WO2003105210A1 - Processing device multivariate analysis model creation method, processing device multivariate analysis method, processing device control device, processing device control system - Google Patents

Processing device multivariate analysis model creation method, processing device multivariate analysis method, processing device control device, processing device control system Download PDF

Info

Publication number
WO2003105210A1
WO2003105210A1 PCT/JP2003/007132 JP0307132W WO03105210A1 WO 2003105210 A1 WO2003105210 A1 WO 2003105210A1 JP 0307132 W JP0307132 W JP 0307132W WO 03105210 A1 WO03105210 A1 WO 03105210A1
Authority
WO
WIPO (PCT)
Prior art keywords
processing device
processing
correlation
setting data
data
Prior art date
Application number
PCT/JP2003/007132
Other languages
French (fr)
Japanese (ja)
Inventor
友安　昌幸
斌 王
田中　秀樹
Original Assignee
東京エレクトロン株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 東京エレクトロン株式会社 filed Critical 東京エレクトロン株式会社
Priority to KR1020047019644A priority Critical patent/KR100628392B1/en
Priority to JP2004512183A priority patent/JP4224454B2/en
Publication of WO2003105210A1 publication Critical patent/WO2003105210A1/en
Priority to US11/003,829 priority patent/US7505879B2/en

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32917—Plasma diagnostics
    • H01J37/32935—Monitoring and controlling tubes by information coming from the object and/or discharge
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having at least one potential-jump barrier or surface barrier, e.g. PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having at least one potential-jump barrier or surface barrier, e.g. PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic System or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/302—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to change their surface-physical characteristics or shape, e.g. etching, polishing, cutting
    • H01L21/306—Chemical or electrical treatment, e.g. electrolytic etching
    • H01L21/3065—Plasma etching; Reactive-ion etching

Abstract

Detection data detected from a plurality of sensors when a plasma processing device (100A) as a reference and a plasma processing device (100B) of the same type are operated by first setting data are subjected to multivariate analysis so as to create respective multivariate analysis models. After this, when operated by new second setting data, detection data detected from a plurality of sensors of the plasma processing device (100A) are used to create its multivariate analysis model. By using the multivariate analysis model of the plasma processing device (100A) of the second setting data and the multivariate analysis model of the plasma processing device (100B), a multivariate analysis model of the plasma processing device (100B) corresponding to the new second setting data is created. According to this method, for example, even if there is a process characteristic difference between processing devices, a model created for one of the processing devices can be applied directly to another processing device of he same type. Accordingly, there is no need of acquiring data to create a model for each of the processing devices. Thus, it is possible to save labor and reduce the labor hour when creating a model.

