在線品質檢測參數分析方法

專利名稱：在線品質檢測參數分析方法
技術領域：
本發明涉及一種制程參數分析方法，尤其涉及一種在線品質檢測參數的分析方法。
背景技術：
在半導體制造技術中，要完成半導體產品，通常要經過許多個制程，例如微影制程、蝕刻制程、離子植入制程等；也就是說在半導體制造過程中必須應用到大量的機臺，以及許多繁瑣的程序。因此，熟悉該項技術的人都致力于確保機臺運作正常、維持或提高產品良率、偵測確認問題點以及機臺維修等作業，以使半導體產品的生產速度及品質能夠合乎客戶需求。
一般而言，要探討半導體制程的問題，可以從下列幾項數據著手進行分析，包括制程參數數據、在線品質檢測(In-line QC)數據、缺陷檢測(defect inspection)數據、樣品測試(sample test)數據、晶圓測試(wafer test)數據以及封裝后測試(final test)數據。其中，在線品質檢測數據乃是針對晶圓(wafer in process)進行在線的品質檢測所得到的測試值，其通常安排在某些制程之后執行。
在現有技術中，如圖1所示，首先進行步驟101，此時熟知技術者會針對每一晶圓進行各項在線品質檢測項目的測試，如膜厚檢測等。
接著，在步驟102中，熟知技術者會觀察每一晶圓的各項在線品質檢測項目的結果，以便找出在線品質檢測結果有偏差的產品，其中所觀察的在線品質檢測項目通常是前一制程站別所執行的項目。
步驟103由熟知技術者根據經驗，以及從步驟102中所選出的異常產品的在線品質檢測參數值，來判斷可能有問題的制程站別，如熱氧化機臺、氮化硅沉積機臺、多晶硅沉積機臺等。
最后，在步驟104中，熟知技術者檢查步驟103所判斷的制程站別中的各機臺，以便找出異常的機臺。舉例而言，熟知技術者可以依據氮化硅層的膜厚檢測不合規格，判斷有問題的制程站別為氮化硅層的沉積制程站別，并檢查出異常的機臺，如沉積機臺、蝕刻機臺等。
另外，如圖2所示，熟知技術者還可以利用在線品質檢測項目的結果來預測后續制程的良率，以期能夠有效利用所制得的半成品。
首先，步驟201會針對每一晶圓進行各項在線品質檢測項目的測試，如膜厚檢測等。接著在步驟202中，熟知技術者會觀察每一晶圓的各項在線品質檢測項目的結果，以便找出在線品質檢測結果不合乎規格的產品。
當發現產品的在線品質檢測項目有偏差時，熟知技術者可以有二種處理方式其一如步驟203所示，即直接將這批產品視為不良品而舍棄；其二如步驟204所示，即根據經驗先預測這批產品是否能夠通過后續的樣品測試或晶圓測試，當預測答案為否定時，進行步驟203，而當預測答案為肯定時，進行步驟205來保留這批產品，以便進行后續的制程及測試。
然而，由于現有技術是利用人為經驗判斷來決定分析結果(步驟103)，或是預測產品后續的測試結果(步驟204)，所以最后分析出來的結果的精確度及可信度將有待商榷；再加上半導體制造業人士更換頻繁，導致前后期工程師之間的經驗不易傳承，且每一位工程師能力有限，無法兼顧廠區所有機臺的操作狀態，所以，當半導體產品的測試結果發生異常時，工程師不見得有足夠的經驗快速且正確地判斷出是哪一個環節出問題，或是正確地預測產品在后續制程中的良率，因而可能必須耗費許多時間來進行相關研究，甚至有可能做出錯誤的判斷，這樣一來，不但降低制程的效率、增加生產成本，還無法及時改善在線生產情形以提高良率。
因此，如何提供一種能夠在半導體產品的在線品質檢測數據發生異常時，快速且正確地判斷出是哪一個環節出問題以及正確地預測出產品在后續制程的良率的分析方法，是當前半導體制造技術的重要課題之一。

發明內容
