JP2008519464A - 重み付けされた主成分分析に基づく異常検出システムおよび方法 - Google Patents

Abstract

異常検出を実行するために動的重み付け技術を実行する方法およびシステム。本方法は、ワークピース（１０５）を処理するステップ、および、このワークピース（１０５）の処理に関連する異常検出解析を実行するステップを含む。本方法はさらに、検出した異常に対する異常検出解析に関連するパラメータの関係を判断するステップ、および、検出した異常に対するパラメータの関係に基づいてパラメータに関連付けられた重み付けを調整するステップを含む。

Description

一般に、本発明は、半導体の製造に関し、より詳細には、フィードバックを通じて異常検出の信頼性を高めるプロセスを実行する方法、システムおよび装置に関する。

製造産業における技術の急激な発展により、数多くの新しい革新的な製造プロセスがもたらされている。今日の製造プロセス、特に、半導体製造プロセスには、多くの重要なステップが求められる。これらの処理ステップは、通常不可欠なものであり、したがって、正しい製造制御を維持するために、一般的に精密に調整された多くの入力を必要とする。

半導体原材料からパッケージングされた半導体装置を作り出すために、半導体装置の製造においては、数多くの別個の処理（プロセス）ステップが必要である。半導体材料の最初の成長から、半導体結晶を個々のウェハにスライスするステップ、製作段階（エッチング、ドーピング、イオン注入など）、パッケージングおよび完成したデバイスの最終試験までの様々プロセスは互いに異なり、また特化しているので、これらのプロセスは、異なった制御の仕組みを含む、異なった製造場所で実行される。

一般的に、処理ステップの１セットを、しばしばロットと呼ばれる半導体ウェハの一群に対して実行する。例えば、様々な材料からなるプロセス層を半導体ウェハ上に形成することができる。その後、プロセス層の上に、既知のフォトリソグラフィ技術を用いて、フォトレジストのパターン化層を形成することができる。典型的には、フォトレジストのパターン化層をマスクとして用いて、次にプロセス層のエッチング処理を行う。このエッチング処理によって、プロセス層内の様々な構造物やオブジェクトが形成される。そのような構造物はトランジスタのゲート電極構造として使用することができる。しばしば、半導体ウェハ上の電気的領域を分離するために、半導体ウェハの様々な領域にトレンチアイソレーション構造をさらに形成する。使用可能な分離構造の一例は、シャロー・トレンチ・アイソレーション（ＳＴＩ：ｓｈａｌｌｏｗ ｔｒｅｎｃｈ ｉｓｏｌａｔｉｏｎ）構造である。

半導体製造工場内の製造ツールは通常、製造フレームワークまたは処理モジュールのネットワークと通信している。各製造ツールは一般に装置インターフェイスに接続される。
装置インターフェイスは、製造ネットワークに接続されたマシンインターフェイスに接続される。それによって、製造装置と製造フレームワークとの間の通信を促進している。
このマシンインターフェイスは、一般的にアドバンスト・プロセス・コントロール（ＡＰＣ：Ａｄｖａｎｃｅｄ Ｐｒｏｃｅｓｓ Ｃｏｎｔｒｏｌ）システムの一部とすることができる。ＡＰＣシステムは、製造プロセスを実行するのに必要なデータを自動的に取り込むソフトウェアプログラムである制御スクリプトを起動する。

図１は、典型的な半導体ウェハ１０５を示す。半導体ウェハ１０５は通常、格子１５０に配置された、複数の個々の半導体ダイ１０３を含む。パターン化されたフォトレジスト層は、公知のフォトリソグラフィプロセスおよび装置を用いて、パターン化される１つ以上のプロセス層の上に形成される。フォトリソグラフィプロセスの一環として、露光プロセスは、通常、使用する特定のフォトマスクに応じて、一度におおよそ１から４箇所のダイ位置に対してステッパによって実行される。パターン化されたフォトレジスト層は、ウェットまたはドライのエッチングプロセスの際にマスクとして用いられる。エッチングプロセスは、下地層または例えばポリシリコン、金属または絶縁材料の層である材料層に対して、所望のパターンを下地層に転写するように行われる。フォトレジストのパターン化層は、下地のプロセス層に複製されるべき複数の構造、例えば、ライン型の構造、または開口部型の構造を有する。半導体ウェハを処理するときに、ウェハが処理されるプロセス装置の状態だけでなく、半導体ウェハの処理結果に関連する様々な測定値を獲得し解析する。次に、次の処理を修正するためにその解析を使用する。図２に、最先端のプロセスフローのフローチャートを示す。処理システムは、ウェハのあるロットで様々な半導体ウェハ１０５を処理する（ブロック２１０）。処理システムは、半導体ウェハ１０５を処理すると、半導体ウェハ１０５の処理に関連する計測データを、このロット中の選択したウェハから獲得する（ブロック２２０）。加えて、処理システムは、ウェハの処理に使用したプロセス装置からツールステートセンサデータ(tool state sensor data)を獲得する（ブロック２３０）。ツールステートセンサデータは、圧力データ、湿度データ、温度データおよびこれらに類するものなどの様々なツールステートパラメータを含む。

処理システムは、この計測データおよびツールステートデータに基づいて異常検出を実行し、半導体ウェハ１０５の処理に関連付けられた異常に関連するデータを獲得する（ブロック２４０）。処理システムは、半導体ウェハ１０５の処理に関連づけられた様々な異常を検出すると、これらの異常に関連する主成分分析（ＰＣＡ：Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ）を実行する（ブロック２５０）。主成分解析（ＰＣＡ）とは、データの次元性を下げることでデータの相関構造を表す多変量解析法である。処理したウェハに関する問題とプロセス装置の問題との関係など、相関関係は様々な形式をとる。ＰＣＡは、次の半導体ウェハ１０５の処理に有益となる相関関係の形式を示すことができる。処理システムは、ＰＣＡを実行すると、このＰＣＡに基づいて様々な調整をした半導体ウェハ１０５で次の処理を実行する（ブロック２１０）。ＰＣＡは解析を実行し、ある装置に対して異常状態(abnormal condition)が存在するかどうかを判断する。異常状態を検出すると様々な信号が出され、様々な異常を検出したことをオペレータに知らせる。

