CN102160164A - 自我诊断的半导体设备 - Google Patents

自我诊断的半导体设备 Download PDF

Info

Publication number
CN102160164A
CN102160164A CN2009801370249A CN200980137024A CN102160164A CN 102160164 A CN102160164 A CN 102160164A CN 2009801370249 A CN2009801370249 A CN 2009801370249A CN 200980137024 A CN200980137024 A CN 200980137024A CN 102160164 A CN102160164 A CN 102160164A
Authority
CN
China
Prior art keywords
equipment
autodiagnosis
test
prediction parameters
response
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.)
Pending
Application number
CN2009801370249A
Other languages
English (en)
Inventor
马修·F·戴维斯
连雷
庄小亮
昆廷·E·沃克
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.)
Applied Materials Inc
Original Assignee
Applied Materials 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
Application filed by Applied Materials Inc filed Critical Applied Materials Inc
Publication of CN102160164A publication Critical patent/CN102160164A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • 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
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67276—Production flow monitoring, e.g. for increasing throughput
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Drying Of Semiconductors (AREA)

Abstract

本发明关于一种自我诊断的半导体设备。本发明提供了半导体处理设备的预测性维护的方法与装置。在部分实施例中，一种用于对半导体处理设备进行预测性维护的方法可以包括：在所述设备中未存在衬底的状态下，对所述半导体处理设备进行至少一个自我诊断测试。该自我诊断测试可以包括：从所述半导体处理设备测量一个或多个预测参数和一个或多个响应参数。可以利用预测性模型并根据所测量的预测参数计算一个或多个预期响应参数。可以将一个或多个所测量的响应参数与所述一个或多个预期响应参数相比较。可以根据所述比较来决定是否需要设备维护。