Description

明 細 書 処理装置の多変量解析モデル式作成方法， 処理装置用の多変量解析 方法， 処理装置の制御装置， 処理装置の制御システム 技術分野 本発明は， 処理装置の多変量解析モデル式作成方法， 処理装置用 の多変量解析方法， 処理装置の制御装置， 処理装置の制御システム に関する。 景技 1W 半導体製造工程では種々の処理装置が用いられている。 半導体ゥ ェハゃガラス基板等の被処理体の成膜工程ゃェツチング工程ではプ ラズマ処理装置等の処理装置が広く使用されている。 個々の処理装 置はそれぞれ被処理体に対する固有のプロセス特性を有している。 そのため， 装置毎のプロセス特性をモニタし， あるいはプロセス特 性を予測するなどしてウェハの最適処理を行っている。 例えば， 特開平 6 - 1 3 2 2 5 1号公報にはプラズマエッチング 装置のエッチングモニタについて提案されている。 この場合には， 前もってエッチングの処理結果 （均一性， 寸法精度， 形状や下地膜 との選択性等） とプラズマの分光分析結果やプロセス条件 （圧力， ガス流量， バイアス電圧等） の変動状況等との関係を調べ， これら をデータベースとして記憶しておくことにより， ウェハを直接検査 することなく処理結果を間接的にモニタできる。 モニタした処理結 果が検査条件に対して不合格である場合には， その情報をエツチン グ装置に送って処理条件を修正し， あるいは処理を中止すると共に 管理者にその旨を通報する。 また， 特開平 1 0— 1 2 5 6 6 0号公報にはプラズマ処理装置の プロセスモニタ方法について提案されている。 この場合には， 処理 前に試用ウェハを用いてプラズマ状態を反映する電気的信号とブラ ズマ処理特性を関連づけるモデル式を作成し， 実ウェハを処理する 時に得られる電気的信号の検出値をモデル式に代入してプラズマ状 態を予測し， 診断している。 また， 特開平 1 1— 8 7 3 2 3号公報には半導体ウェハ処理シス テムの複数のパラメータを用いてプロセスを監視する方法及ぴ装置 について提案されている。 この場合には， 複数のプロセスパラメ一 タを分析し， これらのパラメータを統計的に相関させてプロセス特 性やシステム特性の変化を検出する。 複数のプロセスパラメータと しては， 発光， 環境パラメータ （反応チャンパ内の圧力や温度等）， R Fパワーパラメータ （反射パワー， 同調電圧等）， システムパラメ ータ （特定のシステム構成や制御電圧） が用いられている。 しかしながら， 従来の技術の場合には， 種々の測定データを多変 量解析等の統計的手法により解析してモデル式を作成し， このモデ ル式を用いて処理装置の状態やプロセス特性を把握し， 監視してい るため， 例えば各処理装置に付設されたセンサ間の個体差など， 処 理装置毎にプロセス特性に差がある場合には， 一つの処理装置につ いてモデル式を作成しても， このモデル式を同種の他の処理装置に そのまま適用することができず， 処理装置毎に種々の測定データを 取ってその都度モデル式を作成しなくてならず， モデル式の作成に 多大な手数と時間を要するという課題があった。 また， プロセス条 件が変わる場合にもプロセス条件毎に種々の測定データを取ってそ の都度モデル式を作成しなくてならず， モデル式の作成に多大な手 数と時間を要するという課題があった。 本発明は， 上記解決するためになされたもので， 処理装置毎にプ ロセス特性やプロセス条件に差があっても一つの処理装置について モデル式を作成すれば， そのモデル式を同種の他の処理装置に流用 することができ， 処理装置毎にモデル式を作成する際の手間や負担 を軽減することができ， また処理装置毎にモデル式を新たに作成し なくても各処理装置の装置状態を評価することができる処理装置の 多変量解析モデル式作成方法及び処理装置用の多変量解析方法を提 供することを目的としている。 発明の開示 上記課題を解決するために， 本発明の第 1の観点によれば， 多変 量解析によって処理装置の装置状態を評価し又は処理結果を予測す る際の多変量解析モデル式を作成する方法であって， 複数の処理装 置においてそれぞれ第 1の設定データに基づいて動作した時に前記 各処理装置の複数のセンサから検出される検出データと前記第 1の 設定データとの相関関係を多変量解析によつて前記各処理装置ごと に求める第 1の工程と， 前記各処理装置のうちの 1つを基準処理装 置とすると， この基準処理装置において新たな第 2の設定データに 基づいて動作した時に前記基準処理装置の複数のセンサから検出さ れる検出データと前記第 2の設定データとの相関関係を多変量解析 によって求める第 2の工程と， 前記基準処理装置以外の他の処理装 置における前記第 2の設定データと検出データとの相関関係を， 前 記第 1の工程で求めた前記他の処理装置における相関関係と， 前記 第 1の工程で求めた前記基準処理装置における相関関係と， 前記第 2の工程で求めた前記基準処理装置における前記相関関係とに基づ いて求め， こうして求めた相関関係に基づいて前記他の処理装置の 装置状態を評価し又は処理結果を予測する多変量解析モデル式を作 成する第 3の工程とを有することを特徴とする処理装置の多変量解 析モデル式作成方法が提供される。 上記課題を解決するために， 本発明の第 2の観点によれば， 多変 量解析によって処理装置の装置状態を評価し又は処理結果を予測す る際の多変量解析方法であって， 複数の処理装置においてそれぞれ 第 1の設定データに基づいて動作した時に前記各処理装置の複数の センサから検出される検出データと前記第 1の設定データとの相関 関係を多変量解析によって前記各処理装置ごとに求める第 1の工程 と， 前記各処理装置のうちの 1つを基準処理装置とすると， この基 準処理装置において新たな第 2の設定データに基づいて動作した時 に前記基準処理装置の複数のセンサから検出される検出データと前 記第 2の設定データとの相関関係を多変量解析によって求める第 2 の工程と， 前記基準処理装置以外の他の処理装置における前記第 2 の設定データと検出データとの相関関係を， 前記第 1の工程で求め た前記他の処理装置における相関関係と， 前記第 1の工程で求めた 前記基準処理装置における相関関係と， 前記第 2の工程で求めた前 記基準処理装置における前記相関関係とに基づいて求め， こうして 求めた相関関係に基づいて前記他の処理装置の装置状態を評価し又 は処理結果を予測する多変量解析モデル式を作成する第 3の工程と を有することを特徴とする処理装置用の多変量解析方法が提供され る。 また， 上記第 1の観点及び第 2の観点による発明において， 前記 第 3の工程は， 前記第 1の工程で求めた前記他の処理装置における 相関関係に対する前記他の処理装置における前記第 2の設定データ と検出データとの相関関係と， 前記第 1の工程で求めた前記基準処 理装置における相関関係に対する前記第 2の工程で求めた前記基準 処理装置における前記相関関係との比例関係に基づいて， 前記他の 処理装置における前記第 2の設定データと検出データとの相関関係 を求めるようにしてもよい。 また， 上記多変量解析は， 例えば部分 最小二乗法 （P L S法） により行うようにしてもよい。 また， 上記第 1の観点及ぴ第 2の観点による発明において， 処理 装置は， プラズマ処理装置であってもよい。 この場合， 前記設定デ ータは， プラズマ状態を制御できる複数の制御パラメータを用いる と共に， 前記検出データは， プラズマ状態を反映する複数のプラズ マ反映パラメータ，装置状態に関連する複数の装置状態パラメータ， プロセス仕上がりを反映するパラメータの群から選ばれる少なく と も 1つ又は 2つ以上のパラメータを用いるようにしてもよレ、。 また， 上記第 2の観点による発明において， 前記多変量解析モデ ル式は， 前記第 3の工程で求めた前記他の処理装置における相関関 係と前記第 2の設定データとから算出した検出データと前記第 2の 設定データとの相関関係式であってもよい。 上記課題を解決するために， 本発明の第 3の観点によれば， 被処 理体を処理する処理装置に設けられ，所定の設定データに基づいて， 前記処理装置の制御を行う処理装置の制御装置であって， 前記処理 装置と少なく とも基準となる処理装置とホスト装置とが接続したネ ットワークに接続してデータのやり取りが可能な送受信手段を設け， 第 1の設定データに基づいて動作した時に前記処理装置の複数のセ ンサから検出される検出データと前記第 1の設定データとを前記送 受信手段により前記ネッ トワークを介して前記ホスト装置に送信し て， 送信されたデータに基づいて前記ホスト装置によって多変量解' 析により求められた前記第 1の設定データと前記検出データとの相 関関係を前記ホスト装置から前記送受信手段により前記ネットヮー クを介して受信し， 新たな第 2の設定データを前記送受信手段によ り前記ネッ トワークを介してホスト装置に送信し， 送信されたデー タに基づいて前記ホスト装置によって求められた前記第 2の設定デ ータとこの第 2の設定データに基づく検出データとの相関関係を前 記ホスト装置から前記送受信手段により前記ネットワークを介して 受信し， 前記ホスト装置から受信した前記第 2の設定データについ ての相関関係に基づいて多変量解析モデル式を作成し， この多変量 解析モデル式に基づいて前記処理装置の装置状態を評価し又は処理 結果を予測し， その結果に応じて前記処理装置を制御することを特 徴とする処理装置の制御装置が提供される。 また， 上記第 3の観点による発明において， 前記検出データ算出 手段は， 前記他の処理装置で所定のプロセス処理を行う際に装置状 態を評価し又は処理結果を予測する多変量解析モデル式を作成する ための前記他の処理装置の設定データを前記送受信手段により前記 ネットワークを介して受信し， 受信した前記設定データと前記処理 装置の前記相関関係とから前記処理装置を前記他の処理装置の前記 所定のプロセス処理と同一条件で動作させた場合の前記処理装置の 検出データを計算するようにしてもよレ、。 また， 上記第 3の観点による発明において， 前記他の処理装置の 設定データは， 前記所定のプロセス処理前に多変量解析により求め られた， 前記他の処理装置の設定データとこの設定データに基づい て動作した時の前記他の処理装置の複数のセンサから検出される検 出データとの相関関係と， 前記他の処理装置を前記所定のプロセス 処理を行う際の前記他の処理装置の複数のセンサから検出される検 出データとを用いて計算されるようにしてもよい。 また， 上記第 3の観点による発明において， 前記処理装置におけ る前記第 2の設定データについての相関関係は， 前記ホスト装置に より多変量解析によって求められた， 前記処理装置における前記第 1の設定データについての相関関係と， 前記ホスト装置により多変 量解析によって求められた， 前記基準処理装置が第 1の設定データ に基づいて動作した時に前記基準処理装置の複数のセンサから検出 される検出データと前記第 1の設定データとの相関関係と， 前記ホ ス ト装置により多変量解析によって求められた， 前記基準処理装置 が新たな第 2の設定データに基づいて動作した時に前記基準処理装 置の複数のセンサから検出される検出データと前記第 2の設定デー タとの相関関係とに基づいて前記ホス ト装置により算出されるよう にしてもよレヽ。 また， 上記第 3の観点による発明において， 処理装置は， プラズ マ処理装置であってもよい。 この場合， 前記設定データは， プラズ マ状態を制御できる複数の制御パラメータを用いると共に， 前記検 出データは， プラズマ状態を反映する複数のプラズマ反映パラメ一 タ， 装置状態に関連する複数の装置状態パラメータ， プロセス仕上 がりを反映するパラメータの群から選ばれる少なく とも 1つ又は 2 つ以上のパラメータを用いるようにしてもよい。 また， 前記多変量 解析は， 部分最小二乗法により行うようにしてもよい。 また， 前記 処理装置は， プラズマ処理装置であってもよい。 上記課題を解決するために， 本発明の第 4の観点によれば， 所定 の設定データに基づいて， 被処理体を処理する処理装置の制御を行 う制御装置を備える処理装置の制御システムであって， ネットヮー クに送受信手段を介して接続される複数の前記処理装置と， 前記ネ ッ トワークに接続されるホスト装置とを備え， 前記ホスト装置は， 複数の処理装置においてそれぞれ第 1の設定データに基づいて動作 した時に前記各処理装置の複数のセンサから検出される検出データ と前記第 1の設定データとを前記複数の処理装置から前記ネットヮ ークを介して受信すると， 受信した前記第 1の設定データと前記検 出データとの相関関係を多変量解析によって前記各処理装置ごとに 求め， 求めた相関関係を対応する処理装置へ前記ネットワークを介 して送信し， 前記ホス ト装置は， 前記各処理装置のうちの基準とす る処理装置において新たな第 2の設定データに基づいて動作した時 に前記基準処理装置の複数のセンサから検出される検出データと前 記第 2の設定データとを前記基準処理装置から前記ネッ トワークを 介して受信すると， 受信した前記第 1の設定データと前記検出デー タとの相関関係を多変量解析によって求め， 求めた相関関係を前記 基準処理装置へ前記ネットワークを介して送信し, 前記ホスト装置 は， 前記基準処理装置以外の他の処理装置から前記第 2の設定デー タを前記ネットワークを介して受信すると， 受信した前記第 2の設 定データとこの第 2の設定データに基づく検出データとの相関関係 を， 前記多変量解析により求めた前記他の処理装置における前記第 1の設定データについての前記相関関係と， 前記多変量解析により 求めた前記基準処理装置における前記第 1の設定データについての 前記相関関係と， 前記多変量解析により求めた前記基準処理装置に おける前記第 2の設定データについての前記相関関係とに基づいて 求め， 求めた相関関係を前記他の処理装置へ前記ネットワークを介 して送信し， 前記他の処理装置は， 前記ホス ト装置から受信した前 記第 2の設定データについての相関関係に基づいて多変量解析モデ ル式を作成し， この多変量解析モデル式に基づいて前記処理装置の 装置状態を評価し又は処理結果を予測し， その結果に応じて前記処 理装置を制御することを特徴とする処理装置の制御システムが提供 される。 また， 上記第 4の観点による発明において， 処理装置は， プラズ マ処理装置であってもよい。 この場合， 前記設定データは， プラズ マ状態を制御できる複数の制御パラメータを用いると共に， 前記検 出データは， プラズマ状態を反映する複数のプラズマ反映パラメ一 タ， 装置状態に関連する複数の装置状態パラメータ， プロセス仕上 がりを反映するパラメータの群から選ばれる少なく とも 1つ又は 2 つ以上のパラメータを用いるようにしてもよい。 また， 前記多変量 解析は， 部分最小二乗法により行うようにしてもよい。 また， 前記 処理装置は， プラズマ処理装置であってもよい。 図面の簡単な説明 図 1は本発明の第 1の実施形態にかかるプラズマ処理装置の概略 構成を示す断面図である。 図 2は図 1に示すプラズマ処理装置の多変量解析手段の一例を示 すプロック図である。 図 3は本発明の第 2の実施形態にかかる処理装置制御システムの 構成を示すブロック図である。 図 4は本実施形態にかかる処理装置制御システムのモデル式作成 する際の動作フローを説明する図である。 図 5は本実施形態にかかる処理装置制御システムのモデル式作成 する際の動作フローを説明する図であり， 図 4の続きである。 図 6は本実施形態にかかる処理装置制御システムのモデル式作成 する際の動作フローを説明する図であり， 図 5の続きである。 Description Multivariate analysis model formula creation method for processing device, multivariate analysis method for processing device, control device for processing device, control system for processing device Technical field The present invention relates to a method for creating a multivariate analysis model formula for a processing device The present invention relates to a multivariate analysis method for a processing device, a processing device control device, and a processing device control system. Keigi 1W Various processing equipment is used in the semiconductor manufacturing process. 2. Description of the Related Art Processing apparatuses such as plasma processing apparatuses are widely used in a film forming step and a etching step of an object to be processed such as a semiconductor wafer glass substrate. Each processing apparatus has a unique process characteristic for the object to be processed. For this reason, optimal processing of wafers is performed by monitoring the process characteristics of each device or predicting the process characteristics. For example, Japanese Patent Application Laid-Open No. 6-132251 proposes an etching monitor for a plasma etching apparatus. In this case, the results of the etching process (uniformity, dimensional accuracy, selectivity to the shape and the underlying film, etc.), the results of the spectral analysis of the plasma, and the fluctuations in the process conditions (pressure, gas flow rate, bias voltage, etc.) are determined in advance. Inspection of the wafer and direct inspection of the wafer by storing these as a database The processing result can be indirectly monitored without performing. If the monitored processing results do not meet the inspection conditions, the information is sent to the etching equipment to correct the processing conditions, or the processing is stopped and the administrator is notified. Also, Japanese Patent Application Laid-Open No. 10-125660 proposes a process monitoring method for a plasma processing apparatus. In this case, a model formula that associates the electrical signal that reflects the plasma state with the plasma processing characteristics is created using a trial wafer before processing, and the detected value of the electrical signal obtained when processing the actual wafer is used as a model. The plasma state is predicted and diagnosed by substituting it into the equation. Also, Japanese Patent Application Laid-Open No. Hei 11-87332 proposes a method and an apparatus for monitoring a process using a plurality of parameters of a semiconductor wafer processing system. In this case, multiple process parameters are analyzed, and these parameters are statistically correlated to detect changes in process characteristics and system characteristics. The process parameters include light emission, environmental parameters (pressure and temperature in the reaction chamber, etc.), RF power parameters (reflected power, tuning voltage, etc.), and system parameters (specific system configuration and control voltage). Used. However, in the case of the conventional technology, various measurement data are analyzed by a statistical method such as multivariate analysis to create a model formula, and the state of the processing equipment and process characteristics are grasped using this model formula. If there is a difference in the process characteristics of each processing device, for example, due to individual differences between sensors attached to each processing device, monitoring is performed for one processing device. Therefore, even if a model formula is created, this model formula cannot be applied as it is to other processing units of the same type, and various measurement data must be taken for each processing unit and a model formula must be created each time. However, there was a problem that it took a lot of trouble and time to create the model formula. In addition, when the process conditions change, various measurement data must be taken for each process condition and a model formula must be created each time, which requires a lot of time and effort to create the model formula. there were. The present invention has been made to solve the above problem. If a model formula is created for one processing device even if there is a difference in process characteristics or process conditions for each processing device, the model formula can be used for another model of the same type. It can be diverted to processing equipment, reducing the labor and burden of creating model formulas for each processing equipment, and the equipment of each processing equipment can be created without creating a new model formula for each processing equipment. The purpose of the present invention is to provide a method for creating a multivariate analysis model formula of a processing device capable of evaluating a state and a multivariate analysis method for the processing device. DISCLOSURE OF THE INVENTION In order to solve the above problems, according to a first aspect of the present invention, a multivariate analysis model formula for evaluating the state of a processing apparatus by multivariate analysis or predicting a processing result is described. A method for creating a correlation between detection data detected from a plurality of sensors of each processing device when each of the plurality of processing devices operates based on the first setting data and the first setting data. A first step of obtaining, for each of the processing devices, by multivariate analysis; and one of the processing devices as a reference processing device. When the reference processing device operates based on new second setting data, the correlation between the detection data detected from a plurality of sensors of the reference processing device and the second setting data is multivariate. A second process obtained by analysis, and a correlation between the second setting data and the detected data in a processing device other than the reference processing device, the other processing device obtained in the first process. , The correlation in the reference processing device obtained in the first step, and the correlation in the reference processing device obtained in the second step. And a third step of generating a multivariate analysis model formula for evaluating a device state of said another processing device or predicting a processing result based on the multivariate solution of the processing device. Model formula creation method is provided. In order to solve the above problems, according to a second aspect of the present invention, there is provided a multivariate analysis method for evaluating a device state of a processing device or predicting a processing result by multivariate analysis. The multi-variate analysis of the correlation between the detection data detected from the plurality of sensors of each of the processing devices and the first setting data when each of the processing devices operates based on the first setting data. A first process for each of the above-mentioned processing units, and if one of the processing units is a reference processing unit, when the reference processing unit operates based on new second setting data, A second step of obtaining, by multivariate analysis, a correlation between detection data detected from a plurality of sensors and the second setting data; and a second step in a processing device other than the reference processing device. The correlation between the constant data and the detection data, and the correlation in the other processing device obtained in the first step, determined in the first step It is determined based on the correlation in the reference processing device and the correlation in the reference processing device determined in the second step, and the device state of the other processing device is evaluated based on the determined correlation. Or a third step of preparing a multivariate analysis model formula for predicting a processing result. A multivariate analysis method for a processing apparatus is provided. Further, in the invention according to the first and second aspects, the third step is a step in which the second processing in the other processing apparatus is performed with respect to a correlation in the other processing apparatus obtained in the first step. A correlation between the setting data and the detected data, and a proportional relationship between the correlation in the reference processing device obtained in the first step and the correlation in the reference processing device obtained in the second step. Thus, the correlation between the second setting data and the detection data in the another processing device may be obtained. The above multivariate analysis may be performed by, for example, the partial least squares method (PLS method). In the invention according to the first and second aspects, the processing apparatus may be a plasma processing apparatus. In this case, the setting data uses a plurality of control parameters capable of controlling the plasma state, and the detection data includes a plurality of plasma reflection parameters reflecting the plasma state and a plurality of apparatus state parameters related to the apparatus state. At least one or more parameters selected from a group of parameters that reflect the process finish may be used. In the invention according to the second aspect, the multivariate analysis model The expression may be a correlation expression between detection data calculated from the correlation in the other processing device obtained in the third step and the second setting data and the second setting data. Good. According to a third aspect of the present invention, there is provided a processing apparatus for processing an object to be processed, the processing apparatus controlling the processing apparatus based on predetermined setting data. A control unit, comprising: a transmission / reception unit capable of exchanging data by connecting to a network in which the processing unit, at least a reference processing unit, and a host device are connected, and operating based on the first setting data. Then, the detection data detected from the plurality of sensors of the processing device and the first setting data are transmitted to the host device via the network by the transmission / reception means, and based on the transmitted data, The correlation between the first setting data and the detection data obtained by multivariate analysis by the host device is transmitted from the host device to the network by the transmission / reception means. Received through the network, new second setting data is transmitted to the host device via the network by the transmission / reception means, and the second setting data obtained by the host device based on the transmitted data is transmitted. The correlation between the second setting data and the detection data based on the second setting data is received from the host device by the transmitting / receiving means via the network, and the second setting data