為了克服現有技術的上述缺陷，本發明的目的在于提供一種能夠在半導體產品的在線品質檢測數據發生異常時，快速且正確地判斷出是哪一個環節出問題的在線品質檢測參數分析方法。
本發明的另一目的在于提供一種能夠在半導體產品的在線品質檢測數據發生異常時，正確地預測出半導體產品在后續制程的良率的在線品質檢測參數分析方法。
本發明的特征在于，利用在線品質檢測結果與晶圓測試參數值及樣品測試參數值來建立后續制程的制程項目與在線品質檢測項目的關系式，并以在線品質檢測的結果來分析各制程站別有差異的機臺。
為達到上述目的，本發明的在線品質檢測參數分析方法是分析多批分別具有一個批號的產品，每批產品經過多個機臺所制得，而每批產品中的一片或以上的晶圓至少經過一個在線品質檢測項目的測試以產生一個在線品質檢測參數值，在線品質檢測項目及與在線品質檢測項目相關的樣品測試項目以及晶圓測試項目儲存于一個數據庫中，此數據庫還儲存有在線品質檢測參數值以及多批產出良率高的庫存產品的各項測試項目與測試參數值，本方法包括以下步驟分析在線品質檢測參數值是否合乎一個預設規格；當在線品質檢測參數值未合乎預設規格時，從數據庫中搜尋與在線品質檢測項目相關的樣品測試項目或晶圓測試項目；根據在線品質檢測項目及所搜尋到的樣品測試項目或晶圓測試項目，從數據庫中搜尋相對應的各批庫存產品的測試參數值；以及根據庫存產品的搜尋結果產生在線品質檢測項目與樣品測試項目的關系式或在線品質檢測項目與晶圓測試項目的關系式。
承上所述，根據本發明的在線品質檢測參數分析方法是以后續制程良率高的產品為對照組來建立后續制程的制程項目與在線品質檢測項目的關系式，所以能夠在半導體產品的在線品質檢測數據發生異常時，正確地預測出半導體產品在后續制程的良率；另外本發明以在線品質檢測結果來分析各制程站別有差異的機臺，所以能夠在半導體產品的在線品質檢測數據發生異常時，快速且正確地判斷出是哪一個環節出了問題。因此能夠有效地減少人為判斷的錯誤，從而提高制程的效率、減少生產成本并及時改善在線生產情形以提高良率。


圖1顯示現有在線品質檢測參數分析方法的流程圖；圖2顯示另一現有在線品質檢測參數分析方法的流程圖；圖3顯示根據本發明較佳實施例的在線品質檢測參數分析方法的流程圖；圖4顯示根據本發明另一較佳實施例的在線品質檢測參數分析方法的流程圖，用以判斷造成良率不佳的機臺為哪個；圖5顯示延續圖4所示的流程圖的流程圖；圖6顯示根據本發明另一較佳實施例的在線品質檢測參數分析方法的流程，用以求得各樣品測試項目與所有在線品質檢測項目的關系式；圖7顯示根據本發明另一較佳實施例的在線品質檢測參數分析方法的流程，用以找出各制程站別的較佳操作條件。
圖中的符號說明101～104現有在線品質檢測參數分析方法的流程201～205另一現有在線品質檢測參數分析方法的流程301～307本發明較佳實施例的在線品質檢測參數分析方法的流程401～406本發明另一較佳實施例的在線品質檢測參數分析方法的流程501～504延續步驟409的流程601～603本發明另一較佳實施例的在線品質檢測參數分析方法的流程701～704本發明另一較佳實施例的在線品質檢測參數分析方法的流程具體實施方式
以下配合附圖，說明根據本發明較佳實施例的在線品質檢測參數分析方法，其中相同的組件將以相同的參照符號表示。
如圖3所示，首先，在步驟301中，根據本發明較佳實施例的在線品質檢測參數分析方法，先搜尋數批經過在線品質檢測且未經過樣品測試及晶圓測試的產品，以取得這些產品的各在線品質檢測參數值。在本實施例中，本步驟的搜尋結果可以直接輸出給工程師，以便工程師能夠取得相關信息，例如這些產品的產品批號、產品制造時間、各在線品質檢測參數值等。