最先端の方法に関連する１つの問題点は、異常な相関関係を構成しているのは何かについての判断が、異常検出解析およびＰＣＡを実行するために使用される異常検出モデルまたはＰＣＡモデルを構築するために使用されるデータに基づいている点である。概して、ＰＣＡを実行することで検出されるアブノーマル状態は、異常検出あるいはＰＣＡモデルの構築に使用されたデータとは統計的に違ってもよい。「統計的に違う」という用語は、母平均、母分散等に基づく差などの、各種の統計的な差を意味する。これらのアブノーマル状態は、装置が実行しているオペレーションの正しいやり方を正確に反映しないおそれがある。例えば、異常検出モデルあるいはＰＣＡモデルを構築する間、圧力センサーの値が小さな値に制限されていれば、実際に処理する間の圧力の大きな変動が重大なエラーであると認識されることになる。この方法による問題点は、圧力の変動が大きくても処理中の材料にはマイナスの影響を少しも与えなかったなら、その異常表示が誤りであるおそれがある点である。換言すれば、この大きな変動が、プロセスに重大な影響を与えるほど大きなものでなかったなら、フォールスポジティブ（エラーではないがエラーである）という異常表示が生じてしまう。このフォールスポジティブにより、製造セッティング(manufacturing setting)の効率が悪くなり、また、無駄な時間（アイドルタイム）が生じることになる。

最近になって、重み付けスキームをＰＣＡに組込むべく様々な努力がなされている。この重み付けスキームは、圧力などの様々なパラメータに付けられる重みに有意差をもたらす。しかし、この最新の重み付けスキームに関連する問題として、所定の重みを特定のパラメータに割り当てるためには、事前の情報が必要であることが挙げられる。事前の情報は、例えば、特定の処理に関連するＰＣＡ解析中、圧力パラメータにはわずかな重みしか割り当てなくてよいことを示す。これにより、問題のなかった圧力の変動に起因した誤った表示が減ることになる。しかし、この方法は非効率的で厄介な作業であり、また、よくても憶測を含み得るものである。さらに、特定のパラメータに対する重み付けを調整すると、特定の処理に関連するＰＣＡを改良することになるのか、あるいは悪化させることになるのか、明白ではないという問題もある。
本発明は１つ以上の上述した問題点による影響を解決する、あるいは少なくとも減少させることを目的としている。

本発明の１つの態様として、異常検出解析ととともに、動的な重み付け技術を採用するための様々な方法が開示されている。例示の実施形態では、方法は、ワークピース（被加工物）を処理するステップと、そのワークピースの処理に関連する異常検出解析を行うステップと、を含む。本方法はさらに、検出した異常に対する異常検出解析に関連するパラメータの関係を判断するステップと、検出した異常に対するパラメータの関係に基づいてパラメータに関連付けられた重み付けを調整するステップと、を含む。

本発明の別の態様では、異常検出を実行する動的重み付け技術を実行するための方法が提供される。本方法は、ワークピースを処理するステップと、異常検出解析に関連づけられる異常検出モデルに入力されるツールステートパラメータに基づいてワークピースの処理に関連する異常検出解析を実行するステップと、を含む。本方法はさらに、異常検出解析を実行した結果として、パラメータが検出した異常に関連付けられているかどうかを判断するステップと、パラメータが検出した異常に関連付けられているという判断に基づいて、異常検出モデルのパラメータの重み付けを修正するステップと、を含む。

本発明のさらに別の態様では、異常検出を実行する動的重み付け技術を実行するための方法が提供される。本方法は、ワークピースを処理するステップと、異常検出解析に関連づけられる異常検出モデルに入力されるツールステートパラメータに基づいてワークピースの処理に関連する異常検出解析を実行するステップと、を含む。本方法はさらに、異常検出解析とともに主成分解析（ＰＣＡ）を実行するステップと、異常検出解析およびＰＣＡを実行した結果として、パラメータが検出した異常に関連づけられるかどうかを判断するステップと、を含む。本方法はさらに、パラメータが検出した異常に関連付けられているという判断に基づいて、異常検出モデルのパラメータの重み付けを修正するステップを含む。

本発明の他の態様では、異常検出を実行する動的重み付け技術を実行するための装置が提供される。本装置は、ワークピースの処理に関連する異常検出解析を実行するコントローラを含み、この異常検出解析に関連するパラメータと検出した異常との関係を判断する。このコントローラはまた、パラメータに関連づけられた重み付けを、検出した異常に対する当該パラメータの関係に基づいて調整する。

本発明の別の態様では、異常検出を実行する動的重み付け技術を実行するためのシステムが提供される。本システムは、コントローラ、計測装置、ツールステートデータセンサユニットに通信可能に結合されたプロセス装置を含む。プロセス装置はワークピースに対して処理を実行する。計測装置は、ワークピースに対して実行された処理に関連する計測データを獲得し、計測データを供給する。ツールステートデータセンサユニットはツールステートデータを獲得する。コントローラは、ワークピースの処理に関連する異常検出解析を実行し、異常検出に関連するパラメータと検出した異常との関係を判断する。コントローラはまた、検出した異常に対するパラメータの関係に基づいて、パラメータに関連付けられた重み付けを調整する。

本発明のさらに別の態様では、異常検出を実行する動的重み付け技術を実行するために、命令で符号化されたコンピュータ読み取り可能な記憶装置が提供される。命令は、コントローラ、計測装置、ツールステートデータセンサユニットに通信可能に結合されたプロセス装置を含む方法を実行する。プロセス装置は、ワークピースに対して処理を実行する。計測装置は、ワークピース上で実行された処理に関連する計測データを取得し、計測データを供給する。ツールステートデータセンサユニットは、ツールステートデータを取得する。コントローラは、ワークピースの処理に関連する異常検出解析を実行し、異常検出解析に関連するパラメータと検出された異常とのあいだの関係を判断する。コントローラはまた、検出した異常に対するパラメータの関係に基づいて、パラメータに関連付けられた重み付けを調整する。

