制程系统与制程方法与流程

本揭示内容是关于一种制程技术，特别是关于一种具虚拟量测的制程系统与制程方法。

背景技术：

于半导体制程中，集成电路(integratedcircuit，ic)是以连续的半导体层所制造而成，半导体制造过程是由各种处理机台与量测机台所进行。为了避免实际量测的繁琐过程，半导体制程可应用虚拟量测以预测制程后的晶圆特性。然而，由于各机台与机台内的感测器存在误差，因此预测的准确度难以大幅提升。

技术实现要素：

一种制程系统包含机台、储存装置、第一数据库与处理器。机台用以在第一晶圆上实施半导体制程。储存装置用以储存多个计算机程序码。第一数据库用以从机台收集程序数据。处理器用以执行储存装置中的计算机程序码以进行下列步骤。校正程序数据以产生校正程序数据。筛选校正程序数据以产生过滤程序数据。根据过滤程序数据产生预测参数以供配方管理系统调整机台对第二晶圆实施半导体制程的至少一配方参数。

一种制程方法包含以下步骤。透过时脉讯号同步化第一数据库与配方管理系统。从对第一晶圆实施半导体制程的机台收集程序数据，并储存程序数据于第一数据库内。校正程序数据以产生校正程序数据。根据校正程序数据产生预测参数以供配方管理系统调整机台对第二晶圆实施半导体制程的至少一配方参数。

一种制程方法，包含以下步骤。从对第一晶圆实施半导体制程的机台收集程序数据，并储存于第一数据库内。校正程序数据以产生校正程序数据。透过计算校正程序数据的标准差来筛选校正程序数据以产生过滤程序数据。根据过滤程序数据产生预测参数以供配方管理系统调整机台对第二晶圆实施半导体制程的至少一配方参数。

附图说明

为让本揭示内容的上述和其他目的、特征、优点与实施例能更明显易懂，所附附图的说明如下：

图1为根据本揭示内容一实施例的制程系统的示意图；

图2为根据本揭示内容的一些实施例所绘示的应用于图1的制程系统的制程方法的流程图；

图3为根据本揭示内容一实施例的制程系统的示意图；

图4为根据本揭示内容的一些实施例所绘示的应用于图3的制程系统的制程方法的流程图；以及

图5为根据本揭示内容的一些实施例所绘示的应用于第1、3图的制程系统的训练方法的流程图。

具体实施方式

为了使本揭示内容的叙述更加详尽与完备，可参照附图及以下所述的各种实施例。但所提供的实施例并非用以限制本揭示内容所涵盖的范围；步骤的描述亦非用以限制其执行的顺序，任何由重新组合，所产生具有均等功效的装置，皆为本揭示内容所涵盖的范围。

于实施方式与申请专利范围中，除非内文中对于冠词有所特别限定，否则“一”与“该”可泛指单一个或多个。将进一步理解的是，本文中所使用的“包含”、“包括”、“具有”及相似词汇，指明其所记载的特征、区域、整数、步骤、操作、元件与/或组件，但不排除其所述或额外的其一个或多个其它特征、区域、整数、步骤、操作、元件、组件，与/或其中的群组。

关于本文中所使用的“耦接”或“连接”，均可指二或多个元件相互直接作实体或电性接触，或是相互间接作实体或电性接触，而“耦接”或“连接”还可指二或多个元件相互操作或动作。相对的，当一元件被称为“直接连接”或“直接耦接”至另一元件时，其中是没有额外元件存在。

关于本文中所使用的“约”、“大约”或“大致约”一般通常是指数值的误差或范围约百分之二十以内，较好地是约百分之十以内，而更佳地则是约百分之五以内。文中若无明确说明，其所提及的数值皆视作为近似值，即如“约”、“大约”或“大致约”所表示的误差或范围。

请参考图1。图1是说明本揭示内容一实施例的制程系统100的示意图。制程系统100包含机台110、数据库120、处理器130与储存装置。于一些实施例中，数据库120为错误侦测控制(faultdetectioncontrol，fdc)数据库。于一些实施例中，储存装置整合于处理器130内。于一些实施例中，储存装置与处理器130分别设置。机台110用以在晶圆上实施半导体制程，储存装置用以储存多个计算机程序码。