Description

自我诊断的半导体设备
技术领域
本发明的实施例一般与半导体处理设备有关，且特别是与具有预测性维护能力的半导体处理设备有关。
背景技术
相对于预防维护(preventive maintenance)而言，预测性维护(predictive maintenance)已经成为半导体工业中许多讨论或研讨会的主题。长久以来都需要利用处理工具的数据来存取工具的状态以及其对于维护的需求。然而，对于有效率且有效果地执行适当符合此目的的设备，使用于任何给定工具的许多制程配方以及随时间来特征化工具的行为所需花费的努力是一项巨大的障碍。
举例而言，一般已频繁(例如在每一次轮班中)使用处理工具的晶圆上性能(on-wafer performance)来在允许处理一批次的晶圆前尝试持续调整处理工具。然而，对于预测性维护的成功执行而言，为根据使用的制程配方及/或使用的制程配方混合而将工具行为特征化为时间的函数所需花费的心力是一项禁止性障碍。
举例而言，工具监视一般包括追踪工具数据，包括射频(RF)功率、压力、气体流量等。不幸的是，工具组件(例如质量流量控制器、压力传感器等)是个别地校正的。若校正错误或组件失效，则工具数据可能是无效的，并且监视这种数据将产生对维护的错误需求。此外，在类似于质量流量控制器的组件中，一般是在离开该工具的处理容积的位置处(例如在质量流量控制器中)监视流率，因此，这样的监视并不代表工具中处理容积内的条件。
因此，需要一种具有有效预测性维护能力的半导体设备。
发明内容
本文提供了半导体处理设备的预测性维护的方法与装置。在部分实施例中，一种用于对半导体处理设备进行预测性维护的方法包括：在所述设备中未存在衬底的状态下，对所述半导体处理设备进行至少一个自我诊断测试。该自我诊断测试包括：从所述半导体处理设备测量一个或多个预测参数和一个或多个响应参数。利用预测性模型并根据所测量的预测参数计算一个或多个预期响应参数。将一个或多个所测量的响应参数与所述一个或多个预期响应参数相比较。根据所述比较来决定是否需要设备维护。其它及进一步的变化与实施例也揭示于以下实施方式中。
在部分实施例中，提供了一种计算机可读取介质，其上储存有指令；当处理器执行这些指令时，可使所述处理器执行一种用于半导体处理设备的预测性维护的方法，包括：在设备内无衬底存在的状态下，对该半导体处理设备进行至少一个自我诊断测试。所述自我诊断测试是如前所述的。
在本发明的部分构想中，提供了一种用于处理半导体衬底的系统。在部分实施例中，一种用于处理半导体衬底的系统包括处理腔室以及耦接至所述处理腔室并被配置以控制所述处理腔室的运转的控制器。该控制器包括计算机可读取介质，所述计算机可读取介质具有储存于其上的指令，当所述控制器执行所述指令时，使得所述控制器执行一种用于所述处理腔室的预测性维护的方法。对半导体处理设备所进行的预测性维护的方法是如前述说明的。
附图说明
为能详细了解本发明的上述特征，参照实施例来进行本发明的特定描述，其中在附图中示出了部分实施例。然而，应注意，这些图式仅用于说明本发明的典型实施例，因此不应视为限定其范畴，本发明也允许其它等效实施例。
图1的流程图根据本发明部分实施例说明一种用于执行预测性维护的程序；
图2的流程图根据本发明部分实施例说明一种用于执行自我诊断测试的程序；
图3说明了适合于结合本发明部分实施例使用的蚀刻腔室；以及
图4说明了适合于结合本发明的部分实施例使用的示例集成半导体衬底处理系统(例如丛集工具(cluster tool))的示意图。
为增进理解，图式中使用了相同的组件符号来代表相同的组件。附图不一定按照比例绘制并且可以为了清楚而进行简化。应知在实施例中揭露的组件可有利地用于其它实施例，其无须特别指明载述。
具体实施方式
本发明的实施例提供了可执行预测性维护的设备以及用于对设备进行预测性维护的方法。该设备可为下文中将进一步详细说明的任何适当的处理设备，例如半导体处理设备。该方法被储存于用以控制该设备的控制器的存储器中。本发明的方法与设备藉由使用有限次(一次或多次)的无晶圆(或无衬底)制程配方或其它指令，来以可管理方式促进预测性维护的执行，以助于随时间获得整体工具动态性质与特征化工具性能。将经特征化的工具性能与特定工具的基线特征比较，以决定是否需要维护。(一个或多个)制程配方或指令可自动运行(例如由工具行使)及/或手动运行(例如由操作者行使)。
图1是流程图，其说明了根据本发明部分实施例的预测性维护程序100。该程序100是储存于处理设备(例如下述的处理腔室)的一个或多个构件的控制器的存储器中。程序100开始于102，决定是否要测试该设备。可以在半导体制程的任何所需阶段决定对设备进行测试，例如基于检测之间实际耗费的时间、所耗费的设备运转时间、在将第一晶圆(或衬底)引入设备之前、在设备中处理每一个衬底之间、在设备中处理大量晶圆之间、操作者的逐次轮班改变、在改变该设备中的制程条件之间、或在腔室清洁程序或设备的其它维护之后、或在视为需要的任何其它时间。在102处的决定可在任何适当或需要时间自动作出(例如由工具行使)和/或手动决定(例如由操作者执行)，例如在设备闲置时间中。
如果决定不测试该设备，该设备会如线112所示继续运转至方块110。设备会继续运转，直到做出是否测试该设备的询问为止(如虚线114前进至决定方块102)。如果决定测试该设备，则对该设备执行自我诊断测试(如104所示)。
该自我诊断测试利用一种无晶圆(或无衬底)的自我测试程序制程配方，其对所欲的个别程序参数进行扰乱测试(如下文所述)。自我诊断制程配方在腔室中不需要晶圆(也不需要衬底)，因而消除了在腔室响应中任何的晶圆或衬底相关效应。这种制程配方也通过一次运转而提供了对腔室上多个临界硬件组件的健康检测，因此非常有效率。
