JP2002231597A - ツール故障監視用の故障検出および仮想センサ法 - Google Patents
ツール故障監視用の故障検出および仮想センサ法Info
- Publication number
- JP2002231597A JP2002231597A JP2001280353A JP2001280353A JP2002231597A JP 2002231597 A JP2002231597 A JP 2002231597A JP 2001280353 A JP2001280353 A JP 2001280353A JP 2001280353 A JP2001280353 A JP 2001280353A JP 2002231597 A JP2002231597 A JP 2002231597A
- Authority
- JP
- Japan
- Prior art keywords
- vector
- tool
- sensor
- operating parameters
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000012544 monitoring process Methods 0.000 title description 2
- 239000004065 semiconductor Substances 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 28
- 239000013598 vector Substances 0.000 claims description 142
- 230000002596 correlated effect Effects 0.000 claims description 21
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 239000002131 composite material Substances 0.000 claims description 11
- 230000000875 corresponding effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 2
- 230000001276 controlling effect Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 description 29
- 230000008569 process Effects 0.000 description 25
- 235000012431 wafers Nutrition 0.000 description 17
- 238000001020 plasma etching Methods 0.000 description 13
- 238000005530 etching Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000000737 periodic effect Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 244000309464 bull Species 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005229 chemical vapour deposition Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 239000002861 polymer material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
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
- 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]
- G05B19/41865—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 job scheduling, process planning, material flow
-
- 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
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31357—Observer based fault detection, use model
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31443—Keep track of nc program, recipe program
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Drying Of Semiconductors (AREA)
- Exposure Of Semiconductors, Excluding Electron Or Ion Beam Exposure (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
(57)【要約】
【課題】 半導体処理ツールの故障検出の精度を改善す
る。 【解決手段】 １つの手法はセンサの分類であり、相互
に相関するツール動作パラメータのグループから故障検
出指数が計算される。他の手法は、センサの順位であ
り、故障検出指数を計算するのにセンサが異なる重みを
与える。故障検出の精度改善は、半導体処理ツールの挙
動を予想するために種々のセンサ型を用いることにより
達成させることができる。そのセンサ型の例としては、
能動センサ、クラスタセンサ、受動/包含的センサ、又
は合成センサが挙げられる。
る。 【解決手段】 １つの手法はセンサの分類であり、相互
に相関するツール動作パラメータのグループから故障検
出指数が計算される。他の手法は、センサの順位であ
り、故障検出指数を計算するのにセンサが異なる重みを
与える。故障検出の精度改善は、半導体処理ツールの挙
動を予想するために種々のセンサ型を用いることにより
達成させることができる。そのセンサ型の例としては、
能動センサ、クラスタセンサ、受動/包含的センサ、又
は合成センサが挙げられる。
Description
【０００１】
【関連出願についての説明】暫定出願でない本出願は、
開示内容が本明細書に援用されている、2000年９月14日
出願の米国暫定特許出願第60/232,598号（代理人事件番
号AM4938/T37300）の優先権を主張する。
開示内容が本明細書に援用されている、2000年９月14日
出願の米国暫定特許出願第60/232,598号（代理人事件番
号AM4938/T37300）の優先権を主張する。
【０００２】
【発明の背景】半導体処理ツールは、非常に複雑なデバ
イスである。リアルタイムでの性能は、典型的には、温
度、圧力、又はパワーのような動作パラメータを反映す
る多くのツールセンサの値を監視することにより評価さ
れる。このツール評価は、経験的に測定したセンサ値を
モデルから予想される値と比較することにより行うこと
ができる。
イスである。リアルタイムでの性能は、典型的には、温
度、圧力、又はパワーのような動作パラメータを反映す
る多くのツールセンサの値を監視することにより評価さ
れる。このツール評価は、経験的に測定したセンサ値を
モデルから予想される値と比較することにより行うこと
ができる。
【０００３】半導体処理ツールの挙動を予想するモデル
の例は、ユニバーサルプロセスモデリング（ＵＰＭ）法
である。このモデルは、ブリティッシュコロンビア州ナ
ナイモのTriant Technologies, Inc.によって開発され
たものである。
の例は、ユニバーサルプロセスモデリング（ＵＰＭ）法
である。このモデルは、ブリティッシュコロンビア州ナ
ナイモのTriant Technologies, Inc.によって開発され
たものである。
【０００４】図１１は、ＵＰＭ法を示す簡易略図であ
る。図１１のステップＡに示されるように、半導体処理
ツール１１０１を作動させ、ツールセンサ１１０６の値
１１０４を含む入力ベクトル１１０２がツールラン中に
同時にサンプリングされる（ステップＡ）。次に、サン
プリングされた入力ベクトル１１０２を参考データライ
ブラリ１１１２と比較する（ステップＢ）。参考データ
ライブラリ１１１２は、半導体処理ツール１１０１の以
前の正常動作からのベクトル１１５０〜１１５７をまと
めたものを示している。参考ライブラリ１１１２のベク
トル１１５０〜１１５７には、入力ベクトル１１０２の
各センサの値が含まれている。
る。図１１のステップＡに示されるように、半導体処理
ツール１１０１を作動させ、ツールセンサ１１０６の値
１１０４を含む入力ベクトル１１０２がツールラン中に
同時にサンプリングされる（ステップＡ）。次に、サン
プリングされた入力ベクトル１１０２を参考データライ
ブラリ１１１２と比較する（ステップＢ）。参考データ
ライブラリ１１１２は、半導体処理ツール１１０１の以
前の正常動作からのベクトル１１５０〜１１５７をまと
めたものを示している。参考ライブラリ１１１２のベク
トル１１５０〜１１５７には、入力ベクトル１１０２の
各センサの値が含まれている。
【０００５】ステップＢの比較の結果として、入力ベク
トル１１０２と参考データライブラリ１１１２間の最近
接選択プロセスを用いてベクトル１１５０、１１５３、
１１５６、及び１１５７を含むベクトルサブセット１１
１０がまとめられる（ステップＣ）。ベクトルサブセッ
ト１１１０のベクトル１１５０、１１５３、１１５６、
及び１１５７は、入力ベクトル１１０２に最近似するツ
ール１１０１の以前の正常動作のセンサ値を反映してい
る。当業者に既知である最近接選択プロセスにおいて種
々の手法を用いることができる。ＵＰＭモデルで使われ
る最近接選択プロセスの詳細が独自に開発したものであ
る。
トル１１０２と参考データライブラリ１１１２間の最近
接選択プロセスを用いてベクトル１１５０、１１５３、
１１５６、及び１１５７を含むベクトルサブセット１１
１０がまとめられる（ステップＣ）。ベクトルサブセッ
ト１１１０のベクトル１１５０、１１５３、１１５６、
及び１１５７は、入力ベクトル１１０２に最近似するツ
ール１１０１の以前の正常動作のセンサ値を反映してい
る。当業者に既知である最近接選択プロセスにおいて種
々の手法を用いることができる。ＵＰＭモデルで使われ
る最近接選択プロセスの詳細が独自に開発したものであ
る。
【０００６】次に、サブセット１１１０のベクトル１１
５０、１１５３、１１５６、及び１１５７を合わせて単
一の出力予想ベクトル１１１６を与える（ステップ
Ｄ）。出力予想ベクトル１１１６は、以前の正常動作に
関係する半導体処理ツール１１０１の状態を反映してい
る。出力予想ベクトル１１１６は、いくつかの方法でツ
ールオペレータに送信することができる。例えば、図１
１に示されるように、出力予想ベクトル１１１６の個々
のセンサ１１２０の値１１１８を合わせてツールセンサ
のすべての値を反映する単一の故障検出指数１１１４を
与えることができる（ステップＥ）。また、図１２に示
されるように、出力予想ベクトルの個々のセンサ１１２
０を示す値１１１８を『ブルズアイ』グラフ１２００の
スポークに沿ってプロットすることができ、半径方向の
距離１２０４は測定センサ値の予想値からのずれを示し
ている。
５０、１１５３、１１５６、及び１１５７を合わせて単
一の出力予想ベクトル１１１６を与える（ステップ
Ｄ）。出力予想ベクトル１１１６は、以前の正常動作に
関係する半導体処理ツール１１０１の状態を反映してい
る。出力予想ベクトル１１１６は、いくつかの方法でツ
ールオペレータに送信することができる。例えば、図１
１に示されるように、出力予想ベクトル１１１６の個々
のセンサ１１２０の値１１１８を合わせてツールセンサ
のすべての値を反映する単一の故障検出指数１１１４を
与えることができる（ステップＥ）。また、図１２に示
されるように、出力予想ベクトルの個々のセンサ１１２
０を示す値１１１８を『ブルズアイ』グラフ１２００の
スポークに沿ってプロットすることができ、半径方向の
距離１２０４は測定センサ値の予想値からのずれを示し
ている。
【０００７】上記ＵＰＭモデリング法の態様は、関連し
たツール圧、関連したツール温度、又は関連したツール
パワーのような関連したセンサ値のグループ間で起こり
得る相関を考慮していないものである。むしろ、センサ
はすべて故障検出指数を生成するのに同じ重みを与えて
いる。従って、この方法は、信頼できる故障検出情報を
与え得る関連した動作パラメータ間の潜在的に有効な相
関を含んでいない。
