半导体产品的良率分析方法及良率分析系统

摘要

本发明提供一种半导体产品的良率分析方法及良率分析系统，包括对过站资料的良率数据进行差异性分析，对量测资料及炉管位置资料的良率数据进行相关性分析，得到各个制程站点过站资料、量测资料及炉管位置资料的指标，并采用信息熵对过站资料、量测资料及炉管位置资料赋予权重，以获得到各制程站点的关键影响因素及各制程站点的综合指标。本发明可用于对影响半导体产品质量的根本原因从数据角度进行查找，使分析结果更加准确，提高了分析效率，并及时调整参数和实验，提高良率，降低成本。

说明书

技术领域

本发明涉及集成电路制造技术领域，尤其涉及一种半导体产品的良率分析方法及分析系统。

背景技术

随着大数据概念和人工智能的兴起，半导体行业也加快建立“智能制造”的步伐，其中重要的一环是利用工艺生产过程中产生的大量数据进行数据分析和算法开发，从数据角度准确锁定工艺生产的问题，找到影响产品质量的根本原因，及时改善工艺，实现增产节能降耗的目的。

半导体生产工艺中产生的数据类型多样，如芯片过站信息(WIP)、线上量测数据(INLINE)、电性测试数据(WAT)、芯片良率数据(CP)等，当前各半导体厂对良率的影响因素进行分析一般包括：反映良率在各机台表现的机台差异性分析及反映良率与线上量测数据或电性数据之间关系的相关性分析，如图1所示。然而，对于机台差异性分析获得的显著性指标（P value）在多水平下数值失真，且由于样品量少时相关性分析获得相关性指标（Rvalue）也会不准确，另外，体现机台差异性的方差分析、体现量测数据与良率关系的相关性分析及体现电性数据与良率关系的相关性分析都是各自分别进行分析，无法确定哪个因素对良率的影响最大，良率分析效率较低。

因此，需要一种新的半导体产品良率分析方法，能够通过对产品在制程过程中发生的机台的异常或制程工艺量测数据等进行统计分析，以在缩短良率分析时间的同时提高良率分析效率。

发明内容

本发明的目的在于提供一种半导体产品的良率分析方法及良率分析系统，用于对影响半导体产品质量的根本原因从数据角度进行查找，使分析结果更加准确，提高分析效率，以及时调整参数和实验，提高良率，降低成本。

本发明提供一种半导体产品的良率分析方法，包括：

获取良率数据和工程资料，将所述良率数据和所述工程资料进行匹配合并，其中，所述工程资料包括过站资料、量测资料及炉管位置资料；

根据机台的过货比筛选所述过站资料的良率数据以对所述机台进行分组，并根据制程站点和腔室序列对筛选出的所述良率数据进行方差分析以得到各个制程站点的所述过站资料的指标；

所述量测资料包括膜厚量测资料、线宽量测资料及对准量测资料，选取所述量测资料中设定参数与对应的良率数据进行相关性分析，并采用信息熵计算所述量测资料中所述膜厚量测资料、所述线宽量测资料及所述对准量测资料在各制程站点的权重，以获得所述膜厚量测资料、所述线宽量测资料及所述对准量测资料在各制程站点的量测值，对各制程站点的所述膜厚量测资料、所述线宽量测资料及所述对准量测资料的量测值求和得到各制程站点的所述量测资料的指标；

不同制程站点不同炉管机台的良率数据与所述炉管位置资料进行相关性分析以得到各个制程站点的炉管位置资料的指标；

将所述过站资料的指标、所述量测资料的指标及所述炉管位置资料的指标进行整合以得到各制程站点的关键影响因素，并采用信息熵计算所述过站资料的指标、所述量测资料的指标及所述炉管位置资料的指标的权重，以得到各制程站点的综合指标。

可选的，根据机台的过货比筛选所述过站资料的良率数据包括：过滤过货比例不足80%的制程站点，过滤过货比例不足5%的机台。

可选的，根据制程站点和腔室序列对筛选出的所述良率数据进行方差分析以获得检验值P，对所述检验值P进行处理得到中间检验值P_ADG，然后对中所述间检验值P_ADG进行归一化以得到各个制程站点的所述过站资料的指标W1，其中，