于一些实施例中，处理器130的实施是透过例如中央处理单元、多处理器、分散式处理系统、特殊功能集成电路、合适处理单元或其他具有同等功能的元件等。上述实施处理器130的不同电路或单元是供例示目的，实施处理器130的各种电路或单元均在本揭示内容的预期范围内。

于一些实施例中，上述储存装置为计算机可读取储存装置。计算机可读取储存装置的实施是透过例如电子、磁性、光学、电磁、红外线及/或半导体设备(或装置)。例如计算机可读取储存装置包含半导体记忆体、磁带、可移动计算机磁盘、随机存取记忆体、只读记忆体、硬磁盘、光磁盘或其他有同等功能的元件等。在一些实施例中，计算机可读取储存装置包含光磁盘。于一些实施例中，计算机可读取储存装置包含例如只读记忆光盘、可读写记忆光盘、数字影盘或其他类似物等。

于一些实施例中，计算机可读取储存装置储存指令，以与外部机器及/或装置对接。例示而言，计算机可读取储存装置编码有指令，用以与包含感测器的机台110对接。因此，处理器130可以与机台110进行通信，从而执行例如图2的制程方法200。

于一些实施例中，半导体制程包含数个在晶圆上的处理操作，以产生期望的半导体集成电路。例示而言，半导体制程包含一系列的光微影以及化学处理操作。

上述的处理操作包含例如沉积、移除、图案化以及电气特性的修改(例如掺杂)。在一些实施例中，沉积是生长、涂覆及/或将材料移送到晶圆上的一种过程。沉积处理或技术包含例如物理气相沉积(physicalvapordeposition，pvd)、化学气相沉积(chemicalvapordeposition，cvd)、电化学沉积(electrochemicaldeposition，ecd)、分子束磊晶(molecularbeamepitaxy，mbe)、原子层沉积(atomiclayerdeposition，ald)或类似方式。在一些实施例中，移除处理是由晶圆上移除元件，并包含例如蚀刻处理，举例而言，移除处理包含化学机械平坦化(chemicalmechanicalplanarization，cmp)，用以平坦化半导体结构的表面。图案化处理，亦称为光微影，在一些实施例中，图案化处理将沉积材料成型。举例来说，图案化处理包含使用光阻剂材料选择性地遮罩部分的半导体结构，将半导体结构暴露于特定的光波长中，接着以显影液冲刷未曝光的区域。于一些实施例中，电气特性的改变包含以扩散及/或离子植入方法掺杂在选定的区域。作为例示，掺杂处理后会实施退火处理，包含例如熔炉退火或是快速热退火(rapidthermalanneal，rta)，以活化所植入的掺杂剂。

如上述内容，机台110于晶圆上执行一或多个半导体制造流程。于一些实施例中，不同的半导体制造流程包含例如蚀刻、布植、沉积以及退火，且这些流程分别由不同的机台所执行。举例来说，这些机台包含步进式光微影、蚀刻机台、沉积机台、抛光机台、快速热退火机台、离子布值机台以及类似物等。各机台用以根据相关的制程配方在晶圆上执行半导体制造流程。作为例示，一个机台是用以在一晶圆上放置薄膜，而另一机台是用以由晶圆上蚀刻掉一分层。

请同时参考图1与图2。图2为根据本揭示内容的一些实施例所绘示的应用于图1的制程系统100的制程方法200的流程图。制程方法200具有多个步骤s201～s205。然熟悉本案的技艺者应了解到，在上述实施例中所提及的步骤，除特别叙明其顺序者外，均可依实际需要调整其前后顺序，甚至可同时或部分同时执行。

操作上，于步骤s201，数据库120从机台110收集程序数据。举例而言，程序数据为温度、压力、流率(flowrate)、时间等参数的其中一者或其组合，本揭示内容不以此为限。

于步骤s202，处理器130用以执行储存装置中的计算机程序码来校正数据库120内的程序数据以产生校正程序数据。详细而言，机台110包含感测器以量测半导体制程的各项参数以产生上述程序数据，并且感测器的量测值位于可容许的误差范围内。处理器130根据上述已知误差来对程序数据进行校正，以产生准确度较高的校正程序数据。如此一来，校正程序数据准确地表示半导体制程的各项参数。

