CN116057675A - 诊断装置以及诊断方法、和等离子处理装置以及半导体装置制造系统 - Google Patents
诊断装置以及诊断方法、和等离子处理装置以及半导体装置制造系统 Download PDFInfo
- Publication number
- CN116057675A CN116057675A CN202180013829.3A CN202180013829A CN116057675A CN 116057675 A CN116057675 A CN 116057675A CN 202180013829 A CN202180013829 A CN 202180013829A CN 116057675 A CN116057675 A CN 116057675A
- Authority
- CN
- China
- Prior art keywords
- degree
- plasma processing
- degradation
- robustness
- processing apparatus
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 133
- 239000004065 semiconductor Substances 0.000 title claims description 16
- 238000004519 manufacturing process Methods 0.000 title claims description 15
- 238000002405 diagnostic procedure Methods 0.000 title claims description 12
- 230000015556 catabolic process Effects 0.000 claims abstract description 223
- 238000006731 degradation reaction Methods 0.000 claims abstract description 223
- 238000012423 maintenance Methods 0.000 claims abstract description 68
- 230000006866 deterioration Effects 0.000 claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims description 32
- 238000003745 diagnosis Methods 0.000 claims description 27
- 230000008569 process Effects 0.000 claims description 19
- 238000009832 plasma treatment Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 110
- 238000003860 storage Methods 0.000 description 36
- 238000000605 extraction Methods 0.000 description 33
- 235000012431 wafers Nutrition 0.000 description 16
- 230000008859 change Effects 0.000 description 11
- 239000002243 precursor Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000014509 gene expression Effects 0.000 description 8
- 230000007704 transition Effects 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
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
- 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
- H01J37/32963—End-point detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
-
- 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
-
- 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
- H01J37/32431—Constructional details of the reactor
- H01J37/32798—Further details of plasma apparatus not provided for in groups H01J37/3244 - H01J37/32788; special provisions for cleaning or maintenance of the apparatus
- H01J37/3288—Maintenance
-
