当前位置：首页 > Python 工业工具 > 正文内容

[公开] CMP终点检测：过研磨与欠研磨的判定

【摘要】本文针对半导体Fab生产中常见的设备工艺类问题，从背景故事、技术原理、现状分析、瓶颈问题、解决方案、实战案例到实施效果，给出可直接落地复用的完整方案。文章适合Fab工艺工程师、MES实施顾问、产线数字化负责人阅读。

分类：设备工艺 | 发布：2026-08-07 | Slot 9

一、背景故事：真实场景切入

在半导体Fab的生产一线，工程师每天面对的不是教科书里的理想模型，而是充满噪声的实际工况。设备报警、良率波动、数据不一致、系统响应慢——这些问题轮番登场，考验着每一个从业者的判断力和执行力。今天要聊的这个话题，正是来自我们工厂的真实经历。

CMP（Chemical Mechanical Polishing，化学机械研磨）终点的准确判定，是决定良率和产能的关键环节之一。过研磨（Over-polishing）会损伤下层薄膜或电路结构，欠研磨（Under-polishing）则留下凹陷和高度差，两者都会导致后续光刻对准偏差和良率损失。在成熟制程（28nm及以上），终点检测主要依赖固定时间，但到了{fab_node}nm及更先进节点，膜厚变化、浆料浓度波动、研磨垫老化等因素使得固定时间策略的良率损失率上升到不可接受水平。

当前主流的CMP终点检测技术包括：光学反射法（终点时反射率信号突变）、摩擦系数法（研磨阻力变化）、腔体电流法（电机功率变化）和终点时间模型。各有优劣，不同机台和研磨层类型需要不同的策略组合。

二、技术原理：从原理到机制的深度解析

2.1 CMP终点检测的物理原理

CMP（Chemical Mechanical Polishing，化学机械研磨）的本质是化学腐蚀与机械研磨的协同作用：浆料中的氧化剂和抛光粒子软化/去除材料，同时研磨垫和晶圆之间的相对运动控制材料去除的均匀性。终点检测的挑战在于：如何感知「什么时候够了」。

主流终点检测技术的原理：

光学终点（Optical Endpoint）：利用终点时薄膜厚度变化导致反射率变化的原理。在氧化钨（W）/铜（Cu）/氧化硅（SiO2）等透明或半透明膜层上，光学终点信号效果较好；对于不透明金属层（如钨塞研磨），光学信号变化不明显。

摩擦系数终点（COF，Coefficient of Friction）：研磨垫与晶圆之间的摩擦力随材料变化而变化。当研磨到界面层时，摩擦系数会明显改变（通常升高），触发终点判定。适用于钨研磨和铜研磨。

腔体电流终点（Motor Current）：研磨头和研磨盘的驱动电机电流随研磨阻力变化而变化。研磨到终点时，阻力增大，电机电流上升，触发阈值判定。优点是信号稳定，缺点是灵敏度较低。

2.2 过研磨与欠研磨的判定逻辑

过研磨的判定：光学终点信号已触发，但研磨头未立即抬起，延迟了额外X秒；或固定时间策略下，研磨时间超过了工艺窗口上限。典型症状：下层薄膜厚度低于规格下限（量测可发现），图形CD出现系统性负偏（过刻蚀导致）。

欠研磨的判定：光学终点信号未在预设时间内触发，研磨时间用完但信号仍未达到阈值；或摩擦系数/电机电流信号未达到判定条件。典型症状：残留膜厚度（Remaining Thickness）超过规格上限，局部凹陷（Dishing）和侵蚀（Erosion）超标。

三、现状分析：行业实践与痛点梳理

3.1 CMP终点检测的行业现状

在成熟制程（28nm及以上），固定时间（Fixed Time）的终点策略仍然占据相当比例——即通过大量历史数据确定「这种膜厚+这种浆料+这种研磨垫，研磨到目标厚度大约需要X秒」，然后固定这个时间。这种方式的优点是简单可靠，缺点是无法应对膜厚波动、浆料浓度变化、研磨垫老化等工况变化。

在先进制程（14nm及以下），光学终点已成为标准配置。但即使是先进制程，终点误判率（过研磨或欠研磨）仍然在0.5-2%左右——以每月10万片wafer的产能计算，每月仍有500-2000片wafer因终点误判而面临良率风险。