接着，于步骤s203，处理器130用以执行储存装置中的计算机程序码来筛选校正程序数据以产生过滤程序数据。于一些实施例中，处理器130透过计算校正程序数据的标准差来筛选校正程序数据以产生过滤程序数据。详细而言，处理器130滤除超过6个标准差的校正程序数据来产生过滤程序数据。如此一来，处理器130可滤除差异较大的校正程序数据，而留下差异较小的校正程序数据(亦即过滤程序数据)。

于步骤s204，处理器130用以执行储存装置中的计算机程序码来根据过滤程序数据产生预测参数。于一些实施例中，处理器130根据过滤程序数据并透过储存装置内的预测曲线产生预测参数。为方便说明，以沉积制程为例，预测曲线表示沉积薄膜厚度与程序数据(例如温度、压力、流率、时间)之间的关系。因此，处理器130将上述过滤程序数据代入预测曲线则可得出预测的沉积薄膜厚度(亦即上述预测参数)。

于步骤s205，配方管理系统140(recipemanagementsystem，rms)调整机台110对另一晶圆实施半导体制程的至少一配方参数。于一些实施例中，配方管理系统140与自动程序控制(automaticprocesscontrol，apc)装置整合为单一装置。举例而言，预测的沉积薄膜厚度(亦即上述预测参数)大于目标厚度的情况中，配方管理系统140调整半导体制程的至少一配方参数(例如温度、压力、流率、时间其中一者或其组合)以使另一晶圆上的沉积薄膜厚度更接近目标厚度。详细而言，配方管理系统140将调整后的半导体制程的配方参数传送至即时派工(realtimedispatch，rtd)系统150以进一步将调整后半导体制程的配方参数提供至机台110供实施于另一晶圆上。于其他一些实施例中，即时派工系统150连接设备管理系统160，因此设备管理系统160可根据预测参数调整机台110的参数设定。

如此一来，透过校准与筛选步骤，制程系统100适当地调整配方参数且/或机台110的参数设定以达成目标的制程结果。

请参考图3。图3为根据本揭示内容一实施例的制程系统300的示意图。制程系统300架构与制程系统100大致上相同，但还包含数据库321和数据库322。于一些实施例中，数据库321、322为统计处理控制(statisticalprocesscontrol，spc)数据库。

请同时参考图3与图4。图4为根据本揭示内容的一些实施例所绘示的应用于图3的制程系统300的制程方法400的流程图。制程方法400具有多个步骤s401～s405。然熟悉本案的技艺者应了解到，在上述实施例中所提及的步骤，除特别叙明其顺序者外，均可依实际需要调整其前后顺序，甚至可同时或部分同时执行。

操作上，于步骤s401，数据库321从机台110收集量测数据。举例而言，量测数据为晶圆上的薄膜厚度，但本揭示内容不以此为限。

于步骤s402，处理器130用以执行储存装置中的计算机程序码来校正数据库321内的量测数据以产生校正量测数据。详细而言，机台110包含感测器以量测晶圆的各项特性参数以产生上述量测数据，并且感测器的量测值位于可容许的误差范围内。处理器130根据上述已知误差来对量测数据进行校正，以产生准确度较高的校正量测数据。如此一来，校正程序数据准确地表示晶圆的各项特性参数。

接着，于步骤s403，处理器130用以执行储存装置中的计算机程序码来筛选校正量测数据以产生过滤量测数据。于一些实施例中，处理器130透过计算校正量测数据的标准差来筛选校正量测数据以产生过滤量测数据。详细而言，处理器130滤除超过6个标准差的校正量测数据来产生过滤量测数据。如此一来，处理器130可滤除差异较大的校正量测数据，而留下差异较小的校正量测数据(亦即过滤程序数据)。

于步骤s404，处理器130用以执行储存装置中的计算机程序码来根据过滤量测数据产生预测参数。为方便说明，以沉积制程为例，过滤量测数据包含沉积薄膜厚度，处理器130可根据量测得并经过校正与筛选的沉积薄膜厚度来与目标厚度比较，以进一步产生预测参数以供调整制程硬体设备的设定。