自我诊断测试可包括监视制程参数，包括预测和响应参数。预测参数可以包括任何可直接及/或独立地测量的参数。适当的预测参数示例可以包括工具状态可变识别码(SVID)(诸如RF偏压、RF偏压电流、晶圆自我偏置电位(Vdc)、节流阀角度、总流量、静电吸盘(ESC)电流等)、在处理腔室内的处理气体的光学放射、红外吸收或穿透等。因此，预测参数可以被用作腔室性能的独立确认。
响应参数可以包括从腔室组件获得的任何参数，其经独立地校正并与该设备直接相关(例如，响应参数可以是来自耦接至该处理腔室的控制组件或模块的回读值)。响应参数可以从与腔室组件耦接的传感器获得，和/或可以是控制该腔室组件的控制器的设定点。在部分实施例中，响应参数可以包括腔室或组件的温度(例如衬底支撑座、静电吸盘等的温度)、传送至该腔室的射频(RF)功率(例如RF源功率或RF偏压功率)、RF谐波、电讯号(例如电压、电流、相位互动等)、引入至设备中的气体的气体流率(例如通过质量流量控制器等)、设备的内部处理容积的压力等等中的一者或多者。在部分实施例中，响应参数系从记录传感器数据(例如热偶对、压力传感器、电传感器等)得到。在部分实施例中，响应参数的数值可直接从独立组件的编程化设定点而获得。
当自我诊断测试开始时，可以在处理腔室中执行自我诊断程序制程配方。该自我诊断程序制程配方可以系统性地测试一个或多个处理参数。在部分实施例中，自我诊断程序制程配方可以包括扰乱一个或多个响应参数并且测量一个或多个预测参数。在部分实施例中，预测参数系可以通过对每一个关注的独立响应参数进行扰乱测试而得。举例而言，在部分实施例中，响应参数(例如RF源功率)是经轻微扰动(例如从1000瓦至1100瓦)，保持所有其它响应参数固定，并测量预测参数中的变化。每一个响应参数可以以相似的方式予以扰动，直到产生包含有每一个独立响应参数的扰动的测试矩阵为止。测试矩阵可以用于预测模型中，如下文所述。
自我诊断测试在104中以各种方式进行。举例而言，图2说明了一种用于执行根据本发明部分实施例的自我诊断测试程序200的流程图。程序200及其变化例可以被用作参照图1中的104描述的自我诊断测试的至少一部分。在部分实施例中，自我诊断测量可以通过测量上述自我诊断程序制程配方(如202所示)的处理参数而进行。该自我诊断程序制程配方可以作为例如储存于设备的控制器存储器中的部分指令而引入，或是由操作者手动输入。自我诊断程序制程配方对于正在被测试的处理腔室的类型而言是专一的，并且可以包括扰乱可以对测试的腔室专一的一个或多个响应参数。举例而言，在等离子体处理腔室中，自我诊断程序制程配方可包括扰乱RF功率、RF偏压、腔室压力、气体流率等中的一者或多者，并从在自我诊断程序制程配方中规定的条件下产生的等离子体来测量光学放射等。自我诊断程序制程配方可以依次或同时扰乱一个或多个响应参数，并且可以在各个扰乱处测量一个或多个预测参数。
在部分实施例中，自我诊断程序制程配方可以在设备中不存在晶圆时执行，由此减少对用于腔室性能分析的生产晶圆或测试晶圆的依赖性。消除了晶圆的存在也可以减少执行测试所需的时间、因改变晶圆组成而产生的测试变异、破坏生产晶圆(如果使用的话)的风险等。
其次，在204，利用预测性模型来计算处理参数。预测性模型可以利用适当统计分析(例如部分最小平方(PLS)回归分析)而产生，下文将进一步说明。在部分实施例中，所述一个或多个经测量的预测参数可以被用作预测性模型的输入数据。使用一个或多个经测量的预测参数增进了预测性模型的产生，其可以更精确地计算各个响应参数的值。所计算的响应参数值可以与从传感器数据和/或设定点数值获得的数值相同或不同。
可使用设备的基线特征来将预测性模型公式化。基线特征可以包括一个或多个已知或假设为可接受或最佳化条件中的设备性能的测量和/或分析、一个或多个指定为理想的设备(例如“黄金腔室”)的模型化测量或其组合等。举例而言，在部分实施例中，可以于在理想条件下运转的腔室中，利用上述的自我诊断程序制程配方而执行基线特征化。自我诊断程序制程配方可以运转，并且在各扰乱步骤所测量和/或取得的预测参数和响应参数可以用以产生含预测参数和响应参数的测试矩阵。在每次扰乱中，一个或多个预测参数的测量以及每一个响应参数的传感器数据(或设定点数据)可以被记录在测试矩阵中。测试矩阵可以包括所测量的一个或多个预测参数以及来自自我诊断程序制程配方中所有扰乱步骤的每个独立响应参数的传感器数据或设定点数据。
从将自我诊断程序制程配方应用到运转于最佳化条件下的处理腔室而形成的测试矩阵可利用例如PLS回归分析而加以回归，以产生预测性模型。预测性模型可以通过对从自我诊断校正运行而收集的预测矩阵与响应矩阵进行回归而为多个响应参数产生(例如，在黄金/理想腔室的初始特征化或模型期间，使所预测的数值与所测量的工具数据相等)。在部分实施例中，预测性模型也可应用到不同的腔室，以提供精确的腔室匹配解决方式。
预测性模型可以在任何腔室条件下预测和/或计算响应参数，且可以不限于在测试制程配方中所使用的那些腔室条件。在部分实施例中，预测性模型使用一个或多个经测量的预测参数作为输入，以预测/计算一个或多个响应参数。通过使用根据制造程序所设计的实验，可以产生预测性模型以监视制造程序趋势并提供错误侦测。
在部分实施例中，预测性模型可以使用校正程序、确认程序、以及修饰与再确认程序(如果需要的话)而产生。在校正程序中，响应参数与预测参数两者都是通过上述的实验设计而加以收集。预测性模型可以基于使用如部分最小平方回归的数据而产生。预测性模型之后以预测参数作为输入，并计算响应参数的值作为输出。
