CN101048711A - 根据加权主成分分析的错误侦测系统与方法 - Google Patents

根据加权主成分分析的错误侦测系统与方法 Download PDF

Info

Publication number
CN101048711A
CN101048711A CNA2005800366197A CN200580036619A CN101048711A CN 101048711 A CN101048711 A CN 101048711A CN A2005800366197 A CNA2005800366197 A CN A2005800366197A CN 200580036619 A CN200580036619 A CN 200580036619A CN 101048711 A CN101048711 A CN 101048711A
Authority
CN
China
Prior art keywords
mistake
parameter
relevant
data
fault detection
Prior art date
Legal status (The legal status 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 status listed.)
Granted
Application number
CNA2005800366197A
Other languages
English (en)
Other versions
CN101048711B (zh
Inventor
M·A·珀迪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced Micro Devices Inc
Original Assignee
Advanced Micro Devices Inc
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
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=35645842&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=CN101048711(A) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Advanced Micro Devices Inc filed Critical Advanced Micro Devices Inc
Publication of CN101048711A publication Critical patent/CN101048711A/zh
Application granted granted Critical
Publication of CN101048711B publication Critical patent/CN101048711B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • General Factory Administration (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
  • Machine Tool Sensing Apparatuses (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
  • Laser Beam Processing (AREA)

Abstract

本发明提供一种用来执行动态加权技术以执行错误侦测之方法、装置、以及系统。该方法包含下列步骤：处理工件；以及执行与该工件的处理有关的错误侦测分析。该方法进一步包含下列步骤：决定该错误侦测分析有关的参数与被侦测到的错误间的关系；以及根据该参数与该被侦测到的错误间之该关系，而调整与该参数相关联的加权。

