無償購読申込・変更
Email Newsletter登録
記事検索

検索方法の詳細


2005年7月号
BKM(Best Known Method）
欠陥密度を50％削減
Bruce Whitefield
Manu Rehani,
Nathan Strader
米LSI Logic 社
www.lsilogic.com
　米LSI Logic社のパーティクル管理チームは、資金の追加や既存の製造装置の置き換え、もしくは最新のパーティクル測定器などを投入することなく、歩留まりと生産性を改善するための最も適した方法を解明した。この取り組みにおいて、装置パーティクル測定のプロセス全体を調べ、全ラインをサポートするデータシステムのインフラを作り上げた。結果として、工場全体で欠陥密度は50％以上減少した。
＊　＊　＊　＊
　半導体業界では、製造装置を生産ラインに適用するために、プロセスステップごとにパーティクル測定を定期的に行っている。世界中の製造オペレータが1日に数え切れないほど行っている。この測定結果に基づいて、装置のパーティクル性能を評価している。パーティクルが製品歩留まりに重大な影響を及ぼすにも関わらず、測定方法は非常に単純なものが使われている。データシステムは、製造オペレータ向けのパーティクル分析システムや従来のSPC（Statistical Process Control）管理システムが使われている。
　米LSI Logic社は米オレゴン州グレシャムにある半導体工場の全ての製造装置で、装置管理のBKM（Best-Known Method: 最適な手法）とパーティクル管理を改善するデータシステムをどのように取り入れるかを検証した。装置のパーティクル測定のプロセス全体を見直しを行い、工場全体をサポートするデータシステムのインフラを構築した。この新しいデータシステムは、「Yield DRIVER　(Defect Reduction through Improved Visibility of Equipment Results)」と呼ばれている。

Advertisement
歩留まりと生産性

　半導体製造工場の収益に最も影響を与えるのは、製品の歩留まりと装置の生産性である。これらに重要な作業となるのがパーティクル測定である。パーティクル測定は、製品が装置に投入される前に致命的なパーティクルを発生してないかを確認するために行う。生産ラインでは、微細化と経済性の理由からパーティクルを低減させ、装置を厳しく管理しなければならない。パーティクル測定は慎重に行われなければならないが、多くのオペレータが実施できるように簡単に操作できるものでなければならない。
　2002年にLSIはグレシャム工場で、装置のパーティクル性能を50％改善しなければならなかった。コストを増加させずに装置全体の稼働率を上げながら、現存の装置で行わなければならかなった。この改善のために、工場全体の各部門から集結しパーティクル管理チームが結成された。

パーティクル低減のアプローチ

　パーティクル管理チームは、まず現在工場全体で適用されいてる装置の管理方法に改善の余地がないかを分析した。その結果、パーティクル制御に関する知識はどの組織も豊富であるが、一様に適用されているわけではなく、全てのBMKが工場全体で共有し、活用されていないことが分かった。
　さらに、最も効果的な方法は既存の最善手段を迅速かつ完全に遂行し、効率的に実行できるシステムを構築する必要があるという結論に達した。

なぜ導入が進まない？

　パーティクル管理チームは、BKMを特定し記録することから行っていった。この過程でなぜこれらの手法が広く適用されていないのか、その理由が明らかになった。
　ほとんどの問題の原因は、情報伝達にあるとよく言われている。これは実際に装置のパーティクル管理においても当てはまる。
　プロセス、システムおよび組織は、それぞれ関連しているが異なった平面上にある。装置のパーティクル管理手法は、これらの3点を成功へと導かなくてはならない。例えば、エッチング装置のオペレータ（組織）がMES（Manufacturing Execution System）内のテストウェーハの監視を行う場合、装置スペック（プロセス）に従う必要がある（図1）。次に、欠陥分析ソフトを使用して歩留まりオペレータ（組織）は分析スペック（プロセス）に従って進まなければならない。パーティクルモニター運用の目的は、これらの3点がシームレスに合うよう導くことである。もしこれらがひとつでも合っていないならば、パーティクル管理はうまくいかない。
図1　装置のペーティクル管理は、最良の方法に従うと（Process）、構造上の変化に対してチームの力量が及ばなくなり、システムインフラはそれらに応じて調整をしなければならない