其次，确认程序使用另一组响应参数和预测参数。预测参数被用作对预测性模型的输入，而响应参数被用于与预测性模型的输出进行比较。如果响应参数的预测值与实际值之间的差异超过使用者定义的限值，则必须修改预测性模型。如果响应参数的预测值足够接近其真实值，那么预测性模型即准备好被用于制造中。
接着，在206，经计算的处理参数可以与在202的自我诊断测试开始所测量的处理参数比较。在部分实施例中，将所观察的响应参数系与经计算的响应参数比较，并且可以计算其差异、百分比差异、统计分析等。在部分实施例中，可以计算每一个独立腔室组件的所观察与经计算的响应参数之间的变异，且可决定哪一个组件、或腔室组件的组合可以落于校正、损坏、需要维护、清洁等之外。
在206所执行的比较是实时的。将响应参数的预测值与监视/观察的工具数据进行比较提供对于腔室的自我一致性检测。如果这两者不相符，可以在原处产生表示参数未通过自我一致性检测的错误以警示使用者。举例而言，可通过从工具将工具传感器数据导入到执行统计分析并且在运转期间应用预测性模型的控制器，来执行自我诊断测试。在部分实施例中，控制器是安装在蚀刻工具上的EYED
Figure BPA00001331347500071
PSM系统的一部分，其可以从加州圣克拉拉的应用材料公司(Applied Materials，Inc.)买到(例如以下图3中所描述的)。由于EYED
Figure BPA00001331347500072
系统也具有末端点能力，其可轻易用于干扰程序，并在自我诊断运转期间侦测到不正常条件时，产生警示或错误讯息。
转回参照图1，当在104执行自我诊断(或用于执行自我诊断测试的程序200)之后，可决定该设备是否通过自我诊断测试(如106所示)。若答案是“是”，那么该设备可以继续运转(如110所示)，直到再次于102进行引起测试设备的询问为止(如虚线114所示)。举例而言，如果自我诊断测量的分析落到基线测量的特定容限范围中(例如，经计算的响应参数与所观察的响应参数之间的变化具有特定容限范围)，那么设备可以继续运转，而不需要停止来进行维护。
若设备未通过测试(例如在106对询问的答案是“否”)，则对设备进行维护，如108所示。举例而言，如果自我诊断测量的分析落到容限范围之外，那么设备的运转可以暂停，并且可以执行维护以使设备回到令人满意的运转条件。维护包括设备的原处清洁、调整、修复或设备组件的替换等。在设备维护完成后，程序100会视需要而重复，以确保设备令人满意地运转。
上述自我诊断程序可手动或自动执行，并且可以在上述的时框架或制造阶段处重复或执行。本发明的自我诊断程序可实施于任何半导体制造设备中，包括(在非限制示例中)等离子体与非等离子体辅助的设备、磁性强化处理设备、热处理设备、蚀刻腔室、沉积腔室、热处理腔室(例如退火腔室)等。
举例而言，图3说明了示例性蚀刻反应器300的示意图，其属于可用于实施本发明所述的实施例的类型。反应器300可单独使用、或更一般地作为具有集成半导体衬底处理系统或丛集工具(例如加州圣克拉拉应用材料公司的CENTURA
Figure BPA00001331347500081
整合半导体晶圆处理系统)的处理模块使用。适当的蚀刻反应器300的示例包括也可以从应用材料公司买到的半导体设备的DPS线路(例如DPS
Figure BPA00001331347500083
、DPS
Figure BPA00001331347500084
II、DPS
Figure BPA00001331347500085
AE、DPS
Figure BPA00001331347500086
G3多蚀刻器等)、半导体设备的ADVANTEDGETM线路(例如AdvantEdge、AdvantEdge G3)或其它半导体设备(例如ENABLER
Figure BPA00001331347500087
、E-MAX
Figure BPA00001331347500088
或类似设备)。上列半导体设备仅作为说明之用，也可适当使用其它的蚀刻反应器与非蚀刻反应器(例如CVD反应器或其它半导体处理设备)。
反应器300包括处理腔室310，其具有在传导性主体(壁)330内的晶圆支撑座316以及控制器340。该支撑座(阴极)316通过第一匹配网络324耦接到偏压功率源322。偏压功率源322一般是在约13.56MHz的频率下具有高达500W的功率源，其可产生连续式或脉冲式功率。在其它实施例中，功率源322是DC或脉冲式DC源。腔室310具有实质上平坦的介电顶篷320。其它的腔室310的变化也可具有其它类型的顶篷，例如半球形顶篷或其它形状。在顶篷320上方配置有至少一个感应线圈天线312(图3中示出有两个共轴天线312)。每一个天线312都通过第二匹配网络319而耦接到等离子体功率源318。等离子体源318一般可以在可调整的频率范围(50kHz至13.56MHz)中产生高达4000W的功率。一般而言，壁体330可以耦接到电接地334。
在一般的运转期间，半导体衬底或晶圆314可以被放置在支撑座316上，并且从气体面板338通过进气口326而供应处理气体并且形成气体混合物350。藉由从等离子体源318施加功率到天线312，气体混合物350被经激发而成为腔室310中的等离子体355。可选地，来自偏压源322的功率也可以提供给阴极316。可利用节流阀327和真空泵336来控制腔室310内部的压力。腔室壁体330的温度可利用通过壁体330的含液体导管(未示出)加以控制。
