用于监测计量群的生产力的方法及系统与流程

所描述的实施例涉及计量系统及方法，且更特定来说，所描述的实施例涉及用于改进半导体结构的测量的方法及系统。

背景技术：

1、例如逻辑及存储器装置的半导体装置通常通过应用于样本的一系列处理步骤来制造。半导体装置的各种特征及多个结构层级通过这些处理步骤形成。例如，光刻尤其是涉及在半导体晶片上产生图案的一种半导体制造工艺。半导体制造工艺的额外实例包含但不限于化学机械抛光、蚀刻、沉积及离子植入。多个半导体装置可在单个半导体晶片上制造且接着分离成个别半导体装置。

2、计量过程在半导体制造过程期间的各种步骤中用于检测晶片上的缺陷以促成更高产量。基于光学及x射线的计量技术提供高产量的潜力且没有样品破坏风险。数个基于计量的技术包含散射测量、反射测量及椭圆偏振测量实施方案及相关联分析算法常用于特征化纳米级结构的临界尺寸、膜厚度、组成、叠加及其它参数。

3、由于提高工艺分辨率及日益复杂装置结构，半导体装置的性能、集成性及可靠性随时间不断提高。提高工艺分辨率能够减小制造结构的最小临界尺寸。工艺分辨率主要由用于制造工艺中的光源的波长驱动。最新极紫外光刻(euv)光源产生13.5纳米的波长以能够制造小于32纳米的结构特征。另外，已开发更复杂装置结构(例如finfet结构及垂直nand结构)来提高整体性能、能源成本、集成度及可靠性。

4、随着装置(例如逻辑及存储器装置)走向更小纳米级尺寸，特征化变得更困难。并入复杂三维几何形状及具有多样物理性质的材料的装置造成特征化难度。一般来说，需要计量系统在更多工艺步骤处且以更高精度测量装置。

5、除准确装置特征化之外，具有相同测量目标的一系列测量应用及一群计量系统之间的测量一致性也很重要。如果测量一致性在制造环境中降级，那么经处理半导体晶片之间的一致性损失且产量降到不可接受水平。跨应用及跨多个系统匹配测量结果(即，工具与工具匹配)确保相同应用的相同晶片上的测量结果产生相同结果。

6、半导体制造设施的生产力对实现半导体制造的盈利至关重要。生产力与个别工具的生产力直接相关。例如，单个表现不佳的工具产生阻碍整个生产线的生产力的瓶颈。因而，密切监测每一工具的生产力且及时解决与每一工具相关联的性能问题是至关重要的。

7、传统上，每一工具的生产力独立于群中的其它工具进行监测。通常，个别工具生产力度量以统计方式表示，例如平均值、标准偏差等。此外，关于需要干预的决定是基于个别工具生产力度量的值。在一个实例中，针对群中的每一工具独立计算工具复位率，例如每月工具复位的次数。工具复位率特征化个别工具生产力。每一相应工具的工具复位率与基线比较且解决表现不佳工具的性能。

8、基于个别工具生产力度量来评估生产力缺乏稳健性。通常，在制造设施中操作的生产工具遇到相对较少复位事件。单个复位事件可触发个别工具生产力度量超出值的可接受基线范围。换句话说，由个别生产力度量提供的信号被噪声克服，因为驱动信号值的事件是如此罕见。

9、解决此问题的尝试是简单地评估较长时段内的个别工具生产力度量以提高计算稳健性。例如，可将工具复位率计算为数周或数月的平均工具复位率。不幸的是，此方法存在几个重要限制。首先，延长评估个别工具生产力的时段延迟发现表现不佳工具且在长时段内降低整个制造设施生产力。其次，延长评估个别工具生产力的时段导致不准确，因为可接受值的基线范围可能在延长时间间隔期间移位。

10、随着计量系统发展以在更多工艺步骤处且以更高准确度测量装置，群生产力的评估变得更复杂且更低效。期望改进方法及工具以减少与跨一群计量工具维持高生产力相关联的时间及成本。

