外文资料翻译(含原文)-半导体制造过程控制和监测：工厂全框架

毕业设计论文外文资料翻译学院专业过程装备与控制工程姓名学号外文出处JOURNALOFPROCESSCONTROL2006,16179191附件1外文资料翻译译文；2外文原文。指导教师评语签名年月日用外文写附件1外文资料翻译译文半导体制造过程控制和监测工厂全框架摘要半导体行业已经开始了从200毫米到300毫米的晶片技术的过渡，以提高制造效率，降低制造成本。这些技术变革展出现了优化设计下一代工厂控制系统的独特的机会。本文首先提出为300毫米设备和计量工具和材料处理高度自动化的系统在全工厂范围分层控制的框架。现有相关运行的技术在工厂控制范围内通过了审查和分析。过程和计量数据的监测，通过是举例来说明的。缺失的部分，作为未来研究和发展的方向而被指出。结束语附在文章末尾。2005年由ELSEVIER有限公司出版关键词半导体制造波段范围内的控制电气参数控制运行控制故障检测和分类计量数据监控1导言半导体行业已开始从200毫米的技术过渡到300毫米转换，以提高生产效率，降低制造成本。随着这种转变，300毫米的资金的开支为200毫米的一倍。（一个生产200毫米厂的费用超过10亿美元，而300毫米晶圆厂的费用超过20亿。）其他技术变革包括单晶片加工能力，而不是批量业务营运能力；全自动化物料处理系统（AMHS）的跨海湾和内湾运输；综合计量，以便及时控制；过程控制和故障诊断的高度自动化。由于新时代的工厂资本高度密集，工厂的关键是保持高效率的运作，减少设备停机的时间，优化高品质产品的产量。国际技术路线图42明确说明工厂的信息和控制系统是一项重要的技术，是减少周期时间提高利润。技术变革预示着为新时代工厂优化设计的过程控制系统的独特机会。缺乏现场传感器提供的反馈控制和优化晶圆状态的实时信息是半导体制造控制业长久的挑战。但幸运的是，近期计量技术44的发展提供了改进及时性和测量数据的作用性的机会。通常一个现代化的工厂，在半导体制造持续的挑战控制是至关重要的现场传感器提供的缺乏，晶圆的实时状态信息反馈的控制和优化。最近，推进计量技术44提供了一个机会，改善及时性和实用性测量的数据。通常一个现代化的工厂具有相当多的的测量数据可供分析和控制（1）在工具层面，实时数据反映了设备的健康状况和提供反馈并实时控制（2）综合测量和在线测量数据的几何尺寸可进行后期处理，有轻微的计量延迟（3）样品和最终电气测试（电子测试）提供数据与中期或长期的电性能时间延迟，但他们最重要的信息制造业的成效。先进的控制手段与优化方法应尽量在所有的信息的使用综合等级的高效率生产和严格的产品质量控制。监测和控制的半导体制造程序已经在一些美国的大学和工业研究实验室研发出来。作为代表的有UC伯克利28,32对统计建模与控制等离子蚀刻机，密歇根实时运行多变量控制22，以及麻省理工学院在不同的传感器和控制技术7,8。由于缺乏现场传感器大部分控制开发工作从运行（R2R）控制策略12,41。在马里兰大学研究小组贡献的运行区控制2,5,53。领先的半导体制造商协会SEMATECH发布了在等离子设备故障检测和诊断的几种基准问题4。自适应非线性R2R控制问题被提出。模型预测适用于R2R控制并具有额外的处理能力，可以明确的设定系统参数19。美国德州大学奥斯汀分校，我们已经开发（一）稳定的条件和多变量EWMA的调整方针双控制EWMA的计量延误20,21，（二）多元统计监测的区域贸易协定和蚀刻机52,51，（三）多元统计控制从光刻技术的计量数据光盘14。其他新的发展，控制和故障检测是在最近由SEMATECH组织的SPIE会议和AEC/APC的专题讨论会上由德尔卡斯蒂略和赫尔维茨15和莫恩等总结的34。制造公司，像AMD，英特尔，摩托罗拉，德州仪器和小的应用厂商像APPLIEDMATERIALS,BROOKSPRIAUTOMATION,ANDYIELDDYNAMICS是使用APC的技术生产线的领头人。在本文中，我们说明如何区分半导体类比制造工厂和化学工厂并提出一个分层优化控制系统半导体晶圆厂控制。示意图如图1，这个理论是由秦和桑德曼首先提出的38。装备水平控制涉及的工具自动反馈控制参数和小规模运行控制使用的综合计量。第二个层次的运行控制涉及在线测量的前馈使用和反馈控制。第三个层次是岛屿控制。层次结构的顶层是工厂全控制，这是最高级别的优化，通过重新计算所需的最优几何目标而把消耗控制在剂量较低的水平。该文件的组织如下。我们首先提出为300毫米设备和计量工具和材料处理高度自动化的系统在全工厂范围分层控制的框架。现有相关运行的技术在工厂控制范围内通过了审查和分析。过程和计量数据的监测，通过是举例来说明的。缺失的部分，作为未来研究和发展的方向而被指出。结束语附在文章末尾。2一个工厂的框架范围内的控制几乎所有现有的发展都是以基于装备水平计量数据的R2R控制为基础的。这些被称为岛屿控制如图1的下部所示。现有的控制策略都不能检测协调多个制造步骤，从而提高电气参数方面的总体质量。R2R控制器的漂移补偿通过计量设备反馈，但他们无法弥补计量漂移和不确定性。这里提出的电气参数直接控制可以弥补计量漂移和几何测量低于SPC限制的系统误差。据认为，控制和电气参数优化代表半导体制造控制系统的新一代产品，因为它直接控制下级R2R控制器的使用。当市场需求数量一定时，电气参数的控制和优化将最大限度地高档产品产量或降低运营成本。