02 mei 2025·8 min
KLA en fab‑yield: inspectie en metrologie die kosten verlagen
Een praktische gids over hoe KLA‑achtige inspectie en metrologie yield, scrap, cyclustijd en kosten beïnvloeden—plus wat je moet volgen en hoe fabs tools kiezen.
Een praktische gids over hoe KLA‑achtige inspectie en metrologie yield, scrap, cyclustijd en kosten beïnvloeden—plus wat je moet volgen en hoe fabs tools kiezen.
Inspectie en metrologie zijn de “ogen” van de fab, maar ze zoeken naar verschillende dingen.
Inspectie beantwoordt: Is ergens iets fout op de wafer? Het scant op defecten zoals deeltjes, krassen, patroonbreuken, verontreiniging of subtiele anomalieën die correleren met toekomstige uitval.
Metrologie beantwoordt: Doet het proces wat we bedoelden? Het meet critical dimensions (CD), overlay (laag‑op‑laag uitlijning), filmdikte en andere parameters die bepalen of de chip zal werken.
Een fab kan alleen beheersen wat hij kan meten—maar meten kost zelf tool‑tijd, engineeringaandacht en wachtruimte. Dat creëert een constant afwegingsspel:
Als inspectie te traag is, kunnen defecten zich over lots verspreiden voordat iemand het merkt. Als metrologie te luidruchtig is, gaan engineers mogelijk ‘‘achter geesten aan’’, en stellen ze een proces bij dat niet echt aan het afwijken was.
De meeste beslissingen met de grootste impact in een fab zijn niet dramatisch—het zijn routinematige keuzes die tientallen keren per dag op basis van meetdata worden gemaakt:
Deze beslissingen bepalen stilletjes yield, cyclustijd en kosten per wafer. De beste fabs meten niet alleen veel—ze meten de juiste dingen, met de juiste frequentie, en met vertrouwen in het signaal.
Dit artikel richt zich op concepten die je kunt gebruiken om te begrijpen hoe leveranciers zoals KLA passen in yield‑management—waarom bepaalde metingen ertoe doen, hoe ze actie sturen en hoe ze economie beïnvloeden.
Het duikt niet in proprietaire specificaties of model‑voor‑model claims. In plaats daarvan legt het de praktische logica uit achter inspectie‑ en metrologie‑keuzes en hoe die keuzes doorwerken in concurrentiekracht.
Een wafer wordt niet "één keer gemeten". Hij wordt herhaaldelijk gecontroleerd terwijl hij door lussen van patterning en materiaalsveranderingen beweegt. Een vereenvoudigd pad ziet er zo uit: lithografie (print het patroon) → etch (transfer naar wafer) → depositie (lagen toevoegen) → CMP (planariseren) → herhaal voor tientallen lagen → elektrische test en finale sortering.
Metingen worden ingevoegd precies waar variatie later duur is om te repareren:
Fabs meten niet overal met dezelfde frequentie. Kritieke lagen (strakke designregels, gevoelige overlay‑budgetten, nieuwe processtappen) krijgen meestal hogere bemonstering—meer wafers per lot, meer sites per wafer en frequentere inspectie. Minder kritische of rijpe lagen gebruiken vaak lichtere bemonstering om doorvoer te beschermen.
Het bemonsteringsplan is net zo zeer een zakelijke als een technische beslissing: te weinig meten verhoogt escapes; te veel meten schaadt cyclustijd.
Het praktische doel is balans: genoeg inline‑dekking om het proces tijdig te sturen, plus gerichte offline‑inspanningen wanneer de data een verandering aantoont.
Inspectie wordt vaak beschreven als "defecten vinden", maar de operationele taak is beslissen welke signalen het waard zijn om op te reageren. Een moderne fab kan miljoenen defect‑events per dag genereren; slechts een fractie beïnvloedt elektrische prestaties. Platformen en tools (inclusief KLA‑klasse systemen) helpen ruwe beelden om te zetten in beslissingen—maar de afwegingen blijven.
