晶锭评估方法

技术领域

本发明涉及一种评估检测方法，尤其涉及一种晶锭评估方法。

背景技术

半导体制造业对产质量量的要求相当严谨，而晶锭来料的质量对于加工后所获得的晶片(wafer)的质量影响甚巨。因此如何在晶锭加工前便过滤掉质量不佳的晶锭，将是本领域的其中一个课题。

发明内容

本发明是针对一种晶锭评估方法，可由晶锭的评价片来预测晶锭的质量。

根据本发明的实施例，晶锭评估方法包括：将由多个晶锭所切割的多个晶片各自对应的晶片图像分割成多个区域；计算各区域所包括的多个缺陷种类的统计数量；基于所述区域中所包括的缺陷种类的统计数量，获得多个统计参数；利用各晶片对应的统计参数以及弯曲值来执行回归分析，而获得多个回归系数；以及基于所述回归系数来建立弯曲度预测方程式组。

在根据本发明的实施例中，基于所述区域中所包括的缺陷种类的统计数量，获得统计参数的步骤包括：针对任一种缺陷种类，执行下述步骤。计算各区域中对应于所述缺陷种类的统计数量；计算所述区域对应于所述缺陷种类的统计数量的标准偏差来作为其中一个统计参数；以及排序所述区域中对应于所述缺陷种类的统计数量，并以由数值大至数值小的方式取出数值最高的A个统计数量来计算平均值来作为其中一个统计参数，其中A为正整数。

在根据本发明的实施例中，所述缺陷种类包括贯通刃型位错(threading edgedislocation，TED)、贯通螺旋位错(threading screw dislocation，TSD)和基面位错(basal plane dislocation，BPD)。利用各晶片对应的统计参数以及弯曲值来执行回归分析，而获得回归系数的步骤包括：将各晶片对应的统计参数与弯曲值输入下述公式来执行回归分析。

Bow(k)＝P1×Std(TED)+P2×Avg(TED)；

Bow(k)＝P3×Std(TSD)+P4×Avg(TSD)；

Bow(k)＝P5×Std(BPD)+P6×Avg(BPD)。

其中，Bow(k)为第k个晶片的弯曲值，P1～P6为回归系数，Std(TED)、Std(TSD)、Std(BPD)分别为所述区域对应于贯通刃状位、贯通螺旋位错和基底面位错三种缺陷种类的统计数量的标准偏差，Avg(TED)、Avg(TSD)、Avg(BPD)分别为对应于贯通刃型位错、贯通螺旋位错和基底面位错三种缺陷种类的最高的A个统计数量的平均值。

在根据本发明的实施例中，基于所述区域中所包括的缺陷种类的统计数量，获得统计参数的步骤包括：针对任两种缺陷种类，执行下述步骤。计算各区域中所述任两种缺陷种类合计的统计数量；计算所述区域对应于所述任两种缺陷种类合计的统计数量的标准偏差来作为其中一个统计参数；以及排序所述区域中对应于所述任两种缺陷种类合计的统计数量，取出最高的A个统计数量来计算平均值以作为其中一个统计参数。

在根据本发明的实施例中，所述缺陷种类包括贯通刃型位错、贯通螺旋位错和基底面位错，利用所述晶片对应的统计参数以及弯曲值来执行回归分析，而获得回归系数的步骤包括：将各晶片对应的统计参数与弯曲值输入下述公式来执行回归分析。

Bow(k)＝P7×Std(TED&TSD)+P8×Avg(TED&TSD)；

Bow(k)＝P9×Std(TSD&BPD)+P10×Avg(TSD&BPD)；

Bow(k)＝P11×Std(TED&BPD)+P12×Avg(TED&BPD)。

其中，Bow(k)为第k个晶片的弯曲值，P7～P12为回归系数。Std(TED&TSD)为所述区域对应于贯通刃型位错与贯通螺旋位错两种缺陷种类合计的统计数量的标准偏差，Avg(TED&TSD)为对应于贯通刃型位错与贯通螺旋位错两种缺陷种类合计的统计数量中最高的A个统计数量的平均值。Std(TSD&BPD)为所述区域对应于贯通螺旋位错与基底面位错两种缺陷种类合计的统计数量的标准偏差，Avg(TSD&BPD)为对应于贯通螺旋位错与基底面位错两种缺陷种类合计的统计数量中最高的A个统计数量的平均值。Std(TED&BPD)为所述区域对应于贯通刃型位错与基底面位错两种缺陷种类合计的统计数量的标准偏差，Avg(TED&BPD)为对应于贯通刃型位错与基底面位错两种缺陷种类合计的统计数量中最高的A个统计数量的平均值。

