半导体制造设备的机台性能匹配方法和系统.pdf

《半导体制造设备的机台性能匹配方法和系统.pdf》由会员分享，可在线阅读，更多相关《半导体制造设备的机台性能匹配方法和系统.pdf（11页完整版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 103592913 A (43)申请公布日 2014.02.19 CN 103592913 A (21)申请号 201310525511.0 (22)申请日 2013.10.30 G05B 19/418(2006.01) H01L 21/67(2006.01) (71)申请人 江苏大学 地址 212013 江苏省镇江市京口区学府路 301 号 (72)发明人 潘天红 陈山 (74)专利代理机构 南京知识律师事务所 32207 代理人 李媛媛 (54) 发明名称 半导体制造设备的机台性能匹配方法和系统 (57) 摘要 本发明公开了一种半导体制造设备的机台性 能匹配方法和。

2、系统。 系统包括多个加工机台、 错误 侦测分类系统、 产品质量测试仪、 数据收集引擎与 处理系统， 多个加工机台执行相同的产品制造工 艺， 加工同种规格的产品 ； 错误侦测分类系统监 控工艺过程中所有加工机台的生产过程 ； 并向数 据收集引擎与处理系统提供所有监控的过程变量 数据 ； 产品质量测试仪抽样检测工艺过程中已经 加工产品的质量， 并向数据收集引擎与处理系统 提供质量数据。本发明通过对同一工艺流程中多 个加工机台的性能匹配， 迅速找到影响品质差的 机台的关键过程变量， 为现场工程师提供机台维 修时的参数调整方案， 使得不同机台间的产品能 有几乎相同的质量。 (51)Int.Cl. 权利。

3、要求书 1 页 说明书 4 页 附图 5 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书1页 说明书4页 附图5页 (10)申请公布号 CN 103592913 A CN 103592913 A 1/1 页 2 1. 半导体制造设备的机台性能匹配系统， 其特征在于， 包括多个加工机台、 错误侦测分 类系统、 产品质量测试仪、 数据收集引擎与处理系统， 其中， 多个加工机台执行相同的产品 制造工艺， 加工同种规格的产品 ； 错误侦测分类系统监控工艺过程中所有加工机台的生产 过程， 并向数据收集引擎与处理系统提供所有监控的过程变量数据 ； 产品质量测试仪抽样 检测工艺过。

4、程中已经加工产品的质量， 并向数据收集引擎与处理系统提供质量数据。 2. 根据权利要求 1 所述的半导体制造设备的机台性能匹配系统， 其特征在于， 所述产 品质量测试仪抽样检测的模式为随机方法， 在每一个机台中的每一批次抽检 23 个产品。 3. 利用如权利要求 1 所述系统进行性能匹配的方法， 包括以下步骤 ： （1） 提取错误侦测分类系统所监测过程变量的状态变量特征值 SVID， 该特征值 SVID 数 据包括过程变量的均值、 面积、 中位数以及斜率 ； （2） 对所有提取的特征值SVID数据进行归一化处理， 其处理方法是将各特征值SVID数 据先减去该特征值 SVID 数据的平均值， 再。

5、除以该特征值 SVID 数据的标准差 ； （3） 从多个加工机台中选定品质好的机台， 并将其余并行机台所加工产品的质量数据y 进行 “F- 检定” ， 找到品质差的机台 ； （4） 对所有归一化的特征值 SVID 数据进行 “IQR- 检定” ， 再对 “IQR- 检定” 后的特征值 SVID 数据进行 “F- 检定” ， 挑选潜在的关键变量， 标记为 ：xi， 潜在的关键变量xi在品质好的 机台的标准差应小于品质差的机台的标准差， 同时计算其p- 值， 标记为 ： IQR p- 值 ； （5） 将产品质量测试仪提供的质量数据y与潜在的关键变量xi数据做线性回归分析， 计算线性回归的决定系数R。

