大家好，我是沈嘉平，來自應用材料公司，擔任製程支援工程師。應用材料公司是材料工程解決方案的領導者，幾乎為全球所有新型晶片和先進顯示器提供生產服務。
應用材料公司內部有一個JMP項目，旨在幫助工程師基於JMP軟體解決工程問題。今天，作為JMP專案的一員，我想分享一下我是如何利用JMP軟體對二氧化矽厚度進行量具重複性和再現性分析，以輔助隊列時間控制和測量能力評估的。
在晶圓製造過程中，製程工程師依靠計量工具來監控每一層，以確保產品品質。如果測量結果不準確，就可能導致品質問題。那麼，測量結果會受到哪些影響呢？如果一台工具多次測量零件的厚度，結果差異很大，則表示該工具的重複性很差。如果另一台工具再次測量同一零件，則兩次測量結果之間的差異也很大，則表示該工具的再現性很差。
對測量儀器的重複性和再現性進行分析稱為GRR分析。本計畫以二氧化矽厚度為例，介紹如何評估測量能力。與其他GRR項目不同，本項目採用測量排隊時間水準來引入再現性概念。
以下是流程分析的總體概述。基於收集的數據，我們評估了GRR的性能，並進行了根本原因分析，以確定是否存在進一步改進的空間。然後，我們討論了目前的流程可操作性，並探討了未來的改進機會。
從晶圓上的15個樣本中採集二氧化矽厚度數據。每個樣品在二氧化矽生成後0小時、3小時和6小時分別測量四次。
最終，我們根據 JMP 和 MSA 設計平台獲得了 180 個數據點。厚度規格為 97-103 埃。對於 GRR 效能，我們設定了四個成功標準：P/T 比值、P/TV 比值、P/V 比值和 P/M 比值。
在這四個標準中，分子是精確度，它是由重複性和再現性引起的變化計算得出。本專案中，公差為6，我將使用P/T比率作為成功標準。
GRR性能如何？第一個模型的P/T比為8，小於10%，這表示測量能力良好；而P/TV比為31%，大於30%，這表示測量能力較差。為什麼呢？這是因為零件範圍太窄，P/TV比值不可靠，我們需要相信P/T比值，而P/T比值顯示測量能力良好。
零件與排隊時間的交互作用如何？根據交叉GRR模型，這種交互作用僅佔公差的0.2%，可以忽略不計。以目前的能力，我們在判斷零件是否符合規格時出錯的可能性有多高？將合格零件錯誤地判定為不合格的風險稱為α風險。 α風險越高，生產成本越高。
不合格零件被錯誤接受的風險稱為β風險。 β風險越高，客戶面臨的風險越大。在生產過程中，符合目標標準的零件的α風險和β風險均為零。接近規格極限的合格零件和接近規格極限的不合格零件都具有較高的β風險。
專案的α風險和β風險如何？兩者都為零。這樣可信嗎？不可信，因為所有零件都在規格範圍內。這與實際生產情況完全不同。因此，我們不能依賴計算出的風險。下次，我們應該刻意挑選90%的零件均勻分佈在規格範圍內，以模擬真實的生產情況。
目前的測量能力良好，但未來是否有提升空間？我將使用 Xbar-S 圖表從重複性和再現性的角度分析 GRR 的根本原因。
從頂部的重複性圖表可以看出，X軸代表三個排隊時間等級下的15個零件。 Y軸代表標準化值，即每次完整重複的重複性。整體而言，標準化值非常穩定。這就是排隊時間對重複性的影響。紫色線代表每個排隊時間等級的平均標準化值，可以看出沒有明顯的趨勢。
各部件的標準化程度如何？可以看出，晶圓中心的標準化程度較低，而邊緣的標準化程度較高。這可能是由於晶圓邊緣應力較大所致。重複性非常穩定。再現性如何？大多數部件的尺寸都超出了測量範圍，因此計量工具可以區分不同的部件。
圖中紫色趨勢線表明，平均厚度在 6 小時內增加了 0.2 埃，遠低於規格規定的 6 埃容差。因此，長期劣化風險較低。我們希望獲得最佳的均勻性，因此呈現 M 形曲線。 [聽不清楚 00:07:27] 如果將三個 M 形曲線重疊在一起，它們將平行，因此受排隊時間的影響很小。
重複性依然穩定，再現性也符合我們的規格容差範圍。儘管如此，我們仍對第一次和第四次重複實驗結果進行了t檢驗，以評估由自然氧化引起的短期性能下降風險。
雖然差異具有統計意義，但與規格公差相比，實際意義不大。在四次重複測量中，任何部件的測量性能下降都無需擔憂，因此 ANOVA 交叉 GRR 模型是安全的。
上一張投影片我們討論了測量能力。那麼製程能力呢？過程能力（Cp）由組內相關係數（ICC）和過程/時間比（P/T）計算。本例中ICC為0.9，P/T比為8.88%。最終的Cp值大於2，且落在綠色區域內。這意味著製程能力良好，測量能力良好，且在6小時內保持穩定。
然而，由於ICC值高度依賴樣本選擇，因此與P/T比值相比，ICC值的可靠性較低。所以，如果我們想要進行一些調整，最好保持ICC值不變，並將P/T比值水平移動作為第一步。維持ICC值不變，並將P/T比值從0.08調整到0.16，即可達到綠色邊界。在這種情況下，規格限值從6收緊至3.35。
其他風險如何？有三張圖表分別展示了P/T比率、α風險和β風險，其中容忍度從100%降低到30%。隨著容忍度的降低，P/T比率上升至29.6%，勉強可以接受。 α風險仍低於5%。當容忍度降低40%時，β風險超過10%。基於這三個標準，我們可以將容忍度範圍從3%收窄到3.6%，並將P/T比率維持在50%左右。
此圖總結了我們如何在不同場景下迭代並持續改進製程和測量能力。當 Cp 大於 2 時，P/T 小於 0.3（圖中以淺綠色星號標示）。我們應該考慮收緊規格，直到 Cp 等於 1.33，以便為進一步改進做好準備。
當 Cp 小於 1.33 時，P/T 小於 0.3（以藍色星號標示）。我們應該提高製程的零件間一致性，並降低 ICC，直到 Cp 等於 2。
當 Cp 小於 1.3，且 P/T 大於 0.3 時（橘色星號標記處），我們應考慮優化 GRR 效能，將 P/T 比率降低至 30% 以下，同時提高 Cp 值。這就是我們根據不同情況決定改進測量或流程的方法。以上是我們基於不同排隊時間等級進行 GRR 分析的方式。謝謝聆聽。