Defecten variëren per laag, patroon en processtap:
Veel van deze zien er in eerste instantie vergelijkbaar uit. Een helder “blob” kan laagafhankelijk onschuldig resist‑vuil zijn, maar op een andere laag een yield‑killer.
Een killer‑defect veroorzaakt waarschijnlijk een functionele uitval (opens, shorts, lekkage, parametrische verschuiving). Een nuisance‑defect is echt of schijnbaar maar beïnvloedt de yield niet—denk aan cosmetische patroonruwheid binnen de marge.
Classificatie is belangrijk omdat fabs niet alleen betalen voor detectie; ze betalen voor wat detectie triggert: reviewtijd, lot‑holds, rework, engineeringanalyse en tool‑downtime. Betere classificatie betekent minder dure reacties.
Op hoofdlijnen is defectdichtheid ‘‘hoeveel defecten per oppervlakte‑eenheid’’. Naarmate chips groter worden of designregels strakker, stijgt de kans dat minstens één killer in een kritisch gebied valt. Daarom kan het verlagen van killer‑defectdichtheid—zelfs bescheiden—een zichtbare yield‑verbetering opleveren.
Geen inspectiesysteem is perfect:
Het doel is niet “alles vinden”. Het doel is de juiste dingen vroeg genoeg—en goedkoop genoeg—vinden om uitkomsten te veranderen.
Metrologie is hoe een fab van “de tool draaide” naar “het patroon is echt wat we bedoelden” gaat. Drie metingen komen overal terug in yield‑leren omdat ze direct koppelen aan of transistors en draden zullen werken: critical dimension (CD), overlay en drift.
CD is de gemeten breedte van een geprinte feature—denk aan gate‑lengte van een transistor of de breedte van een smalle metaalbaan. Als CD zelfs licht afwijkend is, verschuift elektrisch gedrag snel: te smal kan weerstand verhogen of tot opens leiden; te breed kan buren kortsluiten of transistor‑drive veranderen. Moderne ontwerpen hebben kleine marges, dus een paar nanometer bias kan je van “veilig” naar “systematisch falen” duwen over veel dies.
CD‑problemen hebben vaak herkenbare focus/exposure‑handtekeningen. Als focus fout is, kunnen lijnen afgerond, ingesnoerd of ‘‘gepinched’’ lijken. Als belichtingsdosis fout is, kunnen features te groot of te klein printen. Dit zijn patroonfideliteitsproblemen: de vorm kan vervormd zijn, zelfs als de gemiddelde breedte acceptabel lijkt.
Overlay meet hoe goed een laag uitlijnt op de vorige laag. Als uitlijnfouten zich opstapelen, missen vias hun doel, contacten landen gedeeltelijk of randen overlappen op de verkeerde plekken. Een chip kan “perfecte” CD’s hebben op elke laag en toch falen omdat de lagen niet goed uitgelijnd zijn.
Fabs gebruiken doorgaans optische metrologie voor snelle, hoge‑throughput metingen en SEM‑gebaseerde metrologie wanneer ze scherpere, gedetailleerdere views van kleine features nodig hebben. Leveranciers worden gekozen op basis van hoe goed de metingen echte drift vroeg vangen—voordat het leidt tot lot‑brede yield‑verliezen.
Procesdrift is de stille vijand: temperatuur, chemie, tool‑slijtage of reticle‑veranderingen kunnen CD en overlay langzaam duwen, totdat de fab ineens buiten spec zit.
Metingen verlagen alleen kosten wanneer ze consistente beslissingen triggeren. Die "laatste kilometer" is Statistical Process Control (SPC): de routine die inspectie‑ en metrologiesignalen omzet in acties waar operators vertrouwen in hebben.
Stel dat een CD‑meting na een etch‑stap begint te driften naar wijder.
Feedback‑control is de klassieke lus: je meet het resultaat en past dan het etch‑recept aan zodat het volgende lot weer op target landt. Het is krachtig, maar altijd een stap achter.