received from the host device is received. A multivariate analysis model formula is created based on the correlation with the set data, and the state of the processing device is evaluated or the processing result is estimated based on the multivariate analysis model formula. A control device for a processing device characterized by controlling the processing device is provided. In addition, in the invention according to the third aspect, the detection data calculating means includes a multivariate analysis model formula for evaluating a device state or predicting a processing result when performing a predetermined process in the another processing device. The setting data of the other processing device to be created is received by the transmission / reception means via the network, and the processing device is connected to the other processing device based on the received setting data and the correlation of the processing device. Detection data of the processing device when operated under the same conditions as the predetermined process may be calculated. Further, in the invention according to the third aspect, the setting data of the other processing device is based on the setting data of the other processing device obtained by multivariate analysis before the predetermined process processing and the setting data. And a correlation between detection data detected from a plurality of sensors of the other processing device when the other processing device operates, and a plurality of the plurality of other processing devices when the other processing device performs the predetermined process. The calculation may be performed using detection data detected from the sensor. In the invention according to the third aspect, the correlation of the second setting data in the processing device is obtained by a multivariate analysis by the host device. A correlation between setting data and a detection obtained from the plurality of sensors of the reference processing device when the reference processing device operates based on the first setting data, which is obtained by multivariate analysis by the host device. The correlation between the data and the first setting data and the reference processing device when the reference processing device, which is obtained by multivariate analysis by the host device, operates based on the new second setting data. It may be calculated by the host device based on detection data detected from a plurality of sensors in the device and a correlation between the second setting data. In the invention according to the third aspect, the processing device may be a plasma processing device. In this case, the setting data uses a plurality of control parameters capable of controlling a plasma state, and the detection data includes a plurality of plasma reflection parameters reflecting a plasma state and a plurality of apparatus states related to the apparatus state. At least one or more parameters selected from the group of parameters that reflect the process finish may be used. Further, the multivariate analysis may be performed by a partial least squares method. Further, the processing device may be a plasma processing device. According to a fourth aspect of the present invention, there is provided a control system for a processing device including a control device for controlling a processing device for processing an object to be processed, based on predetermined setting data. And a plurality of processing devices connected to the network via transmission / reception means; and a host device connected to the network, wherein the host device has a first setting in each of the plurality of processing devices. When the detection data detected from the plurality of sensors of each of the processing devices and the first setting data are received from the plurality of processing devices via the network when operating based on the data, the received The correlation between the setting data of step 1 and the detection data is obtained for each of the processing units by multivariate analysis, and the obtained correlation is sent to the corresponding processing unit by the network. And it transmits the host device, to the reference of each processing unit When the processing device operates based on new second setting data, detection data detected from a plurality of sensors of the reference processing device and the second setting data are transmitted from the reference processing device to the network. Receiving the first setting data and the detected data by multivariate analysis, transmitting the obtained correlation to the reference processing device via the network, When the device receives the second setting data from another processing device other than the reference processing device via the network, the device receives the second setting data and detection data based on the second setting data. And the correlation between the first setting data in the other processing device obtained by the multivariate analysis and the multivariate analysis. Based on the correlation for the first setting data obtained in the reference processing device and the correlation for the second setting data in the reference processing device obtained by the multivariate analysis. The obtained correlation is transmitted to the other processing device via the network, and the other processing device receives a multivariate based on the correlation for the second setting data received from the host device. An analysis model formula is created, the device state of the processing device is evaluated or a processing result is predicted based on the multivariate analysis model formula, and the processing device is controlled according to the result. A processing unit control system is provided. In the invention according to the fourth aspect, the processing device may be a plasma processing device. In this case, the setting data uses a plurality of control parameters that can control a plasma state, and the detection data uses a plurality of plasma reflection parameters that reflect a plasma state. At least one or two or more parameters selected from the group of parameters related to equipment status, equipment status, and parameters that reflect the process finish may be used. Further, the multivariate analysis may be performed by a partial least squares method. Further, the processing device may be a plasma processing device. BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 is a sectional view showing a schematic configuration of a plasma processing apparatus according to a first embodiment of the present invention. FIG. 2 is a block diagram showing an example of the multivariate analysis means of the plasma processing apparatus shown in FIG. FIG. 3 is a block diagram showing a configuration of a processing device control system according to the second embodiment of the present invention. FIG. 4 is a diagram for explaining the operation flow when creating a model formula of the processing device control system according to the present embodiment. FIG. 5 is a diagram for explaining an operation flow when creating a model formula of the processing device control system according to the present embodiment, and is a continuation of FIG. FIG. 6 is a diagram for explaining an operation flow when creating a model formula of the processing apparatus control system according to the present embodiment, and is a continuation of FIG.
図 7は本実施形態にかかる処理装置制御システムにけるモデル式 により制御を行う際の動作フローを説明する図である。 発明を実施するための最良の形態 以下に添付図面を参照しながら， 本発明にかかる装置の好適な実 施の形態について詳細に説明する。 なお， 本明細書及ぴ図面におい て， 実質的に同一の機能構成を有する構成要素については， 同一の 符号を付することにより重複説明を省略する。 先ず， 本発明の第 1の実施形態にかかるプラズマ処理装置につい て図 1， 図 2を参照しながら説明する。 本実施形態のプラズマ処理 装置 1 0 0は， 例えば図 1に示すように， アルミニウム製の処理室 (チャンバ） 1 0 1 と， この処理室 1 0 1内に配置された下部電極 1 0 2を， 絶縁材 1 0 2 Aを介して支持する昇降可能なアルミユウ ム製の支持体 1 0 3と， この支持体 1 0 3の上方に配置され且つプ ロセスガスを供給し且つ上部電極を兼ねるシャワーへッド （以下で は， 必要に応じて 「上部電極」 とも称す。） 1 0 4とを備えている。 上記処理室 1 0 1は上部が小径の上室 1 0 1 Aとして形成され， 下部が大径の下室 1 0 1 Bとして形成されている。 上室 1 0 1 Aは ダイポールリング磁石 1 0 5によって包囲されている。 このダイポ 一ルリング磁石 1 0 5は複数の異方性セグメント柱状磁石がリング 状の磁性体からなるケーシング内に収納されて形成され， 上室 1 0 1 A内で全体として一方向に向かう一様な水平磁界を形成する。 下 室 1 0 1 Bの上部にはウェハ Wを搬出入するための出入口が形成さ れ， この出入口にはゲートバルブ 1 0 6が取り付けられている。 下部電極 1 0 2には整合器 1 0 7 Aを介して高周波電源 1 0 7が 接続され，この高周波電源 1 0 7から下部電極 1 0 2に対して 1 3. 5 6MH zの高周波電力 Pを印加し， 上室 1 0 1 A内で上部電極 1 04との間で垂直方向の電界を形成する。 この高周波電力 Pは高周 波電源 1 0 7と整合器 1 0 7 A間に接続された電力計 1 0 7 Bを介 して検出する。 この高周波電力 Pは制御可能なパラメータで， 本実 施形態では高周波電力 Pを後述のガス流量， 電極間距離等の制御可 能なパラメータと共に制御パラメータと定義する。 また， 制御パラ メータはプラズマ処理装置に対して設定可能なパラメータであるた め， 設定データとも称することができる。 上記整合器 1 0 7 Aの下部電極 1 0 2側 （高周波電圧の出力側） には電気計測器（例えば， V Iプローブ） 1 0 7 Cが取り付けられ， この電気計測器 1 0 7 Cを介して下部電極 1 0 2に印加される高周 波電力 Pにより上室 1 0 1 A内に発生するプラズマに基づく基本波 及び高調波の高周波電圧 V, 高周波電流 I， 電圧波形と電流波形と の間の位相差 φ を電気的データとして検出する。これらの電気的デ ータは後述する光学的データと共にプラズマ状態を反映する監視可 能なパラメータで， 本実施形態ではプラズマ反映パラメータと定義 する。 また， プラズマ反映パラメータは電気計測器 1 0 7 Cによつ て検出されるデータであるため， 検出データとも称することができ る。 上記整合器 1 0 7 Aは例えば 2個の可変コンデンサ C 1 , C 2 , コンデンサ C及ぴコイル Lを内蔵し， 可変コンデンサ C I , C 2を 介してインピーダンス整合を取っている。 整合状態での可変コンデ ンサ C 1 , C 2の容量， 上記整合器 1 0 7 A内の測定器 （図示せず） により測定される高周波電圧 V p は後述する A P C (Automati c pressure control ler) 開度等と共に処理時の装置状態を示すパラメ ータで， 本実施形態では装置状態を示す可変コンデンサ C 1 , C 2 の容量， 高周波電圧 V p p及び A P Cの開度をそれぞれ装置状態パ ラメータと定義する。 そして， 装置状態パラメータは制御できない パラメータであり， 検出可能なデータであるため， 検出データとも 称することができる。 上記下部電極 1 0 2の上面には静電チヤック 1 0 8が配置され， この静電チヤック 1 0 8の電極板 1 0 8 Aには直流電源 1 0 9が接 続されている。 従って， 高真空下で直流電源 1 0 9から電極板 1 0 8 Aに高電圧を印加することにより静電チヤック 1 0 8によってゥ ェハ Wを静電吸着する。 この下部電極 1 0 2の外周にはフォーカス リング 1 1 0が配置され， 上室 1 0 1 A内で生成したプラズマをゥ ェハ Wに集める。 また， フォーカスリング 1 1 0の下側には支持体 1 0 3の上部に取り付けられた排気リング 1 1 1が配置されている。 この排気リング 1 1 1には複数の孔が全周に渡って周方向等間隔に 形成され， これらの孔を介して上室 1 0 1 A内のガスを下室 1 0 1 Bへ排気する。 上記支持体 1 0 3はボールネジ機構 1 1 2及びべローズ 1 1 3を 介して上室 1 0 1 Aと下室 1 0 1 B間で昇降可能になっている。 従 つて， ウェハ Wを下部電極 1 0 2上に供給する場合には， 支持体 1 0 3を介して下部電極 1 0 2が下室 1 0 1 Bまで下降し， ゲートバ ルブ 1 0 6を開放して図示しない搬送機構を介してウェハ Wを下部 電極 1 0 2上に供給する。 下部電極 1 0 2と上部電極 1 0 4との間 の電極間距離は所定の値に設定可能なパラメータで上述のように制 御パラメータとして構成されている。 支持体 1 0 3の内部には冷媒配管 1 1 4に接続された冷媒流路 1 0 3 Aが形成され， 冷媒配管 1 1 4を介して冷媒流路 1 0 3 A内で 冷媒を循環させ，ウェハ Wを所定の温度に調整する。支持体 1 0 3 ， 絶縁材 1 0 2 A， 下部電極 1 0 2及ぴ静電チヤック 1 0 8にはそれ ぞれガス流路 1 0 3 Bが形成され， ガス導入機構 1 1 5からガス配 管 1 1 5 Aを介して静電チヤック 1 0 8とウェハ W間の細隙に H e ガスを所定の圧力でパックサイ ドガスとして供給し， H eガスを介 して静電チヤック 1 0 8とウェハ W間の熱伝導性を高めている。尚， 1 1 6はべローズカバーである。 上記シャワーへッド 1 0 4の上面にはガス導入部 1 0 4 Aが形成 され， このガス導入部 1 0 4 Aには配管 1 1 7を介してプロセスガ ス供給系 1 1 8が接続されている。 プロセスガス供給系 1 1 8は， A rガス供給源 1 1 8 A， C Oガス供給源 1 1 8 B ， C 4 F 8ガス供 給源 1 1 8 C及び O 2ガス供給源 1 1 8 Dを有している。 これらの ガス供給源 1 1 8 A， 1 1 8 B , 1 1 8 C , 1 1 8 Dはバルブ 1 1 8 E , 1 1 8 F , 1 1 8 G , 1 1 8 H及びマスフローコントローラ 1 1 8 1 ， 1 1 8 J , 1 1 8 K， 1 1 8 Lを介してそれぞれのガス を所定の設定流量でシャワーへッド 1 0 4へ供給し， その内部で所 定の配合比を持った混合ガスとして調整する。 各ガス流量はそれぞ れのマスフローコントローラ 1 1 8 I , 1 1 8 J , 1 1 8 K， 1 1 8 Lによって制御可能であり且つ検出可能なパラメータで， 上述の ように制御パラメータとして構成されている。 上記シャワーへッド 1 0 4の下面には複数の孔 1 0 4 Bが全面に 渡って均等に配置され， これらの孔 1 0 4 Bを介してシャワーへッ ド 1 0 4から上室 1 0 1 A内へ混合ガスをプロセスガスとして供給 する。 また， 下室 1 0 1 Bの下部の排気孔には排気管 1 0 1 Cが接 続され， この排気管 1 0 1 Cに接続された真空ポンプ等からなる排 気系 1 1 9を介して処理室 1 0 1内を排気して所定のガス圧力を保 持している。排気管 1 0 1 Cには A P Cバルブ 1 0 1 Dが設けられ， 処理室 1 0 1内のガス圧力に即して開度が自動的に調節される。 こ の開度は装置状態を示す装置状態パラメータで， 制御できないパラ メータである。 上記処理室 1 0 1の側壁には， 検出窓 1 2 1が設けられており， 処理室 1 0 1の側壁の外側には， 上記検出窓 1 2 1を介して処理室 1 0 1内のプラズマ発光を多波長に渡って検出する分光器 （以下， 「光学計測器」 と称す。） 1 2 0が設けられている。 この光学計測器 1 2 0によって得られる特定の波長に関する光学的データに基づい てプラズマ状態を監視し， 例えばプラズマ処理の終点を検出してい る。 この光学的データは高周波電力 Pにより発生するプラズマに基 づく電気的データと共にプラズマ状態を反映するプラズマ反映パラ メータを構成する。 次に， 上記プラズマ処理装置 1 0 0に設けられる多変量解析手段 について図面を参照しながら説明する。プラズマ処理装置 1 0 0は， 例えば図 2に示すような多変量解析手段 2 0 0を備えている。 この 多変量解析手段 2 0 0は， 多変量解析プログラムを記憶する多変量 解析プログラム記憶手段 2 0 1と， 制御パラメータ計測器 2 2 1 , プラズマ反映パラメータ計測器 2 2 2及び装置状態パラメータ計測 器 2 2 3からの検出信号を間欠的にサンプリングする制御パラメ一 タ信号サンプリング手段 2 0 2 , プラズマ反映パラメータ信号サン プリング手段 2 0 3及ぴ装置状態パラメータ信号サンプリング手段 2 0 4とを備える。 また， 複数のプラズマ反映パラメータ （電気的 データ及ぴ光学的データ），装置状態に関連する複数の装置状態パラ メータ及び複数の制御パラメータを関連付けたモデル式などの解析 結果や解析に必要なデータを記憶する解析データ記憶手段 2 0 5と， モデル式を介して制御パラメータ， プラズマ反映パラメータ及び装 置状態パラメータを目的に即して演算する演算手段 2 0 6と， 演算 手段 2 0 6からの演算信号に基づいて制御パラメータ， 複数のプラ ズマ反映パラメータ及び装置状態パラメータを目的に即して予測， 診断， 制御を行う予測 ·診断 ·制御手段 2 0 7とを備えている。 また， 多変量解析手段 2 0 0には制御パラメータに基づいてプラ ズマ処理装置 1 0 0を制御する処理装置制御手段 2 2 5， 警報器 2 2 6及び表示手段 2 2 4がそれぞれ接続されている。 処理装置制御 手段 2 2 5は例えば予測 .診断 .制御手段 2 0 7からの信号に基づ いてウェハ Wの処理を継続または中断する。 警報器 2 2 6及ぴ表示 手段 2 2 4は後述のように予測 ·診断 ·制御手段 2 0 7からの信号 に基づいて制御パラメータ， 複数のプラズマ反映パラメータ及ぴ装 置状態パラメータのいずれかの異常を目的に即して報知する。また， 解析データ記憶手段 2 0 5は， 上記各パラメータに関するデータや これらの加工データ （多変量解析に使用する加工データ） を記憶す る。 なお， 図 2に示す制御パラメータ計測器 2 2 1， プラズマ反映 パラメータ計測器 2 2 2 , 装置状態パラメータ計測器 2 2 3は， 流 量検出器， 光学計測器， 高周波電圧 V p p計測器等の複数の制御パ ラメータの計測器， 複数のプラズマ反映パラメータの計測器， 複数 の装置状態パラメータの計測器をそれぞれ一つに纏めて示してある。 ここで， 本発明の原理について説明する。 例えば新たなモデル式 を作成する際の基準とする処理装置としてプラズマ処理装置 1 0 0 Aを考え， この基準処理装置以外の処理装置としてプラズマ処理装 置 1 0 0 Bを考える。 プラズマ処理装置 1 0 0 A， 1 0 0 B間には 製造上のバラツキ等により僅かに個体差がある。 また， 上記電気計 測器 1 0 7 C , 光学計測器 1 2 0等のセンサにもそれぞれの製造誤 差などによりプラズマ処理装置毎に個体差があるため， 同一種のプ ラズマ処理装置に同一種のセンサが使用されていても， 同一の検出 データが得られるものではない。 従って， 同一種のプラズマ処理装 置であってもプラズマ処理装置毎に多変量解析モデル式を作成する 必要があり， 一つの多変量解析モデル式を他の同種のプラズマ処理 装置の多変量解析モデル式として流用することができない。 そこで， 本実施形態では， 例えばプラズマ処理装置 1 0 0 A， 1 0 0 B間に製造上の個体差やそれぞれの複数のセンサ間に個体差が あってもプラズマ処理装置 1 0 0 Aについて作成した多変量解析モ デル式を他のプラズマ処理装置 1 0 0 Bに流用できるようにしてい る。 本実施形態では多変量解析の一手法として部分最小二乗法 （以 下， 「P L S (Partial Least Squares)法」 と称す。） を用いてプラズ マ処理装置 1 0 0 A， 1 0 0 Bそれぞれの多変量解析モデル式を作 成して装置間の個体差を見つけ出し， この個体差を吸収したモデル 式を作成する。 P L S法の詳細は例えば JOURNAL OF CHEMOMETRICS , VOL.2 (PP.211-228) (1998) に掲載されている。 例えばプラズマ処理装置 1 00 A， 1 0 O Bともに， 複数の制御 パラメータ （設定データ） を目的変数とし， 複数のプラズマ反映パ ラメータ （電気的データ及び光学的データを含む検出データ） を説 明変数とし， 目的変数を成分とする行列 Xと説明変数を成分とする 行列 Yを関連づけた下記 （1) に示す回帰式 （以下， 単に 「モデル 式」 と称す。） を作成する （第 1の工程）。 プラズマ処理装置 1 0 0 A, 1 0 0 Bそれぞれの演算手段 20 6 では多変量解析の一手法である P L S法を用いてそれぞれの実験で 得られた説明変数と目的変数に基づいてモデル式の回帰行列 Ka， Kbをそれぞれ算出し， これらのモデル式を上述のように解析デー タ記憶手段 2 0 5に記憶する。 尚， 下記 （1 )， ( 2) のモデル式に おいて， Ka, Kbはそれぞれのモデル式の回帰行列， aはプラズマ 処理装置 1 0 0 Aを表し， bはプラズマ処理装置 1 00 Bを表す。 FIG. 7 is a model equation in the processing device control system according to the present embodiment. FIG. 7 is a diagram for explaining an operation flow when performing control by using FIG. BEST MODE FOR CARRYING OUT THE INVENTION Preferred embodiments of an apparatus according to the present invention will be described below in detail with reference to the accompanying drawings. In this specification and the drawings, components having substantially the same function and configuration are denoted by the same reference numerals, and redundant description is omitted. First, a plasma processing apparatus according to a first embodiment of the present invention will be described with reference to FIGS. As shown in FIG. 1, for example, a plasma processing apparatus 100 of this embodiment includes an aluminum processing chamber (chamber) 101 and a lower electrode 102 disposed in the processing chamber 101. A support 103 made of aluminum which can be raised and lowered and supported via an insulating material 102 A; and a shower which is disposed above the support 103 and supplies a process gas and also serves as an upper electrode. (Hereinafter, also referred to as “upper electrode” if necessary). The upper part of the processing chamber 101 is formed as a small-diameter upper chamber 101A, and the lower part thereof is formed as a large-diameter lower chamber 101B. The upper chamber 101 A is surrounded by a dipole ring magnet 105. This dipole ring magnet 105 is formed by housing a plurality of anisotropic segmented columnar magnets in a casing made of a ring-shaped magnetic material. To form a horizontal magnetic field. An entrance for loading and unloading the wafer W is formed in the upper part of the lower chamber 101B, and a gate valve 106 is attached to the entrance. The lower electrode 102 is connected to a high-frequency power source 107 via a matching device 107 A, and the high-frequency power source 107 supplies a high-frequency power P of 1.3.6 MHz to the lower electrode 102. Is applied to form a vertical electric field with the upper electrode 104 in the upper chamber 101A. This high-frequency power P is detected via a wattmeter 107B connected between the high-frequency power supply 107 and the matching box 107A. This high-frequency power P is a controllable parameter. In the present embodiment, the high-frequency power P is defined as a control parameter together with controllable parameters such as the gas flow rate and the distance between the electrodes described later. In addition, control parameters are parameters that can be set for the plasma processing apparatus, and thus can be referred to as setting data. An electric measuring instrument (for example, a VI probe) 107 C is attached to the lower electrode 102 side (high-frequency voltage output side) of the matching device 107 A, and the electric measuring instrument 107 C is connected through the electric measuring instrument. Of the fundamental and harmonic high-frequency voltage V, high-frequency current I, and the voltage and current waveforms based on the plasma generated in the upper chamber 101A by the high-frequency power P applied to the lower electrode 102 The phase difference φ between them is detected as electrical data. These electrical data are monitorable parameters that reflect the plasma state together with the optical data described later, and are defined as plasma reflection parameters in this embodiment. In addition, since the plasma reflection parameter is data detected by the electric measuring instrument 107C, it can also be referred to as detection data. The matching device 107 A has, for example, two variable capacitors C 1 and C 2, a capacitor C and a coil L built therein, and the variable capacitors CI and C 2 are connected. The impedance matching is taken through. The capacitances of the variable capacitors C 1 and C 2 in the matching state, and the high-frequency voltage V p measured by the measuring device (not shown) in the matching unit 107 A are the APC (Automatic pressure controller) described later. In this embodiment, the parameters indicate the device state during processing together with the opening degree, etc. In this embodiment, the capacity of the variable