- 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 potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
- H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Plasma & Fusion (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Drying Of Semiconductors (AREA)
Abstract
诊断装置使用来自对样品进行等离子处理的等离子处理装置中具备的状态传感器的信息来诊断构成所述等离子处理装置的部件的劣化状态,具备如下要素而构成:执行部,其基于来自状态传感器的信息来运算并求取构成等离子处理装置的部件的劣化度;和分析部,其设定用于基于来自状态传感器的信息在执行部运算并求取劣化度的运算的条件,并且基于在执行部运算并求得的构成等离子处理装置的部件的劣化度的信息来求取等离子处理装置的保养时期,能按每个部件决定强健性高的劣化度运算条件。
Description
技术领域
本发明涉及通过等离子对半导体的晶片进行加工的等离子处理装置的诊断装置以及诊断方法、和等离子处理装置以及半导体装置制造系统。
背景技术
等离子处理装置是如下那样的装置:为了在半导体的晶片上形成微细形状而进行如下的等离子处理:将物质等离子化,通过该物质的作用除去晶片上的物质。在等离子处理装置中,通常以晶片的处理片数等为基准定期进行装置内的清洁、部件的更换这样的保养。但由于与经年变化、使用方法相应的反应副生成物的蓄积等相伴的部件的劣化,会发生规划外的保养作业。为了削减规划外保养所引起的非工作时间,谋求逐次监控部件的劣化状态,对应于其劣化状态来进行清洁、更换等的早期对策。
为了实现这样的早期对策,在等离子处理装置的诊断装置中,一般使用由从附加在等离子处理装置的多个状态传感器逐次取得的多个传感器项目构成的时间序列信号即传感器值,根据距正常状态的偏离程度来诊断劣化状态,与预先设定的阈值进行比较并发出警报。例如,在国际公开WO2018/061842号说明书(专利文献1)中记载了“异常探测装置通过对将观测值汇总的摘要值运用统计建模,来推测从摘要值除去了噪声的状态,基于该推测来生成预测了提早一步的摘要值的预测值。异常探测装置基于预测值来探测监视对象装置的异常有无”。
此外,作为根据由多个传感器项目构成的传感器值来运算对于劣化状态的推定而言有效的特征量(以下称作劣化度)的方法,例如在JP特开2020-31096号公报(专利文献2)中记载了“在预测等离子处理装置的状态的状态预测装置中,根据正常的状态的所述等离子处理装置的被监控的数据求取表示所述等离子处理装置的状态的第一特征量,根据所述等离子处理装置的被监控的数据求取表示所述等离子处理装置的状态的第二特征量,使用所述第一特征量来运算所求取的所述第二特征量,所运算的所述第二特征量的从大起依次选择的特征量”。
现有技术文献
专利文献
专利文献1:国际公开WO2018/061842号说明书
专利文献2:JP特开2020-31096号公报
发明内容
发明要解决的课题
在专利文献1中记载了使用传感器值的摘要值来探测装置运用中的异常的方法,但并未记载按每个部件诊断劣化状态的方法。在以诊断部件的劣化状态并采取早期对策为目的的情况下,由于在每个部件中,劣化的前兆、即传感器值的变化的形式不同,需要规定运算根据多个传感器项目的传感器值按每个部件更良好地示出劣化的前兆的劣化度的条件。
此外,在专利文献2中,并未设想将所规定的劣化度运算条件运用到多个等离子处理装置中。在所述目的的情况下,需要有能将按每个部件规定的劣化度运算条件运用在多个等离子处理装置中这样的性质(以下称作强健性)。
因此,在本发明中,目的在于,为了解决上述的现有技术的课题,提供能按每个部件决定强健性高的劣化度运算条件的诊断装置以及诊断方法、和等离子处理装置以及半导体装置制造系统。
用于解决课题的手段
为了解决上述课题,在本发明中,诊断装置诊断等离子处理装置的部件的劣化状态,具备如下要素而构成:分析部,其求取对部件的劣化度进行运算的多个运算条件下的针对各个部件的强健度,根据该求得的强健度来对各个部件从多个运算条件选择一个运算条件,使用该选择的运算条件来诊断各个部件的劣化状态。
此外,为了解决上述课题,在本发明中,等离子处理装置具备:处理室,其对样品进行等离子处理;高频电源,其供给用于生成等离子的高频电力;和样品台,其载置样品,该等离子处理装置还具备:诊断装置,其求取对部件的劣化度进行运算的多个运算条件下的针对各个部件的强健度,根据该求得的强健度来对各个部件从多个运算条件选择一个运算条件,使用该选择的运算条件来诊断各个部件的劣化状态。
进而,为了解决上述课题,在本发明中,等离子处理装置具备:处理室,其对样品进行等离子处理;高频电源,其供给用于生成等离子的高频电力;和样品台,其载置样品,特征在于,该等离子处理装置与诊断装置连接,该诊断装置求取对部件的劣化度进行运算的多个运算条件下的针对各个部件的强健度,根据该求得的强健度对各个部件从多个运算条件选择一个运算条件,使用该选择的运算条件来诊断各个部件的劣化状态。
进而,为了解决上述课题,在本发明中,诊断方法诊断等离子处理装置的部件的劣化状态,特征在于,该诊断方法具有如下工序:求取对所述部件的劣化度进行运算的多个运算条件下的针对各个部件的强健度;根据所求得的强健度来对各个部件从多个运算条件选择一个运算条件;使用所选择的运算条件来诊断各个部件的劣化状态。
