半导体工艺控制设备1

半导体工艺控制设备对芯片良率至关重要,随着制程微缩需求倍增。工艺节点每缩减一代,工艺中产生的致命缺陷数量会增加 50%,因此每一道工序的良品率都要保持在非常高的水平才能保证最终的良品率。当工序超过 500 道时,只有保证每一道工序的良品率都超过 99.99%,最终的良品率方可超过 95%;当单道工序的良品率下降至 99.98%时,最终的总良品率会下降至约 90%,因此,制造过程中对工艺窗口的挑战要求几乎“零缺陷”。工艺控制设备在半导体设备中约占比11%。

图片

一、半导体检测工艺分类

(一)根据流程分类

1、面向晶圆制造的前道检测主要是针对光刻、刻蚀、薄膜沉积、清洗、CMP 等每个工艺环节的质量控制的检测;

2、面向先进封装的中道检测主要为针对重布线结构、凸点与硅通孔等环节的质量控制;

3、面向芯片功能和电参数的后道检测:主要是利用电学对芯片进行功能和电参数测试,主要包括晶圆测试和成品测试两个环节。

(二)根据技术原理分类

1、光学检测

检测速度快,比电子束快 1000 倍以上。光学检测技术基于光学原理,通过对光信号进行计算分析以获得检测结果,光学检测技术对晶圆的非接触检测模式使其具有对晶圆本身的破坏性极小的优势;通过对晶圆进行批量、快速的检测,能够满足晶圆制造商对吞吐能力的要求。在生产过程中,晶圆表面杂质颗粒、图案缺陷等问题的检测和晶圆薄膜厚度、关键尺寸、套刻精度、表面形貌的测量均需用到光学检测技术。

2、电子束检测

电子束波长比光波短,因而检测精度高,目前主要用于电子束缺陷检测和电子束缺陷复查。电子束检测技术是指通过聚焦电子束至某一探测点,逐点扫描晶圆表面产生图像以获得检测结果。电子束的波长远短于光的波长,而波长越短,精度越高。因此,电子束检测技术的相对低速度导致其应用场景主要在对吞吐量要求较低的环节,如纳米量级尺度缺陷的复查,部分关键区域的表面尺度量测以及部分关键区域的抽检等。

3、X 光量测技术

用于特定金属成分测量和超薄膜测量等领域,应用场景相对较窄。

从技术原理上看,检测和量测包括光学检测技术、电子束检测技术和 X 光量测技术等。应用光学检测技术、电子束检测技术及 X 光量测技术的设备市场份额占比分别为 75.2%、18.7%及2.2%(2020年)。

图片

二、半导体工艺控制设备:检测+量测

工艺目的上看,半导体工艺控制设备=检测+量测。其中,缺陷检测设备市场占比 62.6%,量测设备市场占比33.5%。

图片

(一)检测设备

占比为 62.6%包括无图形晶圆缺陷检测设备、图形晶圆缺陷检测设备、纳米图形缺陷检测设备、掩膜检测设备等,其中纳米图形缺陷检测设备需求最大,整体占比 24.7%。

图片

1、无图形晶圆缺陷检测(9.7%)

无图形晶圆一般指裸硅片或有一些空白薄膜的硅片,后者主要用作测试片,检测的缺陷主要包括表面的颗粒、残留物、刮伤、裂纹等,这些缺陷会影响后续工艺质量,最终影响产品良率。

图片

2、有图形晶圆缺陷检测(6.3%)

有图形缺陷检测是指晶圆在光刻、刻蚀、沉积、离子注入、抛光等工艺过程中,对晶圆进行检测,主要的缺陷不仅包括纳米颗粒、凹陷、凸起、刮伤、断线、桥接等表面缺陷,还包括空洞、材料成分不均匀等亚表面和内部缺陷。

图片

3、电子束缺陷检测与复检(5.75%)

通过聚焦电子束扫描样片表面产生样品图像以获得检测结果,具有高精度、速度较慢的特点,通常用于纳米级尺度缺陷的复查以及部分关键区域的抽检等。

图片

4、掩模板缺陷检测(11.2%)

在光刻工艺中,必须事先设计并制备一组具有特定几何图形的光刻掩模(mask),作为复制批量生产用版,供光刻工艺曝光之用。在实际的光刻掩模生产制造过程中,也不可避免地会存在各种缺陷,而且这些缺陷会经由光刻工艺批量复制到所有硅片中。

图片

(二)量测设备

占比为 33.5%,包括三维形貌量测设备、薄膜膜厚量测设备(晶圆介质薄膜量测设备)、套刻精度量测设备、关键尺寸量测设备、掩膜量测设备等,其中关键尺寸测量(包括电子束关键尺寸测量)占比 18.3%

1、关键尺寸测量+电子束关键尺寸测量(18.3%)

关键尺寸测量:CD-SEM电子束关键尺寸测量+OCD光学关键尺寸量测。扫描电子显微镜测量(CD-SEM)作为传统的测量技术,可实现纳米级尺度的尺寸测量,但也存在测量速度慢、成本高、设备操作复杂的缺点。与之对比,光学测量技术具有速度快、成本低、无接触对样本无损的优点。在IC 制造中,应用光学原理对纳米结构 CD(关键尺寸)、高度、侧壁角等形貌参数的测量主要采用“非成像式光学技术——光学散射仪”,也称为 OCD 测量仪。

图片

2、其他量测设备:掩模板关键尺寸量测/套刻精度量测/晶圆膜厚量测/X光量测/三维形貌量测设备(15.2%)

