（微电子学与固体电子学专业论文）引入dsa的新型硅片缺陷检测系统的建立和应用.pdf

论文独创性声明 本论文是我个人在导师指导下进行的研究工作及取得的研究成果。论文中除 了特别加以标注和致谢的地方外，不包含其他人或其它机构已经发表或撰写过的 研究成果。其他同志对本研究的启发和所做的贡献均己在论文中作了明确的声明 并表示了谢意。 作者签名：_ = 7 丝日期：幽 论文使用授权声明 本人完全了解复旦大学有关保留、使用学位论文的规定，即：学校有权保留 送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内 容，可以采用影印、缩印或其它复制手段保存论文。保密的论文在解密后遵守此 规定。 作者签名：么鱼垡导师签名：鏖差：么日期：豳：! ! ：2 摘要 随着半导体器件几何尺寸的不断缩小，在晶圆生产中对缺陷的快速检测与区 分就变得尤为重要。为了更好地监测高端制成中所产生的系统性缺陷，提高对生 产设备及工艺的监测，我们在生产中引进了新型缺陷监测分析系统一d s a 系统。 本论文对当前生产工艺中使用的缺陷监测系统的结构进行了深入分析和研究，在 此基础上，完成了d s a 系统与当前检测系统的整合并研究了该系统在生产中的应 用。 在沦文实践中我们首先对当前本公司的测试系统结构进行分析，并根据分析 结果决定通过第三方软件的f t p 架构，连接d s a 系统和当前缺陷数据库。为此进 行了以下工作： ，建立f t p 结构，互联d d m s 和d s a 数据库； 建立d s a 与工程师自动报警的电子信息结构； 建立d s a 分析数据库； 建立d s a 与m e s 互联结构： 系统架掏稳定性测试。 通过这样的整合，就形成了套新的缺陷检测系统，接下来我们就研究使用 这套新系统对生产中缺陷进行监测。 首先，我们利用d s a 系统增加对生产中光刻掩模板r e p e a t e rd e f e c t ( 反复 性缺陷) 的监测，试验表明：d s a 系统能够及时、准确地识别出r e p e a t e rd e f e c t ， 及时采取措施。通过d s a 系统使用前后的对比，我们发现，在使用d s a 系统后 r e d e a t erd e f e c t1 m p a c tl o t 的数量降低了7 5 以上。 其次，通过对系统性缺陷特征信号在d s a 中的设定，我们可以快速的识别生 产中出现的重要的系统性缺陷，及时的发现并制止生产中的异常情况，从而提高 生产中产品良率的控制。从试验的结果来看，使用d s a 系统监测系统性缺陷无论 在效率、准确性还是在缺陷的发现几率上都比人为地监测有着倍数的增长。 最后，通过对d s a 分析系统功能的巧妙利用，我们可以及时的发现生产中隐 减的问题，提早对其进行分析和改进，进而提高生产中的良率。 初步试验表明d s a 系统已经被成功地引进晶圆检测系统，该系统提高了对生 ，- 制造过程中出现的各种工艺缺陷、光刻掩模缺陷以及因设备异常而产生的缺陷 的监洲与控制能力，起到了快速发现并分析缺陷、辅助改善工艺制程以及提升良 率的作剧。 关键字：d s a 、制成缺陷、系统性缺陷、反复性缺陷 a b s t r a c t a ss e m i c o n d u c t o rc ds h r u n k ，i ti sv e r yi m p o r t 柚h a tm ef a s td e f e c ti n s p e c t i o n a n di d e n t i f yi ns e m i c o n d u c t o rm a n u f a c t u r i n g ，f o rb e t t e rm o n i t o r i n gt h es y s t e m i c d e f c c to fa d v a 工1 c e dp r o c e s s i n g 蚰di m p r 0 v i n gt h em e t h o do fp r o c e s sa n de q u i p m e n t m o n i f o r e d ，t h en e wt y p ed e e c tm o n i t o ra i l da n a l y s i ss y s t e m d s as y s t e m ，h a sb e e n f e t c h e di nb a s eo nt h ea n a l y s i sr e s u l to ft h ec u r r e n tm o l l i t o rs y s t e ms t m c t u r e ，t h e a r t l c l er e s e a r c ho nt h ei n t e 掣a t i o no fd s aa n dc u r r e n