本発明は添付の図面と併せて、以下の記載を参照することで理解することができる。図面において、同じ参照符号は同様の要素を表す。本発明は、様々な改良を行い、また、他の形態で実施することができるが、ここに説明されている特定の実施例は、例示として示したものであり、以下にその詳細を記載する。しかし当然のことながら、ここに示した特定の実施例は、本発明を開示されている特定の形態に限定するものではなく、むしろ本発明は添付の請求項によって規定されている発明の範疇に属するすべての改良、等価物、及び変形例をカバーするものである。

以下に本発明の実施形態を記載する。簡素化のため、現実の実施品におけるすべての特徴を本明細書に記載することはしていない。当然のことながら、そのような現実の実施品の開発においては、開発者における特定の目標を達成するため、システム的制限やビジネス的制限との摺り合せなど、多くの特定の実施の決定がなされる。それらは各実施形態によって様々に変化するものである。更に、そのような開発努力は複雑で時間を消費するものであるのは当然のことであるが、それでもなお、この開示の恩恵を有する当業者にとっては通常作業の範疇に入るものである。

半導体の製造には、多くの独立した処理（プロセス）が含まれている。しばしば、ワークピース（例えば、半導体ウェハ１０５、半導体デバイス）は、複数の製造プロセス装置を通過する。本発明の実施形態においては、異常検出に関連付けられる１つ以上のパラメータの重み付けを動的に調整する、および／または、主成分解析（ＰＣＡ）を実行する。異常検出モデルおよび／あるいはＰＣＡモデルで使用することができる様々なパラメータの重み付けは自動的に決定され、また、パラメータの重み付けは動的に調整される。例えば、処理システムにより異常状態が確認された後、この処理システムに自動入力あるいは手動入力され、検出された異常が重大な異常であったか、それほど重大ではない異常であったかが示される。類似の異常を検出しやすくするよう、あるいは、他の形態では検出しにくくするように、この表示に基づいて、様々なツールステートパラメータを特定のウェハに関連づけるデータを含む異常重み付け行列（weighting fault matrix）を修正することができる。従って、多変数異常検出および／あるいはＰＣＡモデルでは、異常状態の一因となった１つ以上のパラメータと、異常に対するそれらの相対的重要度とが検出され、異常の一因となったそれらのパラメータの重み付けの動的調整が比例的に増加する。同様に、異常状態の重大な一因とならなかった１つ以上のパラメータと、異常に対するそれらの相対的非重要度とが特徴付けられ、それらのパラメータの重み付けの動的調整が比例的に減少する。換言すれば、異常の一因とならなかったと判断されたパラメータの重み付けが低下する。したがって、異常表示を生成するために、それらのパラメータに関連する、さらに強い信号が求められることになる。

本発明の実施形態においては、異常検出および／あるいはＰＣＡモデルを実行する前に調整すべきパラメータについての事前情報を必要とせずに動的重み付け調整を行うことができる。時間の経過とともに、異常状態の重大な要因となったと判断されたパラメータの感度を高めるためにモデルパラメータの重み付けを修正することができ、これにより、処理システムをこれらのパラメータのプロセス修正に集中させることができる。このようにすることで、これらのパラメータがもたらす異常の数を減らし、および／あるいは異常の規模を小さくする効果がある。同様に、時間の経過とともに、フォールスポジティブ異常表示周波数(the frequency of false positive fault indications)を低減するよう、モデルパラメータの重み付けを修正することができ、これにより、半導体ウェハ１０５を製造する間の不必要なダウンタイムと非効率さとを減らすことができる。

図３に本発明の実施形態に従うシステム３００のブロック図を示す。システム３００の処理コントローラ３０５は、プロセス装置３１０に関連する様々なオペレーションを制限することができる。処理コントローラ３０５は、プロセッサ、メモリ、各種コンピュータ関連の周辺機器を含むコンピュータシステムを含みうる。さらに、図３には単一の処理コントローラ３０５を概略的に示しているが、実際には、処理コントローラ３０５が実行する機能を製造システムに広がる１つ以上のコンピュータあるいはワークステーションが実行してもよい。

半導体ウェハ１０５は、ラインあるいはネットワーク３１５を介して送られた複数の制御入力信号あるいは製造パラメータを使用して、プロセス装置３１０によって処理される。ライン３１５上の制御入力信号あるいは製造パラメータは、プロセス装置３１０の内側あるいは外側に設けられ得るマシンインターフェイスを介してプロセスコントローラ３０５からプロセス装置３１０へ送信される。一実施形態では、半導体ウェハ１０５は、手動でプロセス装置３１０に提供される。他の実施形態では、半導体ウェハ１０５は、自動的なやり方（例えば、半導体ウェハ１０５をロボットによって搬送）でプロセス装置３１０に提供される。一実施形態では、複数の半導体ウェハ１０５は、ロットで（例えば、カセットに積み重ねられて）プロセス装置３１０に送られる。半導体の製造プロセスで使用されるプロセス装置の例としては、フォトリソグラフィ装置、アイロン注入装置、ステッパ、エッチングプロセス装置、デポジション装置、化学機械研磨（ＣＭＰ）装置、およびこれらに類するものが挙げられる。

システム３００は、製造に関連したデータを取得することができる。そのようなデータは、処理された半導体ウェハ１０５に関連する計測データ、ツールステート（装置状態）データおよびこれに類するものなどである。システム３００はまた、処理された半導体ウェハ１０５に関連する計測データを取得する計測装置３５０を含み得る。システム３００はまた、ツールステートデータを取得するツールステートデータセンサユニット３２０を含み得る。ツールステートデータには、圧力データ、温度データ、湿度データ、ガスフ流量データ、各種の電気に関するデータ、アウトガスのレベルに関するデータ、および、プロセス装置３１０の処理に関連するその他の種類のデータを含み得る。エッチング装置の例示的なツールステートデータとしては、ガス流量、チャンバ圧力、チャンバ温度、電圧、反射電力、バックサイドヘリウム圧力、ＲＦチューニングパラメータなどを挙げることができる。ツールステートデータにはさらに、周囲温度、湿度、圧力などのプロセス装置３１０の外部データを含み得る。図５および以下に添付の説明において、ツールステートデータセンサユニット３２０のより詳細な実例と説明とが提供されている。