在根据本发明的实施例中，基于所述区域中所包括的缺陷种类的统计数量，获得统计参数的步骤包括：计算各区域中所述缺陷种类合计的统计数量；计算所述区域对应于缺陷种类合计的统计数量的标准偏差来作为其中一个统计参数；以及排序所述区域中对应于缺陷种类合计的统计数量，取出最高的A个统计数量来计算平均值以作为其中一个统计参数，其中A为正整数。

在根据本发明的实施例中，利用各晶片对应的统计参数以及弯曲值来执行回归分析，而获得回归系数的步骤包括：将各晶片对应的统计参数与弯曲值输入下述公式来执行回归分析。

Bow(k)＝P13×Std(TED&TSD&BPD)+P14×Avg(TED&TSD&BPD)。

其中，Bow(k)为第k个晶片的弯曲值，P13～P14为回归系数。Std(TED&TSD&BPD)为所述区域对应于贯通刃型位错、贯通螺旋位错与基底面位错三种缺陷种类合计的统计数量的标准偏差，Avg(TED&TSD&BPD)为对应于贯通刃型位错、贯通螺旋位错与基底面位错三种缺陷种类合计的统计数量中最高的A个统计数量的平均值。

在根据本发明的实施例中，在基于所述回归系数来建立所述弯曲度预测方程式组之后，还包括：利用所述弯曲度预测方程式组来计算由待测晶锭加工而得的待测晶片的弯曲值；判断所述加工后弯曲值是否位于一规格范围内；倘若所述加工后弯曲值位于所述规格范围内，判定所述待测晶锭的质量良好；以及倘若所述加工后弯曲值不在所述规格范围内，判定所述待测晶锭的质量不佳。

在根据本发明的实施例中中，在将由晶锭所切割的所述晶片各自对应的晶片图像分割成所述区域的步骤之后，还包括：舍弃位于晶片图像的四个角落的区域，而计算剩余的区域中所包括的缺陷种类的统计数量。

基于上述，利用已知晶锭经加工后的晶片来建立弯曲度预测方程式组，借此，通过弯曲度预测方程式组来预测待测晶锭的质量，进而过滤掉会造成加工几何质量不佳的晶锭，可大幅提高整体的加工质量并降低生产成本。

附图说明

图1是依照本发明一实施例的分析系统的框图；

图2是依照本发明一实施例的晶锭的示意图；

图3是依照本发明一实施例的晶锭评估方法的流程图；

图4是依照本发明一实施例的晶片图像的示意图。

附图标记说明

110：测量仪器

120：分析装置

20-1～20-N：晶锭

21-1～21-N、W：晶片

400：晶片图像

C1～C36：区域

E1：第一端

E2：第二端

S305～S325：晶锭评估方法的步骤

具体实施方式

现将详细地参考本发明的示范性实施例，示范性实施例的实例说明于附图中。只要有可能，相同组件符号在附图和描述中用来表示相同或相似部分。

图1是依照本发明一实施例的分析系统的框图。请参照图1，分析系统包括测量仪器110以及分析装置120。测量仪器110与分析装置120之间例如可通过有线或无线通信方式来进行数据传输。

测量仪器110例如为自动光学检查(Automated Optical Inspection，简称AOI)仪器。AOI仪器为高速高精度光学图像检测系统，包含测量镜头技术、光学照明技术、定位测量技术、电子电路测试技术、图像处理技术及自动化技术应用等，其运用机器视觉做为检测标准技术。测量仪器110利用光学仪器取得成品的表面状态，再以计算机图像处理技术来检出异物或图案异常等瑕疵。

分析装置120为具有运算功能的电子装置，其可采用个人计算机、笔记本计算器、平板计算机、智能手机等或任何具有运算功能的装置来实现，本发明不以此为限。分析装置120自测量仪器110接收多个已知晶片的测量数据(即，具有缺陷的坐标位置以及缺陷种类)，借此来进行训练以获得一预测模型(弯曲度预测方程式组)，以供后续利用待测晶片的测量数据来获得待测晶锭经加工成晶片后的质量。

图2是依照本发明一实施例的晶锭的示意图。请参照图2，晶锭20-1～20-N经加工制程后，分别在每个晶锭上各取一片晶片，可获得多个晶片21-1～21-N，其中加工制程可以为切割、研磨和抛光，本发明不以此为限。利用测量仪器110来逐一进行光学检查，以检测晶片21-1～21-N各自所包括多个坐标位置是否有缺陷，并记录具有缺陷的坐标位置及其缺陷种类。所述缺陷种类包括贯通刃型位错(threading edge dislocation，TED)、贯通螺旋位错(threading screw dislocation，TSD)和基底面位错(basal plane dislocation，BPD)，其中多个晶片21-1～21-N可以是晶锭上任何位置加工后所得的晶片，在一些较佳实施例中，多个晶片21-1～21-N是接近晶锭20-1～20-N的第一端E1与第二端E2(头尾两端)的位置加工后所得的晶片，在其他实施例中，可以为晶锭20-1～20-N头尾两端区域外的位置加工后所得的晶片，本发明不以此为限。

