专利名称：一种晶圆缺陷分析方法
技术领域：
本发明涉及半导体制造领域，特别涉及一种能准确分析缺陷的晶圆缺陷分析方法。
背景技术：
良率是半导体生产厂家衡量产品的一个十分重要的指标，一般一片晶圆要经过几 百道精密处理工艺，只要其中任一工艺有问题都会影响到后续工艺处理和产品品质，甚至 导致大量的产品报废。而晶圆产品的良率涉及的获利与亏损极大，往往数十亿甚至数百亿。 因此，良率攸关一个生产厂家的前途，正确分析良率损失也成为改进生产技术的课题之一。图1所示为现有的晶圆上的晶粒的缺陷检测结果。如图1所示，晶圆上的晶粒分 为4种工作非缺陷晶粒13、工作缺陷晶粒12、非工作缺陷晶粒11、非工作非缺陷晶粒14。图2为根据检测结果所列的分析表格。如图2所示，工作非缺陷晶圆数GCD、工作 缺陷晶粒数GDD、非工作缺陷晶粒数BDD、非工作非缺陷晶粒数BCD。工作晶粒用G表示，不 工作晶粒用B表示，缺陷晶粒用D表示，非缺陷晶粒用C表示。现有的一种缺陷诱致失效率(KR，Killer ratio)的计算公式为KR = BDD/ (BDD+GDD)(1)显然，公式只考虑了非工作缺陷晶粒数引起的缺陷诱致失效率，没有考虑其他因 素引起的缺陷诱致失效率，是很不科学的。计算缺陷诱致失效率的另一公式为KR = 1-(GDD/(GDD+BDD))/(GCD/(GCD+BCD)) (2)实验表明，公式(2)的准确性要高于公式(1)。但是，公式(2)的计算是以每个晶粒内出现各种缺陷的缺陷诱致失效率是相同的 为前提进行计算的。但实际上，不同晶粒可能包含不同的缺陷数目，公式(2)没有考虑该因 素所造成的KR的差异性，而默认为包含一个缺陷的晶粒、两个缺陷的晶粒、三个缺陷的晶
粒......对KR的影响是一样的.而实际情况是两个缺陷的晶粒对KR的影响要大于一个
缺陷的晶粒的对KR的影响(尤其对于存储产品)。因此，利用公式(2)计算的缺陷诱致失 效率的准确性也是比较低的。公式⑵只适用于晶粒包含缺陷的数目小于或等于1的特殊 情况。现有的良率损失YieldLoss计算公式为YieldLoss = (KR*(GDD+BDD))/(GCD+BCD+GDD+BDD)(2-2)其中，Total为单个晶圆上的总晶粒数。因此，需要提出一种可行的晶圆缺陷分析方法，来分析晶圆的缺陷诱致失效率和 良率损失。
发明内容
为解决现有技术中缺陷诱致失效率和良率损失的计算不准确问题，本发明提供了
3一种准确率较高的晶圆缺陷分析方法。本发明提供一种晶圆缺陷分析方法，包括完成特定工艺步骤后，检测所述晶圆，将其上的晶粒分为缺陷晶粒(一缺陷晶粒， 二缺陷晶粒...)和非缺陷晶粒，并按每个所述缺陷晶粒内的缺陷数对所述缺陷晶粒进行 分类，得到第一检测结果；所有工艺全部完成后，对上述晶圆进行性能测试，将其上的晶粒分为工作晶粒和 非工作晶粒，得到第二检测结果；根据所述第一检测结果和所述第二检测结果，对所述晶圆的晶粒进行再次分类；计算每种缺陷引起的缺陷诱致失效率和良率损失。优选的，检测所述晶圆是通过对晶圆进行缺陷扫描实现的。优选的，所述计算缺陷诱致失效率的公式为KRi = 1-(GDDi/(GDDi+BDDi))/(GCD/(GCD+BCD))。优选的，计算所述良率损失公式为YieldLoss=EKRi*(GDDi<-BDD$]/[GCDfBCDfE(GDDifBDDi)]。
