臺灣博碩士論文加值系統

我國半導體是以生產製造為主，如何降低生產成本、增加設備效能、減少製程風險及提昇製程良率，為提升其國際競爭力最重要的因素。目前的半導體廠大部分仍是採用統計製程管制技術來監控製程參數，以例行測機及預防保養等方式提高製程穩定性，改善製程良率。對於無預警式的系統良率損失來說，當製程中發生異常時，會造成大量數目的報廢，嚴重地影響到成本與產能。
本篇論文以化學機械研磨(Chemical Mechanical Polishing，CMP)製程結合虛擬量測(Virtual Metrology, VM)的概念，再搭配類神經網路與模擬控制，進行趨勢預測以與配方調整預測，整合這兩方面對於響應的影響來做量测的預測，以達到改善製程及提昇設備效能的目標。
在虛擬量測的系統架構下，結合趨勢狀態與配方響應的預測結果，在模擬資料的部分，從半導體廠中化學機械研磨設備取得，取針對影響研磨速率最重要的研磨平台轉速、研磨頭轉數、製程時間以及研磨時之下壓力量，作為神經網路的輸入，每秒的研磨量作為輸出，以網路學習方式來建立類神經網路系統模型，並以實際預測兩台CMP機台參數來驗證平均絕對誤差在0.944Å/sec與0.967Å/sec，而整體虛擬量測系統的預測結果的準確性令人滿意。

Semiconductor manufacturing is the leading industry in Taiwan. In this competitive market, reducing fabrication cost, increasing overall equipment efficiency, and promoting yield and throughput are the key factors to promote the competitiveness. Currently, statistical process control (SPC) is the most commonly used method for the monitoring of manufacturing processes in the semiconductor industry. In addition, routine test and preventive maintenance of process tools are also performed for keeping process stable. Any abnormal process will lead to wafer scraps and yield loss.
This thesis is concerned with the virtual metrology for CMP process. A hybrid system, consisting of piecewise linear neural network for estimating the trend of system dynamics and fuzzy neural network for calculating the possible change on the process outcome due to the adjustment of recipe, was developed. The aim of virtual metrology is to improve process quality and to promote equipment efficiency.
Four important process parameters including platen speed, revolutions of polishing head, polishing time, and polishing downforce were collected from CMP tools as the input of neural network. Removal rate was the output of network. The average absolute errors of virtual metrology for two CMP tools were 0.944Å/sec and 0.967Å/sec, respectively. The system was proven to have good performance for CMP process.

中文摘要 ..……………….…………………………………………… I
英文摘要 ………………………………….………….……….……… II
誌謝 …………………………………….……………..…..…………... III
目錄 ……………….…………..…...……….…….…....…….…....... IV
圖目錄 …………………………………………..……….……...….. VI
表目錄 ……………………………….…..……....….………..…....... VIII
第一章 緒論 ………………………….………..………….….….… 1
1-1 前言 ………….………….…………………………………... 1
1-2 研究動機與目的 ………….……………….………………... 2
1-3 文獻回顧 …………………………….……….……………... 4
1-4 論文架構 …………………………………….….…………... 6
第二章 DRAM製程及CMP製程與設備簡介 ….……..……..…..… 8
2-1 動態存取記憶體簡介及產業發展 ……….…...…..………... 8
2-2 平坦化的重要性 …………….…....…………….……….. 11
2-2.1 平坦化的定義……………..……………………….. 12
2-3 化學機械研磨製程 ……………………………………... 14
2-3.1 製程目的 ……………..…………………………….. 16
2-3.2 化學機械研磨製程過程 ….……..….……….……... 17
2-3.3 研磨液 …………….………….…………………….. 19
2-3.4 研磨墊 ……………….……….…………………….. 19
2-4 化學機械研磨機台構造簡介 …………..………..….…….. 20
第三章 相關理論 ……………………….…………………….…….. 24
3-1 類神經網路簡介 ……………….………….………………. 24
3-2 類神經網路架構 ……………….………….………………. 27
3-3 線性類神經網路 …………….………………….…...…….. 32
3-4 模糊類神經網路 ………..………...…………………….. 34
第四章 系統設計與研究方法 …………….….…………………….. 38
4-1 系統設計 …………………….…….………………………. 38
4-1.1 線性類神經網路系統 ……………………………… 41
4-1.2 模糊類神經網路系統 ……………………………… 42
4-2 參數擷取 ………….……………………….………………. 42
4-3 虛擬量測系統模擬 ……………………………….………. 45
第五章 結論與展望 ……………….………………….…………….. 49
5-1 結論 ………………………….………………….…………. 49
5-2 未來研究方向 ……….………………………….…………. 50
參考文獻 ……………………………………………..……………….. 51