たツール圧、関連したツール温度、又は関連したツール
パワーのような関連したセンサ値のグループ間で起こり
得る相関を考慮していないものである。むしろ、センサ
はすべて故障検出指数を生成するのに同じ重みを与えて
いる。従って、この方法は、信頼できる故障検出情報を
与え得る関連した動作パラメータ間の潜在的に有効な相
関を含んでいない。
【０００８】更に、図１２のブルズアイグラフがリアル
タイムツール動作パラメータの組織提示とともにツール
オペレータを示しているが、オペレータは故障を検出す
るためにツールセンサの各々を連続的に監視しなければ
ならない。多くのセンサについてこれをすると、オペレ
ータの注意がいっぱいになり、彼又は彼女を他の重要な
ツール管理の仕事からそらしてしまう。
タイムツール動作パラメータの組織提示とともにツール
オペレータを示しているが、オペレータは故障を検出す
るためにツールセンサの各々を連続的に監視しなければ
ならない。多くのセンサについてこれをすると、オペレ
ータの注意がいっぱいになり、彼又は彼女を他の重要な
ツール管理の仕事からそらしてしまう。
【０００９】図１１に示されるモデリング法の他の態様
は、ベクトルサブセットと出力予想ベクトルをつくる最
近接ベクトルの選択がセンサ値にだけ基づいているもの
である。他の潜在的に適切な情報、例えば、入力ベクト
ルがサンプリングされるツールラン中の時間は、最近接
選択プロセスにおいては考慮されない。これは、入力ベ
クトルとライブラリベクトルが単に偶然に同じである場
合、例えば、入力ベクトルの温度成分がツールランの初
期（上り）に測定され、ライブラリベクトルの温度成分
がツールランの後期（下り）に測定される場合、モデル
の精度に影響することがある。そのような場合、入力ベ
クトルとライブラリベクトルの温度成分は偶然同じこと
があるが、ライブラリベクトルは入力ベクトルの正確な
予想ではない。
は、ベクトルサブセットと出力予想ベクトルをつくる最
近接ベクトルの選択がセンサ値にだけ基づいているもの
である。他の潜在的に適切な情報、例えば、入力ベクト
ルがサンプリングされるツールラン中の時間は、最近接
選択プロセスにおいては考慮されない。これは、入力ベ
クトルとライブラリベクトルが単に偶然に同じである場
合、例えば、入力ベクトルの温度成分がツールランの初
期（上り）に測定され、ライブラリベクトルの温度成分
がツールランの後期（下り）に測定される場合、モデル
の精度に影響することがある。そのような場合、入力ベ
クトルとライブラリベクトルの温度成分は偶然同じこと
があるが、ライブラリベクトルは入力ベクトルの正確な
予想ではない。
【００１０】従って、半導体処理ツールの故障検出には
より最新の技術が望ましい。
より最新の技術が望ましい。
【００１１】
【発明の概要】本発明の実施例は、半導体処理ツールの
故障検出方法に関する。特に、本発明の実施例は、故障
検出の精度を高めるツールモデリング法を用いる方法及
び装置に関する。
故障検出方法に関する。特に、本発明の実施例は、故障
検出の精度を高めるツールモデリング法を用いる方法及
び装置に関する。
【００１２】本発明の故障検出法の実施例は、レシピに
よって作動する半導体処理ツールの相関動作パラメータ
のグループを検知するステップと、該レシピによって作
動する該ツールの非相関動作パラメータを検知するステ
ップと、を含んでいる。入力ベクトルは、相関動作パラ
メータのグループと非相関動作パラメータを含めてつく
られる。入力ベクトルは、レシピを用いた以前のツール
ランからのベクトルを含む参考データライブラリと比較
される。入力ベクトルに最近接のベクトルは相関動作パ
ラメータのグループのみとの類似性に基づいて参考デー
タライブラリから選択される。ベクトルサブセットは、
選択された最近接ベクトルをまとめる。ベクトルサブセ
ットは、出力予想ベクトルの中に合わせられ、出力予想
ベクトルから故障検出指数が生成される。
よって作動する半導体処理ツールの相関動作パラメータ
のグループを検知するステップと、該レシピによって作
動する該ツールの非相関動作パラメータを検知するステ
ップと、を含んでいる。入力ベクトルは、相関動作パラ
メータのグループと非相関動作パラメータを含めてつく
られる。入力ベクトルは、レシピを用いた以前のツール
ランからのベクトルを含む参考データライブラリと比較
される。入力ベクトルに最近接のベクトルは相関動作パ
ラメータのグループのみとの類似性に基づいて参考デー
タライブラリから選択される。ベクトルサブセットは、
選択された最近接ベクトルをまとめる。ベクトルサブセ
ットは、出力予想ベクトルの中に合わせられ、出力予想
ベクトルから故障検出指数が生成される。
【００１３】本発明のこれらの及び他の実施例、及びそ
の利点と特徴は、下記の本文と添付された図面と共に詳
述される。
の利点と特徴は、下記の本文と添付された図面と共に詳
述される。
【００１４】
【個々の実施例の説明】上述したように、本発明の実施
例は、半導体処理ツール内の故障検出の精度を高めるツ
ールモデリング法を用いる方法及び装置に関する。本発
明を更によく評価及び理解するために、図１Ａと図１Ｂ
及び次の本文が参照される。図１Ａは、本発明の方法の
実施例のステップを示す簡易フローチャートであり、図
１Ｂは、プラズマエッチングツール１０２の動作中の故
障検出とともに用いられる図１Ａに示された方法の一実
例の動作詳細を示す略図である。プラズマエッチングツ
ール１０２は、例示目的のみで参照される。本発明が、
特にＣＭＰツール、堆積ツール又は埋め込みツールを含
む他の半導体製造ツールにおいても故障を検出すること
に応用可能であることは理解されるべきである。
例は、半導体処理ツール内の故障検出の精度を高めるツ
ールモデリング法を用いる方法及び装置に関する。本発
明を更によく評価及び理解するために、図１Ａと図１Ｂ
及び次の本文が参照される。図１Ａは、本発明の方法の
実施例のステップを示す簡易フローチャートであり、図
１Ｂは、プラズマエッチングツール１０２の動作中の故
障検出とともに用いられる図１Ａに示された方法の一実
例の動作詳細を示す略図である。プラズマエッチングツ
ール１０２は、例示目的のみで参照される。本発明が、
特にＣＭＰツール、堆積ツール又は埋め込みツールを含
む他の半導体製造ツールにおいても故障を検出すること
に応用可能であることは理解されるべきである。
【００１５】ツール故障を検出するために本発明を用い
る前に、故障検出モデルを展開させなければならない。
故障検出モデルを展開させるステップは、モデルのベク
トルに含まれるセンサとツール１０２のさまざまな特性
を関連させるステップを含んでいる（図１Ａ、ステップ
２）。本明細書に用いられる『センサ』という用語は、
半導体製造ツールの動作パラメータを意味する。センサ
は、後述される種々のタイプであり得る。本明細書に用
いられる『センサ型』という用語は、モデリングプロセ
スと故障検出プロセスにおいて具体的なセンサ値によっ
て示される役割を意味する。具体的なセンサ型は、リア
ルタイムで測定されるツール動作パラメータを示しても
よく、示さなくてもよい。
る前に、故障検出モデルを展開させなければならない。
故障検出モデルを展開させるステップは、モデルのベク
トルに含まれるセンサとツール１０２のさまざまな特性
を関連させるステップを含んでいる（図１Ａ、ステップ
２）。本明細書に用いられる『センサ』という用語は、
半導体製造ツールの動作パラメータを意味する。センサ
は、後述される種々のタイプであり得る。本明細書に用
いられる『センサ型』という用語は、モデリングプロセ
スと故障検出プロセスにおいて具体的なセンサ値によっ
て示される役割を意味する。具体的なセンサ型は、リア
ルタイムで測定されるツール動作パラメータを示しても
よく、示さなくてもよい。
【００１６】図１Ｂに示される実例においては、７種類
の異なるセンサ：チャンバ圧センサ１０６ａ、スロット
ルバルブ圧センサ１０６ｂ、ファライン圧センサ１０６
ｃ、ガス１圧センサ１０６ｄ、アウト１センサ１２２、
クラスタセンサ１１８及びサセプタ温度センサ１２０が
ある。実例に示される７種のセンサが例としてのためだ
けであることは理解されるべきである。生産環境に用い
られる本発明の典型的な故障検出モデルには、７種をか
なり超えるセンサが含まれる。
の異なるセンサ：チャンバ圧センサ１０６ａ、スロット
ルバルブ圧センサ１０６ｂ、ファライン圧センサ１０６
ｃ、ガス１圧センサ１０６ｄ、アウト１センサ１２２、
クラスタセンサ１１８及びサセプタ温度センサ１２０が
ある。実例に示される７種のセンサが例としてのためだ
けであることは理解されるべきである。生産環境に用い
られる本発明の典型的な故障検出モデルには、７種をか
なり超えるセンサが含まれる。
【００１７】種々のセンサを特定し、センサ型を割り当
てた後、個々のレシピによってツールの許容しうるラン
でデータを集め、特定したセンサと関連させる（図１
Ａ、ステップ４）。次に、集めたデータからツールの動
作を示すモデルを作成する（図１Ａ、ステップ６）。モ
デルは、参考データライブラリ、及び参考ライブラリと
比較する入力ベクトルのデータから出力ベクトルと故障
検出指数を与えるルールを含んでいる。
てた後、個々のレシピによってツールの許容しうるラン
でデータを集め、特定したセンサと関連させる（図１
Ａ、ステップ４）。次に、集めたデータからツールの動
作を示すモデルを作成する（図１Ａ、ステップ６）。モ
デルは、参考データライブラリ、及び参考ライブラリと
比較する入力ベクトルのデータから出力ベクトルと故障
検出指数を与えるルールを含んでいる。
【００１８】参考データライブラリの実例を、ライブラ
リ１１２として図１Ｂに示す。参考データライブラリ１
１２は、集めたデータからまとめた複数の参考データベ
クトル１７０〜１７９を含んでいる。各ベクトルには、
モデルによって特定されたセンサ、及び各センサと関連
がある集めたデータを成分として含んでいる。従って、
図１Ｂのライブラリ１１２における各ベクトルには７種
のセンサが含まれている。ライブラリ１１２におけるデ
ータは、個々のプラズマエッチングレシピのもとで適切
な動作中のツール１０２のパラメータを示している。モ
デルから出力ベクトルと故障検出指数を与えるルールと
しては、特に、あるセンサに重みを割り当てるルール
と、比較閾値を決めるルールが含まれている。
リ１１２として図１Ｂに示す。参考データライブラリ１
１２は、集めたデータからまとめた複数の参考データベ
クトル１７０〜１７９を含んでいる。各ベクトルには、
モデルによって特定されたセンサ、及び各センサと関連
がある集めたデータを成分として含んでいる。従って、
図１Ｂのライブラリ１１２における各ベクトルには７種
のセンサが含まれている。ライブラリ１１２におけるデ
ータは、個々のプラズマエッチングレシピのもとで適切
な動作中のツール１０２のパラメータを示している。モ
デルから出力ベクトルと故障検出指数を与えるルールと
しては、特に、あるセンサに重みを割り当てるルール
と、比較閾値を決めるルールが含まれている。
【００１９】ライブラリ１１２がまとめられ、故障検出
モデルが完成するとすぐに、モデルは生産環境での故障
についてツール１０２を監視する準備ができ、ツール１
０２は参考データライブラリ１１２を与えるために用い
られる個々のレシピによって作動する。その使用中、ツ
ールからの入力ベクトル１０４がサンプリングされる
（図１Ａ、ステップ８）。ベクトル１０４には、ライブ
ラリ１１２中のベクトルと同じセンサが含まれている。
ベクトル１０４は生成されるとすぐに、故障検出モデル
に入力されて故障検出指数を生成する。
モデルが完成するとすぐに、モデルは生産環境での故障
についてツール１０２を監視する準備ができ、ツール１
０２は参考データライブラリ１１２を与えるために用い
られる個々のレシピによって作動する。その使用中、ツ
ールからの入力ベクトル１０４がサンプリングされる
（図１Ａ、ステップ８）。ベクトル１０４には、ライブ
ラリ１１２中のベクトルと同じセンサが含まれている。
ベクトル１０４は生成されるとすぐに、故障検出モデル
に入力されて故障検出指数を生成する。
【００２０】図１Ａに示されるように、故障検出指数は
多段プロセスを用いてつくられ、第１入力ベクトル１０
４をライブラリ１１２と最近接の方法を用いて比較して
類似の基準ベクトルを検出する（図１Ａ、ステップ１
０）。次に、入力ベクトル１０４に最も似ているライブ
ラリベクトルがベクトルサブセット１０８にまとめられ
る（図１Ａ、ステップ１２）。次に、ベクトルサブセッ
トから出力予想ベクトル１１６を生成させ（図１Ａ、ス
テップ１４）、最後に、予想ベクトル１１６から故障検
出指数１１４を生成させる（図１Ａ、ステップ１６）。
本発明の実施例のステップ１０〜１６での故障検出指数
１１４の生成に関する個々の詳細を図１Ｂについて後述
する。故障検出指数の生成は、一部には、異なるルール
を異なるセンサ型に用いることに基づいている。従っ
