基于虚拟传感器的等离子体刻蚀反应器故障检测与分类
人工智能
2007-06-05 v1 计算机视觉与模式识别
摘要
由 SEMATECH 资助的 J-88-E 项目由德州仪器与 NeuroDyne 等单位合作开展,聚焦于 Lam 9600 铝等离子体刻蚀反应器(用于半导体制造工艺)上的故障检测与分类(FDC)。故障分类通过实现一系列虚拟传感器模型来完成,这些模型利用来自真实传感器(Lam Station 传感器、光学发射光谱 OES 和射频监测 RFM)的数据来预测配方设定值(Recipe setpoints)与晶圆状态特征。故障检测与分类通过将预测的配方值与晶圆状态值与期望值进行比较来执行。所采用的模型包括线性 PLS、多项式 PLS 以及神经网络 PLS。基于传感器数据对配方设定值进行预测,提供了一种交叉校验机器是否保持期望设定值的能力。线宽缩减(Line Width Reduction)和剩余氧化物(Remaining Oxide)等晶圆状态特征通过这些相同的工艺传感器(Lam、OES、RFM)进行在线估计。在生产环境中对这些特征的逐片晶圆测量(通常此类信息仅在批量处理运行完成大量晶圆后才可能稀疏地获得)将为操作人员提供重要信息,使其了解工艺是否在可接受的产品质量范围内生产晶圆。通过使操作人员能够在继续刻蚀更多晶圆之前调整工艺或机器,可以提高生产良率,并相应地降低单位成本。
引用
@article{arxiv.0706.0465,
title = {Virtual Sensor Based Fault Detection and Classification on a Plasma Etch Reactor},
author = {D. A. Sofge},
journal= {arXiv preprint arXiv:0706.0465},
year = {2007}
}
评论
7 pages