Bonjour à tous. Je suis Jiaping Shen, ingénieur support procédés chez Applied Materials. Applied Materials est un leader des solutions d'ingénierie des matériaux et produit la quasi-totalité des nouvelles puces et écrans de pointe dans le monde.
Chez Applied Materials, un programme JMP interne permet aux ingénieurs de résoudre des problèmes d'ingénierie grâce à JMP. Aujourd'hui, en tant que membre de ce programme, je souhaite vous expliquer comment j'utilise JMP pour analyser la répétabilité et la reproductibilité des mesures d'épaisseur de dioxyde de silicium, afin d'optimiser le contrôle des temps d'attente et d'évaluer les capacités de mesure.
Dans la fabrication de plaquettes, les ingénieurs de procédés s'appuient sur des outils de métrologie pour contrôler chaque couche et garantir la qualité du produit. Des résultats de mesure inexacts peuvent engendrer des problèmes de qualité. Comment les résultats de mesure sont-ils affectés ? Si un outil mesure l'épaisseur d'une pièce à plusieurs reprises et que les variations sont importantes, sa répétabilité est mauvaise. Si un autre outil mesure à nouveau la même pièce, l'écart entre les deux mesures est important, ce qui signifie que la reproductibilité est mauvaise.
L'analyse de la répétabilité et de la reproductibilité des instruments de mesure est appelée analyse GRR. Dans ce projet, je prends l'épaisseur du dioxyde de silicium comme exemple pour illustrer comment évaluer la capacité de mesure. Contrairement à d'autres projets GRR, j'utilise les temps d'attente de mesure pour évaluer la reproductibilité.
Voici un aperçu général de l'analyse du flux. À partir des données recueillies, nous évaluons la performance du GRR et menons une analyse des causes profondes afin d'identifier les axes d'amélioration. Nous discutons ensuite de la processabilité actuelle et explorons les perspectives d'avenir.
L'épaisseur de dioxyde de silicium a été mesurée sur 15 échantillons déposés sur une plaquette. Chaque échantillon a été mesuré quatre fois : 0 h, 3 h et 6 h après la formation du dioxyde de silicium.
Finalement, nous avons obtenu 180 points de données selon JMP, plateforme de conception MSA. L'épaisseur spécifiée est comprise entre 97 et 103 angströms. Pour les performances GRR, nous avons quatre critères de réussite : le rapport P/T, le rapport P/TV, le rapport P/V et le rapport P/M.
Parmi les quatre critères, le numérateur est la précision, calculée à partir des variations dues à la répétabilité et à la reproductibilité. Dans ce projet, la tolérance est de six, et j'utiliserai le rapport P/T comme critère de réussite.
Qu'en est-il des performances du GRR ? Le premier modèle affiche un rapport P/T de 8, inférieur à 10 %, ce qui indique une bonne capacité de mesure. En revanche, le rapport P/TV est de 31, supérieur à 30 %, ce qui signifie une mauvaise capacité de mesure. Pourquoi ? Parce que la plage de mesure est trop étroite ; le rapport P/TV est donc trompeur, tandis que le rapport P/T est plus fiable et indique une bonne capacité de mesure.
Qu'en est-il de l'interaction entre le temps d'attente d'une pièce et le temps de file d'attente ? D'après le modèle GRR croisé, cette interaction ne représente que 0,2 % de la tolérance, ce qui est négligeable. Avec nos capacités actuelles, quel est le risque d'erreur dans l'évaluation de la conformité d'une pièce ? Le risque de rejeter à tort une pièce conforme est appelé risque alpha. Un risque alpha élevé augmente les coûts de production.
Le risque qu'une pièce défectueuse soit acceptée par erreur est appelé risque bêta. Un risque bêta élevé expose les clients à un risque. En production, les pièces conformes aux spécifications présentent un risque alpha et bêta nul. Les pièces conformes proches des limites de spécification présentent un risque bêta élevé, tout comme les pièces défectueuses proches de ces limites.
Qu’en est-il des risques alpha et bêta du projet ? Ils sont tous deux nuls. Peut-on s’y fier ? Non, car toutes les pièces sont conformes aux spécifications. Cela diffère totalement de la production réelle. Par conséquent, nous ne pouvons pas nous fier au risque calculé. La prochaine fois, nous devrions sélectionner délibérément des pièces dont 90 % sont uniformément réparties dans la plage de spécifications afin de simuler la production réelle.
La capacité de mesure actuelle est satisfaisante, mais avons-nous des marges d'amélioration ? J'utiliserai une carte Xbar-S pour analyser les causes profondes du GRR liées à la répétabilité et à la reproductibilité.