capacitors C 1 and C 2, the high-frequency voltage V pp, and the opening degree of the APC, which indicate the device state, are referred to as device state parameters, respectively. Define. The device state parameter is a parameter that cannot be controlled and is data that can be detected, so it can be referred to as detected data. An electrostatic chuck 108 is arranged on the upper surface of the lower electrode 102, and a DC power supply 109 is connected to the electrode plate 108A of the electrostatic chuck 108. Therefore, the wafer W is electrostatically attracted by the electrostatic chuck 108 by applying a high voltage from the DC power source 109 to the electrode plate 108 A under a high vacuum. A focus ring 110 is arranged around the outer periphery of the lower electrode 102, and the plasma generated in the upper chamber 101A is collected in the wafer W. In addition, an exhaust ring 111 attached to an upper part of the support 103 is disposed below the focus ring 110. A plurality of holes are formed in this exhaust ring 111 at equal intervals in the circumferential direction over the entire circumference, and the gas in the upper chamber 101A is exhausted to the lower chamber 101B through these holes. . The support 103 can be moved up and down between the upper chamber 101A and the lower chamber 101B via the ball screw mechanism 112 and the bellows 113. Therefore, when the wafer W is supplied onto the lower electrode 102, the lower electrode 102 descends to the lower chamber 101B via the support 103, and the gate electrode is turned off. The wafer 106 is opened and the wafer W is supplied onto the lower electrode 102 via a transfer mechanism (not shown). The inter-electrode distance between the lower electrode 102 and the upper electrode 104 is a parameter that can be set to a predetermined value, and is configured as a control parameter as described above. A refrigerant channel 103 A connected to the refrigerant pipe 114 is formed inside the support 103, and the refrigerant is circulated in the refrigerant channel 103 A through the refrigerant pipe 114. The wafer W is adjusted to a predetermined temperature. The support 103, the insulating material 102 A, the lower electrode 102 and the electrostatic chuck 108 have gas passages 103 B respectively, and the gas introduction mechanism 115 is used to supply gas. He gas is supplied as a pack side gas at a predetermined pressure into the gap between the electrostatic chuck 108 and the wafer W via the piping 115 A, and the electrostatic chuck 108 is supplied via the He gas. The thermal conductivity between the wafer and the wafer W is increased. Reference numeral 1 16 is a bellows cover. A gas inlet 104 A is formed on the upper surface of the shower head 104, and a process gas supply system 118 is connected to the gas inlet 104 A via a pipe 117. ing. The process gas supply system 118 includes an Ar gas supply source 118 A, a CO gas supply source 118 B, a C 4 F 8 gas supply source 118 C, and an O 2 gas supply source 118 D. Have. These gas sources 1 1 8 A, 1 1 8 B, 1 1 8 C, 1 1 8 D are valves 1 1 8 E, 1 1 8 F, 1 1 8 G, 1 1 8 H and mass flow controller 1 1 Each gas is supplied to the shower head 104 at a predetermined set flow rate via 81, 118J, 118K, and 118L, and has a specified mixing ratio inside. Adjusted as a mixed gas. Each gas flow rate is controlled by the respective mass flow controller 1 18 I, 1 18 J, 1 18 K, 1 1 These parameters can be controlled and detected by 8L, and are configured as control parameters as described above. On the lower surface of the shower head 104, a plurality of holes 104B are uniformly arranged over the entire surface, and the shower head 104 and the upper chamber 1 0 1 A mixed gas is supplied as process gas into A. An exhaust pipe 101C is connected to the lower exhaust hole of the lower chamber 101B via an exhaust system 119 consisting of a vacuum pump and the like connected to the exhaust pipe 101C. The inside of the processing chamber 101 is exhausted to maintain a predetermined gas pressure. The exhaust pipe 101C is equipped with an APC valve 101D, and the opening is automatically adjusted according to the gas pressure in the processing chamber 101. This opening is an equipment state parameter that indicates the equipment state and cannot be controlled. A detection window 121 is provided on a side wall of the processing chamber 101, and a detection window 122 is provided outside the side wall of the processing chamber 101 through the detection window 121. A spectroscope (hereinafter referred to as “optical measuring instrument”) that detects plasma emission over multiple wavelengths is provided. The plasma state is monitored based on optical data on a specific wavelength obtained by the optical measuring device 120, and for example, the end point of the plasma processing is detected. This optical data, together with electrical data based on the plasma generated by the high-frequency power P, constitutes a plasma reflection parameter that reflects the plasma state. Next, the multivariate analysis means provided in the plasma processing apparatus 100 will be described with reference to the drawings. The plasma processing apparatus 100 For example, a multivariate analysis means 200 as shown in FIG. 2 is provided. The multivariate analysis means 200 is composed of a multivariate analysis program storage means 201 for storing a multivariate analysis program, a control parameter measuring device 221, a plasma reflection parameter measuring device 222, and a device state parameter measuring device. A control parameter signal sampling means 202 for intermittently sampling the detection signal from 222, a plasma reflection parameter signal sampling means 203 and an apparatus state parameter signal sampling means 204 are provided. In addition, analysis results such as a plurality of plasma reflection parameters (electrical data and optical data), a plurality of device state parameters related to the device state, and a model formula relating a plurality of control parameters, and data necessary for the analysis are obtained. Analysis data storage means 205 to be stored, calculation means 206 to calculate control parameters, plasma reflection parameters and equipment state parameters according to the purpose through model formulas, and calculation from calculation means 206 It is equipped with prediction, diagnosis, and control means 207 for predicting, diagnosing, and controlling the control parameters, multiple plasma reflection parameters, and equipment state parameters based on the signals. In addition, the multivariate analysis means 200 is connected to a processing device control means 225 for controlling the plasma processing apparatus 100 based on the control parameters, an alarm 226 and a display means 224, respectively. I have. The processing device control means 225 continues or interrupts the processing of the wafer W based on, for example, a signal from the prediction / diagnosis / control means 207. The alarm device 226 and the display means 224 are used to control one of the control parameters, a plurality of plasma reflection parameters, and the device state parameters based on signals from the prediction, diagnosis, and control means 207 as described later. Notify abnormalities according to purpose. Further, the analysis data storage means 205 stores data relating to each of the above parameters and These processing data (processing data used for multivariate analysis) are stored. The control parameter measurement device 221, the plasma reflection parameter measurement device 222, and the device state parameter measurement device 223 shown in Fig. 2 are flow rate detectors, optical measurement devices, and high-frequency voltage Vpp measurement devices. The measurement devices for multiple control parameters, the measurement devices for multiple plasma reflection parameters, and the measurement devices for multiple device state parameters are shown together as one. Here, the principle of the present invention will be described. For example, consider a plasma processing apparatus 100A as a processing apparatus used as a reference when creating a new model formula, and consider a plasma processing apparatus 100B as a processing apparatus other than the reference processing apparatus. There is a slight individual difference between the plasma processing apparatuses 100A and 100B due to manufacturing variations. In addition, sensors such as the electrical measuring instrument 107C and the optical measuring instrument 120 also have individual differences between plasma processing equipment due to manufacturing errors, etc., and are therefore identical to the same type of plasma processing equipment. Even if a type of sensor is used, the same detection data cannot be obtained. Therefore, it is necessary to create a multivariate analysis model formula for each plasma processing device even for the same type of plasma processing device, and to convert one multivariate analysis model formula into a multivariate analysis model formula for another plasma processing device of the same type. It cannot be diverted as an expression. Therefore, in the present embodiment, for example, even if there is an individual difference in manufacturing between the plasma processing apparatuses 100 A and 100 B and an individual difference between a plurality of sensors, the plasma processing apparatus 100 A is created. The obtained multivariate analysis model formula can be applied to another plasma processing apparatus 100B. In the present embodiment, as one method of the multivariate analysis, a partial least squares method (hereinafter, referred to as a “PLS (Partial Least Squares) method”) is used. A multivariate analysis model formula for each of the processing units 100A and 100B is created to find individual differences between the devices, and a model formula that absorbs this individual difference is created. Details of the PLS method are described in, for example, JOURNAL OF CHEMOMETRICS, VOL.2 (PP.211-228) (1998). For example, in each of the plasma processing apparatuses 100A and 100OB, a plurality of control parameters (setting data) are used as target variables, and a plurality of plasma reflection parameters (detection data including electrical data and optical data) are used as explanatory variables. Then, a regression equation (hereinafter simply referred to as “model equation”) shown in the following (1) is created by associating the matrix X with the objective variable as the component and the matrix Y with the explanatory variable as the component (first step). . The arithmetic means 206 of each of the plasma processing apparatuses 100 A and 100 B uses the PLS method, which is a method of multivariate analysis, to calculate the model equation based on the explanatory variables and objective variables obtained in each experiment. Regression matrices K a and K b are calculated, and these model equations are stored in the analysis data storage means 205 as described above. In the following model equations (1) and (2), K a and K b are the regression matrices of the respective model equations, a represents the plasma processing apparatus 100 A, and b represents the plasma processing apparatus 100. Represents B.
Xa = KaYa - ( 1 ) X a = K a Y a- (1)
Xb-KbYb - (2) X b -K b Y b- (2)
P L S法は， 行列 X, Yそれぞれに多数の説明変数及び目的変数 があってもそれぞれの少数の実測値があれば行列 Xと行列 Yの関係 式を求めることができる。 しかも， 少ない実測値で得られた関係式 であっても安定性及び信頼性の高いことも P L S法の特徴である。 説明変数及び目的変数となる各データを実測する際に， 制御パラメ ータを振って制御パラメータ， 複数のセンサでプラズマ反映パラメ ータをそれぞれ検出する。 この場合， 制御パラメータ （高周波電力， チャンパ内圧力， プロ セスガス流量等） を振る範囲が狭いときには下記式 （3) に示すよ うに制御パラメータに対して線形式で近似することができ， パラメ ータを振る範囲が大きいときには下記式 （4) に示すように制御パ ラメータに対して 2乗， 3乗及ぴ 1次と 2次交叉項を入れた非線形 式として近似することができる。 このような制御パラメータは， プラズマ処理装置 1 0 O Aとプラ ズマ処理装置 1 0 O Bとで同じ範囲， 同じ値の制御パラメータを使 用する。 回帰行列 Ka， Kbを求める場合には本出願人が特願 2 0 0 1 - 3 9 8 6 0 8号明細書において提案した P L S法と同一演算手 順で求めることができるため， ここではその演算手順の説明を省略 する。 プラズマ処理装置 1 0 0 Aとプラズマ処理装置 1 0 0 Bとの 間の個体差及びそれぞれのセンサ間の個体差は上記式（ 1 )，式（2) の回帰行列 Ka， Kbの差となって現れる。 In the PLS method, even if there are many explanatory variables and objective variables in each of the matrices X and Y, if there are a small number of measured values for each, the relational expression between the matrices X and Y can be obtained. Moreover, the relational expression obtained with few actual measurements Nevertheless, high stability and high reliability are also features of the PLS method. When actually measuring each data as explanatory variables and objective variables, the control parameters are shaken to detect the control parameters and the plasma-reflecting parameters with multiple sensors. In this case, when the range in which the control parameters (high-frequency power, pressure in the champer, process gas flow rate, etc.) are narrow, the control parameters can be approximated in a linear form as shown in the following equation (3). When the range over which is varied is large, it can be approximated as a non-linear equation that includes the square and cubic power and the first and second order cross terms for the control parameters as shown in the following equation (4). The control parameters of the same range and the same value are used for the plasma processing apparatus 10 OA and the plasma processing apparatus 10 OB for such control parameters. When obtaining the regression matrices K a and K b , the applicant can obtain the regression matrices by the same calculation procedure as the PLS method proposed in Japanese Patent Application No. 2001-3898608. Then, the description of the calculation procedure is omitted. The plasma processing apparatus 1 0 0 individual differences between individual differences and the respective sensor between A and the plasma processing apparatus 1 0 0 B is the formula (1), the difference between the regression matrix K a, K b of formula (2) Appears as.
X = [ X X X J (3) X = [X X X J (3)
X = [ X η , χ 2 , ■■·, χ η , X = [X η , χ 2, ■■ ·, χ η ,
( χ η) 2, (χ 2) 2, -, (χ η) 2 (χ η ) 2 , (χ 2 ) 2 ,-, (χ η ) 2
( X 3， ( Χ 2) 3, -, ( X J 3 X X £ X ·^ X 3 » X η― -( X η (X 3 , (Χ 2 ) 3 ,-, (XJ 3 XX £ X · ^ X 3 »X η ―-(X η
( X，） 2 X 2, ( Χ 2 X 3 - ( Χ η- -, ) 2 X η] (X,) 2 X 2 , (Χ 2 X 3-(Χ η--,) 2 X η ]
… （4) 而して， Ρ L S法によって上記モデル式を求める場合には予めゥ ェハのトレーニングセットを用いた実験によって複数の説明変数と 複数の目的変数を計測する。 そのために例えばトレーニングセット として 1 8枚のウェハ （TH- OX S i ) を用意する。 尚， TH - OX S iは熱酸化膜が形成されたウェハのことである。 この場合， 実験計画法を用いて制御パラメータ （設定データ） を効率的に設定 し， 最小限の実験で済ますことができる。 プラズマ処理装置 1 0 0 Aでは例えば目的変数となる制御パラメ ータを， 標準値を中心に所定の範囲内でトレーニングウェハ毎に振 つてトレーニングウェハをエッチング処理する。 そして, エツチン グ処理時に， プロセスガスの各ガスの流量， チャンバ内の圧力等の 制御パラメータ， 電気的データ及ぴ光学的データ等のプラズマ反映 パラメータを各ト レーニングウェハについて複数回ずつ計測し， 演 算手段 2 0 6を介してこれら制御パラメータ， プラズマ反映パラメ ータの平均値を算出する。 そして， 制御パラメータの平均値を設定 データとして用い， プラズマ反映パラメータを検出データとして用 いる。 制御パラメータを振る範囲はエツチング処理を行つている時に制 御パラメータが最大限変動する範囲を想定し， この想定した範囲で 制御パラメータを振る。 本実施形態では， 高周波電力， チャンバ内 の圧力， 上下両電極 1 0 2， 1 0 4間の隙間寸法及ぴ各プロセスガ ス （A rガス， C Oガス， C 4 F 8ガス及ぴ O 2ガス） の流量を制御 パラメータ (設定データ） として用いる。 各制御パラメータの標準 値はエッチング対象によって異なる。 プラズマ処理装置 1 0 0 Bで もプラズマ処理装置 1 0 0 Aと同一要領で同一の制御パラメータ (設定データ） で実験を行ない， 制御パラメータ （設定データ） 及 ぴプラズマ反映パラメータ （検出データ） を得る。 具体的には， 制御パラメータを， 標準値を中心にして下記表 1に 示すレベル 1とレベル 2の範囲でト レーニングウェハ毎に振って設 定し各トレーニングウェハのエッチング処理を行う。 そして， 各ト レーニングウェハを処理する間に， 電気計測器 1 0 7 Cを介してプ ラズマに基づく高周波電圧 （基本波から 4倍波まで） V， 高周波電 流 （基本波から 4倍波まで） I， 位相差 φ 等の電気的データを検出 データとして計測すると共に， 光学計測器 1 2 0を介して例えば 2 0 0〜 9 5 0 n mの波長範囲の発光スぺク トル強度（光学的データ） を検出データとして計測し， これらの検出データ （電気的データ及 ぴ光学的データ） をプラズマ反映パラメータとして用いる。 また， 同時に下記表 1に示す各制御パラメータをそれぞれの制御パラメ一 タ計測器 2 2 1を用いて計測する。 (4) Thus, when the above model formula is obtained by the LS method, a plurality of explanatory variables and a plurality of objective variables are measured in advance by an experiment using a training set of the wafer. For this purpose, for example, 18 wafers (TH-OX Si) are prepared as a training set. Here, TH-OXSi is a wafer on which a thermal oxide film is formed. In this case, control parameters (setting data) can be set efficiently using an experimental design method, and a minimum number of experiments can be performed. In the plasma processing apparatus 100A, for example, control parameters serving as objective variables are shaken for each training wafer within a predetermined range around a standard value, and the training wafer is etched. During the etching process, control parameters such as the flow rate of each process gas, the pressure in the chamber, and the plasma reflection parameters such as electrical data and optical data are measured for each training wafer multiple times. The average value of these control parameters and the plasma reflection parameters is calculated via the calculating means 206. Then, the average value of the control parameters is used as setting data, and the plasma reflection parameters are used as detection data. The range in which the control parameters are varied is assumed to be the range in which the control parameters fluctuate to the maximum during the etching process, and the control parameters are varied within this assumed range. In this embodiment, high-frequency power, Pressure, vertical flow control parameters of the both electrodes 1 0 2, 1 0 4 between the gap size及Pi each Purosesuga scan (A r gas, CO gas, C 4 F 8 gas及Pi O 2 gas) (setting data) Used as The standard value of each control parameter differs depending on the etching target. An experiment is performed with the same control parameters (setting data) in the same manner as in the plasma processing apparatus 100 A, and the control parameters (setting data) and the plasma reflection parameters (detection data) are obtained in the plasma processing apparatus 100 B as well. . Specifically, control parameters are set for each training wafer in the range of levels 1 and 2 shown in Table 1 below, centering on the standard values, and the etching process is performed on each training wafer. Then, during the processing of each training wafer, the high-frequency voltage (from the fundamental wave to the fourth harmonic) V based on the plasma and the high-frequency current (from the fundamental wave to the fourth harmonic) via the electric measuring instrument 107C. ) Electrical data such as I and phase difference φ are measured as detection data, and the emission spectrum intensity (optical optics) in the wavelength range of 200 to Data) is measured as detection data, and these detection data (electrical data and optical data) are used as plasma reflection parameters. At the same time, each control parameter shown in Table 1 below is measured using the respective control parameter measuring device 221.