Description

根据加权主成分分析的错误侦测系统与方法
技术领域
本发明系大致有关半导体制造，尤系有关一种用来执行透过回授而改善错误侦测可靠性的程序之方法、系统、以及装置。
背景技术
制造业中技术的急速发展已导致了许多新颖且原创的制造。现今的制造，尤其是半导体制造需要许多的重要步骤。这些制造步骤通常是极其重要的，因而通常需要精细调整一些输入，以便保持适当的制造控制。
半导体装置的制造需要若干独立的制造步骤，以便从半导体原料作出封装的半导体装置。自半导体材料的起始生长、将半导体晶体切割成个别的晶圆、制造阶段(蚀刻、掺杂、或离子植入等的阶段)至成品装置的封装及最后测试之各种制造都是互不相同且专业化，因而可能在包含不同控制架构的不同场所中执行该等制造。
一般而言，系对一组半导体晶圆(有时被称为一批半导体晶圆)执行一组制造步骤。例如，可在一半导体晶圆上形成由各种不同材料构成的一制造层。然后可利用习知的微影技术在该制造层之上形成有图案的光阻层。一般随即利用该有图案的光阻层作为罩幕层(mask)，而对该制造层执行蚀刻制造。该蚀刻制造使得在该制造层中形成各种特征部位或物体。可将此种特征部位用于诸如晶体管的闸极电极结构。经常也在半导体晶圆的各种区域中形成沟槽隔离结构，以便在半导体晶圆中作出一些电性隔离的区域。可使用的隔离结构的一个例子是浅沟槽隔离(Shallow Trench Isolation；简称STI)结构。
半导体制造设施内的制造工具通常系连接到制造架构(manufacturing framework)或网络的制造模块。每一制造工具通常被连接到设备接口。该设备接口被连接到制造网络所连接的机器接口，因而有助于该制造工具与该制造架构间之连接。该机器接口通常可是先进制造控制(Advanced Process Control；简称APC)系统中的一部分。该APC系统激活控制描述语言程序(script)，该控制描述语言程序可以用来自动撷取制造执行所需的的资料之软件程序。
图1示出典型的半导体晶圆(105)。半导体晶圆(105)通常包含复数个被配置成格子形(150)之个别半导体晶粒(103)。可使用习知的微影制造及设备，而在将要产生图案的一个或多个制造层上形成有图案的光阻层。根据所采用特定光罩的情形，通常系利用步进机而一次大约对一个至四个晶粒(103)位置执行曝光制造，而为微影制造的一部分。在对一层或多层下层材料(例如，一层多晶硅、金属、或绝缘材料)执行湿式或干式蚀刻制造期间，可将该有图案的光阻层用来作为罩幕层，以便将所需的图案转移到下方层。该有图案的光阻层包括将在下方制造层中复制的如直线类型的特征部位或开孔类型的特征部位等的复数个特征部位。
于处理半导体晶圆时，取得并分析与半导体晶圆的制造结果以及处理晶圆所用的制造工具的状况有关之各种测量值。然后将该分析用来修改后续的制造。现在请参阅图2，图中示出现今技术流程之流程图。在步骤(210)中，处理系统可处理一批晶圆中之各半导体晶圆(105)。在处理半导体晶圆(105)之后，该处理系统可在步骤(220)中自该批中选择之晶圆取得与半导体晶圆(105)处理有关之测量资料。此外，在步骤(230)中，该处理系统可自用来处理该等晶圆的制造工具取得工具状态传感器资料。工具状态传感器资料可包括诸如压力资料、湿度资料、及温度资料等的各种工具状态参数。
在步骤(240)中，该处理系统可根据该测量资料及该工具状态资料而执行错误侦测，以便取得与半导体晶圆(105)处理相关联的错误有关之资料。在侦测与半导体晶圆(105)处理相关联的各种错误之后，该处理系统可在步骤(250)中执行与该等错误有关的主成分分析(Principal Component Analysis；简称PCA)。主成分分析(PCA)是一种多变量技术，藉由减少资料的维度而将资料中之相关性结构模型化。该相关性建立可采取多种形式，诸如使被处理晶圆之问题与制造工具之问题相关。该PCA可提供可用于处理后续半导体晶圆(105)的相关性类型之指示。于执行PCA之后，在步骤(260)中，该处理系统可以基于该PCA的各种调整而对半导体晶圆(105)执行后续的制造。该PCA执行分析，以便决定是否存在与工具相关的不正常状况。在侦测到任何不正常状况时，可发出各种信号，以便向操作者指示已侦测到各种错误。
与目前技术的方法相关联之问题包括：构成不正常相关性的决定可能基于用来建构错误侦测模型之资料、或用来执行错误侦测分析及PCA之PCA模型。一般而言，藉由执行PCA而侦测到的不正常状况可能在统计上不同于已可被用来建构错误侦测模型或PCA模型的资料。术语“在统计上不同的”(“statistically different”)可意指诸如基于总体平均值(population mean)及变异数(variance)等的差异之各种统计上的差异。这些不正常状况可能不是精确反映执行工具的真实作业方式。例如，如果在发展错误侦测模型或PCA模型期间，压力传感器的值被保持在较小限制值之内，则实际处理期间的压力较大变化通常会被视为重大错误。此种测量方式之问题在于：如果压力的较大变化并未对被处理的材料造成任何不利的影响，则该错误指示可能是假指示。换言之，如果较大的变化仍然是够小不会对制造造成任何显著的影响，则发生假的确定错误(false-positive fault)指示。该假的确定错误指示会对制造环境造成无效率及闲置时间。
最近，已作出将加权机制放入PCA的各种努力。该等加权机制可由所附加至诸如压力等的各种参数的加权值提供显著差异。然而，与现阶段技术的加权机制相关联之问题包括：需要有先前的知识，以便将预定的加权值指定给特定的参数。例如，先前的知识可指示：在与特定制造相关的PCA分析期间，应将较小的加权值指定给压力参数。此种方式将减少因无害的压力变化而引发的假指示。然而，此种技术可能是一种无效率的累赘工作，且在最好的况下也可能涉及猜测的结果。此外，此种方式能也不易厘清调整特定参数的加权值将会改善或恶化与特定制造PCA的相关。
本发明系有关克服或至少减轻前文所述的一种或多种问题之影响。
发明内容
在本发明的一面向中，揭示了采用与错误侦测分析有关的动态加权技术之各种方法。在一实施例中，该方法包含下列步骤：处理工件；以及执行与该工件处理有关的错误侦测分析。该方法进一步包含下列步骤：决定该错误侦测分析有关的参数与被侦测到的错误间的关系；以及根据该参数与该被侦测到的错误间之该关系，而调整与该参数相关联的加权。
在本发明的另一面向中，提供了一种执行用来执行错误侦测的动态加权技术之方法。该方法包含下列步骤：处理工件；以及根据被输入到与错误侦测分析相关联的错误侦测模型之工具状态参数，而执行与该工件的处理有关之该错误侦测分析。该方法进一步包含下列步骤：决定该参数是否与因执行该错误侦测分析而被侦测到的错误相关联；以及根据该参数系与该被侦测到的错误相关联之决定，而修改该错误侦测模型中之该参数的加权。
在本发明的又一面向中，提供了一种执行用来执行错误侦测的动态加权技术之方法。该方法包含下列步骤：处理工件；以及根据被输入到与错误侦测分析相关联的错误侦测模型之工具状态参数，而执行与该工件的处理有关之该错误侦测分析。该方法进一步包含下列步骤：配合该错误侦测分析而执行主成分分析(PCA)；以及决定该参数是否与因执行该错误侦测分析及该PCA而被侦测到的错误相关联。该方法进一步包含下列步骤：根据该参数系与该被侦测到的错误相关联之决定，而修改该错误侦测模型中之该参数的加权。
在本发明的另一面向中，提供了一种执行用来执行错误侦测的一动态加权技术之装置。该装置包含控制器，用以执行与工件的处理有关的错误侦测分析，以便决定该错误侦测分析有关的参数与被侦测到的错误间的关系。该控制器亦根据该参数与该被侦测到的错误间之该关系，而调整与该参数相关联的加权。
在本发明的另一面向中，提供一种执行用来执行错误侦测的动态加权技术之系统。该系统包含在通讯上耦合到控制器之制造工具、测量工具、以及工具状态资料传感器单元。该制造工具对工件执行处理(process)。该测量工具取得与对该工件执行该处理有关之测量资料，以便提供测量资料。该工具状态资料传感器单元取得工具状态资料。该控制器执行与该工件的处理有关的错误侦测分析，以便决定该错误侦测分析有关的参数与被侦测到的错误间的关系。该控制器亦根据该参数与该被侦测到的错误间之该关系，而调整与该参数相关联的加权。
在本发明的又一面向中，提供一种执行用来执行错误侦测的动态加权技术之以指令编码之计算机可读取程序储存装置。该等指令执行一方法，该方法包含在通讯上耦合到控制器之制造工具、测量工具、以及工具状态资料传感器单元。该制造工具对工件执行处理。该测量工具取得与对该工件执行该处理有关之测量资料，以便提供测量资料。该工具状态资料传感器单元取得工具状态资料。该控制器执行与该工件的处理有关的错误侦测分析，以便决定该错误侦测分析有关的参数与被侦测到的错误间的关系。该控制器亦根据该参数与该被侦测到的错误间之该关系，而调整与该参数相关联的加权。
附图说明
若参照文中之说明，并配合各附图，将可了解本发明，在这些附图中，类似的符号识别类似的组件，这些附图有：
图1是被处理的先前技术半导体晶圆之简化图；
图2是在半导体晶圆的制造期间的先前技术流程之简化流程图；
图3是根据本发明的实施例的系统之方块图；
图4示出根据本发明的一实施例之主成分分析矩阵表，该表示出与多个被处理的半导体晶圆有关的资料之相关的工具状态变量之清单；
图5示出根据本发明的一实施例的图3所示的工具状态资料传感器单元的更详细之方块图；
图6示出根据本发明的一实施例的图3所示的动态PCA加权单元的更详细之方块图；
图7示出根据本发明的一实施例的方法之流程图；以及
图8示出根据本发明的一实施例而用来执行图7所示的动态PCA加权程序的方法的更详细之流程图。
虽然本发明易于作出各种修改及替代形式，但是该等图式中系以举例方式示出本发明的一些特定实施例，且已在本文中说明了这些特定实施例。然而，我们当了解，本文对这些特定实施例的说明之用意并非将本发明限制在所揭示的该等特定形式，相反地，本发明将涵盖最后的申请专利范围所界定的本发明的精神及范围内之所有修改、等效物、及替代。
具体实施方式
下文中将说明本发明之实施例。为了顾及说明的清晰，本说明书中将不说明实际的实施例之所有特征。然而，我们当了解，于开发任何此类实际的实施例时，必须作出许多与实施例相关的决定，以便达到开发者的特定目标，例如符合与系统相关的及与业务相关的限制条件，而这些限制条件将随着不同的实施例而变。此外，我们当了解，此种开发工作可能是复杂且耗时的，但对已从本发明的揭示事项获益的本此项技术领域具有一般知识者而言，仍然仅是一种例行的工作。
许多独立制造涉及半导体制造。各工件(例如半导体晶圆(105)、半导体装置等工件)经常要逐一经过多个制造工具。本发明的实施例提供对与错误侦测相关联的一个或多个参数的加权执行动态调整，及(或)执行主成分分析(PCA)之方法。可自动决定可被用于错误侦测模型及(或)PCA模型的各种参数之加权，且可动态调整该等参数之加权。例如，在处理系统识别了错误状况之后，可将自动输入或人工输入提供给该处理系统，以便指示被侦测到的错误是重大错误或非重大错误。可根据该指示，而修改其中包含使各种工具状态参数与特定晶圆相关的资料之加权错误矩阵，以便提高对类似错误的侦测之可能性，或者降低可能性。因此，在多变量错误侦测及(或)PCA模型中，可侦测造成错误状况的一个或多个参数及该等参数对该错误的相对重要性，并可成比例地增加造成该错误的这些参数的加权动态调整。同样地，可将并未显著地造成错误状况的一个或多个参数及该等参数对该错误的相对不重要性特征化，并可成比例地减少这些参数的加权之动态调整。换言之，可减少已发现并未造成错误的该等参数之加权。因此，为了将需要与这些参数有关的较强信号以产生错误指示。