晶圆314的温度可以通过使支撑座316温度稳定而加以控制。在一个实施例中，通过气体导管349而从气体源348将氦气提供到由晶圆314背部与支撑座表面中的沟槽(未示)所形成的通道。氦气用来促进支撑座316与晶圆314之间的热量传递。在处理期间，由支撑座内的电阻式加热器(未示出)来将支撑座316加热到稳态温度，之后氦气增进了晶圆314的均匀加热。使用这种热控制，晶圆314的温度可维持于摄氏0度至500度之间的温度。
本领域的技术人员应知也可根据本发明的教示来修改其它形式的蚀刻腔室，包括具有远程等离子体源的腔室、微波等离子体腔室、电子旋风共振(ECR)等离子体腔室等。
控制器340包括中央处理单元(CPU)344、存储器342、用于CPU344的支持电路346，并且增进了蚀刻腔室310的组件以及蚀刻程序的控制，如本文所述者。控制器340是可用于工业设定以控制各种腔室和次要处理器的任何形式的通用计算机处理器。CPU 344的存储器(或计算机可读取介质)342是一种或多种可读取式存储器，例如随机存取存储器(RAM)、只读存储器(ROM)、软盘、硬盘、或其它形式的局部或远程数字储存器。支持电路346耦接到CPU 344而以传统方式支持处理器。这些电路包括快速缓冲贮存区(cache)、电源、时钟电路、输入/输出电路以及次系统等。本发明的方法可以被储存在存储器342中作为软件例行程序，并且可如上述方式执行。软件例行程序可由第二CPU(未示出)予以储存和/或执行，第二CPU与由CPU 344所控制的硬件远程定位。
图4说明了适合于结合本发明的部分实施例使用的示例集成半导体衬底处理系统(例如丛集工具)400的示意图。
系统400示例性地包括了真空密封处理平台401、输入/输出模块402和系统控制器440。在一个实施例中，平台401包括处理模块410、412、414与416以及至少一个负载锁定腔室(如所示的负载锁定腔室421与422)，其耦接到共同真空衬底传递腔室428。
处理模块410、412、414和416可以是任何适用于实施本发明的半导体处理模块，包括上述半导体处理设备。
负载锁定腔室421与422保护传递腔室428不受大气污染。传递腔室428包括衬底自动控制装置430。在运转时，自动控制装置430使衬底在负载锁定腔室与处理模块之间传递。自动控制装置430的实施例仅作为说明之用。
输入/输出模块402包括度量模块426、至少一个停靠站以接收一个或多个前开式统集盒(FOUP)(所示为FOUP 406与407)与至少一衬底自动控制装置(所示为两个自动控制装置408、420)。在一个实施例中，度量模块426包括测量工具404，其使用至少一种适于测量衬底上所形成的结构的临界尺寸的非破坏性测量技术。一种光学测量临界尺寸的适当测量工具404可以从加州米尔必达市的Nanometrics买到。自动控制装置408、420在FOUP 406、测量工具404与负载锁定腔室421、422之间传递预先处理与后制处理的衬底。在所述实施例中，度量模块426被用作为通过性模块。在其它实施例中(未示出)，度量模块426可以是输入/输出模块402的外围单元。例如，在同一申请人的美国专利第6,150,664号中所说明者公开了具有测量工具的处理系统，该专利于2000年11月21日获准，通过引用形式将其结合在这里。
工厂接口424一般是大气压力接口，用以在半导体晶圆厂的各种处理系统与制造区域之间传递设置在FOUP 406、407中具有预先处理及后制处理晶圆的匣体。一般而言，工厂接口424包括衬底处理装置436和轨道438。在运转时，衬底处理装置436沿着轨道438运行，以在集工具或其它处理设备之间传输FOUP。
系统控制器440被耦接并控制整合处理系统400的模块和设备。系统控制器440利用对系统400的模块和设备的直接控制、或者是通过控制与这些模块和装置相关的计算机(或控制器)而控制系统400的所有操作方面。在运转时，系统控制器440使得能够收集数据并使得能够从各模块(例如度量模块426)与设备反馈，其使系统400的性能最佳化。
系统控制器440一般包括了中央处理单元(CPU)442、存储器444和支持电路446。CPU 442可以是可用于工业设定的任何形式的通用计算机处理器。支持电路446传统上耦接至CPU 442，并且可以包括快速缓冲贮存区(cache)、时钟电路、输入/输出次系统、电源等。当CPU 442执行软件例行程序时，其使CPU转化为专用计算机(控制器)440。软件例行程序可以由第二控制器(未示出)加以储存和/或执行，第二控制器从系统400远程地定位。
本发明方法的上述实施例可以被储存于存储器444中作为软件例行程序。软件例行程序可由第二CPU(未示)予以储存和/或执行，第二CPU与由CPU 442控制的硬件远程地定位。在运转时，控制器440可以发出指令以对系统400直接、或者是经由与处理腔室410-416和/或其支持系统相关的其它计算机或控制器(未示)来执行本发明的方法。或者是，如上所述，本发明的方法可以被容纳在与处理腔室410-416相关的控制器上。
因此，本发明已提供用于执行半导体处理设备的预测性维护的方法、以及用于执行此方法的自我警示半导体设备。这些方法也可有利地执行于不存在晶圆的半导体设备上。这些方法可以被用于评估设备是否错误运行并且需要维护，或其行为是可预测的并且因而已经准备好进行晶圆处理。本发明的实施例提供了一种在例如清洁操作的周期间评估半导体设备的健康并判断工具的健康的方式。通过提取出晶圆与制程配方对产生腔室“黄金”特征的依赖性，以及通过以光学放射等独立监视设备，可以大幅改善错误检测的准确性。此外，本发明的教导也可以以非客制/晶圆厂相关方式实施，由此有助于这种自我警示设备及预测性维护技术的一致且低成本的实施。
前文与本发明的实施例有关，然而也可在不背离本发明的基本范畴的情况下得出其它或进一步的实施例，本发明的范畴系由权利要求决定。