Feedforward‑control gebruikt upstream informatie om de fout te voorkomen voordat hij verschijnt. Bijvoorbeeld: als lithografie‑overlay of focusmetingen een bekende bias op een specifieke scanner aangeven, kun je downstream etch‑ of depositie‑instellingen automatisch aanpassen voordat je het lot verwerkt.
SPC‑charts tekenen controlelimieten (vaak gebaseerd op procesvariatie) rond een target. Als data die limieten overschrijdt, is het een excursie—een teken dat het proces veranderde, niet alleen normale ruis.
Als teams alarmen regelmatig overrulen omdat “het waarschijnlijk prima is”, gebeuren twee dingen:
Vertrouwde alarmen maken snelle, reproduceerbare containments mogelijk: stop de lijn om de juiste redenen, niet constant.
Latentie is de tijd tussen verwerking en een bruikbare meting. Als CD‑resultaten pas binnenkomen nadat meerdere lots zijn verwerkt, herstellen feedback‑correcties de toekomst terwijl defecten zich in het heden opstapelen. Lagere latentie (of slimmer bemonsteren) verkleint het “at‑risk” materiaal en verbetert zowel feedback als feedforward.
Als limieten, responsscenario's en eigenaarschap duidelijk zijn, gaan minder lots op hold “voor het geval”, en hebben minder wafers dure rework nodig. De opbrengst is stillere operatie: minder variabiliteit, minder verrassingen en sneller yield‑leren.
Meten is geen "overhead" in een fab—het is een reeks keuzes die of dure fouten voorkomt of dure drukte creëert. De kostimpact verschijnt in voorspelbare buckets:
Hogere inspectie‑sensitiviteit (bijv. pushen naar kleinere defectformaten) kan escapes verminderen—maar het kan ook engineering overspoelen met nuisance‑signalen. Als elk “mogelijk defect” een hold wordt, betaalt de fab in tool‑idle, wachtrijgroei en analysetijd.
De economische vraag is niet “kan de tool het zien?” maar “voorkomt handelen erop meer verlies dan het creëert?”
Waar je meer of minder meet, is net zo belangrijk als welke tool je koopt. Risicovolle lagen (nieuwe processtappen, strakke overlaylagen, bekende excusiepunten) verdienen doorgaans dichtere bemonstering. Stabiele, rijpe lagen zijn vaak beter gebaat bij lichtere bemonstering en sterke SPC‑waarborgen.
Veel fabs gebruiken inspectie/metrologie‑uitkomsten om laag‑voor‑laag te tunen: verhoog dekking waar excursies frequent zijn, en neem terug waar signalen zelden tot actie leiden.
Een goede vangst: vroege detectie van een focus‑drift die een heel lot had verslechterd, waardoor een snelle correctie downstream litho/etch stappen bespaart.
Dure ruis: herhaaldelijk benign patroonartefacten flaggen die holds en reviews triggeren terwijl yield en elektrische resultaten onveranderd blijven—cyclustijd verbrandend zonder scrap te verminderen.
Yield‑leren gebeurt niet “gratis”. Elke inspectiescan, metrologiebemonstering en defectreview verbruikt schaarse tooltijd—en wanneer die capaciteit krap is, wordt meten een fabriekbeperking die cyclustijd oprekt.
Het grootste cyclustijdimpact is vaak niet de scan zelf; het is het wachten. Fabs zien meestal wachtrijen bij:
Die wachtrijen vertragen lots door de lijn, verhogen WIP en kunnen suboptimale beslissingen forceren—zoals het overslaan van bevestigende metingen alleen om materiaal in beweging te houden.
Plannen van meetcapaciteit is niet alleen “genoeg tools kopen”. Het gaat om capaciteit afstemmen op receptmix. Een lang, gevoelig inspectierecept kan tientallen keren meer tooltijd vragen dan een lichtgewicht monitor.
Belangrijke hefbomen die fabs gebruiken:
Automatisering verbetert cyclustijd wanneer het de “tussenwerkzaamheden” vermindert:
De grootste opbrengst van snelheid is leren. Wanneer inspectie‑ en metrologieresultaten snel in een duidelijke, uitvoerbare diagnose stromen, voorkomt de fab het herhalen van dezelfde excursie over meerdere lots. Dat vermindert rework, scrap‑risico en de compounding cyclustijdklap van “meer bemonstering omdat we nerveus zijn.”
