JP2009020717A - 状態監視方法及び状態監視装置並びにプログラム - Google Patents

状態監視方法及び状態監視装置並びにプログラム Download PDF

Info

Publication number
JP2009020717A
JP2009020717A JP2007183077A JP2007183077A JP2009020717A JP 2009020717 A JP2009020717 A JP 2009020717A JP 2007183077 A JP2007183077 A JP 2007183077A JP 2007183077 A JP2007183077 A JP 2007183077A JP 2009020717 A JP2009020717 A JP 2009020717A
Authority
JP
Japan
Prior art keywords
statistic
abnormality
value
measurement
data
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.)
Withdrawn
Application number
JP2007183077A
Other languages
English (en)
Inventor
Kenichiro Hagiwara
健一郎 萩原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Omron Corp
Original Assignee
Omron Corp
Omron Tateisi Electronics Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Omron Corp, Omron Tateisi Electronics Co filed Critical Omron Corp
Priority to JP2007183077A priority Critical patent/JP2009020717A/ja
Publication of JP2009020717A publication Critical patent/JP2009020717A/ja
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Exposure Of Semiconductors, Excluding Electron Or Ion Beam Exposure (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • General Factory Administration (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

【課題】 複数の計測地点の計測値を一括して監視することができるとともに、複数地点を含む計測領域内での均一性を監視することができる状態監視方法を提供すること
【解決手段】 ワークの同一平面に設定した複数(N×n個)の計測地点の計測値を主成分分析により、Q統計量と、T統計量の指標を求める。各計測値がほぼ同じ値を採った場合には、Q統計量の値は小さくなる。よって、Q統計量が一定の範囲内であれば、均一性があり、一定以上になると不均一であると言える。また、T統計量は、主成分の軸に沿った設計値(平均値)からの計測値ずれの絶対値であるので、設計値通りに製造できているかの監視が行なえる。
【選択図】 図7

Description

この発明は、状態監視方法及び状態監視装置並びにプログラムに関する。
製品の品質管理は、計測装置から得られた計測値を管理図と呼ばれる統計管理手法による1変数ごとに管理している。例えば、製品の膜厚等を監視する場合、図1(a)に示すように、液晶,半導体ウェハ等の製品1の計測地点Aにおける膜厚を膜厚計を用いて計測する。各製品ごとに同一地点Aの膜厚を計測し、製品を特定するIDとともにデータベースに記憶する。品質管理システムは、データベースに記憶されたA点についての過去の計測値に基づいて算出される±3σを閾値に設定し、計測された製品のA点の膜厚が閾値を越えた場合に警報を発する。
また、品質管理システムは、作成された製品ごとに時系列で計測値を並べた管理図(図1(b)参照)を生成し、表示装置に出力する。ユーザは、この表示された管理図を見ることで、トレンド予測を行なうことができる。例えば、図示する状態では、計測値は、設定値である“10”[μm]を中心に振れているため安定状態と判断できるが、計測値が徐々に設定値である“10”[μm]から離れていった場合には、たとえ現在の計測値が閾値以下であっても近い将来異常を発生するおそれがあると判断できる。
