控制图在识别TFT-GI层沉积过程波动中的应用
2021-02-28北京京东方显示技术有限公司党亮英包远福徐习亮李素哲
北京京东方显示技术有限公司 党亮英 包远福 徐习亮 李素哲 王 丹 蔡 婷 王 超
液晶产品的质量会受到关键质量特性的影响，稳定的过程质量特性能提升产品品质。本文讲述了TFT-LCD产品的非金属层GI层的特性，GI层厚度(简称：GI THK)的工艺过程波动，及如何应用控制图精准识别和定位异常波动。分析过程基于流程出发，基于工序特点，通过对大量数据的深入挖掘，充分应用控制图等统计工具进行流程诊断，来达到查找过程波动差异源的目的。
TFT-LCD的关键特性为Ion，通过数据分析表明主要受到Channel层和GI层的影响，通过主效应图（见图1）可看到对应关系。为了确保产品特性的稳定，需对关键膜层厚度进行管控，保证过程稳定。批量重复生产不可避免的存在波动，我们需要了解和识别过程中的差异源，利用统计工具进行精准识别，为针对性改善指明方向。
图1 主效应图
术语说明：GI层沉积。
GI是TFT中，栅极金属和半导体Si之间的绝缘层，
通常为SiNx/SiOx称之为Gate Insulator栅极绝缘层。
1 核心工艺流程图绘制
本文涉及的TFT基板主要工艺步骤如图2所示。
图2 TFT基板主要工艺步骤
GI工艺是TFT基板形成中非常重要的部分，GI膜厚（GI THK）目标为####Å，首先经过FGI沉积形成****Å的厚度，此工序后有测量设备可测出FGI的厚度；再经过Multi沉积形成^^^^ Å的厚度，此时对两个小工序的累计厚度进行测量，至此完成了GI工艺的膜厚沉积。
2 GI工艺流程设备单元
GI工艺由两个工序构成，其中FGI工序有5台生产设备，每台设备内部有5个独立的单元即Chamber，则FGI工序有25组chamber。FGI膜厚的生产设备及单元构成示意图如图3所示。Multi工序有5台生产设备，每台设备内部有5个独立的单元即Chamber，则Multi工序有25组chamber。Multi膜厚的生产设备及单元构成示意图如图4所示。
图3 FGI膜厚的生产设备及单元构成示意图
图4 Multi膜厚的生产设备及单元构成示意图
3 GI膜厚数据采集、抽样方式及采用的控制图
GI膜厚数据采集的测量点位图如图5所示，在大玻璃基板上共测量42个点位。通过自动设备测量并上传至内部系统。抽样方式为5sh/Lot，1sh/Chamber。基于GI膜厚数据由两个工序叠加产生，非单一数据来源，采用I-MRS控制图。每张玻璃基板即42个点位一个子组。I图考察每组均值的变化趋势，MR图考察相邻两组均值的移动极差，S图考察每组数据标准差的变化趋势。I-MR-S控制图样式如图6所示。
图5 GI膜厚数据采集的测量点位图
图6 I-MR-S控制图样式
4 如何利用控制图识别GI膜厚过程波动中的差异源
基于GI厚度形成的流程及设备单元构成，逐一利用控制图识别GI厚度的根源。
首先进行设备别的差异分析：依次进行FGI工序不同设备的差异性分析，Multi不同生产设备间的差异性分析；再进行Chamber别的差异性分析：依次进行FGI工序不同Chamber的差异性分析，Multi不同Chamber间的差异性分析；并对差异是否受到不同型号的影响进行验证；再进行FGI/Multi Chamber别交叉验证。验证数据为同型号6个月52794条GI厚度的测量数据。
4.1 FGI不同生产设备间的差异分析
对GI厚度绘制不同FGI设备的分阶段的控制图，如图7所示，从图可以看出设备间无明显突出的差异。即没有哪个设备生产的数据与众不同。结论：FGI不同生产设备间的差异不显著。
图7 对GI厚度绘制不同FGI设备的分阶段的控制图
4.2 Mulit不同生产设备间的差异分析
对GI厚度绘制不同Multi设备的分阶段的控制图，如图8所示，从图可以看出设备间无明显突出的差异。结论：Multi不同生产设备间的差异不显著。
图8 对GI厚度绘制不同Multi设备的分阶段的控制图
4.3 Multi不同Chamber别差异分析
GI厚度由Multi多台设备生产，且每台设备有5个独立Chamber，针对不同Multi Chamber别绘制控制图如图9所示，从波动趋势看无明显差异。结论：Multi Chamber别差异不显著。
图9 针对不同Multi Chamber别绘制控制图
4.4 FGI不同Chamber别差异分析
GI厚度由FGI五台设备生产，且每台设备有5个独立Chamber，针对不同FGI Chamber别绘制控制图如图10所示，从波动趋势看，均值图中随Chamber的变化，数据整体有较明显起伏变化。标准差图中发现FGI Chamber别Chamber83和Chamber13的GI厚度波动大，即此两个Chamber生产的Glass内GI厚度数据波动大，标准差整体偏大。结论：FGI Chamber别有显著差异，同时识别两个异常Chamber：Chamber83和Chamber13。
FGI异常Chamber产品型号别分析：
FGI Chamber别有显著差异，同时识别两个异常Chamber：CH83和CH13。为了进一步确认异常Chamber是否受到型号别影响。收集另一款产品型号的FGI 8号设备的5个Chamber的数据进行Chamber别控制图绘制，如图11所示。依然可识别Chamber83的标准差整体远高于其他Chamber，表明该Chamber确实异常，所经过基板整体标准差较高，即说明单一基板内点位波动大，过程不稳定。结论：无产品型号别差异。
图11 Chamber别控制图
4.5 FGI和Multi Chamber别交叉验证
依据前面的分析FGI Chamber别差异显著，那么在FGI Chamber固定的基础上，采用箱线图验证Multi Chamber别是否有差异，如图12所示，发现Multi Chamber 5D/5C/5B有显著差异，其他组合均较为稳定。结论：发现三个异常Multi Chamber。经过再次调研：这个位置的几个Chamber主要是EN Glass影响，对应的测了几张特殊基板，故影响比较大，属于特殊情况。整体说明Multi CH影响较小。
图12 FGI和Multi Chamber别交叉验证图
4.6 GI膜厚与FGI膜厚波动趋势对比
基于前面分析GI膜厚受到FGI Chamber别影响，采用时间序列图如图13所示，可发现GI膜厚均值波动与对应Glass的FGI膜厚均值波动基本吻合。结论：GI膜厚受FGI影响较大。
图13 时间序列图
5 GI膜厚过程波动中的差异源汇总及分析心得
从本案例可以看出基于流程、设备的层层深入分析，利用可视化的控制图可以发现影响GI厚度波动的根本差异点，通过数据挖掘与分析让我们了解不同设备的过程表现，通过对比分析可视化的了解到各层，各设备，各Chamber之间的差异。为针对性改善奠定基础，此案例是针对大量数据，复杂工序，多个影响因子的生产工艺，充分利用控制图精准识别差异源的案例。