Claims (15)

1.一种用于对半导体处理设备进行预测性维护的方法，其包括：
在所述设备中未存在衬底的状态下，对所述半导体处理设备进行至少一个自我诊断测试，所述自我诊断测试包括：
从所述半导体处理设备测量一个或多个预测参数和一个或多个响应参数；
利用预测性模型并根据所测量的预测参数计算一个或多个预期响应参数；
将一个或多个所测量的响应参数与所述一个或多个预期响应参数相比较；以及
根据所述比较来决定是否需要设备维护。
2.根据权利要求1所述的方法，其中，所述预测性模型是通过下述而产生的：
当所述设备以最佳化等级运转时，在不存在衬底的状态下从所述半导体处理设备测量预测参数和响应参数；以及
对所测量的参数统计分析，以产生所述预测性模型。
3.根据权利要求1至2中任一项所述的方法，其中，从所述半导体处理设备测量一个或多个预测参数和一个或多个响应参数还包括：
行使自我诊断测试制程配方，所述自我诊断测试制程配方扰乱所述一个或多个预测参数并测量所述一个或多个响应参数。
4.根据权利要求1至3中任一项所述的方法，其中，所述预测参数包括工具状态可变识别码(SVID)、RF偏压、RF偏压电流、晶圆自我偏置电位(Vdc)、节流阀角度、总流量、静电吸盘(ESC)电流、光学放射数据或红外线辐射数据中的至少一者，并且其中，所述响应参数包括衬底支撑座或静电吸盘的温度、RF源功率或RF偏压功率的传送RF功率、导入所述设备的一种或多种气体的气体流量或制程容积压力中的至少一者。
5.根据权利要求1至4中任一项所述的方法，其中，所述至少一个自我诊断测试是在设备闲置时间中执行的，或者其中，所述至少一个自我诊断测试是基于下述至少一者而周期性进行的：检测之间实际耗费时间、设备运转耗费时间、在将所述第一晶圆导入到所述设备之前、在所述设备中处理每个晶圆之间、在所述设备中处理大量晶圆之间、操作者的逐次轮班改变、在改变所述设备中的制程条件之间、或在腔室清洁程序或设备的其它维护之后。
6.根据权利要求1至5中任一项所述的方法，其中，所述设备自动进行所述至少一个自我诊断测试。
7.根据权利要求1至6中任一项所述的方法，更包括：
响应于所述设备需要维护的决定而产生警告。
8.一种计算机可读取介质，其具有储存于其上的指令，当处理器执行这些指令时，可使所述处理器执行一种用于半导体处理设备的预测性维护的方法，所述方法包括权利要求1到7中任一项所述的方法。
9.一种用于处理半导体衬底的系统，包括：
处理腔室；以及
控制器，其耦接至所述处理腔室并被配置以控制所述处理腔室的运转，其中，所述控制器包括计算机可读取介质，所述计算机可读取介质具有储存于其上的指令，当所述控制器执行所述指令时，使得所述控制器执行一种用于所述处理腔室的预测性维护的方法，包括：
在所述设备中未存在衬底的状态下，对所述半导体处理设备进行至少一个自我诊断测试，所述自我诊断测试包括：
从所述半导体处理设备测量一个或多个预测参数和一个或多个响应参数；
利用预测性模型并根据所测量的预测参数计算一个或多个预期响应参数；
将一个或多个所测量的响应参数与所述一个或多个预期响应参数相比较；以及
根据所述比较来决定是否需要设备维护。
10.根据权利要求9所述的系统，其中，所述预测性模型是通过下述而产生的：
当所述设备以最佳化等级运转时，在不存在衬底的状态下从所述半导体处理设备测量预测参数和响应参数；以及
对所测量的参数统计分析，以产生所述预测性模型。
11.根据权利要求9至10中任一项所述的系统，其中，从所述半导体处理设备测量一个或多个预测参数和一个或多个响应参数还包括：
行使自我诊断测试制程配方，其扰乱所述一个或多个预测参数并测量所述一个或多个响应参数。
12.根据权利要求9至11中任一项所述的系统，其中，所述预测参数包括工具状态可变识别码(SVID)、RF偏压、RF偏压电流、晶圆自我偏置电位(Vdc)、节流阀角度、总流量、静电吸盘(ESC)电流、光学放射数据或红外线辐射数据中的至少一者。
13.根据权利要求9至12中任一项所述的系统，其中，所述响应参数包括衬底支撑座或静电吸盘的温度、RF源功率或RF偏压功率的传送RF功率、导入所述设备的一种或多种气体的气体流量或制程容积压力中的至少一者。
14.根据权利要求9至13中任一项所述的系统，其中，所述设备自动进行所述至少一个自我诊断测试。
15.根据权利要求9至14中任一项所述的系统，更包括：
响应于所述设备需要维护的决定而产生警告。
CN2009801370249A 2008-09-19 2009-09-18 自我诊断的半导体设备 Pending CN102160164A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US12/233,838 2008-09-19
US12/233,838 US20100076729A1 (en) 2008-09-19 2008-09-19 Self-diagnostic semiconductor equipment
PCT/US2009/057412 WO2010033761A2 (en) 2008-09-19 2009-09-18 Self-diagnostic semiconductor equipment