　装置のパーティクルを改善するために、全体のワークフローを考慮する必要があった。組織に何も変えることなく、プロセスはBKMに従わなければならない。そのためシステムは、安定したワークフローを生み出すために調整する必要性が出てきた。

プロセスディメンション＝BKM

　装置のパーティクル管理を行う上で、データシステムと組織がそれぞれのプロセスエリアでBKMの実行をサポートする必要がある。BKMはプロセスマネージャ、装置オーナー、現場監督およびスタッフによる会議によって決定される。BKMは2種類の文書によって記録される。1つ目は、DCR（Defect Control Reference）で、プロセスオーナーに最適な生産装置のパーティクル管理プランを思案するためのテンプレートを提供する。このDCRは次のようなプロセスに対して特に有効である。
　・テストによって検知されるべきDOI（Defects of interest）の記録
　・装置を通過する生産ウェーハフローの確認とテスト
　・生産プロセスを捉えるテスト･測定方法の選択
　2つ目は、生産装置のパーティクル管理プランと工場規格の追加を目標にしている。56の慣例があり以下の3つの段階に分類されている。
　・段階1：基本、注意点、オーナーシップ
　・段階2：BKMの増加
　・段階3：欠陥低減とコスト最適化
　それぞれのBKMは細部にわたって定義され、どのようにして実行するべきか検討される。この分析のから必要なインフラ機能が明らかになった。段階1のように、全ての実例がシステムの変化を要求しているわけではない。BKMとシステムの改善を並行して行うよう決定した。これらを実行に移し障害を見極めるため、それぞれのプロセスエリアの製造、装置メンテナンス、プロセス技術のグループと共に週一回の会議を開きパーティクル管理チームはDCRプランと実施段階の状況を見直した。

データシステムに必要なもの

　生産装置のパーティクル管理を行うBKMと組織が決定したら、今度は確実に運用できるようにするため、データシステムに必要なものを決めなければならない。インフラは3つのカテゴリーに分類される。
　・Reference Documentation （参考資料）
トレーニング資料、BKM、DOI 1）、OCAP（Out of Control Action Plan）制御不能時の対策案
　・Data System（データシステム）
BKMのサポート機能、測定基準と報告、使用基準と報告
　・Tools（ツール）
モニターコストの最適化を行う計算機、DCR計画テンプレート、DOIテンプレート

データシステムのアプローチ

　従来のアプローチは、それぞれテストを行って増加したパーティクル数を捕らえ、SPCコントロールチャートに反映するものだった。最新式のSPCシステムでは、指数加重移動平均チャート（EWMA：Estimated Weighted Moving Average）を使って正常でない分布を明らかにすることができる。2）これは優れたアプローチであるが、データ内のノイズによって制限され、パーティクルの発生パターンや分類などの有益な情報をどうしても見逃してしまう。さらに重要なことには、プロセス前後の測定と分析のために、ワークフローはBKMを容易なものにしなければならない。そこで今回は、パーティクル解析機能をSPCチャート用に開発するより、SPCチャート化機能をパーティクル解析装置に追加する方が効果的であると判断した。
　高性能なソフトツールは、インライン状態でのパーティクルデータ解析によく使用されている。3）4）米KLA-Tencor社のパーティクルデータ分析ソフト「Klarity」は、インラインの検査データを分析するために設計されており、経験のあるユーザーに高性能でインタラクティブな機能を提供している。しかし、その機能はパーティクル測定結果を特定のプロセスエリアからプロセスの種類へ、装置からサブコンポーネントへ、最終的にはテスト時間へとリンクする情報系等を管理するデータ構造に限られている。今回の場合は、測定結果の傾向を捕らえる特定の要求を満たすために、既存のパーティクルデータベースを他のデータソースにアクセスできるユーザーインターフェースを開発することにした。この新しいインターフェースをYield Driverと呼ぶ。
　BKM機能をこのシステムへ組込むことで、Yield Driverは装置のパーティクル管理を簡単に行えるようになった。
図2　欠陥データを収集し、プロセスエリア、テストおよびテストされている装置を結びつける手法
テストデータの関連性

