專利名稱：一種缺陷數(shù)據(jù)庫建立方法
技術領域：
本發(fā)明提供一種缺陷數(shù)據(jù)庫的建立方法，特別指一種應用于一自動缺陷分類(automatic defect classification，ADC)系統(tǒng)的缺陷數(shù)據(jù)庫建立方法。
背景技術：
在半導體制造過程中，往往會因為一些無法避免的原因而生成細小的微?；蛉毕荩S著半導體制造過程中元件尺寸的不斷縮小與電路積集度的不斷提高，這些極微小的缺陷或微粒對集成電路質(zhì)量的影響也日趨嚴重，因此為維持產(chǎn)品質(zhì)量的穩(wěn)定，通常在進行各所述半導體制造過程的同時，亦須針對所生產(chǎn)的半導體元件進行缺陷檢測，以根據(jù)檢測的結果來分析造成這些缺陷的根本原因，之后才能進一步通過過程參數(shù)的調(diào)整來避免或減少缺陷的產(chǎn)生，以達到提升半導體制造成品率以及可靠度的目的。
請參考圖1，圖1為一常規(guī)技術中缺陷檢測與分析的流程示意圖。如圖1所示，將先對在線的產(chǎn)品晶片進行取樣12，在根據(jù)所取得的樣本晶片進行一缺陷檢測14，一般而言，缺陷檢測14多利用機臺以全晶片掃描的方式進行一缺陷檢測，之后仍會針對所檢測到的缺陷進行缺陷再檢測18，利用SEM等儀器對所述缺陷作細部觀測，以根據(jù)所觀測到的結果進行缺陷原因分析22。而由于缺陷再檢測18需要花費大量的人力與時間，因此在實務上不可能對所檢測到的缺陷一一進行缺陷再檢測18，通常以抽樣的方式進行，而為使抽樣分析的結果具有較高的代表性，多半會在完成缺陷檢測14后，先進行一缺陷分類16，將缺陷檢測14中所檢測到的缺陷分為不同的缺陷類型，再自各缺陷類型中，抽樣取出一定數(shù)量的缺陷為樣本，來進行缺陷再檢測18，以進行缺陷原因分析22，以找出造成這些缺陷的主要原因，之后再設法通過過程參數(shù)的調(diào)整來克服避免或減少缺陷的產(chǎn)生。
在常規(guī)技術中，缺陷分類16大多以人工的方式進行，因此往往亦需要花費大量的時間與人力，但現(xiàn)今亦已逐漸發(fā)展出自動缺陷分類(automaticdefect classification，ADC)的技術，利用機器取代人工來執(zhí)行分類工作，舉例來說，許多缺陷檢測的機臺均附有一自動缺陷分類功能，在完成缺陷檢測14的同時，直接進行缺陷分類16，并將檢測與分類結果提供給在線的工程師，以供其進行后續(xù)缺陷再檢測18與缺陷原因分析22。
一般而言，這些缺陷分類機臺均連接到一缺陷數(shù)據(jù)庫，通過儲存于所述缺陷數(shù)據(jù)庫內(nèi)的一缺陷分類參數(shù)來控制自動缺陷分類機臺去進行適當?shù)娜毕莘诸悾瑢⑺鶛z測到的缺陷分為數(shù)種缺陷類型，換句話說，這些缺陷分類機臺是否能正確地進行缺陷分類16，端視其缺陷分類參數(shù)是否恰當而定，然而由于各種制造過程所可能造成的缺陷往往會有相當大的差異，因此對不同的制造過程而言，各種缺陷類型的定義方式或分類方式往往也不盡相同，也就是說在正式在線使用前，必需先針對所欲進行缺陷分析的過程，建立一缺陷數(shù)據(jù)庫，并設定適當?shù)娜毕莘诸悈?shù)，這些缺陷分類機臺才能進行正確的分類。
請參考圖2，圖2為常規(guī)技術中一缺陷數(shù)據(jù)庫的建立方法示意圖。如圖2所示，先進行取樣32，并對取得的樣本晶片進行缺陷檢測、缺陷分類以及缺陷再檢測，來收集缺陷信息34，當各類型缺陷都收集到一定信息后，便可根據(jù)所收集到的缺陷信息來建立一缺陷數(shù)據(jù)庫，并利用這些缺陷信息來訓練缺陷分類機臺，以設定缺陷分類參數(shù)36，之后即可利用缺陷分類機臺來對所述樣本晶片進行自動缺陷分類。當然，在所述缺陷數(shù)據(jù)庫正式在線使用40前，仍會進行至少一次的驗證38步驟，利用人工缺陷分類的結果來驗證自動缺陷分類的結果相比較，以判別所述缺陷數(shù)據(jù)庫是否正確。
