核心要點

• 工程師需結(jié)合器件專屬數(shù)據(jù)與設(shè)備級數(shù)據(jù)，定位工藝 “最佳區(qū)間”。

• 嚴(yán)格、高頻的設(shè)備間匹配可提升良率與晶圓廠靈活性。

• 機器學(xué)習(xí)能精準(zhǔn)捕捉設(shè)備運行的細微 “特征信號”。

半導(dǎo)體行業(yè)之外的人常會好奇：人類如何日復(fù)一日、穩(wěn)定地制造出幾十納米尺寸的晶體管？如何讓不同工藝設(shè)備、不同產(chǎn)線、不同廠區(qū)的加工結(jié)果保持一致？實現(xiàn)這一點的關(guān)鍵手段之一，就是設(shè)備間匹配（TTTM）。但隨著晶圓廠生產(chǎn)的芯片特征尺寸更小、工藝窗口更窄、復(fù)雜度更高，設(shè)備間匹配正變得越來越困難。

一片晶圓在 3 個月內(nèi)通常要經(jīng)歷600～800 道工序，所有設(shè)備必須輸出穩(wěn)定一致的結(jié)果。負責(zé)檢驗結(jié)果的量測與測試系統(tǒng)，必須滿足行業(yè)最高標(biāo)準(zhǔn)。

Onto Innovation 應(yīng)用工程總監(jiān) PeiFen Teh 表示：“最先進的工藝節(jié)點需要數(shù)百道高度關(guān)聯(lián)的工序，包括多重曝光、高 k / 金屬柵、復(fù)雜刻蝕化學(xué)、選擇性沉積、埋入式電源軌等。在整個制造流程中，每一處微小的工藝缺陷都會累積成復(fù)合效應(yīng)，影響良率。因此，每道關(guān)鍵工序的設(shè)備間匹配規(guī)格，對確保全線工藝穩(wěn)定至關(guān)重要。”

更短的產(chǎn)品生命周期、更快的良率爬坡需求，以及多元化的供應(yīng)鏈，也給設(shè)備匹配帶來挑戰(zhàn)。泰瑞達智能制造產(chǎn)品經(jīng)理 Eli Roth 說：“設(shè)備匹配變得更關(guān)鍵、更難做，因為我們的供應(yīng)鏈分散、產(chǎn)品種類更多，還必須產(chǎn)出完全一致的測試結(jié)果。更復(fù)雜的器件要求更高透明度，安全裕量不斷收緊，先進封裝把更多裸片集成在一起，這都要求器件具備更高的重復(fù)性，進而迫使測試環(huán)節(jié)盡可能降低誤差來源。而且量產(chǎn)爬坡更快，新產(chǎn)品導(dǎo)入（NPI）在進入量產(chǎn)前的穩(wěn)定時間更少。”

設(shè)備匹配（也稱腔體匹配）旨在讓同型號的自動測試設(shè)備（ATE）等輸出保持一致。實現(xiàn)方式有多種，首先會使用NIST 可溯源標(biāo)準(zhǔn)晶圓校驗關(guān)鍵尺寸（CD）等測量精度，再通過調(diào)整硬件參數(shù)讓關(guān)鍵輸出匹配。對于先進工藝，會用數(shù)據(jù)驅(qū)動的機器學(xué)習(xí)模型模擬設(shè)備間復(fù)雜的非線性偏差，晶圓廠再對機群中的其他設(shè)備重復(fù)這套流程。

有時會選用性能最優(yōu)的設(shè)備作為基準(zhǔn)。Roth 說：“行業(yè)廣泛使用黃金設(shè)備或測試載體。我們先用已知良好的參考載體完成標(biāo)定，再將機群中其他設(shè)備與它做統(tǒng)計對齊。” 同時，量化測量系統(tǒng)自身的波動量也非常重要。

設(shè)備匹配不是一次性工作。工藝越先進，匹配頻率通常越高。以下場景必須執(zhí)行設(shè)備間匹配：

• 設(shè)備安裝 / 驗收時

• 導(dǎo)入新產(chǎn)品或新工藝時

• corrective 維護或預(yù)防性維護后

• 更換儀器或組件后

• 定期執(zhí)行：如每天、每班、每批次（先進工藝）

要滿足頂尖器件廠商的需求，需要更多數(shù)據(jù)共享。Onto Innovation 應(yīng)用工程總監(jiān) Melvin Lee Wei Heng 表示：“雖然廠商期望使用供應(yīng)商提供的數(shù)據(jù)做基礎(chǔ)設(shè)備匹配，但器件制造商現(xiàn)在要求在關(guān)鍵工序?qū)崿F(xiàn)更深層對齊，以保證器件性能一致。要達到這種匹配水平，需要獲取晶圓廠級別的器件數(shù)據(jù)，如量測結(jié)果與功能測試數(shù)據(jù)。結(jié)合器件專屬信息與設(shè)備級數(shù)據(jù)，現(xiàn)已成為確認設(shè)備運行在工藝最佳區(qū)間、并在全產(chǎn)線提供一致性能的必要手段。”

