專題報導
識別拋光矽晶圓上大型、影響良率的缺陷 的新方法 Kerem Kapkin、KeunSu Kim、Jason Saito、Hyosik Suh – KLA-Tencor Corporation Chung Geun Koh、Dae Jong Kim、Byeong Sam Moon、Seung Ho Pyi – Hynix Semiconductor Corporation
對於 45 奈米世代的晶圓而言，裸晶圓檢測技術的創新使得大而短淺之缺陷的捕獲與分類能力有所提昇。新的分類 技術是結合多管道處理之後，使得晶圓製造商與 IC 元件製造業者能夠找出這些缺陷，並且根據缺陷是否能夠清除將它 們歸類，或是要求廢棄晶圓。在製造過程中儘早識別這些缺陷將能夠改善產品品質及提昇良率。
隨著元件體積的持續縮小，晶圓表面狀況、缺陷大小、
晶圓製造商需要能夠檢測及準確識別這些缺陷，並且將
形狀及類型也逐漸成為影響元件產量、效能與可靠性的
它們與大型微粒的背景缺陷群作區分（後者缺陷可以透
重要因素。ITRS（半導體國際技術藍圖，International
過清潔或重製晶圓的方式解決），同時避免不必要的晶
Technology Roadmap for Semiconductors）原則規定裸晶圓
圓捨棄。同時，由於 LLPD 是多種晶圓製造程序問題導
表面上重要缺陷的靈敏度等於設計線寬的一半。
致的結果，因此晶圓製造商必須要快速地找出 LLPD 根
在同一時間，IC 製造商一直在降低允許驗收進廠晶圓的
源，執行解決措施以避免不必要的晶圓廢棄。
缺陷總數的規範，現在也會指定在大型光點缺陷 (LLPD)
在本篇文章中，我們所示範的方法是利用新的無圖樣
上的限制。這些 LLPD 體積很大，但是也非常淺：它們可
晶圓檢測系統 Surfscan SP2XP 將這些重要的 LLPD 加以分
能有數個微米寬，但是高度卻只有幾奈米而已。LLPD 是
類。此系統最新的 GC（全域複合）與 RBB（規則基礎
在單晶矽錠成長以及在後續的晶圓製作與表面預處理製
分類）技術已經證實在晶圓製造商的最終檢測步驟與 IC
程期間所產生。這些 LLPD 會在進料的芯片矽晶圓上以平
元件製造 IQC（進料品質控制）應用方面皆有顯著成效。
面凹洞或凸塊、氣囊和拋光刮痕等形式出現，同時有非 常高的可能性會成為扼殺良率的缺陷。因此，IC 製造商 必須在元件製程開始之前識別並挑出帶有 LLPD 的晶圓。
Particle
COP
0.1µm
Residue
0.1µm
Scratch
0.1µm
0.1µm
圖 1：在檢測與分類時需要更高靈敏度的傳統缺陷或 LPD（亮點缺陷）。
2007 年夏季刊 Yield Management Solutions
|
www.kla-tencor.com/ymsmagazine
專題報導 晶圓缺陷類型及其來源
Large defects (~16µm)
會影響元件良率的傳統小型（次微米）缺陷包括微粒、 COP（晶體原生的空坑或微粒）、殘餘物和刮痕將會被 清楚描述。這些缺陷類型的範例示圖在圖 1 中。晶圓上 的大型微粒缺陷可能來自污染物處理、製程設備，或是 來自無塵室的週遭環境。以上許多缺陷都可以透過各種 清潔程序來移除。 LLPD 的識別與描述將更加困難。典型的簡化矽晶圓生產
圖 3：新出現的（平面）LLPD 缺陷（分別為拋光相關缺陷、 氣囊和蝕刻相關缺陷）。
方案已顯示在圖 2 中。刻面 LLPD 缺陷的來源可以分成 以下兩個主要群組：晶體生長製程與晶圓加工製程。
Surfscan SP2 檢測系統能夠依 照類型、大小和數目來識別大 型的亮點缺陷。 XP
面 LLPD（圖 3）。最重要的刻面 LLPD 為氣囊缺陷，此 缺陷在長晶製程期間形成，並且會散佈在矽基板內的晶 圓上。曝露在表面上的氣囊大小是以其位置所在及於晶 圓切割與拋光期間露出的多寡所決定。曝出的氣囊以各 種不同大小的空坑被測出，但是矽塊中埋層的氣囊仍然 以空隙型式維持。 其他刻面缺陷類型是由在蝕刻或拋光步驟期間的操作或化學損
在先前，所有 LLPD 缺陷無法完全依照類型或來源來區
