DE102006004411A1

DE102006004411A1 - Verfahren und System für die Messdatenbewertung in der Halbleiterbearbeitung durch auf Korrelation basierende Datenfilterung

Info

Publication number: DE102006004411A1
Application number: DE102006004411A
Authority: DE
Inventors: Garry Tuohy
Original assignee: Advanced Micro Devices Inc
Current assignee: GlobalFoundries Inc
Priority date: 2006-01-31
Filing date: 2006-01-31
Publication date: 2007-08-02
Anticipated expiration: 2026-02-01
Also published as: US7421358B2; DE102006004411B4; US20070177135A1

Abstract

Durch Ausführen eines Korrelationstestes auf Kontingenzbasis von Messdaten, etwa an Defektraten, im Hinblick auf elektrische Testdaten nach progressivem Filtern der Messdaten wird eine verbesserte Analyse von Prozessablaufeigenschaften erreicht. Folglich kann eine effiziente Abschätzung des Ausbeuteverlustes durchgeführt werden.

Description

Gebiet der vorliegenden Erfindung
Im Allgemeinen betrifft die vorliegende Erfindung das Gebiet der Herstellung integrierter Schaltungen und betrifft insbesondere die Überwachung der Prozessqualität und der Produktionsausbeute durch die Bewertung von Messdaten.

Beschreibung des Stands der Technik

Der heutige globale Markt zwingt Hersteller von Massenprodukten dazu, Produkte mit hoher Qualität bei geringem Preis anzubieten. Es ist daher wichtig, die Ausbeute und die Prozesseffizienz zu verbessern, um damit die Herstellungskosten zu minimieren. Dies gilt insbesondere auf dem Gebiet der Halbleiterherstellung, da es hier wesentlich ist, modernste Technologie mit Massenherstellungsverfahren zu kombinieren. Es ist daher das Ziel der Halbleiterhersteller, den Verbrauch von Rohmaterialien und Verbrauchsmaterialien zu reduzieren, wobei gleichzeitig die Prozessanlagenauslastung verbessert wird. Der zuletzt genannte Aspekt ist insbesondere wichtig, da in modernen Halbleiterfertigungsstätten Produktionsanlagen erforderlich sind, die äußerst kostenintensiv sind und den wesentlichen Teil der gesamten Produktionskosten repräsentieren. Somit führ eine hohe Anlagenauslastung in Verbindung mit einer hohen Produktausbeute, d. h. einem großen Verhältnis von guten Bauelementen zu fehlerhaften Bauelementen, zu einem erhöhten Profit.

Integrierte Schaltungen werden typischerweise in automatisierten oder halbautomatisierten Fertigungsstätten hergestellt, wobei sie eine große Anzahl an Prozess- und Messschritten bis zur Fertigstellung des Bauelements durchlaufen. Die Anzahl und die Art der Prozessschritte und der Messschritte, die ein Halbleiterbauelement durchlaufen muss, hängt von den Gegebenheiten des herzustellenden Halbleiterbauelements ab. Ein typischer Prozessablauf für eine integrierte Schaltung kann mehrere Photolithographieschritte beinhalten, um ein Schaltungsmuster für eine spezielle Bauteilebene in eine Lackschicht abzubilden, die nachfolgend strukturiert wird, um eine Lackmaske herzustellen, die in weiteren Prozessen zur Herstellung von Strukturelementen in der betrachteten Bauteilschicht durch beispielsweise Ätz-, Implantations-, Abscheide-, Polier-Prozesse und dergleichen verwendet wird.

Somit wird Ebene nach Ebene eine Vielzahl von Prozessschritten auf der Grundlage eines speziellen lithographischen Maskensatzes für die diversen Ebenen des spezifizierten Bauelements ausgeführt. Beispielsweise erfordert eine moderne CPU mehrere hundert Prozessschritte, wovon jeder an Hand inhaltsspezifizierter Prozessgrenzen ausgeführt werden muss, um die Spezifikationen für das betrachtete Bauelement zu erfüllen. Da viele dieser Prozesse sehr kritisch sind, müssen eine Vielzahl von Messschritten ausgeführt werden, um in effizienter Weise den Prozessablauf zu steuern. Zu typischen Messprozessen gehören die Messung von Schichtdicken, das Bestimmen von Abmessungen von kritischen Strukturelementen, etwa der Gatelänge von Transistoren, die Messung von Dotierstoffprofilen, die Anzahl, die Größe und die Art von Defekten, elektrische Eigenschaften und dergleichen. Da die Mehrheit der Prozessgrenzen bauteilspezifisch sind, werden viele der Messprozesse und der eigentlichen Fertigungsprozesse speziell für das betrachtete Bauelement gestaltet und erfordern spezielle Parametereinstellungen an den entsprechenden Mess- und Prozessanlagen.

In einer Halbleitertertigungsstätte werden typischerweise eine Vielzahl unterschiedlicher Produktarten gleichzeitig hergestellt, etwa Speicherchips mit unterschiedlicher Gestaltung und Speicherkapazität, CPU's mit unterschiedlicher Gestaltung und Arbeitsgeschwindigkeit, und dergleichen, wobei die Anzahl unterschiedlicher Produktarten sich bis zu 100 oder mehr belaufen kann in Produktionslinien für die Herstellung von ASIC's (anwendungsspezifischen IC's). Da jede der unterschiedlichen Produktarten einen speziellen Prozessablauf erfordern kann, sind unterschiedliche Maskensätze für die Lithographie, spezielle Einstellungen in den diversen Prozessanlagen, etwa Abscheideanlagen, Ätzanlagen, Implantationsanlagen, CMP (chemisch-mechanische Polier-) Anlagen, Messanlagen, und dergleichen unter Umständen notwendig. Folglich können eine Vielzahl unterschiedlicher Anlagenparametereinstellungen und Produktarten gleichzeitig in einer Fertigungsumgebung angetroffen werden, wodurch ebenso eine große Menge an Messdaten erzeugt wird, da typischerweise die Messdaten entsprechend den Produktarten, den Prozessablaufgegebenheiten und dergleichen kategorisiert werden.

Im Weiteren wird die Parametereinstellung für einen speziellen Prozess in einer spezifizierten Prozessanlage oder Mess- oder Inspektionsanlage üblicherweise als ein Prozessrezept oder einfach als Rezept bezeichnet. Somit können eine große Anzahl unterschiedlicher Prozessrezepte selbst für die gleiche Art an Prozessanlagen erforderlich sein, die an den Prozessanlagen zu der Zeit anzuwenden sind, bei der die entsprechenden Produktarten in den entsprechenden Anlagen zu prozessieren sind. Jedoch muss die Sequenz der Prozessrezepte, die in Prozess- und Messanlagen oder in funktionell kombinierten Anlagengruppen sowie die Rezepte selbst gegebenenfalls häufig geändert werden auf Grund kurzfristiger Produktänderungen und auf Grund der äußerst variablen beteiligten Prozesse. Folglich ist das Anlagenverhalten im Hinblick auf Durchsatz und Ausbeute ein sehr kritischer Fertigungsparameter, da dieser deutlich die Gesamtproduktionskosten der einzelnen Bauelemente beeinflusst. Daher werden große Anstrengungen unternommen, um den Prozessablauf in der Halbleiterfertigungsstätte im Hinblick auf die Ausbeute beeinflussende Prozesse oder Prozesssequenzen zu überwachen, um eine unerwünschte Bearbeitung fehlerhafter Bauelemente zu reduzieren und um Fehler im Prozessablauf und Prozessanlagen zu erkennen. Beispielsweise werden in vielen Stufen des Produktionsprozesses Inspektionsschritte eingerichtet, um den Status der Bauelemente zu überwachen. Ferner können andere Messdaten zum Steuern diverser Prozesse erzeugt werden, in denen die Messdaten als Vorwärtskopplungs- und/oder Rückkopplungsdaten verwendet werden. Es zeigt sich jedoch, dass die Relevanz der Inspektions- und Messdaten nicht notwendigerweise für die Bewertung der Prozessqualität geeignet ist, oder die Verwendbarkeit von Messdaten für Steuerungsanwendungen kann reduziert sein. Beispielsweise werden in gewissen Prozessen eine große Anzahl an Defekten erzeugt, die dann in effizienter Weise durch entsprechende Inspektionsverfahren erkannt werden, wobei die Relevanz der großen Anzahl an Defekten nicht in geeigneter Weise im Hinblick auf das endgültige Funktionsverhalten des Bauelements auf Grund einer merklichen Anzahl irrelevanter Beiträge bewertet werden kann. Folglich kann eine implizite Information, die in den Mess- und Inspektionsdaten „codiert" enthalten ist, und die durch effiziente Messverfahren ermittelt wird, möglicherweise verworfen, wodurch zu einer reduzierten Produktionsausbeute beigetragen wird.