Kleiner maken van features maakt niet alleen chips sneller—het maakt meten moeilijker. Bij gevorderde nodes wordt het ‘‘toegestane foutvenster’’ zo klein dat inspectie‑sensitiviteit en metrologie‑precisie tegelijk moeten verbeteren. Het gevolg is simpel: een defect of een paar nanometer drift die eerder onschuldig was, kan ineens een wafer van “goed” naar “marginaal” kantelen.
EUV verandert het defect‑ en metrologieprobleem op een paar belangrijke manieren:
Dit duwt fabs naar meer gevoelige inspectie, slimmer bemonsteren en strakkere koppelingen tussen wat gemeten wordt en wat aangepast wordt.
Zelfs met EUV omvatten veel lagen multi‑patterning stappen en complexe 3D‑stacks (meer films, meer interfaces, meer topografie). Dat verhoogt de kans op:
Metrologietargets kunnen minder representatief worden en recepten hebben vaak frequente tuning nodig om gecorreleerd te blijven aan yield.
Niet elke laag heeft dezelfde gevoeligheid of precisie nodig. Logic, memory en power devices benadrukken verschillende faalmechanismen, en binnen één chip kunnen gate, contact, via en metal‑lagen zeer verschillende inspectie‑drempels en metrologische onzekerheden vragen. Winnaars behandelen meetstrategie als engineering per laag, niet als één‑setting‑past‑allen.
Inspectie en metrologie helpen alleen yield als de resultaten van shift tot shift en tool tot tool reproduceerbaar zijn. In de praktijk hangt dat minder af van de fysieke meetprincipes en meer van operationele discipline: recepten, toolmatching, kalibratie en gecontroleerde veranderingen.
Een “recept” is de opgeslagen set meetlocaties, optica/beam‑instellingen, focusstrategieën, drempels, bemonsteringsplannen en classificatieregels gebruikt voor een bepaalde laag/product. Goed receptbeheer verandert een complex instrument in een consistent fab‑instrument.
Kleine receptverschillen kunnen ‘‘fake’’ excursies creëren—één shift ziet meer defecten simpelweg omdat de gevoeligheid veranderde. Veel fabs behandelen recepten als productieassets: versiebeheer, toegangscotrole en gekoppeld aan product/laagnaam zodat dezelfde wafer elke keer hetzelfde wordt gemeten.
De meeste high‑volume fabs draaien meerdere tools (vaak meerdere generaties) voor capaciteit en redundantie. Als Tool A 3 nm hoger CD leest dan Tool B, heb je niet twee processen—je hebt twee linialen.
Kalibratie houdt de liniaal verankerd aan een referentie. Matching houdt verschillende linialen uitgelijnd. Dit omvat periodieke gauge‑checks, referentiewafers en statistische monitoring van offsets en drift. Leveranciers bieden matching‑workflows, maar fabs hebben duidelijke eigenaarschap nodig: wie offsets goedkeurt, hoe vaak rematchen en welke limieten een stop triggeren.
Recepten moeten veranderen als materialen, patronen of targets wijzigen—maar elke verandering heeft validatie nodig. Een gangbare praktijk is “shadow‑mode”: draai het bijgewerkte recept parallel, vergelijk deltas en promoot het alleen als het correlatie behoudt en downstream SPC‑limieten niet breekt.
Dagelijkse stabiliteit hangt af van snelle, consistente beslissingen:
Als deze workflow gestandaardiseerd is, wordt meten een betrouwbare regel‑lus in plaats van een extra variabiliteitsbron.
Meting verbetert concurrentie alleen als het beslissingen sneller verandert dan het proces drift. De KPI’s hieronder koppelen inspectie/metrologie‑prestatie aan yield, cyclustijd en kosten—zonder je wekelijkse review in een data‑dump te veranderen.