如图1所示工厂全控制框架提供优化和加强协调，逐步减少变性，返工和废料，从而改善整体设备效率，降低制造成本。这一框架由秦和桑德曼38在AMD上部署许多R2R控制器并分析更高层次的控制需求后提出。装备水平的控制涉及工具参数的自动反馈控制。下一个层次是R2R控制采用综合或内嵌计量，以达到特定的目的。第三个层次是控制岛屿从多个步骤来执行前馈和反馈控制以及工具的性能匹配。层次结构的顶层是电气参数控制（EPC）或工厂范围的控制，通过重新计算对下级的最优目标来实现预期的电气性能。设备漂移，计量漂移，和物质补偿的变化是在EPC反馈水平，需求档案晶圆厂宽控制设备模式数据滤波，平滑约束岛的控制图1作为工厂高层电气参数控制范围控制（ECD电化学沉积CMP化学，力学，抛光）。蚀刻照片沉积从而改善进程，提高可用性，减少计量校准器和测试晶圆的使用。这种多层次控制框架类似于已经在炼油行业39成功的分层控制框架，但存在重大分歧（1）最低级的控制主要是批量操作；（2）中层R2R的控制，除了干扰几乎没有R2R动力学过程的动态特性；（3）顶层的EPC是一个多步操作的控制，目的是弥补以前的步骤失误，不考虑绝对误差，只要分步进行计量的测量结果是可用的。这使其与模型预测控制（MPC）缩小视野的批处理不同。在化学和炼油过程中，顶级优化是实时优化31，中等水平的是全面的动态MPC。由于MPC是一个强大的和成功的技术，它已经在半导体行业扩展到调度和生产规划11,46,47。该全工厂控制框架也参考MPC框架，但重点是优化设备的电气参数控制。电子测试数据用来改善设备模型之间的电子测试数据和模型的参数不匹配。参数评估进行后，估计参数被发送到工厂范围优化器，分配指标，以较低级别的控制器，调节生产制造过程。随着新的模型参数设置更新，该模型开始用于EPC控制。3运行控制算法近年来，运行（R2R）控制技术已受到半导体制造业的巨大关注。莫恩和赫维茨（莫恩等34）定义了R2R控制“一个离散的过程和机械控制，其中就某一特定过程的产物易地修改，以尽量减少过程中的漂移，转变和可变性”。为了修改配方，处理过程中漂移，转移和其他变化，目前的工具和晶圆州有必要进行估计。一类广泛使用的运行可以运行的是在指数加权移动平均（EWMA）的统计数字，估计过程扰动的控制器。EWMA已经用于长的时间质量监测目的9。其使用是作为R2R控制的近期应用40。如需EASUREMENTXN,XN1,的时间序列，其中N表示运行数，给出了EWMA的递推公式XNWXN11WXN最有效的一个操纵R2R控制变量是在诸如蚀刻时间，曝光时间，处理步骤，处理时间和平整时间。在这种情况下的控制变量通常在何种程度下发展的进程处理时间，如蚀刻和深入的关键方面。前面介绍的相乘模式不适合典型的线性状态空间模型，但可以转换为线性状态与过程和测量空间模型，简单地由对数测量噪音。因此，本文提出的所有控制算法适用于时间控制。4故障检测与诊断数据处理工具例如温度，压力，气体流量等将被应用到单晶片或批量的磁盘中。比如一些典型的加工服务，包括等离子体刻蚀，薄膜沉积，快速热退火，离子注入，化学机械研磨等。在大多数的处理步骤中，每一个感应器都收集晶圆磁盘或那些数据处理的工具。这个数据可以制造出先进的传感器平台，如光发射光谱中的实时数据，简易的统计数字，其数据形式在每次运行结束时都可用。数据故障检测与诊断已成功应用于其他行业的开发和应用中30,49。这些驱动的故障检测技术是基于多元统计分析的基础上来完成的，如主成分分析（PCA）和局部最小乘积（PLS）的数据和相关的统计质量控制方法26。这些监测方法最近的一项审查可参考36。虽然半导体制造的批处理性质为申请多路过程监控35提供了很多机会，许多半导体计量数据组织形式被分成三个方面。其中一个是CD计量，它的三个方面是晶圆，站点和参数。批量数据也通常可以加工显示出批量，时间和参数的工具（图2）。多路PCA已成功地应用于许多不同行业的批量加工过程监控。在半导体制造领域YUE等人52提出了通过申请多路PCA到等离子蚀刻机的光发射谱来扩展数据的观点。对于计量和处理工具的监测，数据可以通过站点或时间（每行代表一个晶片上的一个站点或批处理的一个时刻）或晶片（每行代表一个晶圆）展开。在这项工作中，晶圆级故障检测与识别是必需的，所以后者已被选为更好的展开方法（图4）。正如后面将要讨论的，用站点或时间分析数据的优点可以通过实现多块做法来体现。晶圆批次参数时间网站图2组织网站水平和批量的数据41计量数据监测虽然加工业务创造了结构，但是计量业务使它们拥有了这些特点。计量测量的一些例子包括发展检验关键尺寸（DICD），最后检查关键尺寸（FICD）和薄膜的厚度。计量测量通常在半导体晶片上多点采样，在同一点检测不同特征。故障检测和识别应用到站点级计量数据是为了验证整个晶圆表面建立在半导体晶片上的结构是否都均匀的在他们该在的位置。作为一个例子，我们使用PCA进行故障检测并用来自得克萨斯州奥斯汀AMD的FAB25DICD进行数据鉴定。在光阻材料发展起来之后，该DICD是光阻材料图案宽度。如图3所示，在各向同性发展表明各光阻底部和顶部之间的差异很小。该数据集由700片晶圆组成，每个晶圆顶部和底部各有9个测点。图6为分组的所有9个站点为两个参数合计，图7重点考虑到每个站点的参数。