TW201310561A

TW201310561A - 晶圓缺陷分析及缺陷原因的尋找方法

Info

Publication number: TW201310561A
Application number: TW100131048A
Authority: TW
Inventors: Jian-Cheng Huang; Si-Ting Qiu
Original assignee: Rexchip Electronics Corp
Priority date: 2011-08-30
Filing date: 2011-08-30
Publication date: 2013-03-01
Also published as: TWI419246B

Abstract

本方法係於晶圓製備流程中設置複數個缺陷檢測站，並定義一發現異常晶圓的檢測站為異常檢測站，而設定該異常檢測站與至少前一檢測站間的所有製程點為肇因區間，進而利用晶圓缺陷資訊就各製程點的共同因素進行問題檢測，藉由逐一選擇共同因素，並針對所選共同因素對檢測晶圓進行工作區分組，每一製程點可計算得到一卡方值以及對應各工作區之破壞率及缺陷統計資訊，本發明藉由各製程點之卡方值，排序各製程點的涉嫌可能性，並佐以對應各工作區破壞率、缺陷統計資訊判斷問題製程點，藉此快速找到降低製程良率的因素以提高生產效率。

Description

晶圓缺陷分析及缺陷原因的尋找方法

本發明係有關一種半導體製程之問題查找方法，尤指一種晶圓缺陷分析及缺陷原因的尋找方法。

隨著積體電路在面積以及效率上的要求日漸增高，半導體製程技術也漸趨於複雜，以目前通常之標準來說，一片晶圓從矽晶圓經過清洗、研磨、薄膜、顯影、蝕刻等製程步驟，需經過數百道製程，而在製造過程中，難免會遇到因製程條件或機台條件差異造成晶圓缺陷（defect）的問題。若無法即時檢知缺陷發生之原因，往往會造成製程良率大幅降低的問題。

為了解決此一問題，如中華民國專利公告第351827號「晶圓製程良率共同因素分析法」中揭露了一種有效推測發生低良率之問題點所在的方法，其利用選取複數個之晶圓批，當中含有發生問題之低良率晶圓批，並針對該複數個晶圓批於各製程點之各共同因素進行分析，每一製程點經計算可得一破壞率，破壞率（possibility）=不良晶圓數（count of bad lots）/晶圓批總數（count of total lots），該破壞率用以表示該製程點發生問題之可能性，從而以該破壞率(經適當加權)對所有製程點按涉案可能性進行排序，而可快速找出製程路徑中的問題點所在，藉以改善良率。但，習知之方法問題點有三，而使其在找尋問題點上的效率及精度受限，其一，習知之方法係針對所有製程點的所有共同因素進行搜尋，範圍過大；其二，造成低良率的因素非單一，可能來自於各製程點之缺陷逐站累積，亦或因電性不良等因素而形成，而使習知之方法不易找出真因；其三，習知之方法僅考慮各製程點之破壞率，易忽略各製程點內因各機台、零件、光罩等共同因素生產比例不同而造成之誤判。試以生產機台作為待分析之共同因素，因生產諸般考量，於各製程點，各機台之生產比率有所不同，當生產高度集中於單一機台時，易造成其破壞率過高而造成誤判。

本發明之主要目的，在於解決習知檢測方式精確度不足而有誤判之可能的問題。

為達上述目的，本發明提供一種晶圓缺陷分析及缺陷原因的尋找方法，其係於晶圓製備流程中設置複數個檢測站，並定義一發現異常晶圓的檢測站為一異常檢測站，該方法包含有以下步驟：

S1：選定所欲分析之一缺陷種類，經電腦篩選或手動編碼而取得所有經過該異常檢測站的複數晶圓的該種類缺陷數量，並定義該異常檢測站與至少前一檢測站之間為一肇因區間，該肇因區間內具有至少一製程點，該製程點具有複數工作區，各該工作區用以對複數該晶圓進行對應製程工作；

S2：依據使用者之經驗與判斷，給定一缺陷數量標準值(SPEC)，針對該複數晶圓之正常與異常進行判定，而標記每一受測晶圓為正常晶圓或異常晶圓；

S3：選擇共同因素，由該肇因區間內之製程點的複數共同因素中選擇其中之一作為一分析因素，該共同因素可為機台、機台種類、機台型號、光罩及爐管位置等。

S4：以該至少一製程點配合該分析因素，針對所有受測晶圓分組，每一製程點計算出一卡方（Chi-square）值以及複數對應各工作區之破壞率（NG Ratio），其中該卡方值代表該分析因素中，該異常晶圓數量與該分析因素之相關性，而該破壞率為該異常晶圓數量除以該異常晶圓數量與該正常晶圓數量之總和；