Angesichts der zuvor beschriebenen Situation besteht ein Bedarf für eine verbesserte Technik, die eine effiziente Verwendung von Prozessdaten in einem Halbleitertertigungsprozess ermöglicht.

Überblick über die Erfindung

Im Allgemeinen richtet sich die vorliegende Erfindung an eine Technik, die eine effiziente Bewertung von Messdaten ermöglicht, die während einer Fertigungssequenz von Halblei terbauelementen gewonnen werden, wobei ein zweiter Satz aus Messdaten, der als ein „Referenzsatz" auf Grund einer hohen Signifikanz dieser Daten beispielsweise im Hinblick auf das endgültige Funktionsverhalten bezeichnet wird, mit den zuvor ermittelten Messdaten vereinigt oder kombiniert, beispielsweise korreliert wird. Zu diesem Zweck werden Messdaten, die in einer Zwischenfertigungsstufe ermittelt werden, gemäß einem vordefinierten Filterkriterium gefiltert, um damit nicht relevante Daten oder „Rauschdaten" aus dem Satz aus Messdaten vor dem Ausführen des Kombinierens zu reduzieren, wodurch die Möglichkeit geschaffen wird, gefilterte Messdaten mit einem hohen Maß an Signifikanz in Bezug auf die Referenzdaten bereitzustellen, so dass die gefilterten Messdaten auf Grundlage der Referenzdaten bewertet werden können, wodurch die Nutzung der gefilterten Messdaten mit deutlich erhöhter Effizienz im Vergleich zu den ursprünglichen Rohdaten möglich ist. In einigen anschaulichen Ausführungsformen werden Ausbeutverlustabschätzungen während diverser Stufen in dem Fertigungsprozess auf der Grundlage der gefilterten Messdaten und der Referenzdaten ausgeführt.

Gemäß einer weiteren anschaulichen Ausführungsform der vorliegenden Erfindung umfasst ein Verfahren das Ermitteln eines ersten Satzes aus Messdaten von mehreren Positionen eines Substrats mit mehreren darauf ausgebildeten Halbleiterbauelementen in einem ersten Fertigungsstadium. Das Verfahren umfasst ferner das Ermitteln eines zweiten Satzes aus Messdaten von den mehreren Positionen des Substrats in einem zweiten Fertigungsstadium. Ferner wird der erste Satz aus Messdaten auf der Grundlage des ersten Filterkriteriums gefiltert, um erste gefilterte Messdaten zu erhalten. Schließlich wird ein erstes Maß an Korrelation der ersten gefilterten Messdaten in Bezug auf den zweiten Satz aus Messdaten bestimmt.

Gemäß einer noch weiteren anschaulichen Ausführungsform der vorliegenden Erfindung umfasst ein Verfahren das progressive Filtern eines ersten Satzes aus Messdaten, die von mehreren Positionen eines Substrats mit mehreren darauf ausgebildeten Halbleiterbauelementen während eines ersten Fertigungsstadiums erhalten werden, um damit mehrere Sätze aus progressiv gefilterten Messdaten zu erzeugen. Ferner wird ein zweiter Satz aus Messdaten von den mehreren Positionen des Substrats in einem zweiten Fertigungsstadium erhalten. Schließlich umfasst das Verfahren das Kombinieren jedes der mehreren Sätze aus progressiv gefilterten Messdaten mit dem zweiten Satz aus Messdaten, um einen Wert einer Eigenschaft jeder der mehreren progressiv gefilterten Messdaten zu bestimmen.

In einer noch weiteren anschaulichen Ausführungsform der vorliegenden Erfindung umfasst ein System eine Schnittstelle, die ausgebildet ist, einen ersten Satz aus Messdaten und einen zweiten Satz aus Messdaten zu empfangen, wobei der erste und der zweite Satz aus Messdaten Messdaten repräsentieren, die von zwei unterschiedlichen Fertigungsstadien eines Substrats mit mehreren Halbleiterbauelementen erhalten werden. Das System umfasst ferner eine Filtereinheit, die mit der Schnittstelle verbunden und ausgebildet ist, automatisch einen oder mehrere Sätze aus gefilterten Messdaten aus dem ersten Satz aus Messdaten herauszulösen. Des weiteren umfasst das System eine Korrelationseinheit, die mit der Filtereinheit verbunden und ausgebildet ist, ein Maß an Korrelation zwischen dem einen oder mehreren Sätzen aus gefilterten Messdaten und dem zweiten Satz aus Messdaten z bestimmen.