展开参数网站时间网站时间网站时间网站时间晶圆/批次晶圆/批次网站时间参数图4展开的网站水平和批量数据顶部顶部底部底部光刻胶多晶硅图3发展检查关键尺寸（DICD）这9个图可以很容易地识别基于晶片位置的问题。由提供的数据显示，出现的漂移在站点2，3和4最强，而它是很难在点6，8和9强烈漂移。随着了解每个站点在晶圆上的位置，将有可能使用这些图和掩蔽工具来解决可能倾斜或焦点问题。水水水图5DICD使用SPER故障检测，TR的和乌拉圭回合。底部DICD水顶部DICD水图6DICD故障识别使用参数贡献网站1网站9网站8水站8网站7网站4网站5网站6网站3网站2水水水水水水水水水图7DICD故障识别使用网站的贡献虽然跟踪块是好的贡献，影响了一大批晶圆的做法，但是也必须考虑的一个问题是如何在一个单晶片上集成，这个目标还有待验证。为了演示此功能，图示已生成晶圆395和450（图5中用箭头标出）。晶圆395图示如图8。显而易见，测量4（下部SITE4），12（顶部SITE3），13（顶部SITE4）值得怀疑。在底部和顶部的参数，也和SITE4一样作为异常的站点贡献，表示出问题。一个合乎逻辑的解释就是到晶圆上该站点有需要进一步探讨的问题，可能会影响产品产量或性能。虽然SITE3顶端尺寸也被特别指出，但是顶部和底部都被认为是共同时，整体站点的贡献是正常的。5挑战与机遇51电气参数建模为贯彻落实晶圆厂的控制，发展基于物理的器件模型映射到电气几何参数，如振动频率参数，擦除闪存时间，电阻值等是很重要的。这个模型与用于R2R控制器的用来描述如关键尺寸，深度，厚度或工艺操作条件之间的关系的模型不同。由于优化在广泛应用的EPC中涉及到了，非线性物理模型的基础模型适合于优化。适合EPC的模型必须可以实时执行，它不同于模拟和设计模型，如TCAD模型。因此，减少型号为EPC一个重要问题。随着半导体产业进入100纳米时代（目前90纳米，并会很快发展到65NM），多尺度建模与仿真变得很重要。这些模型10，18可以帮助了解微观行为并有效控制和避免潜在的缺陷。无方程仿真模型27可用于控制和约束处理使用。52长延迟模型更新随着这一进程的计量和物质随时间变化，需要从实际使用数据适应模型参数。为了统计参数集，非线性物理模型需要非线性最小二乘法。最小二乘法的目的是EPC的二重目标，即最小化之间的电子测试数据和模型的输出成品晶圆地段或受到可能的制约因素的差异。在更新模型的一个具有挑战性的任务是在电子测试测量数据的延迟。更新机制应该只响应长期持久的变化，而不是短暂的临时错误。重复学习控制和实时反馈控制框架（金等人，2003年）是一个可执行的解决方案，但需要进一步努力，处理的长时间延迟，多了一个新的EPC执行目标会有更长的时间延迟。更新后的模型被用于EPC控制器，以便接收下一个目标大量数据传入。53FDC与R2R的一体化正如在图1中的说明，晶圆厂控制框架中额每个步骤具有广泛的R2R控制器和FDC模块。FDC的目的是监测分析以历史数据为基础的正常情况下的偏差。整合之一就是将多路PCA应用于设备监控。通过双方合作，FDC和R2R控制向他们的一体化提出了挑战。首先，FDC的方法通常假定具有循环或类似批长度。另一方面，R2R模块的目的是调整安排，如生产时间，以尽量减少由于正常变异过程产生的漂移。FDC模块，如果不妥善设计，可认为正常R2R调整偏离正常情况下并且是错误的警告。另一个挑战是R2R反馈故障诊断的影响。由于工具控制反馈的故障的根本原因可能是由一个变量转移到另一个的反馈存在时效性。对于故障诊断，反馈信息的利用33可能是一个解决的途径。6结束语半导体产业正在成为一个资本最密集的高比例收入行业之一。另一方面，优化和生产业务的控制最近已受到重视，并证明是必要的竞争优势。一个设计良好的晶圆厂的控制框架，给半导体制造商提供了竞争力，因为他们过渡到300毫米技术，并预见了未来450毫米技术。自动化的物料处理系统和自动化R2R控制功能提供了实施的层次各级晶圆厂的控制和故障检测的必要基础。领先的设备制造商设想未来大部分的日常业务将由干净的房间转移到未来的中央控制室。这种转变提供了更大的挑战和机遇，过程控制的研究人员和工程师将为为这个蓬勃发展的行业订立新标准。参考文献见原文附件2外文原文（复印件）SEMICONDUCTORMANUFACTURINGPROCESSCONTROLANDMONITORINGAFABWIDEFRAMEWORKSJOEQIN,GREGORYCHERRY,RICHARDGOOD,JINWANG,CHRISTOPHERAHARRISONDEPARTMENTOFCHEMICALENGINEERING,THEUNIVERSITYOFTEXASATAUSTIN,AUSTIN,TX78712,USAABSTRACTTHESEMICONDUCTORINDUSTRYHASSTARTEDTHETECHNOLOGYTRANSITIONFROM200MMTO300MMWAFERSTOIMPROVEMANUFACTURINGEFFICIENCYANDREDUCEMANUFACTURINGCOSTTHESETECHNOLOGICALCHANGESPRESENTAUNIQUEOPPORTUNITYTOOPTIMALLYDESIGNTHEPROCESSCONTROLSYSTEMSFORTHENEXTGENERATIONFABSINTHISPAPERWEFIRSTPROPOSEAHIERARCHICALFABWIDECONTROLFRAMEWORKWITHTHEINTEGRATIONOF300MMEQUIPMENTANDMETROLOGYTOOLSANDHIGHLYAUTOMATEDMATERIALHANDLINGSYSTEMRELEVANTEXISTINGRUNTORUNTECHNOLOGYISREVIEWEDANDANALYZEDINTHEFABWIDECONTROLCONTEXTPROCESSANDMETROLOGYDATAMONITORINGAREDISCUSSEDWITHANEXAMPLEMISSINGCOMPONENTSAREPOINTEDOUTASOPPORTUNITIESFORFUTURERESEARCHANDDEVELOPMENTCONCLUDINGREMARKSAREGIVENATTHEENDOFTHEPAPER2005PUBLISHEDBYELSEVIERLTDKEYWORDSSEMICONDUCTORMANUFACTURINGFABWIDECONTROLELECTRICALPARAMETERCONTROLRUNTORUNCONTROLFAULTDETECTIONANDCLASSIFICATIONMETROLOGYDATAMONITORING1INTRODUCTIONTHESEMICONDUCTORINDUSTRYHASSTARTEDTHETECHNOLOGYTRANSITIONFROM200MMTO300MMWAFERSTOIMPROVEMANUFACTURINGEFFICIENCYANDREDUCEMANUFACTURINGCOSTALONGWITHTHISTRANSITIONISTHEDOUBLINGOFCAPITALEXPENDITUREINA300MMFABVERSUSA200MMFABTHECOSTOFA200MMFABISOVER1BILLIONWHILETHECOSTOFA300MMFABISOVER2BILLIONOTHERTECHNOLOGICALCHANGESINCLUDESINGLEWAFERPROCESSINGCAPABILITYINSTEADOFLOTTOLOTOPERATIONSFULLYAUTOMATEDMATERIALHANDLINGSYSTEMSAMHSWITHINTERBAYANDINTRABAYTRANSPORTATIONINTEGRATEDMETROLOGYTHATALLOWSFORTIMELYCONTROLHIGHLYAUTOMATEDPROCESSCONTROLANDFAULTDIAGNOSISOWINGTOTHECAPITALINTENSITYOFTHENEWGENERATIONFABS,ITISCRITICALTOMAINTAINHIGHLYEFFICIENTOPERATIONS,MINIMIZEDOWNTIMEOFEQUIPMENT,ANDOPTIMIZETHEYIELDOFHIGHQUALITYPRODUCTSTHEINTERNATIONALTECHNOLOGYROADMAP42CLEARLYIDENTIFIESTHATFACTORYINFORMATIONANDCONTROLSYSTEMSAREACRITICALENABLINGTECHNOLOGYTOREDUCECYCLETIMEANDIMPROVEYIELDTHESETECHNOLOGICALCHANGESPRESENTAUNIQUEOPPORTUNITYTOOPTIMALLYDESIGNTHEPROCESSCONTROLSYSTEMSFORTHENEWGENERATIONFABSAPERSISTENTCHALLENGEINSEMICONDUCTORMANUFACTURINGCONTROLISTHELACKOFCRITICALINSITUSENSORSTOPROVIDEREALTIMEINFORMATIONOFTHEWAFERSTATUSFORFEEDBACKCONTROLANDOPTIMIZATIONFORTUNATELY,RECENTADVANCEINMETROLOGYTECHNOLOGY44PROVIDESANOPPORTUNITYFORIMPROVINGTHETIMELINESSANDUSEFULNESSOFTHEMEASUREMENTDATATYPICALLYAMODERNFABHASTHEFOLLOWINGMEASUREMENTDATAAVAILABLEFORANALYSISANDCONTROL1REALTIMEDATAATTHETOOLLEVELWHICHREFLECTTHEEQUIPMENTHEALTHCONDITIONANDPROVIDEFEEDBACKFORREALTIMECONTROL2INTEGRATEDMETROLOGYANDINLINEMETROLOGYDATAAVAILABLEFORGEOMETRICDIMENSIONSAFTERAMAJORPROCESSINGSTEP,WITHSMALLTOMODERATEMETROLOGYDELAY3SAMPLEANDFINALELECTRICALTESTETESTDATAAVAILABLEFORELECTRICALPROPERTIESWITHMEDIUMORLONGTIMEDELAY,