然后步驟302分析所取得的在線品質檢測參數值是否合乎預設規格。舉例而言，假設在線品質檢測項目為氧化層膜厚，其預設規格為30至60μm，所分析的產品的氧化層膜厚的在線品質檢測參數值為50μm，則所分析的結果為合乎預設規格，此時便結束分析程序；若所分析的產品的氧化層膜厚的在線品質檢測參數值為90μm，則所分析的結果為不合乎預設規格，此時，根據本發明的在線品質檢測參數分析方法就接著進行步驟303。另外，熟知該項技術者應該了解，步驟302所分析的在線品質檢測項目還可以包括氮化硅層膜厚、多晶硅層膜厚等。
接著，步驟303從一個經驗累積數據庫中搜尋與在線品質檢測項目相關的樣品測試項目或晶圓測試項目，此經驗累積數據庫記錄有資深工程師以往追蹤問題所累積的經驗，判斷在線品質檢測項目異常，可能造成哪一項樣品測試項目或哪一項晶圓測試項目結果的偏差。舉例而言，當步驟302所分析的產品的氧化層膜厚的在線品質檢測參數值不合乎預設規格時，本步驟會從數據庫中搜尋與此在線品質檢測項目(氧化層膜厚)有相關性的樣品測試項目，如電容特性項目。
之后，步驟304判斷在步驟303中所搜尋到的樣品測試項目或晶圓測試項目是否為零，若為零，則停止分析動作。若不為零，則進行步驟305，以便依據步驟302中不合乎預設規格的在線品質檢測項目及步驟303所搜尋到的樣品測試項目或晶圓測試項目，從數據庫中搜尋數批產出良率高的庫存產品的相對應的在線品質檢測項目及樣品測試項目或晶圓測試項目。舉例而言，若步驟302所分析的樣品測試項目為氧化層膜厚，而步驟303所搜尋到的是電容特性項目，則本步驟搜尋庫存產品的氧化層膜厚、電容特性項目及其參數值。在本實施例中，庫存產品是指其它已經通過樣品測試或晶圓測試項目，且其測試結果及良率為優良的產品。
在搜尋出庫存產品的在線品質檢測項目及樣品測試項目或晶圓測試項目之后，步驟306便利用統計方法求得此在線品質檢測項目與樣品測試項目或晶圓測試項目的關系式。在本實施例中，本步驟利用線性回歸方式求得在線品質檢測項目與樣品測試項目或晶圓測試項目的關系式；如下式所示樣品測試參數值或晶圓測試參數值＝a×在線品質檢測參數值+b (1)舉例而言，若步驟302所分析的樣品測試項目為氧化層膜厚，而步驟303所搜尋到的是電容特性項目，則上式(1)系改寫成如下式(2)所示電容特性參數值＝a×氧化層膜厚參數值+b (2)因此，依據步驟306所求得的關系式，工程師便能夠輕易且準確地利用在線品質檢測的結果來預測該批產品在后續樣品測試項目或晶圓測試項目的測試結果，如步驟307所示。舉例而言，當在步驟306中求得式(2)，則在步驟307中，工程師便可以將步驟302所分析不合乎預設規格的在線品質檢測參數值，如氧化層膜厚參數值，代入式(2)中，以便求得電容特性參數值的預測值。因此，工程師便可以依據此電容特性參數值的預測值，來判斷這批產品能夠通過后續的樣品測試，進而決定是否要將這批產品移交并繼續下一制程，或者是要將這批產品作廢以避免后續良率過低而浪費了制造成本。
另外，根據本發明另一較佳實施例的在線品質檢測參數分析方法系分析在線品質檢測項目以判斷造成良率不佳的機臺為哪個，如圖4所示。首先步驟401先搜尋數批經過在線品質檢測且未經過樣品測試及晶圓測試的產品，以取得這些產品的各在線品質檢測參數值。在本實施例中，本步驟的搜尋結果可以直接輸出給工程師，以便工程師能夠取得相關信息，例如這些產品的產品批號、產品制造時間、各在線品質檢測參數值等。
然后步驟402將符合在線品質檢測項目的規格的數批產品設定為A組產品，例如包括批號1、2、3、4、及5(如步驟403所示)；以及將不符合在線品質檢測項目的規格的數批產品設定為B組產品，例如包括批號6、7、8、9、及10(如步驟404所示)。