　多様なBKMをサポートするために、プロセス前後のパーティクル測定とプロセスエリア、実行されているテスト、テストされている装置のコンポーネントを常に結びつける機能が付加され、プロセスと装置へのパーティクルの影響を正確に算出する。これをデータ・アソシエーションという。しかし、120人のオペレータとエンジニアが180もの装置をテストし、300以上の工程を作動させている工場において、このデータ管理方法は簡単には行えない。
　テストウェーハロットをテスト専用にし、工場のMESを通して管理することで、データ・アソシエーションを自動化することができたが、MES内に新しい機能が必要になりテストウェーハの在庫が増加してしまう。現実的なアプローチは、測定直後にユーザーがデータを関連付けることである。図2はパーティクルテストのダイアグラムと、どのようにしてパーティクルデータが収集され結合されているかを表している。ユーザーがプルダウンメニューから実行されたテストを選択し、GUIを通してデータ・アソシエーションを行う。次にテスト前後の測定データを選び、GUIを通して測定前後のデータをリンクさせる。
　これにより、既存の測定ツールとデータベースを用いてパーティクルデータとプロセス、テストされている装置を関連付ける手法はシンプルで効果的であることが分かる。この手法によって、前回のテストの測定後出力を次のテストの測定前出力として使用することも可能になり、測定に割く時間が短縮できる。
図3　分析用にデータを選出するメニュー画面
ドリルダウン分析

　工場の組織形態に合わせるため、測定データの選択はプロセスエリアの選択から行う。メインのチャート画面には装置のパーティクル測定をサポートするために設計された掘り下げ機能（ドリルダウン）がある。必要なデータが選ばれると（図3）、希望する時間枠のデータが表示される。
　測定データはSPCチャート形式で表示される（図4）。データにはパーティクル管理をサポートするための追加機能がある。以下がこの追加の記録機能である。
図4　図3によって選出されたデータのSPC分析

・ “C”とある点は、検査・分類されたデータを示す
・ データポイントをクリックすると分類データとウェーハマップが表示される
・ コントロールリミットから上の点は範囲外の除外データとなる。除外データは直接行われていないが、性能計算を基にした分類マップによって自動的に処理されている。
・ 長方形状の点は、データ収集直後に検査されなかったデータポイントを示す。認識しやすい形跡で不具合に対しすばやい反応ができるよう、ウェーハマップを常に確認するBKMをサポートしている。
・ 別のチャートに多数のパラメータがプロットされている。これは、鍵となるBKMがパーティクルのトータルカウント数（TDC：Total Defect Count）よりも歩留まりに大きな影響を与える厄介なパーティクルにしっかりと対応できるようサポートしてくれる。これによって、ADC（Automatic Defect Classification）で指定される別のパーティクルタイプのチャートやリミットを展開することができる。
・ チャートと共に装置ステータスが表示され、プロセス装置が稼働中かダウンしているかが分かる。
・ チャートにはいくつかリンクがあり、DOI、OCAP、DCRや装置メンテナンス履歴などの参考資料にすばやいアクセスができる
　パーティクルデータがグラフ化されると、メトリクスタブにパーティクル管理に有用な計算が表示される。
・ AvgDefとは、コントロール、スペック、目標値をすばやく比較するためのチャート上の平均パーティクル性能である。
・ AQBF（Average Quals Before Fail）とは、故障間のテスト数の指標である。
・ Exl％とは、計算から除外したデータポイントの割合である。ポイントの除外はデータ分類を元に実行される。装置ダウン後のトラブルシューティングテストやパーティクル測定トラブルが起きた場合など製品ウェーハにとって有効ではないデータを排除する。
・ ％Aとは、区別されている、もしくは注記されているコントロールリミットを越えたデータポイントの割合である。
・ ％OOCとは、コントロールルールにそぐわないデータポイントの割合である。
・ ％Rとは、適時に点検されたデータポイントの指標である。BKMの基準として、パーティクル測定後1時間以内に全てのデータポイントはクリックされマップを閲覧されなければならない。
・ YD#とは、チャート上のデータポイント数である。
・ CCLとは、チャート上のデータのみに基づいて計算されたコントロールリミットである。これによって、コントロールリミットと、最低の性能を示したチャンバを素早く確認することができる。
・ CLとは現在のコントロールリミットで、Specは仕様リミット、Lrnは学習目的とした追加欠陥分析のきっかけとなる任意リミットであり、コントロールリミット、仕様リミットからは独立している。Goalとは、コントロールリミットの目標レベルである。
　これらのメトリックスは装置形式やプロセス、エリアを工場のマネージャに全体の性能マトリックスを提供する。
図5　ある欠陥における分析結果一覧
欠陥オーバーレイとマップ確認