如前所述，在常規(guī)技術中，必需要先經(jīng)過收集缺陷信息38，方能建立一缺陷數(shù)據(jù)庫，而為增加自動缺陷分類的準確率，往往需要利用SEM觀測大量的缺陷樣本，以作為建立缺陷數(shù)據(jù)庫的依據(jù)。一般而言，每一個缺陷類型大概都需要30至50個缺陷樣本，方可建立一缺陷數(shù)據(jù)庫并正確地設定機臺的缺陷分類參數(shù)，因此，若以一個能產(chǎn)生六種不同缺陷類型的半導體制造過程為例，那么約略就需要觀測200至300個缺陷樣本，這將會需耗費大量時間，往往光是一個缺陷數(shù)據(jù)庫的建立就需要近二個月的時間，且在很多時候，某些缺陷類型的個數(shù)可能特別少，往往需要進行好幾批次的取樣才能獲得足夠的樣本數(shù)來設定缺陷分類參數(shù)，這也會大幅增加建立缺陷數(shù)據(jù)庫的困難度。
隨著半導體產(chǎn)業(yè)制造過程的進步以及經(jīng)濟效益的考慮，晶圓的直徑已由過去8英寸邁向12英寸，線寬大小亦由過去的0.18微米進入0.13微米甚至0.1微米以下，在這由測試到批量生產(chǎn)的過程中，往往需要對制造過程進行多次大幅的改變與調(diào)整，但常規(guī)的缺陷數(shù)據(jù)庫建立方法往往需要相當長的時間才能建立完成，這將大幅減緩缺陷原因分析的速度，而需要一較長的時間方能符合量產(chǎn)的要求，因此，現(xiàn)在迫切需要一種迅速而準確的缺陷數(shù)據(jù)庫建立方法，以解決上述問題。

發(fā)明內(nèi)容
本發(fā)明的主要目的在于提供一種自動缺陷分類系統(tǒng)的數(shù)據(jù)庫建立方法，以解決常規(guī)技術中的問題。
本發(fā)明的最佳實施例公開一種缺陷數(shù)據(jù)庫建立方法，首先提供一晶片，其經(jīng)歷一第一半導體制造過程，并于此第一半導體制造過程中形成多個缺陷，接著進行一缺陷檢測，以檢測出此多個缺陷，再提供一預設的缺陷數(shù)據(jù)庫，缺陷數(shù)據(jù)庫內(nèi)包含有一對應于一第二半導體制造過程的缺陷分類參數(shù)，并根據(jù)預設的缺陷數(shù)據(jù)庫，對所檢測到的所述缺陷進行自動缺陷分類，以將缺陷區(qū)分為多種不同的缺陷類型，最后再進行一驗證步驟，通過一人工缺陷分類的結果來驗證自動缺陷分類對各缺陷類型的分類準確度，其中第二半導體制造過程與第一半導體制造過程具有相同的制造過程類型，且為第一半導體制造過程的前一制造過程，或第一半導體制造過程與第二半導體制造過程具有相同的制作圖案或缺陷型態(tài)。
由于本發(fā)明的缺陷數(shù)據(jù)庫建立方法利用既有的缺陷數(shù)據(jù)庫為基礎，再通過適當?shù)尿炞C與缺陷信息的補充來更新缺陷數(shù)據(jù)庫，以提升自動缺陷分類的準確度，故能大幅縮短缺陷數(shù)據(jù)庫的建立時間。


圖1為一缺陷原因分析方法示意圖。
圖2為一常規(guī)缺陷數(shù)據(jù)庫的建立方法示意圖。
圖3為本發(fā)明中一缺陷數(shù)據(jù)庫的建立方法示意圖。
附圖符號說明10缺陷控制方法 12取樣14缺陷檢測 16缺陷分類18缺陷再檢測 22缺陷原因分析32取樣 34收集缺陷信息
36 設定缺陷分類參數(shù) 38 驗證40 線使用110取樣112 取樣 114提供一預設缺陷數(shù)據(jù)庫116 設定缺陷分類參數(shù) 118驗證120 收集缺陷信息 122更新缺陷數(shù)據(jù)庫124 在線使用具體實施方式