システム３００はまた、データベースユニット３４０を含み得る。データベースユニット３４０は、複数の種類のデータを格納するために提供され、データの一例としては、製造に関係するデータ、システム３００のオペレーションに関係するデータ（例えば、プロセス装置３１０のステータス、半導体ウェハ１０５のステータスなど）が挙げられる。データベースユニット３４０は、異常検出およびＰＣＡモデルで使用されるパラメータに関連するパラメータデータを格納し、これに加えて、プロセス装置３１０が実行する複数のプロセスの実行に関連するツールステートデータを格納する。データベースユニット３４０は、データベースストレージユニット３４５にツールステートデータ、および／あるいは半導体ウェハ１０５の処理に関連するその他の製造データを格納するためにデータベースサーバ３４２を含み得る。

システム３００はまた、異常検出ユニット３８０を含む。この異常検出ユニットは、半導体ウェハ１０５を処理するときに、プロセス装置３１０に関連付けられた様々な異常検出を実行することができる。この異常検出ユニット３８０は、異常検出を実行するときにモデリング関数を実行することができる異常検出モデル３８５を含み得る。この異常検出モデル３８５内に様々なパラメータを入力してもよい。例えば、異常検出ユニット３８０が受信した異常データに基づいて、モデルが異常検出条件をアサート(assert)できるよう、圧力、温度、湿度、および／あるいはガス流量に対する様々な所定の範囲をモデルに与えてもよい。この異常検出モデル３８５は、様々なパラメータに基づいて異常モデリング(fault modeling)を実行する多変量モデルであってよい。一実施形態では、この異常検出ユニット３８０は、異常を特徴づけるために、計測データ結果をツールステートセンサデータと相関させることができる。

システム３００はまた、ＰＣＡコントローラ３６０を含み得る。このＰＣＡコントローラ３６０は異常検出ユニット３８０とともに動作し、半導体ウェハ１０５の処理に関連するアブノーマル状態または異常を判断するうえで主成分分析を実行する。ＰＣＡコントローラ３６０は、ＰＣＡを実行するときにモデリング関数を実行することができるＰＣＡモデル３６５を含み得る。様々なパラメータおよび製造データをＰＣＡモデル３６５に入力できる。例えば、ＰＣＡに基づいて、モデルが異常状態をアサートできるよう、圧力、温度、湿度、および／あるいはガス流量に対する様々な所定の範囲をモデルに与えてもよい。製造データは、計測データ、異常データ、センサデータ、およびこれらに類するものを含む様々な種類のデータを含むものと定義される。以下に、本発明の実施形態に従う重み付けＰＣＡ解析に関連するより詳細な説明を提供する。

システム３００はまた、動的ＰＣＡ重み付けモジュール３７０を含み得る。この動的ＰＣＡ重み付けモジュール３７０は、アブノーマルであると考えられた特定のパラメータが、実際に、検出された異常の重大な要因であるかどうかを示す情報に関連したデータを、自動および／あるいは手動で受信することができる。この動的ＰＣＡ重み付けモジュール３７０は、ＰＣＡコントローラ３６０が解析した様々なパラメータの重み付けを調整することができる。この重み付けはまた、異常検出モデル３８５および／あるいはＰＣＡモデル３６５に入力されたパラメータの範囲に影響を及ぼすことがある。より詳細な動的ＰＣＡ重み付けモジュール３７０の説明を、図５および以下の添付の説明において提供する。

システム３００の様々な要素、例えば、プロセスコントローラ３０５、異常検出ユニット３８０、ＰＣＡコントローラ３６０、および動的ＰＣＡ重み付けモジュール３７０などは、スタンドアローンユニットのソフトウェア、ハードウェア、あるいはファームウェアユニットであってもよく、あるいは、システム３００に関連付けられているコンピュータシステムに一体化されていてもよい。さらに、図３に示すブロックに示されている各種の要素は、システム通信ライン３１５を介して相互通信できる。システム通信ライン３１５は、１つ以上のコンピュータバスリンク、１つ以上の専用ハードウェア通信リンク、１つ以上のテレフォンシステム通信リンク、１つ以上の無線通信リンク、および／または本開示による恩恵を受ける当業者によって実装され得るその他の通信リンクであってよい。

ＰＣＡコントローラ３６０が実行する主成分分析として、データの次元を下げることでデータの相関構造を表す多変量解析法が挙げられる。データ行列Ｘは、ｎ個のサンプル（行）とｍ個の変数（列）からなり、次のように分解することができる。

この式において、Ｘの列は通常、ゼロ平均および単位分散に正規化される。
行列

および

はそれぞれ、Ｘ行列のモデル化した成分とモデル化されていない残りの成分である。
このモデル化した行列と残りの行列とを以下のように記すことができる。

この式において、

および

はそれぞれスコア行列および負荷行列であり、ｌは、このモデルに保持された主成分の数である。
つまり、

および

はそれぞれ、残余スコアおよび残余負荷行列である。
負荷行列Ｐおよび

は、相関行列Ｒの固有ベクトルにより決定され、これを以下の式によって近似することができる。

最初の固有ベクトルＲ（最大固有値に対応する）は負荷Ｐであり、残余ｍ−１固有値に対応する固有ベクトルは残余負荷［数９］Ｐ~である。

モデルに保持される主成分（ＰＣ：Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｅｎｔｓ）数は、ＰＣＡを使った異常検出において重要な要因となる。保持されるＰＣ数が非常に少なければ、モデルはデータのすべての情報を取得することができず、処理に関する代表性がわるいものとなってしまう。一方で、非常に多くのＰＣが選択されれば、モデルは余分にパラメータ化されてしまい、雑音（ノイズ）を生じさせてしまう。適切な数のＰＣを選択するための再構築誤差分散（ＶＲＥ：Ｖａｒｉａｎｃｅ ｏｆ Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ Ｅｒｒｏｒ）基準は、パラメータを省略することと、ミスしたデータを再構築するためにモデルを使用することとに基づく。データの再構築で最良の結果をもたらすＰＣの数は、モデルで使用されるＰＣの最適数であると考えられる。他に、ＰＣ数を選択する既知の方法としては、平均固有値法、クロスバリデーションなどが挙げられる。