Kurze Beschreibung der Zeichnungen
Weitere Vorteile, Aufgaben und Ausführungsformen der vorliegenden Erfindung sind in den angefügten Patentansprüchen definiert und gehen deutlicher aus der detaillierten Beschreibung hervor, wenn diese mit Bezug zu den begleitenden Zeichnungen studiert wird, in denen:
1a schematisch eine Fertigungsumgebung einer Halbleiterfertigungsstätte zeigt, die funktionell mit einem System zum Abschätzen der Korrelation unterschiedlicher Messdatensätze auf der Grundlage einer Filtertechnik gemäß anschaulicher Ausführungsformen der vorliegenden Erfindung verbunden ist; und
1b schematisch einen anschaulichen Betriebsmodus zum progressiven Filtern eines Messdatensatzes und zum Ermitteln entsprechender Korrelationswerte auf der Grundlage eines Satzes aus Referenzdaten gemäß anschaulicher Ausführungsformen der vorliegenden Erfindung zeigt.
Detaillierte Beschreibung
Obwohl die vorliegende Erfindung mit Bezug zu den Ausführungsformen beschrieben ist, wie sie in der folgenden detaillierten Beschreibung sowie in den Zeichnungen dargestellt sind, sollte es selbstverständlich sein, dass die folgende detaillierte Beschreibung sowie die Zeichnungen nicht beabsichtigten, die vorliegende Erfindung auf die speziellen anschaulichen offenbarten Ausführungsformen einzuschränken, sondern die beschriebenen anschaulichen Ausführungsformen geben lediglich beispielhaft die angefügten Patentansprüche wieder.
Im Allgemeinen betrifft die vorliegende Erfindung eine Technik zum Verbessern der Produktivität einer Halbleitertertigungsstätte durch effizienteres Nutzen der Information, die in Messdaten enthalten ist, um damit beispielsweise ausbeutereduzierende Prozesssequenzen und/oder nicht effiziente Prozessrezepte zu erkennen, die Steuerungseffizienz fortschrittlicher Prozesssteuerungsstrategien durch effektiveres Bewerten der entsprechenden Messdaten, die zugeführt werden, und dergleichen zu erhöhen. Zu diesem Zweck werden Messdaten, die von einem speziellen Substrat erhalten werden, die beispielsweise eine Defektrate, Messwerte für kritische Abmessungen, und dergleichen kennzeichnen, reduziert, d. h. gefiltert werden, um weniger relevante Daten auszusondern. Somit kann das Entfernen weniger relevanter oder nicht signifikanter Daten aus dem Messdatensatz als eine Verringerung des „Messrauschens" des entsprechenden Messprozesses betrachtet werden, wodurch die gefilterten Messdaten bereitgestellt werden, die dann Prozesseigenschaften offen legen können, die ansonsten nicht beobachtet werden. Der Prozess des Entfernens weniger relevanter Daten von einem gegebenen Messdatensatz kann durch geeignete Messdaten, etwa Daten, die ein geringeres Rauschen aufweisen, bewerkstelligt werden, die dann als Referenzdaten betrachtet werden, und kann durch Kombinieren oder vereinigen der gefilterten Messdaten mit den Referenzdaten erreicht werden, um beispielsweise ein Maß an Korrelation, den Chipverlust, und dergleichen für den Satz aus Messdaten zu bestimmen, der auf der Grundlage eines vordefinierten Filterkriteriums gefiltert ist. Wenn beispielsweise die gefilterten Messdaten eine deutlich erhöhte Korrelation in Bezug auf die Referenzdaten im Vergleich zu den nicht gefilterten Daten aufweisen, kann das entsprechende verwendete Filterkriterium als ein geeignetes Filterkriterium angegeben und kann benutzt werden, um Daten mit erhöhter statistischer Signifikanz für den betrachteten Messprozess zu erhalten. In anderen anschaulichen Ausführungsformen wird der Filterungsprozess in progressiver Weise ausgeführt, d. h. der Filterprozess wird auf der Grundlage progressiv strengerer Filterkriterien ausgeführt, um damit mehrere unterschiedliche, d. h. progressiv, gefilterte Messdaten bereit zu stellen, für die entsprechenden Maße an Korrelation bestimmt werden können. In anderen Ausführungsformen kann die Korrelation als ein „Qualitätsmonitor" der Messdaten verwendet werden, aus denen der Chipverlust für jeden Filterschritt berechnet wird, um einen geeigneten Filterprozess auf der Grundlage des berechneten Chipverlusts auszuwählen. In einigen anschaulichen Ausführungsformen beinhaltet der Begriff „progressives Filtern" einen Filterprozess, in welchem die anfänglichen Messdaten im Hinblick auf das gleiche Filterkriterium gefiltert werden, jedoch mit einem zunehmend eingeschränkteren Filterverhalten. In anderen anschaulichen Ausführungsformen umfasst der Begriff „progressives Filtern" mehrere aufeinanderfolgende Filterprozesse, wobei ein anderes Filterkriterium auf einen gefilterten Messdatensatz angewendet wird, der zuvor mittels einem unterschiedlichen Kriterium gefiltert wurde. Beispielsweise kann in dem zuerst genannten Falle ein Filterkriterium ausgewählt werden, etwa die Größe oder die Fläche eines durch optische Inspektion erkannten Defekts, die Anzahl der Defekte pro Einheitsfläche, und dergleichen, wobei in jedem Filterschritt die entsprechende Filterwirkung oder der Filterbereich restriktiver vorgegeben werden kann. D. h., es kann angenommen werden, dass der Einfluss eines Defekts mit seiner Größe ansteigt, wodurch die entsprechend größeren Defekte im Vergleich zu einem kleineren Defekt relevant sind. Folglich kann während des progressiven Filterungsprozesses die Filteranordnung so eingestellt werden, dass Defekte bei oder über einer gewissen Größe erkannt werden, während Effekte unter dem Schwellwert vernachlässigt werden. In dem zuletzt genannte Falle können unterschiedliche Filterkriterien, etwa Größe, Form, Position innerhalb eines vordefinierten Bereichs, die Anzahl der Defekte pro Einheitsfläche, und dergleichen nacheinander angewendet werden, um das Rauschen in den ursprünglichen Messdaten zu verringern, wodurch die Möglichkeit geschaffen wird, geeignete „Filterabläufe" festzulegen, die in einer entsprechenden Fertigungsumgebung zum Ermitteln von Messdaten mit erhöhter Relevanz verwendet werden können.
Beim Erzeugen eines Maßes für die Korrelation der gefilterten Messdaten im Hinblick auf die Referenzdaten, die Messdaten mit hoher Relevanz repräsentieren können, etwa elektrische Daten, die während eines oder mehrerer Zwischenfertigungsstadien erhalten werden, etwa der Stufe der Scheibensortierung, d. h. dem elektrischen Testen von im Wesentlichen vollständigen Halbleiterbauelementen auf Scheibenebene zur Bewertung des elektrischen Verhaltens der einzelnen Bauelemente, kann ein Korrelationstest für mindestens einige Positionen für das Substrat, die die ursprünglichen Messdaten hervorgerufen haben, auf der Grundlage eines beliebigen geeigneten Algorithmus ausgeführt werden. In einigen anschaulichen Ausführungsformen wird ein Algorithmus auf Basis der Kontingenz angewen det, wobei die Frage einer statistisch signifikanten Korrelation zwischen den Referenzdaten und den gefilterten Messdaten für mehrere Positionen beantwortet wird, indem geeignet definierte Kontingenztabellen verwendet werden. Da die Referenzdaten mit dem tatsächlichen Bauteilverhalten stark korreliert sein können, d. h. die Referenzdaten können das gemessene elektrische Verhalten des Bauelements repräsentieren, kann ein geeigneter Prozess zum Reduzieren des Rauschens von