上記の品質管理は、1変数ごとに行なっているため、例えば図2(a)に示すように、製品1に複数箇所(N×n)の計測地点を設定した場合、図2(b)に示すように、N×n個の計測値管理図が必要となる。
特開2004−119753
上述したように、複数の変数をそれぞれ個別に管理する方式では、不良品を発生した場合にアラームが多発してしまい、真のエラーを瞬時に理解しにくいため、効率的な管理形態ではない。管理する変数が多変数(例えば、同一面で25点以上)になるとその傾向は顕著になる
監視対象の製品がガラス,ウェハ,フィルムなどの場合、面内均一性も重要な管理項目となる。この面内均一性は、製品の表面の平坦度ともいえる。液晶基板のように表面に所定の膜が製膜された場合、その膜の表面の平坦度も、面内均一性として管理される。従来の面内均一性の管理は、同一製品の同一面内で設定された複数の計測地点における計測値(膜厚)の平均値,最大値,最小値,レンジなどの基本統計量を求め、その基本統計量に基づいて良否判定を行なっている。しかし、これらの基本統計量による指標では、面内均一性を正しく評価することができない。
この発明は、複数の計測地点の計測値を一括して監視することができるとともに、複数地点を含む計測領域内での均一性を監視することができる状態監視方法及び状態監視装置並びにプログラムを提供することを目的とする。
この発明による状態監視方法は、(1)監視対象領域内の複数の計測地点の計測値を取得する工程と、その取得した複数の計測値を主成分分析により、監視対象領域内の均一性を評価するためのQ統計量と、計測値の設定値からのずれを評価するためのT統計量の少なくとも一方を求める統計量演算工程と、を備えた。
監視対象領域内に設定された複数の計測地点の計測値は、ある程度の相関がある。つまり、ある計測地点の計測値が目標値(設定値:設計値)よりも大きい値(小さい値)を示した場合、他の計測値手の計測値も同様に目標値よりも大きい値(小さい値)を示す傾向にあり、通常であれば、ある計測地点の計測値が他の計測値と極端に異なることはないと言える。例えば、複数の計測地点は製品の表面に設定され、計測値は膜厚の場合を想定すると、同一プロセスで正常に成膜された膜の膜厚は、ある一点のみ極端に厚く(薄く)なることはあまり考えられない。同様のことは、例えば、露光・現像等によりパターニングした場合の線幅やオーバーレイなどにおいても言える。このように各計測値同士で相関がある場合、主成分分析を行ないまとめると、主成分の方向にそろう。そして、ある一部の計測地点の計測値が他の計測値と極端に異なる場合には、主成分の軸から大きく離れ、Q統計量が大きくなる。従って、Q統計量は、監視領域内の均一性の指標となる。Q統計量が小さいほど領域内の均一性が高く、Q統計量が大きくなるほど不均一性が高くなるといえる。このように、本来の主成分分析の利用方法とは異なるが、複数の計測地点の計測値を変数として主成分分析をすることで、Q統計量は、均一性を評価する指標として適切なものとなる。また、T統計量は、計測値の絶対値の状態(目標値:設計値からずれていないか)を判断する指標となる。
主成分分析をすることで、計測地点(変数)が多くなったとしても各統計量にまとめることができるため、複数の計測値を一括管理できるとともに、簡単かつ正確に監視領域の監視をすることができる。
監視領域は、平面に限ることはなく、空間などでもよく、その形状・次元は問わない。計測値を取得する工程は、実施形態では、異常判定部24(異常分析部24a)が、検査装置から送られてきた計測値データを計測データ記憶部29に格納された計測値データを読み出す(実際には、その計測値データが格納されるプロセス特徴量記憶部から読み出す)処理に対応する。統計量演算工程は、異常分析部24aが演算実行するものに対応する。
(2)統計量演算工程は、少なくともQ統計量を求める工程を含み、求めたQ統計量と設定された閾値とを比較する工程と、その比較した結果、閾値より大きい場合には通知する工程と、をさらに含むとよい。このようにすると、ユーザは、要求されている均一性を超えて不均一となったことを容易に知ることができる。
(3)統計量演算工程は、少なくともT統計量を求める工程を含み、求めたT統計量が、設定されたT統計量の許容範囲内か否かを判断する工程と、その判断した結果、許容範囲より大きい場合には通知する工程と、をさらに含むとよい。このようにすると、ユーザは、計測値の絶対値が許容範囲を超えた場合ことを容易に知ることができる。
