[go: up one dir, main page]

TW201411763A - 機台狀況定性監測方法及錯誤偵測分類系統 - Google Patents

機台狀況定性監測方法及錯誤偵測分類系統 Download PDF

Info

Publication number
TW201411763A
TW201411763A TW102131760A TW102131760A TW201411763A TW 201411763 A TW201411763 A TW 201411763A TW 102131760 A TW102131760 A TW 102131760A TW 102131760 A TW102131760 A TW 102131760A TW 201411763 A TW201411763 A TW 201411763A
Authority
TW
Taiwan
Prior art keywords
data
behavior
abnormal
machine
condition
Prior art date
Application number
TW102131760A
Other languages
English (en)
Other versions
TWI514497B (zh
Inventor
Chia-Tong Ho
Po-Feng Tsai
Jung-Jen Chen
Tze-Liang Lee
Jo-Fei Wang
Jong-I Mou
Chin-Hsiang Lin
Original Assignee
Taiwan Semiconductor Mfg
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Taiwan Semiconductor Mfg filed Critical Taiwan Semiconductor Mfg
Publication of TW201411763A publication Critical patent/TW201411763A/zh
Application granted granted Critical
Publication of TWI514497B publication Critical patent/TWI514497B/zh

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/317—Testing of digital circuits
    • G01R31/3177—Testing of logic operation, e.g. by logic analysers
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/317—Testing of digital circuits
    • G01R31/3181—Functional testing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37252—Life of tool, service life, decay, wear estimation
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45031—Manufacturing semiconductor wafers

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • General Factory Administration (AREA)
  • Chemical Vapour Deposition (AREA)

Abstract

本發明揭露多個用於機台狀況監測的方法，包括實施上述監測的系統。一例示的方法包括：接收關聯於積體電路製造程序機台執行在晶圓上的一程序之資料；及使用上述資料監測上述積體電路製造程序機台的一狀況。上述監測包括依據一異常識別條件、一異常篩選條件及一異常閾值評估上述資料，以決定上述資料是否達到一警示閾值。上述方法可以更包括當上述資料達到上述警示閾值時發出一警示。

