JP2004335841A - プラズマ処理装置の予測装置及び予測方法 - Google Patents

Abstract

【課題】予測に用いるデータを多変量解析に基づいて選択することにより，予測精度を向上させる。
【解決手段】ウエハの処理ごとに得られる運転データと上部電極の厚みなどの処理結果データを運転データ記憶部２０２，処理結果データ記憶部２０４に収集し，収集した運転データに対して解析処理部２０８により行った多変量解析に基づいて予測に用いるデータを選択し，選択した運転データと処理結果データとの相関関係を求め，求めた相関関係に基づいて，この相関関係を得たウエハ以外のウエハを処理した時の運転データを用いてプラズマ処理装置の状態又は被処理体の状態を処理結果として予測する。
【選択図】 図２

Description

【０００１】
【発明の属する技術分野】
本発明は，例えば半導体製造装置で処理するウエハなどの被処理体や装置状態の予測を行うプラズマ処理装置の予測装置及び予測方法に関する。
【０００２】
【従来の技術】
半導体製造工程では種々の処理装置が用いられている。例えば半導体ウエハやガラス基板等の被処理体の成膜工程やエッチング工程ではプラズマ処理装置などの処理装置が広く使用されている。例えばプラズマ処理装置では，気密な処理室内に導入した処理ガスをプラズマ化して被処理体例えば半導体ウエハの表面をプラズマ処理する。従って，プラズマ処理を繰返すうちに，プラズマによる反応生成物などが発生して処理室の内壁に付着したり，処理室内に配設された電極などの部品が消耗したりするなどにより，装置状態が微妙に変化する。このような装置状態の変化はウエハのエッチング形状などに影響するため，常に安定した処理を行うためには，処理室内の部品の厚みなどの装置状態やプラズマ処理したウエハの形状データなどのプロセス特性を含む処理結果を監視する必要がある。
【０００３】
このため，例えばテストウエハを予め作製し，テストウエハに対して定期的にエッチング処理を行い，その処理結果（例えば，テストウエハの削れ量等）に基づいてその時々の処理装置の状態を判断するものもある。
【０００４】
しかしながら，テストウエハに基づいてその時々の処理装置の状態を判断するものでは，多くのテストウエハを作製する必要がある。しかも処理装置を用いて多くのテストウエハを処理し，その都度それぞれの処理結果を測定する必要があるため，テストウエハの作製及び処理結果の測定に多くの工数と時間を割かなくてはならないという問題があった。
【０００５】
また，特許文献１に記載の技術のように，高周波電源の基本波や整数倍波の電圧，電流などの電気的データを経時的に測定し，これらの測定データを用いて重回帰分析を行って予測モデルを作成し，このモデルに基づいてフォーカスリングの厚さなどを予測するものもある。
【０００６】
【特許文献１】
特開平２００２−２５９８２号公報
【０００７】
【発明が解決しようとする課題】
しかしながら，このような予測方法においては，フォーカスリングの厚さなどの装置状態を予測することができる点で優れているものの，実際に予測モデルを作成する際に使用する測定データによっては，高精度の予測を行うには十分ではない場合もあり，更なる改善が必要である。
【０００８】
例えばモデル式を作成する際に使用するデータの中には，実測値に対して予測値を悪化させる方向へ寄与するデータも存在する。このような場合に，モデル式を作成する際に使用するデータを選択せずに，すべてのデータを使用すると予測結果がかえって悪くなることもある。
【０００９】
そこで，本発明は，このような問題に鑑みてなされたもので，その目的とするところは，予測に用いるデータを多変量解析に基づいて選択することにより，予測精度を向上させることができるプラズマ処理装置の予測装置及び予測方法を提供することにある。
【００１０】
【課題を解決するための手段】
上記課題を解決するために，本発明の第１の観点によれば，プラズマ処理装置の処理室内で被処理体をプラズマ処理する過程で，前記プラズマ処理装置の運転データと，前記プラズマ処理装置の状態又は前記被処理体の状態を処理結果として取得した処理結果データに基づいて，前記プラズマ処理装置の状態又は前記被処理体の状態を予測する方法であって，前記被処理体の処理ごとに得られる運転データと前記処理結果データを収集するデータ収集手段と，収集した前記運転データに対して多変量解析を行い，その結果に基づいて予測に用いるデータを選択する運転データ選択手段と，選択した前記運転データと前記処理結果データとの相関関係を求める解析手段と，前記解析手段により求めた相関関係に基づいて，この相関関係を得た被処理体以外の被処理体を処理した時の運転データを用いて前記プラズマ処理装置又は前記被処理体の状態を予測する予測手段とを備えたことを特徴とするプラズマ処理装置の予測装置が提供される。
【００１１】
上記課題を解決するために，本発明の第２の観点によれば，プラズマ処理装置の処理室内で被処理体をプラズマ処理する過程で，前記プラズマ処理装置の運転データと，前記プラズマ処理装置の状態又は前記被処理体の状態を処理結果として取得した処理結果データに基づいて，前記プラズマ処理装置の状態又は前記被処理体の状態を予測する方法であって，前記被処理体の処理ごとに得られる運転データと前記処理結果データを収集するデータ収集工程と，収集した前記運転データに対して多変量解析を行い，その結果に基づいて予測に用いるデータを選択する運転データ選択工程と，選択した前記運転データと前記処理結果データとの相関関係を求める解析工程と，前記解析工程により求めた相関関係に基づいて，この相関関係を得た被処理体以外の被処理体を処理した時の運転データを用いて前記プラズマ処理装置又は前記被処理体の状態を予測する予測工程とを有すること特徴とする予測方法が提供される。
【００１２】
本発明の第１の観点及び第２の観点によれば，収集した運転データのうち，多変量解析の結果に基づいて選択した運転データを用いてプラズマ処理装置又は被処理体の状態の予測を行うので，運転データのうち予測結果に悪い影響を与える運転データの影響をなくして又は低減して予測を行うことができる。これにより，予測精度を向上させることができる。
【００１３】
また，上記予測装置及び予測方法において，運転データ選択手段又は運転データ選択方法は，収集した前記運転データに主成分分析を行って得られた各主成分軸に関する元の運転データの相対的な貢献度に基づいて運転データを選択するようにしてもよい。このとき，各主成分軸に関する元の運転データの相対的な貢献度は，前記各運転データに関するローディングとし，前記各主成分軸から予め設定された距離内にあるローディングに対応する運転データを選択するようにしてもよい。
【００１４】
このように，収集された運転データに対して主成分分析を行って，例えば各主成分軸から予め設定された距離内にあるローディングに対応する運転データを選択することにより，収集された運転データのうち，その運転データの特徴を表す最適な運転データを選択することができる。これにより，ノイズとなるような不要な運転データは予測を行うときには取除かれるので，予測精度を向上させることができる。
【００１５】
また，上記予測装置及び予測方法において，各主成分軸からの設定距離を徐々に短くしていき，それぞれで選択された運転データに基づいて予測を行い，予測結果が最もよくなるときの各主成分軸からの距離を設定して運転データを選択するようにしてもよい。これにより，予測に使用するのに最適な運転データを選択することができる。
【００１６】
また，上記予測装置及び予測方法において，解析手段又は解析工程は，前記相関関係を部分最小二乗法によって求めるようにしてもよい。これにより，少ない計算量で運転データと処理結果データとの相関関係を求めることができる。
【００１７】
また，上記予測装置及び予測方法において，運転データは少なくとも，前記処理室に発生するプラズマに基づく高調波の電気的データを含み，前記処理結果データは，処理室内に配設された部品の消耗度に関するデータ（例えば処理室内に配設された電極の厚みのデータ）であってもよい。
【００１８】
なお，本明細書中１ｍＴｏｒｒは（１０^−３×１０１３２５／７６０）Ｐａ，１ｓｃｃｍは（１０^−６／６０）ｍ^３／ｓｅｃとする。
【００１９】
【発明の実施の形態】
以下に添付図面を参照しながら，本発明にかかるプラズマ処理装置の予測装置及び予測方法の好適な実施の形態について詳細に説明する。なお，本明細書及び図面において，実質的に同一の機能構成を有する構成要素については，同一の符号を付することにより重複説明を省略する。
【００２０】
（プラズマ処理装置）
先ず，第１の実施形態にかかるプラズマ処理装置として平行平板型プラズマエッチング装置（以下，「プラズマ処理装置１００」と称する。）について説明する。プラズマ処理装置１００は，例えば図１に示すようにアルミニウム製の処理室１０１と，この処理室１０１内に配置された下部電極１０２を絶縁材１０２Ａを介して支持する昇降可能なアルミニウム製の支持体１０３と，この支持体１０３の上方に配置され且つプロセスガスを供給し且つ上部電極を兼ねるシャワーヘッド（以下，「上部電極」とも称す。）１０４とを備えている。上部電極１０４は，絶縁材１０４Ｃを介して処理室１０１と絶縁されている。
【００２１】
上部電極１０４には，第１の高周波電源１０４Ｅが接続されており，その給電線には整合器１０４Ｄが介挿されている。この第１の高周波電源１０４Ｅは，５０〜１５０ＭＨｚの範囲の周波数を有している。このように高い周波数の電力を印加することにより，処理室１０１内に好ましい解離状態でかつ高密度のプラズマを形成することができ，従来より低圧条件下のプラズマ処理が可能となる。この第１の高周波電源１０４Ｅの周波数は，５０〜８０ＭＨｚが好ましく，典型的には図示した６０ＭＨｚまたはその近傍の周波数が採用される。
【００２２】
上記処理室１０１の側壁には，検出窓１２２が設けられており，処理室１０１の側壁の外側には，上記検出窓１２２を介して処理室１０１内のプラズマ発光を検出する分光器（以下，「光学計測器」と称す。）１２０が設けられている。この光学計測器１２０から検出される波長の発光スペクトル強度は例えば光学データとすることができる。
【００２３】
上記処理室１０１は上部が小径の上室１０１Ａとして形成され，下部が大径の下室１０１Ｂとして形成されている。下室１０１Ｂの上部にはウエハＷを搬出入するための出入口が形成され，この出入口にはゲートバルブ１０６が取り付けられている。
