一种晶圆温度分布的检测系统及方法技术方案

本发明专利技术涉及半导体晶圆技术领域，尤其涉及一种晶圆温度分布的检测系统及方法。所述方法包括以下步骤：获取晶圆数据集，其中晶圆数据集包括晶圆生产数据以及晶圆测量场数据，根据晶圆数据集进行弱相似度晶圆数据集生成处理，生成弱相似度晶圆数据集；根据弱相似度晶圆数据集、晶圆生产数据以及晶圆测量场数据生成测量场温度异常域、测量场恒温区域、批次温度异常域及批次恒温区域；基于测量场温度异常域以及批次温度异常域生成异常域优化计算公式；基于晶圆数据集、测量场温度异常域、测量场恒温区域、批次温度异常域、批次恒温区域以及异常域优化计算公式构建自训练测温模型；本发明专利技术能够提高晶圆温度分布检测的精准度。够提高晶圆温度分布检测的精准度。够提高晶圆温度分布检测的精准度。

【技术实现步骤摘要】
一种晶圆温度分布的检测系统及方法


[0001]本专利技术涉及半导体晶圆
，尤其是涉及一种晶圆温度分布的检测系统及方法。

技术介绍

[0002]晶圆技术是半导体制造的核心技术之一，国内晶圆技术在过去几年有了长足发展。目前，国内已经形成了一定的晶圆生产能力，主要集中在晶圆制造设备、晶圆设计两个方面，并不断致力于开发新型晶圆制造设备，然而晶圆温度分布并不均匀，温度影响因素较多，因素影响较大，导致晶圆温度分布的检测数据往往难以精准，在众多影响因素下，如何开发一种晶圆温度分布的检测系统及方法成为亟待解决的问题。