ti n s p e c t i o ns y s t e ma i l dt h e a p p l i c 撕o no fd s a i nf a c t ，w eu s et h e 恤i r ds o n w a r e 一邱t ol i n kd s aa n dc u r r e md e f e c ts y s t e ma r e r w ea n a l y s i st h ec u r r e n tm o n i t o rs y s t e mi no u rc o r p o r a t i o nt h ef 0 1 1 0 w i n ga c t i o nh a d b e e nd o n ef o rd s a s y s t e m ： s e t u pf t pt o1 i n kd d m sa n dd s a d a t a b a s e ， s e t u pa u t oa l a n t ls y s t e mb e t w e e nd s a a n de n g i n e e r s e t u pd s aa n a l y s i sd a t a b a s e s e t u pt h el i n ks t l _ l l c t u r eo fd s a a n dm e s s y s t e m t h en e ws y s t e ms t a b i l i t yt e s t w i t ht h e s ea c t i o n ，t h en e wd e f e c tm o n i t o rs y s t e mc r e a t eo k ，w ew i l lu s et h en e w s y s t e mt om o n i t o rt h ed e f e c to fp r o c e s s i n g f i r s t ，w ea d dt h em o n i t o ra b o u cr e p e a t e rd e f e c to fp h o t om a s kw i t hd s as y s t e m i nt e s t ，d s as y s t e mc a l lf a s ta n de x a c t l yf i n da n di d e n t i f ym er 印e a t e rd e f e c ti n p r o c e s sw i m t h ec o m p a r e dr e s u l to fd s au s e d ，t h er e s u l tc a nb ef o u n dt h a td s a s y s t e mc a nr e d u c eo v e r7 5 r e p e a t e rd e f e c ti m p a c tl o t t h es e c 。n d ，w i t ht h es e t t i n gt h es y s t e m i cd e f e c ts i g n a t u r ei 1 1d s as y s t e m ，t h e p r o c e s se n g i n e e rc a nf a s tf i n dt h ec r i t i c a ls y s t e m i cd e f e c t 。f p r o c e s sa n d c a n s t o pt h e a b n o r m a l t 0 0 1 i m p a c “nt i m e ，t h e s ea c t i o nc a ni m p r o v et h ey i e l do fp m d u c t b a s eo n t h et e s tr e s u l t ，d s as y s t e mh a v es o m et i m e si m p r o v et h a nm a n u a lm o n j t o rp r o c e s s d e f e c ti ne 肫c t i v e l ya n de x a c t l y a t1 a s t ，w i t ht h es m a r ta p p l i e dd s a a n a l y s i sf u n c t i o n ，t h ee n g i n e e rc a ne a r l y 矗n dt h ep o t e n t i a iy i e l di s s u et h ee n g i n e e ri m p r o v ea c t i o nw i l le n h a n c et h ey i e l di n d 1 _ 0 c e s s w i t ht e s tr