ゼロ平均および単位分散に正規化されたＸの列にパラメータを有するのではなく、重み付けられたパラメータを使用してＰＣＡを実行するときに、列のパラメータは各列の分散以外の数で除算される。換言すれば、列のパラメータは、標準偏差ではない数によって除算される。これにより、Ｘの列に重み付けされたパラメータが供給される。例えば、圧力パラメータが異常に密接に関連していれば、圧力を定義するＸの列は標準偏差ではない値によって除算され、これにより圧力パラメータに対する異常解析の感受性が高まる。一方で、圧力パラメータが異常に最も関連づけられない要因であると判断されれば、圧力を定義するＸの列は標準偏差ではないまた別の値によって除算され、これにより、圧力パラメータに対する異常解析の感受性が低下する。

ＰＣＡアルゴリズムを実行するときに行われる計算の１つとして、ＰＣＡモデル３６５に流れるデータをスケーリングすることが挙げられる。例えば、図４に示しているように、上述の行列Ｘは、圧力データに関連するデータを第１列に、湿度データに関連するデータを第２列に、温度データに関連するデータを第３列に、ガス流量データに関連するデータを第４列に、その他のパラメータに関連するデータをｍ番目までの列に含み得る。これらの列に関連する各行は、ロットにおいて半導体ウェハ１０５の状態に関連したデータを含み得る。別の実施形態では、これらの行は半導体ウェハ１０５の様々なロットを定義し得る。各行は第１半導体ウェハ１０５、第２半導体ウェハ１０５、第３半導体ウェハ１０５から第ｎ番目の半導体ウェハ１０５までに関連するデータを含み得る。

ＰＣＡモデル３６５は、図４に示したパラメータをスケーリングし、行列Ｘの列において任意の特定のパラメータに付けられる重みを大きくしたり小さくしたりすることができる。プロセス装置３１０によって実行される特定の種類の処理に基づいて、異なるパラメータには異なる重みが付けられる。例えば、フォトリソグラフィプロセスの間に圧力パラメータに割り当てられる重み付けと比べて、デポジションプロセスのＰＣＡ解析に対しては別の重み付けを圧力パラメータに割り当てることができる。しかし、フォトリソグラフィプロセスの間、温度データにはデポジションプロセスよりも高いあるいは低い重み付けを割り当てることができる。スケーリングの１つの方法としては、各列を非単位分散(non-unit variance)にスケーリングすることが挙げられる。これを実行するために、各列の分散による除算ではなく、パラメータに割り当てられた特定の重み付け基づいたその他の数によって除算することができる。例えば、温度がより重要なパラメータであると考えられれば、温度データ列（つまり、行列Ｘの第３列）の温度パラメータをその列の標準偏差とは別の数で除算してもよい。所与のパラメータに対する変数に対して、異常検出アルゴリズムをより感受性の高いものとするために、行列Ｘのある列を特定の列から求めた分散よりも小さな数で除算してもよい。所与のパラメータに対する変数に対して、異常検出アルゴリズムをより感受性の低いものとするために、行列Ｘのある列を特定の列から求めた分散よりも大きな数で除算してもよい。残りのＰＣＡアルゴリズムを通じて、温度中の小さな変動は、同様のやり方で重み付けされなかったパラメータの変動と比べると、異常として認識されやすい。一実施形態では、ＰＣＡコントローラ３６０は、図４の列のパラメータの重み付けを調整するために、手動および／あるいは動的な自動化したやり方で動的ＰＣＡ重み付けモジュール３７０を促して動作させることができる。

図５は、図３で示したツールステートデータセンサユニット３２０をより詳細に示したブロック図である。ツールステートデータセンサユニット３２０は、例えば、圧力センサ５１０、温度センサ５２０、湿度センサ５３０、ガス流量センサ５４０、および電気センサ５５０などの任意の様々なタイプのセンサを含み得る。別の実施形態では、ツールステートデータセンサユニット３２０は、プロセス装置３１０に一体化された、インサイチュ（in situ）のセンサを含み得る。圧力センサ１０は、プロセス装置３１０内の圧力を検出することができる。温度センサ５２０は、プロセス装置３１０の様々な位置で温度を計測することができる。湿度センサ５３０は、プロセス装置３１０の様々な場所において、または、周囲の環境湿度を検出することができる。ガス流量センサ５４０は、半導体ウェハ１０５を処理する際に利用される複数のプロセスガスの流量を検出することができる複数の流量センサを含み得る。例えば、ガス流量センサ５４０は、ＮＨ_３、ＳｉＨ_４、Ｎ_２、Ｎ_２Ｏ、などのガス、および／あるいはその他のプロセスガスのガス流量を検出できるセンサを含み得る。

一実施形態では、電気センサ５５０は、複数の電気パラメータを検出できる。電気パラメータの一例としては、フォトリソグラフィプロセスで使用されるランプに供給される電流などである。ツールステートデータセンサユニット３２０は、本開示による恩恵を有する当業者にとっては既知の、各種の製造変数を検出することができるその他のセンサを含み得る。ツールステートデータセンサユニット３２０はまた、ツールステートセンサデータインターフェース５６０を含み得る。ツールステートセンサデータインターフェース５６０は、プロセス装置３１０および／あるいはツールステートデータセンサユニット３２０に含まれる、あるいは関連付けられる様々なセンサからセンサデータを受信し、受信したデータをプロセスコントローラ３０５へ送信し得る。