其中，每一批(lot)產品具有一個批號(lot number)，且每批產品包括有25片晶圓，而每批產品經過多道制程的多個機臺。就一個在線品質檢測項目而言，例如項目A，是對一批產品中一片或以上的晶圓的某一沉積膜層(layer)進行膜厚檢測，并獲得此沉積膜層的膜厚檢測參數值。對于每一沉積膜層都設有一個管制標準(control spec)。當此沉積膜層的膜厚檢測參數值合乎管制標準，則算是通過此在線品質檢測項目；而當此沉積膜層的膜厚檢測參數值不合乎管制標準時，則是無法通過此在線品質檢測項目，并且，在這一階段，此晶圓的在線品質檢測項目A就算是不合格(fail)。
在步驟405中，將從一個經驗累積數據庫中去搜尋相關可用的信息。根據以往的經驗，資深工程師追蹤問題時，會根據其經驗判斷“當在線品質檢測項目A不合格時，可能與何種原因相關？”，其答案通常是“應該要去追蹤與哪一個制程站別相關？”所以，這一經驗累積數據庫由資深工程師將其經驗輸入此系統，用以提供一種計算機自動判斷追蹤路徑的方向。當然，此經驗累積數據庫，也可由計算機自行更新，將后續問題追蹤過程中所獲得的經驗自行儲存至此經驗累積數據庫中。
參見步驟406，經過步驟405搜尋經驗累積數據庫后，顯示在線品質檢測項目A不合格時，應追蹤的項目為某一制程站別，此時連接至圖5的流程以進行后續步驟。
請參照圖5所示，在步驟501中，先搜尋被追蹤的制程站別包括哪些機臺，例如E1、E2、E3…。接著，步驟502計算B組產品中經過此制程站別的這些機臺的機率。另外，步驟503計算A組產品經過此制程站別的這些機臺的機率。然后，在步驟504中，利用共通性分析手法，找出B組產品經過機率較高的機臺。由步驟504所求得的這些B組產品經過機率較高的機臺，就是根據本發明較佳實施例的在線品質檢測參數分析方法所分析出的可能有問題的機臺。
如圖6所示，根據本發明另一較佳實施例的在線品質檢測參數分析方法，分析在線品質檢測項目，以求得各樣品測試項目與所有在線品質檢測項目的關系式，以便讓工程師能夠在之后的生產過程中，依據此關系式來預估并控管各項在線品質檢測的結果對樣品測試的結果的影響。
首先，步驟601先搜尋數批經過在線品質檢測及樣品測試的產品，以取得這些產品的各在線品質檢測參數值及各樣品測試參數值。接著步驟602利用統計方式求得各樣品測試項目與這些在線品質檢測項目的關系式。在本實例中，各樣品測試項目與這些在線品質檢測項目的關系式可以是利用復回歸方式所產生。舉例而言，晶圓的電容依序由一氧化層、一氮化硅層及一個多晶硅層所構成，所以電容的特性與構成此電容的氧化層、氮化硅層及多晶硅層的膜厚有關，因此，在本步驟利用復回歸法(multiple regression)所求得的關系式如式(3)所示電容特性參數值＝a×氧化層膜厚參數值+b×氮化硅層膜厚參數值+c×多晶硅層膜厚參數值(3)需要注意，本步驟還可以利用其它復回歸方式來求得的各樣品測試項目與這些在線品質檢測項目關系式，例如逐步回歸法(stepwiseregression)、前進選擇法(forward)、后退消去法(backward)等。
此外，本實施例還可以利用殘差圖(residual plot)來檢視各樣品測試項目與這些在線品質檢測項目的關系式(步驟603)，因此，工程師能夠觀察這一殘差圖以便快速地判斷此關系式是否符合實際使用。
另外，在本發明另一較佳實施例的在線品質檢測參數分析方法中(如圖7所示)，其分析經過在線品質檢測及樣品測試的數批產品，以便利用分析手法找出在線品質檢測前的制程站別的較佳操作條件，并回饋給此制程站別以便作為后續產品的制程條件。