e s u l c ，t h ec o n c l u s l o nc a nb ep m v e dt h a td s as y s t e mh a db e e n s u c c e s s m lf e t c h e di nt h ew a f e rd e f e c tm o n j t o rs y s t e m t h en e ws y s t e mi m p r o v et h e d e f e c fm o n i t o ra b i l i t ya b o u ta n yp r o c e s sd e f e c t ，r e p e a t e rd e f e c ta n ds y s t e m i cd e f e c t 2 o fp r o c e s st o o li tc a n g e tt h ee 髓c fm a tf a s tf i n d i n gd e f e c t ，a s s i s t a n ti m p r o v ep r o c e s s a n di m p r o v ep r o d u c ty i e l d k e ) 几w o r d s ：d s a ，p r o c e s sd e f e c t ，s y s t e m i cd e f e 吼，r e p e a t e rd e f e c t 3 引言 随着半导体工艺的不断发展，半导体工艺技术按照国际半导体工艺路线图 l t r s ( i n t e r n a t i o n a lt e c h n o l o g yr o a d m a pf o rs e m i c o n d u c t o r s ) 的要求，经 过业界工艺上的技术突破已经顺利进入深亚微米时代，超大规模集成电路特征尺 寸的持续缩小，芯片制造的复杂程度也在不断提高。随着工艺复杂程度的提高和 每个新技术节点学习摸索时间的缩短，在没有更好设备和方法的情况下，要获得 显著的良率提升和成熟的良率水平是不可能的。这就是为什么在良率建模，缺陷 检测与表征，污染控制，和良率学习方面正在进行的突破对于器件制造如此之重 要。这时芯片的成品率( y i e l d ) 已经直接跟工艺的可制造性密不可分，缺陷 ( d e f e c t ) 的检测和控制已经成为超大规模集成电路制造中面临的严峻挑战及考 验。工艺控制、先进的测量检测技术、成品率诊断技术、设备和材料的升级都为 成品率提升带来了新的途径。而使用先进得技术对缺陷进行测量检测则成为改善 工艺控制，提升成品率的重要组成部分。 1 半导体缺陷检测系统 1 1 硅片的良率与缺陷 i c 制造工厂利润率中最高的两个杠杆因素是芯片的良率和设备的生产率。良 率的快速提高是不断发现和解决生产过程中各种影响良率的因素，从而实现和发 挥产品与工艺过程良率潜能的过程。而在半导体生产中会由于各种不同的因 素导致良率损失。晶片生产设备内部的空气污染可能会在生产过程中把细小的颗 粒附在晶片上。这些微粒通常直接嵌入晶片，导致信号线中断或与l 临近金属线短 路等问题发生。”1 或者由于光刻的细微变化使接触( c o n t a c t ) 轻微移动变形 导致它更加靠近边界区。对于高速设计，在电压、时间和温度方面有特殊要求。 如果上述情况发生在高速设计中，发生失效的几率就会急剧上升。”1 半导体业界 将以上类型的缺陷分别定义为随机缺陷( r a n d o md e f e c t ) 和系统性缺陷( p r o c e s s d e f e c to rs y s t e m i cd e f e c t ) 掰大类。这两种类型的缺陷同时对产品生产制造中 的良率起着致关重要的影响。 随机缺陷( r a n d o md e f e c t ) 主要由生产工艺中偶然事件( 如生产制成人员 白接接触晶片，生产制成设备微尘积累等等突发事件) 造成，这些缺陷主要表现 为影响时问短，缺陷在晶片表面为随机分布，如各个p r o c e s s 中产生的s u r f a c e p a r t l c l e ，t i n yp a r t i c l e ( 针对s u r f a c ep a r t i c l e 而言，一般定义为0 5 u 【或 o ，2 u m 以下的p a r t i c l e ，根据各自的f a b 或关键制成而定) ，由于随机缺陷发生 的偶然性和时效性的影向，通常对整个生产制成的良率影响较小，可以通过改善 生产制造中环境，定义标准的人员的操作规范( s o p ，s t a n d a r do fp r o c e s s ) 设备的定期保养等手段，降低或防止它的发生。 