図６に、本発明の実施形態に従う動的ＰＣＡ重み付けモジュール３７０のより詳細なブロック図を示す。図６に示されているように、動的ＰＣＡ重み付けモジュール３７０は、異常データ解析モジュール６１０、異常データ入力インターフェイス６２０、および、ＰＣＡ重み付け計算モジュール６３０を含み得る。様々なアルゴリズムと比較した異常、および、異常データ解析モジュール６１０によって処理された異常データに基づいて、ＰＣＡコントローラ３６０とともに、異常検出ユニット３８０によってアブノーマルであると考えられた特定のパラメータがその異常に実際に関連付けられるかどうかについての判定がなされる。その判定に基づき、ＰＣＡ重み付け計算モジュール６３０は、その特定のパラメータに関連付けられる重み付けを減らすあるいは増やすことができる。この情報は、ＰＣＡコントローラ３６０と異常検出ユニット３８０とに送られ得る。他の形態では、アブノーマルとされた特定のパラメータが実際に特定の異常の重大な要因となったかどうかを示すために、ライン６２５の外部データ入力を手動入力としてダイナミックＰＣＡ重み付けモジュール３７０に供給することができる。異常データ入力インターフェイス６２０は、外部データ入力を受信することが可能で、また、特定のパラメータの重み付けを適切に調整するＰＣＡ重み付け計算モジュール６３０にデータを送ることができる。

従って、動的ＰＣＡ重み付けモジュール３７０は、特定のパラメータに付けられた重みを調整するために使用することが可能なデータを決定、および／または、受信し得る。
半導体ウェハ１０５を処理する間のいずれのアブノーマル性（および／または異常）に関連する解析を行うために、異常検出ユニット３８０および／あるいはＰＣＡコントローラ３６０がこの情報を使用してもよい。換言すれば、異常状態が識別されたあと、ＰＣＡ重み付け計算モジュール６３０は、その異常が実際の異常であるかどうか、および／または、そのアブノーマル性あるいは異常に関連付けられた任意のパラメータが、その異常あるいはアブノーマル性の重大な要因となったかどうかについて、異常データ解析モジュール６１０および／または異常データ入力インターフェイス６２０から情報を受信する。このデータに基づいて、ＰＣＡ重み付け計算モジュール６３０は、パラメータの重み付けを減らしたり増やしたりすることができ、あるいは他の形態では、パラメータの重み付けをそのままにしておくことができる。

図７に、本発明の実施形態にかかる方法のフローチャートを示す。システム３００は１つ以上の半導体ウェハ１０５を処理する（ブロック７１０）。システム３００は、半導体ウェハ１０５の処理に基づいて、半導体ウェハ１０５で実行される処理に関連した計測データを取得することができる（ブロック７２０）。加えて、システム３００は、プロセス装置３１０が実行した処理に関連したツールステートセンサデータを取得することができる（ブロック７３０）。システム３００は、この計測データおよび／またはツールステートセンサデータに基づいて、半導体ウェハ１０５の処理に関連する異常検出を実行することができる（ブロック７４０）。システム３００は、半導体ウェハ１０５の処理に関連付けられるどのようなアブノーマル性あるいは異常をも検出するために、異常検出とともにＰＣＡアルゴリズムを実行することができる（ブロック７５０）。

システム３００はまた、プロセス装置３１０のオペレーションを解析するために異常検出およびＰＣＡモデルによって使用され得る任意の特定のパラメータの重み付けを調整するよう、動的ＰＣＡ重み付けプロセスを実行することができる（ブロック７６０）。動的ＰＣＡ重み付けプロセスについて、図８およびその説明として、以下に詳細に記載する。動的ＰＣＡ重み付けプロセスに基づき、半導体ウェハ１０５の処理に関連付けられるどのような異常もより正確に評価するために、特定のパラメータの重み付けを様々に調整できる。ＰＣＡパラメータの重み付けを動的に調整すると、システム３００は、半導体ウェハ１０５の処理に関連付けられる異常あるいはアブノーマル性をより正確に評価するために、新たに調整されたパラメータ−重み付けに基づいて半導体ウェハ１０５に次の処理を実行することができる（ブロック７７０）。

図８に、動的ＰＣＡ重み付けプロセスのより詳細なフローチャートを示す。システム３００は、半導体ウェハ１０５の処理に関連付けられた、検出されたいずれの異常あるいはアブノーマル性に関連づけられた任意の特定のパラメータが、実際に重大な異常であるかどうかを判断するために、異常データ解析および／あるいはＰＣＡから得られる異常データを解析する。換言すれば、システム３００は、このアブノーマル性あるいは異常表示が実際の異常に関連しているかどうかを判断する。システム３００はさらに、アブノーマルとされた任意のパラメータが実際にその異常あるいはアブノーマルに対して重大な要因となっていたかどうかを判断するために、異常データを解析する。一実施形態では、パラメータの重要度の決定に、そのパラメータが異常表示に関連するかどうかと同様に、それが重大な要因であるかどうかが関与し得る。別の実施形態では、パラメータと異常表示との間の因果関係にこの重大な要因が関連し得る。

以下に、異常あるいはアブノーマル性に対する重大な一因に関連する例を挙げる。例えば、ある処理モデルは圧力パラメータ（Ｐ）、温度パラメータ（Ｔ）、ＲＦパラメータ（Ｒ）、およびガスフローレートパラメータ（Ｇ）を有し得る。初めに、これらのパラメータ（つまり、Ｐ，Ｔ，Ｒ，Ｇ）の各々に対する重み付けを１とする。例えば、パラメータ行列は、［Ｐ，Ｔ，Ｒ，Ｇ］＝［１，１，１，１］を提供し得る。あるウェハロットを処理した後、この異常／アブノーマル性の一因となったプロット表示（コントリビューションプロット表示）(signature)は、［Ｐ，Ｔ，Ｒ，Ｇ］＝［０，０．２，３，−２．５］に変化し得る。この異常が実際の異常であるとシステム３００あるいはユーザが判断すれば、各パラメータに関連する様々な貢献度(コントリビューション)が検査され得る。本例では、システム３００は、ＲおよびＧの大きさが最も高いので、ＲおよびＧが異常あるいはアブノーマル性に最も貢献したものと判断され得る。従って、システム３００は、異常に影響を与えた、あるいは重大な一因となったこれらのパラメータに対するアルゴリズムに従って、パラメータの重み付けを修正することができる。よって、次にシステム３００は、行列［Ｐ，Ｔ，Ｒ，Ｇ］＝［１，１，１．１，１．１］によって表すことのできる新たなパラメータ重み付け値を提供し得る。次に、システム３００は、別のウェハロットを処理し、異常を検出し得る。次に、ユーザあるいはシステム３００は、この異常が実際の異常ではないと判断し得る。この判断に基づいて、システム３００は、コントリビューションプロットを検査し、パラメータＰおよびＲがこの”偽の”異常に対して重大な要因となったと判断する。これに応じて、システム３００は、これらの要因に対するアルゴリズムに従って重み付けを修正することができる。例えば、新たな重み付け要因を行列［Ｐ，Ｔ，Ｒ，Ｇ］＝［０．９，１，１，１．１］によって表すことができる。コントリビューションプロット値に基づいて調整すべきパラメータ、および、これらのパラメータの重み付けの調整法を決定するアルゴリズムは、様々な実装品によって変化し得る（例えば、常に０．１を加算あるいは減算する、１．１あるいは０．９倍する、上位２つのパラメータを常に修正する、値が１．５以上のパラメータに対する重み付けを常に修正する、など）。上述した各例は例示目的に過ぎず、本発明の範囲および精神内において、他のパラメータを様々に重み付けおよび／あるいは調整することができる。