S5:若該卡方值顯示該異常晶圓數量與該分析因素之相關性小，則回到步驟S4，選擇另一共同因素，若該卡方值顯示該異常晶圓數量與該分析因素之相關性大，則繼續進行肇因分析。

由上述說明可知，本發明可分為三大主要階段：資訊輸入、資訊分析及資訊輸出。於資訊輸入時，首先選擇欲分析之特定缺陷種類，藉由複數晶圓上之缺陷資訊如缺陷大小、缺陷於晶圓上之分布、手動編碼等資訊，設定過濾條件以取得單一缺陷種類之各晶圓缺陷數量，再將此資訊輸入分析系統，並且訂定缺陷數量標準值(SPEC)之數值大小，以將經過該異常檢測站之複數晶圓分類為正常晶圓以及異常晶圓。接著於資訊分析階段時，選擇分析因素如機型、機台、光罩及爐管位置等製程點共同因素，利用卡方值排序該肇因區間內可能涉嫌之製程點，最後輸出涉嫌之製程點之卡方值及複數對應工作區之破壞率，以利進行後續分析。

相較於習知技術，本發明之優點在於：

1.利用卡方值判斷異常晶圓與分析因素之相關性，藉此避免因同一製程點上之各共同因素因生產量不同所造成的誤判。

2.因於晶圓製備流程中設立複數個缺陷檢測站點，故可定義異常檢測站與前一道正常檢測站為肇因區間，相較於習知方法以所有製程點作為分析對象，大幅減少其搜尋範圍。

3.根據單一缺陷種類進行分析，其肇因單一，避免因不同種類的缺陷干擾分析的結果及分析誤判的問題。

有關本發明之詳細說明及技術內容，現就配合圖式說明如下：

請參閱「圖1」及「圖2」所示，本發明係為晶圓缺陷分析及缺陷原因的尋找方法，其係於晶圓製備流程中設置複數個檢測站，並定義一發現異常晶圓的檢測站為一異常檢測站，該方法包含有以下步驟：

S1：過濾篩選特定種類之缺陷資訊，選定所欲分析之一缺陷種類，其係經電腦篩選或手動編碼而取得所有經過該異常檢測站的複數晶圓的該種類缺陷數量，因為不同的製程步驟可能會造成不同的缺陷如破裂、曝光不全、刮痕、坑洞、凸出及污痕等，利用電腦篩選或手動編碼的方式過濾出一種要進行分析的缺陷種類。另外定義該異常檢測站與至少前一檢測站之間為一肇因區間1，而取得所有經過該異常檢測站的複數晶圓上的缺陷數量，於本實施例中，其係以一第一檢測站10以及一第二檢測站20進行舉例，該第二檢測站20假設為該異常檢測站，而該第一檢測站10係為一檢查結果正常的正常檢測站，因此，該第一檢測站10與該第二檢測站20之間係為該肇因區間1，請配合參閱「圖3」所示，該肇因區間1具有至少一製程點，該製程點於本實施例中具有三個，分別為第一製程點31、第二製程點32以及第三製程點33，其中，各製程點31、32、33對應該分析因素而可分組為複數工作區，各該工作區用以對複數該晶圓進行對應製程工作，於本實施例中，該第一製程點31具有四個工作區A1、A2、A3、A4；該第二製程點32具有三個工作區B1、B2、B3；而該第三製程點33具有三個工作區C1、C2、C3。

S2：正常晶圓及異常晶圓之分類，依據一缺陷數量標準值(SPEC)對複數該晶圓進行一正常晶圓以及一異常晶圓之分類，而得到一正常晶圓數量以及一異常晶圓數量。舉例來說，使用者可根據經驗而定義該單一缺陷數量標準值，如訂為50，則代表若一片晶圓中超過50顆該種缺陷，則將之歸類為異常晶圓，若小於50，則歸類為正常晶圓，因此可藉此將經過該異常檢測站的複數晶圓進行分類而得到該正常晶圓數量以及該異常晶圓數量。

S3：選擇共同因素，由該肇因區間1內之製程點的複數共同因素中選擇其中之一作為一分析因素，該共同因素可為機台、機台種類、光罩、爐管位置、洗淨機台單批/雙批進站、機台零件使用週期、製程配方及晶圓等待時間等，而可泛指晶圓於各製程點所共同擁有的生產資訊，以「圖3」為例，其係以機台作為分析因素，由於各製程點個別代表其所對應的工作，如黃光顯影、蝕刻、薄膜等製程，而各製程點中可分別具有複數個機台，亦即為本發明所指之工作區，經過各該製程點之晶圓分別可以並列的方式由各工作區完成對應工作。換句話說，於本實施例中，該工作區A1、A2、A3、A4分別代表一組於該第一製程點31內之工作機台，而該工作區B1、B2、B3分別代表一組於該第二製程點32內之工作機台；該工作區C1、C2、C3分別代表一組於該第三製程點33內之工作機台。