Capture rate: het aandeel ‘‘echte’’ yield‑beperkende defecten dat je inspectie vindt. Volg per defecttype en laag, niet als één enkel headline‑getal.
Defect adder: defecten geïntroduceerd door meetstappen zelf (handling, extra wachttijd die WIP‑risico verhoogt, rework). Als je adder stijgt, kan “meer bemonstering” tegenwerken.
Nuisance rate: het aandeel gedetecteerde events dat niet actieerbaar is (ruis, onschadelijke patroonartefacten). Hoge nuisance‑rate verbruikt reviewcapaciteit en vertraagt root‑cause werk.
Precisie: herhaalbaarheid van een tool op dezelfde feature; bepaalt direct hoe strak je controlelimieten kunt zetten.
Accuraatheid: afstand tot de ware waarde (of een afgesproken referentie). Precisie zonder accuraatheid kan systematische foutsturing veroorzaken.
TMU (total measurement uncertainty): een praktische samenvatting die repeatability, matching, bemonsteringseffecten en receptgevoeligheid combineert.
Tool matching: overeenstemming tussen tools die hetzelfde recept draaien. Slechte matching blaast schijnbare procesvariatie op en bemoeilijkt dispatching.
Excursierate: hoe vaak het proces zijn normale window verlaat (per module, laag en shift). Koppel met escape rate (excursies die niet voor downstream impact gevangen werden).
Mean time to detect (MTTD): tijd vanaf het begin van een excursie tot detectie. Verkorten van MTTD levert vaak meer op dan marginale verbeteringen in ruwe toolspecificaties.
Lots on hold: volume en leeftijd van vastgezette lots door metrologie/inspectiesignalen. Te laag kan betekenen dat je issues mist; te hoog schaadt cyclustijd.
Yield learning rate: yield‑verbetering per week/maand na grote veranderingen (nieuw node, nieuwe toolset, belangrijk recept‑revisie).
Cost of poor quality (COPQ): scrap + rework + expedite + late discovery‑kosten toe te schrijven aan escapes.
Cyclustijdimpact: door meten veroorzaakte wachttijd en rework‑lussen. Een nuttig zicht is “minuten cyclustijd toegevoegd per lot” per controlestap.
Als je een eenvoudige startset wilt, kies één KPI uit elke groep en bespreek die naast SPC‑signalering in dezelfde meeting. Voor meer over het omzetten van metrics in actielussen, zie from‑measurements‑to‑action‑spc‑feedback‑feedforward.
Toolselectie in een fab lijkt minder op het kopen van een los instrument en meer op het kiezen van een deel van het fab‑zenuwstelsel. Teams evalueren doorgaans zowel de hardware als het omliggende meetprogramma: wat het kan vinden, hoe snel het draait en hoe betrouwbaar de data beslissingen kan sturen.
Eerst kijken fabs naar sensitiviteit (de kleinste defect of procesverandering die de tool betrouwbaar detecteert) en nuisance‑rate (hoe vaak onschuldige signalen worden geflagd). Een tool die meer issues vindt is niet automatisch beter als het engineers overweldigt met valse alarmen.
Ten tweede is throughput: wafers per uur bij de vereiste receptinstellingen. Een tool die alleen in een trage modus aan spec voldoet kan knelpunten creëren.
Ten derde is eigenaarsschapskost, die meer omvat dan de aankoopprijs:
Fabs beoordelen ook hoe soepel de tool in bestaande systemen past: MES/SPC, standaard fab‑communicatieinterfaces en dataformaten die geautomatiseerde grafieken, excursiedetectie en lotdispositie mogelijk maken. Net zo belangrijk is de review‑workflow—hoe defecten geclassificeerd worden, hoe bemonstering wordt beheerd en hoe snel resultaten terugstromen naar het procesmodule.
Een veelgebruikte pilotstrategie gebruikt split lots (vergelijdbare wafers via verschillende meetaanpakken) plus golden wafers om tool‑naar‑tool consistentie in de tijd te controleren. Resultaten worden vergeleken met een baseline: huidige yield, huidige detectielimieten en de snelheid van corrigerende actie.