(表 1 ) (table 1 )
Figure imgf000023_0001
差替え用 紙（·規雕 26) そして， トレーニングウェハを処理するに際には上記各制御パラ メータを熱酸化膜の標準値に設定し， 標準値で予め 5枚のダミーゥ ェハを処理し， プラズマ処理装置 1 0 0 A， 1 0 O Bの安定化を図 る。 引き続き， プラズマ処理装置 1 0 0 A， 1 0 O Bにおいて 1 8 枚のトレーニングウェハのエッチング処理を行う。 この際， プラズ マ処理装置 1 0 0 Aでは， 下記表 2に示すように上記各制御パラメ ータ， 即ちプロセスガス （A r， C O , C 4 F 8 , O 2 ) 流量， チヤ ンバ室内の圧力， 高周波電力を上記レベル 1 と上記レベル 2の範囲 内でトレーニングウェハ毎に振って各トレーニングウェハを処理す る。 続いて， 各トレーニングウェハについて複数の電気的データ及ぴ 複数の光学的データをそれぞれの計測器から得る。 これらは例えば 解析データ記憶手段 2 0 5に実測値として記憶する。 そして， 演算 手段 2 0 6において， 複数の制御パラメータそれぞれの実測値の平 均値， 複数のプラズマ反映パラメータ （電気的データ， 光学的デー タ） それぞれの実測値の平均値を算出し， これらの平均値を目的変 数及び説明変数として解析データ記憶手段 2 0 5に記憶する。 引き 続き， 演算手段 2 0 6では P L S法を用いてこれらの演算データに 基づいて上記 （ 1 ) のモデル式の回帰行列 K aを求める （第 1のェ 程）。 また， プラズマ処理装置 1 0 0 Bでもプラズマ処理装置 1 0 0 A と同様に下記表 2に示すように制御パラメータを振り， 各パラメ一 タの実測値の平均値を算出し， これらの平均値を目的変数及び説明 変数として用い， 上記 （2) のモデル式の回帰行列 Kbを求める （第 1の工程）。 尚， 下記表 2において， L 1〜L 1 8はトレーニングゥ ェハの番号を示している。
Figure imgf000023_0001
Replacement paper (Sculpture 26) When processing the training wafer, each of the above control parameters is set to the standard value of the thermal oxide film, and five dummy wafers are processed in advance with the standard value. 0 Stabilize OB. Subsequently, etching processing of 18 training wafers is performed in the plasma processing apparatus 100 A and 100 OB. At this time, the plasma processing apparatus 1 0 0 A, each of the control parameters as shown in Table 2, i.e., process gas (A r, CO, C 4 F 8, O 2) flow rate, the Chiya Nba chamber Each training wafer is processed by oscillating pressure and high-frequency power within the above-mentioned level 1 and level 2 for each training wafer. Subsequently, a plurality of electrical data and a plurality of optical data are obtained from each measuring device for each training wafer. These are stored, for example, in the analysis data storage means 205 as actual measurement values. Then, the arithmetic means 206 calculates the average value of the measured values of the plurality of control parameters and the average value of the measured values of the plurality of plasma reflection parameters (electrical data and optical data). The average value is stored in the analysis data storage means 205 as a target variable and an explanatory variable. Continue, the operation unit 2 0 6 using PLS method based on these calculation data obtaining the model equation of the regression matrix K a of (1) (as the first E). Also, in the plasma processing apparatus 100B, control parameters were assigned as shown in Table 2 below, as in the case of the plasma processing apparatus 100A, and the average value of the measured values of each parameter was calculated. The objective variable and description Using it as a variable, the regression matrix Kb of the model equation in (2) above is determined (first step). In Table 2 below, L1 to L18 indicate the numbers of the training wafers.
(表 2)  (Table 2)
Figure imgf000025_0001
回帰行列 Ka， Kbを求めた後，プラズマ処理装置 1 0 0 Aを用い， 下記表 3に示す新たなプロセス条件下で下記表 3に示すように標準 値からプロセスガス流量等の制御パラメータを振って 2 0枚のテス トウェハ （TH- OX S i ) を処理し， この時のプラズマ反映パラ メータ及ぴ装置状態パラメータをそれぞれのセンサによって検出す る。 この際， 下記表 3に示すように複数の制御パラメータをプロセ ス条件の標準値に設定してプラズマ処理装置を運転し， 5枚のベア シリコンウェハをダミーウェハとして処理室 1 0 1内に流してプラ ズマ処理装置を安定化させる。
Figure imgf000025_0001
After obtaining the regression matrices K a and K b , the control parameters such as the process gas flow rate etc. were calculated from the standard values as shown in Table 3 below under the new process conditions shown in Table 3 using the plasma processing apparatus 100 A. The 20 test wafers (TH-OXSi) are processed by shaking, and the plasma reflection parameters and equipment state parameters at this time are detected by the respective sensors. At this time, as shown in Table 3 below, the plasma processing apparatus was operated with several control parameters set to the standard values of the process conditions, and five bare silicon wafers were flown into the processing chamber 101 as dummy wafers. Stabilize plasma processing equipment.
差替え用 紙 （規則 26) (表 3) Replacement paper (Rule 26) (Table 3)
Figure imgf000026_0001
即ち， 処理室 1 0 1内の上下電極 1 0 2， 1 04の隙間を 3 5m mに設定した後， プラズマ処理装置の運転を開始すると， 支持体 1 03がポールネジ機構 1 1 2を介して処理室 1 0 1の下室 10 1 B まで下降すると共にゲートバルブ 1 06が開放した出入口からダミ 一ウェハを搬入して下部電極 102上に載置する。 ウェハ Wの搬入 後， ゲートバルブ 1 06が閉じると共に排気系 1 1 9が作動して処 理室 1 0 1内を所定の真空度に維持する。 この排気により AP Cバ ルプ 1 0 1 Dの開度が排気量に即して自動的に調整される。この際， ガス導入機構 1 1 5から H eガスをバックガスとして供給し， ゥェ ハ Wと下部電極 1 0 2， 具体的には静電チヤック 1 0 8とウェハ W 間の熱伝導性を高めてウェハ Wの冷却効率を高める。 そして， プロセスガス供給系 1 1 8から A rガス， COガス， C 4H8ガス及ぴ 02ガスをそれぞれ 3 0 0 s c c m, 5 0 s c c m, 1 0 s c c m及び 8 s c c mの流量で供給する。 この際， 処理室 1 0 1内のプロセスガスの圧力を l O OmT o r rに設定するため A P Cバルブ 1 0 1 Dの開度がプロセスガス供給量と排気量に即して 自動的に調整される。 この状態で， 高周波電源 1 0 7から 200 0 Wの高周波電力を印加すると， ダイポールリング磁石 1 0 5の作用 と相俟ってマグネト口ン放電が発生し， プロセスガスのプラズマを 生成する。 始めはベアシリ コンウェハであるため， エッチング処理 を行わない。 ベアシリ コンウェハを所定時間 （例えば， 1分） 処理 した後， 搬入時とは逆の操作で処理後のウェハ Wを処理室 1 0 1内 から搬出し，後続の 5枚目のダミーウェハまで同一条件で処理する。 ダミーウェハの処理によってプラズマ処理装置が安定した後， テ ス トウェハを処理する。 最初のテス トウェハ （ウェハとしては 6枚 目） については制御パラメータを標準値のままエツチング処理を行 う。 この処理を行っている間に電気計測器 1 0 7 C及び光学計測器 1 20を介して電気的データ及び光学的データそれぞれを検出デー タとして複数回計測し， これらの計測値を図示しない記憶手段で記 憶する。 そして， これらの計測値に基づいて平均値を， 演算手段 2 06を用いて算出する。 2枚目のテス トウェハを処理する場合には高周波電力を 1 5 0 0 Wから 1 9 8 0 Wに設定値を変え， その他の制御パラメータは上述 の標準値でエッチング処理を行う。 この間最初のテストウェハと同 様にして電気的データ及び光学的データを検出データとして計測し た後， それぞれの平均値を算出する。
Figure imgf000026_0001
That is, after setting the gap between the upper and lower electrodes 102 and 104 in the processing chamber 101 to 35 mm, when the plasma processing apparatus is started, the support body 103 is moved through the pole screw mechanism 112 via the pole screw mechanism 112. The wafer is lowered to the lower chamber 10 1 B of the processing chamber 101, and at the same time, a dummy wafer is carried in from the entrance where the gate valve 106 is opened and placed on the lower electrode 102. After the wafer W is loaded, the gate valve 106 is closed and the exhaust system 119 is activated to maintain the processing chamber 101 at a predetermined degree of vacuum. This exhaust allows the AP C The opening of Lup 101D is automatically adjusted according to the displacement. At this time, He gas is supplied as a back gas from the gas introduction mechanism 115, and the thermal conductivity between the wafer W and the lower electrode 102, specifically, the electrostatic chuck 108 and the wafer W is increased. Increase the cooling efficiency of wafer W. Then, supplied from the process gas supply system 1 1 8 A r gas, CO gas, at a flow rate of C 4 H 8 respectively gas及Pi 0 2 gas 3 0 0 sccm, 5 0 sccm , 1 0 sccm and 8 sccm. At this time, the opening of the APC valve 101D is automatically adjusted in accordance with the process gas supply amount and the exhaust amount to set the pressure of the process gas in the processing chamber 101 to lOOmTorr. . In this state, when high-frequency power of 107 W to 200 W is applied, a magneto-port discharge occurs in conjunction with the action of the dipole ring magnet 105, and a process gas plasma is generated. Initially, no etching is performed because the wafer is a bare silicon wafer. After processing the bare silicon wafer for a predetermined period of time (for example, 1 minute), the processed wafer W is unloaded from the processing chamber 101 by the reverse operation of loading, and the same conditions are followed until the fifth dummy wafer. To process. After the plasma processing system is stabilized by processing the dummy wafer, the test wafer is processed. For the first test wafer (sixth wafer), etching is performed with the control parameters set to the standard values. During this process, electrical data and optical data are each measured multiple times as detection data via the electrical measuring instrument 107C and the optical measuring instrument 120, and these measured values are stored in a storage (not shown). Remember by means. Then, based on these measured values, an average value is calculated using the calculating means 206. When processing the second test wafer, the high-frequency power is changed from 150 W to 1980 W, and the etching process is performed with the other control parameters at the above-mentioned standard values. During this time, the electrical data and optical data are measured as detection data in the same way as for the first test wafer, and the average value is calculated for each.
3枚目以降のテストウェハを処理する時には各制御パラメータを その都度表 3に示すように振って設定し各テストウェハをエツチン グ処理し， 各テス トウェハについてプラズマ反映パラメータ （電気 的データ， 光学的データ） を検出データとして計測し， それぞれの 平均値を算出する。 このような制御パラメータの平均値の行列 X とプラズマ反映 パラメータの平均値の行列 Yノ とからから， 上記 （1 ) のモデル 式と同様に下記 （5 ) に示す新たなモデル式を作成する （第 2のェ 程）。 When processing the third and subsequent test wafers, each control parameter is set as shown in Table 3 each time, and each test wafer is etched, and the plasma reflection parameters (electrical data, optical Data) as detection data, and calculate the average value of each. From the matrix X of the average values of the control parameters and the matrix Y of the average values of the plasma reflection parameters, a new model equation shown in the following (5) is created in the same manner as the model equation in the above (1) ( Second step).
Xノ = Κ Ύ J … ( 5 ) 次いで， プラズマ処理装置 1 0 0 Bをプラズマ処理装置 1 0 0 A と同一条件で制御パラメータを振った場合には， プラズマ処理装置 1 0 0 Bについてはプラズマ処理装置 1 0 0 Aのように実験をしな くてもプラズマ処理装置 1 0 0 Aの上記 （5 ) に示すモデル式を流 用することができる。 すなわち， プラズマ処理装置 1 0 0 Bではプ ラズマ処理装置丄 0 O Aと同一の条件で制御パラメータを振ること からプラズマ処理装置 1 0 0 Bにおける目的変数の行列 X/ には， 下記 （6) 式が成立する。 ここで， プラズマ処理装置 1 0 0 Bの目 的変数が行列 Xb' の場合には， 上記 （2) のモデル式は下記 （7) 式のモデル式になる。 そして， 上記 （1) 式及ぴ下記 （5) 式に示すプラズマ処理装置 1 0 OAのモデル式と， 上記 （2) 式及ぴ下記 （7) 式に示すブラ ズマ処理装置 1 00 Bのモデル式との関係から下記 （8) 式に示す モデル式が得られる。 すなわち， プラズマ処理装置 1 0 0 Aにおけ る回帰行列 Ka， 新たな回帰行列 Kノ と， プラズマ処理装置 1 0 0 Bにおける回帰行列 Kb， 新たな回帰行列 K との間には， 比例関 係（κ^ Ζκ/ =KbZKa)が成立するものと考えられること力、 ら， K =K Kb/Kaとすることができる。 下記 （7) 式の にこの関係を当てはめれば， 下記 （8) が得られる。 X = = Κ Ύ J… (5) Next, when the control parameters of the plasma processing apparatus 100 B were changed under the same conditions as the plasma processing apparatus 100 A, the plasma processing apparatus 100 B The model formula of the plasma processing apparatus 100 A described in (5) above can be used without conducting an experiment like the processing apparatus 100 A. That is, the control parameters are varied in the plasma processing apparatus 100 B under the same conditions as in the plasma processing apparatus 丄 0 OA. Therefore, the following equation (6) holds for the matrix X / of the objective variable in the plasma processing apparatus 100B. Here, when the target variable of the plasma processing apparatus 100 B is a matrix X b ′, the model equation of (2) above becomes the model equation of (7) below. Then, a model equation of the plasma processing apparatus 100 OA shown in the above equations (1) and (5), and a model equation of the plasma processing apparatus 100 B shown in the above equations (2) and (7). From the relationship with the equation, the following model equation (8) is obtained. In other words, the regression matrix K a and the new regression matrix K in the plasma processing unit 100 A are proportional to the regression matrix K b and the new regression matrix K in the plasma processing unit 100 B. relationship (κ ^ Ζκ / = K b ZK a) it is believed to hold force, et al., it may be a K = KK b / K a. By applying this relationship to in Eq. (7) below, Eq. (8) is obtained.
X =Χ … (6) X = Χ… (6)
=Κ Yb' … (7) = Κ Y b '… (7)
X = (Kノ Kb/Ka) Y … (8) 従って， 制御パラメータを行列 xb' で振る新たなプロセス条件 では， プラズマ処理装置 1 0 0 Aに関してモデル式 （5) を求めて おけば， 予め求めておいたプラズマ処理装置 1 0 0 Aのモデル式 ( 1 ) とプラズマ処理装置 1 00 Bのモデル式 （2) と上記モデル 式 （7) とから， （8) 式に示すようなプラズマ処理装置 1 00 Bに 関する新たなモデル式を作成することができる （第 3の工程）。 即ち， 新たなプロセス条件で検出されたプラズマ処理装置 1 0 0 Aに関する制御パラメータの平均値（設定データ）の行列 X と， プラズマ反映パラメータの平均値 （検出データ） の行列 とを 関連づけた回帰行列 K を求めることによって， プラズマ処理装 置 1 0 0 Bの新たなモデル式 （8 ) を作成することができ， この新 たなモデル式 （8 ) によりプラズマ処理装置 1 0 0 Bの装置状態を 評価することができる。 このことは， プラズマ処理装置 1 0 0 Aに 関する上記モデル式 （5 ) を実験に基づいて作成すれば， プラズマ 処理装置 1 0 0 Bについては改めて実験をしなくても上記 （8 ) 式 をプラズマ処理装置 1 0 0 Bの新たなモデル式として作成できるこ とを意味する。 こうして作成された新たなモデル式 （8 ) は， プラズマ処理装置 1 0 0 Bの解析データ記憶手段 2 0 5に記憶さておいてもよい。 こ れにより， プラズマ処理装置 1 0 0 Bの通常運転によるウェハ処理 時において，複数のプラズマ反映パラメータのそれぞれの平均値（検 出データ） から複数の制御パラメータの値を予測計算する際に， 解 析データ記憶手段 2 0 5からの新たなモデル式 （8 ) を用いること ができる。 この場合， 予測 .診断 ·制御手段 2 0 7により， 予測された制御 パラメータの値 （予測された設定データ） と， 実際にプラズマ処理 装置 1 0 0 Bに設定された設定データの変動許容範囲と比較し， 異 常と判断された場合には， 例えば処理装置制御手段 2 2 5によりプ ラズマ処理装置 1 0 0 Bを停止するとともに， 表示手段 2 2 4， 警 報器 2 2 6で異常を知らせる。 以上説明したように本実施形態では， 例えばプラズマ処理装置 1 0 0 A, 1 00 Bにおいてそれぞれ第 1の設定データ （例えば制御 パラメータ）に基づいて動作した時に各プラズマ処理装置 1 0 0 A， 1 0 0 Bの複数のセンサから検出される検出データ （例えばプラズ マ反映パラメータ） と第 1の設定データとの相関関係 （（ 1 ) 式にお ける Ka， (2) 式における Kb) を多変量解析によって各プラズマ 処理装置 1 00 A， 1 0 0 Bごとに求める第 1の工程と， 各プラズ マ処理装置 1 0 0 A， 1 0 0 Bのうちの基準処理装置とするプラズ マ処理装置 1 0 0 Aにおいて新たな第 2の設定データ （例えば第 1 の設定データとは制御パラメータを振る範囲が異なる新たな設定デ ータ） に基づいて動作した時にプラズマ処理装置 1 0 0 Aの複数の センサから検出される検出データと第 2の設定データとの相関関係 ((5) 式における Kノ ) を多変量解析によって求める第 2の工程 と， 基準処理装置以外の他の処理装置であるプラズマ処理装置 1 0 0 Bにおける第 2の設定データと検出データとの相関関係（（8)式 における K ) を， 第 1の工程で求めたプラズマ処理装置 1 0 0 Bにおける相関関係 Kbと， 第 1の工程で求めたプラズマ処理装置 1 0 0 Aにおける相関関係 Kaと， 第 2の工程で求めたプラズマ処 理装置 1 0 0 Aにおける相関関係 K とに基づいて求め， こう し て求めた相関関係 に基づいてプラズマ処理装置 1 0 0 Bの装 置状態を評価し又は処理結果を予測する多変量解析モデル式 （（8) 式） を作成する第 3の工程とを有する。 このため， 新たなプロセス条件による新たな設定データについて は， 基準とするプラズマ処理装置 1 0 0 Aにおいてウェハに対して プラズマ処理する実験を行ってモデル式 （5 ) を作成すれば， ブラ ズマ処理装置 1 0 0 Aの新たなモデル式 （5 ) を流用して， 基準と する処理装置以外の処理装置例えばプラズマ処理装置 1 0 0 Bにつ いての新たなモデル式 （8 ) を作成することができる。 従って， プ ラズマ処理装置 1 0 0 Bに関しては新たなモデル式を作成するため に新たな設定データで実験をしなくても， 新たなモデル式 （8 ) を 作成することができる。 これにより， プラズマ処理装置 1 0 0 Bに 関するモデル式作成の負荷を大幅に軽減することができる。 また， 本実施形態では， 第 3の工程は， 第 1の工程で求めたプラ ズマ処理装置 1 0 0 Bにおける相関関係 K bに対する第 2の設定デ ータと検出データとの相関関係 K と， 第 1の工程で求めたプラ ズマ処理装置 1 0 0 Aにおける相関関係 K aに対する第 2の工程で 求めた相関関係 Kノ との比例関係に基づいて， プラズマ処理装置 1 0 0 Bにおける第 2の設定データと検出データとの相関関係 K ' を求める。 これにより， プラズマ処理装置 1 0 0 Bにおける相 関関係 K は， 多変量解析によらずに， 簡単に算出することがで さる。 また， 本実施形態では， プラズマ状態を制御できる複数の制御パ ラメータと， プラズマ状態を反映する複数のプラズマ反映パラメ一 タとを関連付けて多変量解析モデル式を作成する。 具体的には， プ ラズマ処理装置 1 0 0 A , 1 0 0 Bを用いてそれぞれ設定データ（制 御パラメータなど） を目的変数にすると共に検出データ （プラズマ 反映パラメータなど） を説明変数にして多変量解析モデル式 （1 )， ( 2 ) を作成する。 そして， 新たな設定データでは， プラズマ処理 装置 1 0 0 Aについて多変量解析モデル式 （5 ) を作成すれば， 相 関関係 K と設定データ X b ' とを用いてプラズマ処理装置 1 0 0 Bの検出データ （プラズマ反映パラメータ， 装置状態パラメータ など） を算出して， プラズマ処理装置 1 0 0 Bについての新たな設 定データによる多変量解析モデル式（ 8 )を作成することができる。 また， P L S法を用いて多変量解析モデル式を作成するため， 実 験数が少なくても上記各パラメータを精度よく予測， 評価すること ができる。 また， プラズマ処理装置 1 0 0 Bの予測値を主成分分析 することにより， プラズマ処理装置 1 0 0 Bの運転状態を総合的に 評価することができる。 また， P L S法を用いて設定データと検出データの相関関係を求 める多変量解析を行うようにしたため， 少ないデータで精度の高い 多変量解析を行なって多変量解析モデル式を作成することができる。 次に， 本発明の第 2の実施形態を図面を参照しながら説明する。 図 3は， 本実施形態にかかる制御システム全体の概略構成を示すブ ロック図である。この制御システム 3 0 0は，ホスト装置 3 1 0と， 複数のプラズマ処理装置 1 0 0 A , ··· , 1 0 O Nとをネッ トワーク 3 2 0により接続して構成される。プラズマ処理装置 1 0 0 A，…， 1 0 0 Nはそれぞれ図 1に示すものと同様の構成であるため， その 詳細な説明を省略する。 また， プラズマ処理装置 1 0 0 A , 1 0 0 Nはそれぞれ図 2に示すような多変量解析手段 2 0 0を備える。 なお，本実施の形態では，例えば図 2に示す多変量解析手段 2 0 0 , 処理装置制御手段 2 2 5， 図 3に示す送受信装置 1 5 0が処理装置 の制御装置としての役割を果す。 ホスト装置 3 1 0は，少なく とも各種演算を行う演算手段 3 1 2， 上述した P L S法などの多変量解析プログラムを記憶する多変量解 析プログラム記憶手段 3 1 4， 解析結果や解析に必要なデータを記 憶する解析データ記憶手段 3 1 6 , 上記ネッ トワーク 3 20を介し て各プラズマ処理装置 1 00 A， …， 1 00 Nとのデータのやり取 りを行う送受信手段 3 1 8を備える。 なお， 上記ホス ト装置 3 1 0 は，例えば半導体製造工場のホストコンピュータで構成してもよく， またこのホス トコンピュータに接続したパーソナルコンピュータで 構成してもよい。 プラズマ処理装置 1 00 A， ■··, 1 0 O Nはそれぞれ， 各プラズ マ処理装置 1 0 O A, ···, 1 00 Nとホスト装置 3 1 0との間又は 各プラズマ処理装置 1 00 A， ···, 1 0 0 N間の各種データの送受 信を行う送受信装置 1 5 O A, …， 1 5 0 N, 制御パラメータ （設 定データ） などの各種データを入力するための入力手段 1 5 2 A, ·■·, 1 5 2 Nを備える。 上記送受信装置 1 5 0 A， …， 1 5 O Nは それぞれ， 図 2に示す多変量解析手段 200と接続されており， 各 プラズマ処理装置 1 00 A， ···, 1 0 0 Nの多変量解析手段 2 0 0 とデータのやり取りを行うことができる。 上記ネットワーク 3 20としては， ホスト装置 3 1 0， 各プラズ マ処理装置 1 0 0 A， ···， .1 0 0 Nなどを双方向通信可能に接続す るものであり， 典型的にはインターネットなどの公衆回線網が挙げ られる。また，ネッ トワーク 3 2 0としては，上記公衆回線網の他， WAN (W i d e A r e a N e t w o r k), LAN (L o c a 1 A r e a N e t w o r k), I P-VPN ( I n t e r n e t P r o t o c o l― V i r t u a l P r i v a t e N e t w o r k) などの閉鎖回線網であってもよい。 またネットワーク 3 2 0 への接続媒体は， FDD I (F i b e r D i s t r i b u t e d D a t a I n t e r f a c e) などによる光ファイバケーブル， E t h e r n e tによる同軸ケーブル又はツイストペアケーブル， もしくは I EEE 8 02. l i bなどによる無線などであってもよ く， 有線無線を問わず， 衛星ネットワークなどであってもよい。 各プラズマ処理装置 1 00が所望のプロセス条件でエッチング処 理を行う際に， 装置状態を評価するための新たなモデル式を作成す るために必要なデータを送受信装置 1 5 0を介してホス ト装置 3 1 0から所望のプラズマ処理装置 1 0 0に送信することにより， その プラズマ処理装置 1 00の多変量解析手段 2 0 0でモデル式を作成 する際の負担を軽減することができる。 そして， プラズマ処理装置 1 0 0による実際のウェハの処理時における各検出データから新た なモデル式を用いて装置状態が評価され， その結果に応じて出力さ れる予測 ·診断 ·制御手段 2 0 7からの指示に基づいて処理装置制 御手段 2 2 5によりプラズマ処理装置 1 0 0が制御される。 次に， このような制御システム 3 0 0の処理について図面を参照 しながら説明する。 制御システム 3 0 0の処理としては， 例えば第 1の実施形態で説明したように， プラズマ処理装置 1 0 0 Aで作成 した新たなモデルをプラズマ処理装置 1 00 Bに流用して， プラズ マ処理装置 1 0 0 Bについての新たなモデルを作成する場合が挙げ られる。 図 4〜図 6は， プラズマ処理装置 1 0 0 Bの新たなモデルを作成 する場合の処理についての動作フローを示す。 より詳細には， 図 4 〜図 6は， プラズマ処理装置 1 0 0 Aを基準処理装置， プラズマ処 理装置 1 0 0 B， ■··, 1 0 0 Nを基準処理装置以外の処理装置とし たときのホス ト装置， 基準処理装置， 基準処理装置以外の処理装置 についての動作フローを示している。 なお， 図 4〜図 6では， 基準 処理装置以外の処理装置としてプラズマ処理装置 1 0 0 Bの処理を 代表して記載している。 他のプラズマ処理装置 1 00 C， …， 1 0 0 Nについて新たなモデル式を作成する場合においても， プラズマ 処理装置 1 0 0 Bと同様の動作が行われる。 先ず， 図 4に示すように， 各プラズマ処理装置 1 0 0 A， ···, 1 0 0 Nの回帰行列 Ka， ···, Knを求める。 具体的な処理を以下に説 明する。 基準処理装置であるプラズマ処理装置 1 0 0 Αは， 回帰行列 Ka を求めるための設定データ （例えば制御パラメータ） が入力手段 1 5 2 Aから入力されて設定されると， ステップ S 1 1 0にてこの設 定データに従ってウェハ Wを処理して検出データ （例えばプラズマ 反映パラメータ） を取得し， これらの設定データ， 検出データをネ ットワーク 3 2 0を介してホスト装置 3 1 0に送信する。 一方， 基準処理装置以外の処理装置である例えばプラズマ処理装 置 1 0 0 Bは， 回帰行列 Kbを求めるための設定データ （例えば制 御パラメータ） が入力手段 1 5 2 Bから入力されて設定されると， ステップ S 5 1 0にてこの設定データに従ってウェハ Wを処理して 検出データ （例えばプラズマ反映パラメータ） を取得し， これらの 設定データ， 検出データをネットワーク 3 20を介してホスト装置 3 1 0に送信する。 ホスト装置 3 1 0は， ステップ S 2 1 0にて各プラズマ処理装置 1 0 O A, ···, 1 0 O Nから設定データ， 検出データを受信して解 析データ記億手段 3 1 6に記憶する。 