【００２４】
下部電極１０２には，電気計測器（例えばＶＩプローブ）１０７Ｃ，整合器１０７Ａ，電力計１０７Ｂを介して第２の高周波電源１０７が接続されている。この第２の高周波電源１０７は数百ｋＨｚ〜十数ＭＨｚの範囲の周波数を有している。このような範囲の周波数を印加することにより，被処理体であるウエハＷに対してダメージを与えることなく適切なイオン作用を与えることができる。第２の高周波電源１０７の周波数は，典型的には図示した２ＭＨｚ等の周波数が採用される。
【００２５】
整合器１０７Ａ内には，下部電極１０２側（高周波電圧の出力側）の高周波（ＲＦ）電圧Ｖｐｐを測定する測定器（図示せず）を備える。整合器１０７Ａは具体的には例えば２個の可変コンデンサＣ１，Ｃ２，コンデンサＣ及びコイルＬを内蔵し，可変コンデンサＣ１，Ｃ２を介してインピーダンス整合を取っている。
【００２６】
整合器１０７Ａは電圧計１０７ａを備え，この電圧計１０７ａにより第２の高周波電力の供給ライン（電線）とプラズマ処理装置１００のグランド（接地）との間の電圧Ｖｄｃを計測することができる。
【００２７】
整合器１０７Ａの下部電極１０２側（高周波電力の出力側）に接続された電力計１０７Ｂにより，第２の高周波電源１０７からの第２の高周波電力Ｐが測定される。
【００２８】
上室１０１Ａ内に発生するプラズマに基づく基本波（例えば高周波電力の進行波及び反射波など）及び高調波における高周波電圧（Ｖ），高周波電流（Ｉ），高周波位相（Ｐ），インピーダンス（Ｚ）は，上記電気計測器（例えばＶＩプローブ）１０７Ｃを介して下部電極１０２に印加される高周波電力Ｐにより，電気的データとして検出することができる。本実施形態では，このような基本波及び高調波の電圧（Ｖ），電流（Ｉ），位相（Ｐ），インピーダンス（Ｚ）などの電気的データを運転データとして予測に用いる。
【００２９】
下部電極１０２の上面には，静電チャック１０８が配置され，この静電チャック１０８の電極板１０８Ａには直流電源１０９が接続されている。このような静電チャック１０８によれば，高真空下で直流電源１０９から電極板１０８Ａに高電圧を印加することにより，ウエハＷを静電吸着することができる。この静電チャック１０８の電極板１０８Ａと直流電源１０９との間には，静電チャック１０８の印加電流，印加電圧を検出する電力計１０９ａが接続されている。
【００３０】
下部電極１０２の外周には，フォーカスリング１１０ａが配置され，上室１０１Ａ内で生成したプラズマをウエハＷに集める。フォーカスリング１１０ａの下側には支持体１０３の上部に取り付けられた排気リング１１１が配置されている。この排気リング１１１には複数の孔が全周に渡って周方向等間隔に形成され，これらの孔を介して上室１０１Ａ内のガスを下室１０１Ｂへ排気する。
【００３１】
上記支持体１０３はボールネジ機構１１２及びベローズ１１３を介して上室１０１Ａと下室１０１Ｂ間で昇降可能になっている。従って，ウエハＷを下部電極１０２上に供給する場合には，支持体１０３を介して下部電極１０２が下室１０１Ｂまで下降し，ゲートバルブ１０６を開放して図示しない搬送機構を介してウエハＷを下部電極１０２上に供給する。
【００３２】
支持体１０３の内部には冷媒配管１１４に接続された冷媒流路１０３Ａが形成され，冷媒配管１１４を介して冷媒流路１０３Ａ内で冷媒を循環させ，ウエハＷを所定の温度に調整する。
【００３３】
支持体１０３，絶縁材１０２Ａ，下部電極１０２及び静電チャック１０８にはそれぞれガス流路１０３Ｂが形成され，ガス導入機構１１５からガス配管１１５Ａを介して静電チャック１０８とウエハＷ間の細隙に例えばＨｅガスを所定の圧力でバックサイドガスとして供給し，Ｈｅガスを介して静電チャック１０８とウエハＷ間の熱伝導性を高めている。バックサイドガスの圧力は圧力センサ（図示せず）を検出し，その検出値を圧力計１１５Ｂに表示する。尚，１１６はベローズカバーである。またガス導入機構１１５には例えばマスフローコントローラ（図示せず）が設けられており，このマスフローコントローラによりバックサイドガスのガス流量を検出することができる。
【００３４】
上記上部電極１０４の上面にはガス導入部１０４Ａが形成され，このガス導入部１０４Ａには配管１１７を介してプロセスガス供給系１１８が接続されている。プロセスガス供給系１１８は，Ｃ_５Ｆ_８ガス供給源１１８Ａ，Ｏ_２ガス供給源１１８Ｄ，Ａｒガス供給源１１８Ｇを有している。
【００３５】
これらのガス供給源１１８Ａ，１１８Ｄ，１１８Ｇはそれぞれバルブ１１８Ｂ，１１８Ｅ，１１８Ｈ及びマスフローコントローラ１１８Ｃ，１１８Ｆ，１１８Ｉを介してそれぞれのガスを所定の流量で上部電極１０４へ供給し，その内部で所定の配合比を持った混合ガスとして調整する。上部電極１０４の下面には複数の孔１０４Ｂが全面に渡って均等に配置され，これらの孔１０４Ｂを介して上部電極１０４から上室１０１Ａ内へ混合ガスをプロセスガスとして供給する。
【００３６】
尚，図１において，１０１Ｃは排気管，１１９は排気管１０１Ｃに接続された真空ポンプ等からなる排気系である。排気管１０１Ｃには，ＡＰＣ（ＡｕｔｏＰｒｅｓｓｕｒｅ Ｃｏｎｔｒｏｌｌｅｒ）バルブ１０１Ｄが設けられており，処理室１０１内のガス圧力に即してＡＰＣバルブの開度が自動的に調節される。
【００３７】
（多変量解析装置）
上記プラズマ処理装置１００は，例えば図２に示すように運転データ及び処理結果データ（例えば上部電極１０４の厚さデータなどの装置状態データ，処理後のウエハのエッチング形状データなどのプロセス特性データなど）を統計的に処理する多変量解析装置２００と，処理結果データを入力すると共に解析結果等の情報を出力する入出力装置２２０とを備える。プラズマ処理装置１００は多変量解析装置２００を介して運転データ及び処理結果データを多変量解析して両者の相関関係を求めた後，必要に応じて解析結果等の情報を入出力装置２２０から出力する。
【００３８】
上記多変量解析装置２００は，運転データ記憶部２０２，処理結果データ記憶部２０４，多変量解析プログラム記憶部２０６，解析処理部２０８及び多変量解析結果記憶部２１０を備える。
【００３９】
上記運転データ記憶部２０２は運転データを記憶する手段を構成し，上記処理結果データ記憶部２０４は処理結果データを記憶する手段を構成する。解析処理部２０８は運転データと処理結果データとの相関関係（例えば予測式，回帰式）を求める手段と相関関係に基づいて処理結果（例えば上部電極１０４の厚さなどの装置状態，処理後のウエハのエッチング形状などのプロセス特性など）を予測する手段を構成する。多変量解析結果記憶部２１０は解析処理部２０８により求めた相関関係を記憶する手段を構成する。
【００４０】
上記多変量解析装置２００は例えば多変量解析プログラム記憶部２０６からのプログラムに基づいて動作するマイクロプロセッサなどで構成してもよい。上記運転データ記憶部２０２，処理結果データ記憶部２０４，多変量解析結果記憶部２１０はそれぞれメモリなどの記録手段で構成してもよく，またハードディスクなどの記録手段にそれぞれのメモリ領域を設けて構成してもよい。
【００４１】
多変量解析装置２００は，運転データ及び処理結果データの入力によりそれぞれのデータを運転データ記憶部２０２及び処理結果データ記憶部２０４で記憶した後，これらのデータ及び多変量解析プログラム記憶部２０６のプログラムを解析処理部２０８に取り出し，解析処理部２０８において運転データ及び処理結果データの多変量解析を行い，その多変量解析結果を多変量解析結果記憶部２１０で記憶する。
【００４２】
ここで，運転データとはウエハＷを処理する際のプラズマ処理装置１００に付設された複数の測定器それぞれから得られる検出データをいう。また，処理結果データとはプラズマ処理した結果得られる処理室１０１内の状態に関する装置状態データ，ウエハＷに関するプロセス特性データなどをいう。装置状態データとしては，例えば処理室１０１内の部品の厚みなどのウエハ処理後の消耗品の消耗度データが挙げられる。またプロセス特性データとしては，例えばウエハＷを処理した結果得られるウエハ処理面の形状データが挙げられる。運転データはウエハＷを処理する間に間欠的に測定し，処理結果データはウエハ処理後に必要に応じて測定する。これらの測定結果はそれぞれの記憶部２０２，２０４に記憶される。
【００４３】
本実施形態では，運転データと処理結果データの相関関係を求める関係上，運転データとして処理結果に影響し易いデータを用いることが好ましい。本実施形態では運転データとして電気的データを用いている。電気的データとしては，下部電極１０２に印加する基本波及び整数倍波の電流（Ｉ），位相（Ｐ），電圧（Ｖ），インピーダンス（Ｚ）を用いる。本実施形態では２ＭＨｚの高周波電力を下部電極１０２に印加しているが，下部電極１０２には２ＭＨｚの高周波電力の他に，これを基本波とする整数倍波（例えば４ＭＨｚ，８ＭＨｚ，１０ＭＨｚなど）が形成されて印加される。
【００４４】
上述の高周波電力供給ラインの整合器１０７Ａと処理室１０１との間の電流，電圧等は，処理室１０１内の環境変化，例えば堆積膜の形成，成長や消耗品の消耗度に応じて変化することがわかっている。そこで，本実施形態ではこれらの電流，電圧等の変化を利用して消耗品例えば上部電極１０４の消耗量（例えば上部電極１０４の厚み）を予測するようにしている。本実施形態においては，運転データとして収集した電気的データのうち，予測精度がよくなるデータを選択して多変量解析を行う。多変量解析に用いるデータを選択する方法の詳細は後述する。
【００４５】
本実施形態では，処理結果データとして，例えば上部電極１０４の厚みを装置状態データとして用いている。例えばウエハ上に形成されたシリコン酸化膜（例えばＳｉＯ_２膜）をレジスト層をマスクとしてプラズマ処理例えばエッチングを行う。そして，各ウエハＷのエッチング処理後に例えば上部電極１０４の厚みを検出して，これを処理結果データとして処理結果データ記憶部２０４に記憶する。
【００４６】
（主成分分析による運転データの選択）
次に，運転データのうち予測に使用するデータを選択する方法について説明する。上記解析処理部２０８は，多変量解析として例えば主成分分析を行い，その結果に基づいてデータの選択を行う（運転データ選択手段，運転データ選択工程）。例えばＮ枚のウエハＷそれぞれについて運転データとしてＫ個の検出値ｘが存在すると，運転データの行列Ｘは（１−１）式で表される。
【００４７】
【図１】

