制作工艺设备的自动监测装置与方法与流程

1.本发明涉及一种自动监测装置与方法，且特别是涉及一种制作工艺设备的自动监测装置与方法。


背景技术：

2.随着半导体技术的快速发展，制作工艺的复杂度与精密度不断提升。在半导体的制作工艺中，制作工艺设备的各种检测信息进行分析后，可以获得预测健康信息。倘若发现制作工艺设备的预测健康信息不甚理想，则需要尽速进行调整，以避免大量产出不良品。
3.传统上是利用人力来分析检测信息在各个制作工艺步骤(recipe step)是否有异常现象。然而，此种方式必须耗费相当大的人力。并且，随着制作工艺精密度的提升，以制作工艺步骤为单位的检测过于粗略，而无法精准地分析出真正的异常原因。


技术实现要素：

4.本发明是有关于一种制作工艺设备的自动监测装置与方法，其将制作工艺步骤更进一步细分为数个子步骤，以提取更多的特征，使得错误检测分类分析(fdc)的准确率得以提升，进而更有效率的达成预测诊断与健康管理(phm)及虚拟测量(vm)的目标。
5.根据本发明的第一方面，提出一种制作工艺设备的自动监测方法。制作工艺设备的自动监测方法包括以下步骤。获得制作工艺设备执行数个制作工艺步骤的一检测曲线。将检测曲线对应于此些制作工艺步骤，以分割为数个制作工艺分段。搜寻各个制作工艺分段中的至少一峰部或至少一谷部，以细分出数个子步骤分段。以此些子步骤分段，进行一错误检测分类分析，以获得一分析结果。依据分析结果，输出制作工艺设备的一预测健康信息。
6.根据本发明的第二方面，提出一种制作工艺设备的自动监测装置。制作工艺设备的自动监测装置包括一数据采集单元、一对应单元、一细分单元、一分析单元及一输出单元。数据采集单元用以获得制作工艺设备执行数个制作工艺步骤的一检测曲线。对应单元用以将检测曲线对应于此些制作工艺步骤，以分割为数个制作工艺分段。细分单元用以搜寻各个制作工艺分段中的至少一峰部或至少一谷部，以细分出数个子步骤分段。分析单元以此些子步骤分段，进行一错误检测分类分析，以获得一分析结果。输出单元用以依据分析结果输出制作工艺设备的一预测健康信息。
7.为了对本发明的上述及其他方面有更佳的了解，下文特举实施例，并配合附图详细说明如下：
附图说明
8.图1为本发明一实施例的制作工艺设备的自动监测装置的示意图；
9.图2为本发明一实施例的制作工艺设备的自动监测方法的流程图；
10.图3为本发明一实施例的检测曲线的示意图；
11.图4a～图4h为本发明一实施例的各种轨迹类型的示意图；
12.图5a～图5d为检测曲线的制作工艺分段的示意图；
13.图6为步骤s140的细部流程图；
14.图7为图3的检测曲线细分出子步骤分段的示意图。
具体实施方式
15.请参照图1，其绘示根据一实施例的制作工艺设备900的自动监测装置100的示意图。制作工艺设备900例如是蚀刻机台、化学气相沉积机台、溅镀机台等。制作工艺设备900通过一连串的参数设定来执行数个制作工艺步骤(recipe step)。参数设定例如是「升温至500度」、「开启等离子体」、「抽真空」等。在各个制作工艺步骤执行过程中，各种检测器可以连续地监控各项数值，例如是监控气体流量值、压力数值、气体浓度数值、温度数值、靶材重量数值、光线波长数值等。在各制作工艺步骤执行过程中，这些数值均有理想的对应变化情况。通过观察这些数值的变化，可以了解制作工艺设备900是否正确执行制作工艺步骤。举例来说，一旦检测到温度数值上升过快、靶材厚度数值降低过慢等错误情况发生时，代表制作工艺设备900需要进一步调整。上述监测方式称为错误检测分类分析(fault detection and classification,fdc)，其通过制作工艺错误的检测与分析，能够获得制作工艺设备的预测健康信息并推估产品良率，以达成精密设备预测诊断与健康管理(prognostic and health management,phm)及虚拟测量(virtual metrology,vm)的目标。