6、 2 与p- 值， 分别标记为 ： Linearfit R 2 和 Linearfit p- 值 ； （6） 画出 Linearfit R 2 与 IQR p- 值的散点图， 如果 IQR p- 值越小， Linearfit R 2 越 大， 则代表关键变量xi越重要， 选出关键变量 ； （7） 画出Linearfit p-值与 IQR p-值的散点图， 如果IQR p-值越小， Linearfit p-值 越小， 则代表关键变量xi越重要， 选出关键变量 ； （8） 取步骤 （6） 、（7） 所选关键变量xi的交集为状态变量特征值 SVID 的最终关键变量， 现场工程师根据这些最终关键变量，。

7、 在加工机台维护期间， 及时修正品质差机台的工艺参 数， 以提升品质差机台的加工性能， 提高产品的质量。 权 利 要 求 书 CN 103592913 A 2 1/4 页 3 半导体制造设备的机台性能匹配方法和系统 技术领域 0001 本发明涉及在半导体制造过程， 同一工艺流程中不同加工机台的性能匹配方法和 系统， 适用于晶圆 /TFT-LCD 等半导体制造过程的产品质量管制， 属于过程控制领域。 背景技术 0002 半导体制造工业面临的首要挑战是需要持续不断地改进最终产品的品质， 但产品 的最终品质受到诸多工艺流程中各种变异性的影响。为了降低制程的变异性、 提升产品质 量， 高效能的加工机台。

8、不断被开发出来， 但是生产企业从经济成本的角度考虑， 旧型机台未 必会被淘汰， 所以不同型号的机台会有不同的效能与结果， 即使是相同型号的加工机台， 所 制造出产品的质量也会有不同的差异性， 然而工厂所制造的产品质量却不能不一致， 否则 会给客户有产品质量不稳定的观感， 降低企业的信誉度。 0003 在现有的技术中， 统计过程控制 （statistical process control， SPC） 广泛用于 半导体制造过程的监控， 通过 SPC 监测各过程变量的变化， 并控制该过程变量， 将其限定在 一定的范围内， 从而实现对产品质量的管制。 该方法可以有效的减少不合格品， 但却无法保 证所。

9、制造产品质量的一致性 ； 其次， SPC 仅仅对单个加工机台的过程变量进行监控， 并没有 借鉴同一批次、 同一工艺流程中并行机台的信息 ； 另外， 并不是 SPC 中所有的故障都与产品 最终质量相关， 换言之， SPC 监测出的过程变量异常并不意味着产品质量控制出现异常。即 使现场工程师通过 SPC 发现某加工机台的制造性能恶化， 却不知道具体原因， 需要对照该 机台的设计图纸， 进行逐项对比， 维修效率低下， 维护成本较高。 0004 为此， 除 SPC 技术之外， 还需要一种结合同一工艺流程中， 各并行加工机台的监控 信息， 比较不同加工机台间的品质差异， 及时发现造成产品质量差异的关键过。

10、程变量， 并且 利用该关键变量做相应的参数调整， 使得不同机台间的产品能有几乎相同的质量。 发明内容 0005 本发明提供一种用于半导体制造设备的加工机台性能匹配方法与系统， 实现对同 一工艺流程中多个加工机台的性能匹配， 迅速找到影响品质差机台的关键过程变量， 为现 场工程师提供机台维修时的参数调整方案， 使品质差机台能达到品质好机台的生产性能， 从而提高待产品质量， 获得品质稳定的产品。 0006 根据本发明的目的， 系统采用的具体技术方案如下 ： 0007 半导体制造设备的机台性能匹配系统， 包括多个加工机台、 错误侦测分类系统、 产 品质量测试仪、 数据收集引擎与处理系统， 其中， 多。

11、个加工机台执行相同的产品制造工艺， 加工同种规格的产品 ； 错误侦测分类系统监控工艺过程中所有加工机台的生产过程， 并向 数据收集引擎与处理系统提供所有监控的过程变量数据 ； 产品质量测试仪抽样检测工艺过 程中已经加工产品的质量， 并向数据收集引擎与处理系统提供质量数据。 0008 其中， 产品质量测试仪抽样检测的模式为随机方法， 在每一个机台中的每一批次 抽检 2 3 个产品。 说 明 书 CN 103592913 A 3 2/4 页 4 0009 本发明所提供的加工机台性能匹配方法包括以下步骤 ： 0010 （1） 提取错误侦测分类系统所监测过程变量的状态变量特征值 SVID， 该特征值 。