て、この実例をより良く理解するために、異なるセンサ
型を順に説明する。
多段プロセスを用いてつくられ、第１入力ベクトル１０
４をライブラリ１１２と最近接の方法を用いて比較して
類似の基準ベクトルを検出する（図１Ａ、ステップ１
０）。次に、入力ベクトル１０４に最も似ているライブ
ラリベクトルがベクトルサブセット１０８にまとめられ
る（図１Ａ、ステップ１２）。次に、ベクトルサブセッ
トから出力予想ベクトル１１６を生成させ（図１Ａ、ス
テップ１４）、最後に、予想ベクトル１１６から故障検
出指数１１４を生成させる（図１Ａ、ステップ１６）。
本発明の実施例のステップ１０〜１６での故障検出指数
１１４の生成に関する個々の詳細を図１Ｂについて後述
する。故障検出指数の生成は、一部には、異なるルール
を異なるセンサ型に用いることに基づいている。従っ
て、この実例をより良く理解するために、異なるセンサ
型を順に説明する。
【００２１】上述したように、４種類の異なるセンサの
タイプ：能動センサ、クラスタセンサ、受動/包含的セ
ンサ及び合成センサがある。能動センサは、動作パラメ
ータを相関するグループを示すセンサである。本発明の
実施例は、故障検出を改善する手法として一緒に相関能
動センサを分類している。センサの分類は、相互に相関
することが知られているツール動作パラメータに基づい
て、指定された故障検出指数が計算されることを可能に
する。ツール動作パラメータの相関セットの例として
は、ツール温度セット又はツール圧セットが含まれてい
てもよい。実際にツール故障が発生しなかった場合に
は、センサの分類から故障を表し得るツールデータでの
一致が排除される。
タイプ：能動センサ、クラスタセンサ、受動/包含的セ
ンサ及び合成センサがある。能動センサは、動作パラメ
ータを相関するグループを示すセンサである。本発明の
実施例は、故障検出を改善する手法として一緒に相関能
動センサを分類している。センサの分類は、相互に相関
することが知られているツール動作パラメータに基づい
て、指定された故障検出指数が計算されることを可能に
する。ツール動作パラメータの相関セットの例として
は、ツール温度セット又はツール圧セットが含まれてい
てもよい。実際にツール故障が発生しなかった場合に
は、センサの分類から故障を表し得るツールデータでの
一致が排除される。
【００２２】図１Ｂの実例においては、プラズマエッチ
ングツール１０２の相関パラメータグループが圧力に関
係していることがオペレータの経験から既知である。従
って、チャンバ圧センサ１０６ａ、スロットルバルブ圧
センサ１０６ｂ、フォアライン圧センサ１０６ｃ及びガ
ス１圧センサ１０６ｄは、すべて能動センサとして分類
される。下で詳しく説明するように、能動型センサは、
最近接ベクトルの選択プロセスに用いられ関連したベク
トルサブセットをまとめるほか、出力予想ベクトルから
故障検出指数を生成するステップにも含まれる。
ングツール１０２の相関パラメータグループが圧力に関
係していることがオペレータの経験から既知である。従
って、チャンバ圧センサ１０６ａ、スロットルバルブ圧
センサ１０６ｂ、フォアライン圧センサ１０６ｃ及びガ
ス１圧センサ１０６ｄは、すべて能動センサとして分類
される。下で詳しく説明するように、能動型センサは、
最近接ベクトルの選択プロセスに用いられ関連したベク
トルサブセットをまとめるほか、出力予想ベクトルから
故障検出指数を生成するステップにも含まれる。
【００２３】本発明の実施例で用いられる他の手法とし
ては、ベクトル成分の値に類似性以外の基準を含むこと
により最近接選択プロセスを高めるステップが含まれて
いる。例えば、図９Ａは、正常に機能しているプラズマ
エッチングツールのサセプタ温度値を予想及び測定した
プロットを示すグラフである。サセプタ温度は、経時周
期的であり、エッチングプロセスの第１段階９００での
サセプタ温度の増加に続いてエッチングプロセスの第２
段階でサセプタ温度が低下する。
ては、ベクトル成分の値に類似性以外の基準を含むこと
により最近接選択プロセスを高めるステップが含まれて
いる。例えば、図９Ａは、正常に機能しているプラズマ
エッチングツールのサセプタ温度値を予想及び測定した
プロットを示すグラフである。サセプタ温度は、経時周
期的であり、エッチングプロセスの第１段階９００での
サセプタ温度の増加に続いてエッチングプロセスの第２
段階でサセプタ温度が低下する。
【００２４】本発明の実施例は、入力ベクトルを最近接
ベクトルの選択で測定するときのプラズマエッチングプ
ロセスの段階を言及している。例えば、図９Ａに示され
るように、エッチングプロセスの第１段階９００で測定
した入力ベクトルのサセプタ温度９０４は、エッチング
プロセスの第２段階９０２で測定したライブラリベクト
ルのサセプタ温度９０６と同じことがある。その場合、
サセプタ温度９０４と９０６が同じであることが起こり
得るが、ライブラリベクトルは入力ベクトルの正確な予
想ではない。従って、本発明の実施例は、センサ１１８
のようなクラスタ型センサを用いて、入力ベクトル１０
４がサンプリングされるツール１０２のプラズマエッチ
ングプロセスでの段階を示している。下で詳述されるよ
うに、クラスタ型センサ値は、最近接選択プロセスに含
まれるが、故障検出指数を計算するステップには含まれ
ていない。
ベクトルの選択で測定するときのプラズマエッチングプ
ロセスの段階を言及している。例えば、図９Ａに示され
るように、エッチングプロセスの第１段階９００で測定
した入力ベクトルのサセプタ温度９０４は、エッチング
プロセスの第２段階９０２で測定したライブラリベクト
ルのサセプタ温度９０６と同じことがある。その場合、
サセプタ温度９０４と９０６が同じであることが起こり
得るが、ライブラリベクトルは入力ベクトルの正確な予
想ではない。従って、本発明の実施例は、センサ１１８
のようなクラスタ型センサを用いて、入力ベクトル１０
４がサンプリングされるツール１０２のプラズマエッチ
ングプロセスでの段階を示している。下で詳述されるよ
うに、クラスタ型センサ値は、最近接選択プロセスに含
まれるが、故障検出指数を計算するステップには含まれ
ていない。
【００２５】第３センサ型の受動/包含的センサ型は、
能動型センサとほとんど相関しないツール動作パラメー
タを示すセンサであるが、重要なツール故障情報を与え
るオペレータ経験から予想される。受動/包含的センサ
型の例は、図１Ｂにおけるサセプタ温度センサ１２０で
ある。プラズマエッチングツール１０２のサセプタ温度
は、能動（圧力）センサ１０６ａ〜ｄとほとんど相関し
ないが、サセプタ温度が監視される具体的なエッチング
プロセスの鍵となる故障表示であることはユーザ経験か
ら既知である。従って、本発明の実施例には、出力ベク
トルを予想するために用いられる能動型センサが相関す
るツール圧セットを含んでいる場合でも、故障検出指数
の計算に受動/包含的センサ１２０が含まれている。受
動/包含型センサは、最近接選択プロセスに用いられな
いが、故障検出指数を出すのに用いられる。
能動型センサとほとんど相関しないツール動作パラメー
タを示すセンサであるが、重要なツール故障情報を与え
るオペレータ経験から予想される。受動/包含的センサ
型の例は、図１Ｂにおけるサセプタ温度センサ１２０で
ある。プラズマエッチングツール１０２のサセプタ温度
は、能動（圧力）センサ１０６ａ〜ｄとほとんど相関し
ないが、サセプタ温度が監視される具体的なエッチング
プロセスの鍵となる故障表示であることはユーザ経験か
ら既知である。従って、本発明の実施例には、出力ベク
トルを予想するために用いられる能動型センサが相関す
るツール圧セットを含んでいる場合でも、故障検出指数
の計算に受動/包含的センサ１２０が含まれている。受
動/包含型センサは、最近接選択プロセスに用いられな
いが、故障検出指数を出すのに用いられる。
【００２６】最後に、４番目の種類のセンサは、合成セ
ンサ型であり、モデルの予想性能を広げるために用いる
ことができる。特に、合成型センサは、ツールのリアル
タイム動作では測定不可能であるが、半導体プロセスの
完了時には測定可能であり、具体的なベクトルに割り当
てできる物理量を示す。図１Ｂの個々の実例において
は、合成センサ型１２２は、プラズマエッチングから得
られる半導体形状の臨界寸法（ＣＤ）を示している。Ｃ
Ｄは、エッチング中には測定できないが、エッチング後
には測定可能であり、ライブラリベクトルの成分として
含まれ得る。続いて最近接ベクトルを選択すると、臨界
寸法が予想されることになる。
ンサ型であり、モデルの予想性能を広げるために用いる
ことができる。特に、合成型センサは、ツールのリアル
タイム動作では測定不可能であるが、半導体プロセスの
完了時には測定可能であり、具体的なベクトルに割り当
てできる物理量を示す。図１Ｂの個々の実例において
は、合成センサ型１２２は、プラズマエッチングから得
られる半導体形状の臨界寸法（ＣＤ）を示している。Ｃ
Ｄは、エッチング中には測定できないが、エッチング後
には測定可能であり、ライブラリベクトルの成分として
含まれ得る。続いて最近接ベクトルを選択すると、臨界
寸法が予想されることになる。
【００２７】合成センサ型は、モデルでのみ予想され、
最近接ベクトルの選択プロセス又は故障検出指数を生成
するのには用いられない。合成型センサ１２２の入力
は、モデルでは必要とされず、入力ベクトル１０４は合
成型センサ１２２のゼロ値を含んでいる。しかしなが
ら、下で述べるように、モデルによってもたらされた出
力ベクトルは、合成型センサ１２２の予想値を含んでい
る。
最近接ベクトルの選択プロセス又は故障検出指数を生成
するのには用いられない。合成型センサ１２２の入力
は、モデルでは必要とされず、入力ベクトル１０４は合
成型センサ１２２のゼロ値を含んでいる。しかしなが
ら、下で述べるように、モデルによってもたらされた出
力ベクトルは、合成型センサ１２２の予想値を含んでい
る。
【００２８】参考のために、各センサ型の役割を下記表
１に示す。
１に示す。
【表１】
【００２９】図１Ａに示すように、入力ベクトルが半導
体製造ツールからサンプリングされると、次のステップ
は入力ベクトルをツールの正常動作前の間にまとめられ
た参考ライブラリと比較することである。ステップ１０
の最近接アルゴリズムを参照すると、図１Ｂに示される
実例は入力ベクトル１０４と参考データライブラリ１１
２のベクトル１７０〜１７９間の類似性を測るために２
つのステップを使っている。第１テストにおいては、入
力ベクトル１０４と参考データライブラリ１１２とを比
較し、類似性係数がベクトル１７０〜１７９のそれぞれ
について生成される。類似性係数１２４は、入力ベクト
ル１０４の能動型センサ１０６ａ〜ｄに対する類似性を
反映している。類似性係数１２４を出す方法は、前述の
所有権を主張できるＵＰＭソフトウェアプログラムの動
作によることができる。カットオフ値（図１Ｂの実例に
おいては0.97）を超える類似性係数をもつベクトルは第
1テストを合格する。受動/包含型センサ１２０と合成型
センサ１２２の値は、類似性係数１２４を計算するのに
含まれない。図１Ｂに示されるように、ベクトル１７
０、１７２、１７３、１７７、及び１７８は第１テスト
を合格する。
体製造ツールからサンプリングされると、次のステップ
は入力ベクトルをツールの正常動作前の間にまとめられ
た参考ライブラリと比較することである。ステップ１０
の最近接アルゴリズムを参照すると、図１Ｂに示される
実例は入力ベクトル１０４と参考データライブラリ１１
２のベクトル１７０〜１７９間の類似性を測るために２
つのステップを使っている。第１テストにおいては、入
力ベクトル１０４と参考データライブラリ１１２とを比
較し、類似性係数がベクトル１７０〜１７９のそれぞれ
について生成される。類似性係数１２４は、入力ベクト
ル１０４の能動型センサ１０６ａ〜ｄに対する類似性を
反映している。類似性係数１２４を出す方法は、前述の
所有権を主張できるＵＰＭソフトウェアプログラムの動
作によることができる。カットオフ値（図１Ｂの実例に
おいては0.97）を超える類似性係数をもつベクトルは第
1テストを合格する。受動/包含型センサ１２０と合成型
センサ１２２の値は、類似性係数１２４を計算するのに
含まれない。図１Ｂに示されるように、ベクトル１７
０、１７２、１７３、１７７、及び１７８は第１テスト
を合格する。
【００３０】第２テストにおいては、入力ベクトル１０
４のクラスタ型センサ１１８を参考データライブラリ１
１２のベクトルのクラスタ型センサと比較する。図１Ｂ
に示される実例においては、この比較試験は、クラスタ
センサ間の一致を必要とする（即ち、段階１での参考デ
ータライブラリベクトルのみが第２テストを合格す
る）。また、この比較試験は、クラスタセンサ型間の正
確な適合がなくてもよい（即ち、クラスタセンサが『段
階』よりは秒単位で数量化される場合、入力ベクトルの
個々の秒範囲内で測定されたライブラリベクトルは第２