本发明之实施例提供了无须在执行错误侦测及(或)PCA模型之前需知道要调整哪些特定参数之情形下执行动态加权调整之能力。经过一段时间之后，可修改该等模型参数之加权，以便增加已发现会显著地造成错误状况的各参数之敏感度，因而使该处理系统将对制造相关性的处理重点放在这些参数上。此种方式可具有减少这些参数造成的错误次数及(或)重大性之效果。同样地，经过一段时间之后，可修改该等模型参数之加权，以便减少假的确定错误指示之发生频率，因而减少半导体晶圆(105)制造期间的非必要之停工时间及无效率。
现在请参阅图3，图中示出根据本发明的实施例的系统(300)之方块图。系统(300)中之制造控制器(305)可控制与制造工具(310)有关的各种作业。制造控制器(305)可包含计算机系统，该计算机系统包含处理器、内存以及各种计算机相关周边装置。此外，虽然图3中示出单一的制造控制器(305)，但是实际上，可由一个或多个计算机或分散在整个制造系统的工作站执行制造控制器(305)所执行的功能。
制造工具(310)使用经由线路或网络(315)而提供的复数个控制输入信号或制造参数来处理半导体晶圆(105)。系将线路(315)上的控制输入信号或制造参数自制造控制器(305)经由可位于制造工具(310)内部或外部的各机器接口而传送到制造工具(310)。在一实施例中，可以人工方式将半导体晶圆(105)提供给制造工具(310)。在一替代实施例中，可以一种自动方式(例如，以机器人移动半导体晶圆(105))将半导体晶圆(105)提供给制造工具(310)。在一实施例中，系以批次的方式(例如堆栈在卡匣中)将复数个半导体晶圆(105)输送到该等制造工具(310)。半导体制造中使用的制造工具之例子可以是微影工具、离子植入工具、步进机、蚀刻制造工具、沉积工具、以及化学机械研磨(Chemical Mechanical Polishing；简称CMP)工具等。
系统(300)可取得诸如与被处理的半导体晶圆(105)有关的测量资料以及工具状态资料等的制造相关资料。系统(300)亦可包含测量工具(350)，用以取得与被处理的半导体晶圆(105)有关的测量资料。系统(300)亦可包含工具状态资料传感器单元(320)，用以取得工具状态资料。该工具状态资料可包括压力资料、温度资料、湿度资料、气流资料、各种电性资料、逸出气体(out-gas)程度资料、以及与制造工具(310)的作业相关之其它类型的资料。蚀刻工具的例示工具状态资料可包括气流、腔体压力(chamber pressure)、腔体温度、电压、反射功率、后端氦气压力、以及射频(RF)调整参数等的资料。该工具状态资料亦可包括诸如环境温度、湿度、及压力等的制造工具(310)外部之资料。将在图5及下文的相关说明中提供对工具状态资料传感器单元(320)的更详细图标及说明。
系统(300)亦可包含数据库单元(340)。提供该数据库单元(340)，用以储存诸如制造相关资料以及与系统(300)作业有关之资料等的复数种类型的资料(例如，制造工具(310)的状态、及半导体晶圆(105)的状态等的资料)。数据库单元(340)可储存与错误侦测及PCA模型所使用的参数有关之参数资料、以及与制造工具(310)所执行的复数个制造运行有有关之工具状态资料。数据库单元(340)可包含数据库服务器(342)，用以将工具状态资料及(或)与处理半导体晶圆(105)有关的制造数据储存到数据库储存单元(345)。
系统(300)亦包含错误侦测单元(380)，而于处理半导体晶圆(105)时，该错误侦测单元(380)可执行与制造工具(310)相关联的多种错误侦测。错误侦测单元(380)可包含错误侦测模型(385)，而于执行错误侦测时，该错误侦测模型(385)可执行建立模型功能。可将多种参数输入到错误侦测模型(385)。例如，可将压力、温度、湿度、及(或)气流的各种预定范围提供给该模型，使该模型可根据错误侦测单元(380)接收的错误资料而确立错误侦测状况。错误侦测模型(385)可以是多变量模型，用以根据多种参数而执行错误模型建立。在一实施例中，错误侦测单元(380)可使测量资料结果与工具状态传感器资料相关，以便将错误特征化。
系统(300)亦可包含PCA控制器(360)，而该PCA控制器(360)系配合错误侦测单元(380)而操作，以便于决定与半导体晶圆(105)的处理有关之任何不正常状况或错误时，执行主成分分析。PCA控制器(360)可包含PCA模型(365)，而于执行PCA时，该PCA模型(365)可执行建立模型功能。可将多种参数及制造资料输入到PCA模型(365)。例如，可将压力、温度、湿度、及(或)气流的多种预定范围提供给该模型，使该模型可根据PCA而确立错误状况。制造资料被界定为包含其中包括测量资料、错误资料、及传感器资料之多种类型的资料。下文中将提供根据本发明的一实施例之与加权式PCA分析有关之更详细说明。
系统(300)亦可包含动态PCA加权模型(370)，该动态PCA加权模型(370)可自动地及(或)人工地接收资料，该资料与用来指示被视为不正常的特定参数是否确实为被侦测到的任何错误的显著因素的信息有关。动态PCA加权模型(370)可调整PCA控制器(360)所分析的各种参数之加权。该加权也可能影响到被输入到错误侦测模型(385)及(或)PCA模型(365)的参数范围。将在图5及下文的相关说明中提供动态PCA加权模型(370)的更详细说明。
诸如制造控制器(305)、错误侦测单元(380)、PCA控制器(360)、以及动态PCA加权模型(370)等的系统(300)之各种组件可以是为独立单元或可整合到与系统(300)相关联的计算机系统软件、硬件、或韧体单元。此外，图3所示该等方块所代表的多种组件可经由系统通讯线路(315)而相互通讯。系统通讯线路(315)可以是一条或多条计算机总线链路、一条或多条专用的硬件通讯链路、一条或多条电话系统通讯链路、一条或多条无线通讯链路、及(或)熟悉此项技术者在参阅本发明的揭示之后可实施的其它通讯链路。
PCA控制器(360)所执行的主成分分析可包括一种多变量技术，经由减少资料的维度而将资料中之相关性结构模型化。如下式所示，可将由n个样本(列)及m个变量(行)构成的数据矩阵X分解为：
X = X ^ + X ~ . - - - ( 1 )
其中通常将X的行均一化(normalize)为零平均值(zero mean)及单位变异数(unit variaFice)。 及
Figure A20058003661900133
分别是X矩阵的经模型化的及未经模型化的残余成分。可将经模型化的及残值的矩阵表示为：
X ^ = TP T and X ~ = T ~ P ~ T , - - - ( 2 )
其中T∈Rn×l以及P∈Rm×l分别是主成分值矩阵(score mattix)及主成分系数矩阵(loading matrix)，且l是该模型中保留的主成分之数目。 T ~ ∈ R n × ( m - 1 ) 以及 P ~ ∈ R m × ( m - 1 ) 分别是残余的主成分值矩阵及主成分系数矩阵。
系利用相关矩阵(correlation mattix)R的特征向量(eigenvector)决定主成分系数矩阵P及
Figure A20058003661900137
，且可以下式求该相关矩阵R的近似值：
R ≈ 1 n - 1 X T X . - - - ( 3 )
R的第一特征向量(对应于最大的特征向量)是主成分系数P，且对应于其余m-1个特征值(eigenvalue)是残余的主成分系数
该模型中保留的主成分(Principal Component；简称PC)之数目是利用PCA进行的错误侦测中之重要因素。如果保留了太少的PC，则该模型将不会撷取资料中之所有信息，且将产生该制造的不佳表示法。另一方面，如果选择了太多的PC，则该模型将被过度参数化，且将包含噪声。用来选择适当数目的PC之重建误差变异数(Variance ofReconstruction Error；简称VRE)准则系基于：省略掉一些参数；以及利用该模型来重建失掉的资料。系将导致最佳数据重构的PC之数目视为将用于该模型的PC之最佳数目。用来选择PC的数目之其它已为大家接受的方法包括平均特征值(average eigenvalue)法以及交叉验证(cross validation)法等方法。
于使用经过加权的参数执行PCA，而不是使用被均一化为零平均值及单位变异数的X的该等行中之参数执行PCA时，在该等行中之该等参数系除以每一行的变异数以外之数。换言之，系将该等行中之各参数除以非标准差之数。此种方式提供了X的该等行中之经过加权的参数。例如，如果压力参数与错误紧密相关，则可将界定该压力的X之行除以非标准差的值，因而增加错误分析对该压力参数的敏感度。另一方面，如果决定压力参数为最不可能与错误相关联的因素，则可将界定该压力的X之行除以非标准差的另一值，因而减少错误分析对该压力参数的敏感度。
于执行PCA算法时执行的一计算是对被送入PCA模型(365)的资料进行比例调整(scaling)。例如，如图4所示，前文所述之矩阵X可包含：与压力资料有关的第一行中之资料、与湿度资料有关的第二行中之数据、与温度数据有关的第三行中之数据、与气流率资料有关的第四行中之资料、等等、至与另一参数资料有关的第m行中之资料。与该等行有关之每一列可指示与一批中之一半导体晶圆(105)的状况有关之资料，在一替代实施例中，该等列可界定多批的半导体晶圆(105)。该等列可包含：与第一半导体晶圆(105)有关之资料、与第二半导体晶圆(105)有关之资料、与第三半导体晶圆(105)有关之资料、直至与第n半导体晶圆(105)有关之资料。
PCA模型(365)可调整图4中示出的该等参数之比例，以便提供附加给矩阵X的行中之任何特定参数之较大或较小的加权值。可根据制造工具(310)所执行的特定类型之制造，而将不同的加权值附加到不同的参数。例如，可针对沉积制造而将用于PCA分析的加权指定给压力参数，其中该加权系不同于在微影制造期间被指定给压力参数的加权。然而，于该微影制造期间，可将比被指定给沉积制造的加权较大或较小的加权指定给温度数据。一种调整比例(scaling)之方法可包括调整每一行之比例成非单一变异数(non-unit variance)。为了实现上述方法，并不是除以每一行的变异数，而是可执行除以基于被指定给该参数的特定加权之另一数。例如，如果温度被视为较重要的参数，则可将温度数据行(亦即，矩阵X中第3行)中之温度参数除以与该行的标准差不同之数。为了使错误侦测算法对特定参数的变化更敏感，可将矩阵X中之一行除以小于自该特定行计算出的变异数之数。为了使错误侦测算法对特定参数的变化较不敏感，可将矩阵X中之一行除以大于自该特定行计算出的变异数之数。在该PCA算法的整个其余部分中，与并未以相同方式加权的参数之变化相比时，更有可能将温度的小变化辨识为错误。在一实施例中，PCA控制器(360)可促使动态PCA加权模型(370)以人工的方式及(或)以自动化的动态方式调整图4所示该等行中该等参数的加权。