圖目錄
圖2-1 溝槽式電容 …..……………….…………….…..…..……… 10
圖2-2 堆疊式電容 ………………………….….……..………….... 10
圖2-3 帶有粗糙顆粒面的堆疊式電容 …….….……….…………. 11
圖2-4 DRAM 製造程序 …………….……………...…….……..... 12
圖2-5 平坦化的定義 ……………………….……..…..….……..... 15
圖2-6 研磨機構之組成 …………………..….….….…..……......... 16
圖2-7 晶圓中心研磨之示意圖 ……………...……………………. 17
圖2-8 晶圓全面性研磨之示意圖 …………..….…………………. 18
圖2-9 晶圓周圍研磨之示意圖 ……….….…….………....………. 18
圖2-10 化學機械研磨機台示意圖 …………….…………………... 20
圖2-11 機台研磨頭 ……………….……………………..…….…… 21
圖2-12 研磨墊……………………………………………..………….22
圖2-13 鑽石修整器 …………..………………..…...………………. 22
圖3-1 類神經網路架構圖 ………..….…….…………...…………. 25
圖3-2 人工神經元 ……………………….………….…….………. 26
圖3-3 前饋式類神經網路 ……………….…….…….……………. 28
圖3-4 回饋式類神經網路 …………………….……..……………. 28
圖3-5 倒傳遞神經網路的基本架構 ……….….…..……………… 30
圖3-6 線性神經元的結構圖 …………………………....………… 32
圖3-7 單層線性網路結構圖 …………………….……...………… 33
圖3-8 Fuzzy架構圖 ………..…………………….………..……… 35
圖4-1 虛擬量測示意圖 ………..…………….…….……………… 39
圖4-2 虛擬量測系統架構圖 ………….…………...……………… 40
圖4-3 分割點示意圖 ………………………….…………………... 41
圖4-4 模糊類神經網路架構圖 ….…….…………………..……… 42
圖4-5 CMP01預測結果 ………..…...…………….……………… 46
圖4-6 CMP02預測結果 ………..…………………...….………… 47


表目錄
表2-1 平坦化的程度 ………………………….….…….…………. 13
表2-2 一般常見之平坦化方法及其特徵 ………….…….…….…. 13
表4-1 機台所取得之製程配方參數表 ………….….….…………. 43
表4-2 Process Information ……………….………..………………. 44
表4-3 影響研磨速率之製程參數表 ……….……….…….………. 44
表4-4 CMP機台預測結果比較表 …...……..…………….………. 48

[1] “The International Technology Roadmap for Semiconductor Edition”, Sponsored by Semiconductor Industry Association .2001.
[2] W. James , “Psychology briefer course”, New York, Holt,1890.
[3] D. O. Hebb , “Organization of behavior”, Wiley, New York,1949.
[4] F. Rosenblatt, “The perception: A probabilistic model for information storage and organization in the brain”, Psychological Review, Vol.65, pp.386-408, 1958.
[5] J. J. Hopfield, D. W. Tank, “Neural Compotation of Decisions in Optimization Problems”, Biological Cybernetics, Vol.33, pp533-543, 1986.
[6] F. Rosenblatt , “Principles of neuro -dynamics”, Spartan Books, New York ,1959.
[7] B. Widrow and M. E. Hoff, “Adaptive switchings circuits”, 1960 IRE WESON Conventional Record, part4, pp.96-100 ,1960.
[8] D. E. Rumelhart, J. L. Mcclelland, “Parallel Distribute Processing”, Cambridge, MA:MIT Press, Vol.1 1986.
[9] M. D. Powell, “Radial basic functions for multivariable interpolation: A review”, In Algorithms for Approximation. Oxford University Press, pp.143-167, 1987.
[10] Jang, J. S. R, “ANFIS Adaptive-Network-Based Fuzzy Inference System”, IEEE Transaction on System, Man, Cybernetics, Vol.23, No.3, pp.665-685,May/June 1991.
[11] 曾慶安，「類神經網路在品質管制上之應用－以倒傳遞網路偵測製程個別數據之平均值及變異數的變化」，元智大學工業工程研究所碩士論文，桃園.1993.
[12] R. Yasdi, “Combining Rough Sets and Neural Learning-method to deal with uncertain and imprecise information”, Neurocomputing Vol.7, pp.61-84, 1995.
[13] L. A. Zadeh, “Fuzzy Set”, Information Contr., Vol.8, pp.338-353, 1965.
[14] E. Khan, “NeuFuz：An Intelligent Combination of Fuzzy Logic with Neural Nets”, Proceedings of 1993 International Joint Conference on Neural Networks, pp.2945-2950 ,1993.
[15] 許俊欽，“SPC 與EPC 之整合研究：利用類神經網路構建製程干擾模式”，交通大學工業工程所碩士論文，新竹.2001.
[16] 陳起偉，“應用類神經網路模擬預測電子迴旋共振式蝕刻機台蝕刻深度與蝕刻良率系統”，中原大學機械工程研究所碩士論文，桃園 (2006)。
[17] 莊達人，“VLSI製造技術”， 高立圖書有限公司.2002.
[18] H. Xiao “Introduction to Semiconductor Manufacturing Technology”, Prentice-Hall,2001.
[19] 趙弘文，“化學機械研磨中單顆鑽石於研磨墊上之探討”，台灣大學機械工程研究所碩士論文，台北.2003.
[20] 王建榮•林必•林慶福 編譯，“半導體平坦化CMP技術”，全華圖書有限公司.2000.
[21] Applied Materials Confidential,CMP System – AMAT Mirra Mesa power point.
[22] D. E. Rumelhart, G. E. Hinton, and R. J. Williams, “Learning Internal Representation by Error Propagation in Parallel Distributed Processing,” Vol.1, pp.318-362, D. E. Rumelhart and J. L. McClelland (Eds.), M.I.T. Press, Cambridge, MA,1986.
[23] 沈庭偉，“半導體製程虛擬量測技術之研究”，中原大學機械工程研究所碩士論文，桃園.2006.
[24] 羅華強編著，“類神經網路MATLA的應用”，全華圖書有限公司.2001.