次いで， ステップ S 2 2 0に て受信した設定データのウェハごとの平均値を演算手段 3 1 2によ り求め， これらを目的変数 Xa, Xnとして解析データ記憶手段 3 1 6に記憶するとともに， 受信した検出データのウェハごとの平 均値を演算手段 3 1 2により求め， これらを説明変数 Ya， …， Yn として解析データ記憶手段 3 1 6に記憶する。 続いて， ホス ト装置 3 1 0は， ステップ S 2 3 0にて多変量解析 プログラム記憶手段 3 1 4からの P L S法によるプログラムに基づ いて上記第 1の実施形態と同様に設定データ （目的変数） Xa, …， Xn， 検出データ （説明変数） Ya, …， Ynから各プラズマ処理装 置 1 0 O A, …， 1 00 Nにおける回帰行列 Ka， ···， Knを演算手 段 3 1 2により求めて解析データ記憶手段 3 1 6に記憶する。 次い で， ステップ S 24 0にてこれら設定データ X a， ··-, Xn， 検出デ ータ Ya， ···, Yn， 回帰行列 Ka， · ·, Knをネッ トワーク 3 2 0を 介して各プラズマ処理装置 1 00 Α， ···, 1 0 O Nに送信する。 基準処理装置であるプラズマ処理装置 1 0 0 Aは， ステップ S 1 2 0にてホスト装置 3 1 0から設定データ Xa， 検出データ Ya, 回 帰行列 Kaを受信し， 上記 （ 1 ) に示すようなモデル式として記憶 する。 また， 基準処理装置以外の処理装置である例えばプラズマ処 理装置 1 0 0 Bは， ステップ S 5 20にてホスト装置 3 1 0から設 定データ Xb， 検出データ Yb， 回帰行列 Kbを受信し， 上記 （2) に示すようなモデル式として記憶する。 次に， 図 5に示すように基準処理装置であるプラズマ処理装置 1 0 0 Aの新たなモデルを作成する。具体的な処理を以下に説明する。 プラズマ処理装置 1 0 O Aは， 回帰行列 K を求めるための新た な設定データ （例えば制御パラメータ） が入力手段 1 5 2 Aから入 力されて設定されると， ステップ S 1 3 0にてこの設定データに従 つてウェハ Wを処理して新たな検出データ （例えばプラズマ反映パ ラメータ） を取得し， これらの新たな設定データ， 新たな検出デー タをネットワーク 3 2 0を介してホスト装置 3 1 0に送信する。 ホスト装置 3 1 0は， ステップ S 3 1 0にて基準処理装置である プラズマ処理装置 1 00 Aから新たな設定データ， 新たな検出デー タを受信して解析データ記憶手段 3 1 6に記憶する。 次いで， ステ ップ S 3 20にて受信した新たな設定データのウェハごとの平均値 を演算手段 3 1 2により求め， これらを説明変数 X/ ， …， Χη' として解析データ記憶手段 3 1 6に記憶するとともに， 受信した新 たな検出データのウェハごとの平均値を演算手段 3 1 2により求め， これらを目的変数 Ya' ， …， Y として解析データ記憶手段 3 1 6に記憶する。 続いて， ホス ト装置 3 1 0は， ステップ S 3 3 0にて多変量解析 プログラム記憶手段 3 1 4からの P L S法によるプログラムに基づ いて上記第 1の実施形態と同様に， 新たな設定データ （目的変数） X / , 新たな検出データ （説明変数） Yノ からプラズマ処理装置 1 0 0 Aにおける回帰行列 K を演算手段 3 1 2により求めて解 析データ記憶手段 3 1 6に記憶する。 次いで， ステップ S 3 4 0に てこれら新たな設定データ X , 新たな検出データ Y , 新たな 回帰行列 をネッ トワーク 3 2 0を介してプラズマ処理装置 1 0 0 Aに送信する。 基準処理装置であるプラズマ処理装置 1 0 0 Aは， ステップ S 1 4 0にてホス ト装置 3 1 0から設定データ X ， 検出データ Yノ ， 回帰行列 K を受信し， 新たなモデル式として記憶する。 次に， 図 6に示すように， 基準処理装置以外の処理装置である例 えばプラズマ処理装置 1 0 0 Bについてのモデル式を求める。 基準 処理装置以外の処理装置の新たなモデル式は， 基準処理装置の新た なモデル式に基づいて求めるので， 基準処理装置以外の処理装置で は， ウェハに対するプラズマ処理を新たに行う必要がなくなる。 具 体的な処理を以下に説明する。 プラズマ処理装置 1 0 0 Bは， ステップ S 5 3 0にて， 回帰行列 K b ; を求めるための設定データ （回帰行列 Kノ を求めるための設 定データと同じ設定データ）が入力手段 1 5 2 Bから入力されると， この設定データをネッ トワーク 3 2 0を介してホスト装置 3 1 0に 送信する。 ホスト装置 3 1 0は， ステップ S 4 1 0にて基準処理装置以外の 処理装置であるプラズマ処理装置 1 00 Bから新たな設定データを 受信して解析データ記憶手段 3 1 6に記憶し， 受信した新たな設定 データのウェハごとの平均値を演算手段 3 1 2により求め， これら を設定データ （説明変数） X ， …， X として解析データ記憶 手段 3 1 6に記憶する。 続いて， ホス ト装置 3 10は， ステップ S 420にて基準処理装 置以外の処理装置の回帰行列 （Kb, …， Kn)， 新たな回帰行列 （Κ ， ···， ) と， 基準処理装置の回帰行列 （Ka)， 基準処理装 置の新たな回帰行列 （κノ ) との比例関係（例えば（κ¾' Ζκノ = KbZKa)) から， 新たな回帰行列 (κ ·'·κノ ) それぞれを 演算手段 3 1 2により求める。 例えばプラズマ処理装置 100 Βに おける （ 7)式に示すような新たな回帰行列 Κ は， Κ =ΚX = (K K K b / K a ) Y… (8) Therefore, under the new process conditions in which the control parameters are oscillated by the matrix x b ′, the model equation (5) for the plasma processing apparatus 100 A is obtained For example, from the model equation (1) of the plasma processing apparatus 100 A obtained in advance, the model equation (2) of the plasma processing apparatus 100 B, and the above-mentioned model equation (7), the following equation (8) is obtained. A new model formula for the simple plasma processing apparatus 100B can be created (third step). That is, a regression matrix in which the matrix X of the average value (setting data) of the control parameters related to the plasma processing apparatus 100 A detected under the new process condition is related to the matrix of the average value (detection data) of the plasma reflection parameters. By obtaining K, a new model equation (8) of the plasma processing apparatus 100B can be created, and the state of the plasma processing apparatus 100B can be calculated using the new model equation (8). Can be evaluated. This is because if the above-mentioned model equation (5) for the plasma processing apparatus 100 A is created based on experiments, the above equation (8) can be obtained without conducting another experiment for the plasma processing apparatus 100 B. This means that it can be created as a new model formula of the plasma processing apparatus 100B. The new model equation (8) created in this manner may be stored in the analysis data storage means 205 of the plasma processing apparatus 100B. As a result, when wafer processing is performed in normal operation of the plasma processing apparatus 100B, the solution is used to predict and calculate the values of a plurality of control parameters from the average values (detection data) of the plurality of plasma reflection parameters. A new model equation (8) from the analysis data storage means 205 can be used. In this case, the predicted control parameter value (predicted setting data) and the allowable range of the setting data actually set in the plasma processing apparatus 100 B by the prediction. If it is determined to be abnormal, for example, the plasma processing device 100 B is stopped by the processing device control means 225 and the abnormality is detected by the display means 224 and the alarm 226. Inform. As described above, in the present embodiment, for example, when the plasma processing apparatuses 100 A and 100 B operate based on the first setting data (for example, control parameters), the plasma processing apparatuses 100 A and 1 The correlation between detection data (for example, plasma reflection parameters) detected from a plurality of 0 B sensors and the first setting data (K a in Eq. (1), K b in Eq. (2)) First step for each plasma processing unit 100 A, 100 B by multivariate analysis, and plasma processing as the reference processing unit of each plasma processing unit 100 A, 100 B When the apparatus 100A operates on the basis of new second setting data (for example, new setting data in which the control parameter range is different from the first setting data), the plasma processing apparatus 100A Detection data detected from multiple sensors The second step of obtaining the correlation (K no in Eq. (5)) between the second set data and the second set data by the multivariate analysis and the plasma processing apparatus 100 B, which is another processing apparatus other than the reference processing apparatus The correlation between the second set data and the detected data (K in Eq. (8)) was calculated in the first step with the correlation K b in the plasma processing apparatus 100 B obtained in the first step. correlation between K a in the plasma processing apparatus 1 0 0 a, calculated on the basis of the correlation between K in the plasma processing apparatus 1 0 0 a obtained in the second step, the plasma based on the correlation obtained by said And a third step of creating a multivariate analysis model equation (Equation (8)) for evaluating the device state of the processing apparatus 100B or predicting the processing result. For this reason, new setting data based on new process conditions is applied to the wafer in the reference plasma processing apparatus 100A. If an experiment for plasma processing is performed to create the model equation (5), the new model equation (5) for the plasma processing apparatus 100A can be diverted to a processing apparatus other than the reference processing apparatus, for example, a plasma processing apparatus. A new model equation (8) for the device 100B can be created. Therefore, a new model equation (8) can be created for the plasma processing device 100B without performing experiments with new setting data in order to create a new model equation. As a result, it is possible to greatly reduce the load of creating a model formula for the plasma processing apparatus 100B. Further, in the present embodiment, the third step is the correlation K between the second setting data and the detected data with respect to the correlation Kb in the plasma processing apparatus 100 B obtained in the first step. , based on the proportional relationship between the correlation K Roh obtained in the second step with respect to the correlation K a in plasmas processing apparatus 1 0 0 a obtained in the first step, first in the plasma processing apparatus 1 0 0 B Find the correlation K 'between the setting data and the detection data in step 2. As a result, the correlation K in the plasma processing apparatus 100B can be easily calculated without using multivariate analysis. In this embodiment, a multivariate analysis model formula is created by associating a plurality of control parameters that can control the plasma state with a plurality of plasma reflection parameters that reflect the plasma state. Specifically, using the plasma processing devices 100 A and 100 B, the setting data (control parameters, etc.) are used as target variables, and the detection data (plasma reflection parameters, etc.) are used as explanatory variables. Create the variate analysis model equations (1) and (2). And with the new setting data, plasma processing If the multivariate analysis model equation (5) is created for the apparatus 100A, the detection data (plasma reflection parameters, apparatus state) of the plasma processing apparatus 100B can be obtained using the correlation K and the setting data Xb '. Parameters, etc.), and a multivariate analysis model equation (8) based on new setting data for the plasma processing apparatus 100B can be created. In addition, since the multivariate analysis model formula is created using the PLS method, the above parameters can be accurately predicted and evaluated even with a small number of experiments. In addition, by performing a principal component analysis of the predicted value of the plasma processing apparatus 100B, the operating state of the plasma processing apparatus 100B can be comprehensively evaluated. In addition, since the PLS method is used to perform multivariate analysis to find the correlation between the set data and the detected data, it is possible to create a multivariate analysis model formula by performing highly accurate multivariate analysis with a small amount of data. it can. Next, a second embodiment of the present invention will be described with reference to the drawings. FIG. 3 is a block diagram illustrating a schematic configuration of the entire control system according to the present embodiment. The control system 300 is configured by connecting a host device 310 and a plurality of plasma processing devices 100 A,..., 100 ON via a network 320. Each of the plasma processing apparatuses 100 A,..., 100 N has the same configuration as that shown in FIG. 1, and a detailed description thereof will be omitted. Each of the plasma processing apparatuses 100 A and 100 N includes multivariate analysis means 200 as shown in FIG. In the present embodiment, for example, the multivariate analysis means 200 shown in FIG. 2, the processing device control means 25, and the transmission / reception device 150 shown in FIG. Plays a role as a control device. The host device 310 is composed of at least arithmetic means 312 for performing various operations, multivariate analysis program storage means 314 for storing a multivariate analysis program such as the above-mentioned PLS method, etc., necessary for analysis results and analysis. Analysis data storage means 3 16 for storing data, and transmission / reception means 3 18 for exchanging data with each of the plasma processing apparatuses 100 A,..., 100 N via the network 320 . The host device 310 may be constituted by, for example, a host computer in a semiconductor manufacturing factory, or may be constituted by a personal computer connected to the host computer. Each of the plasma processing apparatuses 100 A,..., 100 ON is between each plasma processing apparatus 100 OA,..., 100 N and the host apparatus 310 or each plasma processing apparatus 100 A. ,..., Transmission / reception device for sending and receiving various data between 100 N N 15 OA,…, 150 N, input means for inputting various data such as control parameters (setting data) 1 5 2 A, ····, 15 2 N .., 150 ON are connected to the multivariate analysis means 200 shown in FIG. 2, and the multivariate of each plasma processing apparatus 100 A,... Data can be exchanged with the analyzing means 200. The network 320 connects the host device 310, each plasma processing device 100A,..., .100N, and the like so that bidirectional communication is possible. A public line network such as the Internet is mentioned. In addition to the public network described above, It may be a closed line network such as WAN (Wide Area Network), LAN (Loca 1 Area Network), IP-VPN (Internet Protocol-Virtual Private Network). The medium for connection to the network 320 may be an optical fiber cable such as FDD (Fiber Distributed Data Interface), a coaxial cable or twisted pair cable using Ethernet, or a wireless communication using IEE802.lib. It may be a wired or wireless satellite network. When each plasma processing apparatus 100 performs an etching process under a desired process condition, data necessary for creating a new model formula for evaluating the state of the apparatus is transmitted via a transmission / reception apparatus 150 to a host. By transmitting the data from the computer 310 to the desired plasma processing apparatus 100, the burden of creating a model equation with the multivariate analysis means 200 of the plasma processing apparatus 100 can be reduced. Then, the apparatus state is evaluated using a new model formula from each detected data when the actual wafer is processed by the plasma processing apparatus 100, and the prediction, diagnosis, and control means 2007 are output according to the result. The plasma processing apparatus 100 is controlled by the processing apparatus control means 225 based on the instruction from the CPU. Next, the processing of the control system 300 will be described with reference to the drawings. As processing of the control system 300, for example, as described in the first embodiment, a new model created by the plasma processing apparatus 100A is diverted to the plasma processing apparatus 100B, and plasma processing is performed. When creating a new model for device 100B Can be FIGS. 4 to 6 show the operation flow of the processing when a new model of the plasma processing apparatus 100B is created. More specifically, Fig. 4 to Fig. 6 show that the plasma processing unit 100A is the reference processing unit and the plasma processing units 100B, ..., 100N are the processing units other than the reference processing unit. It shows the operation flow for the host device, the reference processing device, and the processing devices other than the reference processing device in the case of the above. 4 to 6 show the processing of the plasma processing apparatus 100B as a representative processing apparatus other than the reference processing apparatus. Even when a new model formula is created for the other plasma processing apparatuses 100 C,..., 100 N, the same operation as that of the plasma processing apparatus 100 B is performed. First, as shown in FIG. 4, obtains each plasma processing apparatus 1 0 0 A, ···, 1 0 0 N of regression matrix K a, · · ·, the K n. The specific processing is described below. When the setting data (for example, control parameters) for obtaining the regression matrix K a is input from the input means 152 A and set, the plasma processing apparatus 100 0 で, which is the reference processing apparatus, sets a step S 110. According to this setting data, the wafer W is processed according to the setting data to obtain detection data (for example, plasma reflection parameters), and these setting data and detection data are transmitted to the host device 310 via the network 320. On the other hand, a processing apparatus other than the reference processing apparatus, for example, a plasma processing apparatus 100 B is provided with setting data for obtaining the regression matrix Kb (eg, Control parameters) are input from the input means 1552B and set, in step S510, the wafer W is processed according to the set data to obtain detection data (for example, plasma reflection parameters). The setting data and the detection data are transmitted to the host device 310 via the network 320. In step S210, the host device 310 receives the setting data and detection data from each of the plasma processing devices 10OA,..., 10ON and stores them in the analysis data storage means 316. I do. Next, the average value of the setting data received in step S220 for each wafer is obtained by the calculating means 312, and these are stored in the analysis data storing means 316 as the objective variables Xa and Xn. together, determine the average value for each wafer of the detected data received by the computing means 3 1 2, these explanatory variables Y a, ..., stored in the analysis data storing means 3 1 6 as Y n. Subsequently, the host device 310 sets the setting data (objective) in the same manner as in the first embodiment based on the program by the PLS method from the multivariate analysis program storage means 314 in step S230. variable) X a, ..., X n , detection data (explanatory variables) Y a, ..., each plasma processing equipment 1 0 OA from Y n, ..., 1 00 regression matrix in n K a, ···, K n Is obtained by the calculation means 3 12 and stored in the analysis data storage means 3 16. Then in these settings data X a at step S 24 0, ·· -, X n, detected data Y a, ···, Y n, regression matrix K a, · ·, network and K n network ,..., 10 ON via 3 20. The plasma processing apparatus 100 A, which is the reference processing apparatus, is used in step S 1 2 0 set by the host apparatus 3 1 0 by the data X a, receives the detection data Y a, regression matrix K a, and stores as the model formula as shown in the above (1). Further, a processing unit other than the reference processing unit, for example, a plasma processing apparatus 1 0 0 B is Step S 5 20 configuration data from the host apparatus 3 1 0 in X b, detection data Y b, the regression matrix K b It is received and stored as a model formula as shown in (2) above. Next, as shown in FIG. 5, a new model of the plasma processing apparatus 100A as the reference processing apparatus is created. Specific processing will be described below. When new setting data (for example, control parameters) for obtaining the regression matrix K is input from the input means 152A and set, the plasma processing apparatus 100A sets this setting in step S130. The wafer W is processed according to the data to obtain new detection data (for example, plasma reflection parameters), and these new setting data and new detection data are transferred to the host device 310 via the network 320. Send to In step S310, the host device 310 receives new setting data and new detection data from the plasma processing device 100A, which is the reference processing device, and stores them in the analysis data storage means 316. . Then, an average value for each wafer of the new setting data received by stearyl-up S 3 20 by the arithmetic unit 3 1 2, these explanatory variables X /, ..., analyzed as chi eta 'data storage means 3 1 stores 6, an average value for each wafer of the new was Do detecting data received by the computing means 3 1 2, these objective variable Y a ', ..., is stored in the analysis data storing means 3 1 6 as Y . Subsequently, the host device 310 sets new settings in step S330 based on the program by the PLS method from the multivariate analysis program storage means 314 as in the first embodiment. Data (objective variable) X /, new detection data (explanatory variable) Regression matrix K in the plasma processing apparatus 100 A is calculated from the calculation result Y by the calculation means 3 12 and stored in the analysis data storage means 3 16 . Next, in step S340, these new setting data X, new detection data Y, and new regression matrix are transmitted to the plasma processing apparatus 100A via the network 320. In step S140, the plasma processing apparatus 100A, which is the reference processing apparatus, receives the setting data X, the detection data Y, and the regression matrix K from the host apparatus 310 and stores them as a new model equation. I do. Next, as shown in Fig. 6, a model formula for a processing apparatus other than the reference processing apparatus, for example, a plasma processing apparatus 100B is obtained. Since the new model formula of the processing device other than the reference processing device is obtained based on the new model formula of the reference processing device, it is not necessary for the processing device other than the reference processing device to newly perform the plasma processing on the wafer. The specific processing will be described below. In step S530, the plasma processing apparatus 100B inputs the setting data for obtaining the regression matrix Kb ; (the same setting data as the setting data for obtaining the regression matrix K) in step S530. 