技术实现思路

1、本文中描述用于基于个别工具生产力度量及群生产力度量两者来评估个别半导体计量工具生产力的方法及系统。通过包含个别及群生产力度量两者来提高每一个别工具生产力评估的准确度、速度及稳健性。与每一个别工具相关联的生产力度量与一群工具相关联的生产力度量组合以快速且较少误报地识别问题工具。特定来说，在生产力由低频率事件驱动的情形中，明显更快地获得工具生产力结果。

2、群生产力评估引擎特征化一群测量工具中的每一测量工具的生产力且以生产力顺序给测量系统排名。排名接着可由用户用于指导关于工具修理及维护的决定。

3、生产力数据集包含指示从一群半导体测量工具的数个个别工具收集的个别工具性能特性的数据。通过非限制性实例，指示工具生产力的性能特性包含工具停工率、工具停工的持续时间、工具复位率、临时复位之间的时间等。生产力度量用于在数值上特征化个别工具及群生产力。一般来说，特征化一群测量工具中的每一个别工具的性能的一或多个个别工具生产力度量的值独立于特征化测量工具群的性能的一或多个群生产力度量的值来确定。

4、与每一个别工具相关联的基于个别工具的生产力度量值从生产力数据集中对应于每一个别工具的数据生产力数据确定。类似地，基于群的生产力度量值从生产力数据集中对应于个别工具群的数据生产力数据确定。

5、在一些实例中，个别工具生产力度量及群生产力度量基于简单统计测量确定，例如性能资料的分布的平均值及标准偏差、性能数据的分布的中位值、性能数据的分布的调和平均值、对性能数据的分布执行的线性回归的斜率等。

6、在一些其它实例中，个别工具生产力度量及群生产力度量基于性能数据与分析函数(例如高斯函数、泊松函数等)的拟合来确定。在这些实例的一些中，特征化个别工具或一群工具的性能的生产力度量值是分析模型的参数。

7、在一些其它实例中，个别工具生产力度量及群生产力度量基于经训练的基于机器学习(ml)的模型来确定。

8、在一个方面中，与测量工具群的个别工具中的每一者相关联的一或多个组合生产力度量的值基于与每一个别工具相关联的一或多个个别工具生产力度量的值及一或多个群生产力度量的值来确定。

9、在一些实例中，群生产力度量及基于个别工具的生产力度量通过选择群及基于个别工具的度量两者的相关子集来组合。在这些实例的一些中，组合生产力度量通过比较个别工具生产力度量的值与对应群生产力度量的值来确定。在一个实例中，与每一个别工具相关联的工具复位率的平均值之间的差与群中的所有个别工具相关联的工具复位率的平均值比较。每一差是与对应个别工具相关联的组合生产力度量值。

10、在一些其它实例中，组合生产力度量根据基于个别工具的生产力度量值的分布与基于群的生产力度量值的分布之间的统计距离来确定。统计差用于量化个别工具与工具群相差多少。

11、在进一步方面中，测量工具群的个别工具基于一或多个组合生产力度量的值来排名。如果个别工具表现不佳，那么按由一或多个组合生产力度量的值确定的排名顺序选择个别工具进行干预，即，维护、修理或两者。此外，个别工具的排名可基于一或多个组合生产力度量及一或多个个别生产力度量。

12、在一些实例中，个别工具基于至少一个组合生产力度量来排名。在一些其它实例中，个别工具基于至少一个组合生产力度量及个别生产力度量来排名。

13、在另一进一步方面中，估计一或多个准确度度量的值。准确度度量指示测量工具群中的个别工具的排名的置信度。

14、在另一进一步方面中，与测量工具群的至少一个个别工具相关联的未来故障事件的概率基于故障事件的预测概率分布与故障事件的实际观察分布之间的差来预测。

15、前述是概述且因此必然含有细节的简化、概括及省略；因此，所属领域的技术人员应了解，“
技术实现要素：
”仅供说明而绝非为限制。本文中所描述的装置及/或过程的其它方面、发明特征及优点将在本文中所阐述的非限制性详细描述中明白。