于步骤s405，设备管理系统360调整机台110的参数设定。详细而言，若上述沉积薄膜厚度与目标厚度不同，则设备管理系统360根据处理器130产生的预测参数调整机台110的参数设定。举例而言，设备管理系统360根据处理器130产生的预测参数调整机台110的功率设定以使沉积薄膜厚度更接近目标厚度。于其他一些实施例中，即时派工系统150连接设备管理系统160，因此即时派工系统150可根据预测参数调整机台110对另一晶圆实施半导体制程的至少一配方参数。

如此一来，透过校准与筛选步骤，制程系统300适当地调整配方参数且/或机台110的参数设定以达成目标的制程结果。

于一些实施例中，上述制程方法200、400包含制程系统100、300的机台参数设定、配方参数设定、参数计算与对晶圆实施半导体制程的方法。

于一些实施例中，数据库322从处理器130收集预测参数以供设备管理系统360调整机台110的参数设定。数据库321收集未经处理的量测数据，而数据库322收集经过校正与筛选的过滤量测数据。

于一些实施例中，机台110、数据库120、321、322、处理器130、配方管理系统140、即时派工系统150与设备管理系统360透过相同的时脉讯号进行同步化。如此一来，处理器130产生的预测数据的准确性因此提升。

于一些实施例中，处理器130透过机器学习产生上述预测曲线。请参考图5，图5为根据本揭示内容的一些实施例所绘示的应用于图1、图3的制程系统100、300的训练方法500的流程图。训练方法500具有多个步骤s501～s507。然熟悉本案的技艺者应了解到，在上述实施例中所提及的步骤，除特别叙明其顺序者外，均可依实际需要调整其前后顺序，甚至可同时或部分同时执行。

于步骤s501，处理器130可经设定以定义任务与设定目标。举例而言，设定滤波器的相关参数、误差容许范围、预测数据的格式等。

于步骤s502，处理器130可经设定以选择感测参数来进行后续训练。详细而言，感测参数对应于机台110的感测器，并且感测器于半导体制程时产生的感测数据用于后续的处理器130训练步骤。举例而言，为方便说明，以沉积制程为例，处理器130可经设定以选择影响薄膜沉积厚度较显著的部分感测参数来进行后续训练。或者，举另一例而言，处理器130亦可经设定以选择所有感测参数来进行后续训练。

于步骤s503，为了提高预测的准确度，处理器130将制程系统300内所有装置以相同时脉进行同步化。举例而言，机台110、数据库120、321、322、处理器130、配方管理系统140、即时派工系统150与设备管理系统360透过相同的时脉讯号进行同步化。

于步骤s504，处理器130校正与筛选感测数据。校正步骤与筛选步骤如上所述，此处不再重复。如此一来，经过校正与筛选后的感测数据可准确地反映出半导体制程的各项参数，因此有助于提升训练的准确度。

于步骤s505，处理器130透过机器学习进行训练。详细而言，对应于上述感测数据的晶圆量测数据亦收集并传送至处理器130，处理器130计算感测数据与量测数据的相关系数。

于步骤s506，处理器130根据计算出的相关系数判断相关性的强弱，并选择强相关的感测数据以供产生预测曲线。

于步骤s507，处理器130利用强相关的感测数据产生预测曲线。此外，处理器130也可进一步改善预测曲线。于一些实施例中，利用实验设计(designofexperiments，doe)，处理器130可改变上述强相关的感测数据对应的感测参数范围以进一步更新预测曲线。于另一些实施例中，处理器130根据校正程序数据与校正量测数据并透过机器学习来更新预测曲线。因此，处理器130利用校正程序数据与校正量测数据增加用来产生预测曲线的数据量，进而提升预测曲线的信心水准(confidencelevel)。

如此一来，透过校准与制程系统100、300内装置的同步化，训练方法500训练出的制程系统100、300适当地调整配方参数且/或机台110的参数设定以达成目标的制程结果。此外，制程系统100、300亦根据实际半导体制程收集并处理过的校正程序数据与校正量测数据进行更新，以进一步地累积数据量以提高制程系统100、300的准确度。