Publications (1)

Publication Number Publication Date
CN102160164A true CN102160164A (zh) 2011-08-17

Family

ID=42038532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009801370249A Pending CN102160164A (zh) 2008-09-19 2009-09-18 自我诊断的半导体设备

Country Status (6)

Country Link
US (1) US20100076729A1 (zh)
JP (1) JP2012503339A (zh)
KR (1) KR20110073527A (zh)
CN (1) CN102160164A (zh)
TW (1) TW201028808A (zh)
WO (1) WO2010033761A2 (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104979244A (zh) * 2014-04-10 2015-10-14 株式会社荏原制作所 基板处理装置
CN105374715A (zh) * 2014-08-19 2016-03-02 东京毅力科创株式会社 基板处理装置和基板处理方法
CN107689318A (zh) * 2016-08-03 2018-02-13 朗姆研究公司 监测等离子体处理系统和工艺与工具控制的方法和系统
CN110073057A (zh) * 2016-12-28 2019-07-30 纳博特斯克有限公司 异物去除装置的监视系统、异物去除系统以及异物去除装置的监视方法
CN110544651A (zh) * 2018-05-29 2019-12-06 佳能株式会社 基板处理系统、其控制方法、存储介质和物品的制造方法
CN114002574A (zh) * 2021-10-29 2022-02-01 上海华力微电子有限公司 半导体结构的测试方法
TWI782231B (zh) * 2018-09-12 2022-11-01 美商應用材料股份有限公司 用於半導體及顯示器工序設備工具中的設備健康監測及錯誤偵測的深度自動編碼器
CN115307841A (zh) * 2022-09-29 2022-11-08 江苏邑文微电子科技有限公司 腔内漏率测试的自动控制方法和装置

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8335582B2 (en) * 2008-05-19 2012-12-18 Applied Materials, Inc. Software application to analyze event log and chart tool fail rate as function of chamber and recipe
US8527080B2 (en) * 2008-10-02 2013-09-03 Applied Materials, Inc. Method and system for managing process jobs in a semiconductor fabrication facility
US8989887B2 (en) * 2009-02-11 2015-03-24 Applied Materials, Inc. Use of prediction data in monitoring actual production targets
JP5575507B2 (ja) * 2010-03-02 2014-08-20 株式会社日立国際電気 基板処理装置、基板搬送方法、半導体装置の製造方法および基板処理装置のメンテナンス方法
EP2601413B1 (en) * 2010-08-05 2019-01-16 Ebara Corporation Exhaust system
US8560106B2 (en) * 2010-11-30 2013-10-15 Applied Materials, Inc. Predictive maintenance for third party support equipment
KR101933234B1 (ko) * 2011-01-20 2018-12-27 히타치 긴조쿠 가부시키가이샤 온보드 진단, 예측 및 데이터 로깅 기능을 가진 질량 유량 제어기
CN105793732B (zh) 2013-12-04 2020-02-07 皇家飞利浦有限公司 成像探测器自我诊断电路
KR102459432B1 (ko) 2015-06-16 2022-10-27 삼성전자주식회사 기판 제조 설비 및 그의 관리 방법
US9542646B1 (en) 2016-01-27 2017-01-10 International Business Machines Corporation Drift annealed time series prediction
US10430531B2 (en) * 2016-02-12 2019-10-01 United Technologies Corporation Model based system monitoring
US11054815B2 (en) * 2016-03-11 2021-07-06 Applied Materials, Inc. Apparatus for cost-effective conversion of unsupervised fault detection (FD) system to supervised FD system
KR102581356B1 (ko) * 2016-08-30 2023-09-21 삼성전자주식회사 기판 처리 장치의 이상 진단 방법 및 이를 수행하기 위한 장치
KR101918728B1 (ko) * 2016-09-26 2018-11-14 에이피시스템 주식회사 공정 부산물 처리 장치 및 이를 이용한 포집부의 교체 시기 판단 방법
TWI644190B (zh) * 2017-06-29 2018-12-11 台灣積體電路製造股份有限公司 製程系統與製程方法
JP6676020B2 (ja) 2017-09-20 2020-04-08 株式会社日立ハイテク プラズマ処理装置及びプラズマ処理装置状態予測方法
US11768984B2 (en) 2020-09-22 2023-09-26 Applied Materials, Inc. Parameter sensing and computer modeling for gas delivery health monitoring

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050095774A1 (en) * 2003-09-08 2005-05-05 Yukihiro Ushiku Semiconductor device manufacturing system and method for manufacturing semiconductor devices
KR20060054646A (ko) * 2004-11-15 2006-05-23 삼성전자주식회사 반도체 제조 시스템의 자기진단 방법
US20060155410A1 (en) * 2005-01-10 2006-07-13 Applied Materials Inc. Spilt-phase chamber modeling for chamber matching and fault detection
US20070061652A1 (en) * 2005-09-01 2007-03-15 Tokyo Electron Limited, Tbs Broadcast Center Built-in self test for a thermal processing system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050095774A1 (en) * 2003-09-08 2005-05-05 Yukihiro Ushiku Semiconductor device manufacturing system and method for manufacturing semiconductor devices
KR20060054646A (ko) * 2004-11-15 2006-05-23 삼성전자주식회사 반도체 제조 시스템의 자기진단 방법
US20060155410A1 (en) * 2005-01-10 2006-07-13 Applied Materials Inc. Spilt-phase chamber modeling for chamber matching and fault detection
US20070061652A1 (en) * 2005-09-01 2007-03-15 Tokyo Electron Limited, Tbs Broadcast Center Built-in self test for a thermal processing system

