Hallo zusammen. Mein Name ist Jiaping Shen. Ich arbeite als Prozessingenieur bei Applied Materials. Applied Materials ist ein führendes Unternehmen im Bereich Materialtechnik und produziert praktisch jeden neuen Chip und jedes fortschrittliche Display weltweit.
Bei Applied Materials gibt es ein internes JMP-Programm, das Ingenieure bei der Lösung technischer Probleme mithilfe von JMP unterstützt. Als Mitglied dieses Programms möchte ich heute vorstellen, wie ich JMP zur Analyse der Wiederholgenauigkeit und Reproduzierbarkeit von Siliziumdioxid-Schichtdicken einsetze, um Wartezeiten zu optimieren und die Messgenauigkeit zu bewerten.
In der Waferfertigung verlassen sich Prozessingenieure auf Messtechnik, um jede Schicht zu überwachen und so die Produktqualität sicherzustellen. Ungenaue Messergebnisse können zu Qualitätsproblemen führen. Wie werden Messergebnisse also beeinflusst? Misst ein Gerät die Dicke eines Bauteils mehrmals und die Abweichungen sind groß, ist die Wiederholgenauigkeit des Geräts schlecht. Misst ein anderes Gerät dasselbe Bauteil erneut und ist die Abweichung zwischen den beiden Messungen groß, ist die Reproduzierbarkeit ebenfalls schlecht.
Die Analyse der Wiederholbarkeit und Reproduzierbarkeit von Messgeräten wird als GRR-Analyse bezeichnet. In diesem Projekt verwende ich die Schichtdicke von Siliziumdioxid als Beispiel, um die Bewertung der Messgenauigkeit zu erläutern. Anders als in anderen GRR-Projekten nutze ich die Messwarteschlangenzeiten, um die Reproduzierbarkeit zu verdeutlichen.
Hier ein allgemeiner Überblick über die Analyse des Materialflusses. Basierend auf den erhobenen Daten bewerten wir die GRR-Leistung und führen eine Ursachenanalyse durch, um Verbesserungspotenziale zu identifizieren. Anschließend erörtern wir die aktuelle Verarbeitbarkeit und untersuchen zukünftige Möglichkeiten.
Die Siliziumdioxidschichtdicke wurde an 15 Proben auf einem Wafer ermittelt. Jede Probe wurde viermal gemessen: null, drei und sechs Stunden nach der Siliziumdioxidbildung.
Schließlich erhielten wir 180 Datenpunkte gemäß JMP, MSA Design Plattform. Die Dickenspezifikation liegt zwischen 97 und 103 Ångström. Für die GRR-Leistung haben wir vier Erfolgskriterien: P/T-Verhältnis, P/TV-Verhältnis, P/V-Verhältnis und P/M-Verhältnis.
Von den vier Kriterien ist der Zähler die Präzision, die sich aus den Abweichungen aufgrund von Wiederholbarkeit und Reproduzierbarkeit ergibt. In diesem Projekt beträgt die Toleranz sechs, und ich werde das P/T-Verhältnis als Erfolgskriterium verwenden.
Wie sieht es mit der GRR-Leistung aus? Das erste Modell zeigt ein P/T-Verhältnis von acht, also unter 10 %. Das bedeutet eine gute Messgenauigkeit. Das P/TV-Verhältnis hingegen liegt bei 31 %, also über 30 %, was auf eine schlechte Messgenauigkeit hindeutet. Warum? Weil der Messbereich zu eng ist, sodass wir uns nicht auf das P/TV-Verhältnis verlassen können, sondern auf das P/T-Verhältnis. Dieses zeigt eine gute Messgenauigkeit.
Wie verhält es sich mit der Wechselwirkung zwischen Teile- und Wartezeit? Laut dem gekreuzten GRR-Modell macht diese Wechselwirkung nur 0,2 % der Toleranz aus und ist somit vernachlässigbar. Wie wahrscheinlich ist es, dass wir mit unseren aktuellen Kapazitäten Fehler bei der Beurteilung machen, ob ein Teil den Spezifikationen entspricht oder nicht? Das Risiko, dass ein einwandfreies Teil fälschlicherweise zurückgewiesen wird, wird als Alpha-Risiko bezeichnet. Ein höheres Alpha-Risiko erhöht die Produktionskosten.
Das Risiko, dass ein fehlerhaftes Teil fälschlicherweise akzeptiert wird, wird als Beta-Risiko bezeichnet. Ein höheres Beta-Risiko birgt Risiken für die Kunden. In der Produktion weisen Teile, die den Zielwert erreichen, kein Alpha- und Beta-Risiko auf. Gut gefertigte Teile nahe der Spezifikationsgrenze und fehlerhafte Teile nahe der Spezifikationsgrenze weisen ebenfalls ein hohes Beta-Risiko auf.
Wie sieht es mit dem Alpha- und Beta-Risiko im Projekt aus? Beide sind null. Können wir darauf vertrauen? Nein, denn alle Teile liegen innerhalb der Spezifikationsgrenzen. Das ist etwas völlig anderes als die tatsächliche Produktion. Daher können wir uns nicht auf das kalkulierte Risiko verlassen. Beim nächsten Mal sollten wir gezielt Teile auswählen, von denen 90 % gleichmäßig innerhalb der Spezifikationsgrenzen verteilt sind, um die reale Produktion zu simulieren.
Die aktuelle Messgenauigkeit ist gut, aber gibt es zukünftig Verbesserungspotenzial? Ich werde ein Xbar-S-Diagramm verwenden, um die Hauptursachen der GRR-Werte hinsichtlich Wiederholbarkeit und Reproduzierbarkeit zu analysieren.
