大批量生产设备覆盖过程控制

由Honggoo李^一个,Sangjun汉^一个,Jaeson吸引^一个,DongYoung李^一个,ChangRock歌^一个,Hoyoung Heo^b,Irina Brinster^b,DongSub崔^c约翰·c·罗宾逊^b

^一个SK海力士,2091,Gyeongchung-daero、Bubal-eub Icheon-si,京畿道,467 - 701年,韩国
^bKLA-Tencor Corp ., 8834 n .德州号首都78759年奥斯汀,得克萨斯州
^cKLA-Tencor韩国,Starplaza建筑物. .、53 Metapolis-ro华城城市,韩国京畿道

文摘
覆盖控制基于DI计量光学目标已经多年运行的过程控制的主要依据。在以往的研究中我们描述了一个场景,光叠加执行计量计量目标在高频率的基础上包括所有很多DI(或大部分很多)。执行基于SEM FI计量设备内置在as-etched在一个罕见的基础上。这种类型的混合控制方案已经应用了许多流程节点。新是NZO的相对大小和覆盖规范,和需要找到更全面的描述和控制解决方案的大小和变化在1 x NZO nm节点:采样、建模、时间频率和控制方面,以及权衡SEM吞吐量和准确性。

1。介绍
推进技术在半导体制造节点需要较小的过程的利润率。覆盖控制是一个关键的参数来控制由于紧张产生需求和很强的关联。覆盖控制基于DI(开发检验之后)计量光学目标已经运行的主要依据(R2R)过程控制多年,并已包括显著增强精度、准确性,和吞吐量。扫描电子显微镜(sem)用于FI(腐蚀检查后,或最终检验)提供补充覆盖数据R2R过程控制系统在一个有限的基础上由于吞吐量,成本,材料不透明,无法返工。在以前的工作[1]我们描述了一个这样的场景,光叠加执行计量计量目标在高频率的基础上包括所有很多DI(或大部分很多)。执行基于SEM FI计量设备内置在as-etched在一个罕见的基础上。DI和FI覆盖之间的区别通常被称为零覆盖(NZO),指的是抵消对DI R2R控制回路的基础上,罕见的FI更新。这种类型的混合控制方案已经应用了许多流程节点:新是NZO的相对大小和覆盖规范,和需要找到更全面的解决方案描述和控制NZO的可变性。

光学计量并继续被覆盖计量的主要工具。是半导体行业支柱的高采样R2R过程控制,以及许多工具,流程处理。在大多数过程,很多都是测量光在DI。SEM计量,另一方面,有限的叠加使用。SEM覆盖主要用于DI光学在某些情况下精度验证和FI低采样频率R2R NZO过程控制更新。关键NZO问题,这次调查地址包括需要什么样的抽样和建模,NZO多久需要更新,我们可以预见变化NZO吗?

图1:自动化过程的示意图修正更新使用5 d分析仪。

图1显示了处理方案,实施调查。有几种方法,非零覆盖过程控制可以实现。在某些场景中,DI原始覆盖数据是NZO纠正偏差。在这种情况下,建模和APC(自动化过程控制)仍然像往常一样。在另一个实现中,APC系统可以调整控制零的目标,但是这增加了并发症工厂系统。在这种情况下,运行时DI建模结果的补偿,或纠正。这些修正更新频繁的基础上由低采样率的FI计量。FI接收数据的时候,减去从相应的很多,晶片DI的结果。减法可以通过逐点详述的减法当DI和FI计量位置在空间相近晶片,或通过模型插值减法在一般情况下。导致三角洲需要验证错误,然后结合历史价值通过加权移动平均(WMA)、指数加权移动平均(EWMA),或类似,为了减少噪声对控制回路的影响。 Once the weighted delta values are available, the runtime DI control R2R loop can be compensated by the NZO or bias. This implementation was implemented within KLA-Tencor Corporation’s 5D Analyzer.