可选的，对P值进行处理得到所述间检验值P_ADG后，每个制程站点保留所述中间检验值P_ADG最大的腔室序列，且对每个制程站点保留的所述间检验值P_ADG进行归一化。

可选的，所述量测资料中设定参数与对应的良率数据进行相关性分析之前还包括：过滤标准差为0的设定参数及过滤测量比例不足50%的设定参数。

可选的，所述量测资料中设定参数与对应的良率数据进行相关性分析获得第一相关系数R1和第一样本量N1，对所述第一相关系数R1进行处理到R1_ADG，然后对R1_ADG进行归一化处理得到归一化值Y1，其中，

其中，

可选的，每个制程站点中所述膜厚量测资料、所述线宽量测资料及所述对准量测资料中均仅保留一个所述第一相关值R1_ADG最大的设定参数，且对每个制程站点中所述膜厚量测资料、所述线宽量测资料及所述对准量测资料中保留的所述第一相关值R1_ADG进行归一化。

可选的，采用信息熵计算所述量测资料中所述膜厚量测资料、所述线宽量测资料及所述对准量测资料的权重包括：

计算所述设定参数的权重

计算所述设定参数的熵值

计算所述膜厚量测资料、所述线宽量测资料及所述对准量测资料在每个制程站点的权重

其中，对于所述膜厚量测资料

可选的，根据制程分布图得到量测站点对应的制程站点。

可选的，不同制程站点不同炉管机台的良率数据与所述炉管位置资料做相关分析之前还包括：过滤过货比例不足5%的机台。

可选的，不同制程站点不同炉管机台的良率数据与所述炉管位置资料进行相关性分析获得第二相关系数R2与第二样本量N2，对所述第二相关系数R2进行处理对得到第二相关值R2_ADG，然后，对所述第二相关值R2_ADG进行归一化处理得到各个制程站点的炉管位置资料的指标Z1，其中，

其中，

可选的，对所述第二相关系数R2进行处理得到所述第二相关值R2_ADG后，每个制程站点保留所述第二相关值R2_ADG最大的站点且对每个制程站点保留的所述第二相关值R2_ADG进行归一化。

可选的，采用信息熵计算所述过站资料的指标、所述量测资料的指标及所述炉管位置资料的指标的权重的过程包括：

计算所述工程资料的权重

计算所述工程资料的熵值

计算每个制程站点所述过站资料、所述量测资料及所述炉管位置资料的权重

其中，对于所述工程资料中的过站资料

相应的，本发明还提供一种良率分析系统，包括：

数据获取模块，用于获取良率数据和工程资料，其中，所述工程资料包括过站资料、量测资料及炉管位置资料；

数据分析模块，用于采用上述任一项所述的半导体产品的良率分析方法获取所述过站资料的指标、所述量测资料的指标及所述炉管位置资料的指标以得到各制程站点的关键影响因素和综合指标；以及

数据反馈模块，用于将各制程站点的关键影响因素和综合指标反馈至相应的制程站点。

综上所述，本发明提供的半导体产品的良率分析方法及良率分析系统，包括对过站资料的良率数据进行差异性分析，对量测资料及炉管位置资料的良率数据进行相关性分析，得到各个制程站点过站资料、量测资料及炉管位置资料的指标，并采用信息熵对过站资料、量测资料及炉管位置资料赋予权重，以获得到各制程站点的关键影响因素及各制程站点的综合指标。本发明可用于对影响半导体产品质量的根本原因从数据角度进行查找，使分析结果更加准确，提高了分析效率，并及时调整参数和实验，提高良率，降低成本。

附图说明

图1为一种半导体产品良率的分析方法；

图2 为本发明一实施例提供的半导体产品的良率分析方法的流程图；

图3为本发明一实施例提供的半导体产品的良率分析系统的工作原理图。

具体实施方式

以下结合附图和具体实施例对本发明的半导体产品的良率分析方法及良率分析系统作进一步详细说明。根据下面的说明和附图，本发明的优点和特征将更清楚，然而，需说明的是，本发明技术方案的构思可按照多种不同的形式实施，并不局限于在此阐述的特定实施例。附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。