制成缺陷( p r o c e s sd e f ? c t ) ，又称系统性缺陷( s y s t e m i cd e f e c t ，针对r a n d o m ( 1 e f e c t 而者) ，主要是由生产制成设计时工艺参数不稳定( w i n d o w 过宽或过窄) 工艺制成无法完全覆盖或生产制成设备出现问题( 参数漂移，管路泄漏等等) 造 成。在这两类缺陷中制成类缺陷具有危害大，持续时间长等特点，一旦发生而没 有及时制止的话，对生产中良率的影响是致命的，如在光刻时，光刻掩模板上存 在异常，使得曝光后晶片上的图形发生微小的变化，再通过蚀刻等工艺后有可能 造成导线在异常处发生短接，发生短路或川扰现象，最终造成器件失效。所以系 统性缺陷是生产制成中应及时发现及制止的重要缺陷。由于系统性缺陷的成因与 生产设备或生产工艺参数有着密切的联系，因此它的出现常常在晶圆上形成具有 定特征的图形( 如c h e m i c a lm e c h a n i c a lp o l i s h ( c m p ) s c r a t c h ，p h o t o 光 刻掩模板( p h o t om a s k ) 异常产生的r e p e a t e rd e f e c t ) 。这些特征成为找出相应 制成的参考依据。 由于工艺参数的误差，采用耨尺寸技术的早期生产阶段就获得高良率己变 得越柬越困难。而随着工艺技术的提高，晶圆的缺陷尺寸也越来越小，数量逛随 之增加，系统性缺陷常常隐藏在晶片产生的众多缺陷中。在1 3 0 纳米尺寸之翦 随机缺陷是导致良率损失的罪魁祸首。目前，半导体良率越来越受图案误差的影 响，这些误差产生于不断缩小的光刻工艺窗口与将光刻扩展到更小设计尺寸所需 的复杂掩模设计之间的交互作用。随着i c 尺寸的不断缩小以及临界尺寸( c d ) 和重叠要求变得更加苛刻，这样使工艺设计到实现生产高良率间差距将不断加 大。实际上，图案方面限制庭率将会成为器件制造商在6 5 纳米及更小尺寸工艺 上所面临的最大挑战之一。丽伴随工艺产生的s y s t e 讯i ed e f e c t 对产品良率的 影响也在随之增加，对于纳米技术来浣，生产和设计相互作用( 不完全匹配) 形 成的系统缺陷是造成受率损失的主要因素。它比隧机缺陷多缮多，而且更难解决 。在2 0 ( ) 5 年k l a t e n c o r 的y m s 会议上，有入埘工艺的发展和s y s t e m i cd e f e c t 的关系进行了分析。发现随着工艺制成从o 3 5 u l n 制成到o ，1 3 u m 制成的发展过程 中系统，陛缺陷带来的y i e l dl o s s 已经增加了1 0 倍以上( 见图1 ) 。 图l ，系统。忖缺陷随着半导休工艺的发展而成为越来越多的产品良率损失的关键因素 随半导体丁岂的发展，系统性缺陷对产品的良率的影响埴之增加，到o1 3 n m 丁艺时，系统性缺陷对良 率的影嗬比率己增大到原米的2 倍以 1 2 硅片缺陷检测的方法及系统 很久以来，定期检测每个工艺步骤增加的缺陷来验收用于生产的设备，已经 成为半导体业的惯例。对设备的缺陷状况做出的判断，对于器件的良率有非常重 要的影响。不论这种检测的频率和影响如何，就采用的方法而言，是相对粗糙 的，而且这种数据支持系统主要是针对工程缺陷分析和传统的静态工艺控制 ( s t a t i s t i c a lp r o c e s sc o n t r o l ，s p c ) 技术而设计的。在传统的工程缺陷检测 系统中，针对缺陷监控已经建立的方法是，从每一次的检测中取得颗粒增加的数 量，将其加入到s p c 控制图中。先进的s p c 系统采用的方法：比如解决非正态分 们引题的估计权重移动平均图( e w m a ) ，用于改进对于缺陷暴发的监测。这是一 个非常好的方法，但是在实际应用中由于数据中噪音的缘故会有一定的局限性， 会忽略掉一些有用的信息，比如空间分布，以及缺陷分类。3 经过不断的改进与发展，当前半导体业界采用较为成熟的缺陷监测系统是由 缺陷检测设备，微观显微镜，缺陷分析管理软件和s p c 四部分系统组成的。其中 缺陷检测设备负责检测出硅片i 二存在的缺陷；微观显微镜用以对检测到的缺陷观 察；缺陷分析管理软件负责存储大量的缺陷信息供生产技术工程师对其分析；s p c jw l p ( w o r k _ i np r 。c e s s ) 追踪系统链接在一起，用以实时监测生产信息。 1 2 1 缺陷检测的方法 随着? l 导体新材料、新工艺的应用以及半导体器件的不断微缩，传统缺陷 f i ，洲技术遇到了极大的挑战。为了尽快提高产品瞧率，新代缺陷检测技术必须 能够以更快的速度和更高的灵敏度捕捉到各种缺陷，并自动分类，同时保持较低 e 水。当前比较典型的缺陷检测技术主要有三种：暗场、明场和电子束检查。 a ) 暗场检测 暗场检查通常以激光作为光源，灵敏度适中、检查速度快、成本低。