Description

機台狀況定性監測方法及錯誤偵測分類系統
本發明主要係關於積體電路製造系統及方法，尤其是關於一種用於機台狀況監測的定性錯誤偵測及分類系統及相關方法。
積體電路，係藉由一系列的晶圓製造機台(稱之為製造機台)處理晶圓而產出。每個製造機台通常是依據一預先定義(或預先決定)的製程程式(process recipe)，在晶圓上執行一晶圓製造工作(稱之為一程序)，其中上述製程程式界定上述程序的各種參數。例如，積體電路製造通常使用需要多個在生產上和支援上相關的製造機台來完成的複數個程序步驟，而積體電路製造者常關注於監測一製造機台的硬體及相關聯的程序，以確認及維持積體電路製造的穩定性、可重複性、以及良率。此種機台監測可以藉由錯誤偵測及分類(FDC)系統來完成，其在程序進行時監測機台，並識別出發生於上述機台且會造成程序偏離原本預期狀態的錯誤。雖然目前現有的製造機台監測方法及系統已經足以達成其目標，但這些方法及系 統不能在各方面令人滿意。
本發明之一實施方式揭露一種方法，上述方法包括：接收關聯於一積體電路製造程序機台執行在晶圓上的一程序之資料；及使用上述資料監測上述積體電路製造程序機台的一狀況。其中上述監測包括：依據一異常識別條件、一異常篩選條件及一異常閾值，評估上述資料，以決定上述資料是否達到一警示閾值。
本發明之一實施方式揭露一種機台狀況監測方法，其包括：定義一異常識別條件、一異常篩選條件、一異常閾值、及一警示閾值：依據上述異常識別條件，識別出關聯於一製程機台的資料中的異常；依據上述異常篩選條件，篩選上述已被識別出的異常以識別出真正的異常；以及當上述被識別出的真正異常滿足上述異常閾值及上述警示閾值時，發出一警示。
本發明之一實施方式揭露一種積體電路製造系統，其包括：一製程機台，其設定為用以對一晶圓執行一製程；一錯誤偵測及分類系統，其設定為用以監測上述製程機台之一狀況，其中上述錯誤偵測及分類系統設定為用以執行：接收關聯於上述製程機台執行在晶圓上的一程序之資料；及依據一異常識別條件、一異常篩選條件及一異常閾值，評估上述資料，以決定上述資料是否達到一警示閾值。
10‧‧‧積體電路製造系統
20‧‧‧網路
25‧‧‧資料庫
30‧‧‧製程機台
40‧‧‧檢測機台
50‧‧‧先進程序控制(Advanced process control,APC)系統
60‧‧‧錯誤偵測及分類(fault detection and classification,FDC)系統
70‧‧‧其他實體
100‧‧‧機台監測程序流程
110‧‧‧機台/製程資料
120‧‧‧時間序列表(T-charts)
130‧‧‧FDC圖表
140‧‧‧機台監測(防火牆)
150‧‧‧判斷資料是否超出規定
152‧‧‧異常識別條件
154‧‧‧異常篩選條件
156‧‧‧異常閾值
158‧‧‧警示閾值
160‧‧‧超出規定
170‧‧‧警示
180‧‧‧通知工程師
190‧‧‧錯誤偵測及分類(FDC)演算模組
200‧‧‧圖表
300‧‧‧圖表
400‧‧‧評估製造機台的狀況的方法
步驟410‧‧‧由製程機台對晶圓執行製程
步驟420‧‧‧接收關聯於由製程機台對晶圓執行之製程的資料
步驟430‧‧‧基於異常識別條件、異常篩選條件、及異常閾值，以決定上述資料是否到達警示閾值，以監測上述製程機台的一狀況
步驟440‧‧‧當上述資料到達警示閾值時，發出一警示
本發明之態樣可藉由發明說明之內容並參照圖式之例示而獲得最佳之理解，但必須強調的是，在產業界的標準 實務中，各特徵並不需依實際尺寸作圖示，而是為了達成清楚說明之目的，可以任意放大或縮小各特徵之尺寸。
第1圖係根據本發明所揭露之一或多個實施方式的態樣所繪製之積體電路裝置製造系統的方塊圖。
第2圖係根據本發明所揭露之一或多個實施方式的態樣所繪製之機台監測程序流程，其可以由一積體電路製造系統實現，例如第1圖的積體電路裝置製造系統。
第3A-3B圖係根據本發明所揭露之一或多個實施方式的態樣所繪製之產生用以監測一製造機台(例如第1圖的積體電路裝置製造系統的製造機台)的一狀況的圖表。
第4圖係根據本發明所揭露之一個實施方式的態樣所繪製之評估一製造機台(例如第1圖的積體電路裝置製造系統的製造機台)的一狀況的一方法之流程圖。
以下所揭露之實施方式或實施例係用以說明或完成本發明之多種不同技術特徵，所描述之元件及配置方式的特定實施例係用於簡化說明本發明；因此，上述等實施例不能用於限制本發明。此外，本說明書所為之揭露可能在不同的實施例中重複使用參考數字或字母(如元件符號)，其目的在於明確且簡潔地進行相關說明，並不表示各實施方式或結構間有特定的關聯。
第1圖係根據本發明所揭露之一或多個實施方式的態樣所繪製之積體電路製造系統10的方塊圖。積體電路製造系統10可以為一虛擬積體電路製造系統(一「虛擬晶圓廠」)。 上述積體電路製造系統10實施積體電路製造程序以製造積體電路裝置。例如，上述積體電路製造系統10可以實施半導體製造程序以製造基板(或晶圓)。一基板包括一半導體基板、一光罩(photomask或reticle，合稱之為光罩)、或任何基底物質，製程程序執行於其上以產生物質層、圖案特徵、及/或積體電路。在第1圖中，為了清楚起見，上述積體電路製造系統10被簡化，以使得更能理解本發明的概念。在上述積體電路製造系統10中可以加入其他的特徵，在積體電路製造系統10的其他實施方式中，後述的某些特徵可以被更換或移除。
上述積體電路製造系統10包括一網路20，其使得多樣的實體(一資料庫25、一製程機台30、一檢測機台40、一先進程序控制(Advanced process control,APC)系統50、一錯誤偵測及分類(fault detection and classification,FDC)系統60、以及其他實體70)能夠彼此互相通信。在所述的實施例中，上述積體電路製造系統10中可以包含不只一個上述個個實體，並且可以更包含在所述實施例中沒有繪製出的其他實體。在本實施例中，上述積體電路製造系統10中的每一個實體係透過網路20和其他實體互動，以便提供服務給其他實體及/或接受其他實體的服務。上述網路20可以為單一網路或多種不同的網路，例如內部網路、網際網路、其他網路、或者上述的組合。上述網路20包括有線通訊頻道、無線通訊頻道、或兩者的組合。
上述資料庫25儲存關聯於積體電路製造系統10的資料，尤其是關聯於積體電路製造程序的資料。在所述的實施例中，上述資料庫25儲存從上述製程機台30、上述檢測機台40、 上述先進程序控制(APC)系統50、上述錯誤偵測及分類(FDC)系統60、其他實體70、以及上述之組合收集來的資料。例如，上述資料庫25儲存下列資料：關聯於由製程機台30所處理之晶圓的晶圓特徵的資料(例如下文將述及的由檢測機台40所收集之資料)；關聯於製程機台30實施用以處理這些晶圓的參數的資料；關聯於上述先進程序控制(APC)系統50及上述錯誤偵測及分類(FDC)系統60對上述晶圓特徵及/或參數進行分析的資料；以及其他關聯於積體電路製造系統10的資料。在一實施例中，上述製程機台30、上述檢測機台40、上述先進程序控制(APC)系統50、上述錯誤偵測及分類(FDC)系統60、其他實體70中的每一者可以具備一對應的資料庫。
上述製程機台30執行一積體電路製造程序。在本實施例中，上述製程機台30為一化學氣相沉澱(CVD)機台，用於磊晶成長(epitaxial growth)。因此，上述製程機台30可以稱之為一化學氣相沉澱(CVD)磊晶機台。一片晶圓可以被置入上述化學氣相沉澱(CVD)磊晶機台，並受到一磊晶製程的處理，例如氣相磊晶(Vapor Phase Epitoxy)製程，以形成上述晶圓之一磊晶特徵。上述化學氣相沉澱(CVD)磊晶機台可以包括一反應室、一氣體源、一抽氣系統、一加熱源、一冷卻系統、以及其他硬體。上述反應室係作為用以執行上述磊晶製程的控制下的環境。上述氣體源在上述磊晶製程中提供反應物及淨化氣體，而上述抽氣系統在上述磊晶製程中維持上述反應室的壓力。上述加熱源包括一照射器照射器模組，例如：一底側內部照射器照射器模組、一底側外部照射器照射器模組、一 頂側內部照射器照射器模組、以及一頂側外部照射器照射器模組。每個照射器照射器模組都包括一個紅外線照射器照射器陣列，其在上述磊晶製程當中傳遞能量到上述化學氣相沉澱(CVD)磊晶機台的反應室，以便在上述磊晶製程當中，將上述反應室加熱到所欲的反應室溫度及/或將上述晶圓加熱到一所欲的晶圓溫度。
為了確保上述磊晶特徵表現出目標晶圓特徵(例如厚度、成分濃度、以及表面電阻(sheet resistance))，上述磊晶製程依據一預先決定(或預先定義)的磊晶製程程式形成上述磊晶特徵。上述預先決定(或預先定義)的磊晶製程程式界定由上述化學氣相沉澱(CVD)磊晶機台實施以達到目標的晶圓特徵之多樣的參數。這些參數包括：製程時間、前驅氣體種類、前驅氣體流率、反應室溫度、反應室壓力、晶圓溫度、其他參數，或上述各項的組合。在上述磊晶製程中，上述化學氣相沉澱(CVD)磊晶機台的各個硬體(例如上述反應室、氣體源、抽氣系統、加熱源、以及冷卻系統)係設定為用於達到上述已界定的參數。上述製程機台30包含在處理晶圓時(例如在上述磊晶製程中)監測上述參數的感測器。例如，上述化學氣相沉澱(CVD)磊晶機台包括感測器用於監測關聯於上述化學氣相沉澱(CVD)磊晶機台的各種參數，例如，反應室壓力、反應室溫度、晶圓溫度、氣體流、沈積時間、其他參數(例如上述化學氣相沉澱(CVD)晶膜機台的上述照射器照射器模組的各種特徵，包括電壓、電流、功率、電阻、其他特徵、或其組合)，各項參數的組合。
上述檢測機台40檢測及收集在積體電路製造程序中關聯於晶圓的資料。例如，上述檢測機台40度被處理的晶圓執行線上測量，以取得關於上述晶圓之各種晶圓特徵的資訊，例如，上述晶圓之一特徵的一臨界維度(CD)(例如，上述特徵之線寬)上述晶圓之一物質層的厚度、上述晶圓之層之間或特徵之間疊對的準確度、一特徵之摻雜物分佈(或濃度)、缺陷的尺寸及/或種類、一特徵之電性特徵、其他晶圓特徵、或其組合。在所述之實施例中，上述檢測機台40檢測由製程機台30所處理之晶圓的晶圓特徵。例如，上述檢測機台40測量由上述製程機台30執行之上述磊晶製程所形成之上述晶圓的一磊晶特徵的厚度、電性特徵(例如表面電阻)、表面粗糙度、其他特徵、或其組合。上述檢測機台40可以包括電性工具、光學工具、分析工具、其他工具、或其組合，以測量及收集這些資料。這些工具包括顯微鏡(例如掃描電子顯微鏡、及/或光學顯微鏡)、微分析工具、線寬量測工具、光照缺陷工具、粒子分佈工具、表面分析工具、應力分析工具、電阻率及接觸電阻測量工具、可動性和載具濃度測量工具、接合深度測量工具、膜厚度量測工具、閘極氧化層完整性測試(gate oxide integrity(GOI)test)工具、電容-電壓測量工具、聚焦離子束(FIB)工具、雷射表面缺陷掃描器、剩餘氣體分析器、製程工具粒子計數器、晶圓評估測試工具、及其他測試與量測工具、或上述工具之組合。