图2:覆盖和NZO预算分解的示意图使用5 d分析仪分析。

图2显示了一个示意图预算分解分析使用的调查。方差分析(方差分析)是用来覆盖测量的总变化分解成不同的方差分量。分析可以应用于原始叠加数据,而且还可以应用于建模覆盖数据。的情况下使用建模数据,输入建模结果评估测量位置的原始原始覆盖数据。在这种情况下,不包括残差分析,建模结果。虽然预算分解工具5 d分析仪可以提供许多组件的变化,在这个调查我们限制我们的分析意味着/常见,lot-by-lot, chuck-by-chuck分析NZO为了简单起见。

在这项研究中我们看NZO三组数据对应T1x 19 nm DRAM处理。的两个数据集,称为基线轮廓,对应于双模式,包括完整的地图数据。第三集,标记为鳞状细胞癌,包括减少采样和SEM OL数据只在Y方向上由于几何层。接下来将讨论这些层的结果。

2。基线轮廓层分析
首先,我们将描述位线接触(基线轮廓)的数据进行了分析。BLC1 BLC2组成2单独打印在一个交叉双模式方案。对于每个基线轮廓打印,我们收集了23大量数据,1片/扫描仪查克,总共46晶片。在这项研究中我们收集在DI和FI X和Y叠加,在5月的时间间隔。如图3所示,抽样包括完整的地图数据,其中包括2265分晶片,和25分扫描仪,对称的抽样方案。在这种情况下,对称表示各个领域有基本相同的抽样。DI计量是由阿切尔™500计量工具阿切尔目的®光学成像的目标。FI数据计量器件结构是由CD SEM。这些数据集提供了比通常用于抽样NZO的分析,包括高晶片和现场抽样DI和FI,另外组成一个相对较长的时间内变化进行分析。

图3:基线轮廓实验装置(a)晶片抽样,抽样(b)字段,(c)与阿切尔DI计量目标,和(d) FI计量装置的结构。

图4包含趋势图表BLC1层,包括DI叠加,FI覆盖在这个调查的五个月时间内。策划|意味着| + 3σ值X和Y覆盖对很多NZO计算,这只是一个低频总数的一小部分的处理。变化包括处理内部和外部影响光刻的细胞,以及计量。工厂过程控制旨在减少可变性,使周期性调整扫描仪矫正。有时,过程工具维护计划的一部分进行调整(PM)和未经计划维护。在图4 c,三角洲或NZO绘制。减去相应的DI和FI很多,在这种情况下,逐点,和由此产生的| | + 3σ值X和Y是策划。差异存在于BLC1数据,然而,没有明显的趋势或改变点的5月的时间间隔。NZO图表,一个小变化点见,这对应于增加晶圆的极端边缘的抽样。这一变化是为了更好地理解极端晶片边缘行为,这份报告将在稍后讨论。 Therefore, other than an assignable change point, no significant trends or un-explained change points were observed.

图4:BLC1 |是| + 3σ趋势图表(a) DI叠加,FI叠加(b)和(c) NZO。

进一步理解趋势,或缺乏趋势在这种情况下,该BLC1 NZO数据建模与线性晶片和线性(W1F1)模型,如图5所示,许多ID。最小的漂移是看到的,与小的可能除了intra-field Y旋转(Y_R_Rot)或转K6术语产生最小的影响。数据被划分到组的进一步调查。组1和2是任意选择的第一和第二部分的数据采样前变化点上面所讨论的。第三组是极端边缘采样后的数据变化。

图5:BLC1 NZO矫正术语的趋势。

使用多组如上所述,我们把降低BLC1 NZO签名图6 X和Y。可以看到,基本的圆片级签名是相当恒定的5个月的研究。一个例外是在组2的小热点明显。这个热点的确切原因不确定,但它自叠加模型飞行没有影响(或异常)去除消除测量过程的控制方案。唯一的其他明显的重大变化是由于增加采样建立集团3的极端边缘晶片(绿新月)如图6所示。图7显示了相同的数据绘制矢量地图的组。晶片的签名,结果平均场。字段映射,结果平均位置。再一次,唯一的主要变化在5月将增加极端边缘抽样,正如上面所讨论的。