テストを合格することができる）。図１Ｂに示されるよ
うに、ライブラリベクトル１７０、１７２、１７７、及
び１７８は第２テストを合格する。ベクトル１７３は、
クラスタ型センサ成分と入力ベクトル１０４間の不一致
のために第２テストを不合格である。
４のクラスタ型センサ１１８を参考データライブラリ１
１２のベクトルのクラスタ型センサと比較する。図１Ｂ
に示される実例においては、この比較試験は、クラスタ
センサ間の一致を必要とする（即ち、段階１での参考デ
ータライブラリベクトルのみが第２テストを合格す
る）。また、この比較試験は、クラスタセンサ型間の正
確な適合がなくてもよい（即ち、クラスタセンサが『段
階』よりは秒単位で数量化される場合、入力ベクトルの
個々の秒範囲内で測定されたライブラリベクトルは第２
テストを合格することができる）。図１Ｂに示されるよ
うに、ライブラリベクトル１７０、１７２、１７７、及
び１７８は第２テストを合格する。ベクトル１７３は、
クラスタ型センサ成分と入力ベクトル１０４間の不一致
のために第２テストを不合格である。
【００３１】次にステップ１２において、第１テストも
第２テストも共に合格したライブラリベクトル１７０、
１７２、１７７、及び１７８をベクトルサブセット１０
８にまとめる。サブセット１０８のベクトルは、能動セ
ンサ型、クラスタセンサ型、受動/包含的センサ型、及
び合成センサ型の予想値を含む。
第２テストも共に合格したライブラリベクトル１７０、
１７２、１７７、及び１７８をベクトルサブセット１０
８にまとめる。サブセット１０８のベクトルは、能動セ
ンサ型、クラスタセンサ型、受動/包含的センサ型、及
び合成センサ型の予想値を含む。
【００３２】ステップ１４において、ベクトルサブセッ
ト１０８のベクトル１７０、１７２、１７７、及び１７
８を合わせて出力予想ベクトル１１６を生成する。図１
Ｂに示される個々の実例においては、重み１２６の第１
セットをベクトル１７０、１７２、１７７、及び１７８
に割り当て、次に重み付きベクトルと合わせることによ
り出力予想ベクトル１１６が生成される。また、このベ
クトルを合わせるステップは、全く重みを付けずに用い
て、サブセットの各ベクトルに等しい重みを割り当てて
もよい。他の代替的なものとして、各ベクトルに対して
以前に生成された類似性係数１２４を考慮している重み
付きシステムを使ってもよい。
ト１０８のベクトル１７０、１７２、１７７、及び１７
８を合わせて出力予想ベクトル１１６を生成する。図１
Ｂに示される個々の実例においては、重み１２６の第１
セットをベクトル１７０、１７２、１７７、及び１７８
に割り当て、次に重み付きベクトルと合わせることによ
り出力予想ベクトル１１６が生成される。また、このベ
クトルを合わせるステップは、全く重みを付けずに用い
て、サブセットの各ベクトルに等しい重みを割り当てて
もよい。他の代替的なものとして、各ベクトルに対して
以前に生成された類似性係数１２４を考慮している重み
付きシステムを使ってもよい。
【００３３】ステップ１６において、故障検出指数１１
４は出力予想ベクトル１１６から生成される。センサの
順位は、故障検出の精度を改善するために用いることが
できる追加の手法である。ベクトル１１６の能動及び受
動/包含型センサは、重み１２８の第２セットを用いた
ツール故障を示す相対的重要度によってランク付けする
ことができる。次に、重み付きセンサ値を組み合わせて
故障検出指数１１４を生成することができる。合成型セ
ンサ１２２とクラスタ型センサ１１８の値は、この計算
には含まれない。
４は出力予想ベクトル１１６から生成される。センサの
順位は、故障検出の精度を改善するために用いることが
できる追加の手法である。ベクトル１１６の能動及び受
動/包含型センサは、重み１２８の第２セットを用いた
ツール故障を示す相対的重要度によってランク付けする
ことができる。次に、重み付きセンサ値を組み合わせて
故障検出指数１１４を生成することができる。合成型セ
ンサ１２２とクラスタ型センサ１１８の値は、この計算
には含まれない。
【００３４】ここで、本発明の故障検出の実験結果を図
３Ａ〜図９Ｃと共に記載する。
３Ａ〜図９Ｃと共に記載する。
【００３５】
【実験結果】Ａ．センサの分類 集積回路のバイアの形成で酸化物層のプラズマエッチン
グがしばしば行われている。酸化物エッチングの結果と
して、ポリマー材料が蓄積してしまいウエハの正しい位
置を妨害する。これは、生産効率に影響することがあ
る。普通は、周期的洗浄ステップによってポリマー残渣
が除去される。
グがしばしば行われている。酸化物エッチングの結果と
して、ポリマー材料が蓄積してしまいウエハの正しい位
置を妨害する。これは、生産効率に影響することがあ
る。普通は、周期的洗浄ステップによってポリマー残渣
が除去される。
【００３６】本発明の故障検出法を評価するために、Ap
plied Materials Centura(登録商標)プラズマエッチン
グ装置を用いた一連の1400回を超える連続した酸化物プ
ラズマエッチングランを洗浄ステップを介入させずに行
った。ツールセンサ情報を集め、ブリティッシュコロン
ビア州ナナイモのTriant Technologies, Inc.が製造し
たModelware/RTソフトウェアを用いてモデルをつくっ
た。
plied Materials Centura(登録商標)プラズマエッチン
グ装置を用いた一連の1400回を超える連続した酸化物プ
ラズマエッチングランを洗浄ステップを介入させずに行
った。ツールセンサ情報を集め、ブリティッシュコロン
ビア州ナナイモのTriant Technologies, Inc.が製造し
たModelware/RTソフトウェアを用いてモデルをつくっ
た。
【００３７】残余値は、ツールからの実測値とモデルか
らの予想値との間の差を示している。図２Ａ〜図２Ｃ
は、一連の処理ランの開始、中間、及び終わりの残余フ
ォアライン圧値をプロットしたグラフである。図２Ａ
は、１４００回の逐次テストランの開始部分の残余フォ
アライン圧値をプロットしたグラフである。図２Ａは、
残余フォアライン圧値が最初は予想許容領域Ｘ内に具合
よくとどまっていることを示す図である。
らの予想値との間の差を示している。図２Ａ〜図２Ｃ
は、一連の処理ランの開始、中間、及び終わりの残余フ
ォアライン圧値をプロットしたグラフである。図２Ａ
は、１４００回の逐次テストランの開始部分の残余フォ
アライン圧値をプロットしたグラフである。図２Ａは、
残余フォアライン圧値が最初は予想許容領域Ｘ内に具合
よくとどまっていることを示す図である。
【００３８】図２Ｂは、テストランの中間部分の残余フ
ォアライン圧値をプロットしたグラフである。図２Ｂ
は、残余フォアライン圧値が許容領域Ｘの最低部分へド
リフトしたことを示す図である。
ォアライン圧値をプロットしたグラフである。図２Ｂ
は、残余フォアライン圧値が許容領域Ｘの最低部分へド
リフトしたことを示す図である。
【００３９】図２Ｃは、テストランの後の部分のファラ
イン圧値をプロットしたグラフである。図２Ｃは、図２
Ｂに示される残余ファライン圧値のドリフトが続き、フ
ォアライン圧がここでは許容領域Ｘから出ていることを
示す図である。従来の故障検出法においては、この傾向
はツールに警告するとともにウエハの生産を中止させる
と思われる。しかしながら、フォアライン圧データと他
のツール情報との相関、つまり故障の実際の存在は依然
として判定できない。
イン圧値をプロットしたグラフである。図２Ｃは、図２
Ｂに示される残余ファライン圧値のドリフトが続き、フ
ォアライン圧がここでは許容領域Ｘから出ていることを
示す図である。従来の故障検出法においては、この傾向
はツールに警告するとともにウエハの生産を中止させる
と思われる。しかしながら、フォアライン圧データと他
のツール情報との相関、つまり故障の実際の存在は依然
として判定できない。
【００４０】従って、同じ1400回の一連の逐次処理ラン
についてのプラズマエッチングツールの状態を、それぞ
れが異なる能動センサ分類を含む４つの専門の故障検出
指数を用いて調べた。各故障検出指数についての能動セ
ンサを下記表２に示す。
についてのプラズマエッチングツールの状態を、それぞ
れが異なる能動センサ分類を含む４つの専門の故障検出
指数を用いて調べた。各故障検出指数についての能動セ
ンサを下記表２に示す。
【表２】 表２は、センサの分類によって出されたデータの低下を
示す表である。特に、２０センサ全体の情報が４つの故
障検出指数に要約されている。
示す表である。特に、２０センサ全体の情報が４つの故
障検出指数に要約されている。
【００４１】表２の指数によって出された故障検出の精
度強化は、図３〜図７Ｄと共に述べられる。図３は、１
４００ウエハ以上の処理ラン全体について第２故障検出
指数をプロットしたグラフである。温度に集中している
この第２故障検出指数は、プラズマエッチングツールで
の故障を示していない。
度強化は、図３〜図７Ｄと共に述べられる。図３は、１
４００ウエハ以上の処理ラン全体について第２故障検出
指数をプロットしたグラフである。温度に集中している
この第２故障検出指数は、プラズマエッチングツールで
の故障を示していない。
【００４２】図４は、処理ランについての第３故障検出
指数をプロットしたグラフである。ウエハ２００前後の
単一の故障を別として、パワーに集約される第３指数は
ツール故障を示していない。ウエハ２００前後のスパイ
クは、エッチングツールに偶然に入った酸化物層のない
はだかのシリコンウエハのエッチングと関連があった。
指数をプロットしたグラフである。ウエハ２００前後の
単一の故障を別として、パワーに集約される第３指数は
ツール故障を示していない。ウエハ２００前後のスパイ
クは、エッチングツールに偶然に入った酸化物層のない
はだかのシリコンウエハのエッチングと関連があった。
【００４３】図５は、処理ランについて第４故障検出指
数をプロットしたグラフである。ウエハチャッキングに
集中しているこの第３故障検出指数は、ウエハ６００前
後の初期故障に続いて故障がしばしば増えていることを
示している。第４故障検出指数は、１４００＋テストラ
ンのほぼ中間でウエハのチャッキングによるであろう問
題を示している。これは、周期的洗浄ステップがないこ
とによる残渣の蓄積のためと思われる。
数をプロットしたグラフである。ウエハチャッキングに
集中しているこの第３故障検出指数は、ウエハ６００前
後の初期故障に続いて故障がしばしば増えていることを
示している。第４故障検出指数は、１４００＋テストラ
ンのほぼ中間でウエハのチャッキングによるであろう問
題を示している。これは、周期的洗浄ステップがないこ
とによる残渣の蓄積のためと思われる。
【００４４】図６は、処理ランについての第１故障検出
指数をプロットしたグラフである。圧力に集中している
この故障検出指数は、はだかのシリコンウエハの処理に
対応するウエハ２００前後に故障を示している。更に、
図６は、ウエハ数６００前後の後のツール故障発生が増
加していることを示している。第１故障検出指数のこの
傾向は、更にツール故障を意味している。
指数をプロットしたグラフである。圧力に集中している
この故障検出指数は、はだかのシリコンウエハの処理に
対応するウエハ２００前後に故障を示している。更に、
図６は、ウエハ数６００前後の後のツール故障発生が増
加していることを示している。第１故障検出指数のこの
傾向は、更にツール故障を意味している。
【００４５】図５及び図６が示したツール故障の原因を
更に詳しく調べるために、図７Ａ〜図７Ｄは、図３〜図
６に示された一連の処理ランの後期に発生した『Ｚ』部
分での第１故障検出指数の能動センサの値をプロットし
たグラフである。
更に詳しく調べるために、図７Ａ〜図７Ｄは、図３〜図
６に示された一連の処理ランの後期に発生した『Ｚ』部
分での第１故障検出指数の能動センサの値をプロットし
たグラフである。
【００４６】図７Ａは、ガス１導入流をプロットしたグ
ラフである。図７Ａは、ガス１流導入圧が許容バンドＸ
内にあることを示している。従って、第４故障検出指数
で示される故障は、ガス１導入流圧に起因するものでは
なかった。
ラフである。図７Ａは、ガス１流導入圧が許容バンドＸ
内にあることを示している。従って、第４故障検出指数
で示される故障は、ガス１導入流圧に起因するものでは
なかった。
【００４７】図７Ｂは、図７Ａと同じＺ部分のフォアラ
イン圧センサをプロットしたグラフである。図７Ｂは、
フォアライン圧が許容バンドＸの範囲外であったことを
示している。
イン圧センサをプロットしたグラフである。図７Ｂは、
フォアライン圧が許容バンドＸの範囲外であったことを
示している。
【００４８】図７Ｃは、図７Ａと同じＺ部分のスロット
ルバルブセンサをプロットしたグラフである。図７Ｄ
は、Ｚ部分のチャンバ圧センサをプロットしたグラフで
ある。図７Ｃ及び図７Ｄは、スロットルバルブとチャン
バ圧が許容しうる許容バンドＸのかなり範囲外にあるこ
とを示している。