上述先進程序控制(APC)系統50監測被處理晶圓的晶圓特徵，並使用線上線上測量資料(例如，由檢測機台40 收集到的資料)、製程模式、以及多種演算法，以提供中間程序目標的動態微調，進而提高上述晶圓的最終裝置目標。微調這些製程目標可稱之為控制行動，其補償了可能會造成晶圓特徵變化的工具問題及/或製程問題。先進程序控制(APC)系統50可以下列方式執行控制行動：即時、晶圓對晶圓、批次對批次、或其組合。在所述的實施例中，上述先進程序控制(APC)系統50執行控制行動以修改由製程機台30所執行用來形成上述晶圓的磊晶特徵的磊晶製程程式。例如，上述先進程序控制(APC)系統50(依據被處理晶圓之檢測資料、製程模式、及各種演算法)針對每個被處理的晶圓修改預先決定的磊晶製程程式(尤其是由製程機台30實施的參數，例如，處理時間、氣體流率、反應室壓力、反應室溫度、晶圓溫度、及其他製程參數)，以確保每個被處理晶圓的磊晶特徵都表現出目標特徵。
上述錯誤偵測及分類(FDC)系統60藉由監測製程機台30在積體電路製造程序中所實施的參數，以及監測製程機台30在積體電路製造程序中實施的參數所得到晶圓特徵，以評估製程機台30的狀況以偵測工具問題，例如工具狀況劣化。一般而言，上述錯誤偵測及分類(FDC)系統60實施統計製程控制(SPC)以追蹤及分析製程機台30的一狀況。例如，上述錯誤偵測及分類(FDC)系統60可以實施統計製程控制(SPC)圖表，其藉由依時序將關聯於上述製程的統計製程控制(SPC)資料繪製成圖表，來記錄上述製程機台30的歷史製程表現。此種統計製程控制(SPC)資料包括關聯於由製程機台30處理的複數晶圓的參數及/或晶圓特徵。當統計製程控制(SPC)資料 表示上述參數及/或晶圓特徵偏離可接受的目標時(換言之，當上述錯誤偵測及分類(FDC)系統60偵測到一錯誤或異常時)，上述錯誤偵測及分類(FDC)系統60觸發一警示並通知上述製程機台30的一操作者，暫停上述製程機台30執行的程序，採取另一個行動，或其組合，使得上述製程機台30的任何問題可以被識別及補救。
在本實施例中，為了偵測上述化學氣相沉澱(CVD)磊晶機台的問題，上述錯誤偵測及分類(FDC)系統60監測製程機台30實施用以形成上述晶圓的磊晶特徵的參數。上述錯誤偵測及分類(FDC)系統60評估這些參數及晶圓特徵，以偵測在上述化學氣相沉澱(CVD)磊晶機台的運作中的異常或錯誤。在一實施例中，在一磊晶製程中，當反應室壓力或反應室溫度從一特定的反應室壓力或反應室溫度(例如上述預先決定的磊晶製程程式)顯著變化(變高或變低)時，會指出一異常。在另一實施例中，在一磊晶製程中，當前驅氣體流率從一特定的前驅氣體流率(例如上述預先決定的磊晶製程程式)顯著變化(變高或變低)時，會指出一異常。在另一實施例中，當上述化學氣相沉澱(CVD)磊晶機台形成的上述晶圓的磊晶特徵的特性(例如表面電阻)從其目標特性顯著改變時，會指出一異常。這些異常可以指出上述製程機台30的問題。例如，上述化學氣相沉澱(CVD)磊晶機台的損壞或老化的硬體可能會造成反應室壓力、反應室溫度、及/或前驅氣體流率從預定的反應室壓力、反應室溫度、及/或前驅氣體流率偏離。在本實施例中，已觀察到照射器的電阻和上述化學氣相沉澱(CVD)磊晶 機台的照射器模組的狀況有關。例如，在照射器模組的照射器燒掉之前，照射器模組的電阻會顯著下降。上述錯誤偵測及分類(FDC)系統60因此可以監測每個照射器模組的電阻(例如，上述底側內部照射器模組、上述底側外部照射器模組、上述頂側內部照射器模組、以及上述頂側外部照射器模組)，以偵測每個照射器模組的異常或錯誤。上述錯誤偵測及分類(FDC)系統60也可以監測上述照射器模組的電阻，以預測照射器模組的照射器什麼時候會燒掉，進而在照射器燒掉之前把照射器更換。
第2圖係根據本發明所揭露之一或多個實施方式的態樣所繪製之機台監測程序流程100，其可以由第1圖的積體電路製造系統10實現。上述錯誤偵測及分類(FDC)系統60實施機台監測程序流程100以監測製程機台30(在本實施例中為上述化學氣相沉澱(CVD)磊晶機台)的一狀況。上述機台監測程序流程100評估由上述錯誤偵測及分類(FDC)系統60收集及分析的資料之行為，以偵測製程機台30的錯誤，例如上述製程機台之一部份的一劣化狀況。在本實施例中，機台監測程序流程100評估指出上述化學氣相沉澱(CVD)磊晶機台的上述照射器模組的一狀況的錯誤偵測及分類(FDC)資料，尤其是每個照射器模組的照射器的電阻。在機台監測程序流程100的其他實施例中，可以將額外的步驟加入機台監測程序流程100中，或者將記載於機台監測程序流程100中的某些步驟替換或省略。再者，後述關於上述化學氣相沉澱(CVD)磊晶機台的狀況的討論僅為例示，應瞭解到，機台監測程序流程100可 以由積體電路製造系統10實施以監測任何種類的製程機台30以及上述製程機台30的任何模組。
在方塊110和方塊120中，關聯於各個被處理的晶圓的資料被收集及彙編在時間序列表(T-charts)中。上述資料包括：關聯於製程機台30實施用以形成每個晶圓上的磊晶特徵的參數的參數資料。如上所述，上述參數包括反應室壓力、反應室溫度、晶圓溫度、氣體流率、沈積時間、及其他參數(例如上述化學氣相沉澱(CVD)晶膜機台的上述照射器模組的各種特徵，包括電壓、電流、功率、電阻、其他特徵、或其組合)。上述資料亦包括關聯於被處理晶圓之晶圓特徵的晶圓資料，例如被處理晶圓之表面電阻。上述晶圓資料可以更包括被處理晶圓之上述磊晶特徵的厚度、被處理晶圓之上述磊晶特徵的電性特徵、其他晶圓特徵、或其組合。針對關聯於製程機台30的上述參數以及關聯於上述被處理晶圓的晶圓特徵，收集這些晶圓資料和參數資料，且上述晶圓資料和參數資料可以儲存在資料庫25或關聯於製程機台30的其他資料庫中。在本實施例中，為了更清楚而易於瞭解本發明的概念，後述的討論將侷限於：上述機台監測程序流程100藉由監測關聯於一單一製造程參數的資料(尤其是關聯於在製造程序處理中上述化學氣相沉澱(CVD)磊晶機的一照射器模組的電阻的參數資料)，以評估上述製程機台30的上述狀況。但此討論並非用以限制本發明，應當理解機台監測程序流程100可以監測參數和晶圓資料以評估製程機台30的上述狀況(包括評估上述製程機台30的各種硬體的一狀況)。
在方塊130和方塊140中，對時間序列資料(T-charts)進行統計分析，以減少評估的資料量，而機台監測係依據上述統計分析後的時間序列資料來進行。例如，在方塊130中，由上述錯誤偵測及分類(FDC)系統60實施統計製程控制(SPC)，以將上述時間序列參數及晶圓資料轉換為控制圖表(例如Xbar-R控制圖表、Xbar-S控制圖表、I-MR控制圖表、C控制圖表、U控制圖表、Z控制圖表、其他控制圖表、或其組合)，其可以用來評估上述製程機台30的一狀況。這些控制圖表依據統計分析這些時間序列資料，其中，上述製程限制藉由統計分析(例如上述被分析資料的標準差)來定義。例如，上述控制圖表包括表示上述被分析資料的平均值的中央線，以及由統計分析來定義之上方控制限制(最大值)及下方控制限制(最小值)，尤其是在上述被分析資料的一些標準差中。上述錯誤偵測及分類(FDC)系統60也建立對應於上述統計分析後的時間序列資料的可能性模式。此種可能性模式可用於識別在上述統計分析後的時間序列資料中的顯著改變。
在本實施例中，上述時間序列參數資料包括，在製造程序進行中，關聯於化學氣相沉澱(CVD)機台的數個照射器模組中的其中一個(例如上述頂側內部照射器模組)的照射器的電阻值。上述時間序列電阻資料被轉換為提供在上述照射器的初始電阻(R0)和上述電阻(R)之間的變化(改變)的資料。每個電阻變化(△R)係依下式決定：
繼之，上述時間序列電阻變化資料被轉換為控制圖表。例如，統計分析簡化收集的參數資料點(在本實施例中，為電阻資料點的變化)，使得其可以由上述單一參數(在此為電阻變化)的一平均(平均值)、標準差、最大值、及最小值。在一實施例中，使用一移動窗口平均法(特別是使用5參數資料點移動窗口)，將上述時間序列電阻變化資料簡化為控制圖表。例如，依據後述的移動窗口平均，決定在時間點(t)的一平均電阻變化()：
繼之藉由離散化將上述平均電阻變化正規化。在本實施例中，對上述平均電阻變化施以z正規化，其涉及將每個平均電阻變化資料點予以平均中心化(mean-centering)，再將每個平均電阻變化資料點依其標準差換算，以下式表示：
其中，z(t)為上述平均電阻變化((t))的換算值，μ(t)為上述平均電阻變化((t))的平均值，σ(t)為上述平均電阻變化 (t))的標準差。式(3)，藉由假定上述平均電阻變化((t))的相對重要性直接相關於上述標準差，而將上述平均電阻變化((t))換算為z(t)。依據每個平均電阻變化的換算值，針對每個平均電阻變化指定一離散水準：1(表示上述平均電阻變化大於上述正規範圍)、0(表示上述平均電阻變化在上述正規範圍內)、或-1(表示上述平均電阻變化小於上述正規範圍)。並建立對應於上述平均電阻變化的上述換算值(z(t))的一可能 性模型。例如，建立上述平均電阻變化的上述換算值(z(t))的一正規分佈可能性圖形，使得上述錯誤偵測及分類(FDC)系統60可以識別上述平均電阻變化的上述換算值(z(t))指出上述製程機台30的異常行為。上述的參數資料的簡化僅為例示，需瞭解本發明可以實施有助於評估上述參數資料之行為的任何簡化上述參數資料的方式。
使用上述控制圖表和已建立的可能性模型來執行機台監測。在方塊150和方塊160中，將多種規則(總稱之為錯誤偵測及分類(FDC)演算法)套用到統計分析後的控制圖表的參數資料，以決定這些資料是否超出規定(out of specification(OOS))。超出規定資料表現出的行為指出上述製程機台30的一錯誤(或異常)。在本實施例中，當統計分析後的參數資料表現出關聯於化學氣相沉澱(CVD)機台的照射器模組中的照射器的品質降低的行為時(例如指出上述照射器接近其生命末期(換言之，快要燒掉時)的行為)，統計分析後的參數資料就是超出規定。上述多種規則包括：方塊152中的異常識別條件、方塊154中的異常篩選條件、方塊156中的異常閾值、及方塊158中的警示閾值。上述異常識別條件、上述異常篩選條件、上述異常閾值、及上述警示閾值是可以調整的，如此一來，由上述錯誤偵測及分類(FDC)系統60執行的機台監測的敏感度可以依據任何的考量來加以調整，包括但不限定於：上述製程機台30的一種類、由上述製程機台30製造之晶圓之技術世代、上述製程機台30的一狀況對於其所處理之晶圓的影響、被處理晶圓之品質和處理此晶圓所花費的時間和成本之 間的平衡、或上述各項之結合。在本實施例中，上述錯誤偵測及分類(FDC)系統60包括一錯誤偵測及分類(FDC)演算模組190，其使用異常識別條件、異常篩選條件、異常閾值、及警示閾值，評估上述統計分析後的參數資料。上述錯誤偵測及分類(FDC)演算模組190可以包括用於每個條件/閾值的分離的模組。
