制程信息提示系统、制程错误推定系统的制作方法

1.本发明涉及提示半导体检查装置的制程的修正信息的系统、推定制程错误的系统。


背景技术：

2.半导体测量装置、半导体检查装置按照称为制程的设定参数来实施测量动作、检查动作。制程参数包含多个项目，一般情况下工程师根据测量/检查对象的属性、装置的特性等通过手动作业使各项目最佳化。因此，例如在装置的特性因经时变化而改变的情况下等，制程的内容与实际的测量/检查对象、装置不一致，因此，在测量动作、检查动作中可能产生错误。这样的错误是制程的内容引起的错误，因此，称为制程错误。
3.以往，为了减少制程错误，一般情况下服务工程师进入半导体工厂，从半导体测量装置、半导体检查装置手动下载装置内部数据，将装置内部数据图表化而推定需要修正的制程项目。在该修正作业中，根据工程师的经验来推定需要修正的制程项目，因此，很大程度上依赖于工程师的技能。
4.下述专利文献1记载了对制程中的错误的原因进行修正的技术。在该文献中，根据具有错误日志内的最大的标准化后的数量的错误的制程来推定制程错误的原因(参照该文献的权利要求1)。
5.下述专利文献2记载了通过使神经网络学习制程条件与动作时间的关系来预测制程检查时间的技术(参照该文献的权利要求1)。
6.现有技术文献
7.专利文献
8.专利文献1：日本专利第4398441号
9.专利文献2：日本专利第5933985号


技术实现要素：

10.发明要解决的课题
11.随着半导体的微细化和多样化，在半导体测量装置、半导体检查装置中，制程制作的复杂度、制程数增加，由此，制程错误导致的装置的运转率降低成为课题。并且，因以中国为代表的急剧的半导体工厂的启动而造成的工程师不足，使制程修正高效化的愿望变得迫切。但是，制程修正的解析时间、鲁棒性受工程师的技能的影响较大。
12.在上述专利文献1记载的技术中，根据错误日志来推定错误的原因，但针对应该如何修正制程，认为未必要具体考虑。这是因为，在该文献中没有利用针对未产生错误的正常制程的信息，因此，无法将错误产生时和正常时进行对比。
13.在上述专利文献2记载的技术中，使神经网络学习制程与动作时间的关系，因此，在动作时间异常的情况下，可能能够确定该制程。但是，未提示推定出的动作时间是否错误，因此，认为难以通过该文献的技术来推定制程错误的原因。
14.本发明是鉴于上述那样的课题而完成的，其目的在于提供一种能够推定制程错误的原因并且提示该制程错误的修正候补的系统。
15.用于解决课题的手段
16.本发明的制程信息提示系统或制程错误推定系统使学习器学习制程与起因于该制程的错误之间的对应关系，从所述学习器取得针对在使用了新的所述制程时是否发生错误的推定结果。
17.发明效果
18.根据本发明的制程信息提示系统或制程错误推定系统，能够推定制程错误的原因，并且提示该制程错误的修正候补。
附图说明
19.图1是实施方式1的制程信息提示系统、制程错误推定系统的结构图。
20.图2是对半导体检查装置11检查半导体晶片的工序进行说明的流程图。
21.图3a是例示计算机系统100从半导体检查装置11取得的3个数据的内容的图。
22.图3b是示意性地表示学习器121学习的输入与输出之间的对应关系的图。
23.图4是对学习器121的生成及解析器的解析的过程进行说明的流程图。
24.图5是示意性地表示通过学习器121推定在半导体检查装置11使用了新的制程112时是否产生错误的过程的图。
25.图6a是表示解析器122对制程参数进行了排序的结果的示意图。
26.图6b是示意性地表示修正量计算部123计算制程参数的修正量的过程的图。
27.图7a是计算机系统100对操作员提供的gui的例子。
28.图7b是计算机系统100对操作员提供的gui的例子。
29.图7c是计算机系统100对操作员提供的gui的例子。
30.图8是对机器学习部120实施再学习的过程进行说明的动作流程。