在说明书中的术语“第一”“第二”等用于在类似要素之间进行区分，且未必是用于描述特定次序或时间顺序。要理解，在适当情况下，如此使用的这些术语可替换，例如可使得本文所述的本发明实施例能够以不同于本文所述的或所示的其他顺序来操作。类似的，如果本文所述的方法包括一系列步骤，且本文所呈现的这些步骤的顺序并非必须是可执行这些步骤的唯一顺序，且一些所述的步骤可被省略和/或一些本文未描述的其他步骤可被添加到该方法。若某附图中的构件与其他附图中的构件相同，虽然在所有附图中都可轻易辨认出这些构件，但为了使附图的说明更为清楚，本说明书不会将所有相同构件的标号标于每一图中。此外，需要说明的是，本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。

图2 为本实施例提供的半导体产品的良率分析方法的流程图，参考图2所示，本实施例提供的半导体产品的良率分析方法包括：

获取良率数据和工程资料，将所述良率数据和所述工程资料进行匹配合并，其中，所述工程资料包括过站资料、量测资料及炉管位置资料；

根据机台的过货比筛选所述过站资料的良率数据以对所述机台进行分组，并根据制程站点和腔室序列对筛选出的所述良率数据进行方差分析以得到各个制程站点的所述过站资料的指标；

所述量测资料包括膜厚量测资料、线宽量测资料及对准量测资料，选取所述量测资料中设定参数与对应的良率数据进行相关性分析，并采用信息熵计算所述量测资料中所述膜厚量测资料、所述线宽量测资料及所述对准量测资料在各制程站点的权重，以获得所述膜厚量测资料、所述线宽量测资料及所述对准量测资料在各制程站点的量测值，对各制程站点的所述膜厚量测资料、所述线宽量测资料及所述对准量测资料的量测值求和得到各制程站点的所述量测资料的指标。

不同制程站点不同炉管机台的良率数据与所述炉管位置资料进行相关性分析以得到各个制程站点的炉管位置资料的指标；

将所述过站资料的指标、所述量测资料的指标及所述炉管位置资料的指标进行整合以得到各制程站点的关键影响因素，并采用信息熵计算所述过站资料的指标、所述量测资料的指标及所述炉管位置资料的指标的权重，以得到各制程站点的综合指标。

具体的，参考图2所示，首先，获取目标资料和工程资料，所述目标资料即良率数据。例如选取最近一个月内晶圆（wafer）的良率数据，这里的良率数据是指良率损失情况（CP），且所述良率损失是待分析的良率损失之和（multi/single bin sum）。

接着，对于过站资料，根据晶圆信息（wafer-ID）找到过站资料（WIP Data），并与相对应的良率数据匹配合并（CP&WIP）得到过站资料的良率数据。这里的过站资料包括与机台关联的批次（Lot-ID）、出货时间（MOVE_OUT_TIME）、制程站点（OPE_NO）、设备编号（EQP）、腔室（CHA）及腔室序列（SEQ）等。

然后，根据过货比筛选所述过站资料的良率数据以对机台进行分组，即分别过滤过货比例不足80%的制程站点，及过滤过货比例不足5%的机台，接着计算不同制程站点良率损失均值(BIN AVG)的最大值，然后对机台进行分组。示例性的，可以按机台和腔室（EQP_CHA）结合进行分组，即将过站资料的良率数据细化到腔室序列（SEQ）。

接着，按照上述方法对所有制程站点进行方差分析（WIP.ANOVA），得到各个制程站点对应的检验值P（P值）。

接着，对检验值P进行处理得到中间检验值P_ADG，然后将检验值P调整为越大越可疑，且每个制程站点保留所述中间检验值P_ADG最大的腔室序列，如部分制程站点有不止一个腔室序列，则该制程站点只保留所述中间检验值P_ADG最大的腔室序列。然后，对所述中间检验值P_ADG进行归一化，以得到各个制程站点的过站资料的指标W1（WIP.PLUS VALUE），即对每个制程站点保留的所述中间检验值P_ADG进行归一化。其中，