(4)計測値は、膜厚,線幅,オーバーレイ,温度のいずれかひとつとすることができる。もちろん、それ以外のものでも良い。
(5)監視対象領域は、半導体、液晶パネルなどの製造プロセスを実行して製造される製品に設定され、Q統計量及びまたはT統計量に基づき、製品の品質を管理ものとすることができる。
(6)(5)の場合において、Q統計量及びまたはT統計量に基づき異常を検出した際に、その異常を検出した製品についてのプロセスデータからプロセス特徴量を抽出する特徴量抽出工程と、その製品についての、プロセス特徴量から前記製造システムで製造される製品の異常要因を抽出するための異常検出要因分析ルールを取得するルール取得工程と、抽出された前記プロセス特徴量を、取得した異常検出要因分析ルールに当てはめて、異常を生じた異常要因を特定する工程と、を含むようにするとよい。このようにすると、監視領域が不均一となったり、計測値の絶対値が一定以上となったりするなどの異常を生じた場合に、ユーザは、その異常を生じた原因である異常要因を知ることができ、その後のメンテナンス等の対応に役立つ。
(7)本発明の状態監視装置は、監視対象領域内の複数の計測地点の計測値を取得する手段と、その取得した複数の計測値を主成分分析により、監視対象領域内の均一性を評価するためのQ統計量と、計測値の設定値からのずれを評価するためのT統計量の少なくとも一方を求める異常分析手段、を備えるようにした。
(8)本発明のプログラムは、コンピュータを、取得した監視対象領域内の複数の計測地点の計測値を主成分分析により、監視対象領域内の均一性を評価するためのQ統計量と、計測値の設定値からのずれを評価するためのT統計量の少なくとも一方を求める異常分析手段、として機能させるためのプログラムである。
本発明は、複数の計測地点の計測値を、主成分分析をして求めたQ統計量やT統計量により一括して監視することができるとともに、複数地点を含む計測領域内での均一性を監視することができる状態監視方法及び状態監視装置並びにプログラムを提供することを目的とする。
図3は、本発明の好適な実施形態である監視装置を含む製造システムを示す。この製造システムは、プロセス装置1,検査装置7及び監視装置20を含む。これらの装置は、生産管理情報よりも詳細なプロセス関連情報を高速にやりとりするための装置用ネットワークであるEES(Equipment Engineering System)ネットワーク3によって相互に接続されている。図示は省略されているが、EESネットワーク3には、プロセス装置1より前の段階、及びプロセス装置1より後の段階で用いられる他のプロセス装置も接続されている。さらに、このシステムは、MES(Manufacturing Execution System)を含む生産管理システム4及びこの生産管理システム4と接続された生産管理情報を伝送するMES系ネットワーク5を含んでいる。EESネットワーク3とMES系ネットワーク5とは、ルータ6を介して接続されている。MES系ネットワーク5上に存在する生産管理システム4は、ルータ6を経由して、EESネットワーク3上の各装置にアクセスすることができる。
この製造システムは、例えば、半導体や液晶パネルを製造するもので、プロセス装置1が半導体等を製造するためのプロセス(ウエハに対する成膜処理等)を実行する。半導体製造プロセスや液晶パネル製造システムにおいては、処理対象のウェハやガラス基板(以下、「ウエハ」)は、カセット10内に所定枚数セットされ、カセット単位で移動されるとともに、プロセス装置1で所定の処理が行なわれる。1つの製品を製造する場合、複数のプロセス装置1においてそれぞれ所定の処理が実行される。その場合、プロセス装置間の移動も、カセット単位で行なわれる。カセット10に実装された所定枚数のウェハが同一のロットとなる。
この実施形態の半導体製造システムでは、個々のウエハごとに管理する必要から、各ウエハごとに製品IDが付与される。この製品IDは、例えばロットIDと、そのロット内の識別番号を結合することにより、設定できる。すなわち、仮にロットIDが「0408251」で、ロット内にセット可能な枚数が1桁とすると、ロット内の2番目のガラス基板(ロット内の識別番号は「2」)の製品IDは、下一桁にロット内の識別番号を付加した「04082512」と設定することができる。