2B, this setting data is sent to the host device 310 via the network 320. Send. In step S410, the host device 310 receives new setting data from the plasma processing device 100B, which is a processing device other than the reference processing device, and stores the new setting data in the analysis data storage means 316. The average value of the new setting data for each wafer is obtained by the calculating means 312, and these are stored in the analysis data storing means 316 as setting data (explanatory variables) X, ..., X. Subsequently, the host device 310 receives the regression matrices (K b ,…, K n ) of the processing devices other than the reference processing device and the new regression matrices (Κ,...) From the regression matrix of the reference processor (K a ) and the proportional relationship with the new regression matrix of the reference processor (κ no) (eg, (κ ¾ ¾ Ζκ = K b ZK a )), the new regression matrix (K a κ · '· κno) are obtained by the calculation means 3 1 2. For example, a new regression matrix Κ as shown in Eq.
KbZKaにより求める。 これにより， 基準処理装置以外の処理装置 の新たな回帰行列を求めるときには， 新たに P L S法などの多変量 解析処理を行う必要がなく， 簡単に求めることができる。 次いで， ホスト装置 3 1 0は， ステップ S 430にて上記 （ 7 ) 式に示すようなモデル式に基づいて， 新たな設定データ （X ， ···, X ), 新たな回帰行列 （K —K ) とから新たな検出デ ータ （Υ ノ ) を算出して解析データ記憶手段 3 1 6に記憶 し， これら新たな設定データ （Xb' …， X )， 新たな回帰行列 (K , …， K ), 新たな検出データ （Y ， ···, Υη' ) を それぞれ対応するプラズマ処理装置 1 0 0 B, …， 1 0 O Nへネッ トワーク 3 2 0を介して送信する。 例えばプラズマ処理装置 1 00 Bでは， ステップ S 54 0にてホ スト装置 3 1 0から新たな設定データ （X …， Xノ ), 新たな 回帰行列 （Kb' , ···, Κη' ), 新たな検出データ （Υ^ , …， Υ ノ ) を受信し， 上記 （8) に示すような新たなモデル式として記 憶する。 こう して， 基準装置以外の処理装置ではそれぞれの処理装 置に適合する新たなモデル式が作成される。 次に， こうして得られた新たなモデル式に基づいて， 装置状態を 評価する際の制御システムの処理について図面を参照しながら説明 する。 図 7は， 各プラズマ処理装置をそれぞれに作成された新たな モデル式に基づいて装置状態を評価する際のホスト装置の動作フロ 一と各プラズマ処理装置の動作フローを示すものである。 先ず， あるプラズマ処理装置 1 0 0において， ステップ S 6 1 0 にて設定データの標準条件に対する許容変動範囲が入力されると， この許容変動範囲を記憶する。 この許容変動範囲は， 装置状態が正 常か異常かを判定するために使用する閾値であり， 例えば新たなモ デル式を作成するための設定データ例えば制御パラメータを振った 際の各制御パラメータの標準値に対する最大値と最小値の範囲とす る。 続いて， 上記プラズマ処理装置 1 0 0は， ステップ S 6 20にて 実際にウェハを処理するための設定データ （標準条件例えば表 1に 示す標準値） が入力手段 1 5 2により入力されると， この設定デー タに基づいてウェハ Wをプラズマ処理し， ウェハ Wごとに計測され る設定データと検出データを取得して， これら設定データ， 検出デ ータをホスト装置 3 1 0にネッ トワーク 3 20を介して送信する。 ホスト装置 3 1 0は， ステップ S 7 1 0にて上記プラズマ処理装 置 1 00から設定データと， 検出データをウェハごとに受信して解 析データ記憶手段 3 1 6に記憶する。 そして， それぞれの平均値を 求め， 設定データ （目的変数） X' ， 検出データ （説明変数） Ύ' として解析データ記憶手段 3 1 6に記憶する。 続いて， ホス ト装置 3 1 0は， ステップ S 7 2 0にて設定データ X' ， 検出データ Y' を上記プラズマ処理装置 1 0 0へ送信する。 プラズマ処理装置 1 0 0は， ステップ S 6 3 0にて設定データ X' , 検出データ Υ' を受信して， これらを実際の設定データ X obs' ， 実際の検出データ Yobs' として解析データ記憶手段 2 0 5 に記憶する。 次いで， ステップ S 640にて上記 （8) 式に示すよ うな新たなモデル式に実際の検出データ Yob を当てはめて予測 設定データ Xpre' を算出して解析データ記憶手段 2 0 5に記憶す る。 続いて， 上記プラズマ処理装置 1 0 0は， ステップ S 6 5 0にて 実際の設定データ Xobs' に対する予測設定データ Xpr^ が許容変 動範囲内にあるか否かによって正常か異常かを判定する。 例えば実 際の設定データ Xob^ に対する予測設定データ Xpr^ 力 許容変 動範囲内であれば正常と判断し， 許容変動範囲を越えていれば異常 と判断する。 異常と判断した場合には， ステップ S 6 6 0にて例え ば処理装置制御手段 2 2 5により上記プラズマ処理装置 1 0 0を停 止するとともに，表示手段 2 2 4，警報器 2 2 6で異常を知らせる。 このように， ホス ト装置 3 1 0は， 各プラズマ処理装置からのデ ータに基づいて， 平均値を求めたり， 多変量解析処理を行うので， 各プラズマ処理装置の計算処理負担を大幅に軽減することができる。 また， 各プラズマ処理装置では， プラズマ処理を行う際に得られる 大量の設定データや検出データなどを一時的に記憶しておく必要が なく， 多変量解析プログラムも必要ないので， そのための記憶手段 を不要とすることができる。 これにより， 各プラズマ処理装置の構 成を簡単にすることができ，また製造コストを抑えることができる。 なお， 第 2の実施形態では， 各プラズマ処理装置側における新た なモデル式で装置状態を判断する場合について説明したが， 必ずし もこれに限られず， 新たなモデル式はホスト装置 3 1 0にも記憶さ れているので，ホスト装置 3 1 0側で各プラズマ処理装置 1 0 O A , ··· , 1 0 O Nの装置状態を判定してもよい。 この場合には， 異常と 判定した場合に異常判定情報を各プラズマ処理装置 1 0 0 Α， - , 1 0 0 Nへ送信するようにしてもよい。 各プラズマ処理装置 1 0 0 A , ··· , 1 0 O Nは， 異常判定情報に基づいて例えば処理装置制御 手段 2 2 5により処理装置を停止し， 表示手段 2 2 4， 警報器 2 2 6により異常を知らせるようにしてもよい。 これによれば， ホス ト 装置 3 1 0で集中して各プラズマ処理装置の装置状態を監視するこ とができる。 以上， 添付図面を参照しながら本発明に係る好適な実施形態につ いて説明したが， 本発明は係る例に限定されないことは言うまでも ない。 当業者であれば， 特許請求の範囲に記載された範疇内におい て， 各種の変更例または修正例に想到し得ることは明らかであり， それらについても当然に本発明の技術的範囲に属するものと了解さ れる。 例えば， 上記第 1及び第 2の実施形態における設定データとして は， 第 2の実施形態における新たなモデル式を利用して装置状態を 判定する際のように， ウェハをプラズマ処理する際に制御パラメ一 タ計測器 2 2 1によって計測された設定データを用いてもよく， ま た入力手段 1 5 2から入力された設定データそのものを用いてもよ レ、。 この場合， 設定データのすべてが制御パラメータ計測器 2 2 1 によって計測可能な場合には， 制御パラメータ計測器 2 2 1によつ て計測された設定データを用いてもよいが， 設定データの中に制御 パラメータ計測器 2 2 1によっては計測できないものが含まれてい る場合には， 入力された設定データそのものを用いることが有効で める。 また， 上記実施形態の多変量解析では装置状態パラメータを用い ていないが， 装置状態パラメータを目的変数または説明変数として 用いることができる。 また， 上記実施形態ではモデル式を構築する に当たり 目的変数の制御パラメータとして高周波電力， プロセスガ ス流量， 電極間の隙間及ぴチャンバ内の圧力を用いているが， 制御 可能なパラメータであれば， これらに制限されるものではない。 また， 装置状態パラメータとして可変コンデンサ容量， 高周波電 圧， A P C開度を用いているが， 装置状態パラメータを示す計測可 能なパラメータであればこれらの制限されるものではない。 また， プラズマ状態を反映するプラズマ反映パラメータとしてプラズマに 基づく電気的データ及ぴ光学的データを用いているが， プラズマ状 態を反映するパラメータであれば， これらに制限されるものではな レ、。 また， 電気的データとして基本波及び高調波 （4倍波まで） の 高周波電圧， 高周波電流を用いているが， これらに制限されるもの ではない。 更に， プラズマ処理装置内に組み込まれたウェハ仕上がりを計測 する手段 (例えば， スキヤ トロメ トリ） からの出力データを検出デ ータとして用いてもよい。 具体的には， 検出データとして， ウェハ 上に形成された膜の膜厚， ウェハ上の被処理膜をエッチングしたと きの削れ量やその面内均一性などの特徴値を用いてもよい。 また， 本実施形態ではウェハ毎にプラズマ反映パラメータのデータの平均 値を求め， この平均値を使ってウェハ毎に制御パラメータ及び装置 状態パラメータを予測したが， 一枚のウェハ処理中のリアルタイム のプラズマ反映パラメータを用いてリアルタイムに制御パラメータ 及び装置状態パラメータを予測することもできる。 また， 上記実施形態では有磁場平行平板型プラズマ処理装置を用 いたが， 制御パラメータとプラズマ反映パラメータ及ぴ Zまた装置 状態パラメータを有する装置であれば本発明を適用することができ る。 以上詳述したように本発明によれば， 処理装置毎にプロセス特性 やプロセス条件に差があっても一つの処理装置についてモデル式を 作成すれば， そのモデル式を同種の他の処理装置に流用することが でき， 処理装置毎にモデル式を新たに作成する必要がなく， モデル 式作成の負荷を軽減することができる処理装置の多変量解析モデル 式作成方法及び処理装置用の多変量解析方法を提供することができ る。 産業上の利用の可能性 本発明は， 例えばプラズマ処理装置などの処理装置の多変量解析 モデル式作成方法， 処理装置用の多変量解析方法， 処理装置の制御 装置， 処理装置の制御システムに適用できる。 It is determined by K b ZK a . As a result, when finding a new regression matrix for a processing unit other than the reference processing unit, there is no need to perform a new multivariate analysis process such as the PLS method, and it can be obtained easily. Next, in step S430, the host device 310 sets new setting data (X,..., X) and a new regression matrix (K — based on the model formula shown in the above formula (7)). K), new detection data (ΥNO) is calculated and stored in the analysis data storage means 316, and these new setting data ( Xb ′…, X) and a new regression matrix (K, …, K) and new detection data (Y, ···, Υ η ') The data is transmitted to the corresponding plasma processing apparatus 100 B,..., 100 ON via the network 320. For example, in the plasma processing apparatus 100B, in step S540, new setting data (X..., X no) and a new regression matrix (K b ',..., Κ η ' ), New detection data (Υ ^,…, ノ NO) is received and stored as a new model equation as shown in (8) above. In this way, a new model formula suitable for each processing device is created for processing devices other than the reference device. Next, the processing of the control system when evaluating the device status based on the new model formula thus obtained will be described with reference to the drawings. Figure 7 shows the operation flow of the host device and the operation flow of each plasma processing apparatus when evaluating the state of the apparatus based on the new model formula created for each plasma processing apparatus. First, in a certain plasma processing apparatus 100, when an allowable variation range with respect to the standard condition of the set data is input in step S610, the allowable variation range is stored. This allowable variation range is a threshold used to determine whether the device state is normal or abnormal. For example, setting data for creating a new model equation, for example, each control parameter when a control parameter is assigned The range is between the maximum and minimum values for the standard value. Subsequently, the plasma processing apparatus 100 performs setting data (standard conditions, for example, Table 1) for actually processing the wafer in step S620. (Standard value shown) is input by the input means 152, the wafer W is plasma-processed based on this setting data, and the setting data and detection data measured for each wafer W are acquired. Then, the detection data is transmitted to the host device 310 via the network 320. In step S710, the host device 310 receives the setting data and the detection data from the plasma processing device 100 for each wafer and stores them in the analysis data storage means 316. Then, the respective average values are obtained and stored in the analysis data storage means 316 as setting data (target variable) X 'and detection data (explanatory variable) Ύ'. Subsequently, the host device 310 transmits the setting data X 'and the detection data Y' to the plasma processing device 100 in step S720. The plasma processing apparatus 100 receives the setting data X ′ and the detection data ′ in step S630, and uses them as the actual setting data X obs ′ and the actual detection data Yobs ′ in the analysis data storage means. Store in 205. Next, in step S640, the actual detection data Yob is applied to the new model equation as shown in the above equation (8) to calculate the prediction setting data Xpre ', which is stored in the analysis data storage means 205. Subsequently, in step S650, the plasma processing apparatus 100 determines whether the predicted setting data Xpr ^ for the actual setting data Xobs' is normal or abnormal based on whether or not the setting data Xpr ^ is within the allowable fluctuation range. . For example, the predicted setting data Xpr ^ force against the actual setting data Xob ^ is judged to be normal if it is within the allowable fluctuation range, and abnormal if it is outside the allowable fluctuation range. Judge. If an abnormality is determined, the plasma processing apparatus 100 is stopped in step S660, for example, by the processing apparatus control means 25, and the display means 224 and the alarm device 226 are turned on. Notify abnormalities. As described above, since the host device 310 obtains an average value and performs multivariate analysis processing based on data from each plasma processing device, the calculation processing load of each plasma processing device is greatly reduced. Can be reduced. In addition, in each plasma processing apparatus, there is no need to temporarily store a large amount of setting data and detection data obtained during plasma processing, and there is no need for a multivariate analysis program. It can be unnecessary. As a result, the configuration of each plasma processing apparatus can be simplified and the manufacturing cost can be reduced. In the second embodiment, the case where the apparatus state is determined using a new model equation on each plasma processing apparatus side has been described. However, the present invention is not necessarily limited to this, and the new model equation is used for the host apparatus 310. Is stored, the host device 310 may determine the device state of each of the plasma processing devices 10OA,..., 10ON. In this case, when it is determined that there is an abnormality, the abnormality determination information may be transmitted to each of the plasma processing apparatuses 100Α,-, and 100N. Each plasma processing device 100 A,..., 100 ON is turned off based on the abnormality determination information, for example, by stopping the processing device by means of the processing device control means 225, display means 224, and alarm device 226. The abnormality may be notified by using. According to this, the host device 310 can centrally monitor the device state of each plasma processing device. As described above, the preferred embodiments according to the present invention have been described with reference to the accompanying drawings, but it is needless to say that the present invention is not limited to the examples. It is clear that a person skilled in the art can envisage various changes or modifications within the scope of the claims, which also fall within the technical scope of the present invention. It is understood. For example, as the setting data in the first and second embodiments, the control parameters when performing plasma processing on the wafer, such as when determining the device state using a new model formula in the second embodiment, are used. The setting data measured by the master measuring instrument 221 may be used, or the setting data itself input from the input means 152 may be used. In this case, if all the setting data can be measured by the control parameter measuring device 221, the setting data measured by the control parameter measuring device 221 may be used. If the control parameters include those that cannot be measured by the control parameter measuring device 222, it is effective to use the input setting data itself. Also, in the multivariate analysis of the above embodiment, the device state parameter is not used, but the device state parameter can be used as an objective variable or an explanatory variable. In the above embodiment, the high-frequency power, the process gas flow rate, the gap between the electrodes, and the pressure in the chamber are used as control parameters for the objective variables when constructing the model formula. It is not limited to. In addition, although the variable capacitor capacity, high-frequency voltage, and APC opening are used as equipment state parameters, these parameters are not limited as long as they are measurable parameters that show equipment state parameters. In addition, although plasma-based electrical data and optical data are used as plasma-reflecting parameters that reflect the plasma state, the parameters are not limited to these if they reflect the plasma state. In addition, high-frequency voltages and high-frequency currents of fundamental waves and harmonics (up to the fourth harmonic) are used as electrical data, but are not limited to these. Furthermore, output data from a means (for example, skewmetry) for measuring the wafer finish incorporated in the plasma processing apparatus may be used as detection data. Specifically, characteristic values such as the film thickness of the film formed on the wafer, the amount of shaving when the film to be processed on the wafer is etched, and its in-plane uniformity may be used as the detection data. Also, in this embodiment, the average value of the data of the plasma reflection parameters is obtained for each wafer, and the control parameters and the equipment state parameters are predicted for each wafer using this average value. The control parameters and the equipment state parameters can be predicted in real time using the reflection parameters. Further, in the above embodiment, a magnetic field parallel plate type plasma processing apparatus is used, but the present invention can be applied to any apparatus having a control parameter, a plasma reflection parameter, a Z, and an apparatus state parameter. As described above in detail, according to the present invention, if a model formula is created for one processing device even if there is a difference in process characteristics and process conditions for each processing device, the model formula can be transferred to another processing device of the same type. A multivariate analysis model of a processing unit that can be diverted and does not require the creation of a new model formula for each processing unit and reduces the load of model formula generation. A method can be provided. INDUSTRIAL APPLICABILITY The present invention is applied to, for example, a multivariate analysis model formula creation method for a processing apparatus such as a plasma processing apparatus, a multivariate analysis method for a processing apparatus, a control apparatus for the processing apparatus, and a control system for the processing apparatus. it can.