现在请参阅图5，图中提供图3所示工具状态资料传感器单元(320)的更详细方块图。工具状态资料传感器单元(320)可包含诸如压力传感器(510)、温度传感器(520)、湿度传感器(530)、气流率传感器(540)、以及电性传感器(550)等之多种不同类型传感器中之任何一者。在一替代实施例中，工具状态资料传感器单元(320)可包含在原处(in situ)且整合到制造工具(310)中之传感器。压力传感器(10)可侦测制造工具(310)内之压力。温度传感器(520)可侦测制造工具(310)的各种位置之温度。湿度传感器(530)可侦测制造工具(310)中之多部分或周围环境状况的相对湿度。气流率传感器(540)可包含复数个流率(flow-rate)传感器，该复数个流率传感器可侦测于处理半导体晶圆(105)期间使用的复数种制造气体之流率。例如，该等气流率传感器(540)可包含可侦测诸如氨(NH3)、硅甲烷(SiH4)、氮(N2)、氧化氮(N2O)及(或)其它制造气体之传感器。
在一实施例中，电性传感器(550)可侦测诸如提供给微影制造中使用的灯之电流等的复数个电性参数。工具状态资料传感器单元(320)亦可包含可侦测熟悉此项技术者在参阅本发明的揭示之后得知的多种制造变量之其它传感器。工具状态资料传感器单元(320)亦可包含工具状态传感器资料接口(560)。工具状态传感器资料接口(560)可自包含于或相关联于制造工具(310)及(或)工具状态资料传感器单元(320)的多种传感器接收传感器数据，并将该资料传送到制造控制器(305)。
现在请参阅图6，图中提供了根据本发明的一实施例的动态PCA加权模型(370)的更详细方块图。如图6所示，动态PCA加权模型(370)可包含错误资料分析模块(610)、错误资料输入接口(620)、以及PCA加权值计算模块(630)。根据多种算法所比较的错误以及错误资料分析模块(610)所处理的错误资料，而决定错误侦测单元(380)及PCA控制器(360)视为不正常的特定参数是否与该错误大致相关联。PCA加权值计算模块(630)可根据该决定而减少或增加与该特定参数相关联的加权值。可将该信息传送到PCA控制器(360)及错误侦测单元(380)。或者，可以人工输入方式将线路(625)上的外部资料输入提供给动态PCA加权模型(370)，以便指示被标示为不正常的特定参数是否确实相当程度地造成特定错误。错误资料输入接口(620)可接收该外部资料输入，并可将该数据提供给PCA加权值计算模块(630)，而PCA加权值计算模块(630)适当地调整该特定参数的加权。
因此，动态PCA加权模型(370)可决定资料及(或)接收的资料；该资料可用来调整被附加到特定参数的加权值。错误侦测单元(380)及(或)PCA控制器(360)可将该信息用来在半导体晶圆(105)的处理期间执行与任何不正常(及/或错误)有关的分析。换言之，在识别错误状况之后，PCA加权值计算模块(630)自错误资料分析模块(610)及(或)错误资料输入接口(620)接收该错误是否为实际错误及(或)与该不正常或错误相关联的任何参数是否显著地造成该错误或不正常之信息。PCA加权值计算模块(630)可根据该信息而减少或增加该参数的加权，或者不改变该参数的加权。
现在请参阅图7，图中示出与本发明的实施例相关联的方法之流程图。在步骤(710)中，系统(300)可处理一个或多个半导体晶圆(105)。在步骤(720)中，系统(300)可根据对半导体晶圆(105)的处理而取得与半导体晶圆(105)所执行的制造有关之测量资料。此外，在步骤(730)中，系统(300)亦可取得与制造工具(310)执行的制造有关之工具状态传感器资料。在步骤(740)中，系统(300)可根据该测量资料及(或)该工具状态传感器资料而执行与半导体晶圆(105)的处理有关的错误侦测。在步骤(750)中，系统(300)亦可配合该错误侦测而执行PCA算法，以便侦测与半导体晶圆(105)的处理相关联之任何不正常或错误。
在步骤(760)中，系统(300)亦可执行动态RCA加权程序，以便调整该错误侦测模型及该PCA模型可用来分析制造工具(310)操作的任何特定参数之加权。图8及下文之相关说明将提供对该动态PCA加权程序的更详细之描述及说明。可根据该动态PCA加权程序而进行对特定参数的加权之多种调整，以便更准确地评估与半导体晶圆(105)的处理相关联之任何错误。在动态地调整PCA参数的加权之后，系统(300)在步骤(770)中可根据经过重新调整后的参数加权而执行对半导体晶圆(105)的后续制造，以便更准确地评估与半导体晶圆(105)的处理相关联的错误或不正常。
现在请参阅图8，图中提供该动态PCA加权程序的更详细流程图。在步骤(810)中，系统(300)分析自该错误资料分析或该PCA得到的错误资料，以便决定与半导体晶圆(105)的处理相关联的被侦测到的任何错误或不正常相关联之任何特定参数是否实际上为重大错误。换言之，系统(300)决定该不正常或错误的指示是否与实际错误有关。系统(300)亦分析该错误资料，以便决定被标示的任何参数是否确实显著地对该错误或不正常有贡献。在一实施例中，该显著贡献可与对错误指示相关的参数的重要性之决定有关。在另一实施例中，该显著贡献可与该参数与该错误指示间的因果关系有关。
下文中将提供与一错误或不正常的显著贡献有关之例子。例如，制造模型可具有压力参数(P)、温度参数(T)、射频功率参数(R)、以及气流率参数(G)。开始时，对这些参数(亦即，P、T、R、G)的每一参数之加权可等于1，例如，可提供参数矩阵[P，T，R，G]＝[1，1，1，1]。在处理了一晶圆批之后，错误/不正常贡献图形特征可改变为[P，T，R，G]＝[0，0.2，3，-2.5]。如果系统(300)或使用者决定该错误是实际错误，则可检查与每一参数有关的各种贡献。在本例子中，系统(300)可决定参数R及G对该错误或不正常贡献最大，这是因为R及G有最高的量。因此，系统(300)可针对影响该错误或对该错误有显著贡献的那些参数而根据算法修改该参数的加权。因此，系统(300)然后可提供以矩阵[P，T，R，G]＝[1，1，1.1，1.1]代表的新参数加权值。系统(300)然后可处理另一晶圆批，且可侦测错误。使用者或系统(300)然后可决定该错误是否为实际错误。系统(300)可根据该决定而检查贡献图形，并决定参数P及R是否对该“假”错误有显著贡献。于响应时，系统(300)可针对这些因素而根据算法修改加权。例如，可以矩阵[P，T，R，G]＝[0.9，1，1，1.1]代表的新加权因子。根据贡献图形值而决定要调整哪些参数以及如何调整那些参数的加权之算法可随着不同执行方式而改变(例如，永远加上或减掉0.1，乘以1.1或0.9，永远修改最前面的两个参数，永远修改具有大于1.5的值之任何参数之加权等不同的方式)。系针对例示之目的而提供上述的例子，其它参数可以不同方式加权及(或)调整，且仍系在本发明的范围及精神内。
在步骤(820)中，系统(300)可以替代或配合步骤(810)之方式接收与错误的原因或非原因有关的外部输入。换言之，系统(300)可自如外部计算机、控制器、或来自操作员的人工输入的外部来源接收指示，用以指示被侦测到的错误是否为实际错误，及(或)用以指示与该错误或不正常相关联的任何参数是否对该错误或不正常有显著贡献。在步骤(830)中，系统(300)然后根据该资料而决定要增加、减少、或不改变与错误有关的因素或参数之加权。
如果系统(300)决定或被通知特定参数确实对被侦测到的错误有显著贡献，则可增加该特定参数(例如，压力资料)的加权，以便使系统(300)对该参数的任何变化更敏感。同样地，如果系统(300)指示特定参数对该错误并无显著贡献，则可减少错误侦测或PCA的该参数之加权。在其它的情形中，系统(300)可决定不改变特定参数的加权。因此，可修改与半导体晶圆(105)处理相关联的任何参数(其中包括图4提供的该例示矩阵中示出参数)之加权。
根据增加、减少、或不改变与错误有关的因素的加权之决定，系统(300)可在步骤(840)中动态地增加造成该错误的因素之加权，或在步骤(850)中减少造成该错误的因素之加权，或在步骤(860)中不改变该等因素之加权。在步骤(870)中，根据加权的该动态调整，而提供新的加权后之因素/参数，以便执行额外的错误侦测及(或)PCA。因此，可根据多种操作以及因而对与半导体晶圆(105)的处理有关的资料执行的错误侦测分析及(或)PCA，而持续地动态调整参数之加权。经过重新加权的因素可造成假错误指示的减少，并增加可能实际造成重大错误或不正常的参数之敏感度。因此，可对用来执行半导体晶圆(105)的制造的制造工具(310)的状况执行更准确的评估，因而导致制造工具(310)更有效率操作，并减少制造区的停工时间。因此，采用本发明之实施例时，可执行更有效且更准确的制造调整，以便实现更准确的半导体晶圆(105)特性及更佳之良率。
可在诸如先前由KLA-Tencor，Inc.所提供的Catalyst系统等的先进制造控制(Advanced Process Control；简称APC)架构中实施本发明所揭示的原理。该Catalyst系统使用与半导体设备及材料国际协会(Semiconductor Equipment and Materials International；简称SEMI)计算机整合式制造(Computer Integrated Manufacturing；简称CIM)架构相符的系统技术，且系基于该先进制造控制(APC)架构。可公开地自SEMI取得CIM(SEMI E81-0699-Provisional Specification for CIMFramework Domain Architecture)及APC(SEMI E93-0999-ProvisionalSpecification for CIM Framework Advanced Process ControlComponent)规格。APC架构是可用来实施本发明所揭示控制策略之较佳平台。在某些实施例中，该APC可以是遍及整个工厂的软件系统；因此，可将本发明所揭示的该等控制策略应用于工厂内的几乎任何的半导体制造工具。该APC架构亦可容许对制造效能进行远程访问及监视。此外，藉由采用该APC架构，资料储存可以比本地磁盘驱动器之方式更为方便、更有使用弹性、且成本更低。该APC架构可进行更复杂精密类型的控制，这是因为该APC架构在写入必要的软件程序代码时提供了充裕的弹性。
将本发明所揭示的控制策略部署到该APC架构，可能需要一些软件组件。除了该APC架构内的软件组件之外，系针对与该控制系统有关的每一半导体制造工具而撰写计算机描述语言程序。当在半导体制造工厂中激活该控制系统中之半导体制造工具时，该半导体制造工具通常会呼叫描述语言程序，以便开始如叠层控制器等的制造控制器所要求的动作。通常在这些描述语言程序中界定并执行该等控制方法。这些描述语言程序的开发可能包含控制系统开发之相当大部分。可将本发明所揭示的原理实施于其它类型的制造架构。
前文所揭示的该等特定实施例只是供举例，这是因为熟习此项技术者在参阅本发明的揭示事项之后，可易于以不同但等效之方式修改并实施本发明。此外，除了下文的申请专利范围所述者之外，不得将本发明限制在本说明书所示的结构或设计之细节。因此，显然可改变或修改前文所揭示的该等特定实施例，且将把所有此类的变化视为在本发明的范围及精神内。因此，本发明所寻求的保护系述于下文的申请专利范围。