請參考圖3，圖3為本發(fā)明中一缺陷數(shù)據(jù)庫的建立方法示意圖。如圖3所示，首先，進行取樣112，取得一樣本晶片，此晶片經(jīng)歷一第一半導體制造過程，并于此第一半導體制造過程中形成多個缺陷，接著提供一預設缺陷數(shù)據(jù)庫114，此預設的數(shù)據(jù)庫對應于一第二半導體制造過程，并根據(jù)此預設缺陷數(shù)據(jù)庫來設定分類參數(shù)116，接著以此分類參數(shù)去進行自動缺陷分類。接著將進行一驗證118步驟，以判別此自動缺陷分類的準確度。
如前所述，驗證118同樣利用人工的方式對上述樣本晶片上的缺陷進行缺陷分類，以獲得一正確的分類結果，再將其與先前利用機臺進行自動缺陷分類的結果相對照，當自動缺陷分類的結果與人工分類的結果吻合時，此缺陷數(shù)據(jù)庫即可在線使用124，應用至在線的缺陷分類機臺；而當自動缺陷分類的結果與人工缺陷分類的結果有部分差異時，則可由操作者判斷此一差異是否重要，舉例來說，假設在自動缺陷分類的結果中，所檢測出的各類型缺陷的個數(shù)雖低于人工缺陷分類的結果，但仍能有效檢測出一些異常的大量缺陷，而滿足缺陷原因分析的需求時，即使自動缺陷分類與人工缺陷分類的結果略有差異，亦可將此缺陷數(shù)據(jù)庫的缺陷分類參數(shù)視作正確，而將其應用至在線的缺陷分類機臺。
然而當兩者間差異過大而不能接受時，那么只需再以前述方式來進行收集缺陷信息120，并根據(jù)所收集的缺陷信息來更新缺陷數(shù)據(jù)庫122即可，一般而言，若所述缺陷數(shù)據(jù)庫僅在某一缺陷類型上鑒別度不佳時，則僅需針對此一缺陷類型進行收集缺陷信息120即可，且通常只需加入5至10個此缺陷類型的缺陷樣本，即可大幅增加此缺陷類型的鑒別度。當然，在完成缺陷數(shù)據(jù)庫的更新后，將再重新設定缺陷分類參數(shù)，并再次進行驗證118，直至此缺陷數(shù)據(jù)庫與此重新設定后的缺陷分類參數(shù)能對所述第一半導體制造過程所造成的缺陷準確地進行分類為止。
值得注意的是，若第二半導體制造過程與第一半導體制造過程為相近的制造過程，則可大幅提升一開始預設缺陷數(shù)據(jù)庫的判別準確度。在本發(fā)明的較佳實施例中，第二半導體制造過程為第一半導體制造過程的前一制造過程，且第二半導體制造過程與第一半導體制造過程具有相同的制造過程類型，或第一半導體制造過程與第二半導體制造過程具有相似的制作圖案或缺陷類型，舉例來說，若第一半導體制造過程為一0.13微米制造過程下的柵極蝕刻制造過程，那么第二半導體制造過程可能為之前0.15微米制造過程下的柵極蝕刻制造過程(相同制造過程類型)，或是柵極側壁的蝕刻制造過程(相似的制作圖案)，因此對應于第一半導體制造過程的缺陷數(shù)據(jù)庫應會與對應于第二半導體制造過程的缺陷數(shù)據(jù)庫相當近似，故預設的缺陷數(shù)據(jù)庫會有相當高的準確度，很多時候往往不需要對缺陷數(shù)據(jù)庫作任何調(diào)整即可滿足缺陷原因分析的需求，而大多數(shù)狀況下，僅需收集少量缺陷樣本的缺陷信息，即可成功地建立出對應所述第一半導體制造過程的缺陷數(shù)據(jù)庫，因此往往只需3至5天就可完成一個缺陷數(shù)據(jù)庫的建立。
與常規(guī)技術中的缺陷數(shù)據(jù)庫的建立方法相比較，本發(fā)明的缺陷數(shù)據(jù)庫建立方法利用一既有的缺陷數(shù)據(jù)庫，再配合一缺陷數(shù)據(jù)庫更新機制來調(diào)整所述缺陷數(shù)據(jù)庫的缺陷分類參數(shù)，故可在極短的時間內(nèi)建立一可靠而正確的缺陷數(shù)據(jù)庫，以加速缺陷原因分析，并提升制造過程可靠度。
以上所述僅為本發(fā)明的較佳實施例，凡依本發(fā)明權利要求所進行的等效變化與修改，皆應屬本發(fā)明的涵蓋范圍。
權利要求