本实施例中，对检验值P进行处理得到所述中间检验值P_ADG后，每个制程站点保留中间检验值P_ADG最大的腔室序列，且对每个制程站点保留的中间检验值P_ADG进行归一化。在本发明其他实施例中可以根据分析需求保留相应的中间检验值P_ADG对应的腔室序列，在此不作限定。

对于量测资料（INLINE），所述量测资料包括膜厚量测资料（QX）、线宽量测资料（QC）及对准量测资料（QW），即所述量测资料包括的QX、QC及QW三个种类（ITEM）。首先，根据晶圆信息（wafer-ID）找到量测资料（INLINE）的设定参数（PAR），将其与对应的良率数据匹配合并（CP& INLINE）得量测资料的良率数据。

然后，分别过滤标准差为0的设定参数和过滤测量比例不足50%的设定参数， 然后，对各设定参数与良率损失的做相关性分析，得到第一相关系数R1及第一样本量N1。需要说明的是，对于量测资料的分析，可以根据制程分布图（mapping）得到量测站点对应的制程站点，进而按制程站点进行后续分析。

接着，对所述第一相关系数R1进行处理得到第一相关值R_ADG，

其中，

每个制程站点中所述膜厚量测资料、所述线宽量测资料及所述对准量测资料中均仅保留一个第一相关值R1_ADG最大的设定参数。

接着，按照量测资料的种类（ITEM）对所述第一相关值R1_ADG进行归一化处理得到Y1，

即采用上述方法分别对所述膜厚量测资料、所述线宽量测资料及所述对准量测资料中的设定参数与良率数据进行相关性分析，得到分别与所述膜厚量测资料、所述线宽量测资料及所述对准量测资料中设定参数对应的第一相关系数R1和第一样本量N1，接着分别对第一相关系数R1进行处理得到第一相关值R1_ADG，分别对第一相关值R1_ADG进行归一化处理得到归一化值Y1。

然后，用信息熵计算所述量测资料中所述膜厚量测资料、所述线宽量测资料及所述对准量测资料在各制程站点的权重，以获得所述膜厚量测资料、所述线宽量测资料及所述对准量测资料在各制程站点的量测值。由于每个制程站点中所述膜厚量测资料、所述线宽量测资料及所述对准量测资料中均仅保留一个R1_ADG最大的设定参数，获得所述膜厚量测资料、所述线宽量测资料及所述对准量测资料在各制程站点的量测值也即是获得各设定参数（所述膜厚量测资料、所述线宽量测资料及所述对准量测资料保留的R1_ADG最大的设定参数）在各制程站点的量测值，具体包括：

计算所述设定参数的权重

计算所述设定参数的熵值

计算所述膜厚量测资料、所述线宽量测资料及所述对准量测资料在每个制程站点的权重

其中，对于所述膜厚量测资料

其中，

然后，对各制程站点不同设定参数的量测值求和得到量测资料的指标（INLINE.PLUS）。

接着，对于炉管位置资料（BOAT Slot），根据晶圆信息（wafer-ID）获取炉管位置资料，将其与良率数据匹配合并（CP&BOAT Slot）得到炉管位置资料的良率数据。其中，获取炉管位置资料时过滤过货比例不足5%的机台。

然后，不同制程站点不同炉管机台的良率数据与炉管位置资料做相关性分析，得到第二相关系数R2与第二样本量N2，接着，对所述第二相关系数R2进行处理得到第二相关值R2_ADG， 每个制程站点保留所述第二相关值R2_ADG最大的机台，然后，并对所述第二相关值R2_ADG归一化得到Z1，Z1即炉管位置资料的指标（BOAT.PLUS），

其中，

其中，

最后，将过站资料的指标（WIP.PLUS VALUE）、量测资料的指标（INLINE.PLUS）及炉管位置资料的指标（BOAT.PLUS）进行整合，以得到各制程站点的关键影响因素（K.Factor），即一制程站点中过站资料的指标（WIP.PLUS VALUE）、量测资料的指标（INLINE.PLUS）及炉管位置资料的指标（BOAT.PLUS）中数值最大的一项（例如过站资料）即为该制程站点的关键影响因素（K.Factor）。