i=l / i=l优选的，所述晶圆为逻辑产品。优选的，晶粒内出现缺陷的分类小于等于5类。优选的，所述晶圆为存储产品。优选的，所述晶圆缺陷分析方法是针对浅沟道隔离、栅极、通孔或金属线互连工艺 中的一种或几种进行的。优选的，所述第一检测结果是通过缺陷位置文件来显示的。利用本发明的晶圆缺陷分析方法可以计算晶圆的缺陷诱致失效率和良率损失，且 得到的结果比现有技术要精确得多，尤其适用于存储产品的良率损失计算。因此本发明的 晶圆缺陷分析方法，有助于良率损失的预测和分析，从而找出关键的工艺，进而进行相关工 艺的优化和改善，以达到缺陷降低和良率持续提升的目的。
图1所示为现有的晶圆上的晶粒的缺陷检测结果。图2为根据检测结果所列的分析表格。图3为对单个晶圆进行测试时得到的所述晶圆上出现缺陷的模拟图。图4为对晶圆进行测试时得到的所述晶圆上出现非工作晶粒的模拟图。图5为对所述晶圆的晶粒进行再次分类得到的模拟图。图6所示为根据图5得到的单个晶圆上的晶粒的再次分类表。图7为发明人根据实际测量得到的一组数据。图8为发明人根据实际测量得到的另一组数据。图9为逻辑产品和存储产品随每个晶圆缺陷数变化的变化图。
具体实施例方式为了使本发明的内容更加清楚、易懂，以下结合附图对本发明的内容作详细说明。
本发明的晶圆缺陷分析方法包括步骤1，完成特定工艺步骤后，检测所述晶圆，将其上的晶粒分为缺陷晶粒和非 缺陷晶粒，并按每个所述缺陷晶粒内的缺陷数对所述缺陷晶粒进行分类，得到第一检测结 果；具体的，在工艺过程中对晶圆进行缺陷扫描，从而得到缺陷图以及其原始文件 (KLARF文件)，再对缺陷文件进行重新计算，从而得到每个晶粒所包含的缺陷数目，进而将 晶粒分为零缺陷晶粒(即非缺陷晶粒)和缺陷晶粒，所述缺陷晶粒又分为一缺陷晶粒，二缺 陷晶粒......图3为对单个晶圆进行测试时得到的所述晶圆上出现缺陷的模拟图。具体的，如 图3所示，晶圆10包括多个晶粒100，所述晶粒100呈阵列排列，当对所述晶圆10进行工艺 制作之后，所述晶圆10上的某些晶粒100就会出现不同种类的缺陷101，某些晶粒100上是
没有缺陷，某些晶粒100上的缺陷101的数量是1个、2个、3个......不等。技术人员通
过测试，可以得到每种缺陷的晶粒的数和如图3所示的缺陷模拟图，即第一检测结果；优选的，按每个所述缺陷晶粒内的缺陷数对所述缺陷晶粒进行分类，是在所述 KLARF文件中增加一列，来显示每个晶粒中出现相同数量的缺陷的晶粒数总数，并按每个晶 粒出现的缺陷的数量来对所述缺陷分类。亦即增加这样一列每个晶粒内出现一个缺陷的 晶粒数量，每个晶粒内出现两个缺陷的晶粒的数量，每个晶粒内出现三个缺陷的晶粒的数
量.......利用所述KLARF文件来显示缺陷分类简单易行，不增加工作人员的工作量，也不
增加缺陷分析的成本。步骤2，所有工艺全部完成后，对上述晶圆进行性能测试，将其上的晶粒分为工作 晶粒和非工作晶粒，得到第二检测结果；图4为对晶圆进行性能测试时得到的所述晶圆上出现非工作晶粒的模拟图。具体 的，如图4所示，对所述晶圆10上的晶粒100进行测试，找出非工作晶粒102和工作晶粒， 即得到第二检测结果；步骤3，根据所述第一检测结果和所述第二检测结果，对所述晶圆的晶粒进行再次 分类；具体的，将步骤1的模拟3与步骤2的模拟4叠起来，从而得到所述的特 定工艺步骤晶粒缺陷的再次分类；图5为对所述晶圆的晶粒进行再次分类得到的模拟图； 如图5所示，某些晶粒晶粒既可以被称为非工作晶粒102又可以被称为缺陷晶粒101 ；某 些晶粒既可以被称为工作晶粒又可以被称为非缺陷晶粒；某些晶粒既可以被称为非工作晶 粒又可以被称为非缺陷晶粒；某些晶粒既可以被称为工作晶粒又可以被称为缺陷晶粒；图 6所示为根据图5得到的单个晶圆上的晶粒的再次分类表。