【００４８】
そして，解析処理部２０８においてそれぞれの検出値に基づいて平均値，最大値，最小値，分散値を求めた後，これらの計算値に基づいた分散共分散行列を用いて複数の運転データの主成分分析を行って固有値及びその固有ベクトルを求める。
【００４９】
固有値は，運転データの分散の大きさを表し，固有値の大きさ順に，第１主成分，第２主成分，・・・第ａ主成分として定義されている。また，各固有値にはそれぞれに属する固有ベクトル（ローディングベクトル）がある。通常，主成分の次数が高いほどデータの評価に対する寄与率が低くなり，その利用価値が薄れる。
【００５０】
例えばＮ枚のウエハについてそれぞれ運転データとしてＫ個の検出値を採った場合，ｎ番目のウエハのａ番目の固有値に対応する第ａ主成分得点（スコア）は（１−２）式で表される。
【００５１】
ｔ_ｎａ＝ｘ_ｎ１ｐ_１ａ＋ｘ_ｎ２ｐ_２ａ＋…＋ｘ_ｎＫｐ_Ｋａ …（１−２）
【００５２】
第ａ主成分得点のベクトル（スコアベクトル）ｔ_ａ及び行列（スコア行列）Ｔ_ａは（１−３）式で定義され，第ａ主成分の固有ベクトル（ローディングベクトル）ｐ_ａ及び行列（ローディング行列）Ｐ_ａは（１−４）式で定義される。そして，第ａ主成分得点のベクトルｔ_ａは行列Ｘと固有ベクトルｐ_ａを用いて（１−５）式で表される。また，主成分得点のベクトルｔ_１〜ｔ_Ｋとそれぞれの固有ベクトルｐ_１〜ｐ_Ｋを用いると行列Ｘは（１−６）式で表される。なお，（１−６）式においてＰ_Ｋ ^ＴはＰ_Ｋの転置行列である。
【００５３】