もちろん、タグ10aに、ロットIDに替えて、或いはロットIDとともに収納された全てのウェハについての製品IDを記録しておき、プロセス装置1(プロセスデータ収集装置12)は、タグ10aに格納された全ての製品IDを取得するようにしてもよい。また、カセット10にセットするウェハが1枚の場合には、タグ10aに記録したIDが、そのまま製品IDとして使用できる。なお、ロット単位で解析をする場合には、製品IDの取得や、ロットIDに基づく製品IDの作成は不要である。
カセット10には、RF−ID(radio frequency identification)タグ10aが取り付けられている。タグ10aは、プロセス装置1に連結されたRF−IDリードライトヘッド11との間で電磁結合をし、非接触で任意のデータを読み書きされるものであり、データキャリアとも呼ばれる。タグ10aには、ロットID(製品IDの基となるロットID或いは製品ID自体)と、前段装置の出庫時刻等の情報が格納される。
プロセス装置1は、MES系ネットワーク5からルータ6経由で生産管理システム4から送られてきたレシピIDを取得する。プロセス装置1は、レシピIDと実際に行なうプロセスとの対応テーブルなどを持っており、取得したレシピIDに応じたプロセスを実行する。プロセス装置1は、それぞれの装置を識別するための装置IDが設定されている。
プロセス装置1は、プロセスデータ収集装置12を内蔵する。このプロセスデータ収集装置12は、EESネットワーク3に接続されている。プロセスデータ収集装置12は、プロセス装置1においてプロセスが実行されている期間中或いは待機中に、プロセス装置1の状態に関連する情報であるプロセスデータを時系列に収集する。プロセスデータは、例えば、プロセス装置1の動作時の電圧,電流や、あるプロセスを実行するプロセス装置1を出庫してから次のプロセスを実行するプロセス装置1に投入されるまでの滞留時間などがある。また、プロセス装置1がプラズマチャンバーを備え、ウェハに対して成膜処理をする装置の場合、そのプラズマチャンバー内の圧力や、プラズマチャンバーに供給するガス流量や、ウェハ温度やプラズマ光量等がある。プロセス装置1は、これらのプロセスデータを検出するための検出装置を備え、その検出装置の出力が、プロセスデータ収集装置12に与えられる。
プロセスデータ収集装置12は、RF−IDリードライトヘッド11を介してタグ10aから読み取った前段装置の出庫時刻と現在ウェハがセットされているプロセス装置1への投入時刻とを収集する。これらの出庫時刻と投入時刻の差をとることにより、前段装置からの滞留時間を算出することができる。また、RF−IDリードライトヘッド11は、必要に応じてプロセス装置1からウェハを出庫する際に出庫時刻等をタグ10aへ書き込む。
プロセスデータ収集装置12は、通信機能を備えている。プロセスデータ収集装置12は、プロセス装置1において発生したあらゆるプロセスデータを収集し、収集したプロセスデータに製品IDと装置IDとを対応付けてEES系ネットワーク3に出力する。収集するデータの種類は、上記のものに限るものではなく、さらに多くの情報を取得することも妨げない。
監視装置20は、ハードウェアの観点からは一般的なパーソナル・コンピュータであり、Windows(登録商標)などのオペレーティング・システム上で稼動するアプリケーション・プログラムによって、本装置の各機能が実現されている。
図4は、監視装置20の内部構成を示している。監視装置20は、プロセスデータ収集装置12から送られてきたプロセス装置1のプロセスデータを格納するプロセスデータ記憶部21と、プロセスデータ記憶部21に格納された各種のプロセスデータからプロセス特徴量を算出するプロセスデータ編集部22と、プロセスデータ編集部22が算出したプロセス特徴量を格納するプロセス特徴量データ記憶部23と、プロセス特徴量データ記憶部23に格納されたプロセス特徴量データに基づいて異常の有無や、異常の場合の要因を判定する異常判定部24と、異常判定部24で異常と判定されたウェハについてのプロセスデータを記憶する異常データ記憶部27と、異常判定部24の判定結果を記憶する判定結果データ記憶部28と、異常判定部24で判定処理を行なう際に使用する異常検出要因分析ルールを記憶する異常検出要因分析ルールデータ記憶部26と、その異常検出要因分析ルールデータ記憶部26にアクセスして異常検出要因分析ルールの追加・変更を行なう異常検出要因分析ルール編集部25と、を備えている。