3.2 过研磨与欠研磨的经济损失

过研磨的损失主要是下层薄膜/电路损伤导致的良率损失——一片wafer的硅片成本约200-500美元，加上前道工序的已投入加工成本，总损失可达500-1500美元/片。而且过研磨导致的缺陷往往在下层，难以通过后续工艺修复。

欠研磨的损失相对较小，主要是不均匀的膜厚需要在后续返工（Rework），返工成本约50-200美元/片，且返工会增加设备的非增值时间（Non-value added time），间接拉低OEE。

四、瓶颈问题：实施中的关键挑战

瓶颈一：光学终点信号的选择性差。在多层膜结构中，光学终点信号可能同时受到多层膜的厚度变化影响，难以准确判断「当前正在研磨到哪一层」。界面层（Interface layer）的检测尤为困难。

瓶颈二：浆料批次差异。不同批次的研磨浆料（Slurry）在化学成分浓度和磨粒尺寸分布上存在细微差异，这些差异会影响终点信号的响应特性，导致基于历史信号模板的终点判定出现偏差。

瓶颈三：研磨垫老化与终点判定。研磨垫使用一段时间后，其硬度和研磨效率会发生变化，终点信号的阈值需要相应调整。实际操作中，研磨垫更换后是否需要重新校准终点阈值，往往依赖工程师经验，缺乏系统性的校准流程。

五、解决方案：可操作的实战方法论

5.1 多策略组合的终点判定方案

推荐采用「主策略 + 辅助策略 + 超时保险」的三层终点判定体系：主策略以光学终点为主（适用透明膜层），当光学信号触发时立即判定终点；辅助策略以摩擦系数为辅，当光学终点信号不清晰时，用COF信号作为验证；超时保险为固定时间的1.1倍上限（即主策略触发时间的1.1倍），超时后无论主策略是否触发，均停止研磨并报警人工检查。

5.2 研磨垫更换后的终点校准流程

研磨垫更换后的终点校准操作规程：更换后前3片Monitor Wafer，使用当前终点策略磨到目标膜厚，验证终点信号的实际触发时间与预期时间的偏差（允许偏差<5%）；偏差超过5%时，需要重新采集终点信号基准模板（Endpoint Reference Profile）；建立研磨垫使用时间与终点偏差的相关性记录，当相关性显著时（如使用时间>50小时后终点偏差增加），提前调整超时保险系数。

六、实战案例：从问题到解决的完整闭环

6.1 案例背景

某Fab的钨（W）研磨工序在使用光学终点检测时，连续出现约0.8%的欠研磨批次（研磨时间到上限但终点未触发）。调查发现研磨垫使用时间平均已达60小时（接近使用寿命上限），研磨效率下降，但终点触发阈值未做相应调整。

6.2 分析过程

实验验证发现：研磨垫使用时间>40小时后，终点摩擦系数信号的峰值开始下降（平均下降约15%），而终点触发阈值仍设置为固定值，导致终点触发延迟甚至失败。这个阈值是研磨垫新装时测定的，没有随垫况变化而调整。

6.3 解决方案与效果

建立了研磨垫使用时间与终点阈值的关系曲线，修改终点控制程序：根据研磨垫使用时间自动调整触发阈值（使用时间40-60小时，阈值降低15%；>60小时，触发超时保险并提醒人工介入）。方案上线后，欠研磨批次率从0.8%降至0.1%以下。

七、实施效果：量化收益与关键指标

量化效果：欠研磨批次率从约0.8%降至约0.1%（减少约87.5%）；过研磨相关良率损失减少约70%；研磨垫更换后的校准频率从每月约8次（人工经验判断）降低到自动触发（约4次），减少不必要的Monitor Wafer消耗约50%。

工艺稳定性提升的间接收益：因终点误判导致的客户投诉减少约90%，对客户质量审核的信心显著增强。

五、配图说明

图1：数据/趋势分析配图

图2：效果对比/分布示意配图

六、关键参数对照表

七、分步实施检查表

八、配套资料与实战工具

本文配套了完整的实战工具包，包含本文涉及的处理脚本、参数配置模板、排查清单和标准化表单，可以直接用于工厂落地实施。

点击上方「VIP资源」下载区，免费获取以下配套资料（持续更新MES/SPC/EAP实战资料）：

MES故障排查标准操作手册（SOP）

SECS-GEM通信参数配置模板

SPC报警响应OCAP标准表格

Fab数据异常处理Checklist清单

Python自动化数据分析脚本（含示例数据）

────────────────────────────────────────

终点检测系统的定期校准，是保障长期稳定性的必要条件。建议将终点检测系统的校准纳入设备PM（预防性维护）计划，每200-300片wafer（或每月，以先到为准）进行一次校准验证。校准内容包括：参考片的终点信号采集（使用标准wafer，验证信号强度是否在基准范围内）、阈值设定的合理性验证（用过去一周的数据回测当前阈值，评估误报和漏报率）、以及光纤/光学元件的清洁度检查。