【００５４】

【００５５】
ｔ_ａ＝Ｘｐ_ａ …（１−５）
【００５６】
Ｘ＝Ｔ_ＫＰ_Ｋ ^Ｔ＝ｔ_１ｐ_１ ^Ｔ＋ｔ_２ｐ_２ ^Ｔ＋…＋ｔ_Ｋｐ_Ｋ ^Ｔ …（１−６）
【００５７】
上記（１−４）式に示すローディングベクトルＰ_ｊの各成分は，運転データの各パラメータのローディングに相当する。各主成分軸をとったグラフに上記各パラメータのローディングをプロットする。そして，各主成分軸からローディングまでの距離に応じてそのローディングに対応する変数を選択するか否かを決定する。
【００５８】
ここで，予測に使用するデータを選択する方法の具体例を説明する。運転データとしては例えば下部電極１０２に印加する基本波及び整数倍波の電流（Ｉ），位相（Ｐ），電圧（Ｖ），インピーダンス（Ｚ）の実測値を電気的データとして用いる。基本波及び整数倍波としては，２ＭＨｚを基本波として，第２高調波の４ＭＨｚ，第３高調波の６ＭＨｚ，第４高調波の８ＭＨｚ，第５高調波の１０ＭＨｚ，第６高調波の１２ＭＨｚ，第７高調波の１４ＭＨｚ，第１０高調波の２０ＭＨｚ，第２０高調波の４０ＭＨｚを用いた。
【００５９】
例えば基本波２ＭＨｚのときの電流（Ｉ），位相（Ｐ），電圧（Ｖ），インピーダンス（Ｚ）の各パラメータはＩ＿２，Ｐ＿２，Ｖ＿２，Ｚ＿２のように示し，第２高調波４ＭＨｚのときの電流（Ｉ），位相（Ｐ），電圧（Ｖ），インピーダンス（Ｚ）の各パラメータはＩ＿４，Ｐ＿４，Ｖ＿４，Ｚ＿４のように示す。
【００６０】
このような運転データに対して主成分分析を行って，主成分の数として第１主成分Ｐ_１，第２主成分Ｐ_２の２つを考えた場合，上記電気的データにおける各パラメータのローディングの値（ローディング行列Ｐの各主成分についての要素）は図３に示すようになる。このような電気的データの各パラメータのローディングを第１主成分軸Ｐ［１］を縦軸，第２主成分軸Ｐ［２］を横軸としてプロットすると図４に示すようになる。
【００６１】
図４において，各主成分軸からの所定距離を設定し，その範囲内に含まれるローディングに対応するパラメータを選択する。例えば第１主成分軸Ｐ［１］から±０．０３の点線で示す範囲を設定した場合には，その範囲内にある第５高調波１０ＭＨｚのインピーダンス（Ｚ＿１０）が選択され，範囲外にある第３高調波６ＭＨｚの位相（Ｐ＿６）などは外される。また，第２主成分軸Ｐ［２］から±０．０８の点線で示す範囲を設定した場合には，その範囲内にある基本波２ＭＨｚの電圧（Ｖ＿２），インピーダンス（Ｚ＿２）などが選択され，範囲外にある第７高調波１４ＭＨｚの電流（Ｉ＿１４）などは外される。
【００６２】
このように，各主成分軸からの所定距離を設定し，その範囲内に含まれるローディングのパラメータを選択する。こうして収集された電気的データの中から予測に使用するものを選択することにより，予測精度を向上させることができる。すなわち，ある主成分軸からローディングまでの距離が短いほど，そのローディングのパラメータはその主成分軸に対する貢献度が高い。従って，各主成分軸からの所定距離を短く設定するほど，予測精度の高いパラメータを選択することができる。
【００６３】
但し，後述する実験結果が示すように予測に使用するパラメータの数，すなわち電気的データの数が少なすぎると，かえって予測精度が悪化するので，各主成分軸からの所定距離を予測精度が最も高くなるように設定することが望ましい。
【００６４】
この点，例えば各主成分軸からの所定距離を徐々に短く設定して，より適切な電気的データのパラメータを選択できるように絞り込みをかけていくようにしてもよい。そして，選択された各データにより，最も予測精度が高くなる各主成分軸からの所定距離を設定し，その範囲内に含まれるローディングのパラメータを用いて実際の予測を行う。これにより，各主成分軸からの所定距離を適切に設定することができる。なお，具体的に運転データを選択して予測した実験結果については後述する。
【００６５】
（部分最小二乗法による予測）
本実施形態において上記多変量解析装置２００は，複数種の運転データを説明変量（説明変数）とし，処理結果データを被説明変量（目的変量，目的変数）とする下記（２−１）の関係式（回帰式などの予測式，モデル）を多変量解析プログラムを用いて求める。下記（２−１）の回帰式において，Ｘは説明変量の行列を意味し，Ｙは被説明変量の行列を意味する。また，Ｂは説明変量の係数（重み）からなる回帰行列であり，Ｅは残差行列である。
【００６６】
Ｙ＝ＢＸ＋Ｅ …（２−１）
【００６７】
本実施形態において上記（２−１）式を求める際には，例えばＪＯＵＲＮＡＬ ＯＦ ＣＨＥＭＯＭＥＴＲＩＣＳ，ＶＯＬ．２（ＰＰ２１１−２２８）（１９９８）に掲載されているＰＬＳ（Ｐａｒｔｉａｌ Ｌｅａｓｔ Ｓｑｕａｒｅｓ）法を用いている。このＰＬＳ法は，行列Ｘ，Ｙそれぞれに多数の説明変量及び被説明変量があってもそれぞれの少数の実測値があればＸとＹの関係式を求めることができる。しかも，少ない実測値で得られた関係式であっても安定性及び信頼性の高いものであることもＰＬＳ法の特徴である。
【００６８】
多変量解析プログラム記憶部２０６にはＰＬＳ法用のプログラムが記憶され，解析処理部２０８において運転データ及び処理結果データをプログラムの手順に従って処理し，上記（２−１）式を求め，この結果を多変量解析結果記憶部２１０で記憶する。従って，第１の実施形態では上記（２−１）式を求めれば，後は運転データを説明変量として行列Ｘに当てはめることによって処理結果を予測することができる。しかもこの予測値は信頼性の高いものになる。
【００６９】
例えば，Ｘ^ＴＹ行列に対してｉ番目の固有値に対応する第ｉ主成分はｔ_ｉで表される。行列Ｘはこの第ｉ主成分の得点ｔ_ｉとベクトルｐｉを用いると下記の（２−２）式で表され，行列Ｙはこの第ｉ主成分の得点ｔ_ｉとベクトルｃ_ｉを用いると下記の（２−３）式で表される。なお，下記の（２−２）式，（２−３）式において，Ｘ_ｉ＋１，Ｙ_ｉ＋１はＸ，Ｙの残差行列であり，Ｘ^Ｔは行列Ｘの転置行列である。以下では指数Ｔは転置行列を意味する。
【００７０】
Ｘ＝ｔ_１ｐ_１＋ｔ_２ｐ_２＋ｔ_３ｐ_３＋ … ＋ｔ_ｉｐ_ｉ＋Ｘ_ｉ＋１ …（２−２）
【００７１】
Ｙ＝ｔ_１ｃ_１＋ｔ_２ｃ_２＋ｔ_３ｃ_３＋ … ＋ｔ_ｉｃ_ｉ＋Ｙ_ｉ＋１ …（２−３）
【００７２】
而して，第１の実施形態で用いられるＰＬＳ法は，上記（２−２）式，（２−３）式を相関させた場合の複数の固有値及びそれぞれの固有ベクトルを少ない計算量で算出する手法である。
【００７３】
ＰＬＳ法は以下の手順で実施される。先ず第１段階では，行列Ｘ，Ｙのセンタリング及びスケーリングの操作を行う。そして，ｉ＝１を設定し，Ｘ_１＝Ｘ，Ｙ_１＝Ｙとする。また，ｕ_１として行列Ｙ_１の第１列を設定する。尚，センタリングとは各行の個々の値からそれぞれの行の平均値を差し引く操作であり，スケーリングとは各行の個々の値をそれぞれの行の標準偏差で除する操作（処理）である。