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104979244A (zh) * 2014-04-10 2015-10-14 株式会社荏原制作所 基板处理装置
CN105374715A (zh) * 2014-08-19 2016-03-02 东京毅力科创株式会社 基板处理装置和基板处理方法
CN107689318B (zh) * 2016-08-03 2019-12-06 朗姆研究公司 监测等离子体处理系统和工艺与工具控制的方法和系统
CN107689318A (zh) * 2016-08-03 2018-02-13 朗姆研究公司 监测等离子体处理系统和工艺与工具控制的方法和系统
CN110073057B (zh) * 2016-12-28 2021-12-14 纳博特斯克有限公司 异物去除系统以及异物去除装置的监视方法
CN110073057A (zh) * 2016-12-28 2019-07-30 纳博特斯克有限公司 异物去除装置的监视系统、异物去除系统以及异物去除装置的监视方法
CN110544651A (zh) * 2018-05-29 2019-12-06 佳能株式会社 基板处理系统、其控制方法、存储介质和物品的制造方法
CN110544651B (zh) * 2018-05-29 2023-02-28 佳能株式会社 基板处理系统、其控制方法、存储介质和物品的制造方法
TWI782231B (zh) * 2018-09-12 2022-11-01 美商應用材料股份有限公司 用於半導體及顯示器工序設備工具中的設備健康監測及錯誤偵測的深度自動編碼器
US11568198B2 (en) 2018-09-12 2023-01-31 Applied Materials, Inc. Deep auto-encoder for equipment health monitoring and fault detection in semiconductor and display process equipment tools
US11948061B2 (en) 2018-09-12 2024-04-02 Applied Materials, Inc. Deep auto-encoder for equipment health monitoring and fault detection in semiconductor and display process equipment tools
CN114002574A (zh) * 2021-10-29 2022-02-01 上海华力微电子有限公司 半导体结构的测试方法
CN115307841A (zh) * 2022-09-29 2022-11-08 江苏邑文微电子科技有限公司 腔内漏率测试的自动控制方法和装置
CN115307841B (zh) * 2022-09-29 2022-12-30 江苏邑文微电子科技有限公司 腔内漏率测试的自动控制方法和装置

Also Published As

Publication number Publication date
WO2010033761A2 (en) 2010-03-25
TW201028808A (en) 2010-08-01
KR20110073527A (ko) 2011-06-29
US20100076729A1 (en) 2010-03-25
JP2012503339A (ja) 2012-02-02
WO2010033761A3 (en) 2010-07-01

Similar Documents

Publication Publication Date Title
CN102160164A (zh) 自我诊断的半导体设备
EP1639632B1 (en) Method of monitoring a processing system
JP4795957B2 (ja) 半導体製造プロセスを制御する第１の原理シミュレーションを用いたシステム及び方法。
US8014991B2 (en) System and method for using first-principles simulation to characterize a semiconductor manufacturing process
JP5095999B2 (ja) 半導体処理ツールによって実行されるプロセスを分析する第１の原理シミュレーションを使用するシステム及び方法。
JP4740142B2 (ja) 半導体製造プロセスを容易にする第１の原理シミュレーションを用いたシステム及び方法
JP4448335B2 (ja) プラズマ処理方法及びプラズマ処理装置
TWI295755B (en) Method, apparatus and system for dynamically adjusting a process target setting and computer readable program storage device and coded with instructions
JP6860547B2 (ja) 半導体装置のためのチャンバ性能マッチングのための方法論
JP2007507888A (ja) 半導体製造プロセスを制御するために第１の原理シミュレーションを用いたシステム及び方法。
JP4317701B2 (ja) 処理結果の予測方法及び予測装置
US20070055403A1 (en) Methods of and apparatuses for maintenance, diagnosis, and optimization of processes
US11378426B2 (en) System and method for monitoring sensor linearity as part of a production process
JP2004335841A (ja) プラズマ処理装置の予測装置及び予測方法
US20090112520A1 (en) Self-aware semiconductor equipment
TWI280603B (en) Manufacturing system of semiconductor device and manufacturing method of semiconductor device
JPWO2003003437A1 (ja) 処理結果の予測方法および処理装置
Liamanond et al. Production data based optimal etch time control design for a reactive ion etching process
CN105097582A (zh) 一种监测晶圆固定器应力的方法
Yan et al. Multi-zone thermal processing in semiconductor manufacturing: Bias estimation
Shieh Meta-Learning and TCAD-Assisted Sampling in Semiconductor Laser Annealing

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20110817