In der Halbleiterfertigung ist eine schnelle und zuverlässige Qualitätsprüfung von Halbleiter-Wafern entscheidend, um die Ausbeute zu sichern und die Produktion zu beschleunigen. Herkömmliche Prüfverfahren wie die optische Mikroskopie oder elektrische Tests bieten nur begrenzte Einblicke in Strukturen unterhalb der Oberfläche und in Materialinhomogenitäten. Dies kann zu Schwankungen der Bauteilleistung oder zu späteren Ausfällen führen.
Die konfokale Ramanmikroskopie bietet einen zerstörungsfreien und hochempfindlichen Ansatz zur Untersuchung der Materialeigenschaften über einen gesamten Halbleiter-Wafer hinweg. Das konfokale multimodale Mikroskop RMS1000, ausgestattet mit WaferMAP® und integriert mit dem Python-Modul RamanQA, macht daraus einen vollständig automatisierten Qualitätssicherungs-Workflow. RamanQA extrahiert wichtige Spektralparameter, wendet Toleranzschwellen an und erzeugt mithilfe multivariater Analysen objektive Pass/Fail-Entscheidungen.
Diese Application Note zeigt, wie RamanQA die Qualität von Halbleiter-Wafern schnell beurteilen, automatisch Pass/Fail-Karten erstellen und Ingenieuren sowie Forschenden verwertbare Erkenntnisse liefern kann. Durch die Kombination einer Datenerfassung mit hohem Durchsatz und einer robusten statistischen Analyse ermöglicht RamanQA ein schnelleres und zuverlässigeres Wafer-Screening und optimiert sowohl die routinemäßige Qualitätskontrolle als auch die detaillierte Fehlerdiagnose.
Kernpunkte
- Sparen Sie Zeit und erhöhen Sie die Zuverlässigkeit der Wafer-Qualitätsanalyse durch ein automatisiertes Raman-Screening des gesamten Wafers mit RMS1000 und WaferMAP.
- RamanQA in der Ramacle Python IDE gewährleistet eine hohe Empfindlichkeit und eine robuste Qualitätssicherung von Wafern, indem Peakparameter und multivariate Pass/Fail-Schwellenwerte des Spektraldatensatzes kombiniert werden.
- Die Ergebnisse werden automatisch in umfassenden, auditfähigen Berichten mit Karten, Histogrammen und Tabellen zusammengestellt. So können Ingenieure Problembereiche schnell lokalisieren und fundierte Qualitätsentscheidungen treffen.
Schritt für Schritt: RamanQA-Methodik
Die RamanQA-Methode wendet eine automatisierte Extraktion spektraler Merkmale und eine statistische Toleranzanalyse auf große Wafer-Datensätze an. Der Arbeitsablauf ist nachfolgend zusammengefasst:
1. Datenerfassung in WaferMAP
In WaferMAP werden Raman-Spektren über den gesamten Halbleiter-Wafer hinweg erfasst. Der resultierende Bilddatensatz enthält Hunderte bis Tausende Spektren. Jedes Spektrum beschreibt den Zustand eines kleinen Bereichs auf der Wafer-Oberfläche und enthält Informationen über lokale Spannungen, Defekte, Materialinhomogenitäten oder Oberflächenverunreinigungen.
2. Extraktion der Raman-Peakparameter
Für jedes Spektrum wird der primäre Raman-Modus des Wafers detektiert (z. B. 520 cm⁻¹ für Si, 567 cm⁻¹ für GaN und 1581 cm⁻¹ für Graphen). Anschließend werden Peakintensität, Peakposition und Halbwertsbreite (FWHM) extrahiert (Tabelle 1). Diese Werte bilden die zentralen physikalischen Qualitätsmetriken des Wafers.
| Peakparameter | Wahrscheinliche Ursache der Parameterstreuung |
|---|---|
| Peakintensität | Kristallinität, Dotierung, Oberflächenverunreinigungen |
| Peakposition (cm⁻¹) | Spannung, Dotierung, Kristallinität |
| FWHM (cm⁻¹) | Unordnung, Defekte, Spannung |
Über alle Messpunkte hinweg werden die Medianwerte für jeden extrahierten Spektralparameter berechnet. Diese Mediane definieren die erwartete „normale“ Raman-Antwort des Wafers. Die erwartete Antwort kann auch anhand historischer Daten festgelegt werden, wenn derselbe Wafer-Typ über einen längeren Zeitraum wiederholt analysiert wird.
3. Multivariate Analyse der spektralen Konsistenz
RamanQA bietet eine multivariate Analyse zur Erkennung feiner spektraler Abweichungen, die von den Peakmetriken des Halbleiters allein nicht erfasst werden. Ein Beispiel ist eine nicht fluoreszierende Verunreinigung mit Spektralmerkmalen, die sich nicht mit dem oder den untersuchten Halbleiterbändern überschneiden. Als Analysewerkzeuge stehen die Pearson-Korrelation und die Mahalanobis-Distanz (MD) zur Verfügung. Der Einsatz beider Verfahren gewährleistet Empfindlichkeit und Robustheit sowohl bei quantitativen als auch bei qualitativen spektralen Abweichungen. Eine ausführliche technische Erläuterung dieser Methoden ist für Interessierte im Anhang enthalten.