16.本实施例的自动监测装置100能够将制作工艺步骤更进一步细分为数个子步骤，以提取更多的特征，使得错误检测分类分析(fdc)的准确率得以提升，进而更有效率的达成预测诊断与健康管理(phm)及虚拟测量(vm)的目标。
17.自动监测装置100包括一数据采集单元110、一对应单元120、一型态分类单元130、一细分单元140、一合并单元150、一分析单元160及一输出单元170。数据采集单元110例如是一有线网络连接端口、或一无线网络传输模块。对应单元120、型态分类单元130、细分单元140、合并单元150、分析单元160例如是一电路、一芯片、一电路板、阵列程序代码或存储程序代码的存储装置。输出单元170例如是一显示荧幕或一印表机。自动监测装置100通过细分单元140将制作工艺步骤更进一步细分为数个子步骤，以提取更多的特征。以下通过一流程图详细说明上述各项元件的运作。
18.请参照图2，其绘示根据一实施例的制作工艺设备的自动监测方法的流程图。在步骤s110，数据采集单元110获得制作工艺设备900执行数个制作工艺步骤(recipe step)的检测曲线c1。请参照图3，其绘示根据一实施例的检测曲线c1的示意图。在图3的例子中，制作工艺设备900按照既定的参数设定来执行数个制作工艺步骤(recipe step)，并随着制作工艺步骤的执行过程连续地检测到各项数值。检测曲线c1为其中一项检测数值的例子。检测曲线c1例如是一批量的晶片进行制作工艺所得到的一条曲线。或者，检测曲线c1例如是多批量的晶片进行制作工艺所得到的平均曲线。
19.接着，在步骤s120中，对应单元120将检测曲线c1对应于这些制作工艺步骤，以将检测曲线c1分割为数个制作工艺分段rs11、rs12、rs13、rs14、rs15、rs16、rs17。在此步骤中，对应单元120例如是参考参数设定的执行时间来将制作工艺分段rs11的起点对应于参数设定的起点。或者，对应单元120例如是参考参数设定的执行时间来将制作工艺分段rs11
～rs17的各个起点对应于各个参数设定的起点。如此一来，检测曲线c1即可分割为制作工艺分段rs11～rs17。
20.然后，在步骤s130中，型态分类单元130针对各个制作工艺分段rs11～rs17识别出轨迹类型。举例来说，请参照图4a～图4h，其绘示根据一实施例的各种轨迹类型ty1～ty8。为避免多线条产生混淆，图4a～图4h所绘示的仅为一批量的晶片进行制作工艺所得到的一条曲线。如图4a所示，轨迹类型ty1为一恒定轨迹，其数值实质上恒定于某一数值。如图4b所示，轨迹类型ty2为一波动轨迹，其数值不断跳动，无明显上升、下降、峰值、谷值的情况。如图4c图所示，轨迹类型ty3为一零点轨迹，其数值实质上位于检测曲线c1的最低值。如图4d图所示，轨迹类型ty4为一制作工艺处理轨迹，其图形的结尾不固定(即某一批量晶片的图形结尾位于100，但其他批量晶片的图形结尾位于120、105、110等)，故视为其正在执行沉积、蚀刻等程序。如图4e所示，轨迹类型ty5为一上升轨迹，其数值逐渐上升。如图4f所示，轨迹类型ty6为一下降轨迹，其数值逐渐下降。如图4g所示，轨迹类型ty7为一区域高峰轨迹，其数值呈现至少一峰值。如图4h所示，轨迹类型ty8为一区域低谷轨迹，其数值呈现至少一谷值。型态分类单元130可以利用人工智慧的图型识别演算法对各个制作工艺分段rs11～rs17识别出各种轨迹类型ty1～ty8。在本实施例中，上述的轨迹类型ty1～ty8可以更进一步细分，以提升监测准确率。