进而,为了解决上述课题,在本发明中,半导体装置制造系统具备:平台,其经由网络与半导体制造装置连接,执行诊断半导体制造装置的部件的劣化状态的诊断处理,特征在于,该诊断处理具有以下步骤:求取对部件的劣化度进行运算的多个运算条件下的针对各个部件的强健度,根据所求得的强健度来对各个部件从多个运算条件选择一个运算条件;和使用所选择的运算条件来诊断各个部件的劣化状态。
发明的效果
根据本发明,例如等离子处理装置、其诊断装置的用户能按每个部件得到强健性高的劣化度运算条件,能诊断等离子处理装置群的部件劣化状态。
上述以外的课题、结构以及效果通过以下的实施方式的说明而得以明确。
附图说明
图1是表示本发明的实施例所涉及的等离子处理装置以及诊断装置的概略的结构的框图。
图2是将本发明的实施例所涉及的存放于保养历史记录存储部的数据的示例表示成表形式的图。
图3是将本发明的实施例所涉及的存放于诊断装置的传感器值存储部的数据的示例表示成表形式的图。
图4是本发明的实施例所涉及的劣化度运算部中的求取诊断对象部件的劣化度的处理的流程的流程图。
图5是表示本发明的实施例所涉及的分析部中的处理的流程的流程图。
图6是表示本发明的实施例所涉及的诊断装置的劣化度运算条件群的设定处理的流程的流程图。
图7是将本发明的实施例所涉及的存放于诊断装置的区间提取条件存储部的数据表示成表形式的图。
图8的(a)是表示在示出每个传感器的传感器值与时间的关系的图表中通过触发设定提取传感器值的时间区间的处理的示例的图,(b)是表示在示出每个传感器的传感器值与时间的关系的图表中通过窗口移动来提取传感器值的时间区间的处理的示例的图。
图9的(a)是表示正常时的每个传感器的传感器值与时间的关系的图表,(b)是表示劣化时的每个传感器的传感器值与时间的关系的图表。
图10是表示本发明的实施例所涉及的诊断装置的劣化度运算条件决定处理的流程的流程图。
图11是输出本发明的实施例所涉及的诊断装置中的劣化度强健度运算部的运算结果的显示画面的正面图。
图12是表示本发明的实施例所涉及的诊断装置的保养时期运算处理的流程的流程图。
图13是显示本发明的实施例所涉及的诊断装置的保养时期运算部的处理的结果的显示画面的正面图。
具体实施方式
本发明在取得等离子处理装置的对象部件的时间序列传感器值并诊断劣化状态的等离子处理装置的诊断装置以及其方法中,从由多个时间 区间与劣化度运算式的组合构成的多个劣化度运算条件中,基于通过所述劣化度的多个保养事例间的比较运算而算出的劣化度强健度来决定对对象部件运用的劣化度运算条件,基于在等离子处理装置群中在所述劣化度运算条件下逐次运算的对象部件的劣化度来发出保养警报。
此外,本发明是等离子处理装置,具备诊断装置,其从由多个时间区间与劣化度运算式的组合构成的多个劣化度运算条件中,基于通过所述劣化度的多个保养事例间的比较运算而算出的劣化度强健度来决定对对象部件运用的劣化度运算条件,基于在等离子处理装置群中在所述劣化度运算条件下逐次运算的对象部件的劣化度来发出保养警报。
在本发明中,具备如下要素来构成等离子处理装置的诊断装置:劣化度强健度运算部,其将在对象部件的多个劣化度运算条件下运算的劣化度取得多个保养事例的相应量,运算按每个运算条件预先定义的劣化度强健度,并输出基于劣化度强健度赋予了顺位的运算条件;每个部件区间提取条件设定部,在每个部件区间提取条件设定部中设定针对对象部件的多个时间区间(步长时间区间)提取条件;和劣化度运算式登记部,其登记多个用于捕捉多样的劣化前兆的劣化度运算式。
另外,本发明在从等离子处理装置的压力、电流等状态传感器取得多个项目的传感器值来诊断构成等离子处理装置的对象保养部件的劣化状态的诊断装置中,从由多个时间区间与多个劣化度运算式的组合构成的劣化度运算条件群中,基于进行等离子处理装置中保养对象部件的多个事例间的劣化度的比较运算而算出的劣化度强健度来预先决定对对象部件运用的劣化度运算条件,基于对诊断对象的等离子处理装置群运用该劣化度运算条件而逐次运算的对象部件的劣化度来发出保养警报,或者提示保养推荐时期,从而能按每个部件来决定能对多个等离子处理装置运用的强健性高的劣化度运算条件。
以下参考附图来说明本发明的实施方式。另外,在用于说明实施方式的全部图中,对于相同部分原则上标注相同附图标记,省略其重复的说明。
实施例
(1)等离子处理装置
如图1的结构图所示那样,本实施例中等离子处理装置群1按照预先设定的处理条件使等离子100产生,来对晶片(样品101)进行处理。此外,具有状态传感器群102,能取得晶片加工中或空闲中的传感器值(例如温度、压力)的测定值,作为时间序列数据。
(2)诊断装置
如图1的结构图所示那样,诊断装置由如下要素构成:等离子处理装置用户侧诊断装置2(以下仅记作诊断装置2),其具备对等离子处理装置群1的各等离子处理装置执行处理的执行部20;和等离子处理装置制造商侧诊断装置3(以下仅记作诊断装置3),其具备对等离子处理装置群1进行分析的分析部30。诊断装置2与等离子处理装置群1直接或经由网络连接,诊断装置3与诊断装置2经由网络连接。
此外,诊断装置2例如与等离子处理装置用户服务器4直接或经由网络连接,能发送输出结果并在显示部42进行显示,或者接收保养历史记录存储部41的信息。
图2是存放于保养历史记录存储部41的数据210的示例。例如,存放分别识别保养对象的装置、部件、作业(更换、清扫等)的工具ID211、部件ID212、作业ID213。此外,还一并存放实施保养作业的日期时间 214、作业时间215。