In veel fabs worden leveranciers zoals KLA naast andere inspectie‑ en metrologieleveranciers beoordeeld op dezelfde categorieën—capaciteit, fab‑fit en economie—omdat de winnende keuze degene is die beslissingen per wafer verbetert, niet alleen metingen per wafer.
Inspectie zoekt naar onvoorziene defecten (deeltjes, krassen, patroonbreuken, anomalieën) en beantwoordt: “Is er ergens iets mis op de wafer?”
Metrologie meet de bedoelde procesuitkomsten (CD, overlay, filmdikte, planheid) en beantwoordt: “Heeft het proces de target gehaald?”
In de praktijk gebruiken fabs inspectie om yield‑killers vroeg te vangen en metrologie om procesdrift te voorkomen die tot lot‑brede verliezen leidt.
Omdat meten routinebeslissingen aandrijft die zich opstapelen tot yield‑ en kostuitkomsten:
Snellere metingen, herhaalbaarheid en betere classificatie maken van meten een middel voor snellere containment en minder dure verrassingen.
Meetpunten zitten meestal direct na stappen waar variatie later duur is om te repareren:
Het idee is vroeg meten waar beslissingen nog kunnen veranderen.
Een bemonsteringsplan definieert hoe vaak en hoe diep je meet (wafers per lot, sites per wafer, welke lagen).
Praktische vuistregel:
Te veel meten kan de doorvoer blokkeren; te weinig meten verhoogt escape‑risico.
Inline‑metingen gebeuren in de produktiestroom, dicht bij de proces‑tool, dus ze zijn sneller voor regelkringen en verminderen ‘‘at‑risk’’ WIP.
Offline‑metingen zijn doorgaans trager maar dieper (debug, correlatie, root‑cause bevestiging).
Een goed model: genoeg inline‑dekking om dagelijks te sturen, plus gerichte offline‑werkzaamheden als de inline‑signalen iets veranderen.
Een killer‑defect veroorzaakt waarschijnlijk functionele uitval (opens, shorts, lekkage, parametrische verschuiving).
Een nuisance‑defect is echt (of lijkt echt) maar beïnvloedt de yield niet.
Waarom classificatie telt: detectie kost niet alleen tijd, het veroorzaakt ook reacties (holds, reviews, rework, downtime). Betere classificatie vermindert dure overreacties zonder escapes te verhogen.
False negatives (gemiste killers) verschijnen later als yield‑verlies—nadat er meer waarde is toegevoegd—dus die zijn het schadelijkst.
False positives creëren “kostbaar geluid”: onnodige holds, extra reviews en langere wachtrijen.
Het praktische doel is niet “alles vinden”, maar de juiste signalen vroeg genoeg zodat de juiste acties tegen acceptabele kosten worden getriggerd.
CD (critical dimension) is de gemeten breedte/maat van een geprinte feature—bijv. gate‑lengte of een smalle metal‑lijn.
Kleine CD‑drift kan elektrische eigenschappen snel veranderen (weerstand, lekkage, drive‑current) omdat moderne marges tiny zijn.
Veel CD‑problemen hebben herkenbare focus/exposure‑signaturen, dus CD‑metrologie gecombineerd met duidelijke SPC‑responsplannen levert vaak hoge ROI.
Overlay meet hoe goed een laag uitlijnt op de vorige laag.
Een chip kan op elke laag “goede CD’s” hebben en toch falen als vias hun doelen missen of contacten slechts gedeeltelijk landen door misalignment.
Overlay‑controle is cruciaal wanneer uitlijnbudgetten krap zijn of fouten zich over meerdere patterning‑stappen ophopen.
Latentie is de tijd tussen het verwerken van een wafer en het hebben van een bruikbaar meetresultaat.
Als resultaten pas binnenkomen nadat meerdere lots al zijn verwerkt, kun je alleen de toekomst corrigeren terwijl verliezen zich in het heden opstapelen.
Om latentie te verminderen:
Dat verbetert vaak de uitkomst meer dan marginale verbeteringen in ruwe tool‑gevoeligheid.