ルバルブセンサをプロットしたグラフである。図７Ｄ
は、Ｚ部分のチャンバ圧センサをプロットしたグラフで
ある。図７Ｃ及び図７Ｄは、スロットルバルブとチャン
バ圧が許容しうる許容バンドＸのかなり範囲外にあるこ
とを示している。
【００４９】図７Ａ〜図７Ｄのセンサ読取り値と、その
相互の相関によって、図２Ａ〜図２Ｃに示されるフォア
ライン圧の低下で最初に示されるツール故障の存在が確
認される。スロットルバルブ、フォアライン圧、及びチ
ャンバ圧の能動センサ値が組合わされた場合、第４故障
検出指数の低下が明らかになり、単独で考慮される単一
センサよりもプラズマエッチングツールの状態の正確な
図が示される。
相互の相関によって、図２Ａ〜図２Ｃに示されるフォア
ライン圧の低下で最初に示されるツール故障の存在が確
認される。スロットルバルブ、フォアライン圧、及びチ
ャンバ圧の能動センサ値が組合わされた場合、第４故障
検出指数の低下が明らかになり、単独で考慮される単一
センサよりもプラズマエッチングツールの状態の正確な
図が示される。
【００５０】Ｂ．クラスタセンサ 上記実験結果はツール故障の存在を明らかにするのにセ
ンサの分類の影響を示し、クラスタセンサの利用は故障
検出の精度を高める。
ンサの分類の影響を示し、クラスタセンサの利用は故障
検出の精度を高める。
【００５１】図８Ａは、ツール故障を受けたプラズマエ
ッチングツールのプロセスランについて故障検出指数と
時間をプロットしたグラフである。図８Ａの方法は、ベ
クトルサブセットにまとめられる最近接ベクトルの選択
プロセスにおいてクラスタセンサ値を考慮している。図
８Ａは、ツールの状態を示す非常に正確な図であり、故
障検出指数はツールが最後に停止し時間Ｔ2で警告する
まで時間Ｔ1から連続して悪くなっている。
ッチングツールのプロセスランについて故障検出指数と
時間をプロットしたグラフである。図８Ａの方法は、ベ
クトルサブセットにまとめられる最近接ベクトルの選択
プロセスにおいてクラスタセンサ値を考慮している。図
８Ａは、ツールの状態を示す非常に正確な図であり、故
障検出指数はツールが最後に停止し時間Ｔ2で警告する
まで時間Ｔ1から連続して悪くなっている。
【００５２】対照的に、図８Ｂは、クラスタセンサの値
がベクトルサブセットにまとめられる最近接ベクトルの
選択プロセスに含まれていない同様のプロセスランをプ
ロットしたグラフである。図８Ｂは、ツールの状態を示
すあまり正確でない図であり、故障検出指数の急激な低
下が時間Ｔ4でのツールの警告と停止の直前の時間Ｔ3で
起きている。図８Ａの方法で示された故障の先行警告
は、ツールオペレータに故障を認識及び修正する重要な
準備時間を与える。従って、初期の故障認識は、最終的
に許容しうる許容量の範囲外にあるウエハ数を減少さ
せ、ツール歩留まりを上げる。
がベクトルサブセットにまとめられる最近接ベクトルの
選択プロセスに含まれていない同様のプロセスランをプ
ロットしたグラフである。図８Ｂは、ツールの状態を示
すあまり正確でない図であり、故障検出指数の急激な低
下が時間Ｔ4でのツールの警告と停止の直前の時間Ｔ3で
起きている。図８Ａの方法で示された故障の先行警告
は、ツールオペレータに故障を認識及び修正する重要な
準備時間を与える。従って、初期の故障認識は、最終的
に許容しうる許容量の範囲外にあるウエハ数を減少さ
せ、ツール歩留まりを上げる。
【００５３】Ｃ．受動/包含的センサ 受動/包含的センサ型の利用は、故障検出に有益であ
る。例えば、サセプタ温度のような動作パラメータは重
要な故障検出情報を与えることができる。しかしなが
ら、サセプタ温度は、表２の第１故障検出指数の関連の
能動圧センサとほとんど相関していない。
る。例えば、サセプタ温度のような動作パラメータは重
要な故障検出情報を与えることができる。しかしなが
ら、サセプタ温度は、表２の第１故障検出指数の関連の
能動圧センサとほとんど相関していない。
【００５４】サセプタ温度が能動センサとして特定され
る場合には、サセプタ温度は最近接選択プロセスに含ま
れる。しかしながら、これは、ツール性能が他の非常に
相関するセンサに基づいてモデルにすべき場合には望ま
しくない。受動/包含的センサ型の役割は、図９Ａ〜図
９Ｃと共に良く理解される。
る場合には、サセプタ温度は最近接選択プロセスに含ま
れる。しかしながら、これは、ツール性能が他の非常に
相関するセンサに基づいてモデルにすべき場合には望ま
しくない。受動/包含的センサ型の役割は、図９Ａ〜図
９Ｃと共に良く理解される。
【００５５】図９Ａは、適切に機能しているエッチング
ツールについて測定サセプタ温度と予想サセプタ温度の
経時範囲をプロットしたグラフである。測定サセプタ温
度も予想サセプタ温度も時間Ｔ1とＴ2間で繰り返してい
る。
ツールについて測定サセプタ温度と予想サセプタ温度の
経時範囲をプロットしたグラフである。測定サセプタ温
度も予想サセプタ温度も時間Ｔ1とＴ2間で繰り返してい
る。
【００５６】図９Ｂは、サセプタ温度が能動センサ型で
ある予測モデルにおいて測定サセプタ温度と予想サセプ
タ温度の経時範囲をプロットしたグラフである。図９Ｂ
は、時間Ｔ1でツールが故障を受け、測定サセプタ温度
が予想された周期的挙動から逸脱し、Ｔ2まで一定のま
まであることを示している。サセプタ温度は、関連の能
動圧センサのグループとほとんど相関していない。しか
しながら、サセプタ温度が能動センサ型でありかつ最近
接ベクトルの選択に考慮されるために、モデルで予想さ
れたベクトルサブセットは、実際の温度の変化にあては
まる平坦な形を反映している。予想された温度のこの変
化は、時間Ｔ1とＴ2間の測定温度の一定の平坦なプロフ
ァイルによって示されるツール故障をかくしている。
ある予測モデルにおいて測定サセプタ温度と予想サセプ
タ温度の経時範囲をプロットしたグラフである。図９Ｂ
は、時間Ｔ1でツールが故障を受け、測定サセプタ温度
が予想された周期的挙動から逸脱し、Ｔ2まで一定のま
まであることを示している。サセプタ温度は、関連の能
動圧センサのグループとほとんど相関していない。しか
しながら、サセプタ温度が能動センサ型でありかつ最近
接ベクトルの選択に考慮されるために、モデルで予想さ
れたベクトルサブセットは、実際の温度の変化にあては
まる平坦な形を反映している。予想された温度のこの変
化は、時間Ｔ1とＴ2間の測定温度の一定の平坦なプロフ
ァイルによって示されるツール故障をかくしている。
【００５７】対照的に、図９Ｃは、サセプタ温度が受動
/包含的センサ型である予想モデルにおいて測定サセプ
タ温度と予想サセプタ温度の経時範囲をプロットしたグ
ラフである。図９Ｂのツールのように、図９Ｃのツール
は時間Ｔ1で故障を受けている。しかしながら、測定サ
セプタ温度がサブセットの最近接ベクトルを選択するの
に含まれないために、予想サセプタ温度範囲は、時間Ｔ
1で平坦なままではなく測定値と合致している。むし
ろ、図９Ｃにおいては、時間Ｔ1で始まる実際のサセプ
タ温度の平坦なプロファイルは、予想範囲外で合格する
ので、ツール故障として認識可能である。
/包含的センサ型である予想モデルにおいて測定サセプ
タ温度と予想サセプタ温度の経時範囲をプロットしたグ
ラフである。図９Ｂのツールのように、図９Ｃのツール
は時間Ｔ1で故障を受けている。しかしながら、測定サ
セプタ温度がサブセットの最近接ベクトルを選択するの
に含まれないために、予想サセプタ温度範囲は、時間Ｔ
1で平坦なままではなく測定値と合致している。むし
ろ、図９Ｃにおいては、時間Ｔ1で始まる実際のサセプ
タ温度の平坦なプロファイルは、予想範囲外で合格する
ので、ツール故障として認識可能である。
【００５８】
【故障検出装置】図１０は、本発明の方法の実施例を行
うように形成された装置を示す簡易図である。装置１０
００には、ウエハ１００６が配置されたウエハ処理チャ
ンバ１００４を含む半導体製造ツール１００２が含まれ
ている。装置１０００は、また、ツール１００２の動作
パラメータを検出するツール１００２に作動上結合した
第１センサ１００８と第２センサ１０１０を含んでい
る。
うように形成された装置を示す簡易図である。装置１０
００には、ウエハ１００６が配置されたウエハ処理チャ
ンバ１００４を含む半導体製造ツール１００２が含まれ
ている。装置１０００は、また、ツール１００２の動作
パラメータを検出するツール１００２に作動上結合した
第１センサ１００８と第２センサ１０１０を含んでい
る。
【００５９】コントローラ１０１２は、ツール１００２
と通じ、第１センサと第２センサ１０１０とも通じてい
る。メモリ１０１４は、コントローラ１０１２に結合
し、メモリ１０１４は、前記装置を制御してレシピによ
って動作する半導体処理ツールからの相関動作パラメー
タのグループを検出する、コンピュータ使用説明を含む
コンピュータ読取り可能書式のコンピュータプログラム
を記憶している。コンピュータ使用説明はまた、前記装
置を制御して相関動作パラメータのグループを、レシピ
を使ったツールの以前のランで記録された対応する動作
パラメータと比較し、動作パラメータの検知グループを
以前のランで記録された対応する動作パラメータと比較
することから故障検出指数を生成するものである。
と通じ、第１センサと第２センサ１０１０とも通じてい
る。メモリ１０１４は、コントローラ１０１２に結合
し、メモリ１０１４は、前記装置を制御してレシピによ
って動作する半導体処理ツールからの相関動作パラメー
タのグループを検出する、コンピュータ使用説明を含む
コンピュータ読取り可能書式のコンピュータプログラム
を記憶している。コンピュータ使用説明はまた、前記装
置を制御して相関動作パラメータのグループを、レシピ
を使ったツールの以前のランで記録された対応する動作
パラメータと比較し、動作パラメータの検知グループを
以前のランで記録された対応する動作パラメータと比較
することから故障検出指数を生成するものである。
【００６０】本発明を図１Ｂではプラズマエッチングツ
ールでの故障を検出するステップと共に記載したきた
が、図１０の半導体製造ツールはこの個々の実施例に限
定されない。本発明の代替的実施例によれば、ケミカル
メカニカルポリシング(ＣＭＰ)装置の故障が検出され得
る。本発明の他の代替的実施例によれば、化学気相成長
ツールやリソグラフィ装置のような他の半導体製造ツー
ルの故障が検出され得る。
ールでの故障を検出するステップと共に記載したきた
が、図１０の半導体製造ツールはこの個々の実施例に限
定されない。本発明の代替的実施例によれば、ケミカル
メカニカルポリシング(ＣＭＰ)装置の故障が検出され得
る。本発明の他の代替的実施例によれば、化学気相成長
ツールやリソグラフィ装置のような他の半導体製造ツー
ルの故障が検出され得る。
【００６１】更に、上記発明を参考データライブラリか
ら最近接ベクトルの選択を用いる故障検出法と共に記載
してきたが、これは本発明で必要とされない。故障検出
指数を生成するために相互に相関するセンサを一緒に分
類する手法は、他のモデリング方法でも利用され得、そ
の方法はなお本発明の範囲内にあるものである。
ら最近接ベクトルの選択を用いる故障検出法と共に記載
してきたが、これは本発明で必要とされない。故障検出
指数を生成するために相互に相関するセンサを一緒に分
類する手法は、他のモデリング方法でも利用され得、そ
の方法はなお本発明の範囲内にあるものである。
【００６２】本発明の上記詳細な説明とその中で記載さ
れた種々の実施例を示したが、変更と修正が明白に理解
された均等物や代替物は本発明の範囲内に包含されるも
のである。
れた種々の実施例を示したが、変更と修正が明白に理解
された均等物や代替物は本発明の範囲内に包含されるも
のである。
【図１Ａ】本発明の方法の実施例を纏めた簡易フローシ
ートである。
ートである。
【図１Ｂ】図１Ａに示された方法の動作の詳細を示す略
図である。
図である。
【図２Ａ】プラズマエッチングツールの初期のテストラ
ン系列のフォアライン圧の値をプロットしたグラフであ
る。
ン系列のフォアライン圧の値をプロットしたグラフであ
る。
【図２Ｂ】中間のテストラン系列のフォアライン圧の値
をプロットしたグラフである。
をプロットしたグラフである。
【図２Ｃ】後期のテストラン系列のフォアライン圧の値
をプロットしたグラフである。
をプロットしたグラフである。
【図３】テストラン系列について表２の第２故障検出指
数をプロットしたグラフである。
数をプロットしたグラフである。
【図４】図３の同じテストラン系列について表２の第３
故障検出指数をプロットしたグラフである。
故障検出指数をプロットしたグラフである。
【図５】図３の同じテストラン系列について表２の第４
故障検出指数をプロットしたグラフである。
故障検出指数をプロットしたグラフである。
【図６】図３の同じテストラン系列について表２の第１
故障検出指数をプロットしたグラフである。
故障検出指数をプロットしたグラフである。
【図７Ａ】図３〜図６のテストランのＺ部分のガス１導