首先，步驟701先搜尋數批經過在線品質檢測及樣品測試的產品，以取得這些產品的各在線品質檢測參數值及各樣品測試參數值。接著步驟702依據每一在線品質檢測項目的等級將各樣品測試項目分為幾組；舉例而言，將氧化層膜厚、氮化硅層膜厚及多晶硅層膜厚分別分為三個等級(高、中、低)，然后將每一產品歸類，例如，若一批產品的氧化層膜厚參數值與管制標準的平均值相比為偏高，其氮化硅層膜厚參數值與管制標準的平均值相比為偏中，其多晶硅層膜厚參數值與管制標準的平均值相比為偏低，則這批產品會被歸類于(高，中，低)組；若一批產品的氧化層膜厚參數值與管制標準的平均值相比為偏低，其氮化硅層膜厚參數值與管制標準的平均值相比為偏低，其多晶硅層膜厚參數值與管制標準的平均值相比為偏高，則這批產品會被歸類于(低，低，高)組。
然后，步驟703分析各組之間產品的樣品測試參數值是否有差異。在本實施例中，本步驟利用ANOVA分析法來分析求得各組之間產品的樣品測試參數值是否有差異。若發現各組之間產品的樣品測試參數值沒有差異，則結束分析流程；若發現各組之間產品的樣品測試參數值有差異，則進行步驟704。
步驟704利用鄧肯多元區間測試法(Duncan’s multiple rangetest)來分析出哪一組的樣品測試參數值為最接近管制標準的目標值(target)。在本實施例中，所區分的各產品組利用盒圖(box plot)來表示，而本步驟所分析取得的組別的各在線品質檢測參數值可以作為后續生產制程的預設規格或管制標準。舉例而言，若(低，低，高)組的產品在樣品測試的表現最佳，則在之后生產過程中，可以建議將產品的氧化層膜厚的默認值定為略低于管制標準的平均值，其氮化硅層膜厚的默認值定為略低于管制標準之平均值，而其多晶硅層膜厚的默認值系定為略高于管制標準的平均值。
綜上所述，由于依本發明的在線品質檢測參數分析方法是以后續制程良率高的產品為對照組來建立后續制程的制程項目與在線品質檢測項目的關系式，所以能夠在半導體產品的在線品質檢測數據發生異常時，正確地預測出半導體產品在后續制程的良率；另外，本發明以在線品質檢測符合規格的產品為對照組以分析各制程站別有差異的機臺，所以能夠在半導體產品的在線品質檢測數據發生異常時，快速且正確地判斷出是哪一個環節出了問題。因此能夠有效地減少人為判斷的錯誤來提高制程的效率、減少生產成本，并及時改善在線生產情形以提高良率。
以上所述僅為舉例，而并非對本發明的限制。任何未脫離本發明的精神與范疇，而對其進行的等效修改或變更，均應包含于本發明的權利要求書中。
權利要求
1.一種在線品質檢測參數分析方法，用以分析多批分別具有一個批號的產品，該多批產品經過多個機臺所制得，而每批產品中的一片或以上的晶圓至少經過一個在線品質檢測項目的測試以產生一個在線品質檢測參數值，該在線品質檢測項目及與該在線品質檢測項目相關的一個樣品測試項目以及一個晶圓測試項目儲存于一個數據庫中，該數據庫還儲存有該在線品質檢測參數值以及多批產出良率高的庫存產品的各項測試項目與測試參數值，該在線品質檢測參數分析方法包含分析該在線品質檢測參數值是否合乎預設規格；當該在線品質檢測參數值未合乎該預設規格時，從該數據庫中搜尋與該在線品質檢測項目相關的該樣品測試項目及該晶圓測試項目其中的至少一個；依據該在線品質檢測項目及所搜尋到的該樣品測試項目及該晶圓測試項目其中的至少一個，從該數據庫中搜尋相對應的該多批庫存產品的測試參數值；以及依據該多批庫存產品的搜尋結果產生該在線品質檢測項目與該樣品測試項目的關系式，及該在線品質檢測項目與該晶圓測試項目的關系式其中的至少一個。