技术实现思路

[0003]本专利技术提供一种晶圆温度分布的检测系统及方法，以解决至少一个上述技术问题。
[0004]为实现上述目的，一种晶圆温度分布的检测方法，包括以下步骤：步骤S1：获取晶圆数据集，其中晶圆数据集包括晶圆生产数据以及晶圆测量场数据，根据晶圆数据集进行弱相似度晶圆数据集生成处理，生成弱相似度晶圆数据集；步骤S2：根据弱相似度晶圆数据集、晶圆生产数据、晶圆测量场数据进行温度区域划分处理，生成测量场温度异常域、测量场恒温区域、批次温度异常域及批次恒温区域；步骤S3：基于测量场温度异常域以及批次温度异常域对预构建的异常域计算公式进行优化，生成异常域优化计算公式；步骤S4：基于晶圆数据集、测量场温度异常域、测量场恒温区域、批次温度异常域、批次恒温区域以及异常域优化计算公式构建自训练测温模型，生成自训练测温模型，利用自训练温度检测模型对进行晶圆温度分布进行检测，获得晶圆温度分布数据。
[0005]本实施例通过获取晶圆数据集，利用晶圆数据集中晶圆生产数据以及晶圆测量场数据，以大量数据集对生产数据以及测量场数据对温度分布的影响进行挖掘，通过弱相似度晶圆数集生成处理，生成弱相似度晶圆数据集，帮助提高数据集的多样性，增强后续训练模型的泛化能力，对数据进行温度区域划分处理，通过有效将晶圆温度数据划分类别，从而更好地进行异常检测和数据质量控制，根据划分的温度区域对异常域公式进行优化，利用优化后的异常域公式提高异常温度检测的准确性和效率，构建自训练模型，根据晶圆数据集的数据更新实现模型的自适应调整和模型更新，通过以上步骤获得的数据可以用于进一步的质量控制以及优化温度分布检测，提高晶圆温度分布检测准确性以及检测效率。
[0006]在本说明书的一个实施例中，步骤S1包括以下步骤：步骤S11：获取晶圆数据集，其中晶圆数据集包括晶圆生产数据、晶圆测量场数据以及晶圆参数数据；步骤S12：对晶圆数据集进行热成像多方位测量处理，生成晶圆热成像图像集；
步骤S13：对晶圆热成像图像集进行图片去噪处理，获得标准晶圆热成像图像集；步骤S14：根据标准晶圆热成像图像集进行坐标数据存储处理，生成红外坐标数据集；步骤S15：根据红外坐标数据集、晶圆参数数据以及晶圆生产数据进行弱相似度晶圆数据集生成处理，生成弱相似度晶圆数据集。
[0007]本实施例中通过晶圆参数数据的加入提高晶圆数据集的完整性，热成像多方位测量处理可以获得晶圆不同区域的温度分布信息，为后续的热分析和异常检测提供基础数据，通过图片去噪处理，有效降低图像噪声、弱化噪声干扰，提高图像清晰度、可读性，通过坐标数据存储处理，利用生成的红外坐标数据集定位晶圆区域温度，为后续异常检测提供基础数据，弱相似度晶圆数据集生成处理利用生成的弱相似度晶圆数据集在增加数据集多样性、覆盖面的同时，提高后续自训练模型的泛化能力。
[0008]在本说明书的一个实施例中，步骤S15的具体步骤为：步骤S151：获取热成像设备颜色映射数据库，其中热成像设备颜色映射数据库应包括颜色映射规则数据；步骤S152：根据红外坐标数据集以及颜色映射规则数据进行循环坐标温度提取处理，生成坐标温度数据集；步骤S153：获取晶圆选取标准数据，根据晶圆选取标准数据以及坐标温度数据集进行模板晶圆对象集选取处理，生成模板晶圆对象集；步骤S154：根据模板晶圆对象集进行模板坐标数据生成处理，生成模板坐标数据；步骤S155：基于模板坐标数据、坐标温度数据集以及晶圆参数数据利用晶圆模板相似度计算公式进行模板相似度计算，生成模板相似度数据；步骤S156：根据模板相似度数据以及模板晶圆对象集进行次级模板晶圆对象集生成处理，生成次级模板晶圆对象集；步骤S157：根据模板晶圆对象集进行模板对象计数统计处理，生成模板对象数量数据；步骤S158：当模板对象数量数据小于预设的标准模板数量数据时，将次级模板晶圆对象集作为模板晶圆对象集，返回步骤S154，当模板对象数量数据等于预设的标准模板数量数据时；根据模板相似度数据以及模板晶圆对象集进行弱相似度晶圆数据集提取处理，生成弱相似度晶圆数据集。
[0009]本实施例利用聚类思想基于数据分析确定预设的标准模板数量范围内准确的弱相似度晶圆数据集，通过模板对象集选取确定晶圆选取标准，基于模板坐标数据、坐标温度数据集、晶圆参数数据利用相似度关系通过晶圆模板相似度计算公式确定晶圆相对模板对象的相似度，从而对晶圆数据集中的晶圆进行分类和归类，通过循环细化选择晶圆模板对象，提高晶圆相似度数据的精度和质量。
[0010]在本说明书的一个实施例中，步骤S155中的晶圆模板相似度计算公式包括以下步骤骤为晶圆模板相似度值，n为晶圆参数数据中的晶圆半径，为坐标温度数据集所
属晶圆对应晶圆生产数据集中晶体的点缺陷数量，,,...,分别为模板坐标数据中每个模板对象的横坐标温度数据，为坐标温度数据集中的横坐标温度数据，,,...,为模板坐标数据中每个模板对象的纵坐标温度数据，为坐标温度数据集中的纵坐标温度数据，为模板半径数据中的最大横坐标数据，为晶圆参数数据中模板晶圆对象中晶体的点缺陷数量，为晶圆模板相似度计算系数。