采取以下的方式:诊断装置2例如由等离子处理装置群1的用户保持,诊断装置3例如由等离子处理装置制造商保持。通过采取这样的方式,能将诊断装置2与等离子处理装置群1相邻设置,能低延迟地执行从状态传感器群102得到的传感器值的取得以及劣化度的运算。此外,装置制造商设定劣化度运算条件,装置用户不进行劣化度运算条件的设定就能得到诊断对象部件的劣化度诊断结果。此外,通过从诊断装置2对诊断装置3不是发送全部传感器值而是发送劣化度运算结果,也能实施本实施例,装置用户抑制了传感器值向装置制造商侧的公开。
诊断装置2的执行部20具有具备传感器值存储部203和劣化度存储部204的存储部202,还具有区间提取部200、劣化度运算部201。
诊断装置3的分析部30具有具备区间提取条件存储部306、劣化度运算式存储部307、劣化度运算条件存储部308的存储部305,还具有区间提取条件设定部301、劣化度运算式登记部302、劣化度强健度运算部303、保养时期运算部304。
诊断装置2的存储部202中的传感器值存储部203存储从状态传感器群102取得的传感器值。图3是表示存放于传感器值存储部203的处理中数据310的示例的图。按每个传感器项目314将传感器值的测定值和其取得日期时间313一起作为时间序列数据进行存储。此外,与传感器值一起存储例如晶片ID311、处理条件ID312等确定处理、处理对象的识别信息。晶片ID311是用于识别进行了处理的晶片(样品101)的信息。处理条件ID312是用于识别进行处理时的等离子处理装置的设定、工序步骤的信息。
在图4示出在劣化度运算部201中求取诊断对象部件的劣化度的处理的流程。劣化度运算部201首先从传感器值存储部203取得诊断对象部件正常时(例如刚保养后起一定期间)对晶片(样品101)群进行处理时的状态传感器群102的传感器值(S401),取得对诊断时的晶片(样品101)进行了处理时的状态传感器群102的传感器值(S402)。此外,劣化度运算部201取得由时间区间和劣化度运算式构成的劣化度运算条件(S403),其中该时间区间是从存放于劣化度运算条件存储部308的按每个诊断对象部件设定的处理条件内的传感器值提取的。
进而,劣化度运算部201通过区间提取部200按照劣化度运算条件从传感器值提取设定的时间区间的数据(S404),使用S403中取得的劣化度运算条件的劣化度运算式来运算诊断对象部件的劣化度(S405),将运算结果存放到劣化度存储部204(S406)。这时,将识别所使用的劣化度运算条件的处理条件ID312以及与劣化度一对一对应的诊断时的晶片ID311也一并存放到劣化度存储部204。
接下来,在图5的流程图中示出在分析部30的各部进行的处理的流程。在分析部30中,首先设定劣化度运算条件群(S510),从该设定的劣化度运算条件群中决定劣化度运算条件(S520),进行使用该决定的劣化度运算条件来求取保养时的装置部件的劣化度的运算处理(S530)。
以下说明各步骤的细节。处理内容以后详细说明。
(3)劣化度运算条件群的设定处理:S510
参考图6来说明诊断装置3的分析部30所进行的劣化度运算条件群的设定处理的示例。
首先,在区间提取条件设定部301中设定特定的处理条件下的对象部件的传感器值的多个时间区间提取条件,并存储到区间提取条件存储部306(S511)。为了能在等离子处理装置群1彼此比较劣化度,处理条件期望指定例如整顿等离子处理装置的等离子状态的老化处理、装置诊断用的处理等在等离子处理装置群1中共通地进行的处理条件。
在图7示出存储于区间提取条件存储部306的部件ID510为C1的情况的时间区间提取条件500的示例。区间ID501是识别时间区间提取条件的信息。在处理条件ID502中存放所指定的处理条件ID。例如,图中的区间ID501为1的情况的时间区间提取条件500是如下那样的时间区间提取条件:将图3所示的处理中数据310中的传感器项目314为x5的传感器值超过9.9的情况设为触发1(t1):505,将传感器项目314为x0的传感器超过0.0的情况设为触发2(t2):506,将满足作为提取条件式503的t1和t2的条件的时间点作为起点,将0.0到5.0sec的时间区间设为提取区间504。时间区间提取条件500可以将触发设定如触发1(t1):505、触发2(t2):506那样单独地进行设定,也可以以指定的窗口宽度(例如10sec),时间区间0.0到10.0sec、1.0到11.0sec、…这样一点一点使窗口移动的同时,自动设定多个时间区间提取条件。
在图8示出区间提取部200按照区间提取条件存储部306的时间区间提取条件来提取传感器值的时间区间的处理的示例。
图8的(a)是在图7所示的时间区间提取条件500的区间ID501为1的区间提取条件下提取传感器值的时间区间的示例,图表610是表示传感器x5的输出611的时间变化的图表,图表620是表示传感器x0的输出621的时间变化的图表,图表630是表示传感器x1的输出631的时间变化的图表。按照分别设定为触发1:505、触发2:506的传感器值x5、传感器x0的值来提取时间区间601。
图8的(b)是在通过窗口移动自动设定的时间区间提取条件下提取传感器值的时间区间602的示例,图表650与图表610同样是表示传感器x5的输出651的时间变化的图表,图表660与图表620同样是表示传感器x0的输出661的时间变化的图表,图表670与图表630同样是表示传感器x1的输出671的时间变化的图表。