31.图9是实施方式4的制程信息提示系统、制程错误推定系统的结构图。
具体实施方式
32.在以下说明的实施方式中，“半导体检查装置”是指对形成于半导体晶片上的图案的尺寸进行测量的装置、对形成于半导体晶片上的图案有无缺陷进行检查的装置、或者对未形成图案的裸晶片有无缺陷进行检查的装置等，也包含将这些多个装置组合而成的复合装置。
33.另外，在以下说明的实施方式中，“检查”是指以测量或检查的意思使用，“检查动作”是指以测量动作或检查动作的意思使用，“检查对象”是指成为测量或检查的对象的晶片、或者该晶片中的测量或检查的对象区域。
34.《实施方式1》
35.图1是本发明的实施方式1的制程信息提示系统、制程错误推定系统的结构图。该系统是推定用于规定半导体检查装置实施的检查动作的制程中的成为错误的原因的制程，并且提示该制程的修正信息的系统(以下称为“制程信息提示系统”或“制程错误推定系统”)。在此，例示以半导体检查装置11～13为对象的系统。各检查装置具有一样的结构，因
此，在以下的说明中，在不区分各检查装置的情况下，使用半导体检查装置11进行说明。
36.半导体检查装置11例如能够由扫描型电子显微镜(sem)、光学式检查装置等构成。以下，作为例子，使用对形成在半导体晶片上的图案的尺寸进行测量的sem。半导体检查装置11～13有时是相同的装置，有时是型号等不同的装置。
37.制程错误推定系统1具有计算机系统100。计算机系统100具有数据库110、机器学习部120。机器学习部120还具有学习器121和解析器122(及后述的修正量计算部123)。数据库110能够由储存数据的存储装置构成。机器学习部120能够由安装了其功能(即后述的学习器121和解析器122的功能、及修正量计算部123的功能)的电路设备等硬件构成，也能够通过由运算装置执行安装了该功能的软件来构成。
38.计算机系统100从半导体检查装置11～13分别取得后述的3个数据，储存在数据库110中。学习器121将该数据作为监督数据来实施机器学习。针对学习进程的详细情况在后面进行叙述。针对解析器122的动作在后面进行叙述。
39.图2是对半导体检查装置11检查半导体晶片的工序进行说明的流程图。半导体检查装置11通过装载要检查的半导体晶片，而开始本流程图。为了实施检查，需要使半导体晶片上的坐标系与半导体检查装置11内部的坐标系一致。将该工序称为对准(s201)。半导体检查装置11的视野仅覆盖半导体晶片表面的一部分，因此，需要使半导体检查装置11的视野与作为检查对象的区域进行对位。将该工序称为寻址(s202)。半导体检查装置11测定在视野内形成的半导体图案的长度等(s203)。重复s202～s203，直到针对所有的测量对象点完成测定(s204)。在完成测定时，卸载半导体晶片。
40.图3a是例示计算机系统100从半导体检查装置11取得的3个数据的内容的图。计算机系统100从半导体检查装置11取得装置数据111、测量制程(以下有时也简称为“制程”)112、测量结果113。
41.装置数据111包含(a)装置固有参数、(b)装置机差校正数据、(c)观察条件参数。装置固有参数是为了使半导体检查装置11按照规定规格进行动作而使用的校正参数。由于存在装置的实际的动作与规定规格不同的情况，因此为了使实际的动作与规定规格一致而使用装置固有参数。装置机差校正数据是为了校正半导体检查装置11～13间的机差而使用的参数。观察条件参数例如是规定电子光学系统的加速电压等sem的观察条件的参数。
42.制程112包含(a)晶片图、(b)对准参数、(c)寻址参数、(d)测长参数作为制程参数。晶片图是半导体晶片上的坐标图(例如图案的坐标)。对准参数是为了实施s201而使用的参数，例如是为了校正半导体晶片上的坐标系与半导体检查装置11内部的坐标系之间的偏差而使用的参数。寻址参数是为了实施s202而使用的参数，例如是确定形成于半导体晶片上的图案中的存在于检查对象区域内的特征性图案的信息(特征量等)。测长参数是记述了测定长度的条件的参数，例如是指定测定图案中的哪个部位的长度的参数。