Claims (10)

1.一种方法，包含下列步骤：
处理工件(105)；
执行与该工件(105)的该处理有关的错误侦测分析；
决定该错误侦测分析有关的参数与被侦测到的错误间的关系；以及
根据该参数与该被侦测到的错误间的该关系，而调整与该参数相关联的加权。
2.如权利要求1所述的方法，其中决定所述错误侦测分析有关的参数与被侦测到的错误间的关系的步骤进一步包含决定该错误侦测分析有关的参数与被侦测到的错误间的因果关系。
3.如权利要求1所述的方法，其中决定所述错误侦测分析有关的参数与被侦测到的错误间的关系的步骤进一步包含决定该错误侦测分析有关的参数对被侦测到的错误的重要性。
4.如权利要求1所述的方法，进一步包含下列步骤：
决定该被侦测到的错误是否为重大错误；以及
根据该被侦测到的错误是重大错误的决定而调整与所述参数相关联的加权。
5.如权利要求1所述的方法，进一步包含下列步骤：
取得与处理该工件(105)有关的测量资料；
取得与处理该工件(105)有关的工具状态资料；以及
使该测量资料及该工具状态资料与该错误资料相关，以将错误特征化。
6.如权利要求1所述的方法，其中决定该错误侦测分析有关的参数与被侦测到的错误间的该关系的步骤进一步包含决定该参数是否为与该错误相关联的显著因素。
7.一种用于使用动态加权技术执行错误侦测的系统，其特征在于，该系统包含：
制造工具(310)，用以对工件(105)执行处理；
测量工具(350)，用以取得与对该工件(105)执行的该处理有关的测量资料，以便提供测量资料；
工具状态资料传感器单元(320)，用以取得工具状态资料；
可操作地耦合到该制造工具(310)、该测量工具(350)、及该工具状态资料传感器单元(320)的控制器，该控制器用以执行与该工件(105)的该处理有关的错误侦测分析，以决定该错误侦测分析有关的参数与被侦测到的错误间的关系，该控制器亦用以根据该参数与该被侦测到的错误间的该关系，而调整与该参数相关联的加权。
8.如权利要求7所述的系统，其中该控制器进一步包含动态PCA加权模块(370)，该动态PCA加权模块(370)包含：
错误资料分析模块(610)，用以决定该参数是否为该被侦测到的错误中的显著因素；
错误资料输入接口(620)，用以接收用来指示该参数是否为该被侦测到的错误中的显著因素的外部资料；以及
动态PCA加权计算模块(630)，用以根据该参数是否为该被侦测到的错误中的显著因素的该决定及该指示的至少其中一个，而动态地修改该参数的该加权。
9.一种以指令编码的计算机可读取程序储存装置，当由计算机执行该指令时，执行一种方法，该方法包含下列步骤：
处理工件(105)；
执行与该工件(105)的该处理有关的错误侦测分析；
决定该错误侦测分析有关的参数与被侦测到的错误间的关系；以及
根据该参数与该被侦测到的错误间的该关系，而调整与该参数相关联的加权。
10.如权利要求9所述的以指令编码的计算机可读取程序储存装置，当由计算机执行该指令时，执行该方法，该方法进一步包含下列步骤：
取得与处理该工件(105)有关的测量资料；
取得与处理该工件(105)有关的工具状态资料；以及
使该测量资料及该工具状态资料与该错误资料相关，以将错误特征化。
CN2005800366197A 2004-11-02 2005-10-12 根据加权主成分分析的错误侦测系统与方法 Expired - Fee Related CN101048711B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US10/979,309 2004-11-02
US10/979,309 US8676538B2 (en) 2004-11-02 2004-11-02 Adjusting weighting of a parameter relating to fault detection based on a detected fault
PCT/US2005/036896 WO2006049839A1 (en) 2004-11-02 2005-10-12 Fault detection system and method based on weighted principal component analysis