システム３００は、他の形態では、あるいは、ブロック８１０で説明したステップと併せて、異常の原因あるいは非原因（non-causes）に関連する外部入力を受信し得る（ブロック８２０）。換言すれば、システム３００は、外部コンピュータ、コントローラ、あるいはオペレータからの手動入力であってよい外部ソースから表示を受信し、検出された異常が実際の異常であるかどうか、および／あるいは、この異常あるいはアブノーマル性に関連づけられる任意のパラメータが、この異常あるいはアブノーマル性に対して重大な要因となっているかどうかを示すことができる。次に、システム３００はこのデータに基づいて、異常に関連した要因あるいはパラメータに関連した重み付けを増やす、減らす、あるいはそのままにしておくかどうかを判断する。

システム３００が、ある特定のパラメータが、検出された異常に対して実際に重大な要因となっていたと判断すれば、あるいはそのように知らせられれば、そのパラメータのあらゆる変動に対してシステム３００をより感受性の高いものとするよう、その特定のパラメータの重み付け（例えば、圧力データ）を増加してもよい。同様に、システム３００が、ある特定のパラメータが異常に対するどのような重大な要因も示さなければ、その異常検出あるいはＰＣＡに対するそのパラメータの重み付けを減らしてもよい。その他の場合では、システム３００は、特定のパラメータの重み付けをそのままにしておくように判断してもよい。従って、図４における例示的な行列で示したパラメータを含む、半導体ウェハ１０５の処理に関連付けられるどのようなパラメータの重み付けも修正することができる。

異常に関連する要因の重み付けを増やす、減らす、あるいはそのままにしておくかどうかの判断に基づいて、システム３００は、異常の原因となった要因に対する重み付けを動的に増やし（ブロック８４０）、異常の原因となった要因に対する重み付けを動的に減らし（ブロック８５０）、あるいは、その要因の重み付けをそのままにしておく（ブロック８６０）ことができる。この動的な重み付けに基づき、さらなる異常検出および／あるいはＰＣＡを実行すべく、新たに重み付けされた要因／パラメータが与えられる（ブロック８７０）。従って、様々なオペレーションと、その結果もたらされる、半導体ウェハ１０５の処理に関連するデータで実行される異常検出解析および／あるいはＰＣＡに基づいて、継続的にパラメータの重み付けを動的に調整することができる。この新たに重み付けられた要因により、偽の異常表示が減り、重大な異常あるいはアブノーマル性を実際に引き起こし得るパラメータの感受性を高めることが出来る。よって、半導体ウェハ１０５で処理を行うプロセス装置３１０の状態をより正確に評価することができ、その結果、プロセス装置３１０のオペレーションをより効率的なものにし、また、製造領域におけるダウンタイムを減らす。従って、本発明の実施形態を利用すれば、より効果的で正確な処理調整を行うことができ、その結果、より正確な半導体ウェハ１０５の特徴を得ることができるとともに生産の歩留まりが向上する。

本発明の原理は、ＫＬＡ Ｔｅｎｃｏｒ，Ｉｎｃ社から提供されるＣａｔａｌｙｓｔシステムのような、アドバンスト・プロセス・コントロール（ＡＰＣ）フレームワークに実装可能である。Ｃａｔａｌｙｓｔシステムは、ＳＥＭＩ（Ｓｅｍｉｃｏｎｄｕｃｔｏｒ Ｅｑｕｉｐｍｅｎｔ ａｎｄ Ｍａｔｅｒｉａｌｓ Ｉｎｔｅｒｎａｔｉｏｎａｌ）のＣＩＭ（Ｃｏｍｐｕｔｅｒ Ｉｎｔｅｇｒａｔｅｄ Ｍａｎｕｆａｃｔｕｒｉｎｇ）フレームワークに準拠したシステム技術を使用し、アドバンスト・プロセス・コントロール（ＡＰＣ）フレームワークに基づいている。ＣＩＭ（ＳＥＭＩ Ｅ８１−０６９９−ＣＩＭフレームワーク・ドメイン・アーキテクチャのための暫定仕様書）およびＡＰＣ（ＳＥＭＩＥ９３−０９９９ＣＩＭフレームワーク・アドバンスト・プロセス・コントロール・コンポーネントのための暫定仕様書）仕様書はＳＥＭＩから一般に入手可能である。ＡＰＣフレームワークは、本発明によって教示される制御方法を実装するのに好適なプラットフォームである。ある実施形態では、ＡＰＣは工場規模のソフトウェアシステムとすることができ、したがって本発明によって教示される制御方法は、事実上工場のフロア上のどの半導体製造装置にも適用可能である。ＡＰＣフレームワークは、リモートアクセスおよびプロセスの性能の監視をも可能にする。さらに、ＡＰＣフレームワークを利用することによって、ローカルのドライブよりも、データの記憶をより便利に、より柔軟に、より安価にすることができる。ＡＰＣフレームワークは、必要なソフトウェアコードを書くうえで非常に高い柔軟性を提供するので、より洗練された制御方法を可能にする。