4. Auswahl des Toleranzfensters
Es werden benutzerdefinierte Toleranzschwellen angewendet (z. B. ±2 cm⁻¹ für die Position sowie ±20 % für Peakintensität und FWHM). Anschließend wird jedes Spektrum danach klassifiziert, ob alle Parameter innerhalb dieser Akzeptanzfenster liegen. Zusätzlich werden Toleranzen für die Pearson-Korrelation und die MD festgelegt.
Bei der Pearson-Korrelation gilt ein r-Wert von 0,95 als ausgezeichnete Übereinstimmung mit dem Median-Spektrum des Wafers. Spektren mit einem r-Wert unter 0,9 gegenüber dem Median weisen wahrscheinlich auf einen Defekt oder eine Verunreinigung hin. Für die MD ist 3 ein praxisgerechter Schwellenwert. Dieser wirkt als starker statistischer Filter: Ein Wert über 3 bedeutet mit einer Wahrscheinlichkeit von mehr als 99 %, dass das Verhalten des Wafers an diesem Punkt abnormal ist.
5. Bestimmung der Bestehensquote
Die Bestehensquote des Wafers wird als prozentualer Anteil der Spektren berechnet, die alle ausgewählten Kriterien erfüllen (Toleranzschwellen und optionale multivariate Tests).
6. Abschließende Klassifizierung
Überschreitet die Bestehensquote das benutzerdefinierte Akzeptanzniveau, das vollständig angepasst werden kann, wird der Wafer als Pass klassifiziert. Andernfalls lautet die Klassifizierung Fail. Dieser Rahmen unterstützt sowohl routinemäßige Hochdurchsatzprüfungen als auch eine detaillierte Fehlerdiagnose.
7. Kartierung der Pass/Fail-Bereiche und Visualisierung
RamanQA erzeugt automatisch visuelle Ausgaben im Maßstab des gesamten Wafers, darunter:
- eine übergreifende Pass/Fail-Karte, die zeigt, welche Pixel alle Toleranzkriterien erfüllen,
- Karten der Peakmerkmale, die räumliche Unterschiede bei Peakposition, Intensität und FWHM darstellen,
- eine Pearson-Korrelationskarte, die Spektren mit geringer Korrelation zum mittleren Wafer-Spektrum identifiziert,
- eine PCA-MD-Karte, die statistische Ausreißer im multivariaten Spektralraum hervorhebt.
Zusätzlich werden Histogramme und Boxplots für jede Metrik erstellt. Sie fassen die Verteilungen über den gesamten Wafer zusammen und ermöglichen quantitative Einblicke in Variabilität, Abweichungen und das Verhalten von Ausreißern.
Alle Ausgaben werden in einem PDF-Bericht zusammengestellt, der Wafer-Karten, Diagramme und tabellarisch angeordnete Metriken integriert und damit einen vollständigen, praktisch nutzbaren Überblick über die Wafer-Qualität bietet.
Demonstration von RamanQA an einem realen Wafer
Zur Demonstration des RamanQA-Arbeitsablaufs wurde mit WaferMAP auf dem RMS1000 ein Raman-Datensatz des gesamten Wafers von einem 4-Zoll-Wafer aus Kohlenstoffnanoröhren und Silizium aufgenommen. Dieser Wafer wurde bewusst wegen seiner hohen Variabilität ausgewählt. Insgesamt wurden auf der Wafer-Oberfläche 17.560 Spektren mit einer Schrittweite von 650 µm erfasst.
Im RamanQA-Modul der Python IDE wurden alle Spektren extrahiert, das Band bei 520 cm⁻¹ gefittet und Peakintensität, Position und FWHM des Bands für jedes Pixel berechnet. Für diese Application Note wurden folgende Toleranzfenster für die Peakparameter sowie für die multivariaten Funktionen Pearson-Korrelation und MD festgelegt:
- Intensität: +/-50 % gegenüber dem Median
- Position: +/-2 cm⁻¹ gegenüber dem Median
- FWHM: +/-20 % gegenüber dem Median
- Minimaler Pearson-r-Wert: 0,9 gegenüber dem Median
- Maximale MD: 3
Die Bestehensschwelle wurde auf 90 % aller Spektren festgelegt. Für ein Pass-Ergebnis mussten somit 90 % der Spektren innerhalb aller festgelegten Toleranzfenster liegen. Lag bei einem Spektrum auch nur ein Parameter außerhalb seines Toleranzfensters, wurde es als Fail eingestuft. Die Ergebnisse sind in Tabelle 2 dargestellt. Auf Grundlage der 90-%-Schwelle lautete das Gesamtergebnis Fail.
| Metrik | Toleranz | % bestanden |
|---|---|---|
| Peakintensität des Siliziums | +/-50 % gegenüber dem Median | 68,85 |
| Peakposition des Siliziums | +/-2 cm⁻¹ gegenüber dem Median | 73,64 |
| FWHM des Silizium-Peaks | +/-20 % gegenüber dem Median | 99,41 |
| Pearson-Korrelation r | >0,9 gegenüber dem Median | 55,77 |
| MD | <3 | 94,92 |
Wafer-Ergebnis: FAIL (Peakintensität, Peakposition, Pearson-Korrelation)
Die wahrscheinlichste physikalische Ursache für die großflächigen Unterschiede sowohl bei der Silizium-Peakintensität als auch beim gesamten Spektralprofil, insbesondere bei der geringen Pearson-Korrelation mit dem Median, ist eine ungleichmäßige Bedeckung der Wafer-Oberfläche mit Kohlenstoffnanoröhren (CNT).