43.测量结果113包含(a)测长结果、(b)图像数据、(c)错误参数、(d)动作日志。测长结果记述测定了半导体晶片上的图案的长度的结果。图像数据是半导体晶片的观察图像。错误参数是在s201～s203中的任一个中产生了错误的情况下记述了该错误内容的参数。动作日志是记述了实施图2的各步骤时的半导体检查装置11的内部状态的数据。例如列举出各部件的动作电压、观察视野的坐标等。
44.图3b是示意性地表示学习器121的输入与输出之间的对应关系的图。学习器121将
装置数据111、测量制程112和测量结果113作为监督数据来实施机器学习，生成以装置数据111和测量制程112为输入，以测量结果(错误信息)113为输出的学习器121。
45.在学习器121完成机器学习之后，在对学习器121输入新的装置数据502和新的测量制程501的对时，学习器121使用该装置数据502和测量制程501，将与该装置数据502对应的半导体检查装置11在该测量制程501中实施了检查时是否产生错误作为测量结果113输出。即，推定是否产生错误。并且，如后面叙述那样，机器学习部120能够通过学习器121、解析器122及修正量计算部123提示针对成为错误的原因的制程参数的修正量、修正后的制程。
46.图4是对学习器121的生成及解析器的解析的过程进行说明的流程图。以下，对图4的各步骤进行说明。
47.(图4：步骤s401)
48.计算机系统100从半导体检查装置11～13分别取得装置数据111/制程112/测量结果113，储存在数据库110中。计算机系统100在一定程度的期间(例：几周、几个月等)蓄积这些数据。
49.(图4：步骤s402)
50.计算机系统100将数据库110蓄积的数据作为监督数据来实施机器学习，由此，生成学习器121。本步骤的机器学习中的针对学习器121的输入与来自学习器121的输出的对应关系如图3b所示。
51.(图4：步骤s403)
52.在学习器121的机器学习完成之后，解析器122使用学习器121学习到的结果、或者学习到的结果和制程112，对各制程参数对学习器的预测结果造成的影响进行解析，由此，对制程参数进行排序。例如能够通过计算各制程参数的shap值来实施排序。也可以使用shap值以外的评价值来进行排序。以下，对使用shap值的示例进行说明。
53.(图4：步骤s403：补充)
54.shap值是使各特征量对目标变量给予何种程度的影响(即针对目标变量的贡献度)数值化而得的值。制程112包含多个制程参数(图3a中说明的制程参数)，因此，能够将各制程参数视为特征量，能够计算各特征量的shap值。按照shap值的从高到低的顺序视为贡献度从高到低，由此，能够对制程参数进行排序。作为目标变量，例如能够使用产生错误的概率(或者是否产生错误)等。关于排序的例子及如何使用排序结果在后面进行叙述。
55.图5是示意性地表示在规定的半导体检查装置中使用了新的制程501时，通过学习器121推定是否产生错误，并且提示应修正的制程参数及其修正量的过程的图。假设学习器121完成了在图4中说明的机器学习。为了简化说明，新的制程112具有3个制程参数a～c。以下，对图5的各步骤进行说明。
56.对学习器121输入新的制程501及规定的半导体检查装置的装置数据502。学习器121按照学习结果来推定与装置数据502对应的半导体检查装置在使用了该新的制程501时是否产生错误。在此，假设学习器121推定为产生错误，继续以下的说明。
57.解析器122通过计算针对新的制程501内的各制程参数的推定结果的贡献度(例如shap值)，来对各制程参数进行排序。关于排序的例子在后面进行叙述。