图6:BLC1 NZO晶片组签名的X和Y NZO NZO。

图7:BLC1 NZO晶片签名组向量图。

更多的基线轮廓数据的定量分析,NZO预算分解进行方差分析分析,如引入所述。为简单起见我们关注共同的(静态),lot-by-lot, chuck-by-chuck方差。23很多基线轮廓NZO数据,包括46个晶片(1片/卡盘的双扫描光刻工具),2265分晶片,25分领域进行分析的5 d分析仪预算分解工具,如图8所示。结果如图8所示的方差与组件的原始数据为X和Y NZO和各种模型。的主要结论是,大多数方差是静态或“共同”整个数据集。这是与上述分析相一致。第二部分,很多很多,包括大大减少变异。正如所料,卡盘,卡盘NZO方差无关紧要。“错误”是方差不是捕获的其他组件。这些可以包括其他类别如图2所示。

图8显示了原始数据的分析比较各种模型,包括线性晶片和线性场(W1F1),高阶晶片和高阶场(W3F3),修正每曝光2(2项/字段),修正每曝光15(15项字段),每接触和校正19(19项每个字段)。很明显,低阶的多项式模型和CPE模型不正确捕获方差存在的数据集,主要是由于极端的晶片边缘将如下所示。高阶CPE可以捕捉边缘方差,然而,在噪声敏感的风险或者配件。应该注意的是,“错误”或剩余方差的原始数据包括剩余方差模型,而不为建模的结果。三角洲是一个剩余方差的迹象。

一个同样大的数据集对BLC2可用。结果和结论相似,正如所料,因为它们是非常相似的交叉打印在同一层。为了简便起见,BLC2结果没有显示在这里,除了图9中,显示出类似的结果在图8:BLC1常见或静态方差是主导,表明最小NZO漂移或远足。

图8:BLC1 NZO预算分解的分析组件。

图9:BLC2 NZO预算分解的分析组件。

边缘与中心的晶片BLC1 NZO进行了分析。添加BLC1的极端晶片边缘采样组3使极端的晶片边缘行为的分析,如图10和11所示。在图10中,多项式W3F3模型做了合理的工作描述变化的中心圆片在相对较小的残差。极端的边缘,然而,特点是W3F3不好(红色残余向量> 2 nm)。CPE19模型管理的极端边缘行为,如图10所示。图11显示了径向块相同的数据。CPE19建模需要大量抽样覆盖率,可以容易受到噪音和过拟合。

图10:BLC1 NZO组3边缘分析:(a) W3F3残差和(b) CPE19剩余工资。

图11:BLC1 NZO组3残差作为W3F3晶圆半径的函数和CPE19: (a)残余X和Y (b)残留。

3所示。鳞状细胞癌层分析
接下来,我们将描述存储节点接触层鳞状细胞癌数据分析。对于这个调查,我们采样18很多,1片/卡盘,总共36片DI和FI在4月。晶片抽样有些降低,如图12所示,在378点/晶片,不包括极端的晶片边缘点。现场报道是25分,然而,以非对称的方式(并非所有字段采样相同的)。阿切尔阿切尔DI计量上执行500光学目标成像的目标。FI计量是由SEM对装置结构如图12所示。在这种情况下只有FI Y数据可用,由于设备结构。

图12:鳞状细胞癌实验装置(a)晶片抽样,抽样(b)字段,(c)与阿切尔DI计量目标,和(d) FI计量装置的结构。

SCC NZO(δDI和FI叠加)之间的趋势图如图13所示。记住,很多在这个NZO研究代表一小部分总很多加工时间间隔在4月。可变性|中| + 3σ和NZO生的意思是图表。变化点是明显的;特别是NZO原始意思(原始意义不过滤、建模、或残余),与垂直线表示。变化点的起源尚不清楚,但可能是一个过程的工具预防性维护(PM)事件。我们单独的分组结果。组1前变化点,和组2和3是任意分割后的许多变化点。图14显示了晶片和现场签名之前和之后明显的变化点,表示的水平线。除了单一变化点、晶片和现场签名保持相当稳定。

