Para analizar los efectos del tiempo de espera y las mediciones en el espesor de SiO₂ , se introdujo el análisis GRR de JMP. Tras definir la operación, se utiliza un diagrama de causa y efecto que resume los posibles factores que influyen en los cambios de espesor. A continuación, se recopila el espesor de los cupones, basándose en la plataforma de diseño MSA de JMP. El espesor de cada cupón se mide varias veces como pruebas de repetibilidad y degradación, y las mismas pruebas de repetibilidad se realizan cada tres horas como pruebas de reproducibilidad. Una vez analizada la variabilidad del espesor a partir de la repetibilidad y la reproducibilidad mediante gráficos X-barra y S, se realiza el análisis GRR para evaluar el rendimiento actual del GRR. Finalmente, se construyen modelos de regresión entre las relaciones P/T, los riesgos alfa/beta y la tolerancia de las especificaciones, y se determinan las relaciones entre el espesor y el tiempo de espera para determinar si el espesor medido es fiable.
Hola a todos. Soy Jiaping Shen. Soy ingeniero de soporte de procesos en Applied Materials. Applied Materials es líder en soluciones de ingeniería de materiales y produce prácticamente todos los nuevos chips y pantallas avanzadas del mundo.
Applied Materials cuenta con un programa interno JMP para ayudar a los ingenieros a resolver problemas de ingeniería basados en JMP. Hoy, como miembro del programa JMP, me gustaría compartir cómo utilizo JMP para realizar análisis de repetibilidad y reproducibilidad de calibres de espesor de dióxido de silicio, lo que facilita el control del tiempo de espera y la evaluación de la capacidad de medición.
En la fabricación de obleas, los ingenieros de procesos utilizan herramientas de metrología para supervisar cada capa y garantizar la calidad del producto. Si los resultados de las mediciones no son precisos, pueden producirse problemas de calidad. ¿Cómo se ven afectados los resultados de las mediciones? Si una herramienta mide el espesor de una pieza varias veces y las variaciones son considerables, la repetibilidad de la herramienta es deficiente. Si otra herramienta mide la misma pieza de nuevo, la diferencia entre ambas es considerable. Esto significa que la reproducibilidad es deficiente.
El análisis de repetibilidad y reproducibilidad de los medidores se denomina análisis GRR. En este proyecto, utilizo el espesor del dióxido de silicio como ejemplo para explicar cómo evaluar la capacidad de medición. A diferencia de otros proyectos GRR, utilizo los niveles de tiempo de cola de medición para explicar la reproducibilidad.
A continuación, se presenta una descripción general del análisis del flujo. Con base en los datos recopilados, evaluamos el rendimiento de GRR y realizamos un análisis de causa raíz para determinar si existen mejoras adicionales. Posteriormente, analizamos la procesabilidad actual y exploramos oportunidades futuras.
El espesor del dióxido de silicio se obtuvo de 15 cupones en una oblea. Cada cupón se midió cuatro veces después de cero, tres y seis horas de la generación del dióxido de silicio.
Finalmente, obtuvimos 180 puntos de datos según JMP, la plataforma de diseño MSA. La especificación de espesor oscila entre 97 y 103 angstroms. Para el rendimiento de GRR, utilizamos cuatro criterios de éxito: relación P/T, relación P/TV, relación P/V y relación P/M.
Entre los cuatro criterios, el numerador es la precisión, que se calcula a partir de las variaciones debidas a la repetibilidad y la reproducibilidad. En este proyecto, la tolerancia es de seis, y utilizaré la relación P/T como criterio de éxito.
¿Qué tal el rendimiento de GRR? El primer modelo muestra una relación P/T de 8, inferior al 10 %. Esto significa que la capacidad de medición es buena, mientras que la relación P/TV es del 31 %, superior al 30 %. Esto significa que la capacidad de medición es deficiente. ¿Por qué? Esto se debe a que el rango de la pieza es demasiado ajustado, por lo que no podemos confiar en la relación P/TV, sino que debemos confiar en ella, lo que demuestra que la capacidad de medición es buena.
¿Qué hay de la interacción entre la pieza y el tiempo de espera? Según el modelo GRR cruzado, la interacción solo representa el 0,2 % de la tolerancia, lo que es insignificante. Con la capacidad actual, ¿qué tan probable es que cometamos errores al determinar si una pieza cumple con las especificaciones? El riesgo de que una pieza en buen estado sea rechazada erróneamente se denomina riesgo alfa. Un riesgo alfa más alto aumenta el coste de producción.
El riesgo de que una pieza defectuosa sea aceptada erróneamente se denomina riesgo beta. Un riesgo beta más alto implica riesgo para los clientes. Durante la producción, las piezas en el objetivo tienen cero riesgo alfa y beta. Las piezas buenas cerca del límite de especificación tienen un riesgo beta alto, y las piezas defectuosas cerca del límite de especificación también tienen un riesgo beta alto.
¿Qué hay del riesgo alfa y beta en el proyecto? Ambos son cero. ¿Podemos confiar en ellos? No, esto se debe a que todas las piezas están dentro del límite de especificación. Es totalmente diferente de la producción real. Por lo tanto, no podemos confiar en el riesgo calculado. La próxima vez, deberíamos seleccionar deliberadamente piezas cuyo 90 % se distribuya uniformemente dentro del rango de especificación para simular la producción real.
La capacidad de medición actual es buena, pero ¿existen oportunidades de mejora en el futuro? Utilizaré el diagrama X-barra-S para analizar las causas fundamentales de la GRR en cuanto a repetibilidad y reproducibilidad.
En el gráfico de repetibilidad superior, el eje X incluye 15 piezas en tres niveles de tiempo de espera. El eje Y representa la estandarización, que representa la repetibilidad de cada repetición completa. En general, la estandarización es muy estable. Esto se debe a la repetibilidad del efecto del tiempo de espera. La línea morada representa la estandarización promedio para cada nivel de tiempo de espera, y se puede observar que no hay tendencia.
¿Qué hay de la estandarización de cada pieza? Se puede observar que la estandarización es menor en el centro de la oblea, mientras que es mayor en el borde. Esto podría atribuirse a una mayor tensión en el borde de la oblea. La repetibilidad es muy estable. ¿Y la reproducibilidad? La mayoría de las piezas no se pueden medir, por lo que la herramienta de metrología puede diferenciarlas.
La línea morada de tendencia indica que el espesor promedio aumentó 0,2 angstroms hasta las 6 horas, muy por debajo de la tolerancia especificada de seis. Por lo tanto, el riesgo de degradación a largo plazo es bajo. La curva en forma de M es lo que buscamos para lograr la mejor uniformidad [inaudible 00:07:27]. Si superpusiéramos tres curvas en forma de M, serían paralelas, por lo que la interacción con el tiempo de cola es mínima.
La repetibilidad se mantiene estable y la reproducibilidad también es buena en comparación con nuestra tolerancia especificada. Aun así, se realizan pruebas T entre la primera y la cuarta repetición para evaluar el riesgo de degradación a corto plazo debido a la oxidación nativa.
La diferencia es estadísticamente significativa, aunque prácticamente no se compara con la tolerancia especificada. Existe poca preocupación por la degradación de la medición de la pieza en cuatro repeticiones, y el modelo ANOVA cruzado con GRR es seguro.
En la diapositiva anterior, hablamos de la capacidad de medición. ¿Y qué hay de la capacidad del proceso? La capacidad del proceso, Cp, se calcula mediante el ICC y la relación P/T. En este caso, el ICC es 0,9. La relación P/T es 8,88 %. El Cp final es mayor que 2 y se encuentra en la zona verde. Esto significa que el proceso es capaz, la medición es capaz y se mantiene estable en un plazo de 6 horas.
Sin embargo, dado que el ICC depende en gran medida de la selección de la muestra, es menos fiable que la relación P/T. Por lo tanto, es mejor mantener el ICC fijo y mover el P/T horizontalmente como primer paso si queremos realizar algún ajuste. Manteniendo el ICC fijo y moviendo la relación P/T de 0,08 a 0,16, alcanzamos el límite verde. En este caso, el límite de especificación se ajusta de 6 a 3,35.
¿Qué hay de otros riesgos? Tres gráficos muestran la relación P/T, el riesgo alfa y el riesgo beta, con una tolerancia reducida del 100 % al 30 %. A medida que se reduce la tolerancia, la relación P/T aumenta al 29,6 %, ligeramente aceptable. El riesgo alfa se mantiene por debajo del 5 %. El riesgo beta supera el 10 % cuando la tolerancia se reduce en un 40 %. Con base en tres criterios, podemos ajustar el rango de tolerancia de 3 a 3,6 y mantener la relación P/T en torno al 50 %.
Este gráfico resume cómo mejoramos de forma iterativa y continua la capacidad de proceso y medición en diferentes escenarios. Cuando Cp es mayor que 2, la relación P/T es menor que 0,3, marcada con estrellas verde claro. Deberíamos considerar ajustar las especificaciones hasta que Cp sea igual a 1,33 para estar listos para la mejora.
Cuando Cp es menor que 1,33, la relación P/T es menor que 0,3, marcada con una estrella azul. Debemos mejorar la capacidad de procesamiento pieza a pieza y reducir el ICC hasta que Cp sea igual a 2.
Cuando el Cp es menor a 1,3 y el P/T mayor a 0,3 (marcado con una estrella naranja), debemos considerar optimizar el rendimiento del GRR para reducir la relación P/T a menos del 30 % y, al mismo tiempo, mejorar el Cp. Así es como podemos tomar decisiones para mejorar la medición o el proceso en diferentes casos. Así es como realizamos el análisis del GRR según los diferentes niveles de tiempo de cola. Gracias por su atención.