Publications (2)

Publication Number Publication Date
CN101048711A true CN101048711A (zh) 2007-10-03
CN101048711B CN101048711B (zh) 2011-10-12

Family

ID=35645842

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2005800366197A Expired - Fee Related CN101048711B (zh) 2004-11-02 2005-10-12 根据加权主成分分析的错误侦测系统与方法

Country Status (8)

Country Link
US (1) US8676538B2 (zh)
JP (1) JP5401038B2 (zh)
KR (1) KR101414775B1 (zh)
CN (1) CN101048711B (zh)
DE (1) DE112005002576T5 (zh)
GB (1) GB2433134B (zh)
TW (1) TWI447545B (zh)
WO (1) WO2006049839A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104067232A (zh) * 2011-10-31 2014-09-24 应用材料公司 基于时间的设备传感器数据与基于物质的计量统计过程控制数据的双向关联及图形化取得
CN105652837A (zh) * 2016-01-28 2016-06-08 京东方科技集团股份有限公司 一种产品的生产系统及方法
CN108647640A (zh) * 2018-05-10 2018-10-12 王逸人 人脸识别的方法及电子设备
CN110619922A (zh) * 2018-06-18 2019-12-27 三星电子株式会社 半导体故障分析装置及其故障分析方法

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8825444B1 (en) * 2005-05-19 2014-09-02 Nanometrics Incorporated Automated system check for metrology unit
US7843359B2 (en) * 2005-12-01 2010-11-30 Electronics And Telecommunications Research Institue Fault management system using satellite telemetering technology and method thereof
US7398132B2 (en) * 2006-01-06 2008-07-08 Gm Global Technology Operations, Inc. Method and system for analyzing throughput
US7529974B2 (en) * 2006-11-30 2009-05-05 Microsoft Corporation Grouping failures to infer common causes
WO2008075404A1 (ja) * 2006-12-19 2008-06-26 Systemv Management Inc., 半導体製造システム
JP5067542B2 (ja) * 2007-04-27 2012-11-07 オムロン株式会社 複合情報処理装置、複合情報処理方法、プログラム、および記録媒体
AU2008337296B2 (en) 2007-12-18 2013-02-14 Bae Systems Plc Assisting failure mode and effects analysis of a system comprising a plurality of components
DE102009006887B3 (de) * 2009-01-30 2010-07-15 Advanced Micro Devices, Inc., Sunnyvale Verfahren und System zur Halbleiterprozesssteuerung und Überwachung unter Anwendung eines Datenqualitätsmaßes
CN102298978A (zh) * 2011-05-17 2011-12-28 哈尔滨工程大学 船用核动力装置基于多层流模型的不确定性故障诊断方法
US20140108359A1 (en) * 2012-10-11 2014-04-17 Chevron U.S.A. Inc. Scalable data processing framework for dynamic data cleansing
DE102012112784A1 (de) * 2012-12-20 2014-06-26 Endress + Hauser Conducta Gesellschaft für Mess- und Regeltechnik mbH + Co. KG Verfahren zur Bestimmung eines Zustands eines Sensors
GB201313205D0 (en) * 2013-07-24 2013-09-04 Ent Ltd Method and system for condition monitoring
US10431428B2 (en) 2014-01-10 2019-10-01 Reno Technologies, Inc. System for providing variable capacitance
SG11201702573VA (en) 2014-09-29 2017-04-27 Manjusha Mehendale Non-destructive acoustic metrology for void detection
US12119206B2 (en) 2015-02-18 2024-10-15 Asm America, Inc. Switching circuit
CN107709762B (zh) * 2015-06-30 2019-10-18 维斯塔斯风力系统集团公司 风力涡轮机的控制方法以及系统
WO2017037901A1 (ja) * 2015-09-02 2017-03-09 三菱電機株式会社 シミュレーション装置及びシミュレーションプログラム
US10853534B2 (en) * 2015-12-03 2020-12-01 Taiwan Semiconductor Manufacturing Co., Ltd. Fault related FDC feature extraction
CA2965340C (en) * 2016-05-11 2021-05-18 Mahmoud Ismail An enhanced system and method for conducting pca analysis on data signals
US10876867B2 (en) 2016-11-11 2020-12-29 Chevron U.S.A. Inc. Fault detection system utilizing dynamic principal components analysis
KR101948165B1 (ko) * 2017-02-09 2019-02-14 충북대학교 산학협력단 Pca를 이용한 제조 공정의 핵심 인자 추출 방법 및 시스템
DE102017108496B4 (de) * 2017-04-21 2023-06-29 Windmöller & Hölscher Kg Verfahren und Vorrichtungen sowie System zum Auf- und Abwickeln eines Wickels
JP6812312B2 (ja) * 2017-06-21 2021-01-13 三菱重工業株式会社 プラント支援評価システム及びプラント支援評価方法
US11521833B2 (en) 2017-07-10 2022-12-06 Reno Technologies, Inc. Combined RF generator and RF solid-state matching network
US11476091B2 (en) 2017-07-10 2022-10-18 Reno Technologies, Inc. Impedance matching network for diagnosing plasma chamber
US10503144B2 (en) * 2017-10-24 2019-12-10 Applied Materials, Inc. Anomaly detection with correlation coeffiecients
JP2019114009A (ja) * 2017-12-22 2019-07-11 ルネサスエレクトロニクス株式会社 半導体装置、半導体システム、及びその方法
KR102001742B1 (ko) * 2017-12-29 2019-07-17 경일대학교산학협력단 열처리 공정에서 품질 관리를 위한 장치, 이를 위한 방법 및 이 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체
JP7029362B2 (ja) * 2018-08-16 2022-03-03 三菱重工業株式会社 異常検出装置、異常検出方法、及びプログラム
US11474512B2 (en) * 2019-06-13 2022-10-18 Mitsubishi Electric Corporation Machining failure detection device, laser cutting apparatus, and electric discharge machining apparatus
JP7427938B2 (ja) * 2019-11-29 2024-02-06 株式会社リコー 診断装置、診断装置の制御方法およびプログラム