入圧をプロットしたグラフである。
入圧をプロットしたグラフである。
【図７Ｂ】図３〜図６のテストランのＺ部分のフォアラ
イン圧をプロットしたグラフである。
イン圧をプロットしたグラフである。
【図７Ｃ】図３〜図６のテストランのＺ部分のスロット
ルバルブをプロットしたグラフである。
ルバルブをプロットしたグラフである。
【図７Ｄ】図３〜図６のテストランのＺ部分のチャンバ
圧をプロットしたグラフである。
圧をプロットしたグラフである。
【図８Ａ】最近接ベクトルの選択プロセスにおいてクラ
スタセンサ情報を用いない故障検出法の故障検出指数と
時間をプロットしたグラフである。
スタセンサ情報を用いない故障検出法の故障検出指数と
時間をプロットしたグラフである。
【図８Ｂ】最近接ベクトルの選択プロセスにおいてクラ
スタセンサ情報を用いる故障検出法の故障検出指数と時
間をプロットしたグラフである。
スタセンサ情報を用いる故障検出法の故障検出指数と時
間をプロットしたグラフである。
【図９Ａ】適切に機能しているエッチングツールの実際
と予想の経時サセプタ温度をプロットしたグラフであ
る。
と予想の経時サセプタ温度をプロットしたグラフであ
る。
【図９Ｂ】サセプタ温度が能動センサ型である方法の実
際と予想の経時サセプタ温度をプロットしたグラフであ
る。
際と予想の経時サセプタ温度をプロットしたグラフであ
る。
【図９Ｃ】サセプタ温度が受動/包含的センサ型である
方法の実際と予想の経時サセプタ温度をプロットしたグ
ラフである。
方法の実際と予想の経時サセプタ温度をプロットしたグ
ラフである。
【図１０】本発明の方法の実施例を行うために形成され
た装置を示す簡易図である。
た装置を示す簡易図である。
【図１１】本発明のＵＰＭ法のステップを示す簡易略図
である。
である。
【図１２】従来の故障検出法の『ブルズアイ』グラフで
ある。
ある。
２、４、６、８、１０、１２、１４、１６…ステップ、
１０２…ツール、１０４…入力ベクトル、１０６ａ…チ
ャンバ圧センサ、１０６ｂ…スロットルバルブ圧セン
サ、１０６ｃ…フォアライン圧センサ、１０６ｄ…ガス
１圧センサ、１０８…ベクトルサブセット、１１２…参
考データライブラリ、１１４…故障検出指数、１１６…
予想ベクトル、１１８…クラスタセンサ、１２０…サセ
プタ温度センサ、１２２…アウト１センサ、１２４…類
似性係数、１２８…重み、１７０−１７９…参考データ
ベクトル、９００…第１段階、９０２…第２段階、９０
４…サセプタ温度、１０００…装置、１００２…半導体
製造ツール、１００４…ウエハ処理チャンバ、１００６
…ウエハ、１００８…第１センサ、１０１０…第２セン
サ、１０１２…コントローラ、１０１４…メモリ、１１
０１…半導体処理ツール、１１０２…入力ベクトル、１
１０４…値、１１０６…ツールセンサ、１１１０…ベク
トルサブセット、１１１２…参考データライブラリ、１
１１４…故障検出指数、１１１６…出力予想ベクトル、
１１２０…センサ、１１５０−１１５７…ベクトル、１
２０２…スポーク。
１０２…ツール、１０４…入力ベクトル、１０６ａ…チ
ャンバ圧センサ、１０６ｂ…スロットルバルブ圧セン
サ、１０６ｃ…フォアライン圧センサ、１０６ｄ…ガス
１圧センサ、１０８…ベクトルサブセット、１１２…参
考データライブラリ、１１４…故障検出指数、１１６…
予想ベクトル、１１８…クラスタセンサ、１２０…サセ
プタ温度センサ、１２２…アウト１センサ、１２４…類
似性係数、１２８…重み、１７０−１７９…参考データ
ベクトル、９００…第１段階、９０２…第２段階、９０
４…サセプタ温度、１０００…装置、１００２…半導体
製造ツール、１００４…ウエハ処理チャンバ、１００６
…ウエハ、１００８…第１センサ、１０１０…第２セン
サ、１０１２…コントローラ、１０１４…メモリ、１１
０１…半導体処理ツール、１１０２…入力ベクトル、１
１０４…値、１１０６…ツールセンサ、１１１０…ベク
トルサブセット、１１１２…参考データライブラリ、１
１１４…故障検出指数、１１１６…出力予想ベクトル、
１１２０…センサ、１１５０−１１５７…ベクトル、１
２０２…スポーク。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 ディミトリス リンベロパウロス アメリカ合衆国， カリフォルニア州， サン ノゼ， パセオ プエブロ ドライ ヴ 6160 Ｆターム(参考） 5F046 AA28 DA30 DB11 DB14
Claims (19)
- 【請求項１】 故障検出法であって：レシピによって作
動する半導体処理ツールの相関動作パラメータのグルー
プを検知するステップと；該レシピによって作動する該
ツールの非相関動作パラメータの少なくとも一つを検知
するステップと；該相関動作パラメータのグループと該
非相関動作パラメータの少なくとも一つを含む入力ベク
トルを形成するステップと；該入力ベクトルを該レシピ
を用いた以前のツールランからのベクトルを含む参考デ
ータライブラリと比較するステップと；該相関動作パラ
メータのグループとの類似性に基づいて、該参考データ
ライブラリから一つ以上の該入力ベクトルに最近接のベ
クトルを選択するステップと；選択された該最近接のベ
クトルから故障検出指数を生成するステップと、を含
む、前記方法。 - 【請求項２】 該相関動作パラメータのグループを検知
するステップが、ツール圧に関係する動作パラメータを
検知するステップを含んでいる、請求項１記載の方法。 - 【請求項３】 該相関動作パラメータのグループを検知
するステップが、ツール温度に関係する動作パラメータ
を検知するステップを含んでいる、請求項１記載の方
法。 - 【請求項４】 該相関動作パラメータのグループを検知
するステップが、ツールパワーに関する動作パラメータ
を検出するステップを含んでいる、請求項１記載の方
法。 - 【請求項５】 該相関動作パラメータのグループを検知
するステップが、該ツール内のウエハの位置決めに関係
する動作パラメータを検知するステップを含んでいる、
請求項１記載の方法。 - 【請求項６】 該故障検出指数は、選択された該最近接
のベクトルからベクトルサブセットをまとめ、該ベクト
ルサブセットを合わせて出力予想ベクトルにし、該出力
予想ベクトルから故障検出指数を生成することによっ
て、生成される、請求項１記載の方法。 - 【請求項７】 該出力ベクトルが予想動作パラメータを
含み、該故障検出指数が該予想動作パラメータを合わせ
ることにより生成される、請求項６記載の方法。 - 【請求項８】 該出力予想ベクトルの該動作パラメータ
を合わせるステップが：重みのセットを該予想動作パラ
メータに割り当てるステップと；重み付きの該動作パラ
メータを一緒に加えるステップと、 を含む、請求項７記載の方法。 - 【請求項９】 該重みのセットが、類似性に基づいて割
り当てられる、請求項８記載の方法。 - 【請求項１０】 更に：受動-包含的センサ値を該入力
ベクトルに含むステップと；該最近接のベクトルを選択
するのに該受動包含的センサ値を無視するステップと；
該故障検出指数を生成するのに該受動-包含的センサ値
を含むステップと、を含む、請求項１記載の方法。 - 【請求項１１】 更に：クラスタセンサ値を入力ベクト
ルに含むステップと；該最近接のベクトルを選択するの
に該クラスタセンサ値を含むステップと；該故障検出指
数を生成するのに該クラスタセンサを無視するステップ
と、を含む、請求項１記載の方法。 - 【請求項１２】 該クラスタセンサが、該相関動作パラ
メータのグループが検知されたときの半導体製造プロセ
スのステージを示している、請求項１１記載の方法。 - 【請求項１３】 該参考データライブラリの該ベクトル
が合成センサを含み：該合成センサのゼロ値を該入力ベ
クトルに含むステップと；該出力予想ベクトルから該合
成センサの予想値を得るステップであって、該合成セン
サは、該最近接のベクトルを選択するのに無視され、該
故障検出指数を生成するのに無視される、該合成センサ
の予想値を得るステップと、を更に含んでいる、請求項
６記載の方法。 - 【請求項１４】 該合成センサは、該半導体製造ツール
の動作中にリアルタイムで測定することが難しいか又は
不可能であり、処理が完了した後に該ライブラリのベク
トルに割り当てられる、請求項１３記載の方法。 - 【請求項１５】 半導体処理ツールの故障を検出する装
置であって：該半導体処理ツールに作動上結合した第１
センサ、第２センサ、及び第３センサと；該半導体処理
ツールと、該第１センサ、第２センサ、及び第３センサ
と通じているコントローラと；該コントローラに結合し
たメモリであって、前記メモリは、コンピュータ使用説
明を含むコンピュータ読取り可能書式のコンピュータプ
ログラムを記憶して前記コントローラを制御し、 該第１センサと第２センサからレシピによって作動する
該半導体処理ツールの相関動作パラメータを受け取り；
該第３センサから該ツールからの非相関動作パラメータ
を受け取り、 該相関動作パラメータを、該レシピを用いて該ツールの
以前のラン中に記録された対応する動作パラメータと比
較し；検知した該相関動作パラメータを以前のラン中に
記録された該対応する動作パラメータと比較することか
ら故障検出指数を生成する、 該コントローラに結合したメモリと、を含む、前記装
置。 - 【請求項１６】 該相関動作パラメータがツール圧に関
係している、請求項１５記載の装置。 - 【請求項１７】 該相関動作パラメータがツール温度に
関係している、請求項１５記載の装置。 - 【請求項１８】 該相関動作パラメータがツールパワー
に関係している、請求項１５記載の装置。 - 【請求項１９】 該相関動作パラメータが該ツール内の
ウエハの位置決めに関係している、請求項１５記載の装
置。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US23259800P | 2000-09-14 | 2000-09-14 | |
| US09/833516 | 2001-04-11 | ||
| US60/232598 | 2001-04-11 | ||
| US09/833,516 US6895293B2 (en) | 2000-09-14 | 2001-04-11 | Fault detection and virtual sensor methods for tool fault monitoring |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002231597A true JP2002231597A (ja) | 2002-08-16 |
| JP5106729B2 JP5106729B2 (ja) | 2012-12-26 |
Family
ID=26926153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001280353A Expired - Fee Related JP5106729B2 (ja) | 2000-09-14 | 2001-09-14 | ツール故障監視用の故障検出および仮想センサ法 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US6895293B2 (ja) |
| EP (1) | EP1191308A3 (ja) |
| JP (1) | JP5106729B2 (ja) |
| KR (1) | KR100768017B1 (ja) |
| SG (1) | SG99947A1 (ja) |
| TW (1) | TW518702B (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100768017B1 (ko) * | 2000-09-14 | 2007-10-17 | 어플라이드 머티어리얼스, 인코포레이티드 | 툴 고장 모니터링을 위한 고장검출 및 가상 센서 방법 |
| JP2016528655A (ja) * | 2013-08-23 | 2016-09-15 | アプライド マテリアルズ インコーポレイテッドＡｐｐｌｉｅｄ Ｍａｔｅｒｉａｌｓ，Ｉｎｃｏｒｐｏｒａｔｅｄ | ツールプロセスデータの多変量解析を提供するためのｋ近傍法に基づく方法及びシステム |
| JP2022523101A (ja) * | 2019-01-31 | 2022-04-21 | アプライド マテリアルズ インコーポレイテッド | イオン注入半導体製造ツールにおける構成要素の故障の是正 |
| JP7254257B1 (ja) | 2020-04-02 | 2023-04-07 | アプライド マテリアルズ インコーポレイテッド | 処理チャンバ内の特性評価及び故障検出のためのボード指紋法 |