一种制程系统，包含机台、储存装置、第一数据库与处理器。机台用以在第一晶圆上实施半导体制程。储存装置用以储存多个计算机程序码。第一数据库用以从机台收集程序数据。处理器用以执行储存装置中的计算机程序码以进行下列步骤。校正程序数据以产生校正程序数据。筛选校正程序数据以产生过滤程序数据。根据过滤程序数据产生预测参数以供配方管理系统调整机台对第二晶圆实施半导体制程的至少一配方参数。

于一些实施例中，制程系统还包含第二数据库，其用以从机台收集量测数据。量测数据对应该第一晶圆。处理器更用以执行储存装置中的计算机程序码以进行下列步骤。校正量测数据以产生校正量测数据。筛选校正量测数据以产生过滤量测数据。根据过滤量测数据产生预测参数以供设备管理系统调整机台的参数设定。

于一些实施例中，制程系统还包含第三数据库，其用以从处理器收集预测参数以供设备管理系统调整机台的参数设定。

于一些实施例中，处理器更用以执行储存装置中的计算机程序码以进行下列步骤。根据过滤程序数据并透过预测曲线产生预测参数。

于一些实施例中，处理器更用以执行储存装置中的计算机程序码以进行下列步骤。根据过滤程序数据与过滤量测数据并透过机器学习来更新预测曲线。

于一些实施例中，处理器、第一数据库、第二数据库、配方管理系统与设备管理装置透过时脉讯号而同步化。

一种制程方法包含以下步骤。透过时脉讯号同步化第一数据库与配方管理系统。从对第一晶圆实施半导体制程的机台收集程序数据，并储存程序数据于第一数据库内。校正程序数据以产生校正程序数据。根据校正程序数据产生预测参数以供配方管理系统调整机台对第二晶圆实施半导体制程的至少一配方参数。

于一些实施例中，筛选校正程序数据以产生过滤程序数据。根据过滤程序数据产生预测参数以供配方管理系统调整机台实施于第二晶圆的半导体制程的至少一配方参数。

于一些实施例中，透过时脉讯号同步化第二数据库与设备管理系统。从机台收集量测数据并储存于第二数据库内。量测数据对应第一晶圆。校正量测数据以产生校正量测数据。根据校正量测数据产生预测参数以供设备管理系统调整机台的参数设定。

于一些实施例中，筛选校正量测数据以产生过滤量测数据。根据过滤量测数据产生预测参数以供设备管理系统调整机台的参数设定。

于一些实施例中，收集预测数据以供设备管理系统调整机台的参数设定。

于一些实施例中，根据校正程序数据并透过预测曲线产生预测参数。

于一些实施例中，根据校正程序数据与校正量测数据并透过机器学习来更新预测曲线。

一种制程方法，包含以下步骤。从对第一晶圆实施半导体制程的机台收集程序数据，并储存于第一数据库内。校正程序数据以产生校正程序数据。透过计算校正程序数据的标准差来筛选校正程序数据以产生过滤程序数据。根据过滤程序数据产生预测参数以供配方管理系统调整机台对第二晶圆实施半导体制程的至少一配方参数。

于一些实施例中，透过时脉讯号同步化第一数据库与配方管理系统。

于一些实施例中，从机台收集量测数据并储存于第二数据库内。量测数据对应第一晶圆。校正量测数据以产生校正量测数据。透过计算校正量测数据的标准差来筛选校正量测数据以产生过滤量测数据。根据过滤量测数据产生预测参数以供设备管理系统调整机台的参数设定。

于一些实施例中，透过时脉讯号同步化第一数据库、第二数据库、配方管理系统与设备管理系统。

于一些实施例中，收集预测数据以供设备管理系统调整机台的参数设定。

于一些实施例中，根据校正程序数据并透过预测曲线产生预测参数。

于一些实施例中，根据校正程序数据与校正量测数据并透过机器学习来更新预测曲线。

虽然本揭示内容已以实施方式揭露如上，然其并非用以限定本揭示内容，任何熟悉此技艺者，在不脱离本揭示内容的精神和范围内，当可作各种的更动与润饰，因此本揭示内容的保护范围当视权利要求书所界定的范围为准。