布魯克應(yīng)用工程師 Andrew Lopez 說：“我們使用大量 VLSI NIST 可溯源標(biāo)準(zhǔn)做臺階高度與線寬測量。但除了系統(tǒng)校準(zhǔn)，我們還會匹配光學(xué)系統(tǒng)，確保工藝配方從一臺設(shè)備轉(zhuǎn)移到另一臺時，照明設(shè)置不變、光學(xué)組件一致、系統(tǒng)照明一致。” 工程師可借助標(biāo)準(zhǔn)晶圓，將卡尺、傳感器等設(shè)備調(diào)整到嚴(yán)格公差范圍內(nèi)。“我們會校驗多種臺階高度與線寬的線性度，確保系統(tǒng)足夠靈敏，能檢測到來自工藝的波動。”

設(shè)備匹配與設(shè)備指紋識別相關(guān)但并不等同。晶圓廠里的每臺設(shè)備 —— 光刻機、刻蝕機、清洗機、測試機、光學(xué)檢測系統(tǒng)等 —— 在機械部件或磨損痕跡上都存在微觀差異。即使運行相同配方，同型號設(shè)備的表現(xiàn)也會略有不同。通過捕捉與分析這些設(shè)備特征，工程師可以實現(xiàn)設(shè)備間性能對齊。

指紋識別是否受益于機器學(xué)習(xí)，需視情況而定。愛德萬測試云解決方案高級咨詢經(jīng)理 Vincent Chu 表示：“傳統(tǒng)指紋方法依賴人工設(shè)計特征、控制圖與閾值對比，在低維、可預(yù)測的波動場景下效果良好。但如今測試設(shè)備采集的數(shù)據(jù)更豐富 —— 高分辨率參數(shù)、波形特征、時序測量、連續(xù)遙測數(shù)據(jù)。在這些高維空間中，ML 模型能捕捉定義設(shè)備真實運行‘特征’的細微非線性行為，能更準(zhǔn)確、可擴展地表示測試設(shè)備的行為基線，而不完全依賴預(yù)定義指標(biāo)。”

在量測與測試中，精密度與準(zhǔn)確度都是重要指標(biāo)。準(zhǔn)確度指測量值接近真實值的程度，可通過與已知標(biāo)準(zhǔn)（如帶多種結(jié)構(gòu)的標(biāo)準(zhǔn)晶圓）對比實現(xiàn)，但難度很高。

Fractilia 聯(lián)合創(chuàng)始人兼 CTO Chris Mack 說：“我們希望確保每一項量測輸出都可標(biāo)記為準(zhǔn)確，但幾乎不可能實現(xiàn)。我們幾乎總是先追求精密度，當(dāng)長期穩(wěn)定達到目標(biāo)后，最終就能獲得良好良率。于是我們會稱其為‘準(zhǔn)確’，但這并非 NIST 標(biāo)準(zhǔn)量測結(jié)果意義上的準(zhǔn)確數(shù)值。盡管如此，精密度仍是我們最關(guān)注的量測設(shè)備核心特性。”

精密度由多次測量同一結(jié)構(gòu)并記錄中心值周圍的波動程度決定。

設(shè)備匹配如何工作

需要匹配的指標(biāo)因設(shè)備類型而異。例如在聲學(xué)顯微鏡成像中，指標(biāo)包括圖像強度、信號幅度、深度響應(yīng)與缺陷檢出能力。諾信聲學(xué)顯微鏡產(chǎn)品線經(jīng)理 Bryan Schackmuth 說：“我們采用長期穩(wěn)定性監(jiān)測（LTSM）或全局設(shè)備匹配。它使用已知參考樣品與軟件算法，通過歸一化聲學(xué)圖像響應(yīng)補償系統(tǒng)間差異，確保不同設(shè)備、不同廠區(qū)的檢測結(jié)果一致。LTSM 可實現(xiàn)圖像歸一化，無需操作員手動調(diào)整就能獲得匹配圖像。這種全局匹配流程通常在工作頻率變更（如更換探頭）、每班開始前或每天執(zhí)行。”

