical mask having a grating for launching a plurality of spatially distributed, time varying strain pulses in a sample
US6442496B1 (en) * 2000-08-08 2002-08-27 Advanced Micro Devices, Inc. Method and apparatus for dynamic sampling of a production line
JP2004509407A (ja) * 2000-09-15 2004-03-25 アドバンスト・マイクロ・ディバイシズ・インコーポレイテッド 半導体製造における制御を改良するための適応サンプリング方法
US7698012B2 (en) * 2001-06-19 2010-04-13 Applied Materials, Inc. Dynamic metrology schemes and sampling schemes for advanced process control in semiconductor processing
US6912435B2 (en) * 2002-08-28 2005-06-28 Inficon Lt Inc. Methods and systems for controlling reticle-induced errors
US6766214B1 (en) * 2003-04-03 2004-07-20 Advanced Micro Devices, Inc. Adjusting a sampling rate based on state estimation results

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103247518A (zh) * 2012-02-02 2013-08-14 台湾积体电路制造股份有限公司 改进半导体制造中的fab工艺的工具功能的新型设计
CN103247518B (zh) * 2012-02-02 2016-05-25 台湾积体电路制造股份有限公司 改进半导体制造中的fab工艺的工具功能的新型设计
CN103646886A (zh) * 2013-11-22 2014-03-19 上海华力微电子有限公司 监控多腔体设备缺陷状况的晶圆作业方法
CN104701211A (zh) * 2015-03-30 2015-06-10 上海华力微电子有限公司 根据集成电路制程能力指数自动调整抽检频率的量测方法
CN104701211B (zh) * 2015-03-30 2017-09-22 上海华力微电子有限公司 根据集成电路制程能力指数自动调整抽检频率的量测方法

Also Published As

Publication number Publication date
DE10393903T5 (de) 2005-12-22
JP2006511958A (ja) 2006-04-06
KR20050085716A (ko) 2005-08-29
GB2412975B (en) 2006-08-09
GB0511434D0 (en) 2005-07-13
AU2003291313A1 (en) 2004-07-29
WO2004061938A1 (en) 2004-07-22
US8017411B2 (en) 2011-09-13
TW200416504A (en) 2004-09-01
TWI352883B (en) 2011-11-21
KR101166209B1 (ko) 2012-07-18
US20040121495A1 (en) 2004-06-24
CN1729560A (zh) 2006-02-01
GB2412975A (en) 2005-10-12

Similar Documents

Publication Publication Date Title
CN100578747C (zh) 用于模型预测的动态适应性取样率
CN101048711B (zh) 根据加权主成分分析的错误侦测系统与方法
US6773931B2 (en) Dynamic targeting for a process control system
CN100378941C (zh) 在制造过程中预测装置的电气参数的方法及系统
CN101288163B (zh) 用于处理控制之产品相关之反馈
US6802045B1 (en) Method and apparatus for incorporating control simulation environment
WO2001011678A1 (en) Method and apparatus for run-to-run controlling of overlay registration
KR20060034690A (ko) 결함 검출에 기초하여 계측 디스패칭을 수행하는 방법 및장치
KR101000545B1 (ko) 1차 공정 제어기를 보완하기 위한 2차 공정 제어기
KR101275838B1 (ko) 샘플링되지 않은 워크피스에 관한 데이터 표시
US6947803B1 (en) Dispatch and/or disposition of material based upon an expected parameter result
CN101341449B (zh) 基于信息可信度的增进的状态估计
US6905895B1 (en) Predicting process excursions based upon tool state variables
US6834213B1 (en) Process control based upon a metrology delay
US6957120B1 (en) Multi-level process data representation
US6834211B1 (en) Adjusting a trace data rate based upon a tool state
US7720559B1 (en) Dynamic tool scheduling based upon defects
US6788988B1 (en) Method and apparatus using integrated metrology data for pre-process and post-process control
US6985825B1 (en) Method and apparatus for adaptive sampling based on process covariance
US7117062B1 (en) Determining transmission of error effects for improving parametric performance
US20040199279A1 (en) Equipment utilization optimization system and method applicable to multiple microelectronic fabrication facilities

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: GLOBALFOUNDRIES SEMICONDUCTORS CO., LTD

Free format text: FORMER OWNER: ADVANCED MICRO DEVICES CORPORATION

Effective date: 20100721

C41 Transfer of patent application or patent right or utility model
COR Change of bibliographic data

Free format text: CORRECT: ADDRESS; FROM: CALIFORNIA STATE, THE USA TO: GRAND CAYMAN ISLAND, BRITISH CAYMAN ISLANDS

TR01 Transfer of patent right

Effective date of registration: 20100721

Address after: Grand Cayman, Cayman Islands

Patentee after: Globalfoundries Semiconductor Inc.

Address before: American California

Patentee before: Advanced Micro Devices Inc.

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20100106

Termination date: 20181106