图3是依照本发明一实施例的晶锭评估方法的流程图。请参照图3，在步骤S305中，将多个晶锭20-1～20-N所切割的多个晶片21-1～21-N各自对应的晶片图像分割成多个区域。图4是依照本发明一实施例的晶片图像的示意图。请参照图4，晶片图像400被分割成多个区域C1～C36。在此切割数量仅为其中一种示例，在其他实施例中可以依照需求将晶片图像400分割成任何数量的区域，本发明并不以此为限。晶片21-1～21-N中的任一个皆有对应的类似于晶片图像400的一张晶片图像。

接着，在步骤S310中，计算各区域所包括的多个缺陷种类的统计数量。例如，以晶片21-1而言，并且以晶片图像400作为晶片21-1的晶片图像来进行说明。分析装置120根据晶片21-1对应的测量数据(即，具有缺陷的坐标位置以及缺陷种类)，计算晶片21-1对应的晶片图像400的区域C1～C36各自所包括的TED的统计数量、TSD的统计数量以及BPD的统计数量。其他晶片21-2～21-N亦相同。

另外，由于晶片图像400的四个角落中晶片W所占的比例偏低，因此，在统计缺陷种类的步骤中，可舍弃位于晶片图像400的四个角落的区域C33～C36，而计算剩余的区域C1～C32中所包括的缺陷种类的统计数量。例如，表1记载了N个晶片21-2～21-N各自的区域C1～C32中的各种缺陷种类的统计数量。

表1

接着，在步骤S315中，基于所述区域中所包括的缺陷种类的统计数量，获得多个统计参数。在此，可利用计算标准偏差、平均值来作为统计参数。

例如，针对每一种缺陷种类计算在同一个晶片所划分的多个区域的统计数量的标准偏差与平均值。倘若缺陷种类为3种，可获得6个统计参数。以表1的晶片21-1而言，以区域C1～C32的统计数量C

之后，在步骤S320中，利用各晶片(21-1～21-N)对应的统计参数以及各晶片(21-1～21-N)经加工制程后的弯曲(BOW)值来执行回归分析，而获得多个回归系数。例如，将统计参数以及弯曲值输入下述方程式(1)～(3)来执行回归分析，而获得多个回归系数P1～P6。其中，Bow(k)为第k个晶片经加工制程后的弯曲值。

(1)Bow(k)＝P1×Std(TED)+P2×Avg(TED)；

(2)Bow(k)＝P3×Std(TSD)+P4×Avg(TSD)；

(3)Bow(k)＝P5×Std(BPD)+P6×Avg(BPD)。

最后，在步骤S325中，基于所述回归系数来建立弯曲度预测方程式组。基于所获得的回归系数P1～P6来建立下述弯曲度预测方程式组(A)：

Bow1＝P1×TStd(TED)+P2×TAvg(TED)；

Bow2＝P3×TStd(TSD)+P4×TAvg(TSD)；

Bow3＝P5×TStd(BPD)+P6×TAvg(BPD)；

Pre_Bow＝(Bow1+Bow2+Bow3)/3。

在预测方程式组(A)中，利用待测晶片中TED对应的标准偏差TStd(TED)与平均值TAvg(TED)获得弯曲度Bow1，利用待测晶片中TSD对应的标准偏差TStd(TSD)与平均值TAvg(TSD)获得弯曲度Bow2，利用待测晶片中BPD对应的标准偏差TStd(BPD)与平均值TAvg(BPD)获得弯曲度Bow3。之后，将弯曲度Bow1、Bow2、Bow3取平均值来作为加工后弯曲值Pre_Bow。

而后，判断加工后弯曲值Pre_Bow是否位于规格范围内。倘若加工后弯曲值Pre_Bow位于规格范围内，判定此待测晶片所对应的待测晶锭的质量良好。倘若加工后弯曲值Pre_Bow不在规格范围内，判定此待测晶片所对应的待测晶锭的质量不佳，其中，待测晶片所对应的待测晶锭，为由所述待测晶锭经加工制程而获得的待测晶片。

另外，除了上述针对每一种缺陷种类来计算其标准偏差及平均值。还可针对每两种缺陷种类、每三种缺陷种类等来计算其合计的统计数量，借此获得对应的标准偏差及平均值。

例如，针对任两种缺陷种类，执行下述步骤。计算各区域中所述任两种缺陷种类合计的统计数量；计算所述区域对应于所述任两种缺陷种类合计的统计数量的标准偏差来作为其中一个统计参数；以及排序所述区域中对应于所述任两种缺陷种类合计的统计数量，取出最高的A个统计数量来计算平均值以作为其中一个统计参数。

