晶圆切割振动监测系统与进给参数的协同优化模型

一、引言

晶圆切割是半导体制造的关键环节，切割过程中的振动会影响晶圆表面质量与尺寸精度，而进给参数的设置对振动产生及切割效率有着重要影响。将振动监测系统与进给参数协同优化，能有效提升晶圆切割质量。但目前二者常被独立研究，难以实现最佳切割效果，构建协同优化模型迫在眉睫。

二、振动监测系统与进给参数协同优化的必要性

2.1 振动对进给参数的影响

晶圆切割时，振动会使刀具与晶圆的接触状态改变，导致切削力波动。若进给参数设置不当，如进给速度过快，振动会进一步加剧，可能引发刀具磨损加剧、晶圆崩边等问题，影响切割精度与效率 。

2.2 进给参数对振动的作用

进给参数直接影响切割过程的稳定性。进给速度、进给量等参数的变化，会改变切削力大小与方向，进而影响振动的产生与传播。不合理的进给参数设置，可能激发刀具或晶圆的共振，产生强烈振动 。

三、协同优化模型构建

3.1 模型框架搭建

以晶圆切割质量（表面粗糙度、尺寸精度等）为优化目标，将振动监测系统获取的振动幅值、频率等数据，与进给速度、进给量等进给参数作为输入变量。基于切削力学理论，建立输入变量与优化目标之间的数学关系模型，描述振动与进给参数对切割质量的综合影响 。

3.2 数据驱动建模

利用振动监测系统采集大量不同进给参数下的切割振动数据，结合实际切割质量检测结果。运用机器学习算法，如神经网络，对数据进行训练，挖掘振动特征、进给参数与切割质量之间的潜在联系，实现模型参数的动态优化，提高模型预测准确性 。

四、协同优化策略

4.1 实时监测与反馈优化

振动监测系统实时采集切割过程中的振动数据，并将数据传输至协同优化模型。模型根据预设规则与算法，分析振动数据与当前进给参数，若发现振动异常或切割质量下降趋势，自动调整进给参数，实现实时动态优化 。

4.2 多目标优化算法应用

采用粒子群优化算法、遗传算法等多目标优化算法，在满足切割效率要求的前提下，综合考虑振动幅值最小化、切割质量最优化等目标，求解最佳进给参数组合。通过多次迭代计算，确定在不同振动状态下的最优进给参数 。

高通量晶圆测厚系统运用第三代扫频OCT技术，精准攻克晶圆/晶片厚度TTV重复精度不稳定难题，重复精度达3nm以下。针对行业厚度测量结果不一致的痛点，经不同时段测量验证，保障再现精度可靠。?

我们的数据和WAFERSIGHT2的数据测量对比,进一步验证了真值的再现性：

（以上为新启航实测样品数据结果）

该系统基于第三代可调谐扫频激光技术，相较传统双探头对射扫描，可一次完成所有平面度及厚度参数测量。其创新扫描原理极大提升材料兼容性，从轻掺到重掺P型硅，到碳化硅、蓝宝石、玻璃等多种晶圆材料均适用：?

对重掺型硅，可精准探测强吸收晶圆前后表面；?

点扫描第三代扫频激光技术，有效抵御光谱串扰，胜任粗糙晶圆表面测量；?

通过偏振效应补偿，增强低反射碳化硅、铌酸锂晶圆测量信噪比；

（以上为新启航实测样品数据结果）

支持绝缘体上硅和MEMS多层结构测量，覆盖μm级到数百μm级厚度范围，还可测量薄至4μm、精度达1nm的薄膜。

（以上为新启航实测样品数据结果）

此外，可调谐扫频激光具备出色的“温漂”处理能力，在极端环境中抗干扰性强，显著提升重复测量稳定性。

（以上为新启航实测样品数据结果）

系统采用第三代高速扫频可调谐激光器，摆脱传统SLD光源对“主动式减震平台”的依赖，凭借卓越抗干扰性实现小型化设计，还能与EFEM系统集成，满足产线自动化测量需求。运动控制灵活，适配2-12英寸方片和圆片测量。