TWI588673B

TWI588673B - 半導體製程錯誤分析方法以及電腦程式產品

Info

Publication number: TWI588673B
Application number: TW105113034A
Authority: TW
Inventors: 杜宇軒; 江孟峰; 范姜冠宇; 張峰睿
Original assignee: 亦思科技股份有限公司
Priority date: 2016-04-27
Filing date: 2016-04-27
Publication date: 2017-06-21
Also published as: TW201738785A

Description

半導體製程錯誤分析方法以及電腦程式產品

本發明是有關一種錯誤分析方法，特別是一種半導體製程錯誤分析方法。

製程良率在半導體製程中為一重要指標。製程良率不僅代表半導體製程技術的高低，另一方面，製程良率亦反映出半導體製程所需的成本。簡言之，製程良率高時，單位面積可產出較多之產品，使單位產品之成本降低，因此，製程良率攸關半導體製造廠之獲利率。

於一半導體製程中，工件需經過一連串使用各式半導體機台之製造步驟，例如曝光、化學機械研磨或化學氣相沉積等。舉例而言，一件半導體產品需經歷500至600道處理步驟。單一處理步驟之製程參數會有變動或不穩定的情形，其可能導致半導體產品產生瑕疵，並使得良率降低。然而，在如此數量龐大的製程參數中找到造成瑕疵之製程參數是困難的。

有鑑於此，如何從數量龐大的製程參數中篩選出可能導致瑕疵之製程參數作為操作人員之參考便是目前極需努力的目標。

本發明提供一種半導體製程錯誤分析方法以及電腦程式產品，其是將待分析之工件之製程記錄分成良品的群組以及混合良品以及不良品的群組，計算每一群組內之特徵值，再依據二者之特徵值決定一特徵權值以篩選出可能導致瑕疵之製程參數。

本發明一實施例之半導體製程錯誤分析方法包含：自一資料庫取得多個工件相對應之一製程記錄，其中多個工件包含多個良品以及多個不良品，且製程記錄包含多個製程參數；計算每一製程參數之一特徵權值；以及針對多個特徵權值排序，以判斷造成不良品之一可能製程參數，其中計算每一製程參數之特徵權值之步驟包含：將製程記錄分為一第一群組以及一第二群組，其中第一群組由多個良品所組成，第二群組由多個良品以及多個不良品所組成；針對多個製程參數其中之一，篩選出相對應之多個良品以及多個不良品之多筆製程資料；計算第一群組之一第一特徵值；計算第二群組之一第二特徵值；以及依據第一特徵值以及第二特徵值，決定特徵權值。

本發明另一實施例之電腦程式產品包含一程式碼，其供一電子裝置載入後執行上述之半導體製程錯誤分析方法。

以下藉由具體實施例配合所附的圖式詳加說明，當更容易瞭解本發明之目的、技術內容、特點及其所達成之功效。

以下將詳述本發明之各實施例，並配合圖式作為例示。除了這些詳細說明之外，本發明亦可廣泛地施行於其它的實施例中，任何所述實施例的輕易替代、修改、等效變化都包含在本發明之範圍內，並以申請專利範圍為準。在說明書的描述中，為了使讀者對本發明有較完整的瞭解，提供了許多特定細節；然而，本發明可能在省略部分或全部特定細節的前提下，仍可實施。此外，眾所周知的步驟或元件並未描述於細節中，以避免對本發明形成不必要之限制。圖式中相同或類似之元件將以相同或類似符號來表示。特別注意的是，圖式僅為示意之用，並非代表元件實際之尺寸或數量，有些細節可能未完全繪出，以求圖式之簡潔。

請參照圖1，以說明本發明之一實施例之半導體製程錯誤分析方法。首先，自一資料庫取得多個工件相對應之一製程記錄(S10)。舉例而言，加工之工件可為晶圓、太陽能基板或液晶面板等。於一實施例中，製程記錄至少包含多個已知為良品以及不良品之工件、每一良品或不良品之多個製程參數以及每一良品或不良品之每一製程參數之多筆製程資料。本發明即是分析上述製程記錄，以篩選出可能導致不良品瑕疵之製程參數。舉例而言，製程參數可為一機台名稱、溫度、壓力、流速、時間等參數。如前所述，一半導體產品需經歷500至600道處理步驟，因此，製程記錄包含大量的資料，且大多是以數位化之電子資料儲存於執行資料庫軟體之電子裝置中。換言之，本發明之半導體製程錯誤分析方法是以具有運算功能之電子裝置執行，以存取資料庫內之資料並執行後續之分析，舉例而言，具有運算功能之電子裝置可為一電腦。

