Per analizzare gli effetti del tempo di attesa e delle misurazioni sullo spessore di SiO2 , è stata introdotta l'analisi GRR di JMP. Dopo aver definito l'operazione, viene utilizzato un diagramma causa-effetto per riassumere i possibili fattori che determinano le variazioni di spessore. Successivamente, viene raccolto lo spessore dai campioni, in base alla piattaforma di progettazione JMP MSA. Lo spessore di ciascun campione viene misurato più volte come test di ripetibilità e test di degradazione, con gli stessi test di ripetibilità condotti ogni tre ore come test di riproducibilità. Una volta analizzata la variabilità dello spessore derivante da ripetibilità e riproducibilità utilizzando grafici Xbar e S, viene eseguita l'analisi GRR per valutare le prestazioni GRR attuali. Infine, vengono costruite relazioni tra rapporti P/T, rischi alfa/beta e tolleranza delle specifiche, e modelli di regressione tra spessore e tempo di attesa per determinare se lo spessore misurato è affidabile.
Ciao a tutti. Mi chiamo Jiaping Shen e sono un Process Support Engineer di Applied Materials. Applied Materials è leader nelle soluzioni di ingegneria dei materiali e produce praticamente ogni nuovo chip e display avanzato al mondo.
Applied Materials dispone di un programma JMP interno per aiutare gli ingegneri a risolvere problemi di progettazione basati su JMP. Oggi, come membro del programma JMP, vorrei condividere con voi come utilizzo JMP per eseguire analisi di ripetibilità e riproducibilità dello spessore del biossido di silicio, al fine di facilitare il controllo dei tempi di attesa e la valutazione della capacità di misura.
Nella fabbricazione di wafer, gli ingegneri di processo si affidano a strumenti metrologici per monitorare ogni strato e garantire la qualità del prodotto. Se i risultati delle misurazioni non sono accurati, potrebbero verificarsi problemi di qualità. In che modo vengono influenzati i risultati delle misurazioni? Se uno strumento misura lo spessore di un pezzo più volte e le variazioni sono enormi, la ripetibilità dello strumento è scarsa. Se un altro strumento misura nuovamente lo stesso pezzo, il divario tra questi due strumenti è enorme. Ciò significa che la riproducibilità è scarsa.
L'analisi della ripetibilità e riproducibilità degli strumenti di misura è chiamata analisi GRR. In questo progetto, prendo come esempio lo spessore del biossido di silicio per introdurre la valutazione della capacità di misura. A differenza di altri progetti GRR, utilizzo i livelli di tempo di coda di misura per introdurre la riproducibilità.
Ecco una panoramica generale dell'analisi del flusso. Sulla base dei dati raccolti, valutiamo le prestazioni del GRR e conduciamo un'analisi delle cause profonde per verificare se vi siano ulteriori miglioramenti. Successivamente, discutiamo l'attuale processabilità ed esploriamo opportunità future.
Lo spessore del biossido di silicio è stato misurato da 15 campioni su un wafer. Ogni campione è stato misurato quattro volte dopo zero, tre ore e sei ore dalla generazione del biossido di silicio.
Infine, abbiamo ottenuto 180 punti dati secondo la piattaforma JMP e MSA Design. La specifica di spessore è compresa tra 97 e 103 angstrom. Per le prestazioni GRR, abbiamo quattro criteri di successo: rapporto P/T, rapporto P/TV, rapporto P/V e rapporto P/M.
Tra i quattro criteri, il numeratore è la precisione, calcolata in base alle variazioni dovute a ripetibilità e riproducibilità. In questo progetto, la tolleranza è pari a sei e utilizzerò il rapporto P/T come criterio di successo.
E le prestazioni GRR? Il primo modello mostra un rapporto P/T pari a 8, inferiore al 10%. Ciò significa che la capacità di misurazione è buona, mentre il rapporto P/TV è del 31%, superiore al 30%. Ciò significa che la capacità di misurazione è scarsa. Perché? Questo perché l'intervallo di componenti è troppo ristretto, quindi non possiamo fidarci del rapporto P/TV, mentre dobbiamo fidarci del rapporto P/T, che indica una buona capacità di misurazione.
E l'interazione tra componente e tempo di coda? Dal modello GRR incrociato, l'interazione rappresenta solo lo 0,2% della tolleranza, che è trascurabile. Con le capacità attuali, quanto è possibile commettere errori nel valutare se un componente è conforme alle specifiche o meno? Il rischio che un componente valido venga erroneamente scartato è chiamato rischio alfa. Un rischio alfa elevato aumenta i costi di produzione.
Il rischio che un componente difettoso venga erroneamente accettato è chiamato rischio beta. Un rischio beta elevato comporta un rischio per i clienti. Durante la produzione, i componenti in produzione hanno un rischio alfa e beta pari a zero. I componenti buoni, prossimi al limite di specifica, presentano un rischio beta elevato, mentre i componenti difettosi, prossimi al limite di specifica, presentano un rischio beta elevato.
E per quanto riguarda il rischio alfa e beta nel progetto? Entrambi sono pari a zero. Possiamo fidarci? No, questo perché tutti i componenti rientrano nei limiti di specifica. È totalmente diverso dalla produzione effettiva. Di conseguenza, non possiamo fare affidamento sul rischio calcolato. La prossima volta, dovremmo scegliere deliberatamente componenti il cui 90% sia distribuito uniformemente nell'intervallo di specifica per simulare la produzione effettiva.
L'attuale capacità di misurazione è buona, ma ci sono possibilità di miglioramento in futuro? Utilizzerò il grafico Xbar-S per analizzare le cause profonde del GRR in termini di ripetibilità e riproducibilità.
Dal grafico di ripetibilità in alto, l'asse X include 15 parti a tre livelli di tempo di coda. L'asse Y rappresenta la standardizzazione, che rappresenta la ripetibilità di ogni ripetizione completa. Nel complesso, la standardizzazione è molto stabile. Questa è la ripetibilità dell'effetto del tempo di coda. La linea viola rappresenta la standardizzazione media per ogni livello di tempo di coda e si può notare che non c'è alcuna tendenza.
Che dire della standardizzazione per ogni componente? Come si può notare, la standardizzazione è inferiore al centro del wafer e superiore al bordo. Ciò potrebbe essere attribuito a una maggiore sollecitazione sul bordo del wafer. La ripetibilità è molto stabile. Che dire della riproducibilità? La maggior parte dei componenti non è misurabile, quindi lo strumento di metrologia può differenziare i componenti.
La linea viola di tendenza indica che lo spessore medio è aumentato di 0,2 angstrom fino a 6 ore, ben al di sotto della tolleranza specifica di 6. Quindi il rischio di degradazione a lungo termine è basso. La curva a M è quella che vogliamo ottenere per ottenere la migliore uniformità [inudibile 00:07:27]. Se sovrapponiamo tre curve a M, risultano parallele, quindi l'interazione dovuta al tempo di coda è minima.
La ripetibilità è ancora stabile e anche la riproducibilità è buona rispetto alla tolleranza specificata. Tuttavia, vengono eseguiti due T-test tra la prima e la quarta ripetizione per valutare il rischio di degradazione a breve termine dovuto all'ossidazione nativa.
La differenza è statisticamente significativa, ma non praticamente se confrontata con la tolleranza specificata. Non vi è alcun rischio di degradazione della misurazione di eventuali componenti entro quattro ripetizioni e il modello ANOVA cross-GRR è sicuro.
Nella diapositiva precedente, abbiamo parlato di capacità di misura. E per quanto riguarda la capacità di processo? La capacità di processo, Cp, è calcolata tramite ICC e rapporto P/T. In questo caso, l'ICC è 0,9. Il rapporto P/T è 8,88%. Il Cp finale è maggiore di 2 e rientra nella zona verde. Ciò significa che il processo è idoneo, la misurazione è idonea e la stabilità è garantita entro 6 ore.
Tuttavia, poiché l'ICC dipende fortemente dalla selezione del campione, è meno affidabile rispetto al rapporto P/T, quindi è meglio mantenere l'ICC fisso e spostare il P/T orizzontalmente come primo passo se vogliamo apportare qualche modifica. Mantenendo l'ICC fisso e spostando il rapporto P/T da 0,08 a 0,16, raggiungiamo il limite verde. In questo caso, il limite di specifica viene ridotto da 6 a 3,35.
E per quanto riguarda gli altri rischi? Ci sono tre grafici che mostrano il rapporto P/T, il rischio alfa e il rischio beta, con una tolleranza ridotta dal 100% al 30%. Con la riduzione della tolleranza, il rapporto P/T è aumentato al 29,6%, un valore marginalmente accettabile. Il rischio alfa è ancora inferiore al 5%. Il rischio beta supera il 10% quando la tolleranza viene ridotta del 40%. Sulla base di tre criteri, possiamo restringere l'intervallo di tolleranza da 3 a 3,6 e mantenere il rapporto P/T intorno al 50%.
Questo grafico riassume il modo in cui miglioriamo in modo iterativo e continuo la capacità di processo e di misurazione in diversi scenari. Quando Cp è maggiore di 2, il rapporto P/T è inferiore a 0,3, indicato dalle stelle verde chiaro. Dovremmo valutare di restringere le specifiche fino a quando Cp non sarà pari a 1,33 per essere pronti per il miglioramento.
Quando Cp è inferiore a 1,33, il rapporto P/T è inferiore a 0,3, indicato dalla stella blu. Dovremmo migliorare la capacità di processo da pezzo a pezzo e ridurre l'ICC fino a quando Cp non sia uguale a 2.
Quando Cp è inferiore a 1,3, con P/T maggiore di 0,3 (contrassegnato dalla stella arancione), dovremmo valutare l'ottimizzazione delle prestazioni GRR per ridurre il rapporto P/T a meno del 30% e migliorare contemporaneamente Cp. In questo modo potremmo decidere di migliorare la misurazione o il processo in diversi casi. Ecco come conduciamo l'analisi GRR in base a diversi livelli di tempo di coda. Grazie per l'ascolto.
