[发明专利]半导体制造的虚拟量测预估与建立预估模型的方法与系统

说明书

技术领域

本发明涉及一种半导体制造的品质控制方法，特别是涉及一种半导体制造的虚拟量测预估与建立预估模型的方法与系统。

背景技术

统计质量管理(Statistical Quality Control，SQC)是一项维持与改善产品品质的技术，而统计工艺管制(Statistical Process Control，SPC)则是其中一项主要的工具，它着重于制造过程中数据的分析，以判定产品发生变异的原因。统计质量管理包含两个主要部分，即统计工艺管制与抽样允收标准。而统计工艺管制则包括质量管理(QC)处理和机率与统计学的基本理论及其应用。SPC是利用工艺操作变量对生产变量或产品的品质变量进行预测性监控，而从工艺操作变量发生变化到安全/品质出现问题的过程中，有一定的时间落后存在，故如何能在最短的时间内预测出品质变量的问题，是评估SPC相关方法优劣时需考虑的重要因素之一。

此外，产品在生产过程中，允许若干差异，只此差异需作适当管制，而品质好坏的程度需藉此管制程度，使达到某一定要求的范围内。而质量管理(QC)乃是于制造过程中抽取样本，将样本量测所得数据，加以统计分析并绘制成管制图，以管制工艺是否发生异常现象，或从一大批制品中，抽取数个样本，检查其特性，以所得数据分析判断制品全体是否合格、是否需作处置。

传统的量测方法会因抽样的不同而衍生许多应用面的问题，例如，两晶片批量间的批次控制。因此，本发明提出了一种半导体制造的虚拟量测预估与建立预估模型的方法与系统，可降低因抽样产生的抽样危险(SamplingRisk)，并可同时降低量测站的抽样频率(Sampling Rate)。

发明内容

基于上述目的，本发明实施例披露了一种建立预估模型的方法。根据不同工艺选择机台的多个实时工艺状态变异检测值，将所选的所述实时工艺状态变异检测值收集而成失误检测与分类数据，并且收集品质控制数据。根据收集的失误检测与分类数据与品质控制数据判断数据控制品质是否符合标准。若不符合标准，则重新收集失误检测与分类数据与品质控制数据或微调取样频率。若符合标准，则对该失误检测与分类数据与该品质控制数据进行处理。根据数据处理结果建立多个预估模型，根据一相关性指针选择一最佳预估模型，对该预估模型进行验证，并且对该最佳预估模型进行微调。若微调完成且该最佳预估模型处于最佳状态，则将该最佳预估模型传送给一虚拟量测引擎。

本发明实施例还披露了一种虚拟量测引擎预估品质控制数据的方法。收集失误检测与分类数据，并且根据该失误检测与分类数据判断数据控制品质是否符合标准。若不符合标准，则停止该预估流程。若符合标准，则对收集的失误检测与分类数据进行数据处理，并且根据数据处理完所得的虚拟品质控制数据执行虚拟品质控制的预估。

本发明实施例还披露了一种虚拟引擎预估系统，包括一第一工艺机台、一第二工艺机台、一失误检测与分类系统、一虚拟量测引擎以及一品质控制量测站。该第一工艺机台对输入的一批晶片执行所需工艺。该失误检测与分类系统自该第一工艺机台收集该批晶片的失误检测与分类数据与品质控制数据。该虚拟量测引擎自该失误检测与分类系统取得收集到的失误检测与分类数据与品质控制数据，以对该批晶片进行预估，若预估结果正常，则将该批晶片输出至该第二工艺机台，以执行另一道工艺。若预估结果不正常，该品质控制量测站对该失误检测与该分类数据与品质控制数据取样以判断收集到的失误检测与分类数据与品质控制数据是否可用，若不可用，则重新收集该批晶片的失误检测与分类数据与品质控制数据，若可用，则将该批晶片输出至该第二工艺机台，以执行另一道工艺。

附图说明

图1显示机台的实时工艺状态变异检测值。

图2显示本发明实施例的虚拟量测引擎的示意图。

图3显示本发明实施例的建立预估模型的实施步骤流程图。

图4显示本发明实施例的数据处理的实施步骤流程图。

图5显示本发明实施例的虚拟量测引擎预估QC数据的实施步骤流程图。

图6显示本发明实施例的虚拟引擎预估系统的架构示意图。

附图符号说明

600～虚拟引擎预估系统

610～第一工艺机台

620～失误检测与分类系统

630～虚拟量测引擎

640～品质控制量测站

650～第二工艺机台

660～其它主机

具体实施方式