接著，計算每一製程參數之一特徵權值(S20)。需注意者，在此所述之每一製程參數是指操作人員懷疑或感興趣之製程參數，不必然是一半導體產品的所有製程參數。可以理解的是，若有必要，亦可針對所有的製程參數計算其特徵權值。

請參照圖2，以說明計算每一製程參數之特徵權值之步驟。首先，將製程記錄分為一第一群組以及一第二群組，其中第一群組由多個良品所組成，第二群組由多個良品以及多個不良品所組成(S21)。接著，篩選出相對應之良品以及不良品之多筆製程資料(S22)。請參照圖3，其顯示一第一工件以及一第二工件之某一製程參數之製程資料，其至少包含時間戳記以及當時之參數值。需注意者，在後續之分析步驟中，第一工件可能為良品或不良品，同理第二工件可能為良品或不良品。為了易於取得第一工件以及第二工件間之相對應製程資料，可先將相對應之製程參數之多筆製程資料平移至相同的基準。舉例而言，可將第一工件以及第二工件進行此製程參數之時間平移至0秒，其它之製程資料亦相對平移，如圖3中之歸零時間一欄所示。接著，取出第一工件以及第二工件間之時間最相近之相對應的多筆製程資料。舉例而言，請參照圖3，第一工件於0秒時之製程資料對應於第二工件於0秒時之製程資料；第一工件於1秒時之製程資料對應於第二工件於1秒時之製程資料。因缺少第二工件於2秒時之製程資料，因此第一工件於2秒時之製程資料對應於第二工件時間最相近之製程資料，即第二工件於2.5秒時之製程資料。因理，因缺少第二工件於3秒時之製程資料，因此第一工件於3秒時之製程資料亦對應於第二工件時間最相近之製程資料，即第二工件於2.5秒時之製程資料。第一工件於4秒時之製程資料對應於第二工件於4秒時之製程資料；第一工件於6秒時之製程資料亦對應於第二工件時間最相近之製程資料，即第二工件於7秒時之製程資料。

需說明的是，在後續計算第一工件以及第二工件間之距離時，二者之製程資料的筆數應為一致。於一實施例中，不同工件間之製程資料之筆數之差值超過一預定值時，則排除相對應之此工件之多筆製程資料，並記錄一錯誤記錄。

請繼續參照圖2，接著，計算第一群組之一第一特徵值(S23)。於一實施例中，計算每一良品與其它良品之多個第一距離，並計算多個第一距離之一第一變異係數(即變異數與平均值之比值)，此即為第一群組之第一特徵值。舉例而言，所有工件共有100件，其中5件為不良品，其餘95件為良品。於步驟S23中，即計算95件良品間之第一距離，以及這些第一距離之第一變異係數。距離之計算方式說明如下：首先，計算相對應之多筆製程資料之差值之平方，以獲得多個中間值。以圖3所示之實施例為例作說明，如前所述，第一工件於0、1、2、3、4、6秒之製程資料分別對應於第二工件於0、1、2.5、2.5、4、7秒之製程資料。第一工件以及第二工件相對應之多筆製程資料之差值之平方分別為1、1、1、9、1以及1。接著，計算多個中間值之總合之平方根，即可獲得第一距離。舉例而言，1、1、1、9、1以及1之總合之平方根為3.741，此即為第一工件以及第二工件間之距離。於步驟S23中，多個良品間可獲得多個第一距離，如此即可計算第一距離之第一變異係數。