12、SVID 数据包括过程变量的均值、 面积、 中位数以及斜率 ； 0011 （2） 对所有提取的特征值 SVID 数据进行归一化处理， 其处理方法是将各特征值 SVID 数据先减去该特征值 SVID 数据的平均值， 再除以该特征值 SVID 数据的标准差 ； 0012 （3） 从多个加工机台中选定品质好的机台， 并将其余并行机台所加工产品的质量 数据 y 进行 “F- 检定” ， 找到品质差的机台 ； 0013 （4） 对所有归一化的特征值 SVID 数据进行 “IQR- 检定” ， 再对 “IQR- 检定” 后的特 征值SVID数据进行 “F-检定” ， 挑选潜在的关键变量， 标记为 ： xi。

13、， 潜在的关键变量xi在品质 好的机台的标准差应小于品质差的机台的标准差， 同时计算其 p- 值， 标记为 ： IQR p- 值 ； 0014 （5） 将产品质量测试仪提供的质量数据 y 与潜在的关键变量 xi数据做线性回归分 析， 计算线性回归的决定系数 R2与 p- 值， 分别标记为 ： Linearfit R2和 Linearfit p- 值 ； 0015 （6） 画出 Linearfit R2与 IQR p- 值的散点图， 如果 IQR p- 值越小， Linearfit R2 越大， 则代表关键变量 xi越重要， 选出关键变量 ； 0016 （7） 画出 Linearfit p- 值。

14、与 IQR p- 值的散点图， 如果 IQR p- 值越小， Linearfit p- 值越小， 则代表关键变量 xi越重要， 选出关键变量 ； 0017 （8） 取步骤 （6） 、（7） 所选关键变量 xi的交集为状态变量特征值 SVID 的最终关键 变量， 现场工程师根据这些最终关键变量， 在加工机台维护期间， 及时修正品质差机台的工 艺参数， 以提升品质差机台的加工性能， 提高产品的质量。 0018 承上所述， 本发明所提出的半导体制造设备的加工机台性能匹配方法及其系统， 可为现场工程师维修机台提供依据， 从而简化维修过程， 降低维修成本， 提高工作效率。 附图说明 0019 图 1 为。

15、本发明用于半导体制造设备的机台性能匹配的系统方块图 ； 101 待加工产 品， 102 加工机台， 103FDC 系统， 104 数据收集引擎与处理系统， 105 产品质量测试仪， 106 抽 样检测产品 ； 0020 图 2 为本发明用于加工机台性能匹配方法的流程图 ； 0021 图 3 为本发明并行机台的已加工产品质量数据 y 的 Boxplot 图 ； 0022 图 4 为本发明的 “Linearfit R2” 与 “IQR p- 值” 关系图 ； 0023 图 5 为本发明的 “Linearfit p- 值” 与 “IQR p- 值” 关系图。 具体实施方式 0024 请参阅第 1 图。

16、， 其为本发明用于半导体制造设备的机台性能匹配系统的方块图， 如图1所示， 本发明包括多个加工机台102、 待加工产品 （晶圆/TFT-LCD） 101、 错误侦测分类 系统 （Fault Detection&Classification System， FDC 系统） 103、 产品质量测试仪 105、 数 据收集引擎与处理系统 104、 抽样检测产品 106。 0025 其中， 加工机台 102 包含多个并行机台， 执行相同的产品制造工艺， 加工同种规格 的产品 ； 0026 其中， FDC 系统 103 监控该工艺过程中所有加工机台 102 的生产过程 ； 并向数据收 说 明 书 CN 。

17、103592913 A 4 3/4 页 5 集引擎与处理系统 104 提供所有监控的过程变量数据 ； 0027 其中， 产品质量测试仪105抽样检测该工艺过程中已加工产品106的质量， 并向数 据收集引擎与处理系统 104 提供质量 y 数据。 0028 如图 2 所示， 本发明半导体制造设备的机台性能匹配方法具体包含如下步骤 ： 0029 第 1 步， 数据收集引擎与处理系统 104 收集各加工机台的所生产产品的质量 y 数 据与其对应的 FDC 数据 ； 0030 第 2 步， 提取 FDC 数据的状态变量特征值 SVID（包括 FDC 数据的均值， 面积， 中位 数， 以及斜率等） 。并。