Im oberen Diagramm zur Wiederholbarkeit sind auf der X-Achse 15 Teile bei drei Wartezeitstufen dargestellt. Die Y-Achse zeigt die Standardisierung und damit die Wiederholbarkeit jedes vollständigen Durchlaufs. Insgesamt ist die Standardisierung sehr stabil. Dies entspricht der Wiederholbarkeit in Abhängigkeit von der Wartezeit. Die violette Linie stellt die durchschnittliche Standardisierung für jede Wartezeitstufe dar; hier ist kein Trend erkennbar.
Wie sieht es mit der Standardisierung der einzelnen Teile aus? Man erkennt, dass die Standardisierung in der Wafermitte geringer und am Rand höher ist. Dies könnte auf die höhere Belastung am Waferrand zurückzuführen sein. Die Wiederholgenauigkeit ist sehr stabil. Wie steht es um die Reproduzierbarkeit? Die meisten Teile liegen außerhalb des Messbereichs (siehe Abbildung), sodass das Messsystem sie unterscheiden kann.
Die violette Trendlinie zeigt, dass die durchschnittliche Dicke innerhalb von 6 Stunden um 0,2 Ångström zunahm, weit unterhalb der Spezifikationstoleranz von 6 Å. Das Risiko einer langfristigen Degradation ist daher gering. Die M-förmige Kurve ist das, was wir für eine optimale Gleichmäßigkeit anstreben. Wenn wir drei M-Kurven übereinanderlegen, verlaufen sie parallel, sodass die Wechselwirkung mit der Wartezeit minimal ist.
Die Wiederholbarkeit ist weiterhin stabil, und die Reproduzierbarkeit ist im Vergleich zu unserer Spezifikationstoleranz ebenfalls gut. Dennoch werden zwei T-Tests zwischen der ersten und vierten Wiederholung durchgeführt, um das kurzfristige Degradationsrisiko aufgrund natürlicher Oxidation zu bewerten.
Der Unterschied ist statistisch signifikant, jedoch im Vergleich zur Spezifikationstoleranz praktisch nicht relevant. Bei vier Wiederholungen besteht kaum Anlass zur Sorge hinsichtlich möglicher Verschlechterungen der Bauteilmessungen, und das ANOVA-Kreuz-GRR-Modell ist unbedenklich.
Auf der vorherigen Folie ging es um die Messfähigkeit. Wie sieht es aber mit der Prozessfähigkeit aus? Die Prozessfähigkeit (Cp) wird anhand des ICC und des P/T-Verhältnisses berechnet. Der ICC beträgt in diesem Fall 0,9, das P/T-Verhältnis 8,88 %. Der finale Cp-Wert ist größer als 2 und liegt im grünen Bereich. Das bedeutet, dass der Prozess fähig und messfähig ist und innerhalb von 6 Stunden stabil läuft.
Da der ICC jedoch stark von der Stichprobenauswahl abhängt, ist er im Vergleich zum P/T-Verhältnis weniger zuverlässig. Daher empfiehlt es sich, den ICC zunächst konstant zu halten und das P/T-Verhältnis horizontal zu verschieben, falls Anpassungen vorgenommen werden sollen. Bei konstantem ICC und einer Erhöhung des P/T-Verhältnisses von 0,08 auf 0,16 erreichen wir die grüne Grenze. In diesem Fall wird die Spezifikationsgrenze von 6 auf 3,35 verschärft.
Wie sieht es mit anderen Risiken aus? Drei Diagramme zeigen das Kurs-Ziel-Verhältnis (P/T-Verhältnis), das Alpha-Risiko und das Beta-Risiko bei einer Reduzierung der Toleranz von 100 % auf 30 %. Mit sinkender Toleranz stieg das P/T-Verhältnis auf 29,6 %, was gerade noch akzeptabel ist. Das Alpha-Risiko liegt weiterhin unter 5 %. Das Beta-Risiko übersteigt 10 %, wenn die Toleranz um 40 % reduziert wird. Anhand dieser drei Kriterien können wir den Toleranzbereich von 3 auf 3,6 verengen und das P/T-Verhältnis bei etwa 50 % halten.
Diese Grafik veranschaulicht, wie wir die Prozess- und Messfähigkeit in verschiedenen Szenarien iterativ und kontinuierlich verbessern. Wenn Cp größer als 2 ist und P/T kleiner als 0,3 ist (markiert durch hellgrüne Sterne), sollten wir die Spezifikationen verschärfen, bis Cp 1,33 erreicht, um für weitere Verbesserungen bereit zu sein.
Wenn Cp kleiner als 1,33 ist, ist P/T kleiner als 0,3 (markiert durch den blauen Stern). Wir sollten die Teil-zu-Teil-Fähigkeit des Prozesses verbessern und den ICC reduzieren, bis Cp gleich 2 ist.
Wenn der Cp-Wert unter 1,3 liegt und das P/T-Verhältnis über 0,3 beträgt (markiert durch den orangefarbenen Stern), sollten wir die GRR-Leistung optimieren, um das P/T-Verhältnis auf unter 30 % zu senken und gleichzeitig den Cp-Wert zu verbessern. So können wir in verschiedenen Fällen entscheiden, ob wir die Messung oder den Prozess optimieren. Auf diese Weise führen wir die GRR-Analyse basierend auf unterschiedlichen Wartezeiten durch. Vielen Dank für Ihre Aufmerksamkeit.