入射光 源路径和检测信号路径分开，入射光遇到晶片上的缺陷后被散射，在暗场背景上 产生亮度( 强度) 不1 的信号，然后通过探测器捕捉到缺陷信号。 入射角度和探测器位置是非常关键的因素。表面缺陷产生的信号容易反射到 低角度，与电路图形f p a ll e r n ) 相关的缺陷或高纵深比( = h a r ) 结构内的缺陷则 容易反射到高角度( 如图2 ) 。凼此，当探测器按照一定的倾斜角度安装在较低 他臀 寸，容易探测到表喵缺陷例如各种粉尘颗粒；当探测器垂直于晶片表面或接 近睡直角度时，剥p a t t e r n 缺陷和h a r 缺陷则更敏感( 通常这类缺陷只能通过明 场技术4 + 能检测到) 。 幽2 ，暗场散射方向和榆测器空间分布 为此，a p p lie dm a t e r i a ls 公司采用了多方位检测技术，策略性地在各种散 利角度j ：配置了多个检测器，使其可以在最大范围内检测到各种缺陷类型，包括 u 鼻以前职能用明场设备才能检测到的缺陷。由于各探测器收集到的缺陷信号特 性1 ：同，用户还可以分别凋整各探测器灵敏度，突出感兴趣的缺陷( d o i ) ，降 低对其它缺陷和噪音的探测灵敏度。多方位检测的另外一个优点是可以根据各探 测器捡测到的信号特性进行实时地自动分类( ( ) t f g ) ，帮助：i 二程师更好更快捷 多方位检测的基础上，还可以增加双入射路径( 倾斜和垂直) 结构，进一步 扩犬了俭测范围和可检测缺陷类型。用尸i 可以根据需求灵活选择入射角度。例如 检褒沉积薄膜层时可以采用倾斜角度入射光，增强：3 d 表面缺陷的检测；对于沟 槠( 1r e n c h ) 、接触孔( c o n t a c t ) 和微通孔( v i a ) 等结构，采用垂直入射光更 为遁：l j ：，结合高角度探测器，可以检测到结构底部残留物等缺陷。倾斜角度入射 光还可以解决光刻层和电介质层由于材料透明，易受前层缺陷i j 扰的问题。 b j 明场检测 明场检奄采用可见光或激光作为检测光源，灵敏度高，但是检测速度较慢、 成本较高。明场检查设备的入身! | 光和检测信号路径一致，均垂直于晶片表面。当 八身j 光照射在缺陷玑通过反射会在较亮背景中形成较暗的缺陷信号。 明场检查时像素很小( 系统性缺陷的图形特征及其产生原因的分析 d s a 系统数据库定义 d s a 对系统性缺陷捕捉的p u r i t y 和a c c u r a c y 的调整 首先，我们对一些具有系统性缺陷特征的d e f e c tm a p 进行分析，并对其进 行一一分类( 以下以几种典型的d e f e c tt y p e 为例) 1 ) r a d i a ll i n e ：( 见图1 5 一图例1 ) 可能造成缺陷来源：p l a s m ae t c h 原因分析：与p 1 a s m ae t c h 的设备p a r t s 相类似。经常在e t c h 后被发现 2 ) c m ps c r a t c h ( 见图1 5 一图例2 ) 特征：一条或多条规则弧线 可能造成缺陷来源：c m p 原因分析：c m pp r o c e s s 中有异物混入研磨过程，使得异物在晶片表面造成 机械性划伤，由于划伤时，晶片在c m pp r o c e s s 中进行自转，所 以会在晶片表面形成一条或多条规则弧线。 3 ) q u a d r a n t ( 见图1 5 一图例3 ) 特征：c r e s c e n to rd i a g 。n a ls w a t h 可能造成缺陷来源：d i f f u s i o n 儿p c v d 原因分析：d j u s i o n l p c v d 气相淀积或生长尾气排放处有p a r t i c l e 灌入 造成。 q ) r i n s e ( 见图1 5 一图例4 ) 可能造成缺陷来源：w e te t c h 原斟分析：晶片在通过w e tc h e m i c a le t c h 时由w e t 设备将晶片放入或取 出酸槽时造成。 j ) 刚n g ( 见图1 5 图例5 ) 呵能造成缺陷来源：p h o t o c l e a n 原因分析：晶片在通过经过有旋转p r o c e s s 后造成。 名称 r a 击a 1l m ec m ps c r a k h。u a d r a n t鼬n s e r j n g 引 j 爹淤 ，一7 一、 倒 遂多7 ：至誊h 、一夕 图倒1图例2图例3图侧4图例5 图1 5 几种典型的系统性缺陷图例 经过初步的分析整理后，接下来工程师需要在d s a 中对整理出的上述的典型 系统性缺陷进行设定。 在d s a 系统中，可以通过3 种模式进行图形设定。 