Family Cites Families (60)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US2883255A (en) * 1954-04-28 1959-04-21 Panellit Inc Automatic process logging system
US2897638A (en) * 1956-06-13 1959-08-04 Bryant Chucking Grinder Co Process control apparatus
US3461547A (en) * 1965-07-13 1969-08-19 United Aircraft Corp Process for making and testing semiconductive devices
US5070468A (en) * 1988-07-20 1991-12-03 Mitsubishi Jukogyo Kabushiki Kaisha Plant fault diagnosis system
US5287284A (en) * 1990-11-14 1994-02-15 Hitachi, Ltd. Product specification complex analysis system
US5711849A (en) * 1995-05-03 1998-01-27 Daniel L. Flamm Process optimization in gas phase dry etching
US5825482A (en) * 1995-09-29 1998-10-20 Kla-Tencor Corporation Surface inspection system with misregistration error correction and adaptive illumination
US5658423A (en) * 1995-11-27 1997-08-19 International Business Machines Corporation Monitoring and controlling plasma processes via optical emission using principal component analysis
US5786023A (en) * 1996-02-13 1998-07-28 Maxwell; James L. Method and apparatus for the freeform growth of three-dimensional structures using pressurized precursor flows and growth rate control
US7024335B1 (en) * 1998-04-15 2006-04-04 The Texas A&M University System Condition assessment and life expectancy prediction for devices
US6119074A (en) * 1998-05-20 2000-09-12 Caterpillar Inc. Method and apparatus of predicting a fault condition
US6442445B1 (en) * 1999-03-19 2002-08-27 International Business Machines Corporation, User configurable multivariate time series reduction tool control method
US6368975B1 (en) * 1999-07-07 2002-04-09 Applied Materials, Inc. Method and apparatus for monitoring a process by employing principal component analysis
US6405096B1 (en) * 1999-08-10 2002-06-11 Advanced Micro Devices, Inc. Method and apparatus for run-to-run controlling of overlay registration
US6368883B1 (en) * 1999-08-10 2002-04-09 Advanced Micro Devices, Inc. Method for identifying and controlling impact of ambient conditions on photolithography processes
US6582618B1 (en) * 1999-09-08 2003-06-24 Advanced Micro Devices, Inc. Method of determining etch endpoint using principal components analysis of optical emission spectra
US6419846B1 (en) * 1999-09-08 2002-07-16 Advanced Micro Devices, Inc. Determining endpoint in etching processes using principal components analysis of optical emission spectra
US6232134B1 (en) * 2000-01-24 2001-05-15 Motorola Inc. Method and apparatus for monitoring wafer characteristics and/or semiconductor processing consistency using wafer charge distribution measurements
EP1252652A1 (de) * 2000-01-25 2002-10-30 Infineon Technologies AG Verfahren zur überwachung eines herstellungsprozesses
DE60113073T2 (de) * 2000-03-10 2006-08-31 Smiths Detection Inc., Pasadena Steuerung für einen industriellen prozes mit einer oder mehreren multidimensionalen variablen
GB0007063D0 (en) * 2000-03-23 2000-05-10 Simsci Limited Mulitvariate statistical process monitors
US7089182B2 (en) * 2000-04-18 2006-08-08 Matsushita Electric Industrial Co., Ltd. Method and apparatus for feature domain joint channel and additive noise compensation
US6917839B2 (en) * 2000-06-09 2005-07-12 Intellectual Assets Llc Surveillance system and method having an operating mode partitioned fault classification model
US7054786B2 (en) * 2000-07-04 2006-05-30 Tokyo Electron Limited Operation monitoring method for treatment apparatus
US6636862B2 (en) * 2000-07-05 2003-10-21 Camo, Inc. Method and system for the dynamic analysis of data
US6442496B1 (en) * 2000-08-08 2002-08-27 Advanced Micro Devices, Inc. Method and apparatus for dynamic sampling of a production line
DE60104705T2 (de) * 2000-09-15 2005-09-15 Advanced Micro Devices, Inc., Sunnyvale Verbesserte regelung mit adaptives abtastverfahren zur halbleiterherstellung
JP3634734B2 (ja) * 2000-09-22 2005-03-30 株式会社日立製作所 プラズマ処理装置および処理方法
US6789052B1 (en) * 2000-10-24 2004-09-07 Advanced Micro Devices, Inc. Method of using control models for data compression
US6859739B2 (en) * 2001-01-19 2005-02-22 Smartsignal Corporation Global state change indicator for empirical modeling in condition based monitoring
US6549864B1 (en) * 2001-08-13 2003-04-15 General Electric Company Multivariate statistical process analysis systems and methods for the production of melt polycarbonate
US6616759B2 (en) * 2001-09-06 2003-09-09 Hitachi, Ltd. Method of monitoring and/or controlling a semiconductor manufacturing apparatus and a system therefor
US20030074603A1 (en) * 2001-09-07 2003-04-17 Ulrich Bungert Automatic generation of diagnostic programs for SPS-controlled systems
JP4659359B2 (ja) 2001-12-31 2011-03-30 東京エレクトロン株式会社 材料処理の方法および材料処理のためのシステム
TWI328164B (en) * 2002-05-29 2010-08-01 Tokyo Electron Ltd Method and apparatus for monitoring tool performance
US7523384B2 (en) * 2002-06-28 2009-04-21 Umetrics Ab Method and device for monitoring and fault detection in industrial processes
WO2004003822A1 (en) 2002-06-28 2004-01-08 Tokyo Electron Limited Controlling a material processing tool and performance data
WO2004019396A1 (ja) * 2002-08-13 2004-03-04 Tokyo Electron Limited プラズマ処理方法及びプラズマ処理装置
US8185230B2 (en) * 2002-08-22 2012-05-22 Advanced Micro Devices, Inc. Method and apparatus for predicting device electrical parameters during fabrication
US6871114B1 (en) * 2002-08-30 2005-03-22 Eric O. Green Updating process controller based upon fault detection analysis
US7043403B1 (en) * 2002-09-04 2006-05-09 Advanced Micro Devices, Inc. Fault detection and classification based on calculating distances between data points
US6740534B1 (en) * 2002-09-18 2004-05-25 Advanced Micro Devices, Inc. Determination of a process flow based upon fault detection analysis
JP2004118693A (ja) * 2002-09-27 2004-04-15 Toshiba Corp プラントの制御系異常診断システム及び異常診断方法
EP1546827A1 (en) * 2002-09-30 2005-06-29 Tokyo Electron Limited Method and apparatus for the monitoring and control of a semiconductor manufacturing process
US6815232B2 (en) * 2002-11-26 2004-11-09 Advanced Micro Devices, Inc. Method and apparatus for overlay control using multiple targets
US6912433B1 (en) * 2002-12-18 2005-06-28 Advanced Mirco Devices, Inc. Determining a next tool state based on fault detection information
US6834213B1 (en) * 2003-01-06 2004-12-21 Advanced Micro Devices, Inc. Process control based upon a metrology delay
EP1639632B1 (en) * 2003-05-16 2017-06-07 Tokyo Electron Limited Method of monitoring a processing system
US7328126B2 (en) * 2003-09-12 2008-02-05 Tokyo Electron Limited Method and system of diagnosing a processing system using adaptive multivariate analysis
US8073667B2 (en) * 2003-09-30 2011-12-06 Tokyo Electron Limited System and method for using first-principles simulation to control a semiconductor manufacturing process
US8032348B2 (en) * 2003-09-30 2011-10-04 Tokyo Electron Limited System and method for using first-principles simulation to facilitate a semiconductor manufacturing process
US8296687B2 (en) * 2003-09-30 2012-10-23 Tokyo Electron Limited System and method for using first-principles simulation to analyze a process performed by a semiconductor processing tool
US8050900B2 (en) * 2003-09-30 2011-11-01 Tokyo Electron Limited System and method for using first-principles simulation to provide virtual sensors that facilitate a semiconductor manufacturing process
US8036869B2 (en) * 2003-09-30 2011-10-11 Tokyo Electron Limited System and method for using first-principles simulation to control a semiconductor manufacturing process via a simulation result or a derived empirical model
US7096153B2 (en) * 2003-12-31 2006-08-22 Honeywell International Inc. Principal component analysis based fault classification
US7447609B2 (en) * 2003-12-31 2008-11-04 Honeywell International Inc. Principal component analysis based fault classification
US7089072B2 (en) * 2004-05-26 2006-08-08 Taiwan Semiconductor Manufacturing Company, Ltd. Semiconductor manufacturing fault detection and management system and method
US7069098B2 (en) * 2004-08-02 2006-06-27 Advanced Micro Devices, Inc. Method and system for prioritizing material to clear exception conditions
US7151976B2 (en) * 2004-09-17 2006-12-19 Mks Instruments, Inc. Multivariate control of semiconductor processes
US7130767B2 (en) * 2004-09-27 2006-10-31 Lam Research Corporation Computer-implemented data presentation techniques for a plasma processing system