【００７４】
第２段階では，ｗ_ｉ＝Ｘ_ｉ ^Ｔｕ_ｉ／（ｕ_ｉ ^Ｔｕ_ｉ）を求めた後，ｗ_ｉの行列式を正規化し，ｔ_ｉ＝Ｘ_ｉｗ_ｉを求める。また，行列Ｙについても同様の処理を行って，ｃ_ｉ＝Ｙ_ｉ ^Ｔｔ_ｉ／（ｔ_ｉ ^Ｔｔ_ｉ）を求めた後，ｃ_ｉの行列式を正規化し，ｕ_ｉ＝Ｙ_ｉｃ_ｉ／（ｃ_ｉ ^Ｔｃ_ｉ）を求める。
【００７５】
第３段階ではＸローディング（負荷量）ｐ_ｉ＝Ｘ_ｉ ^Ｔｔ_ｉ／（ｔ_ｉ ^Ｔｔ_ｉ），Ｙ負荷量ｑ_ｉ＝Ｙ_ｉ ^Ｔｕ_ｉ／（ｕ_ｉ ^Ｔｕ_ｉ）を求める。そして，ｕをｔに回帰させたｂ_ｉ＝ｕ_ｉ ^Ｔｔ_ｉ／（ｔ_ｉ ^Ｔｔ_ｉ）を求める。次いで，残差行列Ｘ_ｉ＝Ｘ_ｉ−ｔ_ｉｐ_ｉ ^Ｔ，残差行列Ｙ_ｉ＝Ｙ_ｉ−ｂ_ｉｔ_ｉｃ_ｉ ^Ｔを求める。そして，ｉをインクリメントしてｉ＝ｉ＋１を設定し，第２段階からの処理を繰返す。これら一連の処理をＰＬＳ法のプログラムに従って所定の停止条件を満たすまで，あるいは残差行列Ｘ_ｉ＋１がゼロに収束するまで繰り返し，残差行列の最大固有値及びその固有ベクトルを求める。
【００７６】
ＰＬＳ法は残差行列Ｘ_ｉ＋１の停止条件またはゼロへの収束が速く，１０回程度の計算の繰返すだけで残差行列が停止条件またはゼロに収束する。一般的には４〜５回の計算の繰り返しで残差行列が停止条件またはゼロへの収束する。この計算処理によって求められた最大固有値及びその固有ベクトルを用いてＸ^ＴＹ行列の第１主成分を求め，Ｘ行列とＹ行列の最大の相関関係を知ることができる。
【００７７】
（プラズマ処理装置の動作）
次に，上記プラズマ処理装置１００の動作を説明する。本実施形態ではまず主成分分析により選択された運転データを用いて，多変量解析例えば部分最小二乗法によって予測のための上記（２−１）式を求めた後，所定のウエハＷを処理する。ウエハＷの処理段階では任意の時点における運転データを（２−１）式に当てはめることでその時の処理結果（例えばプラズマ処理装置１００の状態，ウエハＷの状態）を予測することができる。
【００７８】
プラズマ処理装置１００の運転を開始すると，支持体１０３がボールネジ機構１１２を介して処理室１０１の下室１０１Ｂまで下降すると共に，ゲートバルブ１０６が開放した出入口からウエハＷを搬入して下部電極１０２上に載置する。ウエハＷの搬入後，ゲートバルブ１０６が閉じると共に排気系１１９が作動して処理室１０１内を所定の真空度に維持する。この際，ガス導入機構１１５からＨｅガスをバックガスとしてセンタ圧力１５Ｔｏｒｒ，エッジ圧力４０Ｔｏｒｒで供給し，ウエハＷと下部電極１０２，具体的には静電チャック１０８とウエハＷ間の熱伝導性を高めてウエハＷの冷却効率を高める。また，上部電極の温度を６０℃，下部電極の温度を２０℃，側壁の温度を６０℃にする。
【００７９】
一方，プロセスガス供給系１１８から処理ガスを供給する。具体的にはＣ_５Ｆ_８ガス，Ｏ_２ガス，Ａｒガスをそれぞれ２９ｓｃｃｍ／７５０ｓｃｃｍ／４７ｓｃｃｍのガス流量比で供給する。この時の処理室１０１内の圧力は例えば２５ｍＴである。この状態で，上部電極１０４には例えば高周波電源１０４Ｅから６０ＭＨｚの高周波電力を３３００Ｗで印加し，下部電極１０２には例えば高周波電源１０７から２ＭＨｚの高周波電力を３８００Ｗで印加する。これにより，プロセスガスのプラズマを生成してウエハＷの酸化膜をエッチングする。エッチング終了後には搬入時とは逆の操作で処理後のウエハＷを処理室１０１内から搬出し，後続のウエハＷに対して同様の処理を繰り返し，所定の枚数を処理して一連の処理を終了する。そして，多変量解析によりモデルを作成する際に用いるテストウエハについては，例えば各ウエハＷを処理した後の上部電極１０４の厚みを求め，この上部電極１０４の厚みを処理結果データとする。運転データと処理結果データはそれぞれ運転データ記憶部２０２，処理結果データ記憶部２０４に記憶される（データ収集手段，データ収集工程）。
【００８０】
（実際にプラズマ処理を行った場合の予測）
次に，主成分分析に基づいて選択された運転データ及び処理結果データを用いて実際にプラズマ処理を行った場合の処理結果を予測する方法について説明する。
【００８１】
先ず，選択された運転データと処理結果データに基づいて多変量解析を行って，運転データと処理結果データとの相関関係（ＰＬＳ法による回帰式（２−１））を求める（解析工程，解析手段）。本実施形態では，先ず上記ＰＬＳ法による回帰式（２−１）の説明変数Ｘとして主成分分析に基づいて予め選択された電気的データを用い，処理結果データとして上記エッチング処理後の上部電極１０４の厚みを用いて，上記ＰＬＳ法による回帰式（２−１）を求める。
【００８２】
次いで，求めた相関関係に基づいて，この相関関係を得たウエハ以外のウエハを処理した時の運転データを用いて処理結果を予測する（予測工程，予測手段）。
【００８３】
（実験結果）
ここで，予測に用いる電気的データの選択範囲（図４の点線に示すような各主成分軸からの所定距離）を徐々に絞り込んで，上部電極の厚み予測した場合の実験結果を図５〜図９に示す。
【００８４】
図５〜図９における（ａ）は，上部電極１０４の厚みの予測値と実測値を比較した図である。ここでは，上部電極１０４の厚みが３種類のものを用意して，それぞれについてウエハをエッチング処理した場合のデータを使用して予測実験を行った。具体的には，厚み９．９８ｍｍの新品の上部電極１０４，厚み９．７１ｍｍの中古品の上部電極１０４，厚み９．２４ｍｍの寿命切品の上部電極１０４を使用してエッチング処理を行った。図５〜図９における（ｂ）は，上部電極１０４の厚みの予測値と実測値の相関を示す図である。
【００８５】
なお，本実験においては，例えば図５（ａ）に示すように３７枚目〜６６枚目のウエハをエッチング処理したときの電気的データ及び上部電極１０４の厚みをトレーニングデータとして上記ＰＬＳ法により回帰式（２−１）を求め，１枚目〜３６枚目のウエハをエッチング処理したときの電気的データを収集し，これを回帰式（２−１）に当てはめて上部電極１０４の厚みの予測値を求めたものである。図５〜図９における（ａ）では，３７枚目〜６６枚目のウエハをエッチング処理したときの上部電極１０４の厚みの予測値と実測値はほぼ重なっているが，これはこの部分のデータを用いて回帰式（２−１）を求めたからである。
【００８６】
図５（ａ），（ｂ）は，電気的データを選択せずに表１に示すすべてのパラメータを使用して予測した結果である。すなわち，収集したすべての電気的データのパラメータを用いて，上記ＰＬＳ法により回帰式（２−１）を求め（モデルＮＯ．１），上部電極１０４の厚みの予測した場合の実験結果である。このときのパラメータの数は３６個である。
【００８７】
【表１】