更に、監視装置20は、検査データ収集装置8から送られてきた、プロセス装置1で製造されたワークに対する実験結果データ(例えば、膜厚等)を格納する計測データ記憶部29を備える。異常判定部24は、計測データ記憶部29に格納された検査結果に基づき、プロセス装置1にて製造されたワークの異常の有無を判定する。具体的には、図2(a)に示したように、ワークの同一面内に設定した複数の計測地点における膜厚に基づき、面内の均一性を求める。本実施形態では、計測データ記憶部29に格納された検査結果データは、プロセスデータ編集部22に送られ、プロセスデータ記憶部21に格納されたプロセスデータと関連付けられる。各記憶部は、監視装置20の外部の記憶装置(データベース20a)に設定してもよいし、内部記憶装置に設けてもよい。
図5(a)に示すように、プロセスデータ記憶部21に格納されるプロセスデータは、製品IDと装置IDとに関連付けられる。プロセスデータは、プロセスデータ収集装置12が収集した各種のプロセスデータに加え、そのプロセスデータを収集した日時情報(日付+時刻)も含む。各プロセス装置用のプロセスデータ記憶部21には、製品IDごとに、日時情報に従って時系列にプロセスデータが格納される。図3では、1つのプロセス装置1のプロセスデータが監視装置20に与えられ、そのプロセスデータに基づいて異常分析をする例を示したが、製品が複数のプロセス装置を経由している場合において、係る複数のプロセス装置で得られたプロセスデータを監視装置20に与えるようにしても良い。その場合、上記の各データが装置の数分だけ作成される。
プロセスデータ記憶部21は、リングバッファ等の一時記憶手段から構成され、プロセス終了後の所定のタイミングでプロセスデータを削除(新たなプロセスデータを上書き)するようにしている。
図5(b)に示すように、検査結果データ記憶部29に格納される検査結果データは、製品IDに関連付けられる。検査結果データは、N×n点の計測地点の各計測値が、設定された順番に格納されている。
プロセスデータ編集部22は、プロセスデータ記憶部21に格納された時系列のプロセスデータを呼び出し、枚葉毎のプロセス特徴量を算出する。プロセス特徴量は、例えば、同一の製品IDについてのプロセスデータのピーク値,総和,平均値等のプロセスデータの値から算出するものに限らず、プロセスデータの値が設定された閾値を超えている時間等の各種のものがある。
プロセスデータ編集部22は、生産管理システム4から出力されるレシピIDを製品ID並びに装置IDとともに取得する。レシピは、予め決められたプロセス装置に対する命令や設定、パラメータのセットで、処理対象や工程、装置の違いにより複数持ち、生産管理システム4で管理される。それぞれのレシピには、レシピIDが付与される。プロセス装置1で処理されるウェハに対するレシピは、装置IDと製品IDとレシピIDとにより特定される。
プロセスデータ編集部22は、図5(c)に示す製品IDと装置IDとレシピIDとのセットを以下に示す手順で取得する。まず、プロセスデータ編集部22は、生産管理システム(MES)4にアクセスし、分析対象のウェハの製品IDと、プロセス装置1を特定する装置IDをキーにし、対応するレシピIDを検索する。次いで、プロセスデータ編集部22は、その検索したレシピIDを生産管理システム4から直接、或いは、プロセスデータ収集装置12経由で取得する。プロセスデータ収集装置12経由で取得する場合、プロセスデータ収集装置12は、進行中のプロセスのレシピIDを生産管理システム(MES)4から取得し、プロセス装置1の装置IDとプロセスデータとを併せて監視装置20へ渡すようにしてもよい。
さらにプロセスデータ編集部22は、検査結果データ記憶部29に格納された検査結果データを取得する。そして、プロセスデータ編集部22は、製品IDと装置IDをキーにして、算出したプロセス特徴量データと、取得したレシピIDと、検査結果データと、を結合し、その結合したデータを対応する装置ID用のプロセス特徴量データ記憶部23に格納する。よって、プロセス特徴量データ記憶部23のデータ構造は、図5(d)に示すようになる。
プロセスデータは、プロセス装置1の稼働中に時々刻々と取得され、プロセスデータ記憶部21に格納される。よって、プロセス装置1における1つのワークに対する処理が完了する前から、プロセスデータ記憶部21に格納され、プロセスデータ編集部22にて特徴量抽出が行なわれ、その抽出された特徴量に基づき、異常発生の有無を予測することができる。係る場合、製造途中のワークについての検査結果データは存在しないので、図5(d)中、“検査結果データ”の項目を結合しないようにしたり、データ領域は確保しても内容を書き込まなかったりすることができる。データ領域を確保した場合、その後に検査結果データを取得した際に、その取得した検査結果データを書き込むようにしてもよい。もちろん、上記のようにプロセス処理中にリアルタイムでプロセス特徴量を求めるのではなく、プロセスデータ編集部22は、プロセス処理が完了して検査結果データを求めたワークについてのプロセス特徴量を求め、その求めたプロセス特徴量と検査結果データを関連付けてプロセス特徴量データ記憶婦23に格納するようにしても良い。なお、プロセス処理が完了した後でプロセス特徴量を求めた場合、異常判定部24は、そのプロセス特徴量に基づいて製造されたワークについての異常の有無や異常要因の特定等を行なうことになる。