方塊152中的異常識別條件，係定義統計分析後的參數資料的行為，其指出上述製程機台30的的異常(或錯誤)，以使得上述錯誤偵測及分類(FDC)系統60可以自動識別出此種行為(或上述製程機台30的異常)。詳言之，上述異常識別條件以統計的方式定義上述統計分析後的參數資料中的顯著變化。因此，上述異常識別條件基本上可以調整上述機台監測的振幅敏感度。例如，上述異常識別條件界定一顯著水準(例如99.9%的顯著水準)，其指出上述製程機台30的異常行為。在本實施例中，使用可能性模型和上述異常識別條件(特別是99.9%的顯著水準)來識別上述統計分析後的參數資料中的異常行為，以評估上述平均電阻變化的上述換算值(z(t))。依據上述可能性模型，發生機率在0.1%以下的上述換算值(z(t))，就被指定為異常。
方塊154中的異常篩選條件，定義統計分析後的參數資料的行為，其指出上述製程機台30的一真正(實際)異常行為。上述異常篩選條件係套用在符合方塊152中的異常識別條件的控制圖表中的統計分析後的參數資料。因此，上述異常篩選條件對已被識別的異常進行篩選，以找出真正(實際)異 常，上述真正(實際)異常實際上指出上述製程機台30的問題。在本實施例中，異常篩選條件為西方電子規則(Western Electric Rules)。例如，當已被識別的行為的8個連續資料點落在其所屬之控制圖表的一中央線之同一側時，由異常識別條件識別出的統計分析後的參數資料表現出一真正異常。西方電子規則的其他區域規則，可以套用在符合異常識別條件的統計分析後的參數資料。或者，能夠偵測控制圖表中非隨機狀況(換言之，偵測指出真正異常的統計分析後的參數資料)的其他規則及模型，可以被使用做為異常篩選條件。
在方塊156中，上述異常閾值依據關聯於製程機台30的歷史資料，定義在上述統計分析後的參數資料中指出上述製程機台30之一真正異常行為的資料行為。上述異常閾值套用在符合方塊152中的異常識別條件以及符合方塊154的異常篩選條件的控制圖表中的統計分析後的參數資料。歷史資料係指工程/製程知識。例如，當已觀察到上述統計分析後的參數資料表現出一特定行為(例如超過一上限或下限)時，就會發生上述製程機台30的真正異常，此一行為就會被建立為上述異常閾值。上述異常閾值將工程(領域)經驗及知識納入辨別製程機台30的真正異常中。在本實施例中，已觀察到，一旦電阻變化在2%到3%，則化學氣相沉澱(CVD)機台的照射器模組的照射器通常會影響晶圓製程。上述異常閾值因此被界定為2.5%，如此一來，只要觀察到電阻變化大於或等於2.5%，就會被識別為真正異常。
在方塊156中，上述警示閾值定義依據上述異常識 別條件、上述異常篩選條件及上述異常閾值，何時要發出一警示。例如，上述警示閾值界定，當統計分析後的參數資料表現出符合上述異常識別條件、上述異常篩選條件及上述異常閾值的行為時，上述錯誤偵測及分類(FDC)系統60發出一警示。在本實施例中，上述警示閾值界定，當統計分析後的參數資料表現出符合上述異常識別條件及上述異常篩選條件至少2次，而且在其中至少一次時，上述統計分析後的參數資料符合上述異常閾值的時候，上述錯誤偵測及分類(FDC)系統60發出一警示。例如，上述警示閾值界定，當上述電阻變化滿足上述特定的顯著水準(例如99.9%的顯著水準)及上述西方電子規則至少2次，且在至少其中一次時，上述電阻變化大於或等於2.5%的時候，上述錯誤偵測及分類(FDC)系統60發出一警示。當達到這些警示閾值，上述錯誤偵測及分類(FDC)系統60發出一警示。
第3圖提供由第1圖的上述錯誤偵測及分類(FDC)系統60產生用以監測上述製程機台30的狀況之圖表200及圖表300。上述錯誤偵測及分類(FDC)系統60執行一傳統的機台監控程序以評估在圖表200中的統計分析後的參數資料的曲線202，而且，上述錯誤偵測及分類(FDC)系統60執行第2圖的機台監控程序100以評估在圖表300中的統計分析後的參數資料的曲線302。在本實施例中，圖表200中的曲線202和圖表300中的曲線302相同，使得傳統的機台監控程序及機台監控程序100之間的敏感度明顯。曲線202和曲線302都描繪化學氣相沉澱(CVD)機台的頂側內部照射器模組的照射器的電阻隨時間 (小時)的變化(△R)。上述傳統的機台監控程序及機台監控程序100定義指出製程機台30的異常的電阻變化，在上述時間點上述錯誤偵測及分類(FDC)系統60應上述發出一警示(在機台監控程序100中稱之為上述異常閾值(方塊156))。例如，如上所述，已觀察到，一旦電阻變化在2%到3%，則化學氣相沉澱(CVD)機台的照射器模組的照射器通常會影響晶圓製程。上述異常閾值因此被界定為2.5%，如此一來，只要觀察到電阻變化大於或等於2.5%，就會被識別為真正異常。此一2.5%的異常閾值在圖表200和圖表300被標示為「基於知識的規範」。上述機台監控程序100也應用上述的方塊152中的異常識別條件、方塊154中的異常篩選條件、及方塊158中的警示閾值。
上述統計分析後的參數資料的6種資料行為表現出，傳統的機台監控程序及機台監控程序100之敏感度有顯著差異：
(1)資料行為1：在圖表200中，當上述錯誤偵測及分類(FDC)系統60執行上述傳統的機台監控程序時，不會偵測到資料行為1，因為其並未超過上述基於知識的規範(在本實施例中，約2.5%的電阻變化)。但是，在圖表300，當上述錯誤偵測及分類(FDC)系統60執行機台監控程序100時，當上述錯誤偵測及分類(FDC)系統60執行機台監控程序100時，其中方塊152中的異常識別條件定義指出異常的電阻的顯著變化，且方塊154中的異常篩選條件定義指出真正異常(在本實施例中，西方電子規則定義真正異常行為是8個連續資料點落在上述被評估資料的一中央線之同一側)的資料行為，此 時偵測到資料行為1，並識別為一個真正異常，因為其表現出依據上述異常識別條件的電阻的顯著變化，且其符合依據上述異常篩選條件的真正異常行為的定義。資料行為1並未符合異常閾值，所以，即使上述錯誤偵測及分類(FDC)系統60注意到已識別出機台狀況監控上的真正異常，上述錯誤偵測及分類(FDC)系統60也沒有發出警示。
(2)資料行為2：在圖表200中，當上述錯誤偵測及分類(FDC)系統60執行上述傳統的機台監控程序時，會偵測到資料行為2，因為其已超過上述基於知識的規範(在本實施例中，約2.5%的電阻變化)。但是，資料行為2並不是一個真正異常，所以，當上述錯誤偵測及分類(FDC)系統60執行傳統機台監控程序時，會發出一個錯誤的警示。相反地，在圖表300，當上述錯誤偵測及分類(FDC)系統60執行機台監控程序100時，其中方塊152中的異常識別條件定義指出異常的電阻的顯著變化，且方塊154中的異常篩選條件定義指出真正異常(在本實施例中，西方電子規則定義真正異常行為是8個連續資料點落在上述被評估資料的一中央線之同一側)的資料行為，資料行為2被過濾掉了，因為，雖然依據上述異常識別條件將他識別為電阻的顯著變化，但其並未符合依據異常篩選條件的真正異常行為的定義。
(3)資料行為3：在圖表200中，當上述錯誤偵測及分類(FDC)系統60執行上述傳統的機台監控程序時，會偵測到資料行為3，而且上述錯誤偵測及分類(FDC)系統60會發出一警示，因為資料行為3超過上述基於知識的規範(在本 實施例中，約2.5%的電阻變化)。在圖表300，當上述錯誤偵測及分類(FDC)系統60執行機台監控程序100時，也會偵測到資料行為3，而且上述錯誤偵測及分類(FDC)系統60會發出一警示。詳言之，資料行為3表現出依據上述異常識別條件的電阻的顯著變化而被識別出，且其符合依據上述異常篩選條件的真正異常行為的定義。而且，在本實施例中，由於上述錯誤偵測及分類(FDC)系統60已將資料行為1和資料行為3識別為符合上述異常識別條件及上述異常篩選條件(換言之，資料行為1和資料行為3為真正異常)，而且資料行為3也超過異常閾值(換言之，約2.5%的電阻變化)，符合警示閾值，所以上述錯誤偵測及分類(FDC)系統60知道要發出警示。在此時，可以更換上述照射器。
(4)資料行為4：在圖表200中，當上述錯誤偵測及分類(FDC)系統60執行上述傳統的機台監控程序時，會偵測到資料行為3，而且上述錯誤偵測及分類(FDC)系統60會發出一警示，因為資料行為4超過上述基於知識的規範(在本實施例中，約2.5%的電阻變化)。此一警示是沒有意義的，因為上述電阻變化大致維持恆定，因此，並沒有提供關於上述照射器或上述照射器何時會燒掉的有用資訊。在圖表300，當上述錯誤偵測及分類(FDC)系統60執行機台監控程序100時，資料行為4並不會被分類為一個異常，因為他並沒有滿足異常識別條件，因此，上述錯誤偵測及分類(FDC)系統60不會發出無意義的警示。
(5)資料行為5：在圖表200中，當上述錯誤偵測 及分類(FDC)系統60執行上述傳統的機台監控程序時，會偵測到資料行為5(上述照射器燒掉)，而且上述錯誤偵測及分類(FDC)系統60會發出一警示，因為資料行為5超過上述基於知識的規範。在圖表300，當上述錯誤偵測及分類(FDC)系統60執行機台監控程序100時，也會偵測到資料行為5。詳言之，資料行為5表現出依據上述異常識別條件的電阻的顯著變化而被識別出，且其符合依據上述異常篩選條件的真正異常行為的定義。而且，資料行為5也超過異常閾值(換言之，約2.5%的電阻變化)。當偵測到資料行為5時，上述錯誤偵測及分類(FDC)系統60可以發出警示。
(6)資料行為6：在圖表200中，當上述錯誤偵測及分類(FDC)系統60執行上述傳統的機台監控程序時，不會偵測到資料行為6，意思是照射器的更換沒有被偵測到，這麼一來可以將統計分析後的參數資料更新為照射器的新的起始電阻(R0)。相反地，在圖表300，當上述錯誤偵測及分類(FDC)系統60執行機台監控程序100時，會偵測到資料行為6，以使得上述錯誤偵測及分類(FDC)系統60偵測到照射器的更換。上述錯誤偵測及分類(FDC)系統60因此更新照射器的新的起始電阻(R0)，如此一來，後續的監測包括使用已更新的照射器的起始電阻(R0)分析上述參數資料。
從圖表200及圖表300可知，機台監控程序100明顯地改進了上述製程機台30的監測。此一改進結果係因為機台監控程序100精確地監測了上述錯誤偵測及分類(FDC)資料的行為，以偵測上述製程機台30的真正的異常(錯誤)，而不是 像傳統的機台監測程序那樣單單依靠真正異常固定的定義。藉由將統計定義和領域知識(依據工程經驗的定義和依據上述製程機台30的歷史表現的知識)結合起來，以評估上述製程機台的行為，上述機台監控程序100可以依據錯誤偵測及分類(FDC)資料識別真正異常，同時大幅減少錯誤警示的次數，並提供關聯於上述製程機台30的狀況的預警。上述機台監控程序100因此可以使上述製程機台30的硬體(例如化學氣相沉澱(CVD)機台的照射器)的使用壽命最大化，同時減少製程機台對其所處理之晶圓特性的影響。再者，如上所述，上述機台監控程序100具有可調整的敏感度(上述異常識別條件、上述異常篩選條件、上述異常閾值、及上述警示閾值都是可調整的)，使得能夠依據被監測硬體的種類、被處理之晶圓之技術世代、或其組合，來調整異常偵測及警覺性。不同的實施例可以具有不同的優點，並沒有要求任一個實施例有特定的優點。