接下来,回到图6的流程图,在劣化度运算式登记部302中登记多个捕捉劣化前兆的劣化度运算式,并存储到劣化度运算式存储部307(S512)。将识别所登记的劣化度运算式的信息即式ID也一并存储到劣化度运算式存储部307。劣化度运算式是以正常时以及诊断时的时间区间提取后的传感器值为输入而输出距诊断时的传感器值的正常时的传感器值的偏离程度作为劣化度的运算式,是运算程序。作为劣化度运算式,能使用有效利用了作为机器学习手法的k最邻近法、奇异谱变换法、或作为统计建模手法的状态空间模型的手法。
最后,将S511中对对象部件设定的多个时间区间提取条件(区间ID501)与存储于劣化度运算式存储部307的多个劣化度运算式(式ID)的组合作为劣化度运算条件群,存储到劣化度运算条件存储部308。对于各劣化度运算条件,还一并存储唯一识别它们的劣化度运算条件ID(S513)。
图9是表示劣化前兆的示例的图。所谓劣化前兆,是图9的(a)所示的正常时和图9的(b)所示的劣化时的传感器波形的变化。图表710、730以及720、740分别是相同的传感器项目的相同处理条件内的传感器值的时间序列波形的示例,图表710的波形711、图表720的波形721是正常时的波形的示例,图表730的波形731、图表740的波形741是劣化时的波形的示例。
既有如图表710的波形711、图表730的波形731那样,遍及处理时间内的全时间区间呈现劣化前兆的传感器项目,也有如图表720的波形721中的峰值波形722、图表740的波形741中的峰值波形742那样,在处理时间内的非常局部的时间区间呈现劣化前兆的传感器项目。因此,若不合适地进行时间区间提取,就存在劣化诊断的灵敏度降低的可能性。
在图6的流程图的S512,例如,对于等离子生成中所使用的部件,按每个部件设定适于捕捉劣化前兆的时间区间,以使得能以生成等离子的时间为起点提取数秒的时间区间。如此地按每个部件设定呈现劣化前兆的可能性高的时间区间提取以及通过基于窗口移动的包罗性的时间区间提取来设定多个时间区间提取条件,由此,能防止劣化诊断的灵敏度降低。
此外,如图9所示的示例那样,劣化前兆即传感器波形变化的种类也存在多种。由于对于由劣化度运算手法探测的波形变化的种类有擅长和不擅长,因此,通过在S513登记多个劣化度运算式,即使是有多样的劣化前兆的情况,也能进行劣化诊断。
(4)劣化度运算条件决定处理:S520
参考图10所示的流程图,来说明诊断装置3的分析部30所进行的劣化度运算条件决定处理的示例。
首先,使用从存储于传感器值存储部203的对象部件的刚保养后的正常状态到保养来临为止的传感器值(以下称作保养事例)、和存储于劣化度运算条件存储部308的劣化度运算条件群在劣化度运算部201中运算劣化度,并存储到劣化度存储部204,能得到在该保养事例中运用了各劣化度运算条件的情况的劣化度的推移(S521)。
接下来,对对象部件的多个保养事例进行S521,来得到对多个保养事例的传感器值进行运算并存储到劣化度存储部204的劣化度(的推移)(S522)。关于多个保养事例的传感器值,可以从多个等离子处理装置10、11、…收集多个保养事例,也可以从单一的等离子处理装置10或11收集多个保养事例。此外,对各保养事例赋予能唯一识别其的事例ID。
接下来,使用S522中得到的多个保养事例的劣化度,在劣化度强健度运算部303中按每个劣化度运算条件来运算劣化度强健度(S523)。劣化度强健度使用多个保养事例的相同的劣化度运算条件下的劣化度来运算,是表示跨越在该劣化度运算条件下运算的劣化度的事例间的倾向的共通性的高度的指标。
劣化度强健度运算部303中的劣化度强健度的运算方法并非唯一限定,例如,劣化度由于其性质上期望在一个保养事例间单调增加,期望晶片ID(晶片处理片数)与劣化度的相关系数高,因此,运算对各保养事例运算的相关系数的跨越多个保养事例的平均值,作为劣化度强健度。
此外,例如,作为保养时的劣化度的值的共通性的高度,可以运算保养时的劣化度的跨越多个保养事例的标准偏差的倒数,作为劣化度强健度,也可以组合上述的劣化度强健度的运算方法。
运算的劣化度强健度在劣化度运算条件存储部308中与劣化度运算条件ID以及运算中所用的传感器值的事例ID建立对应地存储。
最后,在劣化度运算式登记部302中,按照按每个劣化度运算条件运算的劣化度强健度的降序来将劣化度运算条件附加顺位(S524)。
在图11示出针对劣化度强健度运算部303的输出的显示画面900的示例。在显示画面900显示各劣化度运算条件的劣化度比较区域910和正常时/诊断时的传感器值比较区域920。
在各劣化度运算条件的劣化度比较区域910,取得存放于劣化度运算条件存储部308和劣化度存储部204的与部件ID:911对应的信息,将使用各劣化度运算条件(劣化度运算条件ID)对各保养事例的传感器值(事例ID)914、917运算的劣化度的推移显示在图表915、916、918、919,还一并显示劣化度强健度的值912(D1)。与右侧的劣化度运算条件ID:23132相比,左侧的劣化度运算条件ID:503131成为劣化度强健度更高的劣化度运算条件,能在图表915、916、918、919确认强健性高的劣化度运算条件和针对该条件的劣化度的推移状况,用户能看着这个来决定强健度高的劣化度运算条件。
此外,通过如9181那样选择按每个晶片ID运算的各劣化度,能在正常时/诊断时的传感器值比较区域920,将与所选择的部件ID921和事例ID922对应的提取区间926中的正常时923的传感器值924和诊断时927的传感器值928进行比较。用户看着这个,能根据传感器值的峰值波形925和929的变化来判断例如劣化度变高的理由。
通过以上的处理,能在对象部件的劣化诊断中得到劣化度强健度高的劣化度运算条件,作为强健性高的劣化度运算条件,将其存储到劣化度运算条件存储部308。