量測數(shù)據(jù)與電學(xué)測試結(jié)果的關(guān)聯(lián)越來越緊密。Onto Innovation 產(chǎn)品管理總監(jiān) Joe Fillion 說：“設(shè)備匹配通常基于步驟層級執(zhí)行，每家晶圓廠或原始設(shè)備制造商（OEM）的做法略有差異。首先做指紋或配置對比，設(shè)備需在軟硬件層面盡可能匹配 —— 相同軟件版本、鏡頭、光闌、光源、質(zhì)量流量控制器（MFC）等。達到合理匹配后，設(shè)備通常執(zhí)行標(biāo)準(zhǔn)自動測試或校準(zhǔn)流程，確保行為一致。若結(jié)果符合規(guī)格，再執(zhí)行標(biāo)準(zhǔn)認證流程，測量晶圓上的實際性能。這些結(jié)果會設(shè)定目標(biāo)值與上下限，確保運行在可接受區(qū)間。”

Onto 的 Teh 給出了設(shè)備匹配的分步指南：先對齊每個設(shè)備組件的性能，再監(jiān)控機群匹配水平，包括：

1. 組件級校準(zhǔn)：監(jiān)控系統(tǒng)健康檢查參數(shù)，超標(biāo)時執(zhí)行校準(zhǔn)

2. 系統(tǒng)級校準(zhǔn)：在標(biāo)準(zhǔn)晶圓上測量機群設(shè)備的光譜響應(yīng)

3. 光譜校準(zhǔn)：用于提升機群匹配水平

4. 參數(shù)結(jié)果監(jiān)控：使用標(biāo)準(zhǔn)晶圓（測量 CD、厚度或材料常數(shù)），必要時重新校準(zhǔn)以優(yōu)化各參數(shù)的設(shè)備匹配度

在測試設(shè)備上，工程師需要管控組件漂移。泰瑞達的 Roth 說：“熱傳感器會隨時間漂移，存在時序偏移。我們通常通過定期校準(zhǔn)與參考檢查管理漂移，并持續(xù)將設(shè)備與參考掃描儀對比，明確偏差程度與校準(zhǔn)時機。統(tǒng)計過程控制（SPC）監(jiān)控與大數(shù)據(jù)監(jiān)控是其他檢測方式。我們會持續(xù)進行周期性計算。”

根據(jù)設(shè)備配置，部分設(shè)備級校準(zhǔn)可內(nèi)置實現(xiàn)。Modus Test 首席運營官 Jesse Ko 說：“我們的測試機基于高精度電阻，采用自校驗方法確保每次測量準(zhǔn)確，以此確認每臺設(shè)備已校準(zhǔn)，并在多臺測試機間提供一致測量結(jié)果。”

電學(xué)測試與量測通常協(xié)同工作。Onto 的 Melvin 說：“晶圓廠已集成在線電學(xué) / 功能測試，確保設(shè)備性能不會對器件產(chǎn)生影響。在部分關(guān)鍵工序，會進行截面分析，確保敏感層形成的輪廓符合器件規(guī)格，彌補傳統(tǒng)量測的不足。”

另一種思路是從結(jié)果倒推，而非從設(shè)備出發(fā)。英特爾當(dāng)年的 “精準(zhǔn)復(fù)制”（Copy Exact）策略 —— 在廠區(qū)完全復(fù)刻設(shè)備、方法、工藝 —— 卻產(chǎn)出不同結(jié)果，最終將波動原因鎖定在濕度等環(huán)境條件。校準(zhǔn)設(shè)備可能只是復(fù)雜排查的第一步。

PDF Solutions 全球晶圓廠應(yīng)用解決方案經(jīng)理 Jon Holt 說：“設(shè)備型號相同、校準(zhǔn)相同，要確保測量準(zhǔn)確，因為這是不同廠區(qū)間波動的潛在來源。可以在同一位置測量或使用同一臺設(shè)備。但還要更全面、整體地看待環(huán)境變量：冷卻水、供氣、氣體分配是否一致，并整合所有必要信息。最終真正的挑戰(zhàn)是功能性：組件是否按預(yù)期工作？器件電流、擊穿電壓、增益、速度是否達標(biāo)？并不是插上前向糾錯（FEC）工具、匹配所有傳感器輸出，腔體就匹配了，但愿能這么簡單。”