表2记载了N个晶片21-2～21-N各自的区域C1～C32中的任两种缺陷种类的统计数量。

表2

以表2的晶片21-1而言，以区域C1～C32的统计数量C1-1-TED&TSD～C1-32-TED&TSD，来计算晶片21-1对应TED与TSD的标准偏差Std(TED&TSD)。并且，排序C1-1-TED&TSD～C1-32-TED&TSD以取出最高的A个(例如5个)，并计算平均值Avg(TED&TSD)。以此类推，获得对应TSD与BPD的标准偏差Std(TSD&BPD)与平均值Avg(TSD&BPD)，以及对应TED与BPD的标准偏差Std(TED&BPD)与平均值Avg(TED&BPD)。将上述统计参数以及弯曲值输入下述方程式(4)～(6)来执行回归分析，而获得多个回归系数P7～P12。其中，Bow(k)为第k个晶片的弯曲值。

(4)Bow(k)＝P7×Std(TED&TSD)+P8×Avg(TED&TSD)；

(5)Bow(k)＝P9×Std(TSD&BPD)+P10×Avg(TSD&BPD)；

(6)Bow(k)＝P11×Std(TED&BPD)+P12×Avg(TED&BPD)。

表3记载了N个晶片21-2～21-N各自的区域C1～C32中的三种缺陷种类的统计数量。

表3

以表3的晶片21-1而言，以区域C1～C32的统计数量C1-1-TED&TSD&BPD～C1-32-TED&TSD&BPD来计算晶片21-1对应TED、TSD与BPD三者合计的标准偏差Std(TED&TSD&BPD)。并且，由数值大至数值小的方式来排序C1-1-TED&TSD&BPD～C1-32-TED&TSD&BPD以取出最高的A个(例如数值最高的前5个)，并计算平均值Avg(TED&TSD&BPD)。将上述统计参数以及弯曲值输入下述方程式(7)来执行回归分析，而获得回归系数P13～P14。其中，Bow(k)为第k个晶片的弯曲值。

(7)Bow(k)＝P13×Std(TED&TSD&BPD)+

P14×Avg(TED&TSD&BPD)。

以缺陷种类包括TED、TSD和BPD三种而言，可采用14个统计参数，即包括：TED、TSD和BPD各自的标准偏差与平均值共6个统计参数、任意两种缺陷种类的标准偏差与平均值共6个统计参数以及三种缺陷种类的标准偏差与平均值2个统计参数。

表4所示为各晶片对应的14个统计参数。经由上述方程式(1)～(7)来执行回归分析，而获得多个回归系数P1～P14。

表4

基于所获得的回归系数P1～P14来建立下述弯曲度预测方程式组(B)：

Bow1＝P1×TStd(TED)+P2×TAvg(TED)；

Bow2＝P3×TStd(TSD)+P4×TAvg(TSD)；

Bow3＝P5×TStd(BPD)+P6×TAvg(BPD)；

Bow4＝P7×TStd(TED&TSD)+P8×TAvg(TED&TSD)；

Bow5＝P9×TStd(TSD&BPD)+P10×TAvg(TSD&BPD)；

Bow6＝P11×TStd(TED&BPD)+P12×TAvg(TED&BPD)；

Bow7＝P13×TStd(TED&TSD&BPD)+P14×TAvg(TED&TSD&BPD)；

Pre_Bow＝(Bow1+Bow2+Bow3+Bow4+Bow5+Bow6+Bow7)/7。

在预测方程式组(B)中，利用待测晶片中TED对应的标准偏差TStd(TED)与平均值TAvg(TED)获得弯曲度Bow1，利用待测晶片片中TSD对应的标准偏差TStd(TSD)与平均值TAvg(TSD)获得弯曲度Bow2，利用待测晶片中BPD对应的标准偏差TStd(BPD)与平均值TAvg(BPD)获得弯曲度Bow3。并且，利用待测晶片中TED+TSD、TSD+BPD以及TED+BPD任两种缺陷种类对应的标准偏差TStd(TED&TSD)、TStd(TSD&BPD)、TStd(TED&BPD)与平均值TAvg(TED&TSD)、TAvg(TED&TSD)、TAvg(TSD&BPD)获得弯曲度Bow4、Bow5、Bow6。利用待测晶片中TED+TSD+BPD三种缺陷种类对应的标准偏差TStd(TED&TSD&BPD)与平均值TAvg(TED&TSD&BPD)获得弯曲度Bow7。之后，将弯曲度Bow1～Bow7取平均值来作为加工后弯曲值Pre_Bow。

综上所述，本发明利用已知晶锭经加工后的晶片来建立弯曲度预测方程式组，借此，可通过弯曲度预测方程式组来预测待测晶锭的质量，进而过滤掉会造成加工几何质量不佳的晶锭，可大幅提高整体的加工质量并降低生产成本。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。