(5)保养时期的运算处理:S530
参考图12的流程图,来说明诊断装置3的保养时期的运算处理的示例。
首先,在各部件,基于劣化度强健度,来决定诊断中所用的劣化度运算条件(S531)。可以决定为劣化度强健度最大的劣化度运算条件,也可以作为在图11的显示画面900中确认在诊断时的传感器值比较区域920中标示的正常时923的传感器值924和诊断时927的传感器值928的结果,从劣化度强健度上位的劣化度运算条件中,通过与部件知识对照,来决定信服感高的劣化度运算条件。
接下来,预先按每个部件设定发出警报的劣化度的阈值(S532)。例如,收集多个保养事例的保养时或比保养时靠前一定期间的时间点的劣化度的值,使用其95百分比值。百分比值的使用、“95”这样的值是一例,并不限定于此。
接下来,对等离子处理装置群1运用存储于劣化度运算条件存储部308的各部件的劣化度运算条件,使用逐次取得的传感器值和劣化度运算条件,在劣化度运算部201逐次运算每个部件的劣化度(S533)。
在运算出劣化度的时间点,在该值超过所设定的阈值的情况下,如图11所示的显示画面1100中的区域1120那样发出警报,促使与该劣化度对应的部件的保养(S534)。在图13示出针对保养时期的运算处理的输出的显示画面1100的示例。按照按每个部件(部件ID1103、1108)决定的劣化度运算条件1104、1109而运算出的劣化度的逐次运算结果1105、1106、1110、1111跨越多个等离子处理装置1101、1102进行合并显示。此外,按部件ID1103、1108、劣化度运算条件ID1104、1109的每个组来显示S31中设定的阈值1107。
用户能看着该显示画面1100来对等离子处理装置群1的各保养对象部件的劣化状态进行统一管理,通过基于所发出的警报进行对保养对象部件的早期保养,能有利于规划外保养所引起的等离子处理装置群1的非工作时间削减。
此外,说明基于阈值1107来在区域1120发出警报的方法,但是例如还能通过基于到诊断时间点为止的劣化度的推移推测诊断时间点以后的劣化度的推移,来预测保养发生时期,并将其显示。用户能看着这个,例如进行保养部件的事前准备,能有利于部件更换时的准备时间缩短。
如以上说明的那样,本实施例中说明的诊断进行样品的加工处理的等离子处理装置的对象部件的劣化状态的诊断装置构成为:从等离子处理装置的对象部件的状态传感器群取得时间序列的传感器值,通过利用了正常时和诊断时的所述传感器值的劣化度运算式来运算劣化度,从等离子处理装置取得多个事例的保养间的传感器值,从由传感器值的多个时间区间与多个劣化度运算式的组合构成的劣化度运算条件群中,基于在劣化度的多个事例间的比较运算中算出的劣化度强健度来决定劣化度运算条件,基于使用在等离子处理装置群中决定的劣化度运算条件而逐次运算的对象部件的劣化度来发出保养警报,或提示保养推荐时期。
此外,本实施例所涉及的诊断装置由等离子处理装置制造商侧诊断装置和所述用户侧诊断装置构成,构成为,等离子处理装置制造商侧诊断装置接收在等离子处理装置群中所附随的等离子处理装置用户侧诊断装置中运算的劣化度,将所决定的劣化度运算条件发送到用户侧诊断装置,用户侧诊断装置将使用劣化度运算条件运算的劣化度发送到等离子处理装置用户的服务器。
进而,在本实施例的诊断装置中,关于对时间序列的传感器值设定的时间区间,以按每个对象部件设定的传感器值的阈值判定为起点自动取得任意的区间宽度,或者,从全时间区间通过预先设定的固定区间宽度的窗口移动来自动取得。
进而,在本实施例的诊断装置中,劣化度强健度是表示劣化度的多个保养事例间的倾向的共通性的高度的指标,在等离子处理装置中取晶片处理片数与劣化度的相关系数,运算跨越多个保养事例的相关系数的平均值,作为劣化度强健度,或者运算多个保养事例中的保养时间点的劣化度的统计量,作为劣化度强健度。
进而,在本实施例的诊断装置中,若指定使用劣化度运算条件运算的劣化度,就将正常时的传感器值和诊断时的传感器值和对时间序列的传感器值设定的时间区间一起进行比较显示。
根据本实施例,由于能基于劣化度强健度运算部中求得的强健度的信息从存储于劣化度运算式存储部的多个运算式中选择算出构成等离子处理装置的部件的劣化度的劣化度运算条件,因此,能以更高的可靠度求取保养的时期。
此外,作为说明的实施例的实施方式,考虑在平台上执行对包含半导体制造装置的生产线进行运用管理的应用的半导体装置制造系统。在该情况下,通过至少使等离子处理装置制造商侧诊断装置3的功能作为平台上的应用来执行处理,能在半导体装置制造系统中实施本实施例。进而,该应用可以设为除了等离子处理装置制造商侧诊断装置3的功能以外,还具有等离子处理装置用户侧诊断装置2的功能以及等离子处理装置用户服务器4的功能的应用。
以上说明了实施例,但本发明并不限定于所述实施例,能在不脱离其要旨的范围内进行种种变更。
附图标记的说明
1 等离子处理装置群
2 等离子处理装置用户侧诊断装置
3 等离子处理装置制造商侧诊断装置
4 等离子处理装置用户服务器
20 执行部
30 分析部
200 区间提取部
301 区间提取条件设定部
302 劣化度运算式登记部
303 劣化度强健度运算部
304 保养时期运算部
42 显示部。
Claims (12)
1.一种诊断装置,诊断等离子处理装置的部件的劣化状态,其特征在于,所述诊断装置具备:
分析部,其求取对所述部件的劣化度进行运算的多个运算条件下的针对各个所述部件的强健度,根据所求取的所述强健度来对各个所述部件从所述多个运算条件选择一个运算条件,使用所选择的所述运算条件来诊断各个所述部件的劣化状态。