【００８８】
図６（ａ），（ｂ）は，電気的データのうち，第１選択条件により選択したパラメータを用いて，上記ＰＬＳ法により回帰式（２−１）を求め，上部電極１０４の厚みの予測した場合の実験結果である。第１選択条件は，図４に示すすべてのパラメータのローディングのうち，第１主成分軸Ｐ［１］からの距離Ｐ１が±０．０３の範囲内（図４において第１主成分軸Ｐ［１］に沿って点線で示す範囲内）又は第２主成分軸Ｐ［２］からの距離Ｐ２が±０．０８の範囲内（図４において第２主成分軸Ｐ［２］に沿って点線で示す範囲内）とする。この選択範囲内に含まれるローディングのパラメータを選択し，これを用いて上記ＰＬＳ法により回帰式（２−１）を求める（モデルＮＯ．２）。こうして選択されたパラメータの数は１８であり，その詳細を表２に示す。
【００８９】
【表２】

【００９０】
図７（ａ），（ｂ）は，電気的データのうち，第１選択条件よりもさらに絞り込みをかけた第２選択条件により選択したパラメータを用いて，上記ＰＬＳ法により回帰式（２−１）を求め，上部電極１０４の厚みの予測した場合の実験結果である。第１選択条件は，図４に示すすべてのパラメータのローディングのうち，第１主成分軸Ｐ［１］からの距離Ｐ１が±０．０３の範囲内（図４において第１主成分軸Ｐ［１］に沿って点線で示す範囲内）又は第２主成分軸Ｐ［２］からの距離Ｐ２が±０．０５の範囲内（図４において第２主成分軸Ｐ［２］に沿って一点鎖線で示す範囲内）とする。この選択範囲内に含まれるローディングのパラメータを選択し，これを用いて上記ＰＬＳ法により回帰式（２−１）を求める（モデルＮＯ．３）。こうして選択されたパラメータの数は１２であり，その詳細を表３に示す。
【００９１】
【表３】

【００９２】
図８（ａ），（ｂ）は，電気的データのうち，第２選択条件よりもさらに絞り込みをかけた第３選択条件により選択したパラメータを用いて，上記ＰＬＳ法により回帰式（２−１）を求め，上部電極１０４の厚みの予測した場合の実験結果である。第３選択条件は，図４に示すすべてのパラメータのローディングのうち，第１主成分軸Ｐ［１］からの距離Ｐ１が±０．０３の範囲内又は第２主成分軸Ｐ［２］からの距離Ｐ２が±０．０４の範囲内とする。この選択範囲内に含まれるローディングのパラメータを選択し，これを用いて上記ＰＬＳ法により回帰式（２−１）を求める（モデルＮＯ．４）。こうして選択されたパラメータの数は９であり，その詳細を表４に示す。
【００９３】
【表４】

【００９４】
図９（ａ），（ｂ）は，電気的データのうち，第３選択条件よりもさらに絞り込みをかけた第４選択条件により選択したパラメータを用いて，上記ＰＬＳ法により回帰式（２−１）を求め，上部電極１０４の厚みの予測した場合の実験結果である。第４選択条件は，図４に示すすべてのパラメータのローディングのうち，第１主成分軸Ｐ［１］からの距離Ｐ１が±０．０３の範囲内又は第２主成分軸Ｐ［２］からの距離Ｐ２が±０．０３の範囲内とする。この選択範囲内に含まれるローディングのパラメータを選択し，これを用いて上記ＰＬＳ法により回帰式（２−１）を求める（モデルＮＯ．５）。こうして選択されたパラメータの数は７であり，その詳細を表５に示す。
【００９５】
【表５】