異常検出要因分析ルール編集部25は、モデル化装置14や人手による解析によって得られたモデルを取得し、異常分析ルールを定義し、異常検出要因分析ルールデータ記憶部26に格納する。モデル化装置14は、例えば特開2004−186445号公報に開示されたデータマイニングを利用したモデル化装置等を用いることができる。ここでデータマイニングとは、大規模なデータベースからルールやパターンを抽出する手法であり、その具体的な手法としては、決定木分析と呼ばれる手法及び回帰木分析と呼ばれる手法等が知られている。
さらに異常検出要因分析ルール編集部25は、異常検出要因分析ルールに対応する異常通知情報も登録する。これにより、異常検出要因分析ルールデータ記憶部26のデータ構造は、図6に示すように、各プロセス装置の装置IDと、各プロセス装置のレシピIDと、異常検出要因分析ルールと、異常通知情報と、を関連付けたテーブル構造となる。
異常通知情報は、異常検出要因分析ルールに基づいて判定された結果を表示する異常表示装置や、判定結果を通知する通知先等の出力先を特定する情報と、具体的な通知内容がある。通知先は、例えば、担当者のメールアドレスなどである。
異常検出要因分析ルールは、重線形回帰,PLS線形回帰,決定木,マハラノビスの距離,主成分分析,移動主成分分析,DISSIM,Q統計量、T統計量などの手法を組み合わせて使用することができる。
この異常検出要因分析ルールは、プロセス特徴量に基づいて製品の異常の有無や、異常を生じた原因(異常要因)を推定するルールと、同一面内に設定された複数の計測地点の計測値である検査結果データに基づいてワークの状態を監視するルールがある。
ワークの状態の監視は、計測値自体の監視と、面内均一性の監視がある。前者は、計測値が設定値に対してずれていないか(異常となっていないか)を監視するものである。後者は、同一面内に設定された複数の計測地点の計測値に基づき、面内均一性を監視するものである。さらに、状態の監視は、絶対値並びに面内均一性についての将来の異常予知も含まれる。
これらの監視は、N×n点の計測値を主成分分析により合成し、T統計量、Q統計量といった指標に置き換えることで行なう。図7(a)に示すように、説明の便宜上、計測地点がA,Bの2点を例に挙げて説明する。各計測地点A,Bの検査結果データは、膜厚であり、設計値は10.0とする。各計測地点A,Bにおける計測値は、相互に相関関係にある。つまり、共に設計値は10.0と同じであり、同一プロセスにて成膜されることから、通常は、面内の位置によって多少ばらつきは生じることはあっても、一方が設計値よりも高く(低く)なった場合には他方も設計値よりも高く(低く)なる傾向にある。
図7(b)は、A点の計測値を横軸に採り、B点の計測値を縦軸に採った場合の各ワークの2点(A点,B点)の計測値の相関を示した図である。図7(b)から明らかなように、多くの場合、A点の計測値が大きくなるとB点の計測値も大きくなり、A点の計測値が小さくなるとB点の計測値も小さくなる傾向にあることが確認できる。つまり、各ワークの計測値に基づくデータは、第1主成分に沿った値となる。
そして、監視対象のワークを主成分分析により合成して得られたデータxのT統計量が大きいほど計測値も大きいと言える。つまり、T統計量により、計測値が管理できる。また、データxのQ統計量が大きいほど、A点の計測値の設定値からのずれ量と、B点の計測値の設定値からのずれ量の差が大きくバランスが崩れている。よって、Q統計量が大きいほど、面内の不均一性が大きいと言え、Q統計量により面内不均一性の管理が行なえる。つまり、Q統計量の絶対値が大きいほど計測値の均一性が損なわれている。
そして、実際には、同一面内に設定されたN×n個の計測地点から得られる多数の計測値に基づいて監視をすることになるが、N×n点でも同様に主成分による合成を行ない、算出したT統計量と、Q統計量を用いることで簡単かつ正確に監視を行なうことができる。
ここで、Q特徴量並びにT統計量は、それぞれ下記式により求められる。
Figure 2009020717