第一种：直接导入法 即将包含所需要图形的缺陷数据直接导入d s a 数据库中，再通过d s a 的自动 以别功能，自动的搜索缺陷中的图形信号，将具有共同特征参数的图形信号分离 i l j 束( 见图1 6 ) ，作为目标图形，在生产应用分析时，d s a 将在数据库中存储的 信息信号与待分析缺陷数据相比较，如果待分析缺陷数据中具有相类似的图形信 r j 特征，则d s a 系统根据两者间特征参数的相识度来判断系统性缺陷所属的类 别。在实践中，通过不断的修改所选择数据来调整相应系统缺陷的准确性。 幽1 6d 蚋直接导八泣缺陷m a ps a m p l e 这种模式具有设定快速，简单的优点，设定时不需要工程师对整套d s a 系统 和d s a 应用有足够的了解，设定过程中工程师仅需要将自己选定的缺陷图形式使 用添加功能将其添加到数据库中，并通过调整所选择的数据s a m p l e 来提高设定 的p u r i t y ( d s a 系统自动分类的准确度：p u r i t y = 卜f a l s ec o u n t d s aa u t o c l a s s i f i e dt o t a lc o u n t ) 和a c c u r a c y ( d s a 系统自动分类的精确度：阿 a c c u r a c y = 卜m i s sc o u n t r e a lt o t a lc o u n ti nt h i st y p e ) 但由于所选数据特 址值复杂，不能完全的区分丌图形信号，所以缺陷识别的准确性波动较大通常在 6 0 1 8 5 之阳j 。 第二种：特征值定义法 特征值定义法是d s a 系统在直接导入方法的基础上进行的一次革新，这种方 法通过对选定缺陷图形手动定义，人为的将所要义的系统缺陷图形分离出来，( 见 3 4 瓠-o眇囝愿 图1 7 ) 定并在定义后的图形的特征属性中分别对图形旋转匹配和图形的线条粗 图1 7d s a 特征值定义法事例 相：原缺陷m a d 一( 幽1 7 a 所示) 通过人为定义的方法画得到想要的缺陷空间分布图形通过 d s a 软件将所需的图形分离出米，加入d s a 数据库中( 如图1 7 b 所示) 。 细，形成图形的缺陷密度进行设定，用以匹配多种情况 特征值定义法降低了系统缺陷图形信号定义的复杂性，定义后d s a 系统可 以较好的区分开从众多缺陷中分离出系统缺陷，但由于在设定时局限了图形的设 定，从而使得通过特征值法定义后得到的系统缺陷图形使用的灵活性较难控制 二与系统性缺陷出现与原定义缺陷有所偏差时，异常晶片不易被i ： ： 别出，所以通过 特征值定义法定义的缺陷图形信号可以在使用中获得较好的p u r ic y ( 8 5 1 0 0 ) 面无法达到同样水准的a c c u r a c y ( 7 5 9 0 ) 第= ：种：人工定义法 人工定义法即完全人为的定义系统缺陷图形，工程师可以在数据库中使用系 统自带的基本图形( l i n e ，r i n g ，c u r v e 等) 或画笔在自动生成的w a f e rm a p 上 人工的画出自己想要得图形并通过对图形属性特征值设定( 见图1 8 ) ，来对规定 的缺陷图形进行检测，这种定义方式主要是为防止一些己知的，但发生几率很低 的系统性缺陷。由于工程系统数据的量相当庞大，所咀任何f a b 都无法将所有的 缺陷信息全部保留，而对于这种发生频率低，但还是重要的系统性缺陷就只能通 过对以往系统性缺陷发生的图形( 已无法找到完整的缺陷数据) 在d s a 系统中进 行二设定。 通过对d s a 系统三种基本缺陷图形信息的定义模式的了解我们结合生产线 i 二系统缺陷发生的几率，及伴随的其他缺陷信号值的特点将一些重要或常见的系 统性缺陷图形信息在d s a 系统中进行设定。并通过1 个月左右的实际监测，根据 其表现出的准确性分别调整d s a 系统每种分类的p u r i t y 和a c c u r a c y 使得d s a 对每种系统性缺陷的p u r i t y 和a c c u r a c y 都能达到8 5 以上( 见图1 9 2 1 ) 幽l g 随不断调整d s a 系统对系统性姚陷的p u n t ” 幽1 9 随叫i 断调整d s a 系统对系统胜缺陷的a c c u r a c y 幽2 l 各种系统性缺陷的p u n t y 与a c c u r a c y 统计表 通过d s a 系统的使用，我们可以发现，一些主要的系统性缺陷被发现的几率 仃了明显的增加。与原有的模式相比较，系统缺陷被发现的几率从2 2 上涨到7 0 斤右。( 见图2 2 ) 幽2 2 使用d s a 系统对系统性缺陷发现比率的比较 而且通过d s a 系统的r e p o r t 功能，我们还能将之前系统无法进行区分的系统缺 陷( 如c m ps c r a t c h ) 进行汇总，以t r e n dc h a r t 或r a wm a p 形式r e p o r t 出来。 对重要p r o c e s s 进行监测。防止异常发生。