58.机器学习部120具有修正量计算部123。修正量计算部123以不产生错误的方式修
正新的制程501内的各制程参数。即，按制程参数计算用于成为不产生错误的值的修正量。未必需要针对全部的制程参数计算修正量，例如也可以从贡献度的排序从高到低的顺序依次计算修正量。关于计算修正量的过程的具体例在后面进行叙述。
59.学习器121重新推定是否因反映了修正量计算部123计算出的修正量的各制程参数而产生错误。在产生错误的情况下，重复上述过程。在未产生错误的情况下，将反映了修正量的各制程参数作为修正后制程参数从学习器121输出。此时，也可以将解析器122的排序的结果一并输出。在图5中示出了制程参数a为最高排序的例子。
60.修正后制程参数既可以由操作员通过手动作业反映到新制程501中，也可以由机器学习部120自动反映到新制程501中。另外，如后面叙述那样，也可以在计算机系统100上设置用于对操作员提示修正结果的接口。机器学习部120(或修正量计算部123)具有作为建议修正制程的“制程修正建议部”的作用。
61.图6a是表示解析器122对制程参数进行排序后的结果的示意图。解析器122能够根据shap值来计算各制程参数对学习器121的推定结果的贡献度。可以按照shap值从高到低的顺序视为贡献度从高到低。在此，示出了制程参数a的优先顺位最高、制程参数bc为相同顺位的例子。
62.图6b是示意性地表示修正量计算部123计算制程参数的修正量的过程的图。解析器122求出过去未产生错误的正常制程参数的统计值。例如，能够求出表示正常制程参数的值与频率的关系的分布作为统计值。此外，也能够将过去的正常制程参数的上下限值、平均值、中央值等用作统计值。在图6b中，从视觉上的理解容易度的观点出发，示出了频度分布的例子。
63.修正量计算部123取得新的制程501内的制程参数a。在图6b的例子中，示出了新的制程参数a具有稍微偏离过去的正常制程参数a的频度分布的值的例子。修正量计算部123能够以新的制程参数a与过去的统计值之间的差值变小的方式求出修正量。例如能够将与过去的正常制程参数a的平均值之间的差值作为修正量。在采用了其他统计量的情况下，能够将与该统计量之间的差值作为修正量。也可以通过其他适当的方法来减小新的制程参数a与过去的统计量之间的差值。另外，制程参数的修正可以对多个参数同时进行，进行错误产生判定，也可以一个一个修正参数，逐次进行错误产生判定。
64.修正量计算部123针对制程参数bc也一样地求出修正量。在新的制程参数未大幅偏离过去的统计值的情况下，也可以不必进行修正。在图6b的例子中，新的制程参数b收敛于过去的频度分布内，因此，也可以不进行修正。或者，也可以以与统计值之间的差值进一步变小的方式进行修正。
65.图7a是计算机系统100对操作员提供的gui(graphical user interface)的例子。在此，示出了错误显示画面701的示例。错误显示画面701是显示在半导体检查装置11中产生的错误的内容的画面。例如能够对测量结果113的内容进行画面显示。
66.图7b是计算机系统100对操作员提供的gui的例子。在此，示出了制程显示画面702的例子。制程显示画面702是显示制程112的内容的画面。此外，也可以一并显示装置数据111的内容。
67.图7c是计算机系统100对操作员提供的gui的例子。在此，示出了修正制程显示画面703的例子。修正制程显示画面703是用于通过按照图5中说明的过程修正后的新的制程
501在视觉上确认错误是否减少的画面。也可以一并显示修正后制程参数。操作员能够经由修正制程显示画面703确认修正制程的效果，决定是否反映修正结果等。
68.因此，图7a～图7c所示的gui例如能够提示以下那样的信息。(a)将半导体检查装置中的错误的内容与时间序列的错误状况一起提示。(b)将半导体检查装置使用的制程的内容与执行该制程时的执行结果一起提示。(c)提示修正制程，并且提示修正制程的效果。(d)提示制程或与制程相关的信息。