ここで、xpは、第p変数の値であり、Xpは第p変数の平均値である。trは、主成分分析における第r主成分得点であり、Rは、採用された主成分の数である。
計測地点が増えたとしても、主成分分析を行ない合成することで、Q統計量と、T統計量の2つの指標にまとめることができ、係る2つの指標に対し、それぞれ予め設定した閾値と比較することで異常の有無等を判断できる。異常監視要因分析ルールは、上記の2つの指標を求める演算式と、異常の有無を判定する閾値などを備える。この異常監視要因分析ルールは、面内均一性監視モデルを取得した異常検出要因分析ルール編集部25が、必要な情報を適宜関連づけて作成する。面内均一性監視モデルは、正常な計測データ群により構成される基準データ(例えば、主成分分析により複数の計測値を合成したデータ)とQ統計量の算出式そのものを含む。
ワークの監視の1つとして、上記の2つの指標を用いた異常予知がある。図8に示すように、Q統計量とT統計量とを時系列にプロットする。図示の例では、(a),(b)いずれも徐々に設定値から外れる方向にずれているので、現在正常な範囲内であっても近い将来異常を発生するおそれがある。係る異常予知の判断のためのルールは、例えば、求めた統計量の設定値に対する偏差を求め、偏差が徐々に大きくなり、かつ、ずれの方向(設定値に対する大小:正負)が同じ状態が所定回数続いた場合に異常とすることができる。もちろん、異常予知のルールは、上記例示したものに限られない。
ワークの計測値(膜厚など)とは別に当該ワークについてのプロセス状態を監視することにより、設計値からのずれや面内不均一性となった異常要因の推定が可能となる。異常要因データは、異常が検出されても異常箇所を一義的に特定できない場合、その異常に対して、どのプロセスデータやそのプロセス特徴量がどのくらい影響を与えているかを表わすデータである。異常要因データは、プロセスデータまたはプロセス特徴量を示す名称と寄与や影響度合いを表わす数値からなる。数値が大きいほど当該異常に対する影響度合いが大きい、すなわち当該異常をもたらした原因の可能性が高いと言える。
寄与データは、その異常に対して、どのプロセスデータやその特徴量がどのくらい影響を与えているかを表わすデータである。寄与データの数値が大きいほど当該異常に対する影響度合いが大きい、すなわち当該異常をもたらした原因の可能性が高いと言える。異常要因分析により算出される寄与データの値の上位M個(例えば、5個)までの寄与データを含む異常要因データを抽出する。作業員は、抽出された異常要因データに基づき、異常が検出されたときの対処時に、どのプロセスデータをチェックすればよいかがわかる。
本実施形態では、この異常要因を特定する場合にも、主成分分析を利用する。つまり、膜厚などの品質に影響のある複数のプロセスデータ(プロセス特徴量)を各変数として主成分分析を行ない、下記式に基づきQ統計量,T統計量,並びに各変数の各統計量に対する寄与を算出する。

Figure 2009020717
Q統計量並びにT統計量を求める演算式は、膜厚均一性等を求める際に用いたものと同じであるが、上述したように、各変数(第p変数)は計測値ではなくプロセスデータ(プロセスデータ特徴量)であると共に、採用する変数の数や主成分の数となるRの具体的な数値も膜厚均一性を求めるものとは独立して設定される。
上記のQ統計量寄与を求める演算式は、第p変数のQ統計量に対する寄与を求める式である。Q統計量は各変数の二乗予測誤差の和であることから、当該式により第p変数の寄与を求めることができる。そして、この寄与が正常時に比べて極端に大きくなっている変数があった場合、その変数が異常に関係していると判断できる。各変数の正常時の寄与の値は、予め求めておき、異常検出要因分析ルールの一つの要素として登録しておく。正常時の各変数の寄与は、各変数ごとに異なることが予測されるため、例えば、算出した判定対象のワークのプロセス特徴量に基づいて求めた全ての変数の寄与を、対応する正常時の寄与でそれぞれ除算して正規化を図り、その正規化した値同士を比較し、その値が高いもの上位M個を異常要因と特定することができる。
同様に、T統計量寄与を求める演算式は、第p変数のT統計量に対する寄与を求める式である。tは、主成分特定からなるベクトルであり、vpは負荷量行列の第p行(第p変数に関する係数ベクトル)の配置ベクトルである。これも、Q統計量の場合と同様に、正常時における各変数の寄与を求めておき、正常時のものと大きく異なる寄与となった変数を抽出し、異常要因とする。このように、要因分析を行なった結果、どのプロセス特徴量が問題であるかを特定することができる。