接著，計算第二群組之一第二特徵值(S24)。舉例而言，將不良品混入良品中計算彼此間之一第二距離，即計算每一良品以及不良品與其它良品以及不良品之多個第二距離，並計算多個第二距離之一第二變異係數，此即為第二群組之第二特徵值。以前述為例，即計算包含良品以及不良品之100件工件間之第二距離，以及這些第二距離之第二變異係數。第二距離以及第二變異係數的計算方法如前所述，在此不再贅述。最後，依據第一特徵值以及第二特徵值，決定特徵權值(S25)。可以理解的是，製程參數固有之性質可能影響第一特徵值以及第二特徵值。舉例而言，變動較大之製程參數可能因而產生相對較大之特徵值，但不必然代表變動較大之製程參數可能導致產品瑕疵。相反的，較為穩定之製程參數可能獲得相對較小之特徵值，但亦不必然代表較為穩定的製程參數不會導致產品瑕疵。因此，特徵權值需考量製程參數之特性。於一實施例中，第一特徵值以及第二特徵值越小時，特徵權值越小。相反的，第一特徵值以及第二特徵值越大時，特徵權值越大。

舉例而言，請參照表1，第一群組之第一特徵值較小時，代表此製程參數較為穩定，因此，混入不良品之第二群組之第二特徵值需依據第一特徵值分為多個區間，並給予每個區間一個相對應的特徵權值。舉例而言，假設有3個製程參數A、B、C，其第二特徵值皆為5，其中，製程參數A之第一特徵值在0-10的區間，製程參數B之第一特徵值在11-15的區間，而製程參數C之第一特徵值在16-20的區間。依據表1，雖然製程參數A、B、C之第二特徵值皆為5，然而，其對應之特徵權值則分別為10、5以及2。可以理解的是，表1所列之區間僅是示例性，操作人員可依據實際之製程參數特性設定適當之區間。表1 <TABLE border="1" borderColor="#000000" width="_0002"><TBODY><tr><td> 第一特徵值 </td><td> 第二特徵值 </td><td> 特徵權值 </td></tr><tr><td> 0-10 </td><td> 0-2 </td><td> 2 </td></tr><tr><td> 3-4 </td><td> 5 </td></tr><tr><td> 5-6 </td><td> 10 </td></tr><tr><td> … </td><td> … </td></tr><tr><td> 11-15 </td><td> 0-4 </td><td> 2 </td></tr><tr><td> 5-8 </td><td> 5 </td></tr><tr><td> 9-12 </td><td> 10 </td></tr><tr><td> … </td><td> … </td></tr><tr><td> 16-20 </td><td> 0-10 </td><td> 2 </td></tr><tr><td> 11-15 </td><td> 5 </td></tr><tr><td> 16-20 </td><td> 10 </td></tr><tr><td> … </td><td> … </td></tr></TBODY></TABLE>

請再參照圖1，針對多個製程參數之特徵權值排序，以供操作人判斷造成不良品之一可能製程參數(S30)。以前述實施例為例，製程參數A、B、C排序後為10、5以及2，因此，就製程參數A、B、C而言，製程參數A較可能是導致產品瑕疵之製程參數。

前述之實施例中，需計算所有良品(95件)間之第一距離以及包含良品以及不良品之所有工件(100件)間之第二距離，因此計算量龐大。於一實施例中，計算特徵權值時能夠以具有代表性之多個良品作為計算第一距離以及第二距離之基礎。舉例而言，可先從95件良品中篩選出10件代表性良品作為後續計算第一距離以及第二距離之基礎。需注意者，不同的製程參數可能有不同的代表性良品。

請參照圖4，以說明篩選代表性良品之步驟。首先，選取多個良品作為一代表性良品群組(S41)。舉例而言，從前述95件良品中任選出2件良品作為代表性良品群組。接著，計算代表性良品群組中之所有良品間之距離之一第一平均值(S42)。良品間之距離的計算方式如前所述，在此不再贅述。目前代表性良品群組中僅有2件良品，因此第一平均值即為2件良品間之距離。接著，加入代表性良品群組以外之一良品於代表性良品群組(S43)，並計算代表性良品群組中之所有良品間之距離之一第二平均值(S44)。舉例而言，從其餘的93件良品中再選取1件良品加入代表性良品群組，並3件良品間之距離之一第二平均值。將第二平均值與第一平均值比較，若第二平均值小於第一平均值，則將新加入之良品保留在代表性良品群組中。若否，則捨棄代表性良品群組中距離最遠之良品(S45)。假設目前第二平均值小於第一平均值，因此新加入之良品即保留在代表性良品群組，此時，代表性良品群組即有3件良品。重覆步驟S42-S45，重到所有良品皆經過上述之篩選步驟，最後代表性良品群組僅保留相對較為集中且數量較少的代表性良品，如此可大幅降低計算的系統負荷及時間。