発明の教示による制御方法をＡＰＣフレームワークに展開するには、数多くのソフトウェア部品が必要である。ＡＰＣフレームワーク内の部品に加えて、制御システム内に含まれる、半導体製造装置のそれぞれについてコンピュータスクリプトが記述される。制御システム内の半導体製造装置が半導体製造工場で起動したとき、それは一般に、オーバーレイ制御装置のようなプロセス制御装置によって必要とされる動作を開始するスクリプトを呼び出す。制御方法は通常、これらのスクリプトにおいて定義され、実行される。これらのスクリプトの開発は、コントロールシステム開発のかなりの部分を占める。本発明の原理は、他のタイプの製造フレームワークにも実装可能である。

上述の特定の実施形態は例示目的のためだけのものであり、本教示の利益を得た当業者に明白なように、本発明を変更し、異なってはいるが均等なやり方で実施することが可能である。さらに、添付の特許請求の範囲に記載されている以外には、ここに開示された構成または設計の詳細に本発明を限定することを意図するものではない。従って、上述の特定の実施形態は変更または修正可能であり、そのようなすべてのバリエーションは、本発明の範囲および精神の範囲内のものであると考えられることは明らかである。従って、ここで求められる保護は添付の特許請求の範囲に記載されたとおりである。

処理される従来技術のウェハの略図。 半導体ウェハを製造する間の従来技術のプロセスフローを示した簡略化したフローチャート。 本発明の一実施形態に従うシステムを示したブロック図。 本発明に従う主成分解析行列テーブルであり、このテーブルにおいて、様々な処理された半導体ウェハに関連するデータと相関するツールステート変数のリスト。 本発明の一実施形態による、図３のツールステートデータセンサユニットのより詳細なブロック図。 本発明の一実施形態による、図３の動的ＰＣＡ重み付けユニットのより詳細なブロック図。 本発明の一実施形態に従う方法のフローチャート。 本発明の一実施形態による、図７に示した動的ＰＣＡ重み付けプロセスを実行する方法をより詳細に示したフローチャート。

Claims (10)

1. ワークピース（１０５）を処理するステップと、
   前記ワークピース（１０５）の前記処理に関連する異常検出解析を実行するステップと、
   検出した異常に対する前記異常検出解析に関連するパラメータの関係を判断するステップと、
   前記検出した異常に対する前記パラメータの関係に基づき、前記パラメータに関連付けられた重み付けを調整するステップとを含む方法。
2. 検出した異常に対する前記異常検出解析に関連するパラメータの関係を判断するステップはさらに、
   検出した異常に対する前記異常検出解析に関連するパラメータの因果関係を判断するステップを含む、請求項１に記載の方法。
3. 検出した異常に対する前記異常検出解析に関連するパラメータの関係を判断するステップはさらに、
   検出した異常に対する前記異常検出解析に関連するパラメータの重要度を判断するステップを含む、請求項１に記載の方法。
4. 前記検出した異常が重大な異常であるかどうかを判断するステップと、
   前記検出した異常が重大な異常であるという判断に基づいて、前記パラメータに関連付けられる前記重み付けを調整するステップとをさらに含む、請求項１に記載の方法。
5. 前記ワークピース（１０５）の処理に関連する計測データを取得するステップと、
   前記ワークピース（１０５）の処理に関連するツールステートデータを取得するステップと、
   異常を特徴付けるために、前記計測データおよび前記ツールステートデータを前記異常に相関させるステップとをさらに含む、請求項１に記載の方法。
6. 検出した異常に対する前記異常検出解析に関連するパラメータの前記関係を判断するステップはさらに、
   前記パラメータが前記異常に関連付けられた重大な異常であるかどうかを判断するステップをさらに含む、請求項１に記載の方法。
7. 動的重み付け技術を使用して異常検出を行うシステムであって、該システムは、
   ワークピース（１０５）で処理を実行するためのプロセス装置（３１０）と、
   計測データを供給するために、前記ワークピース（１０５）で実行した前記処理に関連する計測データを取得するための計測装置（３５０）と、
   ツールステートデータを獲得するためのツールステートデータセンサユニット（３２０）と、
   前記プロセス装置（３１０）、計測装置（３５０）、および前記ツールステートデータセンサユニット（３２０）に動作可能に結合されたコントローラとを含み、
   前記コントローラは前記異常検出解析に関連するパラメータと検出された異常との関係を判断するために、前記ワークピース（１０５）の前記処理に関連する異常検出解析を実行し、前記コントローラはまた、前記検出された異常に対する前記パラメータの前記関係に基づいて、前記パラメータに関連付けられた重み付けを調整する、システム。
8. 前記コントローラはさらに、動的ＰＣＡ重み付けモジュール（３７０）を含み、前記動的ＰＣＡ重み付けモジュール（３７０）は、
   前記パラメータが前記検出した異常の重大な要因であったかどうかを判断する異常データ解析モジュール（６１０）と、
   前記パラメータが前記検出した異常の重大な要因であったかどうかを示す外部データを受信する異常データ入力インターフェース（６２０）と、
   少なくとも１つの前記判断、および、前記パラメータが前記検出した異常の重大な要因であったかどうかの前記表示に基づいて、前記パラメータの前記重み付けを動的に修正する動的ＰＣＡ重み付け計算モジュール（６３０）とを含む、請求項７に記載のシステム。
9. コンピュータによって実行されるときに、
   ワークピース（１０５）を処理するステップと、
   前記ワークピース（１０５）の前記処理に関連する異常検出解析を実行するステップと、
   検出した異常に対する前記異常検出解析に関連するパラメータの関係を判断するステップと、
   前記検出した異常に対する前記パラメータの前記関係に基づいて、前記パラメータに関連付けられた重み付けを調整するステップとを含む方法を実行する、命令で符号化されたコンピュータ読み取り可能なプログラム記憶媒体。
10. コンピュータによって実行されるときに、
    前記ワークピース（１０５）の処理に関連する計測データを獲得するステップと、
    前記ワークピース（１０５）の処理に関連するツールステートデータを獲得するステップと、
    異常を特徴付けるために、前記計測データおよび前記ツールステートデータを前記異常データと相関させるステップとをさらに含む、請求項９の方法を実行する、命令で符号化されたコンピュータ読み取り可能なプログラム記憶媒体。

Images