图片

图片

三、竞争格局和相关标的

(一)全球格局及国内规模

半导体检测和量测设备美国KLA占据半壁江山,美日厂商份额合计超 80%。

图片

图片

中国大陆半导体量检测设备需求步入 30 亿美元量级。按11%的比例假设国内半导体量检测设备占半导体设备的成本比例,中国大陆2021年半导体量检测设备市场规模为30亿美元。

图片

(二)国内厂商

国内厂商主要有:中科飞测、精测电子、睿励仪器、东方晶源。

图片

1、中科飞测:布局无图形/图形缺陷检测/膜厚/三维形貌测量

图片

2、精测电子:布局明场检测/Review-SEM/CD-SEM/OCD/膜厚

图片

3、睿励仪器:布局膜厚/OCD/图形缺陷检测(中微公司为第一大股东)

图片

4、东方晶源:布局电子束量检测设备

图片

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/206486.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

YOLOv5 分类模型 OpenCV和PyTorch两者实现预处理的差异

YOLOv5 分类模型 OpenCV和PyTorch两者实现预处理的差异 flyfish PyTorch封装了PIL库 简单对比下两者的使用方法 import cv2 from PIL import Image import numpy as npfull_path_file_name"/media/a//ILSVRC2012_val_00001244.JPEG"#OpenCV读取图像默认是BGR顺序 …

Power Apps-下拉列表控件

插入一个下拉列表控件 设置值的两种方式 1.通过属性items写数组设置 2.通过连接数据表,先在右侧操作面板中选择项目中的数据表 再从Value中选择其中一列,下拉就可以选择该列全部行的值 但是这样会导致有很多重复的字段,所以可以在items属性里…

聚类系列(一)——什么是聚类?

目前在做聚类方面的科研工作, 看了很多相关的论文, 也做了一些工作, 于是想出个聚类系列记录一下, 主要包括聚类的概念和相关定义、现有常用聚类算法、聚类相似性度量指标、聚类评价指标、 聚类的应用场景以及共享一些聚类的开源代码 下面正式进入该系列的第一个部分&#xff…

头插法尾插法建立单链表

头插法建立单链表 #define NULL 0 #include<stdio.h>typedef struct LNode {int data;struct LNode *next; }LNode,*LinkList;//单链表尾插法 LinkList List_TailInsert(LinkList &L){int x;L (LinkList)malloc(sizeof(LNode)); //初始化空表LNode *r L; …

MS2401隔离Σ-Δ调制器,可替代ADI的AD7401

产品简述 MS2401 是一款二阶 Σ-Δ 调制器&#xff0c;集成片上数字隔离器&#xff0c;能 将模拟输入信号转换为高速 1 位码流。调制器对输入信号连续 采样&#xff0c;无需外部采样保持电路。模拟信号输入满量程为 320 mV &#xff0c;转换后的数字码流的最高数据速率为 2…

【React-Router】路由导航

1. 概念 路由系统中的多个路由之间需要进行路由跳转&#xff0c;并且在跳转的同时有可能需要传递参数进行通信。 2. 声明式导航 // /page/Login/index.jsimport { Link } from react-router-dom const Login () > {return <div>登录页{/* 解析成 a 链接 */}<Li…

Kubernetes(k8s)之Pod详解

文章目录 Kubernetes之Pod详解一、Pod介绍pod结构pod定义 二、Pod配置pod基本配置镜像拉取策略启动命令环境变量端口设置资源配额 三、Pod生命周期创建和终止初始化容器钩子函数容器探测重启策略 四、Pod调度定向调度NodeNameNodeSelector 亲和性调度NodeAffinityPodAffinityPo…

【计算方法与科学建模】矩阵特征值与特征向量的计算(三):Householder方法及其Python实现

文章目录 一、Jacobi 旋转法二、Jacobi 过关法三、Householder 方法1. 旋转变换a. 旋转变换的选择b. 旋转变换的顺序 2. Householder矩阵&#xff08;Householder Matrix&#xff09;a. H矩阵的定义b. H变换的几何解释c. H变换的应用场景 3. H变换过程详解a. 过程介绍b. 细节解…

机器学习入门(第三天)——K近邻(物以类聚)

K-nearest neighbor 知识树 怎么区分红豆绿豆&#xff1f; How to distinguish red beans and green beans? 之前我们构造了一个超平面来解决这个问题&#xff0c;既然超平面可以切分&#xff0c;是不是红豆之间和绿豆之间有着某种关联。即&#xff1a;物以类聚。 如果一个…

马蹄集oj赛(双周赛第十五次)

目录 小码哥的开心数字 淘金者 捡麦子 小码哥玩游戏 手机测试 自动浇花机 买月饼 未来战争 双人成行 魔法水晶球 ​编辑自驾游 文章压缩 银河贸易市场 小码哥的开心数字 子难度&#xff1a;青铜 0时间限制&#xff1a;1秒 巴占用内存&#xff1a;64M 小码哥有超能…

如何使用 Navicat 连接 GaussDB 主备版

Navicat Premium&#xff08;16.2.8 Windows版或以上&#xff09; 已支持对GaussDB 主备版的管理和开发功能。它不仅具备轻松、便捷的可视化数据查看和编辑功能&#xff0c;还提供强大的高阶功能&#xff08;如模型、结构同步、协同合作、数据迁移等&#xff09;&#xff0c;这…

私域电商模式全解析:掌握这些方法,让你的生意不再难做!

私域电商是指利用微信、QQ等社交平台将客户流量转化和沉淀&#xff0c;并促使其进行重复购买的电商模式。私域电商具备两个主要特点&#xff0c;分别是“私域”和“电商”。 “私域”指的是将客户添加为好友&#xff0c;并利用微信、QQ、微博等社交平台进行联系和营销的模式。…