图13:鳞状细胞癌趋势图显示NZO | | + 3σ和NZO的意思。

图14:鳞状细胞癌组NZO签名:在晶片签名NZO Y,下面字段签名NZO Y。

鳞状细胞癌的定量分析数据,NZO预算分解方差分析分析,如引入所述。再一次,我们专注于常见的(静态),lot-by-lot, chuck-by-chuck方差。18很多SCC NZO数据,包括36个晶片(1片/卡盘的双扫描光刻工具),378分晶片,25分领域进行分析的5 d分析仪预算分解工具如图15所示。结果显示方差与组件Y NZO原始NZO数据和各种模型。在这种情况下,由于单一变化点,被很多很多方差占主导地位在静态或常见的组件。正如所料,卡盘,卡盘NZO方差无关紧要。“错误”是方差不是捕获的其他组件。这些可以包括其他类别如图2所示。

图15显示分析的原始数据与各种型号相比,正如前面所讨论的那样。不包括极端边缘点以来,多项式和CPE模型更可比方差的特征。再一次,剩下的“错误”或原始数据包括剩余模型的方差方差,而它不为建模的结果。三角洲是一个剩余方差的迹象。

图15:鳞状细胞癌NZO预算分解的分析组件。

从总体上看,虽然是NZO包括一些变化,主要是静态变化点之间。问题是这些变化点可以快速识别(1)NZO可以在必要时更新,但(2)没有必要时不更新。一种可能性是使用DI叠加高频光学计量指标。迪光学测量步骤包括信息从“当前”和“前”层之外的目标覆盖计量。信息可以被封装成指标包括Qmerit[2],以及其他质量指标。例如,图16显示了一个拐点的Qmerit SCC计量,垂直线表示,同时上述NZO口音。而更多的鉴定工作是必需的,这是暗示,DI光学质量量度已经可以在高频率可以用来触发NZO更新,从而减少材料和减少风险un-necessary昂贵和耗时的SEM FI计量。

图16:鳞状细胞癌DI Qmerit变化点。

4所示。结论
DI-FI偏见或NZO,已经为许多节点纳入过程控制。新是NZO的相对大小和覆盖规范,和需要找到更全面的解决方案描述和最小化NZO的大小和可变性。我们实现了一个分析解决方案5 d分析仪提供NZO纠正建模方面为高频光DI APC主机控制回路基于低频NZO更新基于DI - FI SEM叠加的结果。

NZO签名似乎主要是稳定~ 5月期间,尽管变化存在于小尺度。共同主导NZO方差或静态签名。很多很多方差存在但不占主导地位,除了变化点。卡盘,卡盘方差观察是无关紧要的。多项式模型描述NZO里面~ 140纳米晶圆半径。极端的边缘特征需要CPE建模,然而,CPE容易过度学习和噪音。

变化点改变NZO签名可以看出,虽然在这项研究中很少发生。现在需要的是一个方法来识别变化点,以(1)最小化材料面临风险,和(2)减少不必要的NZO更新的成本。如果可以确定词形变化,低频FI抽样是足够的。现有DI光学覆盖指标,如Qmerit、展示等识别潜在变化点之前通过提供信息和当前水平处理超出覆盖本身。

未来的调查包括识别使用DI NZO变化点指标,调查NZO根源,和减少NZO NZO方差与计量优化和计量目标优化。

5。确认
作者要感谢偏向Demirer, Fangren Ji,韦恩(魏)周帮助数据分析。

6。引用
[1]Honggoo李等人,“高容量生产设备覆盖方法,有卷9778:计量、检验、显微光刻法XXX和过程控制,2016年6月

[2]达纳·克莱因等人,“质量指标准确覆盖控制< 20 nm节点," Proc。相比8681年,计量、检验和过程控制显微光刻法里,86811 j(2013年4月18日)。

最初发表在学报2017年先进光刻会议:Honggoo李et al,大批量生产设备覆盖过程控制,“Proc。相比10145年,计量、检验、显微光刻法第三十一章和过程控制,101450 d (2017)。