第4圖係根據本發明所揭露之各種實施態樣所繪製之評估一製造機台的一狀況的一方法400之流程圖。在一實施例中，方法400可用以評估在第1圖的積體電路製造系統10中的製程機台30的表現(或狀況)。上述方法400開始於方塊410，其中，由一製程機台對一晶圓執行一製程。在方塊420和方塊430中，接收及評估關聯於由製程機台對晶圓執行之製程的資料，以監測上述製程機台的一狀況。上述資料的評估係基於異常識別條件、異常篩選條件、及異常閾值，以決定上述資料是否到達警示閾值。在方塊140中，當上述資料到達警示閾值時，發出一警示。在方法400的其他實施例中，可以在方法400之前、 或當中、或其後加入其他步驟，也可以將已敘述的步驟中的一部份變更或省略。
本發明亦包括一電腦系統，其執行在此敘述之各種方法和系統。例如，上述電腦系統作業以監測及評估一製程機台之一狀況，例如上述製程機台30。在一實施例中，上述錯誤偵測及分類(FDC)系統60包括上述電腦系統以監測製程機台30之一狀況。在各種實施樣態中，上述電腦系統的裝置包括能夠和一網路(例如一內部網路或網際網路)進行通訊的一網路通訊裝置或一網路運算裝置(例如，行動電話、膝上電腦、個人電腦、網路伺服器)。應上述可以理解到上述裝置中的每一者可以實施作為上述電腦系統，用以依據後述方式和上述網路進行通訊。依據本發明各種實施例，上述電腦系統(例如一近端電腦或一連網電腦系統)包括一匯流排元件或用於溝通信息之其他通信機制，其連接次系統和元件，例如處理元件(例如，處理器、微控制器、數位訊號處理器(digital signal processor,DSP)、其他處理元件、或其組合)、一系統記憶元件(例如隨機存取記憶體(RAM))、一靜態儲存元件(例如唯讀記憶體(ROM))、一磁碟元件(例如，一磁性元件、一光學元件、其他元件、或其組合)、網路介面元件(例如，一數據機、乙太網路卡、其他網路介面元件、或其組合)、一顯示元件(例如，一陰極射線管(cathode ray tube,CRT)、液晶顯示器(LCD)、其他顯示元件、或其組合)、一輸入元件(例如一鍵盤)、一游標控制元件(例如一滑鼠或軌跡球)、及一影像擷取元件(例如一類比或數位攝影機)。在依實施樣態中，上述磁碟元件包 括具有一個或多個磁碟元件之一資料庫。
依據本發明各種實施例，上述電腦系統藉由處理器執行儲存在系統記憶元件中的包含一個或多個指令之一個或多個序列，以實施特定的操作。在一實施例中，從其他的電腦可讀取媒體(例如靜態儲存元件或磁碟元件)，將這些指令讀入系統記憶元件。在另一實施例中，使用硬體線路回路以取代(或組合)軟體指令來實現本發明。依據本發明各種實施例，在一電腦可讀取媒體上載入一邏輯，其係指參與提供指令給處理元件以工執行的任何媒體。此一媒體可以有多種形式，包括但不限於：非揮發媒體和揮發性媒體。在一實施例中，上述電腦可讀取媒體為非暫時性(non-transitory)。在各種實施樣態中，非揮發媒體包括光碟或磁碟，例如磁碟元件，而揮發媒體包括動態記憶體，例如系統記憶元件。在一實施樣態中，關於執行指令的資料和資訊係透過一傳輸媒體傳遞到電腦系統，例如以聲波或光波的形式，包括在無線電波和紅外線資料通訊中所產生的。依據本發明各種實施例，傳輸媒體包括同軸電纜線、銅線、及光纖，包括包含匯流排的電線。
一些一般形式的電腦可讀取媒體包括，例如，軟碟(floppy disk)、軟碟機(flexible disk)、硬碟(hard disk)、磁帶(magnetic tape)、任何其他磁性媒體、CD-ROM、任何其他光學媒體、打孔卡片(punch cards)、紙帶(paper tape)、任何其他具有打孔模式的物理媒體、隨機存取記憶體(RAM)、可編程式唯讀記憶體(PROM)、可抹除可編程式唯讀記憶體(EPROM)、快閃可抹除可編程式唯讀記憶體 (FLASH-EPROM)、任何其他的記憶經片或盒式磁盤、載波(carrier wave)、或電腦可以讀取的其他任何媒體。依據本發明各種實施例，上述電腦系統執行指令序咧實施本發明。依據本發明其他的各種實施例，各種電腦系統，例如電腦系統，係藉由通訊連線耦接(例如，類似如LAN、WLAN、PTSN、及/或各種的其他有線或無線網路(包括電信(telecommunications)、無線、及手機網路)的通訊網路)，並執行指令序列以和其他系統協同實施本發明。依據本發明各種實施例，上述電腦系統透過通信連線及通信介面傳送及接收訊息、資料、資訊、以及指令，包括一或多個程式(換言之，應用程式碼)。上述處理元件可以執行接收之上述程式碼及/或儲存在上述磁碟元件或某些其他的非揮發儲存元件中用以執行的程式碼。
在適用的情況下，本發明的各種實施樣態可以使用硬體、軟體或硬體和軟體的組合來實現。此外，在適用的情況下，在此所述之不同的硬體元件及/或軟體元件係併入包括軟體、硬體、或兩者的複合元件，而不背離本說明書的精神。在適用的情況下，在此所述之各種硬體元件及/或軟體元件被區分為包括軟體、硬體、或兩者的次元件，而不背離本說明書的範圍。此外，在適用的情況下，需瞭解到軟體元件可以硬體元件實現，反之亦然。依據本說明書，軟體(例如電腦程式碼及/或資料)，可以存儲在一個或多個電腦可讀媒體上。亦需瞭解到在此所述的軟體，可以使用一個或多個一般泛用或專用的電腦及/或電腦系統、連網的及/或沒有連網的。在適用的情況下，在此所述之各種步驟的順序改變、併入複合步驟、及/ 或分別為次步驟，以提供在此所述的功能。
本揭露書提供了許多不同的實現樣態。一個例示的方法包括，接收關聯於一積體電路製造程序機台執行在晶圓上的一程序之資料；及使用上述資料監測上述積體電路製造程序機台的一狀況；其中上述監測包括：依據一異常識別條件、一異常篩選條件及一異常閾值，評估上述資料，以決定上述資料是否達到一警示閾值。上述方法更包括當上述資料達到上述警示閾值時發出一警示。在一實施例中，上述異常識別條件定義一第一資料行為，其指出上述積體電路製造程序機台之一異常行為；上述異常篩選條件定義一第二資料行為，其指出上述積體電路製造程序機台之一真正異常行為；上述異常閾值依據歷史資料定義一第三資料行為，其指出上述積體電路製造程序機台之一真正異常行為。依據上述異常識別條件評估上述資料包括，從上述資料中識別出表現出上述第一資料行為的行為。依據上述異常篩選條件評估上述資料包括，判斷已被識別為表現出上述第一資料行為的上述資料之行為是否也表現出上述第二資料行為。依據上述異常閾值評估上述資料包括，判斷已被識別為表現出上述第一資料行為及上述第二資料行為的上述資料之行為是否也表現出上述第三資料行為。在一實施例中，上述異常識別條件以統計的方式定義一顯著水準，其指出上述積體電路製造程序機台之異常行為。在一實施例中，上述異常篩選條件為西方電子規則(Western Electric Rules)。在一實施例中，當上述已被識別的行為的8個連續資料點落在上述被評估資料的一中央線之同一側時，上述第二資料行為指出上述 真正異常行為。上述警示閾值定義依據上述資料的行為，何時要發出一警示，在一實施例中，當上述資料之上述行為表現出上述第一資料行為、上述第二資料行為及上述第三資料行為時，即達到上述警示閾值。上述異常識別條件、上述異常篩選條件、上述異常閾值、以及上述警示閾值係依據下列任一者定義：上述積體電路製造程序機台之一種類、由上述積體電路製造程序機台製造之晶圓之技術世代、或上述兩者之結合。
另一種例示的方法包括：定義上述異常識別條件包括，以統計的方式定義一第一資料行為，其指出上述製程機台之一異常行為；定義上述異常篩選條件包括，以統計的方式定義一第二資料行為，其指出上述製程機台之真正異常行為；定義上述異常閾值包括，定義一第三資料行為，其指出上述製程機台之真正異常行為，其中上述第三資料行為係基於關聯於上述製程機台的歷史資料，以及定義上述警示閾值包括，定義在發出上述警示之前需要識別出的真正異常。在一實施例中，以統計的方式定義上述第一資料行為包括，界定一顯著水準，其指出上述製程機台之異常行為。在一實施例中，依據上述異常識別條件在關聯於上述製程機台的資料中識別出異常包括，識別出表現出上述第一資料行為的資料；以及依據上述異常篩選條件，篩選上述已識別的異常以識別出真正異常包括，判斷已被識別為表現出上述第一資料行為的上述資料是否也表現出上述第二資料行為。在一實施例中，當識別出至少2個真正異常且上述至少2個真正異常中的至少一者超過上述異常閾值時，上述識別出的真正異常滿足上述異常閾值及上述警示閾 值。
一種例示的裝置包括：一製程機台，其設定為用以對一晶圓執行一製程；一錯誤偵測及分類系統，其設定為用以監測上述製程機台之一狀況，其中上述錯誤偵測及分類系統設定為用以監測上述製程機台之一狀況。上述錯誤偵測及分類系統設定為用以執行：接收關聯於上述製程機台執行在晶圓上的一程序之資料；及依據一異常識別條件、一異常篩選條件及一異常閾值，評估上述資料，以決定上述資料是否達到一警示閾值。其中上述錯誤偵測及分類系統更設定為用以當上述資料達到上述警示閾值時發出一警示。在一實施例中，上述異常識別條件定義一第一資料行為，其指出上述製程機台之一異常行為；上述異常篩選條件定義一第二資料行為，其指出上述製程機台之一真正異常行為；上述異常閾值依據歷史資料定義一第三資料行為，其指出上述製程機台之一真正異常行為；其中，當上述資料之上述行為表現出上述第一資料行為、上述第二資料行為及上述第三資料行為時，即達到上述警示閾值。在一實施例中，評估上述資料包括：，從上述資料中識別出表現出上述第一資料行為的行為；判斷已被識別為表現出上述第一資料行為的上述資料之行為是否也表現出上述第二資料行為；判斷已被識別為表現出上述第一資料行為及上述第二資料行為的上述資料之行為是否也表現出上述第三資料行為。
上文中概述了數個實施樣態的特徵，以使得本技術領域中的技術人士能夠更瞭解本發明之實施樣態。本技術領域中的技術人士可以理解到他們可隨時使用本發明說明作為 基礎以設計或改良其他程序及嘔造，以實現與在此所述之實施樣態同樣的目的及/或達到同樣的效果。本技術領域中的技術人士也應上述要瞭解到此種等效的建構並不背離本案發明之精神及範圍，而且，他們能夠進行各種更改、替換和改變而不背離本案發明之精神及範圍。
10‧‧‧積體電路製造系統
20‧‧‧網路
25‧‧‧資料庫
30‧‧‧製程機台
40‧‧‧檢測機台
50‧‧‧先進程序控制(Advanced process control,APC)系統
60‧‧‧錯誤偵測及分類(fault detection and classification,FDC)系統
70‧‧‧其他實體
190‧‧‧錯誤偵測及分類(FDC)演算模組