( 见图2 3 2 4 ) 图2 3 原缺陷系统对c m pm a c r os c r a t c h 的t r e n d c h a “ 幽2 4d s a 系统对c m pm a c r os c r a t c h 的t r e n dc h a r t 从上面两个t r e n dc h a r t 中我们不难发现，原监测系统对c m ps c r a t c h 的t r e n d ( 、h a r t ，由于m i c r os c r a t c h 的干扰，无法准确显示出系统性缺陷c m pm a r c o s c r a t c h 的状态。而使用d s a 系统加入后，工程师能通过d s a 分类的查询得到如 下的信息。从而提高了对系统性缺陷的统计和分析的可行性。 同时d s a 系统为防止d s a 遇到工程师未定义的系统性缺陷发生，而d s a 无法 以别的情况发生而造成的m i o s i n g ，d s a 提供了基础图形库的自动识别功能，只 要工程师在设定d s a 系统的r e c i p e 时将d s a 的a u t o l e a r n 和a u t 。c l a s s i f y 功 能加入，d s a 就可以对工程师未定义的系统性缺陷图形分解成各种不同的基础图 彤，并根据基本的图形的吻合度，将新的图形分类，通过e m a i l 方式发送给工 枰师，通过工程师对其进行修改和设定。 3 3d s a 系统对机械性划伤的监测 在生产：中由于各生产设备部分p a r t s 的老化或异常有时会造成设备在传送 晶片进行生产时，品片与设备问发生接触，造成机械性划伤，一旦这种异常发生 n 】又未能制止时，生产中就会发生大批量的影响，给生产过程造成巨大的损失。 舣这种缺陷发生时需要处理的： 程师具有足够的生产经验，从而快速的判断出 受影响的生产设备，及时停机，对其进行维修。而这样就限定了异常处理的人群。 降低了异常处理效率。在传统过程中，工程师通常需要将发现机械划伤的m a p 手 动打印出来，人工的计算出划伤的宽度，根据已有的经验判断，造成划伤的设备。 这种判断方式既慢又不精确，往往会出现几种设备的信息比较接近，无法判断的 情况出现。因此我们决定利用d s a 系统再次帮助生产中提高此类缺陷的处理效 率。 首先我们收集每个生产设备机械传送手臂的信息，在d s a 中进行设定。结合 殴定将缺陷数据中相关的信息进行比较，第一时间判断出划伤可能出现的生产设 备。( 如图2 5 2 6 所示) 这样又一种系统性缺陷成功的被d s a 所监测出。 ? j 1r 1 2 ” a 设备 a r m b 设备 a r m 倒2 5 定义不同设备机械手臂的宽度 4 图2 6d s a 系统自动辨别划伤设备 3 4d s a 系统的数据整合功能的应用 通过d s a 系统引进后在r e p e a t e r 缺陷和系统性缺陷上的成功应用。我们对 i ) s a 系统在当前检测系统中所能发挥的作用有了更深入的了解。但是在前面应用 的都是d s a 系统在单一晶片缺陷分析上的应用，而现实中经常会存在一种现象 那就是有时仅对单一晶片缺陷进行分析时，缺陷并不能显示出显著的图形，而当 多片晶片的缺陷数据进行叠图时，那些被隐藏起来的信息就会出现在面前，那么 是否叮以使用d s a 对生产中这种b a s e l i n e 缺陷进行发现，从而提早预警，降低 牛产中的影响呢? 通过研究发现，d s a 可以在r e c l p e 设定时对相同技术制成下特定l 。a y e r 进 行参数设定，在设定时只需设定时间周期或片数的多少，那么d s a 系统就会在时 削设定的范围内或片数设定的范围内，对符合条件的缺陷数据进行汇总分析，并 将整合后数据中有异常的缺陷数据r e p o r t 给良率工程人员。( 见圈2 7 ) 幽2 7d s a 对多片w a f e r 进行叠巨分析 通过对这些只有通过o v e r l a pd e f e c tm a p 才能够发现的系统性缺陷，及时预警 及改善，我们可以在生产中对提翦对8 a s e “n e 缺陷进行改善提高生产中的c p y i e l d ，在生产中取得份先机。 3 5d s a 系统的数据处理的效率 我们之所隧将d s a 系统引递一个主要原因是因为它的处理效率。在d s a 系统 处理数据的过程中，我们对d s a 系统处理的时间进行了一次统计。统计发现d s a 系统可以用几秒钟的时间就处理完一批l o t 的缺陷信息，实践中显示d s a 系统处 理一片3 0 0 0 0 e a 缺陷晶片的数据所消耗得时间不超过1 2 s e c ( 见图2 8 ) ，而通过 传统的人工r e v i e w 方式工程师的到有用的缺陷信息需要2 0 分钟以上。 