2.如權利要求1所述的在線品質檢測參數分析方法，其特征在于，該多批產品未經過樣品測試制程及晶圓測試制程。
3.如權利要求1所述的在線品質檢測參數分析方法，其特征在于，該在線品質檢測項目與該樣品測試項目的關系式及該在線品質檢測項目與該晶圓測試項目的關系式是利用線性回歸方式所產生的。
4.如權利要求1所述的在線品質檢測參數分析方法，其特征在于，該方法還包含依據未合乎該預設規格的該在線品質檢測參數值及該在線品質檢測項目與該樣品測試項目的關系式，預測該多批產品的樣品測試的結果。
5.如權利要求1所述的在線品質檢測參數分析方法，其特征在于，該方法還包含依據未合乎該預設規格的該在線品質檢測參數值及該在線品質檢測項目與該晶圓測試項目的關系式，預測該多批產品的晶圓測試的結果。
6.如權利要求1所述的在線品質檢測參數分析方法，該數據庫還儲存有與該在線品質檢測項目相關的制程站別，其特征在于，更包含依該預設規格為基準將該多批產品區分為兩個產品組，該兩個產品組包含一個符合規格組及一個不符合規格組；從該數據庫中搜尋與該在線品質測試項目相關的該制程站別；分別依據該兩個產品組的產品批號搜尋其在該制程站別所經過的機臺；以及判斷該不合規格組的產品經過機率高于該符合規格組經過機率的機臺。
7.如權利要求6所述的在線品質檢測參數分析方法，其特征在于，其利用共通性分析手法來判斷該低良率產品組中剩余批號的產品經過機率高于該高良率產品組經過機率的機臺。
8.如權利要求1所述的在線品質檢測參數分析方法，其特征在于，該方法還包含當該多批產品更經過一個樣品測試制程之后，搜尋該多批產品的各樣品測試項目及各在線品質檢測項目；以及依據該搜尋結果產生各樣品測試項目與各在線品質檢測項目的關系式。
9.如權利要求8所述的在線品質檢測參數分析方法，其特征在于，各樣品測試項目與各在線品質檢測項目的關系式利用復回歸方式或是逐步回歸方式所產生或是利用殘差圖來表示。
10.如權利要求1所述的在線品質檢測參數分析方法，其特征在于，該方法還包含當該多批產品更經過一個樣品測試制程后，搜尋該多批產品的各樣品測試項目及各在線品質檢測項目；依據該多批產品的各在線品質檢測項目的參數值將該多批產品區分為多批產品組；分析各產品組之間的樣品測試參數值是否有差異；以及當有差異時，分析、取得具有最接近預設規格的樣品測試參數值的產品組。
11.如權利要求10所述的在線品質檢測參數分析方法，其特征在于，其利用ANOVA分析法來分析各產品組之間的樣品測試參數值是否有差異，或是利用鄧肯多元區間測試法來分析、取得具有最接近該預設規格的樣品測試參數值的產品組。
12.如權利要求10所述的在線品質檢測參數分析方法，其特征在于，所區分的該多批產品組系利用一個盒圖來表示。
13.如權利要求10所述的在線品質檢測參數分析方法，其特征在于，所分析、取得的產品組的各在線品質檢測參數值是作為一個后續產品的預設規格。
全文摘要
一種在線品質檢測參數分析方法，包括以下步驟分析在線品質檢測參數值是否合乎預設規格；當在線品質檢測參數值未合乎預設規格時，從數據庫中搜尋與在線品質檢測項目相關的樣品測試項目或晶圓測試項目；根據在線品質檢測項目及所搜尋到的樣品測試項目或晶圓測試項目，從數據庫中搜尋相對應的各批庫存產品的測試參數值；依據庫存產品的搜尋結果產生在線品質檢測項目與樣品測試項目的關系式或在線品質檢測項目與晶圓測試項目的關系式。
文檔編號H01L21/66GK1521824SQ0310225
公開日2004年8月18日 申請日期2003年1月28日 優先權日2003年1月28日
發明者戴鴻恩, 羅皓覺 申請人:力晶半導體股份有限公司