21.接着，在步骤s140中，细分单元140搜寻各制作工艺分段(例如是图3的制作工艺分段rs14)中的至少一峰部或至少一谷部，以细分出数个子步骤分段。请参照图5a～图5d，其绘示根据检测曲线c5(标示于图1)的制作工艺分段rs51～rs54。如图5a所示，细分单元140可以在示例的制作工艺分段rs51搜寻出峰部p11、峰部p12，进而细分出两个子步骤分段rs511、rs512。如图5b所示，细分单元140可以在示例的制作工艺分段rs52搜寻出谷部v21、谷部v22，进而细分出两个子步骤分段rs521、rs522。如图5c所示，细分单元140可以在示例的制作工艺分段rs53搜寻出峰部p31，进而细分出两个子步骤分段rs531、rs532。如图5d所示，细分单元140可以在示例的制作工艺分段rs54搜寻出谷部v41，进而细分出两个子步骤分段rs541、rs542。
22.在步骤s140中，细分单元140通过检测曲线c5的二阶导数数值diff2，搜寻各个制作工艺分段rs51～rs54中的峰部p11、p12、p31或谷部v21、v22、v41。请同时参照图1及图6，图6绘示步骤s140的细部流程图。细分单元140包括一微分器141、一正电位标记器142、一负电位标记器143及一搜寻器144。步骤s140包括步骤s141～s147。在步骤s141中，微分器141分析出检测曲线c5的二阶导数数值diff2。
23.接着，在步骤s142中，正电位标记器142于二阶导数数值diff2高于一预设正值(例如是0.5、0.05或0.0005)时，标记一正电位pl。
24.然后，在步骤s143中，负电位标记器143于二阶导数数值diff2低于一预设负值(例如是-0.5、-0.05或-0.0005)时，标记一负电位nl。步骤s142与步骤s143可调换顺序。
25.接着，在步骤s144～s147中，搜寻器144依据正电位pl及低电位nl的变化，搜寻出峰部p11、p12、p31或谷部v21、v22、v41。
26.在步骤s144中，搜寻器144判断二阶导数数值diff2是否连续出现「正电位pl、负电位nl及正电位pl」。若二阶导数数值diff2连续出现「正电位pl、负电位nl及正电位pl」，则进入步骤s145。在步骤s145中，搜寻器144搜寻出峰部p11、p12、p31。以图5a为例，于制作工艺
分段rs52连续出现两次「正电位pl、负电位nl及正电位pl」，故搜寻出两个峰部p11、p12。
27.在步骤s146中，搜寻器144判断二阶导数数值diff2是否连续出现「负电位nl、正电位pl及负电位nl」。若二阶导数数值diff2连续出现「负电位nl、正电位pl及负电位nl」，则进入步骤s147。在步骤s147中，搜寻器144搜寻出谷部v21、v22、v41。以图5b为例，于制作工艺分段rs52连续出现两次「负电位nl、正电位pl及负电位nl」，故搜寻出两个谷部v21、v22。
28.上述步骤s146、s147可以执行于步骤s144、s145之前。
29.接着，回至图2的步骤s145。在步骤s150中，合并单元150自动合并具有相同的轨迹类型的相邻的子步骤分段。
30.然后，在步骤s160中，分析单元160以这些子步骤分段，进行错误检测分类分析(fdc)，以获得分析结果rs。在此步骤中，例如是将前述所取得的子步骤分段的起始时间、结束时间、轨迹类型等信息与一理想曲线进行比较，以分析出差异处与差异程度。
31.接着，在步骤s170中，输出单元170依据分析结果rs，输出制作工艺设备900的一预测健康信息ph。
32.请参照图7，其绘示图3的检测曲线c1细分出子步骤分段rs141、rs142的示意图。通过上述自动监测方法，制作工艺分段rs14被细分为两个子步骤分段rs141、rs142。这两个子步骤分段rs141、rs142皆有记录其起始时间、结束时间与轨迹类型等信息。也就是说，检测曲线c1可以被提取出更多的特征，使得错误检测分类分析(fdc)的准确率得以提升，进而更有效率的达成预测诊断与健康管理(phm)及虚拟测量(vm)的目标。
33.综上所述，虽然结合以上实施例公开了本发明，然而其并非用以限定本发明。本发明所属技术领域中的技术人员，在不脱离本发明的精神和范围内，可作各种的更动与润饰。因此，本发明的保护范围应当以附上的权利要求所界定的为准。