【００９６】
図５〜図９の各実験結果についてそれぞれ予測誤差（ＰＥ；Ｐｒｅｄｉｃｔｉｏｎ Ｅｒｒｏｒ）を算出した。この予測誤差ＰＥは，各ウエハの処理結果データの実測値から予測値を引算して２乗したものの総和を求め，これを処理したウエハ枚数で割算してその平方根を求めたものである。予測誤差ＰＥは０が最もよく，この値が小さいほど実測値と予測値との誤差が少ないことを示す。
【００９７】
また図５〜図９について相関係数Ｒを算出した。ここで，相関係数Ｒとは，一般に，例えば２つの変量ｘ，ｙの関係の強さを示す指標の１つであり，相関係数Ｒ_ｘｙは（３−１）式により表される。
【００９８】

【００９９】
ここで，Ｓ_ｘｙは，共分散，Ｓ_ｘ，Ｓ_ｙは標準偏差である。このような相関係数Ｒは１が最もよく，この値が大きいほどより相関があることを示す。
【０１００】
さらに図５〜図９について決定係数Ｒ^２を算出した。決定係数Ｒ^２は，回帰式のあてはまりの良さを示す基準の１つであり，（３−２）式により表される。
【０１０１】

【０１０２】
上記（３−２）式において，Ｓ_Ｔは全分散，Ｓ_Ｒは回帰式で説明される部分の分散を示している。この決定係数Ｒ^２は０≦Ｒ^２≦１の値をとる。このような相関係数Ｒは１が最もよく，この値が大きいほどより回帰式のあてはまりの良さが高いことを示す。なお，決定係数Ｒ^２は相関係数Ｒの２乗に等しい。
【０１０３】
図５〜図９の実験結果による予測誤差ＰＥ，相関係数Ｒ，決定係数Ｒ^２をまとめたものを表６に示す。
【０１０４】
【表６】

【０１０５】
総合的には予測誤差ＰＥが０に近く，相関係数Ｒが１に近く，相関係数Ｒ^２が１に近いほど，予測精度がよいことになる。このような観点から表６を見ると，図５〜図８の順に予測誤差ＰＥの値が小さくなっており，またこの順に相関係数Ｒ及び決定係数Ｒ^２が１に近くなっている。従って，図５〜図８の予測精度は，この順に向上している。運転データのパラメータを選択するための選択条件を厳しくするほど，すなわち図４に示す各主成分軸からの距離を短く設定するほど予測精度が高くなることがわかる。
【０１０６】
ところが，図９の予測精度は，図８の場合よりもパラメータをさらに絞りこんでいるにも拘らず，図８の予測精度よりも悪くなっている。これは，本実施形態のような主成分分析に基づく絞り込みによって選択された運転データが少なくなりすぎると，逆に予測精度が悪化する傾向にあることを意味している。
【０１０７】
従って，運転データを選択するための上記選択条件としては，各主成分軸からの距離を短く設定していくと，予測精度は向上していって，ある時点でピークになり，その後は徐々に予測精度が悪くなる傾向がある。このため，各主成分軸からの所定距離（選択条件）を予測精度が最も高くなるように設定することが望ましい。
【０１０８】
例えば各主成分軸からの所定距離を徐々に短く設定していき，各設定ごとに予測を行って上記予測誤差ＰＥ，相関係数Ｒなどの予測精度を算出し，予測精度の算出値が前回よりも悪くなる直前の設定を各主成分軸からの所定距離（選択条件）として設定してもよい。これにより，各主成分軸からの所定距離（選択条件）を最も予測精度が高くなるように設定することができる。この場合，主成分の次数が低い順に絞り込みをかけていくようにしてもよい。これにより，データの評価に対する寄与率が高い主成分軸からの距離で絞り込みをかけることができるので，予測精度をより向上させることができる。
【０１０９】
なお，装置状態データとしては，本実施形態におけて説明した上部電極の厚みの他，副生成物の膜厚，フォーカスリング１１０ａ等の部品の消耗量を用いるようにしてもよい。このように装置状態データとして部品の消耗量を用いることにより，プラズマ処理装置１００のクリーニング時期や上部電極等の部品の交換時期を予測することもできる。
【０１１０】
処理結果データとしては，例えばエッチング処理によって形成された形状の寸法など被処理体の加工寸法を用いてもよい。これにより，計測に時間と手間がかかる加工寸法を精度よく予測することによって，加工寸法の監視を簡単に行うことができる。また被処理体の全枚数についても加工寸法を精度よく予測することができるため，適切な監視を行うことができる。
【０１１１】
また，処理結果データとして装置状態データの代りにプロセス特性データを用いて，プロセス特性について予測を行うものに適用してもよい。プロセス特性データとしては例えばエッチング処理によるエッチングレートのデータを用いてもよく，またウエハＷをエッチング処理して形成された形状の所定寸法などエッチングに関するデータを用いてもよい。
【０１１２】
また，本実施形態では，運転データとして例えば下部電極１０２に印加する基本波及び整数倍波の電流（Ｉ），位相（Ｐ），電圧（Ｖ），インピーダンス（Ｚ）を電気的データとして用いているが，その他のＶＩプローブデータ，光学データ，トレースデータを用いてもよい。
【０１１３】
上記光学データとしては，例えば上述した光学計測器１２０から検出される波長の発光スペクトル強度が挙げられる。また，上記トレースデータとしては，例えば各マスフローコントローラ１１８Ｃ，１１８Ｆ，１１８Ｉにより計測されたガス流量，ＡＰＣバルブ１０１ＤによるＡＰＣ開度，電力計１０９ａから検出された静電チャック１０８の印加電流，印加電圧のデータ，圧力計１１５Ｂにより検出されるバックサイドガスのガス圧力，整合器１０７Ａにおける測定値（例えば整合状態での可変コンデンサＣ１，Ｃ２のポジション，高周波電力供給ライン（電線）と接地間の電圧Ｖｄｃ），電気計測器（ＶＩプローブ）１０７Ｃにおける測定値（例えば高周波電力の進行波及び反射波など）が挙げられる。
【０１１４】
また，ウエハＷをエッチング処理する場合について説明したが，エッチング処理以外の成膜処理等の処理装置にも本発明を適用することができる。また，被処理体のウエハに制限されるものではない。
【０１１５】
このように，本実施形態によれば，収集した運転データのうち，多変量解析の結果に基づいて選択した運転データを用いて，上部電極１０４の厚みのようなプラズマ処理装置１００の状態を予測するので，運転データのうち予測結果に悪い影響を与える運転データ（例えばノイズとなるような運転データ）の影響をなくして又は低減して予測を行うことができる。これにより，予測精度を向上させることができる。
【０１１６】
以上，添付図面を参照しながら本発明に係る好適な実施形態について説明したが，本発明は係る例に限定されないことは言うまでもない。当業者であれば，特許請求の範囲に記載された範疇内において，各種の変更例または修正例に想到し得ることは明らかであり，それらについても当然に本発明の技術的範囲に属するものと了解される。
【０１１７】
例えば，プラズマ処理装置としては，平行平板型プラズマ処理装置に限られず，ヘリコン波プラズマ処理装置、誘導結合型プラズマ処理装置等に適用してもよい。
【０１１８】
【発明の効果】
以上詳述したように本発明によれば，予測に用いるデータを多変量解析に基づいて選択して，選択したデータを用いて回帰式などのモデルを作成し，このモデルに基づいて予測を行うことにより，予測精度を向上させることができるプラズマ処理装置の予測装置及び予測方法を提供できるものである。
【図面の簡単な説明】
【図１】本発明の実施形態にかかるプラズマ処理装置を示す断面図である。
【図２】同実施形態における多変量解析装置の一例を示すブロック図である。
【図３】同実施形態における電気的データにおける各パラメータのローディングの値を示す図。
【図４】同実施形態における電気的データの各パラメータのローディングを第１主成分軸Ｐ［１］を縦軸，第２主成分軸Ｐ［２］を横軸としてプロットした図。
【図５】同実施形態における電気的データをすべて用いて予測した場合の実験結果を示す図である。
【図６】同実施形態における電気的データのうち第１選択条件により選択したデータを用いて予測した場合の実験結果を示す図である。
【図７】同実施形態における電気的データのうち第２選択条件により選択したデータを用いて予測した場合の実験結果を示す図である。
【図８】同実施形態における電気的データのうち第３選択条件により選択したデータを用いて予測した場合の実験結果を示す図である。
【図９】同実施形態における電気的データのうち第４選択条件により選択したデータを用いて予測した場合の実験結果を示す図である。
【符号の説明】
１００ プラズマ処理装置
１０１ 処理室
１０２ 下部電極
１０４ 上部電極
１０４Ａ ガス導入部
１０４Ｄ 整合器
１０４Ｅ 高周波電源
１０６ ゲートバルブ
１０７ 高周波電源
１０７ａ 電力計
１０７Ａ 整合器
１０７Ｂ 電力計
１０８ 静電チャック
１０９ 直流電源
１０９ａ 電力計
１１４ 冷媒配管
１１５Ｂ 圧力計
１１８ プロセスガス供給系
１１９ 排気系
１２０ 光学計測器
２００ 多変量解析装置
２０２ 運転データ記憶部
２０４ 処理結果データ記憶部
２０６ 多変量解析プログラム記憶部
２０８ 解析処理部
２１０ 多変量解析結果記憶部
２２０ 入出力装置
Ｗ ウエハ