BUTTHEYHAVETHEMOSTIMPORTANTINFORMATIONABOUTTHEMANUFACTURINGEFFECTIVENESSADVANCEDCONTROLANDOPTIMIZATIONMETHODOLOGYSHOULDMAXIMIZETHEUSEOFALLTHEINFORMATIONINANINTEGRATEDHIERARCHYFORHIGHLYEFFICIENTMANUFACTURINGANDTIGHTPRODUCTQUALITYCONTROLMONITORINGANDCONTROLOFSEMICONDUCTORMANUFACTURINGPROCESSESHAVEBEENINVESTIGATEDATANUMBEROFUSUNIVERSITIESANDINDUSTRIALRESEARCHLABORATORIESREPRESENTATIVEWORKINCLUDESUCBERKELEY28,32ONSTATISTICALMODELINGANDCONTROLOFPLASMAETCHERS,MICHIGANONREALTIMEANDRUNTORUNMULTIVARIABLECONTROL22,ASWELLASMITONDIFFERENTSENSORANDCONTROLTECHNOLOGIES7,8DUETOLACKOFINSITUSENSORSMUCHOFTHECONTROLWORKISDEVELOPEDFROMTHERUNTORUNR2RCONTROLSTRATEGY12,41RESEARCHGROUPSATUNIVERSITYOFMARYLANDCONTRIBUTEDINTHEAREAOFRUNTORUNCONTROL2,5,53SEMATECH,ACONSORTIUMOFLEADINGSEMICONDUCTORMANUFACTURERS,POSTEDSEVERALBENCHMARKPROBLEMSONPLASMAEQUIPMENTFAULTDETECTIONANDDIAGNOSIS4ADAPTIVEANDNONLINEARCONTROLFORR2ROPERATIONSISPROPOSEDBY16MODELPREDICTIVECONTROLISAPPLIEDTOR2RCONTROLASWELLWHICHHASADDITIONALCAPABILITYINHANDLINGCONSTRAINTSEXPLICITLY19ATUTAUSTINWEHAVEDEVELOPEDISTABILITYCONDITIONSANDTUNINGGUIDELINESFORMULTIVARIABLEEWMAANDDOUBLEEWMACONTROLWITHMETROLOGYDELAYS20,21,IIMULTIVARIATESTATISTICALMONITORINGOFRTAANDETCHERS52,51,ANDIIIMULTIVARIATESTATISTICALCONTROLOFCDMETROLOGYDATAFROMLITHOGRAPHY14OTHERNEWDEVELOPMENTANDAPPLICATIONSOFCONTROLANDFAULTDETECTIONAREREPORTEDATRECENTSPIECONFERENCESANDAEC/APCSYMPOSIAORGANIZEDBYSEMATECHANDSUMMARIZEDINDELCASTILLOANDHURWITZ15ANDMOYNEETAL34MANUFACTURINGCOMPANIESLIKEAMD,INTEL,MOTOROLA,ANDTIANDVENDORSLIKEAPPLIEDMATERIALS,BROOKSPRIAUTOMATION,ANDYIELDDYNAMICSARELEADERSINDEPLOYINGAPCTECHNOLOGIESATTHEMANUFACTURINGLINESINTHISPAPERWEDRAWTHEANALOGYBETWEENSEMICONDUCTORMANUFACTURINGFABSANDCHEMICALPLANTSANDPROPOSEAHIERARCHICALOPTIMIZATIONANDCONTROLSYSTEMFORSEMICONDUCTORFABCONTROLASCHEMATICDIAGRAMISSHOWNINFIG1FORTHISANALOGY,WHICHWASFIRSTPRESENTEDBYQINANDSONDERMAN38THEEQUIPMENTLEVELCONTROLINVOLVESAUTOMATICFEEDBACKCONTROLOFTOOLPARAMETERSANDSMALLSCALERUNTORUNCONTROLUSINGINTEGRATEDMETROLOGYTHENEXTLEVELRUNTORUNCONTROLINVOLVESTHEUSEOFINLINEMEASUREMENTFORFEEDFORWARDANDFEEDBACKCONTROLTHETHIRDLEVELISTHEISLANDSOFCONTROLTHETOPLEVELOFTHEHIERARCHYISTHEFABWIDECONTROLWHICHISTHEHIGHESTLEVELOPTIMIZATIONTOACHIEVEDESIREDELECTRICALPROPERTIESBYRECALCULATINGTHEOPTIMALGEOMETRICTARGETSANDDOSAGEFORTHELOWERLEVELTHEORGANIZATIONOFTHEPAPERISGIVENASFOLLOWSWEFIRSTPROPOSEAHIERARCHICALFABWIDECONTROLSTRATEGYWITHTHEINTEGRATIONOF300MMEQUIPMENTANDMETROLOGYTOOLSANDHIGHLYAUTOMATEDMATERIALHANDLINGSYSTEMRELEVANTRUNTORUNTECHNOLOGYISREVIEWEDANDANALYZEDINTHEFABWIDECONTROLCONTEXT,PROCESSANDMETROLOGYDATAMONITORINGAREDISCUSSEDWITHANEXAMPLE,ANDMISSINGCOMPONENTSAREPOINTEDOUTASOPPORTUNITIESFORFUTURERESEARCHANDDEVELOPMENTCONCLUDINGREMARKSAREGIVENATTHEENDOFTHEPAPER2AFRAMEWORKFORFABWIDECONTROLALMOSTALLEXISTINGDEVELOPMENTISONR2RCONTROLWHICHADJUSTSRECIPESOFASTEPBASEDONMETROLOGYDATAATTHEEQUIPMENTLEVELTHESEAREKNOWNASISLANDSOFCONTROLASILLUSTRATEDINTHELOWERPARTOFFIG1NONEOFTHEEXISTINGCONTROLSTRATEGIESEXAMINETHECOORDINATIONOFMULTIPLEMANUFACTURINGSTEPSTOIMPROVETHEOVERALLPRODUCTQUALITYINTERMSOFELECTRICALPARAMETERSTHER2RCONTROLLERSCOMPENSATEFOREQUIPMENTDRIFTSTHROUGHMETROLOGYFEEDBACK,BUTTHEYCANNOTCOMPENSATEFORMETROLOGYDRIFTSANDUNCERTAINTIESTHEDIRECTCONTROLOFELECTRICALPARAMETERSPROPOSEDHERECANCOMPENSATEFORMETROLOGYDRIFTSANDSYSTEMATICERRORSINTHEGEOMETRICMEASUREMENTSTHATAREBELOWTHEMETROLOGYSPCLIMITSITISBELIEVEDTHATTHECONTROLANDOPTIMIZATIONOFELECTRICALPARAMETERSREPRESENTTHENEXTGENERATIONOFSEMICONDUCTORMANUFACTURINGCONTROLSYSTEMASITDIRECTLYCONTROLSTHEELECTRICALPROPERTIESTOADESIREDPRODUCTPROFILEBYMANIPULATINGTHEOPERATIONREQUIREMENTSFORLOWERLEVELR2RCONTROLLERSTHEELECTRICALPARAMETRICCONTROLANDOPTIMIZATIONWILLMAXIMIZETHEYIELDOFHIGHGRADEPRODUCTSORREDUCEOPERATIONALCOSTWHENADEMANDPROFILEISSPECIFIEDBYMARKETORDERSTHEFABWIDECONTROLFRAMEWORKINFIG1PROVIDESOPTIMIZATIONANDCOORDINATIONFROMSTEPTOSTEPTOREDUCEVARIABILITY,REWORKS,ANDSCRAPS,THUSIMPROVINGTHEOVERALLEQUIPMENTEFFECTIVENESSANDREDUCINGMANUFACTURINGCOSTTHISFRAMEWORKWASFIRSTPRESENTEDBYQINANDSONDERMAN38AFTERHAVINGDEPLOYEDMANYR2RCONTROLLERSATAMDANDANALYZEDTHENEEDFORAHIGHERLEVELCONTROLTHEEQUIPMENTLEVELCONTROLINVOLVESAUTOMATICFEEDBACKCONTROLOFTOOLPARAMETERSTHENEXTLEVELISRUNTORUNCONTROLUSINGINTEGRATEDORINLINEMETROLOGYTOACHIEVEASPECIFIEDTARGETTHETHIRDLEVELISTHEISLANDSOFCONTROLTHATSHARESINFORMATIONFROMMULTIPLESTEPSTOPERFORMFEEDFORWARDANDFEEDBACKCONTROLANDTOOLPERFORMANCEMATCHINGTHETOPLEVELOFTHEHIERARCHYISELECTRICALPARAMETRICCONTROLEPCORFABWIDECONTROLTOACHIEVEDESIREDELECTRICALPROPERTIESBYRECALCULATINGTHEOPTIMALTARGETSFORTHELOWERLEVELSEQUIPMENTDRIFTS,METROLOGYDRIFTS,ANDMATERIALVARIATIONSARECOMPENSATEDBYFEEDBACKATTHEEPCLEVEL,LEADINGTOIMPROVEDPROCESSANDMETROLOGYAVAILABILITYANDREDUCEDUSEOFCALIBRATIONANDTESTWAFERSTHISMULTIPLELEVELCONTROLFRAMEWORKRESEMBLESTHEHIERARCHICALCONTROLFRAMEWORKTHATHASBEENSUCCESSFULINTHEREFINERYINDUSTRY39,BUTSIGNIFICANTDIFFERENCESEXISTITHELOWESTLEVELCONTROLISMOSTLYBATCHOPERATIONSIITHEMIDDLELEVELR2RCONTROLHASVIRTUALLYNOR2RPROCESSDYNAMICSEXCEPTFORDISTURBANCEDYNAMICSANDIIITHETOPLEVELEPCISAMULTISTEPOPERATIONCONTROLTHATAIMSTOCOMPENSATEFORERRORSMADEINPRIORSTEPS,REGARDLESSOFTHENATUREOFTHEERRORSASLONGASSTEPWISEMETROLOGYMEASUREMENTISAVAILABLETHISMAKESITDIFFERENTFROMMODELPREDICTIVECONTROLMPCOFBATCHPROCESSESWITHSHRINKINGHORIZONSINCHEMICALANDREFINERYPROCESS,THETOPLEVELOPTIMIZATIONISREALTIMEOPTIMIZATION31ANDTHEMIDDLELEVELISTHEFULLSCALEDYNAMICMPCASTHEMPCFRAMEWORKISAPOWERFULANDSUCCESSFULTECHNOLOGY,ITHASBEENEXTENDEDTOSCHEDULINGANDPRODUCTIONPLANNINGINTHESEMICONDUCTORINDUSTRY11,46,47THEFABWIDECONTROLFRAMEWORKPROPOSEDHEREALSODRAWSANALOGYFROMTHEMPCFRAMEWORK,BUTTHEFOCUSISOPTIMIZEDCONTROLOFELECTRICALPARAMETERSOFTHEDEVICESTHEETESTDATAAREUSEDTOUPDATETHEDEVICEMODELPARAMETERSBASEDONMISMATCHBETWEENTHEETESTDATAANDTHEMODELAFTERPARAMETERESTIMATIONISPERFORMED,THEESTIMATEDPARAMETERSARESENTTOAFABWIDEOPTIMIZER,WHICHDISTRIBUTESTARGETSTOLOWERLEVELCONTROLLERSTHATREGULATESTEPSWITHINTHEMANUFACTURINGPROCESSTHEMODELUPDATEDWITHTHENEWSETOFMODELPARAMETERSISUSEDFOREPCCONTROL3RUNTORUNCONTROLALGORITHMSINRECENTYEARS,RUNTORUNR2RCONTROLTECHNOLOGYHASRECEIVEDTREMENDOUSINTERESTINSEMICONDUCTORMANUFACTURINGMOYNEANDHURWITZMOYNEETAL34DEFINETHERUNTORUNCONTROLASAFORMOFDISCRETEPROCESSANDMACHINECONTROLINWHICHTHEPRODUCTRECIPEWITHRESPECTTOAPARTICULARPROCESSISMODIFIEDEXSITU,IE,BETWEENMACHINERUNS,SOASTOMINIMIZEPROCESSDRIFT,SHIFT,ANDVARIABILITYINORDERTOMODIFYTHERECIPETOADDRESSTHEPROCESSDRIFT,SHIFTANDOTHERVARIABILITY,THECURRENTTOOLANDWAFERSTATESNEEDTOBEESTIMATEDONECLASSOFWIDELYUSEDRUNTORUNCONTROLLERSISBASEDONTHEEXPONENTIALLYWEIGHTEDMOVINGAVERAGEEWMASTATISTICSTOESTIMATEPROCESSDISTURBANCESTHEEWMAHASBEENUSEDFORALONGTIMEFORQUALITYMONITORINGPURPOSES9ITSUSEASABASISFORRUNTORUNCONTROLISRELATIVELYRECENT40FORATIMESERIESOFEASUREMENTXN,XN1,WHERENDENOTESTHERUNNUMBER,THEEWMAISGIVENINTHEFOLLOWINGRECURSIVEFORMULAXNWXN11WXNONEOFTHEMOSTEFFECTIVEMANIPULATEDVARIABLESINR2RCONTROLISTHEPROCESSINGTIMEWITHINAPROCESSINGSTEPSUCHASETCHTIME,EXPOSURETIME,ANDPLANARIZATIONTIMETHECONTROLLEDVARIABLESINTHISCASEARETYPICALLYTHEEXTENTTOWHICHTHEPROCESSDEVELOPSUNDERTHEPROCESSINGTIME,SUCHASDEPTHOFETCHANDCRITICALDIMENSIONSTHISMULTIPLICATIVEMODELDOESNOTFITINTOTHETYPICALLINEARSTATESPACEMODELPRESENTEDEARLIER,BUTITCANBECONVERTEDTOTHELINEARSTATESPACEMODELWITHPROCESSANDMEASUREMENTNOISEBYSIMPLYTAKINGTHELOGARITHMTHEREFORE,ALLTHECONTROLALGORITHMSPRESENTEDEARLIERINTHISPAPERAREAPPLICABLETOTIMECONTROL4FAULTDETECTIONANDDIAGNOSISPROCESSINGTOOLDATASUCHASTEMPERATURES,PRESSURES,ANDGASFLOWRATESWILLBEUSEDTOMONITORRECIPESAPPLIEDTOSINGLEWAFERSORBATCHESOFWAFERSSOMETYPICALPROCESSINGOPERATIONSINCLUDEPLASMAETCHING,THINFILMDEPOSITION,RAPIDTHERMALANNEALING,IONIMPLANTATION,ANDCHEMICALMECHANICALPLANARIZATIONATMOSTPROCESSINGSTEPS,SENSORSCOLLECTDATAFOREACHWAFERORBATCHOFWAFERSTHATAREPROCESSEDONTHETOOLTHISDATACANBEINTHEFORMOFREALTIMEDATAFORARECIPE,SUMMARYSTATISTICSAVAILABLEATTHEENDOFEACHRUN,ORDATAFROMMOREADVANCEDSENSORPLATFORMSSUCHASOPTICALEMISSIONSPECTROSCOPYDATABASEDFAULTDETECTIONANDDIAGNOSISHASBEENSUCCESSFULLYDEVELOPEDANDAPPLIEDINOTHERINDUSTRIESEG,30,49THESEDATADRIVENFAULTDETECTIONTECHNIQUESAREBASEDONMULTIVARIATESTATISTICALANALYSISSUCHASPRINCIPALCOMPONENTANALYSISPCAANDPARTIALLEASTSQUARESPLSANDARERELATEDTOSTATISTICALQUALITYCONTROLMETHODS26ARECENTREVIEWOFTHESEPROCESSMONITORINGMETHODSISGIVENIN36WHILETHEBATCHNATUREOFSEMICONDUCTORMANUFACTURINGPROVIDESPLENTYOFOPPORTUNITIESFORAPPLYINGMULTIWAYPROCESSMONITORING35,MANYFORMSOFSEMICONDUCTORMETROLOGYDATAARENATURALLYORGANIZEDINTHREEDIMENSIONSONESUCHCASEISCDMETROLOGY,WHERETHETHREEDIMENSIONSAREWAFER,SITE,ANDPARAMETERBATCHDATAAREALSOCOMMONLYAVAILABLEFROMPROCESSINGTOOLS,WHICHEXHIBITSTHEDIMENSIONSOFBATCH,TIME,ANDPARAMETERFIG2MULTIWAYPCAHASBEENSUCCESSFULLYAPPLIEDFORBATCHPROCESSMONITORINGACROSSMANYDIFFERENTINDUSTRIESINTHEFIELDOFSEMICONDUCTORMANUFACTURING,YUEETAL52DEMONSTRATEDTHECONCEPTOFUNFOLDINGDATABYAPPLYINGMULTIWAYPCATOOPTICALEMISSIONSPECTRAFORPLASMAETCHERSFORMETROLOGYANDPROCESSINGTOOLMONITORING,THEDATACANBEUNFOLDEDBYSITEORTIMEEVERYROWREPRESENTSONESITEONAWAFERORTIMEINST