Claims (10)

  1. 一種方法，上述方法包括：接收關聯於一積體電路製造程序機台執行在晶圓上的一程序之資料；以及使用上述資料監測上述積體電路製造程序機台的一狀況；其中上述監測包括：依據一異常識別條件、一異常篩選條件及一異常閾值，評估上述資料，以決定上述資料是否達到一警示閾值。
  2. 如申請專利範圍第1項所述之方法，上述方法更包括當上述資料達到上述警示閾值時發出一警示。
  3. 如申請專利範圍第1項所述之方法，其中：上述異常識別條件定義一第一資料行為，其指出上述積體電路製造程序機台之一異常行為；以及依據上述異常識別條件評估上述資料包括，從上述資料中識別出表現出上述第一資料行為的行為。
  4. 如申請專利範圍第3項所述之方法，其中，上述異常識別條件以統計的方式定義一顯著水準，其指出上述積體電路製造程序機台之異常行為。
  5. 如申請專利範圍第3項所述之方法，其中：上述異常篩選條件定義一第二資料行為，其指出上述積體電路製造程序機台之一真正異常行為；以及依據上述異常篩選條件評估上述資料包括，判斷已被識別為表現出上述第一資料行為的上述資料之行為是否也表現出上述第二資料行為。
  6. 如申請專利範圍第5項所述之方法，其中，上述異常篩選條件為西方電子規則(Western Electric Rules)。
  7. 如申請專利範圍第6項所述之方法，其中，當上述已被識別的行為的8個連續資料點落在上述被評估資料的一中央線之同一側時，上述第二資料行為指出上述真正異常行為。
  8. 如申請專利範圍第5項所述之方法，其中：上述異常閾值依據歷史資料定義一第三資料行為，其指出上述積體電路製造程序機台之一真正異常行為；以及依據上述異常閾值評估上述資料包括，判斷已被識別為表現出上述第一資料行為及上述第二資料行為的上述資料之行為是否也表現出上述第三資料行為。
  9. 如申請專利範圍第8項所述之方法，其中，上述警示閾值定義依據上述資料的行為，何時要發出一警示。
  10. 一種機台狀況監測方法，其包括：定義一異常識別條件、一異常篩選條件、一異常閾值、及一警示閾值；依據上述異常識別條件，識別出關聯於一製程機台的資料中的異常；依據上述異常篩選條件，篩選上述已被識別出的異常以識別出真正的異常；以及當上述被識別出的真正異常滿足上述異常閾值及上述警示閾值時，發出一警示。
TW102131760A 2012-09-04 2013-09-04 機台狀況定性監測方法及錯誤偵測分類系統 TWI514497B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US13/603,079 US9727049B2 (en) 2012-09-04 2012-09-04 Qualitative fault detection and classification system for tool condition monitoring and associated methods

