精品文档---下载后可任意编辑--用较少的硅片解决筛选实验中的混杂问题发表时间：2024-1-3 上海先进半导体股份有限公司 6Sigma 经理 闵亚能 来源：e-works关键字：6Sigma3/4 部分析因设计筛选实验 JMP信息化应用调查在线投稿加入收藏发表评论好文推举打印文本当我们设计一个工艺特性实验遇到因子交互作用混杂时会怎样考虑呢？通常，解决混杂的方法是增加实验处理序列。在这个案例中，我们展示了一个比平常更少实验处理序列的技术（3/4 部分析因设计），这个技术用于刻蚀均匀性实验，从而使得它的均匀性达到目标。 实验概要 问题的由来 由于工艺的精度要求，实验设计在半导体工业中应用越来越广。因为半导体生产设备正变得越来越复杂，多个工艺因子必须在同一描述中被讨论。因为有多个工艺因子，首先要考虑的往往是筛选实验。筛选实验对于筛选主要因子及甄别交互作用效率是最高的。因为筛选实验讨论多因子而实验处理序列较少，但是，它们的结果会导致混杂。所以它常常不能辨别因子的交互作用，而要解决之，往往是增加实验处理序列。 一个案例是气相刻蚀设备在 150mm 硅片转移加工 200mm 硅片中通过增加少量实验处理来解决混杂的问题。为了精确描述新刻蚀工艺的气相刻蚀设备，实施了一个 6 因子 16 个处理，加上 2 个中心点的实验处理，分辨率为 IV 的筛选实验（共 18 个处理）。实验分析了 6 个因子 9 个交互作用的混杂情况来达到改善均匀性的目的。要分清哪些交互作用只有这 16 个处理是根本不可能的。通常的方法是根据折叠原则增加 16 个处理，这些处理是增加另一个 6 因子完全析因实验 26 的 1/4 部分析因设计。但这种通常的方法将要 34 个实验处理，几乎扩大了一倍的实验处理，这些对于时间与资源都是不允许的，所以提出了一个现实的问题：是否可能用更少的实验处理来解决此类混杂问题。 解决策略 学术论文上曾发表过仅用 8 个实验次数来代替增加的 16 个处理的文章，即用 26 个处理来代替 34 个处理。这增加的 8 个处理与原来的 16 个处理一起组成 3/4 部分析因实验，由于增加的 8 个处理，9 个交互作用中的 7 个将被估算出来。 结论 新增 8 个实验处理后，生成了适合 26 个处理的模型，这个模型用于工艺设置的预估与优化。这些预估被实验来检验。结果显示当氧化层刻蚀厚度为 200 Å 时与模型预估吻合，当氧化层刻蚀厚度为 50 Å 时，实际观察到的厚度比模型中预估...