本發明一實施例之電腦程式產品，其包含一程式碼。程式碼可供一電子裝置(例如電腦)載入後執行圖1、圖2以及圖3所示之半導體製程錯誤分析方法。本發明之半導體製程錯誤分析方法之詳細說明如前所述，在此不再贅述。

綜合上述，本發明之半導體製程錯誤分析方法以及電腦程式產品是將待分析之工件之製程記錄分成良品的群組以及混合良品以及不良品的群組，計算每一群組內每一元素間之距離以及此距離之變異係數作為特徵值，再依據此二個群組之特徵值決定一特徵權值以篩選出可能導致瑕疵之製程參數。較佳者，本發明之分析方法可藉由篩選代表性良品，以降低計算之系統負荷以及時間。

以上所述之實施例僅是為說明本發明之技術思想及特點，其目的在使熟習此項技藝之人士能夠瞭解本發明之內容並據以實施，當不能以之限定本發明之專利範圍，即大凡依本發明所揭示之精神所作之均等變化或修飾，仍應涵蓋在本發明之專利範圍內。

S10-S30‧‧‧步驟
S21-S25‧‧‧步驟
S41-S45‧‧‧步驟

圖1為一流程圖，顯示本發明一實施例之半導體製程錯誤分析方法。圖2為一流程圖，顯示本發明一實施例之計算特徵權值之步驟。圖3為一示意圖，顯示二個工件之一製程參數之相對應製程資料。圖4為一流程圖，顯示本發明一實施例之篩選代表性良品群組之步驟。