Families Citing this family (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6782343B2 (en) * | 2001-02-28 | 2004-08-24 | Asm International N.V. | Resource consumption calculator |
| US7103439B1 (en) * | 2001-04-02 | 2006-09-05 | Advanced Micro Devices, Inc. | Method and apparatus for initializing tool controllers based on tool event data |
| US6763278B1 (en) * | 2002-04-26 | 2004-07-13 | Advanced Micro Devices, Inc. | Operating a processing tool in a degraded mode upon detecting a fault |
| US7065422B1 (en) * | 2002-06-28 | 2006-06-20 | Advanced Micro Devices, Inc. | Method and apparatus for system state classification |
| US6960774B2 (en) * | 2003-11-03 | 2005-11-01 | Advanced Micro Devices, Inc. | Fault detection and control methodologies for ion implantation processes, and system for performing same |
| US20050220984A1 (en) * | 2004-04-02 | 2005-10-06 | Applied Materials Inc., A Delaware Corporation | Method and system for control of processing conditions in plasma processing systems |
| KR100839071B1 (ko) | 2004-05-13 | 2008-06-19 | 삼성전자주식회사 | 공정장비의 상태를 모니터링하기 위한 시스템 및 방법 |
| US20060107898A1 (en) * | 2004-11-19 | 2006-05-25 | Blomberg Tom E | Method and apparatus for measuring consumption of reactants |
| US7680559B2 (en) * | 2005-02-08 | 2010-03-16 | Lam Research Corporation | Wafer movement control macros |
| AT502241B1 (de) * | 2005-02-24 | 2007-04-15 | Arc Seibersdorf Res Gmbh | Verfahren und anordnung zur feststellung der abweichung von ermittelten werten |
| US7535688B2 (en) * | 2005-03-25 | 2009-05-19 | Tokyo Electron Limited | Method for electrically discharging substrate, substrate processing apparatus and program |
| US20080082348A1 (en) * | 2006-10-02 | 2008-04-03 | Paulus Sachar M | Enterprise Integrity Content Generation and Utilization |
| CN100574997C (zh) * | 2006-12-28 | 2009-12-30 | 中芯国际集成电路制造(上海)有限公司 | 故障报警装置及故障报警方法 |
| US20090083586A1 (en) * | 2007-09-24 | 2009-03-26 | General Electric Company | Failure management device and method |
| US8151814B2 (en) * | 2009-01-13 | 2012-04-10 | Asm Japan K.K. | Method for controlling flow and concentration of liquid precursor |
| US8473089B2 (en) * | 2009-06-30 | 2013-06-25 | Lam Research Corporation | Methods and apparatus for predictive preventive maintenance of processing chambers |
| US8271121B2 (en) * | 2009-06-30 | 2012-09-18 | Lam Research Corporation | Methods and arrangements for in-situ process monitoring and control for plasma processing tools |
| US8538572B2 (en) * | 2009-06-30 | 2013-09-17 | Lam Research Corporation | Methods for constructing an optimal endpoint algorithm |
| US8295966B2 (en) * | 2009-06-30 | 2012-10-23 | Lam Research Corporation | Methods and apparatus to predict etch rate uniformity for qualification of a plasma chamber |
| US8983631B2 (en) * | 2009-06-30 | 2015-03-17 | Lam Research Corporation | Arrangement for identifying uncontrolled events at the process module level and methods thereof |
| US8618807B2 (en) * | 2009-06-30 | 2013-12-31 | Lam Research Corporation | Arrangement for identifying uncontrolled events at the process module level and methods thereof |
| US9026241B2 (en) * | 2012-02-24 | 2015-05-05 | Taiwan Semiconductor Manufacturing Co., Ltd. | Closed loop control for reliability |
| US10133263B1 (en) | 2014-08-18 | 2018-11-20 | Kla-Tencor Corporation | Process condition based dynamic defect inspection |
| 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 |
| US10937637B2 (en) * | 2017-08-31 | 2021-03-02 | Applied Materials, Inc. | Determining susceptor service life in a plasma processing chamber |
| KR102031843B1 (ko) * | 2017-12-29 | 2019-10-15 | 주식회사 비스텔 | 가상의 센서 데이터를 생성하는 방법 및 장치 |
| CN108959498A (zh) * | 2018-06-26 | 2018-12-07 | 北京航空航天大学 | 一种用于健康监测的大数据处理平台及其设计方法 |
| US11768984B2 (en) | 2020-09-22 | 2023-09-26 | Applied Materials, Inc. | Parameter sensing and computer modeling for gas delivery health monitoring |
| WO2023211467A1 (en) * | 2022-04-29 | 2023-11-02 | Hitachi Vantara Llc | Real-time detection, prediction, and remediation of sensor faults through data-driven pproaches |
| CN117873007B (zh) * | 2024-03-11 | 2024-05-24 | 成都秦川物联网科技股份有限公司 | 基于工业物联网的制造流程管理方法、系统、设备及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5859964A (en) * | 1996-10-25 | 1999-01-12 | Advanced Micro Devices, Inc. | System and method for performing real time data acquisition, process modeling and fault detection of wafer fabrication processes |
| JPH1187323A (ja) * | 1997-05-12 | 1999-03-30 | Applied Materials Inc | 半導体ウェー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び装置 |
| US6192287B1 (en) * | 1997-09-23 | 2001-02-20 | On-Line Technologies, Inc. | Method and apparatus for fault detection and control |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5877032A (en) | 1995-10-12 | 1999-03-02 | Lucent Technologies Inc. | Process for device fabrication in which the plasma etch is controlled by monitoring optical emission |
| WO1993021592A1 (en) | 1992-04-16 | 1993-10-28 | The Dow Chemical Company | Improved method for interpreting complex data and detecting abnormal instrument or process behavior |
| SE9304246L (sv) | 1993-12-22 | 1995-06-23 | Asea Brown Boveri | Förfarande vid övervakning av multivariata processer |
| US5864773A (en) * | 1995-11-03 | 1999-01-26 | Texas Instruments Incorporated | Virtual sensor based monitoring and fault detection/classification system and method for semiconductor processing equipment |
| EP0932195A1 (en) * | 1997-12-30 | 1999-07-28 | International Business Machines Corporation | Method and system for semiconductor wafer fabrication process real-time in-situ supervision |
| US6046796A (en) | 1998-04-22 | 2000-04-04 | Advanced Micro Devices, Inc. | Methodology for improved semiconductor process monitoring using optical emission spectroscopy |