[0011]本实施例提供一种晶圆模板相似度计算公式该公式通过采集转换生成的具有温度特征的图像晶圆坐标数据，从晶圆坐标数据所具备的温度特征入手，深度挖掘具有随机性的晶圆温度特征所关联的属性，实现晶圆相对于模板对象所具备的温度特征相似度值的获取，公式首先在整体上利用晶圆所具备的点缺陷数据，根据坐标温度数据集所属晶圆对应晶圆生产数据集中晶体的点缺陷数量以及晶圆参数数据中模板晶圆对象中晶体的点缺陷数量进行数值比对，其次根据模板坐标数据中每个模板对象的横坐标温度数据,,...,以及数学概念上的模板半径数据中的最大横坐标数据，联合模板坐标数据中每个模板对象的纵坐标温度数据,,...,以及坐标温度数据集中的纵坐标温度数据，通过遍历晶圆坐标以及作为模板对象晶圆的每个坐标，联合晶圆模板相似度计算系数形成函数关系集:其中函数关系集:分别代表坐标温度数据集所属晶圆对应每个模板对象的相似度，通过函数从函数关系集:中选取最大值，从而获取晶圆模板相似度。
[0012]在本说明书的一个实施例中，步骤S2包括以下步骤：步骤S21：根据弱相似度晶圆数据集以及晶圆生产数据进行批次弱相似晶圆数据生成处理，生成批次弱相似晶圆数据；步骤S22：根据弱相似度晶圆数据集以及晶圆测量场数据进行弱相似测量场数据生成处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种晶圆温度分布的检测方法，其特征在于，包括以下步骤：步骤S1：获取晶圆数据集，其中晶圆数据集包括晶圆生产数据以及晶圆测量场数据，根据晶圆数据集进行弱相似度晶圆数据集生成处理，生成弱相似度晶圆数据集；步骤S2：根据弱相似度晶圆数据集、晶圆生产数据以及晶圆测量场数据进行温度区域划分处理，生成测量场温度异常域、测量场恒温区域、批次温度异常域及批次恒温区域；步骤S3：基于测量场温度异常域以及批次温度异常域对预构建的异常域计算公式进行优化，生成异常域优化计算公式；步骤S4：基于晶圆数据集、测量场温度异常域、测量场恒温区域、批次温度异常域、批次恒温区域以及异常域优化计算公式构建自训练测温模型，生成自训练测温模型，利用自训练温度检测模型进行晶圆温度分布检测，获得晶圆温度分布数据。2.根据权利要求1所述的方法，其特征在于，步骤S1具体为：步骤S11：获取晶圆数据集，其中晶圆数据集包括晶圆生产数据、晶圆测量场数据以及晶圆参数数据；步骤S12：对晶圆数据集进行热成像多方位测量处理，生成晶圆热成像图像集；步骤S13：对晶圆热成像图像集进行图片去噪处理，获得标准晶圆热成像图像集；步骤S14：根据标准晶圆热成像图像集进行坐标数据存储处理，生成红外坐标数据集；步骤S15：根据红外坐标数据集、晶圆参数数据以及晶圆生产数据进行弱相似度晶圆数据集生成处理，生成弱相似度晶圆数据集。3.根据权利要求2所述的方法，其特征在于，其中步骤S15具体步骤为：步骤S151：获取热成像设备颜色映射数据库，其中热成像设备颜色映射数据库应包括颜色映射规则数据；步骤S152：根据红外坐标数据集以及颜色映射规则数据进行循环坐标温度提取处理，生成坐标温度数据集；步骤S153：获取晶圆选取标准数据，根据晶圆选取标准数据以及坐标温度数据集进行模板晶圆对象集选取处理，生成模板晶圆对象集；步骤S154：根据模板晶圆对象集进行模板坐标数据生成处理，生成模板坐标数据；步骤S155：基于模板坐标数据、坐标温度数据集以及晶圆参数数据利用晶圆模板相似度计算公式进行模板相似度计算，生成模板相似度数据；步骤S156：根据模板相似度数据以及模板晶圆对象集进行次级模板晶圆对象集生成处理，生成次级模板晶圆对象集；步骤S157：根据模板晶圆对象集进行模板对象计数统计处理，生成模板对象数量数据；步骤S158：当模板对象数量数据小于预设的标准模板数量数据时，将次级模板晶圆对象集作为模板晶圆对象集，返回步骤S154，当模板对象数量数据等于预设的标准模板数量数据时；根据模板相似度数据以及模板晶圆对象集进行弱相似度晶圆数据集提取处理，生成弱相似度晶圆数据集。4.根据权利要求3所述的方法，其特征在于，步骤S155中的晶圆模板相似度计算公式具体为：
为晶圆模板相似度值，n为晶圆参数数据中的晶圆半径，为坐标温度数据集所属晶圆对应晶圆生产数据集中晶体的点缺陷数量，,,...,分别为模板坐标数据中每个模板对象的横坐标温度数据，为坐标温度数据集中的横坐标温度数据，,,...,为模板坐标数据中每个模板对象的纵坐标温度数据，为坐标温度数据集中的纵坐标温度数据，为模板半径数据中的最大横坐标数据，为晶圆参数数据中模板晶圆对象中晶体的点缺陷数量，为晶圆模板相似度计算系数。5.根据权利要求3所述的方法，其特征在于，步骤S2具体为：步骤S21：根据弱相似度晶圆数据集以及晶圆生产数据进行批次弱相似晶圆数据生成处理，生成批次弱相似晶圆数据；步骤S22：根据弱相似度晶圆数据集以及晶圆测量场数据进行弱相似测量场数据生成处理，生成弱相似测量场数据；步骤S23：基于批次弱相似晶圆数据、模板晶圆对象集、晶圆参数数据以及弱相似测量场数据利用异常温度坐标点计算公式进行异常温度坐标点计算处理，生成批次异常温度坐标点数据以及测量场异常温度坐标点数据；步骤S24：根据批次异常温度坐标点数据以及晶圆生产数据进行批次温度区域划分，生成批次温度异常域以及批次恒温区域；步骤S25：根据测量场异常温度坐标点数据以及晶圆测量场数据进行同测量场温度区域划分，生成测量场温度异常域以及测量场恒温区域。6.根据权利要求5所述的方法，其特征在于，步骤S23...

【专利技术属性】
技术研发人员：李伟，高苗苗，
申请(专利权)人：深圳市冠禹半导体有限公司，
类型：发明
国别省市：