　これまで、パーティクル数はプロセス前後のパーティクル数を差し引いて計算されてきた。この方法では結果が誤ってクリーンな装置を指し示す可能性がある。5）これはパーティクル測定をBKMに基づいて行ったとしてもウェーハ上に膜を堆積または除去するプロセスでは、プロセス前にあったパーティクルがなくなり、見かけ上パーティクルが少ないという結果を出すことがある。
　マップレビューのBKMとは、全てのデータポイントについてプロセス前とプロセス後、増加分パーティクルの測定データオーバーレイのマップを2時間以内にチェックすることである。データポイントをクリックすることでこれら三つのマップが表示され、マップレビュー作業を円滑にしているパーティクルマップからチャートの分析セクションに移動でき、図5に示すようにパーティクル画像や他の分析機能が表示される。

BKMを運用する

　部門マネージャは、毎月または3ヵ月ごとの工場全体の性能レビューを含んだトレンドチャートが必要になってくる。その前に、システムが要求通りに実行されているか、システムが日々の稼動で目的通りに使われているかを確認しなければならない。標準の操作手順にするために、結果、オペレーション、実施に関してメトリクスを適用した。
図6　あるエリアで過去24時間における不合格になったテストのレポート。社内イントラネットでアクセス可能
　図6のレポートは、勤務交代や生産ミーティング時など毎日素早くチェックするためにある。このレポートは、あるエリアにおいて24時間以内に不合格になった全てのテスト詳細を表している。このシステムはすぐにアクセスできるように社内イントラネット上に掲載してある。
　エリア別のウェブレポートはYield Driverの結果を週ごとの傾向や装置別のパーティクル性能を表している（図7）。これにより、マネージャは全体のエリアの結果を一目で見ることができ、他のプロセスよりも不合格の多いプロセスを特定することができる。このレポートはインタラクティブであり、ユーザーはチャートをクリックするだけで特定装置の詳細データにアクセスすることができる。
図7　この週ごとの欠陥パフォーマンスチャートによってFabマネージャーがエリア別に結果を見ることができ、不合格の多いプロセスを特定することができる。このインタラクティブなレポートはドリルダウン分析も可能である
　図8は、組織がどれだけ上手く欠陥データに対して機能し対応しているかを評価するのに使われている表を表している。％OCC(Percentage Out of Control、コントロール不能なデータポイントの割合)、計算から除外されたデータポイントの割合、（2時間以内に）承認が確認されていないウェーハマップの数などを示している。マネージャは、このレポートを用いてどれだけのデータポイントが計算から除外されているか、どれだけ確認されていないウェーハマップがあるかなどを見極めることができる。継続して改善していくため、％OCCは5から10％の間に維持されなければならない。％OCCは使用限界値を表す関数である。この値が0の場合限界値が緩い。大きい場合は限界値が厳しく、頻繁にプロセス停止を起こすことがある。
図8　全体パフォーマンスのレビューとして、この表はコントロール不能なデータポイントの割合、計算から除外されたデータポイントの割合、承認が確認されていないウェーハマップの数を表している
工場全体で50％以上の欠陥密度を低減