Claims

請求の範囲 The scope of the claims
( 1 ) 多変量解析によつて処理装置の装置状態を評価し又は処理 結果を予測する際の多変量解析モデル式を作成する方法であって， 複数の処理装置においてそれぞれ第 1の設定データに基づいて動 作した時に前記各処理装置の複数のセンサから検出される検出デー タと前記第 1の設定データとの相関関係を多変量解析によって前記 各処理装置ごとに求める第 1の工程と， (1) A method for creating a multivariate analysis model formula for estimating the processing state of a processing device or predicting the processing results by multivariate analysis. A first step of obtaining, by multivariate analysis, a correlation between detection data detected from a plurality of sensors of each of the processing devices when the operation is performed based on the first setting data for each of the processing devices;
前記各処理装置のうちの 1つを基準処理装置とすると， この基準 処理装置において新たな第 2の設定データに基づいて動作した時に 前記基準処理装置の複数のセンサから検出される検出データと前記 第 2の設定データとの相関関係を多変量解析によって求める第 2の 工程と，  Assuming that one of the processing devices is a reference processing device, the detection data detected from the plurality of sensors of the reference processing device when the reference processing device operates based on the new second setting data, and A second step of obtaining a correlation with the second set data by multivariate analysis;
前記基準処理装置以外の他の処理装置における前記第 2の設定デ ータと検出データとの相関関係を， 前記第 1の工程で求めた前記他 の処理装置における相関関係と， 前記第 1の工程で求めた前記基準 処理装置における相関関係と， 前記第 2の工程で求めた前記基準処 理装置における前記相関関係とに基づいて求め， こうして求めた相 関関係に基づいて前記他の処理装置の装置状態を評価し又は処理結 果を予測する多変量解析モデル式を作成する第 3の工程と，  The correlation between the second setting data and the detection data in another processing device other than the reference processing device is determined by using the correlation in the other processing device obtained in the first step and the first processing. The other processing device is obtained based on the correlation in the reference processing device obtained in the process and the correlation in the reference processing device obtained in the second process, and based on the obtained correlation. A third step of preparing a multivariate analysis model formula for evaluating the state of the equipment or predicting the processing results;
を有することを特徴とする処理装置の多変量解析モデル式作成方 法。  A method for creating a multivariate analysis model formula for a processing device, characterized by having:
( 2 ) 前記第 3の工程は， 前記第 1の工程で求めた前記他の処理 装置における相関関係に対する前記他の処理装置における前記第 2 の設定データと検出データとの相関関係と， 前記第 1の工程で求め た前記基準処理装置における相関関係に対する前記第 2の工程で求 めた前記基準処理装置における前記相関関係との比例関係に基づい て， 前記他の処理装置における前記第 2の設定データと検出データ との相関関係を求める工程を含むことを特徴とする請求項 1に記載 の処理装置の多変量解析モデル式作成方法。 (2) The third step includes: a correlation between the second setting data and the detection data in the other processing device with respect to the correlation in the other processing device obtained in the first step; Determined in step 1 Based on a proportional relationship between the correlation in the reference processing device and the correlation in the reference processing device determined in the second step, and the second setting data and the detection data in the other processing device. 2. The method for creating a multivariate analysis model formula for a processing device according to claim 1, further comprising a step of obtaining a correlation of
( 3 ) 前記多変量解析は， 部分最小二乗法によって行うことを特 徴とする請求項 1に記載の処理装置の多変量解析モデル式作成方法。 (3) The multivariate analysis model formula creation method for a processing device according to claim 1, wherein the multivariate analysis is performed by a partial least squares method.
( 4 ) 前記各処理装置は， プラズマ処理装置であることを特徴と する請求項 1に記載の処理装置の多変量解析モデル式作成方法。 (4) The method according to claim 1, wherein each of the processing devices is a plasma processing device.
( 5 ) 前記各処理装置は， プラズマ処理装置であり， (5) Each of the processing devices is a plasma processing device,
前記設定データは， プラズマ状態を制御できる複数の制御パラメ ータを用いると共に， 前記検出データは， プラズマ状態を反映する 複数のプラズマ反映パラメータ， 装置状態に関連する複数の装置状 態パラメータ， プロセス仕上がりを反映するパラメータの群から選 ばれる少なく とも 1つ又は 2つ以上のパラメータを用いることを特 徴とする請求項 1に記載の処理装置の多変量解析モデル式作成方法。  The setting data uses a plurality of control parameters that can control a plasma state, and the detection data uses a plurality of plasma reflection parameters reflecting a plasma state, a plurality of apparatus state parameters related to an apparatus state, and a process finish. 2. The method for creating a multivariate analysis model formula for a processing apparatus according to claim 1, wherein at least one or two or more parameters selected from a group of parameters reflecting the parameter are used.
( 6 ) 多変量解析によつて処理装置の装置状態を評価し又は処理 結果を予測する際の多変量解析方法であって， (6) A multivariate analysis method for evaluating the state of a processing apparatus or predicting the processing result by multivariate analysis,
複数の処理装置においてそれぞれ第 1の設定データに基づいて動 作した時に前記各処理装置の複数のセンサから検出される検出デー タと前記第 1の設定データとの相関関係を多変量解析によって前記 各処理装置ごとに求める第 1の工程と， 前記各処理装置のうちの 1つを基準処理装置とすると， この基準 処理装置において新たな第 2の設定データに基づいて動作した時に 前記基準処理装置の複数のセンサから検出される検出データと前記 第 2の設定データとの相関関係を多変量解析によって求める第 2の 工程と， The correlation between detection data detected from a plurality of sensors of each of the processing devices when each of the plurality of processing devices operates based on the first setting data and the first setting data is determined by multivariate analysis. The first process required for each processing device, Assuming that one of the processing devices is a reference processing device, the detection data detected from the plurality of sensors of the reference processing device when the reference processing device operates based on the new second setting data, and A second step of obtaining a correlation with the second set data by multivariate analysis;
前記基準処理装置以外の他の処理装置における前記第 2の設定デ ータと検出データとの相関関係を， 前記第 1の工程で求めた前記他 の処理装置における相関関係と， 前記第 1の工程で求めた前記基準 処理装置における相関関係と， 前記第 2の工程で求めた前記基準処 理装置における前記相関関係とに基づいて求め， こう して求めた相 関関係に基づいて前記他の処理装置の装置状態を評価し又は処理結 果を予測する多変量解析モデル式を作成する第 3の工程と，  The correlation between the second setting data and the detection data in another processing device other than the reference processing device is determined by using the correlation in the other processing device obtained in the first step and the first processing. The correlation in the reference processor determined in the step and the correlation in the reference processor determined in the second step, and the other based on the correlation determined in the second step. A third step of creating a multivariate analysis model formula for evaluating the state of the processing apparatus or for predicting the processing result;
を有することを特徴とする処理装置用の多変量解析方法。  A multivariate analysis method for a processing device, comprising:
( 7 ) 前記第 3の工程は， 前記第 1の工程で求めた前記他の処理 装置における相関関係に対する前記他の処理装置における前記第 2 の設定データと検出データとの相関関係と， 前記第 1の工程で求め た前記基準処理装置における相関関係に対する前記第 2の工程で求 めた前記基準処理装置における前記相関関係との比例関係に基づい て， 前記他の処理装置における前記第 2の設定データと検出データ との相関関係を求める工程を含むことを特徴とする請求項 6に記载 の処理装置用の多変量解析方法。 (7) In the third step, the correlation between the second setting data and the detection data in the other processing apparatus with respect to the correlation in the other processing apparatus obtained in the first step; The second setting in the other processing device is performed based on a proportional relationship between the correlation in the reference processing device obtained in the first process and the correlation in the reference processing device obtained in the second process. 7. The multivariate analysis method for a processing device according to claim 6, further comprising a step of obtaining a correlation between the data and the detected data.
( 8 ) 前記多変量解析は， 部分最小二乗法によって行うことを特 徴とする請求項 6に記載の処理装置用の多変量解析方法。 ( 9 ) 前記各処理装置は， プラズマ処理装置であることを特徴と する請求項 6に記載の処理装置の多変量解析方法。 (8) The multivariate analysis method for a processing device according to claim 6, wherein the multivariate analysis is performed by a partial least squares method. (9) The multivariate analysis method for a processing apparatus according to claim 6, wherein each of the processing apparatuses is a plasma processing apparatus.
( 1 0 ) 前記各処理装置は， プラズマ処理装置であり， 前記設定データは， プラズマ状態を制御できる複数の制御パラメ ータを用いると共に， 前記検出データは， プラズマ状態を反映する 複数のプラズマ反映パラメータ， 装置状態に関連する複数の装置状 態パラメータ， プロセス仕上がりを反映するパラメータの群から選 ばれる少なく とも 1つ又は 2つ以上のパラメータを用いることを特 徴とする請求項 6に記載の処理装置用の多変量解析方法。 (10) Each of the processing devices is a plasma processing device, wherein the setting data uses a plurality of control parameters capable of controlling a plasma state, and the detection data reflects a plurality of plasma reflections reflecting the plasma state. 7. The process according to claim 6, wherein at least one or two or more parameters selected from a group of parameters, a plurality of device state parameters related to a device state, and a parameter reflecting a process finish are used. Multivariate analysis method for the instrument.
( 1 1 ) 前記各処理装置は， プラズマ処理装置であり， 前記設定データは， プラズマ状態を制御できる複数の制御パラメ ータを用いると共に， 前記検出データは， プラズマ状態を反映する 複数のプラズマ反映パラメータ， 装置状態に関連する複数の装置状 態パラメータ， プロセス仕上がりを反映するパラメータの群から選 ばれる少なく とも 1つ又は 2つ以上のパラメータを用い， (11) Each of the processing devices is a plasma processing device, and the setting data uses a plurality of control parameters capable of controlling a plasma state, and the detection data reflects a plurality of plasma reflections reflecting the plasma state. Using at least one or two or more parameters selected from a group of parameters, multiple device status parameters related to the device status, and parameters reflecting the process finish,
前記多変量解析モデル式は， 前記第 3の工程で求めた前記他の処 理装置における相関関係と前記第 2の設定データとから算出した検 出データと前記第 2の設定データとの相関関係式であることを特徴 とする請求項 6に記載の処理装置用の多変量解析方法。  The multivariate analysis model equation is a correlation between detection data calculated from the correlation in the other processing device obtained in the third step and the second setting data and the second setting data. 7. The multivariate analysis method for a processing device according to claim 6, wherein the expression is a formula.
( 1 2 ) 被処理体を処理する処理装置に設けられ， 所定の設定デ ータに基づいて， 前記処理装置の制御を行う処理装置の制御装置で あって， (12) A control device for a processing device, which is provided in a processing device for processing an object to be processed and controls the processing device based on predetermined setting data,
前記処理装置と少なく とも基準となる処理装置とホス ト装置とが 接続したネットワークに接続してデータのやり取りが可能な送受信 手段を設け， The processing device, at least the reference processing device and the host device are A transmission / reception means capable of exchanging data by connecting to the connected network is provided.
第 1の設定データに基づいて動作した時に前記処理装置の複数の センサから検出される検出データと前記第 1の設定データとを前記 送受信手段により前記ネッ トワークを介して前記ホスト装置に送信 して， 送信されたデータに基づいて前記ホスト装置によって多変量 解析により求められた前記第 1の設定データと前記検出データとの 相関関係を前記ホスト装置から前記送受信手段により前記ネットヮ ークを介して受信し，  Transmitting the detection data detected from a plurality of sensors of the processing device and the first setting data when operating based on the first setting data to the host device via the network by the transmission / reception means; Receiving a correlation between the first setting data and the detection data obtained by the host apparatus by multivariate analysis based on the transmitted data from the host apparatus via the network by the transmission / reception means; And
新たな第 2の設定データを前記送受信手段により前記ネットヮ一 クを介してホスト装置に送信し， 送信されたデータに基づいて前記 ホスト装置によって求められた前記第 2の設定データとこの第 2の 設定データに基づく検出データとの相関関係を前記ホスト装置から 前記送受信手段により前記ネットワークを介して受信し，  New second setting data is transmitted by the transmission / reception means to the host device via the network, and the second setting data obtained by the host device based on the transmitted data and the second setting data are transmitted to the host device. Receiving a correlation with detection data based on the setting data from the host device by the transmission / reception means via the network;
前記ホスト装置から受信した前記第 2の設定データについての相 関関係に基づいて多変量解析モデル式を作成し， この多変量解析モ デル式に基づいて前記処理装置の装置状態を評価し又は処理結果を 予測し， その結果に応じて前記処理装置を制御することを特徴とす る処理装置の制御装置。  A multivariate analysis model formula is created based on the correlation of the second setting data received from the host device, and the device state of the processing device is evaluated or processed based on the multivariate analysis model formula. A control device for a processing device, wherein a result is predicted and the processing device is controlled according to the result.
( 1 3 ) 前記処理装置における前記第 2の設定データについての 相関関係は，前記ホスト装置により多変量解析によって求められた， 前記処理装置における前記第 1の設定データについての相関関係と， 前記ホスト装置により多変量解析によって求められた， 前記基準 処理装置が第 1の設定データに基づいて動作した時に前記基準処理 装置の複数のセンサから検出される検出データと前記第 1の設定デ ータとの相関関係と， (13) The correlation for the second setting data in the processing device is obtained by multivariate analysis by the host device. The correlation for the first setting data in the processing device is Detection data detected by a plurality of sensors of the reference processing device when the reference processing device operates based on the first setting data, obtained by multivariate analysis by the device, and the first setting data. And the correlation with the data
前記ホス ト装置により多変量解析によって求められた， 前記基準 処理装置が新たな第 2の設定データに基づいて動作した時に前記基 準処理装置の複数のセンサから検出される検出データと前記第 2の 設定データとの相関関係と，  The detection data obtained from the plurality of sensors of the reference processing device when the reference processing device operates based on the new second setting data, the detection data being obtained by multivariate analysis by the host device, and the second data The correlation with the setting data of
に基づいて前記ホスト装置により算出されることを特徴とする請 求項 1 2に記載の処理装置の制御装置。  13. The control device for a processing device according to claim 12, wherein the control device is calculated by the host device based on the following.
( 1 4 ) 前記多変量解析は， 部分最小二乗法によって行うことを 特徴とする請求項 1 3に記載の処理装置の制御装置。 (14) The control device for a processing apparatus according to claim 13, wherein the multivariate analysis is performed by a partial least squares method.
( 1 5 ) 前記処理装置は， プラズマ処理装置であることを特徴と する請求項 1 2に記載の処理装置の制御装置。 ( 1 6 ) 前記各処理装置は， プラズマ処理装置であり， 前記設定データは， プラズマ状態を制御できる複数の制御パラメ ータを用いると共に， 前記検出データは， プラズマ状態を反映する 複数のプラズマ反映パラメータ， 装置状態に関連する複数の装置状 態パラメータ， プロセス仕上がりを反映するパラメータの群から選 ばれる少なく とも 1つ又は 2つ以上のパラメータを用いることを特 徴とする請求項 1 2に記載の処理装置の制御装置。 (15) The control device for a processing device according to claim 12, wherein the processing device is a plasma processing device. (16) Each of the processing devices is a plasma processing device, and the setting data uses a plurality of control parameters capable of controlling a plasma state, and the detection data reflects a plurality of plasma reflections reflecting the plasma state. 13. The method according to claim 12, wherein at least one or two or more parameters selected from a group of parameters, a plurality of apparatus state parameters related to the apparatus state, and a parameter reflecting a process finish are used. Control unit for processing equipment.
( 1 7 ) 所定の設定データに基づいて， 被処理体を処理する処理 装置の制御を行う制御装置を備える処理装置の制御システムであつ て， . (17) A control system for a processing device including a control device for controlling a processing device for processing an object to be processed based on predetermined setting data.
ネッ トワークに送受信手段を介して接続される複数の前記処理装 置と， 前記ネットワークに接続されるホスト装置とを備え， 前記ホスト装置は， 複数の処理装置においてそれぞれ第 1の設定 データに基づいて動作した時に前記各処理装置の複数のセンサから 検出される検出データと前記第 1の設定データとを前記複数の処理 装置から前記ネッ トワークを介して受信すると， 受信した前記第 1 の設定データと前記検出データとの相関関係を多変量解析によって 前記各処理装置ごとに求め， 求めた相関関係を対応する処理装置へ 前記ネットワークを介して送信し， A plurality of processing devices connected to a network via transmission / reception means; And a host device connected to the network, wherein the host device detects from a plurality of sensors of each of the processing devices when each of the plurality of processing devices operates based on the first setting data. When the data and the first setting data are received from the plurality of processing devices via the network, the correlation between the received first setting data and the detected data is determined by multivariate analysis to each of the processing devices. And transmits the obtained correlation to the corresponding processing device via the network.
前記ホス ト装置は， 前記各処理装置のうちの基準とする処理装置 において新たな第 2の設定データに基づいて動作した時に前記基準 処理装置の複数のセンサから検出される検出データと前記第 2の設 定データとを前記基準処理装置から前記ネッ トワークを介して受信 すると， 受信した前記第 1の設定データと前記検出データとの相関 関係を多変量解析によって求め， 求めた相関関係を前記基準処理装 置へ前記ネッ トワークを介して送信し，  The host device, when operating based on new second setting data in a processing device that is a reference among the processing devices, detects detection data detected from a plurality of sensors of the reference processing device and the second data. When the first setting data and the detection data are received from the reference processing device via the network, the correlation between the received first setting data and the detected data is obtained by multivariate analysis, and the obtained correlation is obtained by the reference processing. Sent to the processing device via the network,
前記ホスト装置は， 前記基準処理装置以外の他の処理装置から前 記第 2の設定データを前記ネットワークを介して受信すると， 受信 した前記第 2の設定データとこの第 2の設定データに基づく検出デ ータとの相関関係を， 前記多変量解析により求めた前記他の処理装 置における前記第 1の設定データについての前記相関関係と， 前記 多変量解析により求めた前記基準処理装置における前記第 1の設定 データについての前記相関関係と， 前記多変量解析により求めた前 記基準処理装置における前記第 2の設定データについての前記相関 関係とに基づいて求め， 求めた相関関係を前記他の処理装置へ前記 ネットワークを介して送信し，  When the host device receives the second setting data from another processing device other than the reference processing device via the network, the host device performs detection based on the received second setting data and the second setting data. The correlation between the first setting data in the other processing device obtained by the multivariate analysis and the correlation in the reference processing device obtained by the multivariate analysis are calculated. 1 based on the correlation with respect to the setting data and the correlation with respect to the second setting data in the reference processing device determined by the multivariate analysis, and determines the determined correlation with the other processing. To the device via the network,
前記他の処理装置は， 前記ホスト装置から受信した前記第 2の設 定データについての相関関係に基づいて多変量解析モデル式を作成 し， この多変量解析モデル式に基づいて前記処理装置の装置状態を 評価し又は処理結果を予測し， その結果に応じて前記処理装置を制 御することを特徴とする処理装置の制御システム。 The other processing device may receive the second device received from the host device. A multivariate analysis model formula is created based on the correlation with the constant data, and the state of the processing device is evaluated or the processing result is estimated based on the multivariate analysis model formula. A control system for a processing apparatus characterized by controlling the apparatus.
( 1 8 ) 前記多変量解析は， 部分最小二乗法によって行うことを 特徴とする請求項 1 7に記載の処理装置の制御システム。 (18) The control system for a processing apparatus according to claim 17, wherein the multivariate analysis is performed by a partial least squares method.
( 1 9 ) 前記処理装置は， プラズマ処理装置であることを特徴と する請求項 1 7に記載の処理装置の制御システム。 (19) The control system for a processing apparatus according to claim 17, wherein the processing apparatus is a plasma processing apparatus.
( 2 0 ) 前記各処理装置は， プラズマ処理装置であり， 前記設定データは， プラズマ状態を制御できる複数の制御パラメ ータを用いると共に， 前記検出データは， プラズマ状態を反映する 複数のプラズマ反映パラメータ， 装置状態に関連する複数の装置状 態パラメータ， プロセス仕上がりを反映するパラメータの群から選 ばれる少なく とも 1つ又は 2つ以上のパラメータを用いることを特 徴とする請求項 1 7に記載の処理装置の制御システム。 (20) Each of the processing devices is a plasma processing device, wherein the setting data uses a plurality of control parameters capable of controlling a plasma state, and the detection data reflects a plurality of plasma reflections reflecting the plasma state. 17. The method according to claim 17, wherein at least one or two or more parameters selected from a group of parameters, a plurality of device state parameters related to a device state, and a parameter reflecting a process finish are used. Processing system control system.
PCT/JP2003/007132 2002-06-05 2003-06-05 Processing device multivariate analysis model creation method, processing device multivariate analysis method, processing device control device, processing device control system WO2003105210A1 (en)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020047019644A KR100628392B1 (en) 2002-06-05 2003-06-05 Processing device multivariate analysis model creation method, processing device multivariate analysis method, processing device control device, processing device control system
JP2004512183A JP4224454B2 (en) 2002-06-05 2003-06-05 Multivariate analysis model creation method for processing device, multivariate analysis method for processing device, control device for processing device, control system for processing device
US11/003,829 US7505879B2 (en) 2002-06-05 2004-12-06 Method for generating multivariate analysis model expression for processing apparatus, method for executing multivariate analysis of processing apparatus, control device of processing apparatus and control system for processing apparatus

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2002-163869 2002-06-05
JP2002163869 2002-06-05
JP2002168653 2002-06-10
JP2002-168653 2002-06-10

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US11/003,829 Continuation US7505879B2 (en) 2002-06-05 2004-12-06 Method for generating multivariate analysis model expression for processing apparatus, method for executing multivariate analysis of processing apparatus, control device of processing apparatus and control system for processing apparatus

Publications (1)

Publication Number Publication Date
WO2003105210A1 true WO2003105210A1 (en) 2003-12-18

Family

ID=29738319

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2003/007132 WO2003105210A1 (en) 2002-06-05 2003-06-05 Processing device multivariate analysis model creation method, processing device multivariate analysis method, processing device control device, processing device control system

Country Status (5)

Country Link
JP (1) JP4224454B2 (en)
KR (1) KR100628392B1 (en)
CN (1) CN100426471C (en)
TW (1) TWI276162B (en)
WO (1) WO2003105210A1 (en)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006001416A1 (en) * 2004-06-29 2006-01-05 Nikon Corporation Management method, management system, and program
JP2007059585A (en) * 2005-08-24 2007-03-08 Tokyo Electron Ltd Method for determining running state of plasma processing apparatus, apparatus for determining running state, program, and storage medium
JP2017163025A (en) * 2016-03-10 2017-09-14 東京エレクトロン株式会社 Method for adjusting treatment process
JP2018537853A (en) * 2015-11-09 2018-12-20 アプライド マテリアルズ インコーポレイテッドＡｐｐｌｉｅｄ Ｍａｔｅｒｉａｌｓ，Ｉｎｃｏｒｐｏｒａｔｅｄ Point-by-point analysis of wafers and presentation of data
JP2019061995A (en) * 2017-09-25 2019-04-18 株式会社Ｓｃｒｅｅｎホールディングス Abnormality detection device, and abnormality detection method
WO2023162856A1 (en) * 2022-02-22 2023-08-31 株式会社Ｓｃｒｅｅｎホールディングス Substrate processing apparatus management system, assistance apparatus, substrate processing apparatus, inter-chamber performance comparison method, and inter-chamber performance comparison program

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4164835B2 (en) * 2005-12-20 2008-10-15 新東工業株式会社 Projection state information estimation method, projection state information estimation device, and projection state information estimation program using a blast device
US7286948B1 (en) * 2006-06-16 2007-10-23 Applied Materials, Inc. Method for determining plasma characteristics
US20100332010A1 (en) * 2009-06-30 2010-12-30 Brian Choi Seasoning plasma processing systems
US10176279B2 (en) * 2015-06-05 2019-01-08 Uptake Technologies, Inc. Dynamic execution of predictive models and workflows
JP6990634B2 (en) * 2018-08-21 2022-02-03 株式会社日立ハイテク State prediction device and semiconductor manufacturing device
US20220157580A1 (en) * 2019-07-30 2022-05-19 Hitachi High-Tech Corporation Diagnosis apparatus, plasma processing apparatus and diagnosis method

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1194735A (en) * 1997-09-22 1999-04-09 Horiba Ltd Quantitative analyzer for sample characteristic using spectrophotometry and multivariate analysis and analysis method using it
WO2001018845A1 (en) * 1999-09-08 2001-03-15 Advanced Micro Devices, Inc. Method of determining etch endpoint using principal components analysis of optical emission spectra
WO2002003441A1 (en) * 2000-07-04 2002-01-10 Tokyo Electron Limited Operation monitoring method for treatment apparatus

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6153115A (en) * 1997-10-23 2000-11-28 Massachusetts Institute Of Technology Monitor of plasma processes with multivariate statistical analysis of plasma emission spectra
US6917845B2 (en) * 2000-03-10 2005-07-12 Smiths Detection-Pasadena, Inc. Method for monitoring environmental condition using a mathematical model

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1194735A (en) * 1997-09-22 1999-04-09 Horiba Ltd Quantitative analyzer for sample characteristic using spectrophotometry and multivariate analysis and analysis method using it
WO2001018845A1 (en) * 1999-09-08 2001-03-15 Advanced Micro Devices, Inc. Method of determining etch endpoint using principal components analysis of optical emission spectra
WO2002003441A1 (en) * 2000-07-04 2002-01-10 Tokyo Electron Limited Operation monitoring method for treatment apparatus

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006001416A1 (en) * 2004-06-29 2006-01-05 Nikon Corporation Management method, management system, and program
JPWO2006001416A1 (en) * 2004-06-29 2008-04-17 株式会社ニコン Management method, management system, and program
JP4678372B2 (en) * 2004-06-29 2011-04-27 株式会社ニコン Management method, management system, and program
US7941232B2 (en) 2004-06-29 2011-05-10 Nikon Corporation Control method, control system, and program
JP2007059585A (en) * 2005-08-24 2007-03-08 Tokyo Electron Ltd Method for determining running state of plasma processing apparatus, apparatus for determining running state, program, and storage medium
JP4643392B2 (en) * 2005-08-24 2011-03-02 東京エレクトロン株式会社 Operating state determination method, operating state determination apparatus, program, and storage medium for plasma processing apparatus
JP2018537853A (en) * 2015-11-09 2018-12-20 アプライド マテリアルズ インコーポレイテッドＡｐｐｌｉｅｄ Ｍａｔｅｒｉａｌｓ，Ｉｎｃｏｒｐｏｒａｔｅｄ Point-by-point analysis of wafers and presentation of data
JP2017163025A (en) * 2016-03-10 2017-09-14 東京エレクトロン株式会社 Method for adjusting treatment process
JP2019061995A (en) * 2017-09-25 2019-04-18 株式会社Ｓｃｒｅｅｎホールディングス Abnormality detection device, and abnormality detection method
JP7034646B2 (en) 2017-09-25 2022-03-14 株式会社Ｓｃｒｅｅｎホールディングス Anomaly detection device and anomaly detection method
WO2023162856A1 (en) * 2022-02-22 2023-08-31 株式会社Ｓｃｒｅｅｎホールディングス Substrate processing apparatus management system, assistance apparatus, substrate processing apparatus, inter-chamber performance comparison method, and inter-chamber performance comparison program

Also Published As

Publication number Publication date
KR100628392B1 (en) 2006-09-26
JPWO2003105210A1 (en) 2005-10-13
JP4224454B2 (en) 2009-02-12
TW200404333A (en) 2004-03-16
TWI276162B (en) 2007-03-11
KR20050010021A (en) 2005-01-26
CN100426471C (en) 2008-10-15
CN1659690A (en) 2005-08-24

Similar Documents

Publication Publication Date Title
US7505879B2 (en) Method for generating multivariate analysis model expression for processing apparatus, method for executing multivariate analysis of processing apparatus, control device of processing apparatus and control system for processing apparatus
US7289866B2 (en) Plasma processing method and apparatus
JP4464276B2 (en) Plasma processing method and plasma processing apparatus
JP2003197609A (en) Method for monitoring plasma treatment device, and plasma treatment device
JP4317701B2 (en) Processing result prediction method and prediction apparatus
US7490010B2 (en) Data collection method, substrate processing apparatus, and substrate processing system
WO2003105210A1 (en) Processing device multivariate analysis model creation method, processing device multivariate analysis method, processing device control device, processing device control system
JP2012503339A (en) Self-diagnosis semiconductor device
JP2004335841A (en) Prediction system and prediction method for plasma treatment apparatus
JP2004349419A (en) Method and device for judging cause of abnormality in plasma processor
JP2004039952A (en) Plasma treatment apparatus and monitoring method thereof
JP5105399B2 (en) Data collection method, substrate processing apparatus, substrate processing system
JP4220378B2 (en) Processing result prediction method and processing apparatus
JP4675266B2 (en) Prediction method and prediction apparatus for processing result of substrate processing apparatus
TW200421411A (en) Plasma processing method, seasoning end detection method, and plasma processing device
TW202200834A (en) System and method for monitoring semiconductor processes
JP2009010370A (en) Semiconductor processing apparatus
JP2005051269A (en) Semiconductor processing apparatus
KR100446926B1 (en) Method of monitoring and/or controlling a semiconductor manufacturing apparatus and a system therefor
KR20070069359A (en) Apparatus for forming plasma and method of controlling plasma using the same
WO2024024631A1 (en) Evaluation device, evaluation method, and computer program
JP4520820B2 (en) Sample processing apparatus and sample processing system
TW202405866A (en) Processing data analysis method and information processing device

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): CN JP KR US

WWE Wipo information: entry into national phase

Ref document number: 2004512183

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 1020047019644

Country of ref document: KR

WWE Wipo information: entry into national phase

Ref document number: 11003829

Country of ref document: US

Ref document number: 20038130823

Country of ref document: CN

WWP Wipo information: published in national office

Ref document number: 1020047019644

Country of ref document: KR