“熄燈” 晶圓廠

隨著行業(yè)邁向全自動化運營，設(shè)備間匹配將與生產(chǎn)結(jié)合得更緊密。Roth 說：“它將從周期性校準(zhǔn)驅(qū)動，轉(zhuǎn)向持續(xù)數(shù)據(jù)驅(qū)動的監(jiān)控系統(tǒng)。不再需要拿著參考卡反復(fù)檢查，而是實現(xiàn)持續(xù)自動化監(jiān)控與告警 —— 比現(xiàn)有方案更智能的版本。”

值得注意的是，不久前，現(xiàn)場的獨立 CD-SEM 還不做匹配。Fractilia 的 Mack 說：“我們最初并未計劃推出改善設(shè)備間匹配的產(chǎn)品。但我們發(fā)現(xiàn)，通過測量 CD-SEM 誤差并從量測結(jié)果中剔除，以提升量測準(zhǔn)確度的方案，自然帶來了更好的設(shè)備間匹配。在 CD-SEM 上疊加我們的技術(shù)，設(shè)備間匹配性能提升了10 倍。”

CD-SEM 的下一步是管控隨機效應(yīng)。“CD-SEM 間的設(shè)備間匹配非常困難，因為所有關(guān)鍵尺寸的公差都在收縮。再加上線寬粗糙度、線邊緣粗糙度、CD 均勻性等隨機效應(yīng)的設(shè)備間匹配需求，這是行業(yè)從未做過的事，我們相當(dāng)于在開創(chuàng)方法。”

由于信噪比維持難度上升，量測領(lǐng)域開始轉(zhuǎn)向機器學(xué)習(xí)。Onto 的 Teh 解釋：“隨著結(jié)構(gòu)尺寸縮小，需要匹配的對象更難測量。我們預(yù)計亞 1nm 參數(shù)的光譜靈敏度將接近量測設(shè)備的噪聲底。部分極小尺寸參數(shù)會被更敏感的參數(shù)掩蓋。在這種場景下，ML 模型可用于放大關(guān)鍵信號。”

除放大信號外，ML 模型還能有效管理設(shè)備指紋，記錄并識別設(shè)備的變更，將這些變更與設(shè)備性能（硬件、軟件、晶圓結(jié)果）關(guān)聯(lián)，提升對因果關(guān)系的理解。建立可信度后，下一步將是自動化決策。

愛德萬的 Chu 說：“ML 將設(shè)備指紋從人工定義統(tǒng)計，升級為學(xué)習(xí)型行為表征，在先進測試系統(tǒng)在大批量機群中產(chǎn)生海量數(shù)據(jù)的場景下尤其有用。ML 還能增強異常檢測，這對量產(chǎn)測試至關(guān)重要。通過學(xué)習(xí)特定測試單元的正常行為模式，模型能比靜態(tài)閾值更早、更可靠地識別由校準(zhǔn)漂移、組件老化、環(huán)境變化或負載板效應(yīng)引起的早期偏差。在多設(shè)備機群中，ML 能凸顯可能影響分 bin 或相關(guān)性的測試設(shè)備差異。需要強調(diào)的是，ML 是補充而非替代傳統(tǒng)統(tǒng)計方法。”

結(jié)論

設(shè)備間匹配對晶圓廠與測試廠并非新工藝，但隨著器件微縮、復(fù)雜度提升、工藝窗口收縮、公差收緊，難度顯著增加。在2nm 節(jié)點，量測系統(tǒng)已逼近物理極限，任何信噪比提升都備受期待。

例如，工程師測量 3nm 結(jié)構(gòu)時，套刻精度要求低于0.3nm。要實現(xiàn)這一點，必須對線邊緣粗糙度、線寬粗糙度、CD 均勻性的隨機效應(yīng)建模，才能完成 CD-SEM 設(shè)備間匹配。

工程師通常從對比設(shè)備特征開始，將設(shè)備匹配細化到組件級。從組件到系統(tǒng)再到參數(shù)校準(zhǔn)，在機器學(xué)習(xí)助力下，匹配變得更精密、更自動化。要在量測領(lǐng)域?qū)崿F(xiàn)更精細的設(shè)備間匹配，工程師需要接入晶圓廠的電學(xué)測試數(shù)據(jù)，確保最終獲得晶圓廠真正需要的結(jié)果：每次都產(chǎn)出高良率、高性能芯片。設(shè)備間匹配在保障高良率方面發(fā)揮關(guān)鍵作用，尤其在最先進的器件節(jié)點。