Publications (2)

Publication Number Publication Date
TW201411763A true TW201411763A (zh) 2014-03-16
TWI514497B TWI514497B (zh) 2015-12-21

Family

ID=50188632

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102131760A TWI514497B (zh) 2012-09-04 2013-09-04 機台狀況定性監測方法及錯誤偵測分類系統

Country Status (4)

Country Link
US (1) US9727049B2 (zh)
KR (1) KR101442385B1 (zh)
CN (1) CN103681395B (zh)
TW (1) TWI514497B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI566065B (zh) * 2014-07-01 2017-01-11 Seibu Electric & Machinery Co Communication anomaly detection device, communication anomaly detection method and program
TWI640174B (zh) * 2016-08-04 2018-11-01 財團法人工業技術研究院 適地性狀態感知系統及其方法
US10127420B2 (en) 2016-08-04 2018-11-13 Industrial Technology Research Institute Location based situation awareness system and method thereof
TWI669606B (zh) * 2017-11-20 2019-08-21 財團法人資訊工業策進會 機台診斷方法及其系統
US10643039B2 (en) 2016-08-04 2020-05-05 Industrial Technology Research Institute Location based situation awareness system and method thereof
TWI708197B (zh) * 2019-04-26 2020-10-21 國立成功大學 生產機台組件的預測保養方法與其電腦程式產品
TWI782085B (zh) * 2017-09-11 2022-11-01 美商蘭姆研究公司 用於半導體製造設備之使使用者互動自動化的系統及方法
TWI783368B (zh) * 2020-03-30 2022-11-11 日商日立全球先端科技股份有限公司 診斷系統
US12228921B2 (en) 2019-04-26 2025-02-18 National Cheng Kung University Multiple-variable predictive maintenance method for component of production tool and non-transitory tangible computer readable recording medium thereof

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9349660B2 (en) * 2011-12-01 2016-05-24 Taiwan Semiconductor Manufacturing Company, Ltd. Integrated circuit manufacturing tool condition monitoring system and method
JP6262137B2 (ja) * 2012-09-26 2018-01-17 株式会社日立国際電気 統合管理システム、管理装置、基板処理装置の情報表示方法及びプログラム
JP6259698B2 (ja) * 2014-03-28 2018-01-10 株式会社荏原製作所 基板処理方法
US10514685B2 (en) * 2014-06-13 2019-12-24 KLA—Tencor Corp. Automatic recipe stability monitoring and reporting
CN105470163B (zh) * 2014-09-03 2018-06-26 中芯国际集成电路制造(上海)有限公司 一种半导体生产工艺控制系统及分析方法
US10043690B2 (en) * 2015-03-31 2018-08-07 Lam Research Corporation Fault detection using showerhead voltage variation
TWI690009B (zh) * 2015-11-20 2020-04-01 財團法人工業技術研究院 設備的故障評估方法與故障評估裝置
CN105973583B (zh) * 2016-06-06 2018-10-02 北京航天智控监测技术研究院 一种动态报警方法
KR101823420B1 (ko) * 2016-08-30 2018-01-30 에스케이 주식회사 공정/장비 계측 데이터의 미세 변동 감지 방법 및 시스템
KR102576390B1 (ko) 2016-12-22 2023-09-07 삼성에스디에스 주식회사 통계 분석에 기반한 거짓 경보 감소 방법 및 장치
US10057310B1 (en) * 2017-06-12 2018-08-21 Facebook, Inc. Interactive spectating interface for live videos
US11448692B2 (en) 2018-08-16 2022-09-20 Taiwann Semiconductor Manufacturing Company Ltd. Method and device for wafer-level testing
US11073551B2 (en) 2018-08-16 2021-07-27 Taiwan Semiconductor Manufacturing Company Ltd. Method and system for wafer-level testing
US11239099B2 (en) 2018-09-27 2022-02-01 Taiwan Semiconductor Manufacturing Co., Ltd. Tool monitoring device and method of monitoring tool
US11600505B2 (en) * 2018-10-31 2023-03-07 Taiwan Semiconductor Manufacturing Co., Ltd. Systems and methods for systematic physical failure analysis (PFA) fault localization
CN110046245B (zh) * 2018-11-27 2023-11-17 创新先进技术有限公司 一种数据监控方法及装置、一种计算设备及存储介质
JP6608102B1 (ja) * 2019-03-07 2019-11-20 三菱電機株式会社 機械学習装置、数値制御装置、異常推測装置および工作機械の制御システム
TWI724467B (zh) * 2019-07-19 2021-04-11 國立中興大學 機台老化診斷方法
CN112397413B (zh) * 2019-08-15 2022-03-22 长鑫存储技术有限公司 半导体制造设备及其控制方法
CN112446978A (zh) * 2019-08-29 2021-03-05 长鑫存储技术有限公司 半导体设备的监控方法和装置、存储介质、计算机设备
CN110908990A (zh) * 2019-11-25 2020-03-24 上海华力集成电路制造有限公司 Fdc数据清洗方法
CN110907170B (zh) * 2019-11-30 2021-03-16 华能如东八仙角海上风力发电有限责任公司 一种风电机组齿轮箱轴承温度状态监测与故障诊断方法
CN111914888B (zh) * 2020-06-13 2024-08-16 广州美宇装饰设计工程有限公司 一种多工况识别与故障检测一体化的化工过程监测方法
CN113887775A (zh) * 2020-07-03 2022-01-04 联华电子股份有限公司 制作工艺设备的自动监测装置与方法
CN112068517B (zh) * 2020-09-04 2021-11-05 洛阳中硅高科技有限公司 产品质量的控制系统、方法、装置、介质和电子设备
CN112199252B (zh) * 2020-09-30 2024-05-31 中国民航信息网络股份有限公司 一种异常监控方法、装置及电子设备
DE102021106795A1 (de) * 2020-10-16 2022-04-21 Taiwan Semiconductor Manufacturing Company, Ltd. Verfahren und vorrichtung für eine prüfung auf waferebene
US20220157670A1 (en) * 2020-11-18 2022-05-19 Changxin Memory Technologies, Inc. Method and apparatus for monitoring operating status of machine, storage medium, and electronic device
CN114551271A (zh) * 2020-11-18 2022-05-27 长鑫存储技术有限公司 监测机台运行状况的方法及装置、存储介质及电子设备
CN113407582B (zh) * 2021-06-03 2022-08-23 上海蓝色帛缔智能工程有限公司 一种多智能体的集成数据的监控方法及云服务器
CN113987722A (zh) * 2021-09-28 2022-01-28 贵州电网有限责任公司 一种单线图布线检查方法及装置
CN114969468A (zh) * 2022-05-25 2022-08-30 长江存储科技有限责任公司 半导体fdc数据分类方法、装置和计算机可读存储介质
WO2024091405A1 (en) * 2022-10-25 2024-05-02 Applied Materials, Inc. Methods, systems, and apparatus for monitoring radiation output of lamps
CN116629707B (zh) * 2023-07-20 2023-10-20 合肥喆塔科技有限公司 基于分布式并行计算的fdc溯因分析方法及存储介质