幽2 8d s a 对不同缺陷数量的数据处理时间分布 出于人为因素的影响，缺陷中所有的信息并不能被完全发现，而d s a 系统 4 ：仅可以用很短的时间就完成对缺陷数据的处理和分类，而且对所有被检测的信 息都会进行处理，所以被检测的晶片受r e v i e w 设备和人力的限定只能发现较少 的系统缺陷已不再成为一个问题，而且使用d s a 系统还可以降低由于人为因素而 造成的r e v i e wm i s s i n g 而导致系统性缺陷未发现的几率。从而提高被检测晶片 缺陷信息的可用性和检测系统的安全性。( 见表1 ) e 髓c t i v ec 印t l l r er a t e s 南rm a n m lr e 诎wo f s 蜘a n j r ev s d s a m a l l u a lr e v j e wd s a 9 名o f w a 南r sr e v i e w e d3 0 1 0 0 c a p t u r er a t ep e rw a e rr e v i e w e d 7 0 9 0 e 船c t i v ec a p t u r er a t e 南ra 妇p e c t e dw a 南r s2 1 9 0 表1d s a 与人丁处理缺陷发现系统性缺陷的比较 如表l 所示，d s a 系统无论在检测范围上还是在检测准确度上都远远高于当前人为 地监测。所以引进d s a 系统替代人工的系统性缺陷监测可以夫人的提高上= 程中的效率和 降低危害的影响。 4 5 1 结论 结论 快速提高良率是纳米级半导体公司所面临的最大挑战之一。本文在当前缺陷 检测系统中引入d s a 系统，通过d s a 系统对缺陷分析的新的功能一空间分布的 识别的应用，我们针对不同情况系统性缺陷的监测，并得到相当可观得成绩。 首先，我们利用d s a 系统增加对生产中光刻掩模板r e p e a t e rd e f e c t 的监 测，d s a 系统能够及时，准确的识别出r e p e a t e rd e f e c t ，通过d s a 系统使用前后 的刈比，我们可以发现，在使用d s a 系统后r e p e a t e rd e f e c ti m p a c tl o t 的数 量1 5 年低了7 5 以t 。 其次，我们通过对系统性缺陷特征信号在d s a 中的设定，我们可以快速的识 别牛产中出现的重要的系统性缺陷，及时的发现并制止生产中的异常情况，从而 提高生产中产品良率的控制。 最后，通过对d s a 分析系统功能的巧妙利用，我们可以及时的发现生产中隐 减的问题，提早对其进行分析和改进，进而提高生产中的良率。 由十d s a 系统可以更大范围的监测和分析生产中的缺陷，并且d s a 系统仅需 儿秒钟的时削就能得到相应的分析结果，所以无论从缺陷的监测范围上还是从缺 蟠的监测效率上都比当前的处理方法有很大的优势。d s a 系统的使用使得现在的 良率( y i e l d ) 缺陷( d e f e c t ) 管理方法可以比过去达到更高的良率水平以及更快 地实现稳定的生产。从实践中的数据显示，d s a 系统的应用，在高端制成系统性 缺陷的监测和管理上有着重要的作用。 在此基础上，使用d s a 系统连接生产系统( m e s ) ，使得d s a 能更加自动的监控 生产过程和设备，给生产监控中增加更多的控制保障是近期以来各f a b 改善工程 系统的重要发展趋势。而如何自动分析系统性缺陷和实际产品良率间的关系，提 前预测良率的走势是当前d s a 系统还需要进一步改进的主要方向。 2 展望 为适应f 益发展的半导体技术，精细，准确的缺陷检测设备，是产品良率提 升的重要保障之一，半导体生产，一商一方面要求半导体检测设备，能够提供更多 更详细的信息供工程人员参考，一方面要求能够有一套可以配合高精密的检测设 备，能够快速，准确的对这些从检测中得到的信息进行分析，能够从中找到工程 技术员需要发现的缺陷信息；这就要求缺陷控制和良率分析系统能够更加完善的 发展，具有更强大的分析和管理功能，如系统性缺陷与生产工程中参数的分析 旧良率问相关性的分析，根据当前信息对产品良率进行预测，所以在以后生产中 能够加快问题解决速度和获取更多数据进行有效分析是未来加快良率提高的重 4 7 要l 作。一套自动化的稳定快速的检测和分析系统也会再次出现在我们面前，带 来新一代缺陷系统的革命。 j 电子文献 参考文献 门l a u r ap e t e r s ，更快地分析更小的缺陷，半导体国际，2 0 0 6 0 3 1 8 2 t o mw u 低成本创新将成为未来发展趋势，半导体国际，2 0 0 5 一0 3 一0 8 ：j b r u c ew h it e f i e l d 改善f a b 良率的最佳方案，半导体国际，2 ( ) 0 5 1 2 2 8 ：、 ap r o d u c t i o nf a b ，半导体国际，2 0 0 56 1 j r