具体的，如图6所示，将非缺陷 晶粒分为了工作非缺陷晶粒数、非工作非缺陷晶粒数；将缺陷晶粒按晶粒上出现的缺陷的 数量进行了分类，即单个晶粒上出现缺陷数为1的工作缺陷晶粒数为GDD1、非工作缺陷晶 粒数为BDD1，单个晶粒上出现缺陷数为2的工作缺陷晶粒数为GDD2、非工作缺陷晶粒数为 BDD2，以此类推，直到分到单个晶粒上出现缺陷数为η的工作缺陷晶粒数为GDDn、非工作缺 陷晶粒数为BDDn，将所有的缺陷种类都分完为止；一般而言，某一个KR对应一类缺陷，因此 某一次分析也只要针对该类型进行；工作晶粒用G表示，不工作晶粒用B表示，缺陷晶粒用 D表示，非缺陷晶粒用C表示；
步骤4，计算每种缺陷引起的缺陷诱致失效率和良率损失；每种缺陷引起的缺陷诱致失效率KRi为KRi = 1-(GDDi/(GDDi+BDDi))/(GCD/ (GCD+BCD)) (3)其中，i表示单个晶粒上出现i个缺陷，i取1、2、3......η。良率损失 YieldLoss 为YieldLoss= [tKRi*(GDDtfBDD$]/[GCDf BCEM-I(GDDifBDDi)] (4)
i=lIi=l其中，Total为单个晶圆上的总晶粒数，i取1、2、3......η。图7为发明人根据实际测量得到的一组数据。其中，i列对应公式(3)和(4)中的i，KRi列对应公式(3)和(4)中的KRi， BDDi+GDDi列对应每种缺陷出现的数量，BDDi+B⑶i列对应非工作晶粒数，本实验中，η为 14，Novel为用本发明的方法计算得到的数据，Traditional为用现有技术的公式(1)、 (2-2)得到的计算数据，本实验中晶圆上的晶粒总数Total为4490 ；用本发明方法得到的良 率损失为14. 56%，用现有技术的公式(1)、(2-2)得到的良率损失为10.69% ；实际的良率 损失为16. 14%。可知，本发明的准确率约为90%，现有技术的准确率约为66% ；利用本发 明的计算方法得到的结果比现有技术要精确的多。图8为发明人根据实际测量得到的另一组数据。i列对应公式⑶和⑷中的i， KRi列对应公式(3)和(4)中的KRi，BDDi+GDDi列对应每种缺陷出现的数量，BDDi+BOTi 列对应非工作晶粒数，本实验中，η为50，Novel为用本发明的方法计算得到的数据， Traditional为用现有技术的公式(1)、(2-2)得到的计算数据，本实验中晶圆上的晶粒总 数Total为4490 ；图8所示，用本发明方法得到的良率损失为5. 21%，用现有技术的公式 (1)、(2-2)得到的良率损失为3.30% ；实际的良率损失为5. 67%。可知，本发明的准确率 约为92%，现有技术的准确率约为58% ；利用本发明的计算方法得到的结果比现有技术要 精确的多。优选的，本发明的晶圆缺陷分析方法是针对浅沟道隔离(STI)、栅极(GATE)、通 孔(CT)以及金属线互连等工艺过程中晶圆缺陷的分析。因为，在浅沟道隔离(STI)、栅极 (GATE)、通孔(CT)以及金属线互连等工艺过程中，特征尺寸小，工艺复杂，缺陷的影响非常 大，因此这些工艺所产生的缺陷的KR的精确性尤其重要。优选的，本发明的晶圆缺陷分析方法中的所述晶圆为存储产品(memory product)，因为存储产品可以被修复，且受缺陷诱致失效率的影响比较大。可选的，本发明的晶圆缺陷分析方法中的所述晶圆也可以为逻辑产品(logic product)，只是逻辑产品不能被修复，且受缺陷诱致失效率的影响比较小。图9为逻辑产品和存储产品随每个晶圆缺陷数变化的变化图。如图6所示，横轴 代表每个晶粒的缺陷数(图9中的Defect/Die)，纵轴代表产品缺陷诱致失效率。由图9可 知，存储产品的缺陷诱致失效率随每个晶粒中缺陷数的增加而急剧增加；而逻辑产品随每 个晶粒中缺陷数的增加变化比较缓慢，当每个晶粒中的缺陷数超过5个后，缺陷诱致失效 率基本没有变化。对于逻辑产品，对缺陷的分类小于等于5类，即按晶粒内出现的缺陷数为1至5对 缺陷分类。因为当晶粒内出现的缺陷数大于5时，缺陷诱致失效率基本没有变化。