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5212645A (en) 1990-07-19 1993-05-18 General Electric Company Flexible real-time, multi-tasking architecture for tool condition monitoring
KR100558508B1 (ko) * 1999-10-25 2006-03-07 동경 엘렉트론 주식회사 기판의 처리시스템 및 기판의 처리방법
US6952656B1 (en) * 2000-04-28 2005-10-04 Applied Materials, Inc. Wafer fabrication data acquisition and management systems
JP2002099328A (ja) * 2000-09-21 2002-04-05 Toshiba Corp モニタリング装置、プロセス装置、モニタリング方法、データ収集方法および半導体装置の製造方法
KR20030003660A (ko) * 2001-06-29 2003-01-10 주식회사 미라콤아이앤씨 에스이씨에스 메시지 소스 자동 생성 시스템 및 방법
JP2004047885A (ja) 2002-07-15 2004-02-12 Matsushita Electric Ind Co Ltd 半導体製造装置のモニタリングシステム及びモニタリング方法
US6804619B1 (en) 2002-08-30 2004-10-12 Advanced Micro Devices, Inc. Process control based on tool health data
JP3883485B2 (ja) * 2002-10-08 2007-02-21 ファナック株式会社 工具折損あるいは予知検出装置
US7877161B2 (en) * 2003-03-17 2011-01-25 Tokyo Electron Limited Method and system for performing a chemical oxide removal process
US7117058B2 (en) 2004-06-24 2006-10-03 Taiwan Semiconductor Manufacturing Co., Ltd. Automatic statistical process control (SPC) chart generation apparatus and method thereof
US7209798B2 (en) * 2004-09-20 2007-04-24 Tokyo Electron Limited Iso/nested cascading trim control with model feedback updates
CN1770417A (zh) * 2004-11-02 2006-05-10 力晶半导体股份有限公司 缺陷检测及分类系统的数据分析方法
US20060247803A1 (en) 2005-03-29 2006-11-02 Kazushi Mori Control system, control method, process system, and computer readable storage medium and computer program
KR100928205B1 (ko) * 2007-06-05 2009-11-25 삼성전자주식회사 반도체 제조설비 관리시스템 및 그의 통계적 공정 관리방법
JP5363213B2 (ja) 2009-06-30 2013-12-11 東京エレクトロン株式会社 異常検出システム、異常検出方法、記憶媒体及び基板処理装置
US10047439B2 (en) * 2011-12-08 2018-08-14 Taiwan Semiconductor Manufacturing Company, Ltd. Method and system for tool condition monitoring based on a simulated inline measurement

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI566065B (zh) * 2014-07-01 2017-01-11 Seibu Electric & Machinery Co Communication anomaly detection device, communication anomaly detection method and program
TWI640174B (zh) * 2016-08-04 2018-11-01 財團法人工業技術研究院 適地性狀態感知系統及其方法
US10127420B2 (en) 2016-08-04 2018-11-13 Industrial Technology Research Institute Location based situation awareness system and method thereof
US10643039B2 (en) 2016-08-04 2020-05-05 Industrial Technology Research Institute Location based situation awareness system and method thereof
TWI782085B (zh) * 2017-09-11 2022-11-01 美商蘭姆研究公司 用於半導體製造設備之使使用者互動自動化的系統及方法
TWI669606B (zh) * 2017-11-20 2019-08-21 財團法人資訊工業策進會 機台診斷方法及其系統
TWI708197B (zh) * 2019-04-26 2020-10-21 國立成功大學 生產機台組件的預測保養方法與其電腦程式產品
US11378946B2 (en) 2019-04-26 2022-07-05 National Cheng Kung University Predictive maintenance method for component of production tool and computer program product thererof
US12228921B2 (en) 2019-04-26 2025-02-18 National Cheng Kung University Multiple-variable predictive maintenance method for component of production tool and non-transitory tangible computer readable recording medium thereof
TWI783368B (zh) * 2020-03-30 2022-11-11 日商日立全球先端科技股份有限公司 診斷系統
US11899437B2 (en) 2020-03-30 2024-02-13 Hitachi High-Tech Corporation Diagnostic system

Also Published As

Publication number Publication date
KR101442385B1 (ko) 2014-09-17
TWI514497B (zh) 2015-12-21
CN103681395A (zh) 2014-03-26
US9727049B2 (en) 2017-08-08
US20140067324A1 (en) 2014-03-06
CN103681395B (zh) 2017-05-10
KR20140031075A (ko) 2014-03-12

Similar Documents

Publication Publication Date Title
TWI514497B (zh) 機台狀況定性監測方法及錯誤偵測分類系統
CN103137513B (zh) 集成电路制造设备状态监测系统和方法
KR102222982B1 (ko) 툴 헬스 모니터링 및 매칭
JP5102488B2 (ja) 製造装置における障害検出の方法
JP5020101B2 (ja) ラントゥラン制御器を用いた欠陥検出および分類（ｆｄｃ）
JP4615222B2 (ja) ライン末端データマイニングとプロセスツールデータマイニングとの相関
US6650955B1 (en) Method and apparatus for determining a sampling plan based on process and equipment fingerprinting
CN108268892A (zh) 生产故障管理分析方法
TW201038142A (en) Plasma Processing System
CN100399321C (zh) 统计制程分析系统、计算机执行的用于统计制程分析方法
TW201301074A (zh) 半導體製程之失效偵測方法及執行此方法之系統架構
TW201610630A (zh) 自動化配方穩定性監測及報告
JP2006146459A (ja) 半導体デバイスの製造方法および製造システム
US10047439B2 (en) Method and system for tool condition monitoring based on a simulated inline measurement
US6821792B1 (en) Method and apparatus for determining a sampling plan based on process and equipment state information
JP2005142467A (ja) 半導体デバイスの製造方法および半導体製造システム
JP2011054804A (ja) 半導体製造装置の管理方法およびシステム
JP2024507688A (ja) 測定値違反解析を使用したプロセス異常の識別
TWI647770B (zh) 晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法
JPH10223499A (ja) 物品の製造方法、物品の製造システムおよび複数の加工処理装置の運用方法
CN109085466B (zh) 光罩静电释放缺陷检测方法
JP5583962B2 (ja) 荷電粒子線装置
KR100868083B1 (ko) 웨이브릿을 이용한 플라즈마장비의 센서정보 감시방법
JP2010028097A (ja) 半導体製造装置および半導体製造システム
Matsushita et al. EES data analysis of lithography trouble detected by MapSSA