S4：計算各製程點31、32、33之一卡方（Chi-square）值以及對應複數該工作區之破壞率（NG Ratio），以該至少一製程點配合該分析因素，計算出該卡方值以及該破壞率，其中該卡方值代表該分析因素中，該異常晶圓數量與該分析因素之相關性，而該破壞率為各工作區內該異常晶圓數量除以該異常晶圓數量與該正常晶圓數量之總和。而各工作區所工作之晶圓數量不一定相等，其主要原因是因為在某些狀況下，必須選擇讓同一製程點中的其中之一工作區負擔較重的製程工作，而使通過該其中之一工作區的晶圓數量大於其餘工作區。亦因為各工作區分別為獨立的機台進行運作，因而各具有其對應的破壞率。另外，各該工作區具有一異常晶圓數量實際值Nx，以及一異常晶圓數量預期值Ex，該卡方值係為取得各工作區之（Nx-Ex）²/Ex的總和後，透過查表取得，且若（Nx-Ex）²/Ex的總合數值越大，則查表所得之卡方值越趨近於0，表示相關性大，相反的，若（Nx-Ex）²/Ex的數值越小，則查表所得之卡方值越趨近於1，表示相關性小，而卡方值不大於1，其中，該異常晶圓預期值Ex是在假設該異常晶圓與該分析因素無關為前題下，根據各該工作區進行製程工作的晶圓數量而設定，也就是說，工作區的晶圓數量如果多，當然其異常晶圓的預設值就會大，藉此，便可以得知，各製程點中之異常晶圓數量與預期的異常晶圓數量是否具有顯著的差異性，以排除只看異常晶圓數量所造成的盲點。

S5：利用卡方值佐以破壞率進行分析判斷，另可配合缺陷統計資訊或缺陷趨勢圖等相關資訊配合以進行分析判斷，若該卡方值顯示該異常晶圓數量與該分析因素之相關性小，則回到步驟S4，選擇另一共同因素，亦即，該卡方值趨近於1，代表所選擇的分析因素並非主要造成缺陷的因素，因而需要重新選擇共同因素以作為分析因素；若該卡方值顯示該異常晶圓數量與該分析因素之相關性大，亦即，該卡方值趨近於0，表示所選擇的分析因素為肇因區間1內的主要肇因，則繼續進行肇因分析，而若該卡方值趨近於0的製程點只有一個，便可以根據該製程點中之工作區的破壞率高低而判斷肇因的來源。

若具有複數個製程點之卡方值顯示該異常晶圓數量與該分析因素之相關性大，則進行如下步驟：

S6：進行複數個製程點之交叉比對，蓋因於前後兩製程點中，有可能前一製程點肇因工作區於工作過程中產生特定缺陷，而通過該肇因工作區之晶圓又因巧合或生產配置等因素而多經過後一製程點之某一工作區，因而在卡方值及破壞率的結果上，並無法判別是由那個製程點所造成的，因此，如果卡方值趨近於0之製程點具有複數個，則必須經過交叉比對，以排除潛在因素的影響。而於「圖3」中顯示卡方值趨近於0的製程點有第一製程點31以及第二製程點32，因此，需要進行該第一製程點31以及該第二製程點32的交叉比對，請配合參閱「圖4」及「圖5」所示，「圖4」顯示單一製程點各工作區所對應異常晶圓之平均值、中間值、最大值、破壞率以及工作晶圓數量，而兩製程點進行搭配作交叉分析時，如「圖5」所示，很清楚的可以分析得知，破壞率較高的工作區皆包含B1以及B2，因而可將工作區B1以及B2判斷為異常肇因。

利用卡方值進行缺陷分析及判斷可提高準確率，其理由在於：卡方值係由一假設出發，首先假設受測晶圓之異常與待檢驗之共同因素無關，則受測異常晶圓的分配應符合共同因素之生產比例，亦即各分組(按待分析因素分類受測晶圓)中所含有異常晶圓數量應正比各分組中的晶圓數量，若實際異常晶圓數量符合各分組之生產比例，可計算得到一接近於一之卡方值，顯示異常晶圓與待分析因素無關，反之即為有關，故可排除習知分析方式，僅考慮破壞率而忽略生產比例所造成之誤判。