Sur le graphique de répétabilité supérieur, l'axe des abscisses (X) comprend 15 pièces réparties sur trois niveaux de temps d'attente. L'axe des ordonnées (Y) représente la standardisation, soit la répétabilité de chaque répétition complète. Globalement, la standardisation est très stable. Il s'agit de la répétabilité en fonction du temps d'attente. La ligne violette représente la standardisation moyenne pour chaque niveau de temps d'attente, et l'on constate qu'aucune tendance ne se dégage.
Qu'en est-il de la standardisation pour chaque composant ? On constate qu'elle est plus faible au centre de la plaquette et plus élevée en périphérie. Cela pourrait être dû à des contraintes plus importantes en périphérie. La répétabilité est très stable. Qu'en est-il de la reproductibilité ? La plupart des composants se situent hors de la zone de mesure (flèche rouge), ce qui permet à l'outil de métrologie de les différencier.
La courbe violette indique que l'épaisseur moyenne a augmenté de 0,2 angström jusqu'à 6 heures, bien en dessous de la tolérance spécifiée de six heures. Le risque de dégradation à long terme est donc faible. La courbe en forme de M représente la meilleure uniformité recherchée. Si l'on superpose trois courbes en M, elles sont parallèles, ce qui réduit considérablement l'influence du temps d'attente.
La répétabilité reste stable et la reproductibilité est également bonne par rapport à nos tolérances. Néanmoins, un test t de Student est réalisé entre la première et la quatrième répétition afin d'évaluer le risque de dégradation à court terme dû à l'oxydation naturelle.
La différence est statistiquement significative, mais non pertinente en pratique au regard des tolérances spécifiées. Le risque de dégradation des mesures sur quatre répétitions est faible et le modèle ANOVA croisé GRR est fiable.
Dans la diapositive précédente, nous avons abordé la capabilité de mesure. Qu'en est-il de la capabilité de processus ? La capabilité de processus, Cp, est calculée à partir du coefficient de corrélation intraclasse (ICC) et du rapport P/T. L'ICC est ici de 0,9 et le rapport P/T de 8,88 %. La capabilité finale est supérieure à 2 et se situe dans la zone verte. Cela signifie que le processus est capable, la mesure est capable et stable pendant 6 heures.
Cependant, comme le coefficient de corrélation intraclasse (ICC) dépend fortement de la sélection des échantillons, il est moins fiable que le rapport P/T. Il est donc préférable, dans un premier temps, de maintenir l'ICC constant et de faire varier le rapport P/T horizontalement si l'on souhaite procéder à un ajustement. En conservant l'ICC constant et en faisant varier le rapport P/T de 0,08 à 0,16, on atteint la limite de tolérance. Dans ce cas, la limite de spécification est réduite de 6 à 3,35.
Qu’en est-il des autres risques ? Trois graphiques illustrent le ratio P/T, le risque alpha et le risque bêta, avec une tolérance réduite de 100 % à 30 %. Lorsque la tolérance diminue, le ratio P/T augmente à 29,6 %, ce qui est limite acceptable. Le risque alpha reste inférieur à 5 %. Le risque bêta dépasse 10 % lorsque la tolérance est réduite de 40 %. Sur la base de ces trois critères, nous pouvons resserrer la plage de tolérance de 3 à 3,6 et maintenir le ratio P/T autour de 50 %.
Ce graphique illustre comment nous améliorons de manière itérative et continue nos processus et nos capacités de mesure dans différents scénarios. Lorsque Cp est supérieur à 2, P/T est inférieur à 0,3 (indiqué par les étoiles vert clair). Il convient d'envisager un resserrement des spécifications jusqu'à ce que Cp atteigne 1,33 afin d'être prêt pour une nouvelle amélioration.
Lorsque Cp est inférieur à 1,33, P/T est inférieur à 0,3 (indiqué par l'étoile bleue). Il convient d'améliorer la capabilité inter-pièces et de réduire l'ICC jusqu'à ce que Cp atteigne 2.
Lorsque le Cp est inférieur à 1,3 et que le P/T est supérieur à 0,3 (indiqué par l'étoile orange), il convient d'optimiser les performances du GRR afin de réduire le ratio P/T à moins de 30 % tout en améliorant le Cp. C'est ainsi que nous pouvons décider d'améliorer la mesure ou le processus selon les cas. C'est ainsi que nous réalisons l'analyse du GRR en fonction des différents niveaux de temps d'attente. Merci de votre attention.