linieninternen Messdaten ermittelt werden, sobald eine signifikante Korrelation zwischen den gefilterten Messdaten und Referenzdaten ermittelt ist. Folglich kann nach dem Festlegen einer effizienten Rauschunterdrückungstechnik für diverse Messdaten, die während diverser Fertigungsstadien von Halbleiterbauelementen erzeugt werden, eine aussagekräftige Abschätzung beteiligter Prozesse durchgeführt werden. Beispielsweise kann auf der Grundlage gefilterter Messdaten, die durch das zuvor beschriebene Korrelationsverfahren ermittelt werden, eine relevante Aussage hinsichtlich des Ausbeuteverlustes spezieller Prozesssequenzen getroffen werden, um die Qualität der entsprechenden Prozesssequenz zu kennzeichnen. In anderen Fällen können Vorwärtskopplungs- und Rückkopplungsmessdaten, wie sie typischerweise in modernen Prozessanlagen und Sequenzen verwendet werden, durch geeignet erstellte Filterschemata „verfeinert" werden, um die Steuerungseffizienz zu verbessern. Beispielsweise können Messdaten von kritischen Abmessungen, die während der Herstellung von Metallisierungsschichten in modernen Bauelementen erhalten werden, zum Steuern des Strukturierungsprozesses verwendet werden, wobei die Relevanz der entsprechenden Messdaten bewertet und möglicherweise neu festgelegt wird, indem die entsprechenden Messdaten mit einem oder mehreren elektrischen Datenpunkten, etwa Messdaten für den Schichtwiderstand, Elektromigrationstestdaten, und dergleichen, korreliert werden. Obwohl die Messdaten der kritischen Abmessung bereits mit den elektrischen Testdaten korreliert sein kann, kann ein geeignet gestalteter Filterungsprozess dennoch die Effizienz oder Relevanz der CD-Messdaten verbessern. Somit stellt die vorliegende Erfindung eine verbesserte Technik zur Erhöhung der Effizienz von Messdaten während des Herstellens von Halbleiterbauelementen bereit, wobei eine Verbesserung auf Substratebene oder auf anderer Ebene erreicht werden kann, in der ein hohes Maß an Datenaggregation beteiligt ist.
Mit Bezug zu den 1a und 1b werden nunmehr weitere anschauliche Ausführungsformen der vorliegenden Erfindung detaillierter beschrieben.
1a zeigt schematisch eine Fertigungsumgebung 150 mit mehreren Produktionsprozessanlagen 151 und mehreren Messanlagen 152. Die Fertigungsumgebung 150 kann so gestaltet sein, dass Halbleiterbauelemente prozessiert werden, wobei die Prozessanlagen 151 Anlagen zum Ausführen von Lithographieprozessen, Ätzprozessen, Abscheideprozessen, Implantationsprozessen, Polierprozessen, Heiz- und Ausheizprozessen, und dergleichen mit einschließen, wie sie typischerweise für die Herstellung moderner Halbleiterbauelemente erforderlich sind. Die Messanlagen 152 sind ausgebildet, geeignete Messdaten auf der Grundlage geeignet gestalteter Messprozesse zu erzeugen, etwa optischer Inspektion, Messung von kritischen Abmessungen, Messung von elektrischen Eigenschaften und dergleichen. Wie zuvor erläutert ist, muss in modernen Halbleitertertigungsstätten eine große Anzahl äußerst komplexer Prozessschritte in den Prozessanlagen 151 ausgeführt werden, wobei die Messanlagen 152 die Messdaten liefern, die zum Steuern der Qualität von Prozesssequenzen und auch zum Durchführen verbesserter Prozesssteuerungsstrategien verwendet werden. Somit sind die Messanlagen 152 ausgebildet, entsprechende Messdatensätze 152a und 152b bereitzustellen, wobei die Messdatensätze 152a, 152b auf Substratebene erhalten werden können, d. h. im Wesentlichen wird jedes in der Umgebung 150 bearbeitete Substrat einem Messprozess unterzogen, oder in anderen Fällen, unterliegen ausgezeichnete Substrate, etwa Testsubstrate einem Messprozess, um die entsprechenden Messdaten zu ermitteln. Typischerweise werden dabei zumindest einige dieser Messdatenstellen für jedes Substrat einem Messprozess unterzogen, etwa einer Defektinspektion, einer Messung elektrischer Eigenschaften, und dergleichen, während in anderen Fällen spezifizierte Testgebiete auf dem Substrat für das Erzeugen geeigneter Messdaten vorgesehen sind. In noch anderen Fällen wird im Wesentlichen jeder einzelne Chip, d. h. die Fläche mit einem Halbleiterbauelement, einer Messung unterzogen, um eine oder mehrere Eigenschaften jedes der Bauelemente vor dem Separieren der einzelnen Chipgebiete abzuschätzen. Beispielsweise werden sogenannte Scheibensortierprozesse an im Wesentlichen fertiggestellten Halbleiterbauelementen auf Substratebene durchgeführt, wobei das elektrische Verhalten jedes Bauelements getestet und bewertet wird. Beispielsweise kann die Messanlage 152, die die Messdaten 152b erzeugt, ein elektrisches Testgerät sein, das jedes der einzelnen Chipgebiete in einem Substrat untersucht, um dessen elektrisches Verhalten abzuschätzen. Auf der Grundlage der entsprechenden Messergebnisse können die Messdaten 152 beispielsweise eine Substratkarte, die als 153b bezeichnet ist, enthalten, in der entsprechenden Messdaten für jedes der einzelnen Chipgebiete enthalten sind. Beispielsweise kann die Karte 153b eine spezielle elektrische Eigenschaft, etwa einen Schichtwiderstand, eine Arbeitsgeschwindigkeit, und dergleichen angeben, während in einigen Fällen die Karte 153b lediglich eine binäre Information für jedes Bauteil in Form von „funktionsfähig oder nicht funktionsfähig" angeben kann. In ähnlicher Weise kann die Messanlage 152, die die Messdaten 152a in einem beliebigen Zwischenfertigungsstadium erzeugt, eine entsprechende Karte 153a ergeben, wobei beachtet werden sollte, dass die Karte 153a lediglich einige Messpositionen enthalten kann, die nicht notwendigerweise in tatsächlichen Chipgebieten angeordnet sind, während in anderen Fällen eine im Wesentlichen vollständige Karte, beispielsweise in Form einer Karte bereitgestellt wird, die die Position und/oder die Größe und/oder Dichte von Defekten angibt, wie dies beispielhaft durch 153a gezeigt ist.
Ein System 100 zum Bewerten der Relevanz von Messdaten auf der Grundlage von Referenzmessdaten ist funktionsmäßig mit der Fertigungsumgebung 150 verbunden. Das System 100 umfasst einen Eingabebereich 110, der ausgebildet ist, Messdaten zu empfangen, die im Hinblick auf ihre Korrelation mit anderen Messdaten abgeschätzt sind, die als Referenzdaten verwendet werden können. Somit ist in der gezeigten Ausführungsform der Eingabebereich 110 ausgebildet, die Messdaten 152a als einen ersten Satz aus Messdaten zu empfangen, dessen statistische Signifikanz so zu erhöhen ist, um damit Information mit erhöhter Relevanz davon herauszulösen. Des weiteren kann der Eingabebereich 110 auch die Messdaten 152b empfangen, die in einer anschaulichen Ausführungsform elektrische Messdaten, beispielsweise in Form einer Scheibensortierkarte, etwa der Karte 153b repräsentiert, so dass die Messdaten 152b mit dem tatsächlichen Verhalten der einzelnen Bauelemente, die auf einem entsprechenden Halbleitersubstrat gebildet sind, stark korreliert sind. Es sollte beachtet werden, dass das System 110 in einigen anschaulichen Ausführungsformen direkt mit einem übergeordneten Steuerungssystem verbunden ist, etwa einem Fertigungsausführungssystem (MES), wie es typischerweise in modernen Halbleiterfertigungsstätten vorgesehen ist. In anderen Fällen ist das System 100 mit einer oder mehreren der Messanlagen 152 mittels einem geeigneten Schnittstellensystem (nicht gezeigt) verbunden, das typischerweise in modernen Messanlagen vorgesehen ist. In noch anderen Fällen erhält der Eingabebereich 110 die entsprechenden Messdaten 152a, 152b von anderen Quellen, etwa einer oder mehreren der Prozessanlagen 151, durch einen Bediener, und dergleichen.