綜上所述，相較於習知技術，本發明之優點在於：

1.利用卡方值判斷異常晶圓與分析因素之相關性，藉此避免因同一製程點上之各共同因素(如機台、機型、光罩等)因生產量不同所造成的誤判。

3.根據單一缺陷種類進行分析，避免因不同種類的缺陷干擾分析的結果及分析誤判的問題。

4.利用交叉比對的方式避免當有複數卡方值趨近於0的製程點的狀況時，因潛在因素造成的誤判。

因此本發明極具進步性及符合申請發明專利之要件，爰依法提出申請，祈鈞局早日賜准專利，實感德便。

以上已將本發明做一詳細說明，惟以上所述者，僅爲本發明之一較佳實施例而已，當不能限定本發明實施之範圍。即凡依本發明申請範圍所作之均等變化與修飾等，皆應仍屬本發明之專利涵蓋範圍內。

S1~S6．．．步驟

1．．．肇因區間

10．．．第一檢測站

20．．．第二檢測站

31．．．第一製程點

32．．．第二製程點

33．．．第三製程點

圖1，為本發明一較佳實施例之製程路徑示意圖。

圖2，為本發明一較佳實施例之步驟流程示意圖。

圖3，為本發明一較佳實施例之卡方值分析示意圖。

圖4，為本發明一較佳實施例之單一製程點分析示意圖。

圖5，為本發明一較佳實施例之交叉比對分析示意圖。

S1~S6．．．步驟

Claims

一種晶圓缺陷分析及缺陷原因的尋找方法，其係於晶圓製備流程中設置複數個檢測站，並定義一發現異常晶圓的檢測站為一異常檢測站，該方法包含有以下步驟：
S1：選定所欲分析之一缺陷種類，並定義該異常檢測站與至少前一檢測站之間為一肇因區間，而取得經過該異常檢測站複數晶圓上的缺陷數量，該肇因區間具有至少一製程點，該製程點具有複數工作區，各該工作區用以對複數該晶圓進行對應製程工作；
S2：依據一缺陷數量標準值對複數該晶圓進行一正常晶圓以及一異常晶圓之分類，而得到一正常晶圓數量以及一異常晶圓數量；
S3：選擇共同因素，由該肇因區間內之製程點的複數共同因素中選擇其中之一作為一分析因素；
S4：以該至少一製程點配合該分析因素，計算出一卡方值以及複數對應各工作區的破壞率，其中該卡方值代表該分析因素中，該異常晶圓數量與該分析因素之相關性，而該破壞率為該異常晶圓數量除以該異常晶圓數量與該正常晶圓數量之總和；
S5:若該卡方值顯示該異常晶圓數量與該分析因素之相關性小，則回到步驟S4，選擇另一共同因素，若該卡方值顯示該異常晶圓數量與該分析因素之相關性大，則繼續進行肇因分析。
如申請專利範圍第1項所述之晶圓缺陷分析及缺陷原因的尋找方法，其中該肇因區間係為該異常檢測站與前一正常檢測站之區間。
如申請專利範圍第1項所述之晶圓缺陷分析及缺陷原因的尋找方法，其中於步驟S3中，該共同因素係為選自於由機台、機台種類、光罩及爐管位置所組成之群組。
如申請專利範圍第1項所述之晶圓缺陷分析及缺陷原因的尋找方法，其中若具有複數個製程點之卡方值顯示該異常晶圓數量與該分析因素之相關性大，則進行一步驟S6：進行複數個製程點之交叉比對，將包含較高破壞率的工作區判斷為異常肇因。
如申請專利範圍第1項所述之晶圓缺陷分析及缺陷原因的尋找方法，其中於步驟S4中，各該工作區具有一異常晶圓實際值Nx，以及一異常晶圓預期值Ex，該卡方值係為取得各工作區之（Nx-Ex）²/Ex的總和後，透過查表取得，且若（Nx-Ex）²/Ex的數值越大，則查表所得之卡方值越趨近於0，表示相關性大，相反的，若（Nx-Ex）²/Ex的數值越小，則查表所得之卡方值越趨近於1，表示相關性小，而卡方值不大於1。
如申請專利範圍第5項所述之晶圓缺陷分析及缺陷原因的尋找方法，其中該異常晶圓預期值是根據各該工作區進行製程工作的晶圓數量而設定。
如申請專利範圍第1項所述之晶圓缺陷分析及缺陷原因的尋找方法，其中於步驟S5中，更配合缺陷統計資訊或缺陷趨勢圖進行判斷。