害所造成。雖然這些缺陷僅限出現在晶圓表面，而不會出現在
分，而只能根據其暗視野散射特徵分類成一個群組。
基板內部，但它們仍然可能影響植入輪廓、元件結構以及電子
然而，依據個別類型的識別與分類是非常重要的。晶
性能，也是導致晶圓損毀的因素。有些在線上製程監控期間捕
圓製造商可以此資訊來隔離各種不同的製程相關問題
獲的刻面LLPD 可以透過進一步的拋光與蝕刻重新更正。
以及晶體生長問題，然後執行糾正措施。IC 元件製造商 可以使用分類資訊，根據特定的 LLPD 類型、缺陷大小
檢測與分類 LLPD 以避免影響良率
與數目去建立其進廠晶圓品質驗收規範。IC 製造商目
晶圓製造商需要具有產品價值的檢測技術，能夠檢測所
前用於測試進廠晶圓品質的傳統技術與方法如下：
有出廠晶圓中的所有重要缺陷 (DOI)，同時擁有高生產能
第 1 步 — 無圖樣檢測工具 — 第 1 取樣
力與符合經濟的操作成本。晶圓製造商有必要捕獲完整
第 2 步 — 以手動視覺檢測確認
的 DOI 類型範圍，並且以最高準確度與純度自動地將它
第 3 步 — SEM 確認
們分類。如此將可避免超過規格以外的晶圓送達 IC 元
直到現在，晶圓製造商一直都無法有效地識別與分類 LLPD，尤其是裸矽晶圓上的重要缺陷類型的分隔 —刻
Crystal
Wire Saw
Lapping
LLPD (Crystal)
件製造商，並且免除由於假陽性率所產生不必要的晶圓 廢棄與捨去。
Etching
Polishing
Inspection
LLPD (Wafering process)
圖 2：簡化的矽晶圓製造程序及平面 LLPD。
2007 年夏季刊 Yield Management Solutions
|
www.kla-tencor.com/ymsmagazine
專題報導 度的資訊（如圖 5 所示）。此 DIC 技術能夠檢測大型、平
Wide Narrow
或淺的缺陷，或是檢測暗視野管道偵測不到的缺陷。
Normal and BF Illumination
在被捕獲的晶圓表面的完整光學資訊之後，會使用新的 演算法（稱為規則基礎分類，簡稱 Bright Field DIC
Collector
Rotating Wafer
RBB）進行分析。
RBB 讓使用者能夠比較五個缺陷管道之間數學或邏輯條 件（這五個通道包括 BF DIC、DF 垂直-寬、DF 垂直窄、DF 傾斜-寬、DF 傾斜-窄），如圖 6 所示。 這些邏輯比較的結果可以用於分類重要缺陷。所有暗 視野管道可以合併成為暗視野複合，而所有五個管道
Scan
Oblique Illumination
（包括明視野），則可以合併成為總複合。總複合及明 視野管道可供識別 LLPD 缺陷，而 RBB 可用於進一步
圖 4：Surfscan SP2XP 照明與光學技術。
第一項檢測步驟中最重要的目標是要儘可能以最高的靈
Normal
Oblique Wide
敏度和具有產品價值的生產能力，擷取完整的表面光
BF DIC
學資訊。如圖 4 所示，新系統 是以垂直與傾斜的入射 角 355 nm UV 鐳射光束照射矽晶圓，以提供暗視野 (DF) 的重要缺陷檢測。從各種不同的缺陷類型所散射的光源
Narrow
會被寬／窄檢測器所收集，以便進行進一步的分析與 分類。此結構會產生四個明顯的光源收集管道（傾斜窄、傾斜-寬、垂直-窄和垂直-寬）。 除了多管道暗視野收集之外，系統也會利用新的明視野 (BF) 照明管道來捕獲其他缺陷類型或表面特性。此 BF 技
圖 6：Surfscan SP2XP 為每個缺陷建立了五 (5)個資訊通道。
術利用干涉差對比 (DIC) 來捕獲相位差，其顯示高度或坡
Signal
0
Convex
A
B
Step
C
Concave
D
E
Time
A
B
Beam motion
C
D
E
Arbitrary surface
圖 5：明視野 (BF) 照明以及微分干涉差對比 (DIC) 技術。
2007 年夏季刊 Yield Management Solutions