Das System 100 umfasst ferner eine Filtereinheit 120, die mit dem Eingabebereich 110 verbunden und ausgebildet ist, die Messdaten 152a auf der Grundlage eines oder mehrerer vordefinierter Filterkriterien zu verarbeiten. Es sollte beachtet werden, dass das System 100 ausgebildet ist, auf den Messdaten 152a in einer geeigneten Weise zu operieren, um damit Messdaten gemäß dem einen oder den mehreren vordefinierten Filterkriterien zu manipulieren, wodurch ein oder mehrere Sätze aus gefilterten Messdaten erzeugt werden. Beispielsweise können in Abhängigkeit der Art der Messanlage 152 die Messdaten 152a als ein Satz aus Zahlen bereitgestellt werden, die mit speziellen Substratpositionen korreliert sind, wie dies beispielsweise in der Karte 153a angegeben ist, wobei der entsprechende Satz aus Zahlen spezielle Eigenschaften des gemessenen Objekts angibt. D. h., wenn die Messdaten 152a Defektdaten repräsentieren, kann die Größe, deren Form, die Position innerhalb eines Chipgebiets, die Defektdichte innerhalb jedes Chips, und dergleichen in einem geeigneten Format, etwa entsprechende numerische Werte, und dergleichen angegeben werden. Folglich weist die Filtereinheit 120 darin eingerichtet eine entsprechende Funktionseinheit auf, die die erforderliche Filteroperation auf der Grundlage des Datenformats entsprechend den Messdaten 152a ausführen kann. In anderen anschaulichen Ausführungsformen umfasst das System 100 in dem Eingabebereich 110 oder in der Filtereinheit 120 geeignete Datenverarbeitungseinheiten zum entsprechenden Konvertieren der Messdaten 152a in ein geeignetes Format, das dann in der Filtereinheit 120 bearbeitet wird. Beispielsweise können die Messdaten 152a in Form von Bilddaten erhalten werden, aus denen die entsprechenden Datenverarbeitungseinheiten relevante Daten extrahieren, die dann dem gewünschten Filterungsprozess unterzogen werden. Das System 100 umfasst ferner eine Korrelationseinheit 130, die mit der Filtereinheit 120 verbunden ist, um von dieser eine oder mehrerer gefilterte Versionen der Messdaten 152a zu erhalten. Des weiteren kann die Korrelationseinheit 130 ausgebildet sein, ein Maß an Korrelation zwischen einem oder mehreren Sätzen aus gefilterten Messdaten, die von dem Messdatensatz 152a stammen, in Bezug auf die Messdaten 152b zu bestimmen. Folglich können durch Bestimmen des Grads an Korrelation in Bezug auf den entsprechenden Filterungsprozess Messdaten bereitgestellt werden, die effizienter in anderen Datenbewertungseinheiten 140 verwendet werden können, die funktionell mit der Fertigungsumgebung 150 verknüpft sind. In einer anschaulichen Ausführungsform repräsentiert die Datenbewertungseinheit 140 einen Ausbeuteverlustabschätzer, der ausgebildet ist, auf den gefilterten Daten der Messdaten 152a in Kombination mit Werten für den Grad der Korrelation, der von der Korrelationseinheit 130 bereitgestellt wird, zu operieren. Folglich können durch die Einheit 140 der Einfluss diverser Abschnitte der Umgebung 150 auf die Gesamtausbeute in effizienter Weise abgeschätzt werden.
Während des Betriebs der Umgebung 150 werden Halbleitersubstrate durch die Prozessanlagen 151 bearbeitet, von denen ein gewisser Anteil oder alle Substrate einem Messprozess in den Messanlagen 152 unterzogen werden, wodurch die Messdaten 152a erzeugt werden. Die Messdaten 152a werden von dem Eingangsbereich 110 empfangen und werden darin gespeichert, bis die zweiten Messdaten 152b verfügbar sind. In anderen Fällen werden die Messdaten 152a und die Messdaten 152b von dem MES der Umgebung 150 zu einer geeigneten Zeit bereitgestellt. Nach dem Empfang beider Messdatensätze 152a, 152b, d. h. nachdem ein oder mehrere spezifizierte Substrate den Abschnitt der betrachteten Fertigungsumgebung 150 durchlaufen haben, werden die Daten 152a einem oder mehreren Filterprozessen auf der Grundlage vordefinierter Kriterien unterzogen, wie dies zuvor erläutert ist. In einigen anschaulichen Ausführungsformen ist die Filtereinheit 120 ausgebildet, die Daten 152a auf der Grundlage des gleichen Filterkriteriums mit zunehmend restriktiven Filterverhalten progressiv zu filtern. In einer anschaulicher Ausführungsform repräsentieren die Messdaten 152 defektbezogene Daten, wobei ein geeignetes Filterkriterium die Größe einzelner Defekte repräsentiert, die von der entsprechenden Inspektionsanlage erfasst werden. Beispielsweise können in vielen Abschnitten der Fertigungsumgebung 150 CMP-(chemisch-mechanische Polier-)Prozesse ausgeführt, beispielsweise während der Herstellung von Metallisierungsschichten zum Entfernen von überschüssigem Material und zum Einebnen der Oberflächentopographie, und dergleichen, wobei nach dem Polierprozess die Defektrate bestimmt wird. Auf Grund der Natur des Polierprozesses weist häufig im Wesentlichen jedes Chipgebiet des Substrats eine Vielzahl an Defekten auf, die von der Inspektionsanlage erfasst werden, wodurch die Messdaten 152a in einer Form erzeugt werden, die eine große Menge an nicht relevanter Information beinhalten kann, da viele der während des Polierprozesses erzeugten Defekte nicht in signifikanter Weise das Gesamtverhalten des fertiggestellten Bauelements beeinflussen. D. h., auf Grund der Messdaten 152a, wie sie nach dem Polierprozess bereitgestellt werden, kann eine signifikante Korrelation zwischen den elektrischen Messdaten 152b, die nach dem Fertigstellen der Bauelemente ermittelt werden, im Wesentlichen „versteckt" sein, da im Wesentlichen keine Abhängigkeit des elektrischen Verhaltens, das durch die Karte 153b angegeben ist, „sichtbar" ist. Somit werden die Daten 152a einem Filterprozess unterzogen, der beispielhaft detaillierter mit Bezug zu 1b beschrieben ist.
1b zeigt schematisch die Substratkarte 153b, die eine Darstellung der Messdaten 152b ist, die in dieser anschaulichen Ausführungsform elektrische Messdaten repräsentieren. Obwohl die elektrischen Messdaten eine Kategorisierung des Leistungsverhaltens der entsprechenden Bauelemente in geeigneter Weise ermöglichen, beispielsweise in einer kontinuierlichen Weise, indem ein numerischer Wert angegeben wird, oder in Form separater Kategorien, wird in dieser anschaulichen Ausführungsform der Einfachheit halber angenommen, dass die Information in den Messdaten 152b und damit in der Substratkarte 153b in binärer Form verwendet wird, wodurch die einzelnen Bauelemente als Bauelemente klassifiziert werden, die den elektrischen Test positiv oder negativ durchlaufen haben. Die entsprechenden Messdaten 152b werden von der Korrelationseinheit 130 bereitgestellt, die auch die nicht gefilterten Messdaten 152a empfängt, wie dies durch die entsprechende Substratkarte 153a angegeben ist, die Defekte in den einzelnen Chipgebieten kennzeichnet. Die entsprechenden Datensätze, die durch die Karten 153a und 153b repräsentiert sind, können einem Korrelationstest beispielsweise auf der Grundlage eines Kontingenzalgorithmus unterzogen werden, um den Grad einer Korrelation zwischen den zwei Datensätzen zu bestimmen. In den oben genannten Beispiel kann, wenn die Substratkarte 153a dem dem Polieren nachgeordneten Inspektionsprozess entspricht, im Wesentlichen jedes der Chipgebiete einen oder mehrere Defekte aufweisen. Der Einfachheit halber sei angenommen, dass lediglich zwei Zustände fehlerhafter Chips angegeben sind, d. h. „fehlerhafter" Chip und „sauberer" Chip, wobei beispielsweise die Entscheidung durch die entsprechende Inspektionsanlage, d. h. durch die minimale Defektgröße getroffen wird, die in der Anlage detektierbar ist. D. h., wenn ein Defekt erkannt wird, wird der entsprechende Chip als ein defekter Chip betrachtet. Folglich werden für die entsprechende Substratkarte 153a keine Chips als saubere Chips erkannt, während 96 Chips als defekt bewertet werden. Als nächstes werden die Messdaten 152a einem ersten Filterprozess beispielsweise auf der Grundlage eines Filterkriteriums, das eine minimale Defektgröße bestimmt, unter welcher ein Defekt als nicht vorhanden betrachtet wird, unterzogen. Folglich wird nach dem erneuten Verarbeiten der Messdaten 152a gemäß dem entsprechenden Filterkriterium und dem Einstellen des Filterkriteriums in dem ersten Schritt durch Auswählen einer geeigneten minimalen Größe eine gefilterte Substratkarte 154a erhalten, wobei beispielsweise 10 Chips als sauber betrachtet werden, während 86 Chips weiterhin als defekte Chips eingestuft werden. In einem nächsten Filterschritt wird ein noch restriktiverer Bereich für das spezifizierte Kriterium gewählt, d. h. eine noch größere minimale Größe der Defekte, so dass eine weitere Substratkarte 155a erzeugt wird. Beispielsweise kann die minimale Größe in jedem der Filterschritte als ein Vielfaches der anfänglichen minimalen Defektgröße ermittelt werden, die von der entsprechenden Inspektionsanlage erkennbar ist. Es sollte jedoch beachtet werden, dass ein anderer Wert für den eingeschränkten Bereich im dem ersten, dem zweiten und weiteren Filterschritten verwendet werden kann. Der resultierende Filterprozess kann 19 saubere Chips und damit 77 fehlerhafte Chips ermitteln. In ähnlicher Weise wird in einem dritten Filterschritt mit einer weiter vergrößerten Einschränkung im Hinblick auf das entsprechende Filterkriterium, etwa der Defektgröße, ein weiterer gefilterter Satz aus Messdaten erzeugt, die durch eine Substratkarte 156a repräsentiert sind. Dabei kann angenommen werden, dass 60 saubere Chips erhalten werden, während 36 Chips als defekt erkannt werden. Ein nächster Filterschritt mit einer noch stärkeren Einschränkung, d. h. lediglich Defekte mit einer Größe überhalb eines Schwellwertes, der größer als ein Schwellwert in den vorher durchgeführten Filterprozessen ist, wird ausgeführt und kann beispielsweise einen entsprechenden Satz aus gefilterten Daten ergeben, der durch eine Substratkarte 157a repräsentiert ist, wobei angenommen wird, dass 77 saubere Chips erkannt werden und damit 19 fehlerhafte Chips noch vorhanden sind. Es sollte beachtet werden, dass die obige Sequenz aus Filterschritten lediglich anschaulicher Natur ist und andere Filterkriterien in Verbindung mit entsprechenden zunehmend restriktiveren Filterbereichen verwendet werden können, um progressiv gefilterten Datensätze zu erhalten.
Wie aus dem Filterprozess deutlich wird, nimmt die Anzahl der sauberen Chips in jedem Filterschritt zu, wobei äquivalent dazu die Anzahl der fehlerhaften Chips kleiner wird. Nach dem Filtern der Messdaten 152a, beispielsweise auf der Grundlage eines progressiven Filterungsprozesses, wie er zuvor beschrieben ist, werden die entsprechenden gefilterten Messdatensätze, die durch die Substratkarten 153a, ..., 157a repräsentiert ist, der Korrelationseinheit 130 zugeführt, um den Grad an Korrelation jedes Datensatzes mit den Messdaten 152b zu bestimmen, die in 1b durch die entsprechende Substratkarte 153b repräsentiert sind. Beispielsweise geben die Messdaten der Karte 153a an, dass 57 Chips fehlerhaft sind, während 39 Chips den elektrischen Test positiv durchlaufen haben. Um die Frage zu beantworten, ob die Messdaten 152 unabhängig sind von den Messdaten 152b, wird in einigen anschaulichen Ausführungsformen ein entsprechender Kontingenzalgorithmus eingesetzt, um die Null-Hypothese zurückzuweisen, dass keine Korrelation besteht, oder anderweitig die Hypothese zu verifizieren, dass beide Messdatensätze abhängig sind. In den oben angegebenen Beispiel ist eine entsprechende Kontingenztabelle aus zwei Rei hen und zwei Spalten auf Grund des Tatsache aufgebaut, dass lediglich zwei Zustände für beide Messdatensätze betrachtet werden. Somit kann auf der Grundlage der entsprechenden Datensätze, die durch die Karten 153a, ..., 157a repräsentiert sind, und der Referenzdaten 153b, die folgenden Kontingenztabellen aufgestellt werden. Tabelle 0
Tabelle 1
Tabelle 2
Tabelle 3
Tabelle 4
Wie aus Tabelle 0 ersichtlich ist, sind keine sauberen Chips in der nicht gefilterten Daten vorhanden, während 96 Chips als fehlerhaft betrachtet werden, von den 39 den elektrischen Test positiv durchlaufen haben und 57 diesen nicht bestanden haben entsprechend den Daten 152b. In ähnlicher Weise repräsentieren die Tabellen 1 bis 4 die entsprechenden Daten für die Filterschritt 1 bis 4, wie sie in 1b gezeigt sind. Für jede der Kontingenztabellen 0 bis 4 wird ein entsprechender Korrelationstest beispielsweise durch Berechnung des Quadrats von X auf der Grundlage der folgenden Gleichung ausgeführt:
wobei n_ij die Anzahl an Ereignissen in der entsprechenden Zelle der Kontingenztabelle repräsentiert, E(n_ij) den erwarteten Wert für die Anzahl an Ereignissen in der entsprechenden Zelle repräsentiert, und r_i und c_j die entsprechende Gesamtzahl an Ereignissen der Reihe i und der Spalte j repräsentieren, wie dies auch in den Tabellen 0 bis 4 gezeigt ist. Durch Berechnen des entsprechenden X² Wertes für die entsprechenden Kontingenztabellen kann der Grad an Korrelation der entsprechenden gefilterten oder nicht gefilterten Daten mit den Referenzdaten 152b bestimmt werden. Folglich kann auf Grundlage dieser berechneten Korrelationswerte ein geeigneter gefilterter Datensatz und damit ein geeigneter Filterungsprozess ausgewählt werden. Für das oben beschriebene Beispiel sind die resultierenden X² Werte 0, 0,02, 3,94 und 3,76 für die Tabellen 0 bis 4.
In einigen anschaulichen Ausführungsformen wird der maximale Wert des Grades an Korrelation zum Bestimmen eines geeigneten gefilterten Satzes aus Daten verwendet. Ferner kann der bestimmte Grad an Korrelation mit einem Signifikanzpegel (α) durch Bestimmen eines kritischen X² Wertes gemäß gut etablierter Verfahren verglichen werden. In den oben beschriebenen Beispiel kann Tabelle 3, die den dritten Filterschritt repräsentiert, d. h. die Substratkarte 156a repräsentiert, als ein geeigneter Satz aus Daten mit einem gewünschten Konfidenzpegel zum Zurückweisen der Hypothese gewählt werden, dass die Datensätze, die durch die Karte 156a und die Karte 153a repräsentiert sind, unabhängig sind. Somit können die Daten 156a für die Bewertung von Prozessablaufeigenschaften bei und vor dem Fertigungsstadium, wie es durch die Erzeugung der Messdaten 152a definiert ist, verwendet werden. Beispielsweise wird in einer anschaulichen Ausführungsform der durch den ausgewählten Satz an Messdaten 156a definierte Filterprozess beispielsweise in einer Prozedur zum Bewerten der Messdaten 152a auf einer automatisierten Weise eingerichtet, um damit aussagekräftige prozesslinieninterne Messdaten im Wesentlichen ohne merkliche Verzögerung bereitzustellen. Um die Relevanz der Filterprozedur, wie sie gemäß den zuvor beschriebenen Prinzipien bestimmt ist, zu bestätigen, werden in anderen Ausführungsformen mehrere Sätze aus Messdaten 152a im Wesentlichen in der gleichen Weise verarbeitet, um zu bestimmen, ob dasselbe Maß an Filterung ein gewünschtes Niveau an Signifikanz liefert oder nicht, wodurch die Robustheit des zuvor bestimmten Filterprozesses angezeigt wird. In anderen anschaulichen Ausführungsformen wird die zuvor beschriebene Sequenz individuell für jedes Substrat durchgeführt, um einen entsprechenden Satz an Messdaten für jedes der Substrate zu bestimmen, wobei die Anzahl der Filterschritte variieren kann, aber dennoch zu einem Datensatz führt, dessen Korrelation über einem Signifikanzniveau im Vergleich zu den Anfangsdaten ist, um Information mit erhöhter Signifikanz im Hinblick auf die ursprünglich erzeugten Messdaten 152a bereitzustellen. Beispielsweise kann der Ausbeuteverlust während einer gewissen Fertigungsphase in effizienter Weise auf der Grundlage der gefilterten Messdaten bestimmt werden, wodurch wertvolle Information über die Qualität der beteiligten Herstellungsprozesse bereitgestellt wird. Ferner kann durch automatisches Erzeugen entsprechender Messdaten und automatisches Vergleichen dieser Messdaten mit geeigneten elektrischen Daten oder anderen Referenzdaten gemäß den zuvor dargelegten Prinzipien, können eine Vielzahl an Filterkriterien „untersucht werden", um geeignete Filterschemata oder Schwellwerte zu ermitteln, die dann während der linieninternen Messprozesse eingesetzt werden können, um den entsprechenden Messdaten eine erhöhte Signifikanz zu verleihen.
In anderen Ausführungsformen wird die Auswahl eines geeigneten Filters aus den mehreren gefilterten Messdaten, wie sie durch die Karten 154a, ..., 157a repräsentiert sind, auf der Grundlage der entsprechenden Chipverluste ausgeführt, die durch Abschätzen der entsprechenden Chipverluste für jede der Substratkarten 154a, ..., 157a abgeschätzt werden, wobei die berechnete Korrelation zum Abschätzen der „Qualität" der ermittelten Chipverluste verwendet werden kann. Somit kann eine starke Korrelation zwischen einigen der Karten 154a, ..., 157a eine hohe Relevanz der Messdaten anzeigen, so dass beispielsweise der Filterablauf ausgewählt werden kann, der den maximalen Chipverlust liefert.
Beispielsweise kann in dem zuvor beschriebenen anschaulichen Fall von Messdaten, die sich auf einen Polierprozess beziehen, erkannt werden, dass drei Filterschritte in Bezug auf ein spezielles Kriterium, etwa eine Defektfläche, zu einer hohen Korrelation mit den eigentlichen Leistungsdaten, etwa den elektrischen Messdaten 152b führen, die von Substraten gewonnen werden, die durch eine spezielle Prozesssequenz mit zugeordneten Polieranlagen ermittelt wurden, während andere Daten eine deutlich geringerer Korrelation zeigen können, wenn diese den gleichen Filterprozess unterzogen werden für Substrate, die durch andere Polieranlagen bearbeitet wurden. Folglich kann eine entsprechende Gruppe aus Anlagen oder eine einzelne Anlage als eine Quelle einer reduzierten Prozesseffizienz erkannt werden. In anderen Messdatensätze, die zu anderen Prozesssequenzen gehören können, können andere Filterkriterien, etwa die Position gewisser Defekte innerhalb eines einzelnen Substrats eine erhöhte Korrelation aufweisen und daher verwendet werden, um die entsprechende Anlage oder Anlagengruppe als eine Anlage mit geringer Effizienz zu erkennen. Es sollte beachtet werden, dass die zuvor beschriebenen Ausführungsformen zum Ermitteln eines Grades an Korrelation auf komplexere Anordnungen ausgedehnt werden können, in denen mehr als zwei unterschiedliche Zustände in den entsprechenden Messdatensätze vertreten sind. In dem zuvor beschriebenen Kontingenzalgorithmus kann dies durch geeignetes Definieren der entsprechenden Kontingenztabellen berücksichtigt werden.
Es gilt also: Die vorliegende Erfindung stellt eine verbesserte Technik für die Bewertung von Messdaten auf der Grundlage anderer Messdaten mit geringerem „Rauschen" im Vergleich zu den zu bewertenden Messdaten bereit. Dies kann erreicht werden, indem die betrachteten Messdaten auf der Grundlage eines oder mehrerer spezieller Filterkriterien gefil tert und der Grad der Korrelation für die progressiv gefilterten Messdaten auf der Grundlage der Messdaten mit dem geringeren Rauschen abgeschätzt werden. Zu diesem Zweck können Algorithmen auf Kontingenzbasis effizient verwendet werden, um einen Grad an Korrelation zu ermitteln, wobei der Filterungsprozess in automatisierter Weise ausgeführt werden kann. In anschaulichen Ausführungsformen können die Referenzdaten in Form elektrischer Messdaten bereitgestellt werden, die an sich eine hohe Korrelation zu dem eigentlichen Leistungsverhalten der entsprechenden Halbleiterbauelemente aufweisen. Folglich können Messdaten, die während einer Zwischenphase in der Herstellung der Halbleiterbauelemente ermittelt werden, in effizienter Weise gefiltert und mit den elektrischen Daten kombiniert werden, um zu erkennen, ob und in welcher Filterstufe ein gewünschter Grad an Korrelation erreicht wird, um wertvolle Information aus den gefilterten Daten herauszulösen, beispielsweise im Hinblick auf Ausbeuteverluste, Steuereffizienz und dergleichen. Folglich können eine Vielzahl von Filterschemata eingerichtet werden, die dann während linieninterner Messprozesse angewendet werden können, um das Signal/Rauschenverhältnis der entsprechenden Messdaten zu verbessern. Ferner können ineffiziente Prozessanlagen oder Prozesssequenzen effektiv auf der Grundlage der linieninternen Messdaten erkannt werden, wenn diese auf der Grundlage der Korrelation zu den elektrischen Messdaten neu bewertet werden. Somit kann durch das Ausführen eines Korrelationstestes auf Kontingenzbasis von Messdaten, etwa von Defektdaten, in Bezug auf elektrische Testdaten nach progressiven Filtern der Messdaten eine verbesserte Analyse der Prozessablaufeigenschaften erreicht werden. Somit kann eine effiziente Abschätzung von Ausbeuteverlusten durchgeführt werden.
Weitere Modifizierungen und Variationen der vorliegenden Erfindung werden für den Fachmann angesichts dieser Beschreibung offenkundig. Daher ist diese Beschreibung als lediglich anschaulich und für die Zwecke gedacht, dem Fachmann die allgemeine Art und Weise des Ausführens der vorliegenden Erfindung zu vermitteln. Selbstverständlich sind die hierin gezeigten und beschriebenen Formen als die gegenwärtig bevorzugten Ausführungsformen zu betrachten.

Claims

Verfahren mit: Erhalten eines ersten Satzes aus Messdaten von mehreren Positionen eines Substrats mit darauf ausgebildeten mehreren Halbleiterbauelementen in einem ersten Fertigungsstadium; Erhalten eines zweiten Satzes aus Messdaten von den mehreren Positionen des Substrats in einem zweiten Fertigungsstadium; Filtern des ersten Satzes aus Messdaten auf der Grundlage eines ersten Filterkriteriums, um erste gefilterte Messdaten für jede der mehreren Positionen zu erhalten; und Bestimmen eines ersten Grades an Korrelation der ersten gefilterten Messdaten mit dem zweiten Satz aus Messdaten.
Verfahren nach Anspruch 1, wobei der zweite Satz aus Messdaten Messdaten enthält, die mindestens eine elektrische Eigenschaft der mehreren Halbleiterbauelemente repräsentieren.
Verfahren nach Anspruch 1, wobei der erste Satz aus Messdaten Inspektionsdaten repräsentiert, die Defekte auf dem Substrat kennzeichnen.
Verfahren nach Anspruch 1, wobei der erste Satz aus Messdaten eine oder mehrere kritische Abmessungen der Halbleiterbauelemente in dem ersten Fertigungsstadium repräsentiert.
Verfahren nach Anspruch 3, wobei das erste Filterkriterium eine Fläche eines Defekts repräsentiert.
Verfahren nach Anspruch 3, wobei das erste Filterkriterium eine strukturelle Konfiguration und/oder eine Anzahl pro Einheitsfläche der Defekte repräsentiert.
Verfahren nach Anspruch 1, das ferner umfasst: Filtern des ersten Satzes aus Messdaten und/oder der ersten gefilterten Messdaten auf der Grundlage eines zweiten Filterkriteriums und Bestimmen eines zweiten Grades an Korrelation der zweiten gefilterten Messdaten mit dem zweiten Satz aus Messdaten, Auswählen der ersten oder der zweiten gefilterten Messdaten, die einen maximalen Grad an Korrelation entsprechend dem ersten und dem zweiten Grad an Korrelation aufweisen, und Bewerten des ersten Satzes aus Messdaten auf der Grundlage der ausgewählten gefilterten Messdaten.
Verfahren nach Anspruch 7, wobei das zweite Filterkriterium eine beschränktere Version des ersten Filterkriteriums repräsentiert.
Verfahren nach Anspruch 7, das ferner umfasst: Abschätzen eines Ausbeuteverlustes für die Halbleiterbauelemente in dem ersten Fertigungsstadium auf der Grundlage der ausgewählten gefilterten Messdaten.
Verfahren nach Anspruch 1, wobei Bestimmen eines ersten Grades an Korrelation Anwenden eines Kontingenzalgorithmus umfasst.
Verfahren mit: progressives Filtern eines ersten Satzes aus Messdaten, die von mehreren Positionen eines Substrats mit darauf ausgebildeten mehreren Halbleiterbauelementen in einem ersten Fertigungsstadium gewonnen werden, um mehrere Sätze aus progressiv gefilterten Messdaten zu erzeugen; Erhalten eines zweiten Satzes aus Messdaten von den mehreren Positionen des Substrats in einem zweiten Fertigungsstadium; und Kombinieren des zweiten Satzes aus Messdaten mit jedem der mehreren Sätzen aus progressiv gefilterten Messdaten, um für jeden Satz der progressiv gefilterten Messdaten einen Wert einer Eigenschaft der mehreren Sätze aus progressiv gefilterten Messdaten zu bestimmen.
Verfahren nach Anspruch 11, wobei die Eigenschaft einen Grad an Korrelation mit dem zweiten Satz aus Messdaten repräsentiert.
Verfahren nach Anspruch 11, wobei die Eigenschaft eine Ausbeuteverlustrate der mehreren Halbleiterbauelemente repräsentiert, die auf der Grundlage jedes der mehreren Sätze aus progressiv gefilterten Messdaten erhalten wird.
Verfahren nach Anspruch 11, wobei der zweite Satz aus Messdaten Messdaten sind, die mindestens eine elektrische Eigenschaft der mehreren Halbleiterbauelemente repräsentieren.
Verfahren nach Anspruch 11, wobei der erste Satz aus Messdaten Inspektionsdaten repräsentiert, die Defekte auf dem Substrat kennzeichnen.
Verfahren nach Anspruch 15, wobei ein Filterkriterium, das zum progressiven Filtern des ersten Satzes aus Messdaten verwendet wird, eine Fläche eines Defekts repräsentiert.
Verfahren nach Anspruch 15, wobei ein Filterkriterium, das zum progressiven Filtern des ersten Satzes aus Messdaten verwendet wird, eine strukturelle Konfiguration und/oder eine Anzahl pro Einheitsfläche der Defekte repräsentiert.
Verfahren nach Anspruch 11, das ferner umfasst: Auswählen eines der mehreren Sätze aus progressiv gefilterten Messdaten auf der Grundlage der Werte der Eigenschaft und Bewerten des ersten Satze aus Messdaten auf der Grundlage des ausgewählten Satzes gefilterter Messdaten.
Verfahren nach Anspruch 18 und 13, wobei der eine Satz der mehreren progressiv gefilterten Messdaten als derjenige ausgewählt wird, der eine maximale Ausbeuteverlustrate kennzeichnet.
Verfahren nach Anspruch 18 und 13, wobei Auswählen eines der mehreren Sätze aus gefilterten Messdaten umfasst: Bestimmen eines maximalen Grades an Korrelation und Auswählen des Satzes aus Messdaten, der mit dem bestimmten maximalen Grad an Korrelation verknüpft ist.
Verfahren nach Anspruch 13, wobei Bestimmen eines Grades an Korrelation für jeden der Sätze aus progressiv gefilterten Messdaten und Verwenden eines Kontingenzalgorithmus umfasst.
System mit: einer Schnittstelle, die ausgebildet ist, einen ersten Satz aus Messdaten und einen zweiten Satz aus Messdaten zu empfangen, wobei der erste und der zweite Satz aus Messdaten Messdaten repräsentieren, die von zwei unterschiedlichen Fertigungsstadien eines Substrats mit mehreren Halbleiterbauelementen erhalten werden; einer Filtereinheit, die mit der Schnittstelle verbunden und ausgebildet ist, automatisch einen oder mehrere Sätze aus gefilterten Messdaten aus dem ersten Satz aus Messdaten zu erzeugen; und einer Korrelationseinheit, die mit der Filtereinheit verbunden und ausgebildet ist, einen Grad an Korrelation zwischen dem einen oder den mehreren Sätzen aus gefilterten Messdaten und dem zweiten Satz aus Messdaten zu bestimmen.
System nach Anspruch 22, wobei der erste Satz aus Messdaten Defektinspektionsmessdaten repräsentiert und die Filtereinheit ein defektbasiertes Filtermodul umfasst, das ausgebildet ist, den ersten Satz aus Messdaten in Bezug auf ein oder mehrere vordefinierte Defektkriterien, die in den Halbleiterbauelementen beobachtet werden, zu filtern.
System nach Anspruch 22, wobei die Korrelationseinheit eine Korrelationseinheit auf Kontingenzbasis umfasst.