MInitab案例：蒙特卡罗模拟在化学机械抛光中的应用

点击立即下载Minitab Workspace

案例背景

利用沉积/抛光/光刻工艺在集成电路上创建若干互连层。晶片均匀性是关键，厚度必须恒定。现在遇到的问题是：抛光后，均匀度不够。由于晶圆片中心打磨不足，残留的氮化物会造成产量损失(均匀性规范为10%)。

在半导体工业中，化学机械抛光(CMP)工艺用于生产尽可能平整的晶圆片，以保持较高的成品率。为了提高氮化物去除率，缩短循环时间，进行了实验设计。研究了晶圆片制造过程中的六个因素。

A: 下压力  B: 恢复力  C: 振荡  D: PAD类型  E: 载具速度  F: 工作台速度

通过Minitab中的DOE分析结果表明，在六个因素中，下压力（A），载具速度（E）和工作台速度（F）以及下压力*载具速度交互作用（A * E）均具有显着影响去除率。

去除率 = 253 + 3.49下压力 – 4.98载具速度 + 1.58工作台速度 + 0.033下压力*载具速度

Minitab中的优化工具用于确定最佳设置，以最大程度地提高去除率（缩短循环时间）：需要保持较低的载具速度，而必须增加下压力和工作台速度。

但是，DOE中给出最佳解决方案还不够，还需要考虑工艺窗口对制造环境变化的稳健性。故我们在DOE之后又考虑了基于蒙特卡罗模拟的灵敏度分析，以估计标准操作条件下的产量和Cpk值。(目标：去除率至少达到1100埃/分钟。)

蒙特卡罗模拟

• 由历史数据指定显著因子的分布和参数，把方程输入，并指定规格限要求。

注：方程您可以手动输入，也可以直接导入Minitab中DOE分析的项目文件。

我们来看一下，50000次的模拟结果。

• Cpk只有0.7286，不良率高达1.49%，我们需要做进一步的“参数优化”。

指定的因子搜索范围（Low值和High）可以基于历史数据或工程经验得到。

我们再来看一下“参数优化”后的仿真结果。

参数优化后，Cpk可以达到1.48，不良率下降为0%。

• 参数优化对平均值做了调整，调整前后的设置如下。

• 至此，如果对结果还不是很满意，我们还可以做“敏感性分析”，通过改善标准差来降低不良率。

在当前数据中，我们可以看到敏感性分析对不良率几乎没有影响（一条水平线）。

总结

蒙特卡罗模拟是一种定量分析，它通过在输入中包括可变性来说明系统的风险和不确定性。通过5个步骤：

1. 确定方程式（回归或DOE确定）；
2. 定义每个输入变量的分布；
3. 执行蒙特卡洛模拟；
4. 执行参数优化；
5. 执行敏感性分析。

蒙特卡罗模拟可以帮助我们回答以下问题：

1. 哪种分布最适合我的输入数据期望输出什么值nbsp;
2. 给定输入参数的不确定性，我的过程或产品的能力如何nbsp;
3. 实现我的目标的最佳设置是什么nbsp;
4. 输入的变化如何影响响应的变化/span>

Minitab是做质量分析的工具，不知道您是否有产品质量这方面的困扰呢妨试试产品质量分析及预测方案吧！点击咨询在线客服

标签：