综上所述，利用本发明的晶圆缺陷分析方法可以计算晶圆的缺陷诱致失效率和良 率损失，且得到的结果比现有技术要精确得多，尤其适用于存储产品的良率损失计算。因此 本发明的晶圆缺陷分析方法，有助于率损失的预测和分析，从而找出关键的工艺，进而进行 相关工艺的优化和改善，以达到缺陷降低和良率持续提升的目的。本发明的实施例并不对本发明要保护的范围构成限制，只是本发明的较佳实施例 而已，各实施例的技术特征之间可以任意组合，本领域的技术人员可以在本申请文件的基 础上得到启示和推理，以进行简单的变换。
权利要求
1.一种晶圆缺陷分析方法，包括完成特定工艺步骤后，检测所述晶圆，将其上的晶粒分为缺陷晶粒和非缺陷晶粒，并按 每个所述缺陷晶粒内的缺陷数对所述缺陷晶粒进行分类，得到第一检测结果；所有工艺全部完成后，对上述晶圆进行性能测试，将其上的晶粒分为工作晶粒和非工 作晶粒，得到第二检测结果；根据所述第一检测结果和所述第二检测结果，对所述晶圆的晶粒进行再次分类； 计算每种缺陷引起的缺陷诱致失效率和良率损失。
2.根据权利要求1所述的晶圆缺陷分析方法，其特征在于，检测所述晶圆是通过对晶 圆进行缺陷扫描实现的。
3.根据权利要求2所述的晶圆缺陷分析方法，其特征在于，所述计算缺陷诱致失效率 的公式为 KRi = l-(GDDi/(GDDi+BDDi))/(GCD/(GCD+BCD))。
4.根据权利要求3所述的晶圆缺陷分析方法，其特征在于，计算所述良率损失公式为YieldLoss = [Σ KRi * (GDDi + BDDi)] / [GCD + BCD + Σ (GDDi + BDDi)]
5.根据权利要求1至4中任一项所述的晶圆缺陷分析方法，其特征在于，所述晶圆为逻辑广品。
6.根据权利要求5所述的晶圆缺陷分析方法，其特征在于，晶粒内出现缺陷的分类小 于等于5类。
7.根据权利要求1至4中任一项所述的晶圆缺陷分析方法，其特征在于，所述晶圆为存储产品。
8.根据权利要求7所述的晶圆缺陷分析方法，其特征在于，所述晶圆缺陷分析方法是 针对浅沟道隔离、栅极、通孔或金属线互连工艺中的一种或几种进行的。
9.根据权利要求1至4中任一项所述的晶圆缺陷分析方法，其特征在于，所述晶圆缺陷 分析方法是针对浅沟道隔离、栅极、通孔或金属线互连工艺中的一种或几种进行的。
10.根据权利要求1至4中任一项所述的晶圆缺陷分析方法，所述第一检测结果是通过 缺陷位置文件来显示的。
全文摘要
本发明涉及一种晶圆缺陷分析方法，包括完成特定工艺步骤后，检测所述晶圆，将其上的晶粒分为缺陷晶粒和非缺陷晶粒，并按每个所述缺陷晶粒内的缺陷数对所述缺陷晶粒进行分类，得到第一检测结果；所有工艺全部完成后，对上述晶圆进行性能测试，将其上的晶粒分为工作晶粒和非工作晶粒，得到第二检测结果；根据所述第一检测结果和所述第二检测结果，对所述晶圆的晶粒进行再次分类；计算每种缺陷引起的缺陷诱致失效率和良率损失。本发明的晶圆缺陷分析方法准确可行，解决了现有技术缺陷分析不准确的缺陷。
文档编号H01L21/66GK101996855SQ20091019443
公开日2011年3月30日 申请日期2009年8月21日 优先权日2009年8月21日
发明者吴浩 申请人:中芯国际集成电路制造(上海)有限公司