S10-S30‧‧‧步驟

Claims

一種半導體製程錯誤分析方法，其步驟包含：自一資料庫取得多個工件相對應之一製程記錄，其中該多個工件包含多個良品以及多個不良品，且該製程記錄包含多個製程參數；計算每一該製程參數之一特徵權值，其步驟包含：將該製程記錄分為一第一群組以及一第二群組，其中該第一群組由該多個良品所組成，該第二群組由該多個良品以及該多個不良品所組成；針對該多個製程參數其中之一，篩選出相對應之該多個良品以及該多個不良品之多筆製程資料；計算該第一群組之一第一特徵值；計算該第二群組之一第二特徵值；以及依據該第一特徵值以及該第二特徵值，決定該特徵權值；以及針對該多個特徵權值排序，以判斷造成該不良品之一可能製程參數。
如請求項1所述之半導體製程錯誤分析方法，其中該第一特徵值以及該第二特徵值越小時，該特徵權值越小。
如請求項1所述之半導體製程錯誤分析方法，其中該第一特徵值以及該第二特徵值越大時，該特徵權值越大。
如請求項1所述之半導體製程錯誤分析方法，其中該第一特徵值為該第一群組中每一該良品與其它該良品之多個第一距離之一第一變異係數；該第二特徵值為該第二群組中每一該良品以及該不良品與其它該良品以及該不良品之多個第二距離之一第二變異係數。
如請求項4所述之半導體製程錯誤分析方法，其中計算該第一距離以及該第二距離之步驟包含：計算相對應之該多筆製程資料之差值之平方，以獲得多個中間值；以及計算該多個中間值之總合之平方根，以獲得該第一距離或該第二距離。
如請求項1所述之半導體製程錯誤分析方法，其中篩選該多筆製程資料之步驟包含：將對應該製程參數之該多筆製程資料平移至相同的基準；以及依據該良品或該不良品之該多筆製程資料，取出時間最相近之相對應的該多筆製程資料。
如請求項1所述之半導體製程錯誤分析方法，其中不同該工件間之該多筆製程資料之筆數之差值超過一預定值，則排除相對應之該多筆製程資料，並記錄一錯誤記錄。
如請求項1所述之半導體製程錯誤分析方法，其中計算該特徵權值之步驟更包含：從該多個良品中篩選出多個代表性良品，且計算該特徵權值之步驟以該代表性良品為計算基礎。
如請求項8所述之半導體製程錯誤分析方法，其中篩選該代表性良品之步驟包含：選取多個該良品作為一代表性良品群組；計算該代表性良品群組中之所有該良品間之距離之一第一平均值；加入該代表性良品群組以外之一該良品於該代表性良品群組，並計算該代表性良品群組之所有該良品間之距離之一第二平均值；判斷該第二平均值是否小於該第一平均值，若是，保留新加入之該良品於該代表性良品群組；若否，捨棄該代表性良品群組中距離最遠之該良品；以及重覆該計算第一平均值步驟、該計算第二平均值步驟以及該判斷步驟，直到所有該良品被篩選過。
如請求項1所述之半導體製程錯誤分析方法，其中該工件為晶圓、太陽能基板或液晶面板。
一種電腦程式產品，其包含一程式碼，以供一電子裝置載入後執行一半導體製程錯誤分析方法，其中該半導體製程錯誤分析方法之步驟包含：自一資料庫取得多個工件相對應之一製程記錄，其中該多個工件包含多個良品以及多個不良品，且該製程記錄包含多個製程參數；計算每一該製程參數之一特徵權值，其步驟包含：將該製程記錄分為一第一群組以及一第二群組，其中該第一群組由該多個良品所組成，該第二群組由該多個良品以及該多個不良品所組成；針對該多個製程參數其中之一，篩選出相對應之該多個良品以及該多個不良品之多筆製程資料；計算該第一群組之一第一特徵值；計算該第二群組之一第二特徵值；以及依據該第一特徵值以及該第二特徵值，決定該特徵權值；以及針對該多個特徵權值排序，以判斷造成該不良品之一可能製程參數。
如請求項11所述之電腦程式產品，其中該第一特徵值以及該第二特徵值越小時，該特徵權值越小。
如請求項11所述之電腦程式產品，其中該第一特徵值以及該第二特徵值越大時，該特徵權值越大。
如請求項11所述之電腦程式產品，其中該第一特徵值為該第一群組中每一該良品與其它該良品之多個第一距離之一第一變異係數；該第二特徵值為該第二群組中每一該良品以及該不良品與其它該良品以及該不良品之多個第二距離之一第二變異係數。
如請求項14所述之電腦程式產品，其中計算該第一距離以及該第二距離之步驟包含：計算相對應之該多筆製程資料之差值之平方，以獲得多個中間值；以及計算該多個中間值之總合之平方根，以獲得該第一距離或該第二距離。
如請求項11所述之電腦程式產品，其中篩選該多筆製程資料之步驟包含：將對應該製程參數之該多筆製程資料平移至相同的基準；以及依據該良品或該不良品之該多筆製程資料，取出時間最相近之相對應的該多筆製程資料。
如請求項11所述之電腦程式產品，其中不同該工件間之該多筆製程資料之筆數之差值超過一預定值，則排除相對應之該多筆製程資料，並記錄一錯誤記錄。
如請求項11所述之電腦程式產品，其中計算該特徵權值之步驟更包含：從該多個良品中篩選出多個代表性良品，且計算該特徵權值之步驟以該代表性良品為計算基礎。
如請求項18所述之電腦程式產品，其中篩選該代表性良品之步驟包含：選取多個該良品作為一代表性良品群組；計算該代表性良品群組中之所有該良品間之距離之一第一平均值；加入該代表性良品群組以外之一該良品於該代表性良品群組，並計算該代表性良品群組之所有該良品間之距離之一第二平均值；判斷該第二平均值是否小於該第一平均值，若是，保留新加入之該良品於該代表性良品群組；若否，捨棄該代表性良品群組中距離最遠之該良品；以及重覆該計算第一平均值步驟、該計算第二平均值步驟以及該判斷步驟，直到所有該良品被篩選過。
如請求項11所述之電腦程式產品，其中該工件為晶圓、太陽能基板或液晶面板。