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104067232A (zh) * 2011-10-31 2014-09-24 应用材料公司 基于时间的设备传感器数据与基于物质的计量统计过程控制数据的双向关联及图形化取得
US9915940B2 (en) 2011-10-31 2018-03-13 Applied Materials, Llc Bi-directional association and graphical acquisition of time-based equipment sensor data and material-based metrology statistical process control data
CN105652837A (zh) * 2016-01-28 2016-06-08 京东方科技集团股份有限公司 一种产品的生产系统及方法
CN105652837B (zh) * 2016-01-28 2018-06-05 京东方科技集团股份有限公司 一种产品的生产系统及方法
CN108647640A (zh) * 2018-05-10 2018-10-12 王逸人 人脸识别的方法及电子设备
CN110619922A (zh) * 2018-06-18 2019-12-27 三星电子株式会社 半导体故障分析装置及其故障分析方法

Also Published As

Publication number Publication date
KR20070073859A (ko) 2007-07-10
WO2006049839A1 (en) 2006-05-11
TWI447545B (zh) 2014-08-01
TW200630765A (en) 2006-09-01
CN101048711B (zh) 2011-10-12
GB2433134B (en) 2010-06-02
KR101414775B1 (ko) 2014-07-03
US8676538B2 (en) 2014-03-18
GB2433134A (en) 2007-06-13
US20060095232A1 (en) 2006-05-04
GB0706153D0 (en) 2007-05-09
JP5401038B2 (ja) 2014-01-29
DE112005002576T5 (de) 2007-09-27
JP2008519464A (ja) 2008-06-05

Similar Documents

Publication Publication Date Title
CN101048711B (zh) 根据加权主成分分析的错误侦测系统与方法
CN100578747C (zh) 用于模型预测的动态适应性取样率
US6773931B2 (en) Dynamic targeting for a process control system
US20040059456A1 (en) Correlating an inline parameter to a device operation parameter
US7583833B2 (en) Method and apparatus for manufacturing data indexing
US6756243B2 (en) Method and apparatus for cascade control using integrated metrology
WO2001011678A1 (en) Method and apparatus for run-to-run controlling of overlay registration
US6947803B1 (en) Dispatch and/or disposition of material based upon an expected parameter result
CN101263437A (zh) 有关未被抽样的工件的数据表示
US6834213B1 (en) Process control based upon a metrology delay
US20040102857A1 (en) Secondary process controller for supplementing a primary process controller
US6905895B1 (en) Predicting process excursions based upon tool state variables
CN101341449A (zh) 基于信息可信度的增进的状态估计
US6890773B1 (en) Dynamic maintenance of manufacturing system components
US6834211B1 (en) Adjusting a trace data rate based upon a tool state
US8239151B2 (en) Method and apparatus for analysis of continuous data using binary parsing
US6957120B1 (en) Multi-level process data representation
US6799311B1 (en) Batch/lot organization based on quality characteristics
US6788988B1 (en) Method and apparatus using integrated metrology data for pre-process and post-process control
US6871114B1 (en) Updating process controller based upon fault detection analysis
US6978189B1 (en) Matching data related to multiple metrology tools
US6823231B1 (en) Tuning of a process control based upon layer dependencies
US6912436B1 (en) Prioritizing an application of correction in a multi-input control system
US8615314B1 (en) Process control using analysis of an upstream process
US20040199279A1 (en) Equipment utilization optimization system and method applicable to multiple microelectronic fabrication facilities

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20111012