| US6090302A (en) | 1998-04-23 | 2000-07-18 | Sandia | Method and apparatus for monitoring plasma processing operations |
| US6442445B1 (en) * | 1999-03-19 | 2002-08-27 | International Business Machines Corporation, | User configurable multivariate time series reduction tool control method |
| US6895293B2 (en) * | 2000-09-14 | 2005-05-17 | Applied Materials, Inc. | Fault detection and virtual sensor methods for tool fault monitoring |
-
2001
- 2001-04-11 US US09/833,516 patent/US6895293B2/en not_active Expired - Fee Related
- 2001-08-09 TW TW090119557A patent/TW518702B/zh not_active IP Right Cessation
- 2001-08-10 EP EP01119362A patent/EP1191308A3/en not_active Withdrawn
- 2001-08-17 SG SG200104973A patent/SG99947A1/en unknown
- 2001-09-14 KR KR1020010056694A patent/KR100768017B1/ko not_active IP Right Cessation
- 2001-09-14 JP JP2001280353A patent/JP5106729B2/ja not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5859964A (en) * | 1996-10-25 | 1999-01-12 | Advanced Micro Devices, Inc. | System and method for performing real time data acquisition, process modeling and fault detection of wafer fabrication processes |
| JPH1187323A (ja) * | 1997-05-12 | 1999-03-30 | Applied Materials Inc | 半導体ウェー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び装置 |
| US6192287B1 (en) * | 1997-09-23 | 2001-02-20 | On-Line Technologies, Inc. | Method and apparatus for fault detection and control |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100768017B1 (ko) * | 2000-09-14 | 2007-10-17 | 어플라이드 머티어리얼스, 인코포레이티드 | 툴 고장 모니터링을 위한 고장검출 및 가상 센서 방법 |
| JP2016528655A (ja) * | 2013-08-23 | 2016-09-15 | アプライド マテリアルズ インコーポレイテッドＡｐｐｌｉｅｄ Ｍａｔｅｒｉａｌｓ，Ｉｎｃｏｒｐｏｒａｔｅｄ | ツールプロセスデータの多変量解析を提供するためのｋ近傍法に基づく方法及びシステム |
| JP2022523101A (ja) * | 2019-01-31 | 2022-04-21 | アプライド マテリアルズ インコーポレイテッド | イオン注入半導体製造ツールにおける構成要素の故障の是正 |
| JP7238146B2 (ja) | 2019-01-31 | 2023-03-13 | アプライド マテリアルズ インコーポレイテッド | イオン注入半導体製造ツールにおける構成要素の故障の是正 |
| US11862493B2 (en) | 2019-01-31 | 2024-01-02 | Applied Materials, Inc. | Correcting component failures in ion implant semiconductor manufacturing tool |
| JP7472344B2 (ja) | 2019-01-31 | 2024-04-22 | アプライド マテリアルズ インコーポレイテッド | イオン注入半導体製造ツールにおける構成要素の故障の是正 |
| JP7254257B1 (ja) | 2020-04-02 | 2023-04-07 | アプライド マテリアルズ インコーポレイテッド | 処理チャンバ内の特性評価及び故障検出のためのボード指紋法 |
| JP2023516099A (ja) * | 2020-04-02 | 2023-04-17 | アプライド マテリアルズ インコーポレイテッド | 処理チャンバ内の特性評価及び故障検出のためのボード指紋法 |
| JP7319479B1 (ja) | 2020-04-02 | 2023-08-01 | アプライド マテリアルズ インコーポレイテッド | 処理チャンバ内の特性評価及び故障検出のためのボード指紋法 |
| JP2023110917A (ja) * | 2020-04-02 | 2023-08-09 | アプライド マテリアルズ インコーポレイテッド | 処理チャンバ内の特性評価及び故障検出のためのボード指紋法 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20020021353A (ko) | 2002-03-20 |
| KR100768017B1 (ko) | 2007-10-17 |
| JP5106729B2 (ja) | 2012-12-26 |
| EP1191308A2 (en) | 2002-03-27 |
| SG99947A1 (en) | 2003-11-27 |
| EP1191308A3 (en) | 2004-02-18 |
| TW518702B (en) | 2003-01-21 |
| US6895293B2 (en) | 2005-05-17 |
| US20020055801A1 (en) | 2002-05-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5106729B2 (ja) | ツール故障監視用の故障検出および仮想センサ法 | |
| JP4008899B2 (ja) | 半導体装置の製造システムおよび半導体装置の製造方法 | |
| KR101019459B1 (ko) | 결함 진단을 위한 분류된 결함 시그니처들 | |
| US7151976B2 (en) | Multivariate control of semiconductor processes | |
| KR20180074574A (ko) | 프로세스의 엔드포인트 제어를 위한 시계열 스펙트럼으로부터 특징 추출 방법 | |
| Purwins et al. | Regression methods for virtual metrology of layer thickness in chemical vapor deposition | |
| KR20100017637A (ko) | 메트릭 독립적 그리고 레시피 독립적 결함 부류들 | |
| WO2007064933A1 (en) | Method and apparatus for classifying manufacturing outputs | |
| JP4568216B2 (ja) | 半導体装置の製造システム | |
| KR100773350B1 (ko) | 설비의 이상패턴 규명을 위한 기준정보형성방법 및 이를이용한 반도체 제조설비의 모니터링 방법 | |
| CN113994453A (zh) | 半导体装置制造系统以及半导体装置制造方法 | |
| US7337034B1 (en) | Method and apparatus for determining a root cause of a statistical process control failure | |
| US7212950B2 (en) | Methods and apparatus for equipment matching and characterization | |
| KR100733590B1 (ko) | 반도체장치의 제조시스템 및 반도체장치의 제조방법 | |
| US6959252B2 (en) | Method for analyzing in-line QC test parameters | |
| US7100081B1 (en) | Method and apparatus for fault classification based on residual vectors | |
| JP3732768B2 (ja) | 半導体処理装置 | |
| US7277824B1 (en) | Method and apparatus for classifying faults based on wafer state data and sensor tool trace data | |
| JP2012015410A (ja) | 不良解析方法、不良解析装置 | |
| TWI471752B (zh) | 管理晶圓製程的方法及其系統 | |
| JP2009010370A (ja) | 半導体処理装置 | |
| CN107305365B (zh) | 一种基于rga的工艺过程控制方法及工艺过程控制系统 | |
| JP2005051269A (ja) | 半導体処理装置 | |
| US11868119B2 (en) | Method and process using fingerprint based semiconductor manufacturing process fault detection | |
| TWI841756B (zh) | 具有診斷電路之真空系統及用於監測該真空系統之健全之方法及電腦程式 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080916 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20101130 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20101210 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120216 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120221 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20120521 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20120524 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20120618 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20120621 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20120719 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20120724 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120821 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120911 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121003 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151012 Year of fee payment: 3 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |