预测批次工具的晶片结果的方法技术

一种预测批次工具的晶片结果的方法，包括收集在批次处理工具中以批次处理的一批晶片的制造数据，以形成一批次处理结果；根据制造数据，定义批次处理结果的自由度；以及根据批次处理结果，通过尝试错误法对批次处理结果的最佳函数模型实施一最佳曲线匹配。

【技术实现步骤摘要】

本专利技术涉及一种半导体批次结果预测系统，更特别地，涉及预 测 一 批次处理工具的晶片结果的方法。
技术介绍
半导体集成电路晶片由晶片制造厂(fab)的多个工艺产生。这 些工艺(以及相关的制造工具)包含热氧化工艺、扩散工艺、离子 植入工艺、快速热处理工艺(RTP)、化学气相沉积工艺(CVD)、 物理气相沉积工艺(PVD)、磊晶工艺、蚀刻工艺以及纟效影工艺。 在制造阶段期间，使用量测工具(metrology tool)监控与控制产品 (例如，半导体晶片)的品质与优良率。随着集成电路特征尺寸 (feature size)缩小，需要增加更多的监控与控制。然而，这会增 加量测工具的数量、增加实施监控与控制的人力以及制造循环时间 (cycle time)中相关的延迟，因而增力口成本。因此，1吏用虚拟量测才莫型来降^氐成本的生产控制以及其它目 的。然而，目前虚拟量测模型仅用于预测单一晶片制造工具的晶片 结果。在一批次处理工具中制造的一批晶片无法用于适当地预测晶片结果。例》口 ，热处5里室(thermal processing chamber )可包^^一垂 直炉，以固持及处理在不同垂直位置的一批晶片。通常，该炉针对 不同垂直高度位置具有其热场(thermal field )。糸匕次处理工具中的 每批晶片可经历特殊处理环境。相关的晶片结果变化无法通过现有 的方法以及现有的虚拟量测方法加以预测。因此，需要一种用于增加监控、控制和/或预测一批次处理工具 所制造的产品品质和/或优良率的系统与方法。
技术实现思路
本专利技术提供了 一种能预测 一批次处理工具的晶片结果的方法。 本方法包括收集在批次处理工具中以批次处理的 一 批晶片的制造 数据，以形成一批次处理结果；根据制造数据，定义批次处理结果 的自由度；以及根据制造数据，通过尝试错误法对批次处理结果的 最佳函凝:才莫型实施一最佳曲线匹配。前述的方法中，制造ft据可包括乂人量测工具收集的一批次处理 产品数据，以及从批次处理工具收集的一批次处理工具数据。本发 明可进一步包才舌实施部分最小平方匹配(partial least square fitting )， 以形成批次处理产品凝:据与处理工具凄t据间的关系方程式。本方法 可进一步包括将最佳函数模型与关系方程式组合成一批次产品结 果预测模型。定义自由度的步骤可包括发现与批次处理产品数据相 关的矩阵的特征值及特征函数。实施最佳曲线匹配可包括使用 一分 ^殳曲线匹西己(piecewise curve fitting )。本方法可进一步包4舌才艮才居自 由度、最佳函数模型以及批次处理结果数据，选择最佳抽样点。批 次处理工具包括一热炉管。批次处理工具可用于一晶片工艺，而且 晶片工艺选自氮化J圭;冗积法、热二氧4匕石圭以及热回火所组成的群 组。本专利技术同时^是出了与预测批次处理工具的晶片结果相关的方 法的另一实施例。本方法包4舌收集在水匕次处理工具中以糸匕次处理的 一批晶片的制造数据，其中制造数据包括批次处理产品数据与批次处理工具凄t据；4艮据4比次处理产品l廿居，定义4比次处理产品结果的 自由度；根据该批次处理产品数据，通过尝试错误法对批次处理结 果的最佳函数模型实施一最佳曲线匹配法；才艮据自由度、最佳函数 模型与批次处理产品数据，选择最佳抽样点；以及使用部分最小平 方匹配，以形成批次处理产品凄t据与处理工具凄t据间的关系方程 式。前述披露的方法可进一 步包括将最佳函数模型与关系方程式 组合成一批次产品结果预测才莫型。本专利技术的方法可具有不同实施 例。例如，批次产品预测模型适用于批次处理工具制造新产品期间 的动态微调(dynamic tuning )。本方法可进一步包括使用批次结果 预测模型，预测通过批次处理工具处理的新晶片的批次晶片结果。 预测批次晶片结果的步骤包括预测一产品参凄t。预测产品参^t的步 骤进一步包括预测一薄膜厚度。定义自由度的步骤包括发现与批次 处理产品数据相关的矩阵的特征值与特征函数。实施最佳曲线匹配 的步骤包括4吏用 一分革史曲线匹配。本专利技术同时提供了 一半导体批次结果预测系统。本系统包括用 于收集制造数据的数据收集器，且制造数据包括与批次处理工具相 关的批次处理工具数据，以及与批次处理工具所处理的一批晶片相 关的批次处理产品凄t据； 一最佳曲线匹配才莫块，才艮据批次处理产品 数据以产生一最佳函数模型；以及最小平方匹配(PLSF)模块，被 设计以产生批次处理产品数据与批次处理工具数据间的关系方程 式。前述的系统可进一步包括自由度才莫块(DF)，以定义与批次处 理产品数据相关的产品参数的自由度。本系统可进一步包括批次结 果预测模块，以根据最佳函数模型与关系方程式的组合，预测在批 次处理工具中处理的糸匕次晶片结果。附图说明为使本专利技术各方面的叙述更加详尽与完备，可参照下列描述并 配合附图说明。附图仅提供范例说明并未依比例绘制。事实上，为 使本专利技术的描述更加清楚，各特征尺寸可以随意地增大或缩小。图1是用以预测批次晶片的方法的一实施例的简化流程图。图2是才艮据本专利技术的 一 方面构成的制造凄t据的 一 实施例的方块图。图3是一批次处理炉的一实施例的概略图。图4是实施在图1的方法的虚拟感测器系统的一实施例的方块图。图5是一虚拟制造系统的方块图，而且图4的虚拟感测器系统 系使用于其中。具体实施例方式下述讨-论将提供多种用以实施本专利技术的各种特征的不同的实 施例或实例。组件或组装的特殊实例将于后续i兌明，以简4匕本专利技术。 当然，各种实例于此仅用以提供说明，并非用以限定本专利技术。此外， 本专利技术说中所*坡露的参考标号或文字可重复地出现在不同的实例 中。这些重复仅为清楚及简化本专利技术的描述，并非用以规定所论述的各种实施例和/或结构的关系。本专利技术提供了 一种能预测批次处理 工具的晶片结果的新方法，且后续将提供各种实例、实施例、变化 和说明。图1是能预测批次晶片的方法100的简化流程图。图4是用以 实施方法100的虚拟感测器系统(或软感测系统)400的一实施例 的方块图。本专利技术提供了预测批次制造工具数据(或工具数据)的 批次晶片结果的方法与系统。本方法100与系统400参照图l与图4详细i兌明》口下。方法100开始于步骤112,收集制造ft据。如图2所示，为一 实施例中的制造数据202方块图，制造数据202包括批次处理产品 数据204 (或批次处理晶片数据)，而且批次处理产品数据204由一 个或多个量测工具206收集取得。批次处理产品数据204包括经由 批次处理工具(或批次制造工具)210处理后的一批晶片208的测 试与量测结果。例如，批次处理产品^t据204可为产品参^t (或晶 片参数)的量测值，例如批次处理工具所产生的材料层的厚度、反 射率或传导率。在一实例中，批次处理产品凄t据202包4舌由形成在 这批晶片208的次切线(subscribe line)上的测试结构而来的线上 测试结果。在其它实例中，批次处理产品凄t据202包括这批晶片208 制造完成后的最后测试结果。制造数据202还包括从批次处理工具210收集而来的批次处理 工具数据212。批次处理工具数据212与硬件参数相关。在一实例 中，硬件参数包含主动参数，例如电源、气体流量和/本文档来自技高网...

【技术保护点】
一种预测一批次处理工具的晶片结果的方法，包括：　收集在所述批次处理工具中以批次处理的一批晶片的制造数据，以形成一批次处理结果；　根据所述制造数据，定义所述批次处理结果的一自由度；以及　根据所述批次处理结果，通过尝试错误法对 所述批次处理结果的一最佳函数模型实施一最佳曲线匹配。

【技术特征摘要】
US 2007-11-16 11/941,5181. 一种预测一批次处理工具的晶片结果的方法，包括收集在所述批次处理工具中以批次处理的一批晶片的制造数据，以形成一批次处理结果；根据所述制造数据，定义所述批次处理结果的一自由度；以及根据所述批次处理结果，通过尝试错误法对所述批次处理结果的一最佳函数模型实施一最佳曲线匹配。2. 根据权利要求1所述的方法，其中所述制造数据包括从量测工具收集的批次处理产品数据；以及 /人所述批次处理工具收集的4比次处理工具lt悟。3. 根据权利要求2所述的方法，进一步包括实施部分最小平方匹配，以形成所述批次处理产品凄t据 与所述批次处理工具凝:据间的一关系方禾呈式。4. 根据权利要求3所述的方法，进一步包括将所述最佳函数模型与所述关系方程式组合成一批次产 品结果预测模型。5. 根据权利要求2所述的方法，其中定义一 自由度的步骤包括发 现与所述批次处理产品数据相关的 一 矩阵的特征值与特征函数。6. 根据权利要求2所述的方法，其中实施一最佳曲线匹配的步骤 包括使用 一分段曲线匹配法。7. 根据权利要求2所述的方法，进一步包括根据所述自由度、所述最佳函数模型以及所述批次处理 产品数据，选...

【专利技术属性】
技术研发人员：林俊贤，王姿予，柯俊成，汪青蓉，
申请(专利权)人：台湾积体电路制造股份有限公司，
类型：发明
国别省市：71[中国|台湾]