　生産装置のパーティクル管理を行い、工場全体で50％以上の欠陥密度を低減することができた。このため、不具合間の平均テスト数が30％上昇し、装置アップタイムの改善を実現することができた。
　図9は、プロセスフロー中20箇所の自動インライン測定データから算出された製品歩留まりに影響を与えるパーティクルの傾向を表す。この傾向はウェーハ電気テストの歩留まり向上に一致している。他社でも、これと似たような結果が報告されている。
　自動オーバーレイのパーティクル増加を算出することにより、テスト性能を低下させずにパーティクル数が高いウェーハでも使用することができる。すなわち、テストウェーハが長期間使用できるようになり、テストウェーハのコストを下げることができる。プロセスステップの中にはパーティクルレベルの高いウェーハを使って測定することができる。
　このデータシステムは、プロセス後のパーティクル測定データを次回のプロセス前のデータとして利用することが可能であるため、パーティクル測定ツールを有効に使用することができる。
図9　インライン状態の検査で測定された全体の歩留まり影響力
シンプルな装置認定試験をパワーアップ

　装置のパーティクルを低減させたことにより、歩留まりと装置稼働率を改善することができた。既存のプロセスと測定ツールを使って、パーティクル管理BKMを適用することにより実現することができた。
　プロセス全体の見直しを行い、適切なデータインフラを構築することにより、装置状態の確認テストが容易に行えるようになった。装置のパーティクル管理をサポートするために開発されたデータシステムが中心的役割を果たした。
＊　＊　＊　＊
Bruce Whitefieldは、半導体製造において25年の経験を持つ。プロセス技術、組立技術、歩留まり向上分野での技術管理職。現在は米オレゴン州グレシャムにあるLSI Logicの工場でプロセスコントロールディレクタを務める。米オレゴン州立大学で化学工学の理学士号を取得。プラズマエッチとOPC、歩留まり分析方法、プロセス・生産後の統計データシステムに関する14の米国特許を所有している。
E-mail: brucew@lsil.com
Manu Rehaniは、LSI Losicにおいて歩留まりデータシステムの責任者。歩留まりデータ収集と分析をサポートするシステムの開発、展開、維持を担当している。意思決定支援のデータ変換、プロトタイプ応用に基づいた短時間でのソフト開発方法論などを発表している。1997年にLSI Logic入社。米オレゴン州立大学の化学工学で修士を取得している。
E-mail: mrehani@lsil.com
Nathen Straderは、2001年からLSI Logicのシステムアナリストとして勤務。その間、LSI Logic Manufacturing Service の工場で、欠陥、歩留まり、E-testビジネスプロセスの自動解決法のソフトウェア開発主任を務めている。米オレゴン州立大学で管理情報システムの修士を取得。
E-mail: nstrader@lsil.com
＊　＊　＊　＊
参考文献
1. D.H. Laughlin, “Equipment Defect Reduction Methodology,” Tencor Yield Management Seminar, 1996.
2. D.C. Montgomery et al., “Statistical Monitoring Techniques for Contamination Data,” J. of the Institute of Environ. Sci., March 1997.
3. A.E. Braun, “Defect Detection and Review Enter New Era,” Semiconductor International, May 1998, p.61
4. Y. hiau et al., “Wafer Defect Data Management: An On-line Client-Server Solution” Semiconductor International, May 1995, p.79
5. A.Y. Wong, “Defining Process Equipment Defect Levels” Semiconductor International October 1997, p167
6. M.P. Bilodeau and W.D. Delibac, “Equipment Maintenance Focus in Defect Density Improvements, ”Proc. of the Advanced Semiconductor Manufacturing Conf., 2004, p.22.

HOME | SI(日本版)について | 無償配付申込・変更 | サイトマップ | お問い合わせ | 広告掲載について | 関連サイト