2.根据权利要求1所述的诊断装置,其特征在于,
求取被等离子处理的样品的片数与所述劣化度的相关系数的平均值,作为所述强健度。
3.根据权利要求1所述的诊断装置,其特征在于,
所述诊断装置还具备:
显示部,其将与所述等离子处理装置的保养时期相关的警报信息和与保养对象部件的劣化度相关的时间序列数据一起进行显示。
4.一种等离子处理装置,具备:
处理室,其对样品进行等离子处理;
高频电源,其供给用于生成等离子的高频电力;和
样品台,其载置所述样品,
所述等离子处理装置的特征在于,还具备:
诊断装置,其求取对部件的劣化度进行运算的多个运算条件下的针对各个所述部件的强健度,根据所求取的所述强健度来对各个所述部件从所述多个运算条件选择一个运算条件,使用所选择的所述运算条件来诊断各个所述部件的劣化状态。
5.根据权利要求4所述的等离子处理装置,其特征在于,
求取被等离子处理的所述样品的片数与所述劣化度的相关系数的平均值,作为所述强健度。
6.根据权利要求4所述的等离子处理装置,其特征在于,
所述等离子处理装置还具备:
显示部,其将与保养时期相关的警报信息和与保养对象部件的劣化度相关的时间序列数据一起进行显示。
7.一种等离子处理装置,具备:
处理室,其对样品进行等离子处理;
高频电源,其供给用于生成等离子的高频电力;和
样品台,其载置所述样品,
所述等离子处理装置的特征在于,连接有诊断装置,
所述诊断装置求取对部件的劣化度进行运算的多个运算条件下的针对各个所述部件的强健度,根据所求取的所述强健度对各个所述部件从所述多个运算条件选择一个运算条件,使用所选择的所述运算条件来诊断各个所述部件的劣化状态。
8.一种诊断方法,对等离子处理装置的部件的劣化状态进行诊断,其特征在于,所述诊断方法具有如下工序:
求取对所述部件的劣化度进行运算的多个运算条件下的针对各个所述部件的强健度;
根据所求取的所述强健度对各个所述部件从所述多个运算条件选择一个运算条件;和
使用所选择的所述运算条件来诊断各个所述部件的劣化状态。
9.根据权利要求8所述的诊断方法,其特征在于,
求取被等离子处理的样品的片数与所述劣化度的相关系数的平均值,作为所述强健度。
10.根据权利要求8所述的诊断方法,其特征在于,
所述诊断方法还具有如下工序:
将与保养时期相关的警报信息和与保养对象部件的劣化度相关的时间序列数据一起进行显示。
11.一种半导体装置制造系统,具备:
平台,其经由网络与半导体制造装置连接,执行诊断所述半导体制造装置的部件的劣化状态的诊断处理,
所述诊断处理具有如下步骤:
求取对所述部件的劣化度进行运算的多个运算条件下的针对各个所述部件的强健度;
根据所求取的所述强健度来对各个所述部件从所述多个运算条件选择一个运算条件;和
使用所选择的所述运算条件来诊断各个所述部件的劣化状态。
12.根据权利要求11所述的半导体装置制造系统,其特征在于,
将所述诊断处理作为所述平台所具备的应用来执行。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/026208 WO2023286142A1 (ja) | 2021-07-13 | 2021-07-13 | 診断装置及び診断方法並びにプラズマ処理装置及び半導体装置製造システム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116057675A true CN116057675A (zh) | 2023-05-02 |
Family
ID=84919131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180013829.3A Pending CN116057675A (zh) | 2021-07-13 | 2021-07-13 | 诊断装置以及诊断方法、和等离子处理装置以及半导体装置制造系统 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20240213003A1 (zh) |
JP (1) | JP7289992B1 (zh) |
KR (1) | KR20230012453A (zh) |
CN (1) | CN116057675A (zh) |
TW (1) | TW202318475A (zh) |
WO (1) | WO2023286142A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102804929B (zh) * | 2009-06-30 | 2015-11-25 | 朗姆研究公司 | 用于处理室的预测性预防性维护的方法和装置 |
US10269545B2 (en) * | 2016-08-03 | 2019-04-23 | Lam Research Corporation | Methods for monitoring plasma processing systems for advanced process and tool control |
JP6723669B2 (ja) | 2016-09-27 | 2020-07-15 | 東京エレクトロン株式会社 | 異常検知プログラム、異常検知方法および異常検知装置 |
JP6990634B2 (ja) | 2018-08-21 | 2022-02-03 | 株式会社日立ハイテク | 状態予測装置及び半導体製造装置 |
JP6841980B2 (ja) * | 2019-07-30 | 2021-03-10 | 株式会社日立ハイテク | 装置診断装置、プラズマ処理装置及び装置診断方法 |
-
2021
- 2021-07-13 JP JP2022539010A patent/JP7289992B1/ja active Active
- 2021-07-13 US US17/908,306 patent/US20240213003A1/en active Pending
- 2021-07-13 WO PCT/JP2021/026208 patent/WO2023286142A1/ja active Application Filing
- 2021-07-13 CN CN202180013829.3A patent/CN116057675A/zh active Pending
- 2021-07-13 KR KR1020227021048A patent/KR20230012453A/ko not_active Application Discontinuation
-
2022
- 2022-07-12 TW TW111126052A patent/TW202318475A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
KR20230012453A (ko) | 2023-01-26 |
JP7289992B1 (ja) | 2023-06-12 |
JPWO2023286142A1 (zh) | 2023-01-19 |
TW202318475A (zh) | 2023-05-01 |
US20240213003A1 (en) | 2024-06-27 |
WO2023286142A1 (ja) | 2023-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3106949B1 (en) | Monitoring system and monitoring method | |
CN107463161B (zh) | 预测飞行器中的故障的方法和系统以及监控系统 | |
CN108615088B (zh) | 机台零件剩余寿命的预测系统与预测方法 | |
CN107924184B (zh) | 监视装置、监视装置的控制方法以及记录媒体 | |
KR101066973B1 (ko) | 플라즈마처리장치 | |
JP4760240B2 (ja) | 監視結果処理装置、グルーピング方法、作業時間計測システム、制御プログラム、および記録媒体 | |
JP4815956B2 (ja) | 作業監視装置、フィルタリング方法、作業時間計測システム、制御プログラム、および記録媒体 | |
EP1393177A1 (en) | Diagnostic systems and methods for predictive condition monitoring | |
CN109960232B (zh) | 领先辅助参数的选择方法和设备维护预诊断的方法 | |
TWI738411B (zh) | 裝置診斷裝置、電漿處理裝置及裝置診斷方法 | |
EP3451245A1 (en) | Information processing device and information processing method | |
JP2010283000A (ja) | 半導体製造における装置異常の予兆検知方法 | |
JP2006146459A (ja) | 半導体デバイスの製造方法および製造システム | |
EP3416012B1 (en) | Monitoring device, and method for controlling monitoring device | |
JP2010218301A (ja) | 異常診断装置、異常診断方法及び異常診断プログラム | |
CN116057675A (zh) | 诊断装置以及诊断方法、和等离子处理装置以及半导体装置制造系统 | |
CN114051600A (zh) | 具有诊断电路的真空系统以及用于监视这种真空系统的健康的方法和计算机程序 | |
CA2598841A1 (en) | State initialization for gas turbine engine performance diagnotics | |
CN114096972A (zh) | 装置诊断装置、装置诊断方法、等离子处理装置以及半导体装置制造系统 | |
TWI644222B (zh) | Quality analysis device and quality analysis method | |
Ison et al. | Robust fault detection and fault classification of semiconductor manufacturing equipment | |
CN116897411A (zh) | 诊断装置、诊断方法、半导体制造装置系统以及半导体装置制造系统 | |
CN117063065A (zh) | 诊断装置、半导体制造装置系统、半导体装置制造系统以及诊断方法 | |
KR20030021324A (ko) | 반도체제조장치의 감시 및 제어방법과 그 실시장치 | |
JP2007051982A (ja) | 診断対象物の評価方法および評価装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |