Sprecher:
Jiaping Shen, Prozessunterstützungsingenieur, Angewandte Materialien
Das Redethema:
Anwendung der JMP-DOE-Analyse und Modelloptimierung zur Vorhersage der epitaktischen Siliziumwachstumsrate
Redezusammenfassung:
In der Halbleiterfertigung wird epitaktisches Silizium häufig für Wafersubstrate, pMOS-SiGe, nMOS-SiP, Grabenfüllungen und andere Anwendungen verwendet. Die Wachstumsrate der epitaktischen Siliziumschicht wird durch mehrere Schritte und mehrere Prozessparameter beeinflusst. Um ein solch stark interaktives Vorhersagemodell effizienter zu erstellen, benötigen wir eine gründliche und umfassende DOE-Bewertung und den Entwurf eines hochgradig orthogonalen DOE. Dieses Projekt nutzt historische Daten zu epitaktischen Siliziumwachstumsraten als Ausgangspunkt für die Entwurfsbewertung. Für die Erstellung von Vorhersagemodellen weist diese historische Datenstruktur eine schwache Aussagekraft, eine geringe D-Effizienz, eine schlechte Entwurfseinheitlichkeit sowie eine hohe Effektkorrelation und Vorhersagevarianz auf. Während der Modellierung ist der schrittweise Algorithmus von RSM aufgrund der mangelnden Modellfreiheit instabil, was zu einer schlechten Wiederholbarkeit des Modells und zu großen Konfidenzintervallen für optimale Entwurfspunkte führt. Darüber hinaus wurden im RSM-Modell zwei Paare starker Wechselwirkungen beobachtet: Ein Paar Wechselwirkungen kann auf die hohe Korrelation zwischen den Effekten zurückgeführt werden, während das andere Paar Wechselwirkungen mit dem Konkurrenzmechanismus des Prozesses zusammenhängt. Anschließend wird der Toleranzentwurf mithilfe von robustem Design und Monte-Carlo-Simulation durchgeführt, und ein Design-Space-Profiler wird für die Toleranzzuordnungsanalyse verwendet, um zukünftige Technologieanforderungen zu simulieren. Um die bestehende DOE-Struktur zu verbessern und das Vorhersagemodell mit minimalen Kosten zu optimieren, haben wir kein neues DOE eingeführt, sondern die erweiterte Entwurfsmethode verwendet, um die bestehende DOE-Struktur durch drei Methoden zu verbessern: (1) Entfernen nicht orthogonaler Daten; (2) Standard-Erweiterungsalgorithmus; (3) Center-Erweiterungsalgorithmus. Durch ein sehr umfassendes Erweiterungsdesign empfahl JMP die besten vier Erweiterungsdatenpunkte, was letztendlich die DOE-Struktur verbesserte, die Nutzungseffizienz historischer Daten erheblich verbesserte und den Prozessentwicklungszyklus und die Kosten erheblich verkürzte.