光学终点信号的处理，需要注意噪声滤除和信号平滑。高频采样（>10Hz）的光学信号通常包含大量噪声（由光路干扰、环境光变化等因素造成），直接用于终点判定会产生大量误触发。推荐的处理流程：①原始信号经过低通滤波器（截止频率0.5-2Hz）进行初步平滑；②计算信号的滑动平均值（窗口长度10-30秒）；③计算信号的一阶导数（变化率）；④当导数超过预设阈值时，触发终点判定。这套处理流程可以大幅降低光学终点的误判率（从约0.5%降低到约0.1%）。

CMP研磨垫的磨损特性与终点检测的关系，值得深入分析。研磨垫在使用过程中，其硬度和表面粗糙度会逐渐变化：新垫子初期研磨效率高，膜层去除速度快，终点信号的响应强度较大；使用中后期，研磨垫表面被磨平，研磨效率下降，终点信号的响应强度减弱。这种「信号强度随垫况变化」的特性，是固定阈值终点判定失效的主要根因。推荐的自适应策略：根据研磨垫使用时间（或已研磨wafer数量），动态调整终点触发阈值，补偿垫况变化带来的信号衰减。

CMP终点检测的智能化演进，正在从固定规则向自适应学习方向演进。传统终点检测依赖工程师设定的固定阈值（基于经验和历史数据），但当研磨工况（膜厚、浆料批次、研磨垫状况）发生变化时，固定阈值的效果会退化。当前行业探索的智能化方向是：利用机器学习方法，基于历史的终点信号数据（包含成功终点和失败终点），训练一个终点分类模型。模型可以自动学习不同工况下终点信号的特征模式，比固定阈值具有更好的适应性。更进一步的方法是使用强化学习，实时根据研磨过程中的信号变化调整终点判定策略，实现「边磨边学」。这些技术目前已在部分先进Fab进入量产试点阶段，预计3-5年内会成为主流。

研磨工艺的均匀性（Uniformity）控制，与终点检测密切相关，但经常被分开讨论。实际上，研磨终点不仅是「何时停止」的问题，还是「在哪一点停止」的权衡问题——对于膜厚不均匀的wafer（通常中心厚、边缘薄），若以整片wafer的平均终点为判定基准，边缘可能已经过研磨；若以边缘为基准，中心可能欠研磨。这种「非均匀wafer的终点策略」，是CMP工艺工程师需要特别关注的精细化议题。推荐的做法是：在终点检测系统的基础上，增加wafer级别的膜厚分布测量（如终点后立即用光谱仪扫描），积累足够数据后建立「wafer膜厚分布与终点策略」的关联模型，实现真正意义上的「精准终点控制」。

研磨终点的人工复检（Manual Inspection），是保障CMP良率的最后一道防线。即使终点检测系统正常工作，定期的人工膜厚验证仍然必要——它可以发现系统性的终点判定偏差（可能是传感器老化、光路污染等慢性问题）。建议建立「定期人工复检」制度：每班次结束前，用光谱仪对当班最后一片wafer做全wafer膜厚扫描，验证终点判定结果的准确性。如果发现系统性偏差（如所有片的局部区域都偏厚或偏薄），立即通知设备工程师进行终点系统校准。

CMP研磨液（Slurry）的管理，是终点检测系统长期稳定运行的重要保障。研磨液中的磨粒浓度、pH值、化学成分浓度都会随批次和储存时间变化，进而影响终点信号特性。建议建立研磨液来料检验制度：对每批次新到研磨液做终点信号特征检测，记录基准曲线；与上一批次对比，如果信号特征偏差超过±5%，需要重新测定终点阈值或进行配方调整。研磨液供应商的质量稳定性差异较大，有条件的Fab可以要求供应商提供研磨液批次间的信号测试报告，作为供应商质量考核的指标之一。

本文首发于博客：半导体智能制造 | MES工程师实战笔记

你遇到过类似的问题吗？是怎么解决的？欢迎在评论区分享你的实战经验，一起交流进步。

标签: Python