在晶圆制造的化学机械平坦化（CMP）工艺中，实现表面平整是关键目标，但这一过程常伴随一种严重影响良率的缺陷——Scratch（刮伤）。它并非简单的表面瑕疵，而是可能直接导致器件失效、整片晶圆报废的物理损伤。本文将系统介绍CMP Scratch的基本概念、特征、成因、危害及其防控与检测方法。

一、什么是CMP Scratch

CMP Scratch是指在抛光过程中，由于机械摩擦、硬颗粒或抛光垫异常等因素，在晶圆表面产生的线状或沟槽状物理损伤。这些划痕的深度可从纳米级至数百纳米不等，严重时可穿透薄膜层，破坏下方的器件结构。其形态通常表现为长度几微米到几百微米，方向多沿载盘旋转方向，需通过专业设备如Surfscan、SEM或AFM进行观测。

从广义上看，Scratch是CMP工艺中最常见的缺陷类型之一，因其产生机理与CMP自身“化学改性+机械磨削”的协同特点紧密相关，不仅影响器件性能，更是导致良率降低的主要因素，因此成为工艺与设备工程师关注和攻关的重点。

CMP Scratch在宏观与微观上呈现不同特征。宏观上，缺陷分布图（defect map）常显示出弧形图案，这是判断缺陷来源于CMP工序的重要线索。微观上，划痕表现为清晰的线状沟槽。根据其形貌与成因，常见的Scratch类型包括：宏观划痕、微观划痕、微小划痕、残留物划痕、环状分布划痕以及机械划痕等。其中，弧形划伤多源自研磨单元，环形划伤常与清洗单元的刷子有关，而直线型划伤则可能由传送手臂等机械接触导致。

二、Scratch的产生原因分析

Scratch的产生本质上是异物在机械压力下与晶圆表面接触并相对运动的结果。其来源可归纳为以下几大方面：

        1.消耗品相关因素。这是Scratch的主要来源之一。抛光液中的磨料（如SiO₂、CeO₂）可能发生团聚，形成尺寸更大、硬度更高的颗粒，成为划伤的“硬点”。抛光垫表面因修整盘损坏或掉粒会产生高硬度突起。此外，修整盘本身金刚石颗粒脱落、抛光垫老化掉屑、以及管路、泵阀等磨损产生的金属或陶瓷碎屑，都可能引入致命硬颗粒。

       2.工艺参数与设备状态。抛光过程中的压力、转速、相对速度等参数设置不当，会放大划伤风险。特别是晶圆边缘区域，常因载具背压不均、抛光垫局部磨耗或抛光液分布不匀，导致接触应力集中，更易产生划痕。过长的抛光时间（过抛）会使表面薄膜变薄，抗划伤能力下降。设备内部零件，如保持环、载具的磨损，也会产生污染颗粒。

3.环境污染与搬运清洗。来自前道工序的残留颗粒、晶圆盒（FOUP）污染、厂务空气中的粒子、不洁的化学品或去离子水，都可能进入工艺环节。在清洗阶段，清洗刷上的硬颗粒会造成环形划伤，刷洗压力不当或兆声清洗参数不佳甚至可能引入新的缺陷（Adder Defect）。清洗不彻底则会导致残留磨料或产物在后续工序中造成二次刮伤。

             4.流体与界面异常。抛光过程中，若抛光液流体膜破裂，会导致局部区域由流体润滑变为干摩擦，摩擦系数急剧升高，大幅增加划伤风险。这可能由抛光垫表面老化、磨粒分布不均或抛光液流速不稳定等因素引起。

三、Scratch的危害、检测与防控

一条细微的划痕可能引发连锁性的失效。在不同工艺层，其危害具体表现为：在浅沟槽隔离或层间介质CMP中，划痕会导致表面沟槽和反射不均，引起后续光刻对焦误差和线路断开风险；在铜互连CMP中，金属划痕会成为电迁移的起点或直接导致开路失效；在钨塞CMP中，划痕会形成局部应力点，降低接触可靠性；在氧化层CMP中，则会增加表面粗糙度，干扰光学反射与平坦度控制。因此，Scratch是影响芯片性能与可靠性的重大隐患。

由于CMP划痕通常肉眼不可见，需依赖多种精密检测手段结合。光学检测设备如Surfscan或Candela可用于快速扫描晶圆表面，识别线状缺陷的分布。进一步，需要利用原子力显微镜或扫描电子镜进行观测，以精确分析划痕的深度与微观形态。光学轮廓仪则可用于量化划痕的宽度与周边粗糙度变化。此外，将缺陷数据与工艺参数进行统计过程控制关联分析，有助于追溯缺陷根源。

  防控Scratch需要一套从源头到终端的系统性策略。首要的是加强消耗品与工艺介质管理。对抛光液实施严格的过滤，并监控其粒径分布，防止磨料团聚。规范抛光液的开封、使用时限和储存温度。定期更换与检查抛光垫修整盘，监控其使用寿命与外观，防止金刚石颗粒脱落。同时，优化修整参数，避免对抛光垫造成过度损伤。        

其次是优化工艺参数与端点控制。通过保证抛光压力与载具气压的均匀性，避免边缘压力集中。优化转速比与抛光垫-晶圆相对运动路径，使接触更均匀。尤为关键的是采用可靠的终点检测技术，缩短乃至消除过抛时间，减少晶圆表面在薄弱阶段暴露于风险中的时长。

再次是强化清洗与干燥流程。CMP后应采用高压去离子水配合兆声波进行有效清洗，彻底去除残留磨粒与反应产物。对清洗刷进行生命周期管理，并优化刷压、转速及化学清洗配方，在保证颗粒去除率的同时，最小化清洗过程本身引入新缺陷的风险。最后的干燥步骤需防止水印残留和颗粒二次沉积。

最后是建立数据驱动的闭环管控体系。通过缺陷帕累托分析，快速定位主要缺陷来源的设备腔体、耗材批号或工艺环节。建立关键耗材与设备参数的可追溯性系统。运用隔离实验、替换实验等方法验证根因。将Scratch的管控从经验应对转化为基于统计与数据的工程问题，从而实现持续改善。

 CMP Scratch缺陷是涉及物理颗粒、化学环境、机械参数、设备状态及环境管控等多个维度的复杂问题。它并非不可控的“玄学”，而是可以通过系统性的工程方法进行识别、分析和抑制的工艺挑战。深入理解其成因，并严格执行从预防到检测的全流程管控，是提升CMP工艺良率与芯片可靠性的必经之路。

众壹云服务国内头部晶圆厂达20年，在致力于实现晶圆制造的工艺优化和良率提升的同时，发挥自身优势，推动芯片设计和制造协同。目前我们的AI ADC产品已经在国内头部的晶圆厂中进行了部署，并得到了实地验证，取得了良好的效果。AI ADC产品是为半导体制造商提供的基于机器视觉的自动晶圆缺陷分类的完整方案。通过升级部分高级制程控制（APC），将其与缺陷/良率管理系统（DMS/YMS）的关键指标关联起来，实现缺陷的减少及良率提升。

我们诚挚地欢迎所有有合作意向的客户与我们取得联系，以便能够深入探讨合作事宜，携手探寻互利共赢的发展机遇。我们热切期待与您交流，并且愿意为您提供最优质的服务与支持。