|
www.kla-tencor.com/ymsmagazine
專題報導 Grand composite Brightfield
Classification with rules-based binning
Defect classification
RBB
LPD
LLPD crystal
Grand composite
Grand composite with RBB LLPD wafering
Darkfield composite
LLPD wafering
圖 7：規則基礎組合類目結果。
將 LLPD 缺陷區分成為微粒、氣囊、拋光空坑和蝕刻缺
案例研究 2：23 片 200mm 晶圓
在此案例研究中，從各晶圓製造商獲得的 23 片 200mm 晶圓以類似的方式掃描，同時將結果合併以便將傳統方 法與新的 RBB 方法進行比較。SEM 檢查確認在這 23 個 晶圓上總計有 28 個 LLPD 缺陷。 • 傳統方法報告總共 65 個 LLPD - 正確分類出 20 個 LLPD - 45 個微粒被錯誤分類成 LLPD - 有 8 個 LLPD 完全沒有被檢測到 此案例研究的結果顯示於圖 10。 傳統方法因為會將微粒缺陷錯誤分類成 LLPD 缺陷，造 成錯誤晶圓捨棄率增加 69%，同時在 LLPD 缺陷中有 29% 的遺誤率，對於 IC 元件製造商造成未預期的元件良率 影響。
陷。類目系統分析如圖 7 所示。 在圖 8 中所使用的資料是透過七次的 300mm 晶圓檢測 所獲得的。DF 管道資訊（傾斜-窄和傾斜-寬、垂直-窄
新的方法能夠能夠成功檢測所有 28 個 LLPD，如同在 SEM 檢查中所證實。
和垂直-寬）已經合併成一個 DF 複合加上 BF。當 DF 複 合與 BF 缺陷重疊時，共見的缺陷顯示為 LLPD 缺陷。 SEM 分析證實此自動分類有 100% 的純度。 一旦識別出 LLPD 缺陷，就有可能使用透過 RBB 與 DF 管道資料合併的 BF (DIC) 資訊，進一步準確地識別與區
Darkfield composite
Grand composite LLPD : DF & BF
Brightfield
common defects
oblique + normal
分大型微粒、氣囊、拋光空坑和蝕刻缺陷。 LLPD Cluster
使用傳統方法以及 RBB 新技術所獲得的 LLPD 結果的比較 8950 DFC Defects
案例研究 1：20 片 300mm 晶圓
從各晶圓製造商獲得的 20 片 300mm 晶圓接受檢測，同 時將會合併掃描結果，將傳統方法與新方法進行比較。 SEM 檢查顯示總計有 29 個 LLPD 缺陷。 • 傳統方法識別出總共有 28 個 LLPD - 正確識別出 16 個 LLPD - 12 個微粒缺陷被錯誤分類為 LLPD - 13 個 LLPD 缺陷遺失
LLPD LLPD
LPD
Purity
LLPD
17
0
100%
LPD
0
8950
100%
新的 RBB 基礎方法能夠檢測出所有 29 個 LLPD；只有一 個微粒被錯誤分類成 LLPD。 |
www.kla-tencor.com/ymsmagazine
100%
圖 8：DF 與 BF(DIC) 的總複合以了解 LLPD 類目。 True LLPD Missed LLPD Particles classified as LLPD
1ea. 12ea. 29ea.
傳統的方法會將微粒描述為 LLPD 缺陷，因而在晶圓製 造商的最終檢測步驟中造成錯誤晶圓捨棄率增加 43%。 此外，LLPD 總數將會遺失 45%，為 IC 製造商的客戶帶 來風險。
2007 年夏季刊 Yield Management Solutions
17 LLPD Defects
Accuracy 100%
LLPD
此案例研究的結果顯示於圖 9。
56 BF Defects
An overlay of inspection data from seven 300mm wafers
29ea.
16ea.