Claims (14)

1. プラズマ処理装置の処理室内で被処理体をプラズマ処理する過程で，前記プラズマ処理装置の運転データと，前記プラズマ処理装置の状態又は前記被処理体の状態を処理結果として取得した処理結果データに基づいて，前記プラズマ処理装置の状態又は前記被処理体の状態を予測する方法であって，
   前記被処理体の処理ごとに得られる運転データと前記処理結果データを収集するデータ収集手段と，
   収集した前記運転データに対して多変量解析を行い，その結果に基づいて予測に用いるデータを選択する運転データ選択手段と，
   選択した前記運転データと前記処理結果データとの相関関係を求める解析手段と，
   前記解析手段により求めた相関関係に基づいて，この相関関係を得た被処理体以外の被処理体を処理した時の運転データを用いて前記プラズマ処理装置又は前記被処理体の状態を予測する予測手段と，
   を備えたことを特徴とするプラズマ処理装置の予測装置。
2. 前記運転データ選択手段は，収集した前記運転データに主成分分析を行って得られた各主成分軸に関する元の運転データの相対的な貢献度に基づいて運転データを選択することを特徴とする請求項１に記載のプラズマ処理装置の予測装置。
3. 前記各主成分軸に関する元の運転データの相対的な貢献度は，前記各運転データに関するローディングであり，
   前記各主成分軸から予め設定された距離内にあるローディングに対応する運転データを選択することを特徴とする請求項２に記載のプラズマ処理装置の予測装置。
4. 各主成分軸からの設定距離を徐々に短くしていき，それぞれで選択された運転データに基づいて予測を行い，予測結果が最もよくなるときの各主成分軸からの距離を設定して運転データを選択することを特徴とする請求項３に記載のプラズマ処理装置の予測装置。
5. 前記解析手段は，前記相関関係を部分最小二乗法によって求めることを特徴とする請求項１〜４のいずれかに記載のプラズマ処理装置の予測装置。
6. 前記運転データは少なくとも，前記処理室に発生するプラズマに基づく高調波の電気的データを含み，
   前記処理結果データは，処理室内に配設された部品の消耗度に関するデータであることを特徴とする請求項１〜５のいずれかに記載のプラズマ処理装置の予測装置。
7. 前記処理結果データは，処理室内に配設された電極の厚さのデータであることを特徴とする請求項６に記載のプラズマ処理装置の予測装置。
8. プラズマ処理装置の処理室内で被処理体をプラズマ処理する過程で，前記プラズマ処理装置の運転データと，前記プラズマ処理装置の状態又は前記被処理体の状態を処理結果として取得した処理結果データに基づいて，前記プラズマ処理装置の状態又は前記被処理体の状態を予測する方法であって，
   前記被処理体の処理ごとに得られる運転データと前記処理結果データを収集するデータ収集工程と，
   収集した前記運転データに対して多変量解析を行い，その結果に基づいて予測に用いるデータを選択する運転データ選択工程と，
   選択した前記運転データと前記処理結果データとの相関関係を求める解析工程と，
   前記解析工程により求めた相関関係に基づいて，この相関関係を得た被処理体以外の被処理体を処理した時の運転データを用いて前記プラズマ処理装置又は前記被処理体の状態を予測する予測工程と，
   を有すること特徴とする予測方法。
9. 前記運転データ選択工程は，収集した前記運転データに主成分分析を行って得られた各主成分軸に関する元の運転データの相対的な貢献度に基づいて運転データを選択することを特徴とする請求項８に記載の予測方法。
10. 前記各主成分軸に関する元の運転データの相対的な貢献度は，前記各運転データに関するローディングであり，
    前記各主成分軸から予め設定された距離内にあるローディングに対応する運転データを選択することを特徴とする請求項９に記載の予測方法。
11. 各主成分軸からの設定距離を徐々に短くしていき，それぞれで選択された運転データに基づいて予測を行い，予測結果が最もよくなるときの各主成分軸からの距離を設定して運転データを選択することを特徴とする請求項１０に記載の予測方法。
12. 前記解析工程は，前記相関関係を部分最小二乗法によって求めることを特徴とする請求項８〜１１のいずれかに記載の予測方法。
13. 前記運転データは少なくとも，前記処理室に発生するプラズマに基づく高調波の電気的データを含み，
    前記処理結果データは，処理室内に配設された部品の消耗度に関するデータであることを特徴とする請求項８〜１２のいずれかに記載の予測方法。
14. 前記処理結果データは，処理室内に配設された電極の厚さのデータであることを特徴とする請求項１３に記載の予測方法。

Images