接着，用信息熵计算不同制程站点所述过站资料的指标、所述量测资料的指标及所述炉管位置资料的指标的权重，从而得到所述过站资料的指标、所述量测资料的指标及所述炉管位置资料在各制程站点的指标量值。

具体包括：

计算所述工程资料的权重

计算所述工程资料的熵值

计算每个制程站点所述过站资料、所述量测资料及所述炉管位置资料的权重

其中，对于所述工程资料中的过站资料

然后，将获得的各制程站点的所述过站资料的指标、所述量测资料的指标及所述炉管位置资料的指标乘以各自在该制程站点的权重，获得所述过站资料、所述量测资料及所述炉管位置资料在各制程站点的指标量值，接着，将所述过站资料、所述量测资料及所述炉管位置资料在各制程站点的指标量值求和以得到各制程站点的综合指标。根据所述综合指标判断影响良率损失的主要制程站点，并对该制程站点进行监控或做相应调整。

本实施例提供的半导体产品的良率分析方法可以用于对影响半导体产品（例如芯片）质量的根本原因从数据角度进行查找，此方法不仅改进原有方法，使分析结果更加准确，而且提高了工程师的分析效率，使工艺工程师更快从数据角度发现问题，及时调整参数和实验，提高良率，降低成本。

相应的，本实施例还提供一种良率分析系统，包括：

数据获取模块，用于获取良率数据和工程资料，其中，所述工程资料包括过站资料、量测资料及炉管位置资料；

数据分析模块，用于采用上述半导体产品的良率分析方法获取所述过站资料的指标、所述量测资料的指标及所述炉管位置资料的指标以得到各制程站点的关键影响因素和综合指标；以及

数据反馈模块，用于将各制程站点的关键影响因素和综合指标反馈至相应的制程站点。

图3为本实施例提供的半导体产品的良率分析系统的工作原理图。如图3所示，数据获取模块根产品测试结果获取目标资料（良率数据），并从工程资料库中获取工程资料，所述工程资料包括过站资料、量测资料及炉管位置资料。数据分析模块抓取上述良率数据和工程资料，进行信息去噪后将良率数据和工程数据匹配整合，然后进行工程资料分析，包括机台差异性分析、工艺量测的相关分析及炉管位置分析，得到各个制程站点过站资料、量测资料及炉管位置资料的指标，然后对分析的结果进行数据处理和数据整合，以获得到各制程站点的关键影响因素及综合指标。然后数据反馈模块将各制程站点的关键影响因素及综合指标进行输出反馈，工程师可以根据反馈进行参数调整的工艺试验，以提升良率。

本实施例提供的半导体产品的良率分析系统能够从数据角度对生产过程实时监控，更加准确的发现工艺制造过程中的问题，达到及时发现及时解决，改善工艺，提高良率；且半导体产品的良率分析方法因融合各种参数，使工程师更快锁定哪道工艺出现问题，哪个参数影响最大，及时调整参数，同时节省分析时间，使工程师的日常工作更加高效便捷；另外，本实施例提供的半导体产品的良率分析方法虽是基于半导体数据建立的，但因该方法有利于消除多水平和样本量的影响，同样可适用于有这方面需求的相关数据分析。

综上所述，本发明提供的半导体产品的良率分析方法及良率分析系统，包括对过站资料的良率数据进行差异性分析，对量测资料及炉管位置资料的良率数据进行相关性分析，得到各个制程站点过站资料、量测资料及炉管位置资料的指标，并采用信息熵对过站资料、量测资料及炉管位置资料赋予权重，以获得到各制程站点的关键影响因素及各制程站点的综合指标。本发明可用于对影响半导体产品质量的根本原因从数据角度进行查找，使分析结果更加准确，提高了分析效率，并及时调整参数和实验，提高良率，降低成本。

上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于权利要求书的保护范围。