69.《实施方式1：总结》
70.在本实施方式1的制程错误推定系统中，学习器121学习装置数据111/制程112/测量结果113之间的对应关系，推定在半导体检查装置11使用了新的制程501时是否产生错误。由此，操作员能够在不依据个人的判断的情况下，判断是否采用新的制程501。
71.在本实施方式1的制程错误推定系统中，修正量计算部123按照过去的正常制程内的制程参数与新的制程内的制程参数之间的差值，求出新的制程参数的修正量。由此，操作员能够在不依据个人的判断的情况下，确定成为错误的原因的制程参数。并且，不需要反复修正制程参数进行再检查，因此，能够使制程修正作业高效化。
72.在本实施方式1的制程错误推定系统中，解析器122按照针对推定结果的贡献度对新的制程内的制程参数进行排序。由此，操作员能够从优先顺位高的制程参数起依次反映修正量，因此，能够使制程修正作业高效化。
73.本实施方式1的制程错误推定系统在求出新的制程参数的修正量时，通过确定成为修正候补的制程参数，也能够推定成为错误的原因的制程参数。因此，能够迅速地确定错误原因。
74.《实施方式2》
75.作为在半导体检查装置中产生的错误的原因，存在(a)起因于半导体检查装置的状态而产生的装置起因错误、(b)起因于半导体晶片的状态而产生的晶片(或工艺)起因错误、(c)起因于制程参数的值而产生的制程起因错误这3种。为了修正装置起因错误，需要修复装置，因此，不修正制程112。晶片起因错误有时能够通过制程修正来应对。因此，在实施方式1中，通过学习装置数据111/制程112/测量结果113的对应关系，来确定能够根据制程参数进行修正的错误。
76.另一方面，推测错误是起因于上述(a)～(c)中的哪一个而产生的，认为对于错误修正是有用的。因此，在本发明的实施方式2中，对推定错误原因的类别的方法进行说明。制程错误推定系统的结构与实施方式1一样。
77.(推定错误原因的类别的例1)
78.计算机系统100在各半导体检查装置11～13使用相同的制程112的情况下，仅在任一个特定的半导体检查装置中产生错误，该情况下，能够推定为该错误起因于该特定的半导体检查装置的状态。即使未必是严格地相同的制程112，在各半导体检查装置使用内容类似的(例如特征量向量间的距离近的)制程112的情况下，如果仅特定的半导体检查装置产生错误，则能够推定为该错误起因于该特定的半导体检查装置。该推定可以由(a)计算机系统100具有的运算装置按照上述推定规则来实施(在以下说明的例2和例3中也一样)，(b)也可以通过使学习器121学习使用相同的制程112仅在特定的半导体检查装置中产生的错误参数而由学习器121实施。在后者的情况下，学习器121按照各半导体检查装置的装置数据
111间的差值，推定是否是装置起因错误。
79.(推定错误原因的类别的例2)
80.计算机系统100从使用特定的制程112的半导体检查装置沿着时间序列取得测量结果113，在其中的仅某一特定的期间产生了错误的情况下，能够推定为该错误起因于半导体晶片的状态。与上述一样，即使未必是严格相同的制程112，在内容类似的制程112的时间序列履历中的仅某一特定的期间产生了错误的情况也是一样。该推定例如能够通过学习器121学习使用相同的制程112产生的错误的产生期间来实施。
81.(推定错误原因的类别的例3)
82.计算机系统100在各半导体检查装置11～13使用相同的制程112的情况下，在从全部的半导体检查装置产生错误的情况下，能够推定为该错误起因于该制程112。与上述一样，即使未必是严格相同的制程112，在使用内容类似的制程112的情况下从全部的半导体检查装置产生错误的情况下也是一样。并且，即使未必在所有的半导体检查装置中产生错误，在阈值以上(例如过半数)的半导体检查装置中产生错误的情况也是一样。该推定例如能够通过学习器121学习在使用了相同的制程112的多个半导体检查装置中是否分别产生了错误来实施。
83.《实施方式3》
84.学习器121学习到的结果得到的学习模型与制作该学习模型时使用的监督数据对应，因此，如果监督数据的内容变化，则学习模型的内容也可能变化。例如在将半导体检查装置运用某一程度长的期间时，装置状态、半导体晶片状态从运用开始时间点大幅变化，由此学习模型可能陈旧化。因此，在本发明的实施方式3中，对在学习器121完成学习之后，使用新的监督数据实施再学习的动作例进行说明。制程错误推定系统的结构与实施方式1一样。
85.图8是对机器学习部120实施再学习的过程进行说明的动作流程。既可以在每次取得新的监督数据(追加数据)时实施本流程图，也可以在数据库110内蓄积了某一程度的量的追加数据的时间点实施本流程图。在本流程图中，机器学习部120具有作为“再学习实施部”的作用。
86.计算机系统100将追加数据蓄积在数据库中(s801)。机器学习部120使学习器121再学习追加数据，由此，生成学习模型(s802)。机器学习部120按照新生成的学习模型与已有的学习模型之间的差值是否为阈值以上，判定是否应该将新生成的学习模型作为与已有的学习模型不同的模型来处理(s803)。例如通过将学习模型记述的参数的特征量空间内的距离的差值等与阈值进行比较，能够判定是否是其他模型。机器学习部120在是其他模型的情况下，通过在s802中生成的学习模型来置换已有的学习模型(s804)。在不需要作为其他模型进行处理的情况下，结束本流程图。
87.《实施方式4》
88.图9是本发明的实施方式4的制程错误推定系统的结构图。在本实施方式4中，制程错误推定系统推定多个制造据点(fabric或fab)各自的半导体检查装置的错误原因。在此，例示了据点910(fab1)和据点920(fab2)。各据点与计算机系统100通过网络连接。计算机系统100的结构与实施方式1～3相同。
89.据点910具有2个生产线911和912。各生产线分别与不同型号(型号a、b、c)的半导
体检查装置连接。据点920也能够具有一样的结构。计算机系统100与各据点的各生产线各自的半导体检查装置连接，分别取得装置数据111/制程112/测量结果113。以后的处理与实施方式1～3相同。
90.计算机系统100可以按据点或按生产线生成不同的学习模型，也可以生成将这些学习模型中的任一个或全部集成后的单一的学习模型。在前者的情况下，能够生成与每个据点或者每个生产线的特性对应的学习模型。在后者的情况下，例如在使用各据点、各生产线类似的检查装置的情况下，能够通过增加监督数据量来提高推定精度。
91.《关于本发明的变形例》
92.本发明并不限定于所述的实施方式，包含各种变形例。例如，上述的实施方式是为了容易理解地说明本发明而详细地进行了说明的实施方式，并不限定于必须具有所说明的全部结构。另外，能够将某一实施方式的结构的一部分置换为其他实施方式的结构，另外，也能够在某一实施方式的结构中添加其他实施方式的结构。另外，对于各实施方式的结构的一部分，能够进行其他结构的追加、删除、置换。
93.在以上的实施方式中，示出了使学习器121学习(a)装置数据、(b)制程、(c)测量结果的对应关系的例子，但为了确定制程错误，至少学习制程与错误参数之间的对应关系即可。因此，这样的结构也是本发明的对象。
94.在以上的实施方式中，对推定半导体检查装置的制程错误的例子进行了说明，但通过使学习器121学习规定装置的动作的参数和在采用该参数时是否产生错误，对于其他装置也能够应用本发明。
95.符号说明
96.11～13：半导体检查装置
97.100：计算机系统
98.110：数据库
99.120：机器学习部
100.121：学习器
101.122：解析器
102.123：修正量计算部。