18、对所提取的 SVID 数据进行归一化处理， 其处理方法是将各 SVID 数据 先减去该 SVID 数据的平均值 i,x， 再除以该 SVID 数据的标准差 i,x， 亦即 ： 0031 0032 式中， i 为 SVID 的变量序号 （i=1,2,N） ， k 为样本序号 （k=1,2,K） 。 0033 第3步， 计算各机台生产的产品质量y数据的均值与标准差， 选取标准差最小的机 台为好机台。如图 3 所示， 该实施例中共有 5 个并行机台， 其中， #1 号机台 y 值的标准差为 0.0544， 该机台的品质最好， 而其余 #2， #3， #4， #5 号机台的品质较差。 0034 将 #。

19、2， #3， #4， #5 机台 y 数据与 #1 机台的 y 数据做 “F- 检定” ， 0035 0036 式中， n1和 n2为各机台所加工产品 y 数据的个数， 和为各机台所加工产品 y 数据的变异数，和为各机台所加工产品 y 数据的方差。 0037 若计算的F值超出显著水平的F分布临界值 （这里=0.05） ， 就拒绝虚无假设， 接受对立假设， 亦即 ： 两个机台的变异数之比不是两个机台品质有差异。图 3 中各 机台的 “F- 检定” 结果总结在表 1 中， 相比于 #1 号机台， #5 号为品质差的机台。 0038 表 1.F- 检定的结果图 0039 机台y 值的标准差F- 检定。

20、的 p- 值 #10.0544- #20.06230.2997 #30.07280.1244 #40.08070.0555 #50.09080.0207 说 明 书 CN 103592913 A 5 4/4 页 6 0040 第 4 步， 对所有归一化的 SVID 数据进行 “IQR- 检定” （Interquarter Range test） ， 0041 Qup=Q3+1.5(Q3-Q1) 0042 Qdown=Q1-1.5(Q3-Q1) (1) 0043 式中， Q1和 Q3分别是代表第 1 四分位距和第 3 四分位距。Qup和 Qdown分别为 “IQR- 检定” 的上限和下限。 00。

21、44 找出 xi的界外值并将其删除后。再对剩余数据用式 （2） 进行 “F- 检定” ， 找出潜 在的关键变量 xi， 该变量在品质好机台的标准差要小于品质差机台的标准差， 并计算 xi的 p- 值 （标记为 ： IQR p- 值） 。在该实施例中， 总共从所有 SVID 数据中选出了 10 个潜在的关 键变量， 即 ： i=1,2,10。 0045 第 5 步， 将 y 数据与各潜在的关键变量 xi分别做线性回归分析 ： 0046 y=+xi+ (4) 0047 并计算各线性回归方程的决定系数 R2值 （标记为 ： Linearfit R2值） 与 p- 值 （标记 为 ： Linearfi。

22、t p- 值） ； 0048 第 6 步， 画出 Linearfit R2与 IQR p- 值散点图， IQR p- 值越小， Linearfit R2值 越大， 则该 xi变量越重要 ； 如图 4 所示， x6,x7,x8,x9为关键变量。 0049 第 7 步， 画出 Linearfit p- 值与 IQR p- 值散点图， IQR p- 值越小， Linearfit p- 值也越小， 则该 xi变量越重要。如图 5 所示， x6,x7,x8,x9为关键变量。 0050 第 8 步， 取第 6 步与第 7 步所挑选关键变量的交集为最终的关键变量 （即 ： x6,x7,x8,x9） ， 现场工程师根据所提供的 SVID 变量， 在加工机台维护期间， 及时修正工艺参 数， 以提升品质差机台的加工性能， 从而提高产品的质量。 说 明 书 CN 103592913 A 6 1/5 页 7 图 1 说 明 书 附 图 CN 103592913 A 7 2/5 页 8 图 2 说 明 书 附 图 CN 103592913 A 8 3/5 页 9 图 3 说 明 书 附 图 CN 103592913 A 9 4/5 页 10 图 4 说 明 书 附 图 CN 103592913 A 10 5/5 页 11 图 5 说 明 书 附 图 CN 103592913 A 11 。