Missed LLPD
13ea. Conventional method
New approach
Identified LLPD by review
圖 9：目前在 300mm 晶圓製造中面臨的平面 LLPD 挑戰。
專題報導 然大型微粒產生了一些不佳的記憶體單元，但是拋光空 坑完全損壞了記憶體元件，如圖 11 所示。
True LLPD Missed LLPD Particles classified as LLPD
45ea.
LLPD
對於因拋光空坑所造成的故障結構所進行的進一步分析顯示 在 CMP 製程之後，在 Si3N4 蝕刻停止層之上 SiO2 STI（淺溝槽 隔離）薄膜並未完全拋光及移除。因此，後續的濕化學 Si3N4
20ea.
28ea.
28ea.
去除程序在空坑的內部與周圍則無法成功，無法形成記憶體 單元所需的工作電晶體結構。
8ea.
Missed LLPD
Conventional method
New approach
Identified LLPD by review
結論
雖然元件線寬的緊縮能夠帶動靈敏度需求的增加，以捕
圖 10：目前在 200mm 晶圓製造中面臨的平面 LLPD 挑戰。
獲更小型的關鍵尺寸缺陷，然而大型、影響良率的缺陷 LLPD 缺陷類型的電性分析：大型微粒 (LPD) 與大型粒子 (LLPD)
的重要性也持續在增加當中。
為了分析各種 LLPD 缺陷類型的良率影響，進廠的原晶圓 晶圓製造商需要有更好的方法以捕獲並且準確地分類 需要檢測是否有 LLPD 缺陷。在此晶圓上捕獲了兩個 LLPD LLPD，避免不必要的錯誤晶圓捨棄或是將有缺陷不符合 缺陷。SEM 分析會將它們識別為大型微粒以及拋光空坑。 IQC 規格的晶圓運送至的 IC 元件製造業者。在晶圓製造 此原晶圓被允許可繼續完成 80nm DRAM 記憶體元件的製 的早期過程中捕獲並且正確地分類這些缺陷將可擁有快 程。在 LLPD 缺陷位置上的單元進行的電子測試結果顯示 速根源識別的額外優點，能夠讓晶圓製造商在正確的製 即使嚴重程度有所不同，但兩者皆有良率相關的問題。雖 程步驟中快速地執行糾正措施，以確保一致的產品品質。 LLPD Wafering
Large Particles
新的晶圓檢測技術已經充分展現其能力，足以解決晶圓 製造商以及 IC 元件製造業者所面對的挑戰，並且已經 提供一套解決方案以改善產品品質、成本與生產能力。 新的規則基礎分類技術在與多管道製程結合之後，對於 晶圓製造商及 IC 元件製造業者而言，不論是傳統的缺
2104K1C
46 1C
8M1A
90 1A
陷類型或扼殺良率的 LLPD，其缺陷捕獲的能力以及分類
Killer Device
87 77
300mm prime wafer inspection before device processing
93 1A
77
1A
s
的準確度上都有大幅增加。如此將可達成改善晶圓品質 的目標（也是整體產量的重要因素），最終改善晶圓廠 的財務狀況。
Yielding Die
致謝 圖 11：DRAM 元件記憶體單元點陣圖；在 IC 製造時平面 LLPD 與大 型微粒在 80nm DRAM 上的良率影響。
作者在此要感謝 Hynix Semiconductor Wafer Engineering Group 的工程及應用人員，以及 KLA-Tencor Surfscan 部 門對於此原著工作的卓越貢獻以及團隊的努力。
Device failure area
Before CMP After CMP
持，這項工作也無法如此成功。 參考資料
STI Si
圖 12：由於平面 LLPD 的圖樣化以及 CMP 問題所產生的剩餘氧化物 和非條狀氮化薄膜，所造成的元件故障。
2007 年夏季刊 Yield Management Solutions
倘若沒有獲得全球晶圓製造商的指導、資訊及強力支
|
www.kla-tencor.com/ymsmagazine
1. International Technology Roadmap for Semiconductors 2005 Edition, Yield Enchancement, pp. 7–10. 2. C.G. Koh, D.J. Kim, Hynix Technical Report, A06041883, Evaluation Result of SP2 SSIS - 200mm Wafers, UNPUBLISHED. 3. C.G. Koh, B.S. Moon, D.J. Kim, Hynix Technical Report, A06095565, Evaluation Result of SP2 SSIS - 300mm Wafers, UNPUBLISHED.