1.一種缺陷數(shù)據(jù)庫的建立方法，所述缺陷數(shù)據(jù)庫包含有一缺陷分類參數(shù)，以供一缺陷分類機臺進行自動缺陷分類，所述缺陷數(shù)據(jù)庫的建立方法至少包含提供一晶片，所述晶片經(jīng)歷一第一半導體制造過程，并于所述第一半導體制造過程中形成多個缺陷；進行一缺陷檢測，以檢測出所述缺陷；提供一缺陷數(shù)據(jù)庫，所述缺陷數(shù)據(jù)庫內(nèi)包含有一對應于一第二半導體制造過程的缺陷分類參數(shù)；根據(jù)所述缺陷數(shù)據(jù)庫，對所檢測到的所述缺陷進行自動缺陷分類，以將所述缺陷區(qū)分為多種不同的缺陷類型；對所述缺陷進行一人工缺陷分類，以將所述缺陷區(qū)分為多種不同的缺陷類型；以及進行一驗證步驟，利用所述人工缺陷分類的結果來驗證所述自動缺陷分類對各缺陷類型的分類準確度。
2.如權利要求1所述的方法，其中當所述自動缺陷分類的分類準確度不佳時，所述方法還包含有一缺陷數(shù)據(jù)庫更新步驟。
3.如權利要求2所述的方法，其中所述缺陷數(shù)據(jù)庫更新步驟包含根據(jù)所述人工缺陷分類的結果，針對所述自動缺陷分類中準確度不佳的缺陷類型來收集一缺陷信息；根據(jù)所述缺陷信息來修正所述缺陷數(shù)據(jù)庫；以及重新進行所述驗證步驟。
4.如權利要求1所述的方法，其中所述第二半導體制造過程為所述第一半導體制造過程的前一制造過程，且所述第二半導體制造過程與所述第一半導體制造過程具有相同的制造過程類型。
5.如權利要求1所述的方法，其中所述第一半導體制造過程與所述第二半導體制造過程具有相似的制作圖案或缺陷類型。
6.一種自動缺陷分類方法包含提供一晶片，所述晶片經(jīng)歷一第一半導體制造過程，并于所述第一半導體制造過程中形成多個缺陷；進行一缺陷檢測，以檢測出所述缺陷；提供一缺陷數(shù)據(jù)庫，所述缺陷數(shù)據(jù)庫內(nèi)包含有一對應于一第二半導體制造過程的缺陷分類參數(shù)；以及根據(jù)所述缺陷數(shù)據(jù)庫來進行自動缺陷分類，以將所述缺陷分類為多種缺陷類型。
7.如權利要求6所述的方法，其中所述方法還包含有一驗證步驟，以驗證所述自動缺陷分類對各缺陷類型的分類準確度。
8.如權利要求7所述的方法，其中所述驗證步驟包含有下列步驟對所述缺陷進行一人工缺陷分類；以及利用所述人工缺陷分類的結果來驗證所述自動缺陷分類的分類準確度。
9.如權利要求7所述的方法，其中當所述自動缺陷分類的分類準確度不佳時，所述方法還包含有一缺陷數(shù)據(jù)庫更新步驟。
10.如權利要求7所述的方法，其中所述缺陷數(shù)據(jù)庫更新步驟包含根據(jù)所述人工缺陷分類的結果，針對所述自動缺陷分類中準確度不佳的缺陷類型來收集一缺陷信息；根據(jù)所述缺陷信息來修正所述缺陷數(shù)據(jù)庫；以及重新進行所述驗證步驟。
11.如權利要求6所述的方法，其中所述第二半導體制造過程為所述第一半導體制造過程的前一制造過程，且所述第二半導體制造過程與所述第一半導體制造過程具有相同的制造過程類型。
12.如權利要求6所述的方法，其中所述第一半導體制造過程與所述第二半導體制造過程具有相似的制作圖案或缺陷類型。
全文摘要
一種缺陷數(shù)據(jù)庫的建立方法，首先提供一晶片，晶片經(jīng)歷一第一半導體制造過程，并于第一半導體制造過程中形成多個缺陷，接著進行一缺陷檢測，以檢測出多個缺陷，再提供一預設的缺陷數(shù)據(jù)庫，缺陷數(shù)據(jù)庫內(nèi)包含有一對應于一第二半導體制造過程的缺陷分類參數(shù)，并根據(jù)此預設的缺陷數(shù)據(jù)庫，對所檢測到的多個缺陷進行自動缺陷分類，以將缺陷區(qū)分為多種不同的缺陷類型，最后再進行一驗證步驟，通過一人工缺陷分類的結果來驗證自動缺陷分類對各缺陷類型的分類準確度。
文檔編號G06F17/00GK1673992SQ200410031730
公開日2005年9月28日 申請日期2004年3月24日 優(yōu)先權日2004年3月24日
發(fā)明者林龍輝, 郭峰銘, 鄭夙芬 申請人:力晶半導體股份有限公司