この寄与を用いた要因分析は、具体的な異常箇所までは特定できないもののも、複数の異常要因をリストアップすることができる。図9では、Temperature(温度),FlowRate(ガス流量),Pressure(ガス圧)の3種類を潜在変数としているが、その3種類の潜在変数は1または複数のプロセス特徴量を有する。
異常判定部24は、異常分析部24aと、異常データ保存部24bと、異常通知部24cと、判定結果保存部24dと、を備えている。異常分析部24aは、異常検出要因分析ルールデータ記憶部26に格納された異常検出要因分析ルールを用い、プロセス特徴量データ記憶部23から読み出したプロセス特徴量に従って異常判定を行なう。さらに異常判定部24は、検査結果データに基づいてワークの状態監視を行なったり、ワークの状態異常(面内不均一性,計測値の設定値からのずれ)があった場合にその要因分析を行なったりする。
異常データ保存部24bは、異常分析部24aで異常が検出された場合に、その異常と判定されたワークについてのプロセスデータをプロセスデータ記憶部21から読み出すとともに、異常プロセスデータとして異常データ記憶部25に保存する。このとき、異常判定結果を関連づけて登録しても良い。
異常通知部24cは、異常判定部14aで異常が検出された場合に、指定された異常表示装置に対して異常メッセージを出力する。出力する異常メッセージは、異常分析ルールデータ記憶部26に格納されている。また、異常要因分析を行なった場合、求めた各変数の寄与等の詳細データも併せて出力する。
異常通知部24cは、異常判定部14aで異常(面内均一性の異常等)が検出された場合に、指定された異常通知先に対して指定された方法で異常メッセージを出力する機能も備える。一例としては、異常通知部24cは、指定されたアドレスに対してメール送信をする。出力する異常メッセージは、異常検出要因分析ルールデータ記憶部26に格納されている。また、異常要因分析を行なった場合、寄与率等の詳細データも併せて出力する。
この異常判定部24の具体的な処理機能は、以下の通りである。係る処理の概略は、図10に示すようになっている。まず、異常分析部24aは、プロセス特徴量データ記憶部23にアクセスし、1つの製品IDをキーにして1枚葉分の計測結果データを抽出するとともに、そのレシピ情報を取得する。異常分析部24aは、異常検出要因分析ルールデータ記憶部26にアクセスし、取得したレシピ情報に対応する異常検出要因分析ルールを取得する。異常分析部24aは、取得した異常検出要因分析ルールのうちのワークの監視についての指標であるQ統計量とT統計量を求める式(膜厚均一性監視モデルに基づいて設定される)に、N×n個の各計測値を代入し、それぞれの統計量を算出する。
異常分析部24aは、算出したQ統計量から膜厚均一性の異常の有無を判断し、T統計量から計測値の絶対値異常の有無を判断する。係る判断は、例えば、予め閾値を設定しておき、求めた統計量がその閾値を超えた否かにより実行される。また、異常分析部24aは、各統計量の履歴を管理し、将来の異常予知を行なうことができる。なお、最終的な異常予知は行なわずに、図8に示すようなグラフを出力させるようにしてもよい。
異常分析部24aは、膜厚均一性に異常が検出された場合に当該製品IDを確認し、プロセス監視モデルにおける当該製品IDの状態を確認する。つまり、異常分析部24aは、製品IDのプロセス特徴量を取得し、プロセス監視モデルに基づいて作成された要因分析のための異常検査要因分析ルールに基づき、各要因変数の寄与の情報を確認し、上位M個分のデータを抽出する。Mの値は、任意に設定でき、例えば5個とすることができるし、全ての要因変数の寄与を抽出するようにしても良い。
また、異常が検出された場合、異常通知部24cは、異常通知情報に従って設定された通知先に対して、異常を通知する。具体的には、異常通知部24cは、予め設定された異常表示装置に対してメッセージを出力したり、予め設定された異常通知先にメール送信したりする。通知する内容は、異常検出要因分析ルールデータ記憶部26に格納された異常表示情報と、レシピIDに加え、発生日時情報や異常通知IDを付加する。
また、異常通知部24cが出力する情報の中には、膜厚均一性等の異常情報に加え、異常要因の有無の情報も備えており、要因情報が有る場合、要因変数と寄与(正常時に対する比率としても可)も併せて出力する。よって、異常表示装置は、取得した要因変数と寄与率に基づき、例えば図10に示すように、上位n個(この例では5個)のデータを棒グラフで表示する。これにより、ユーザは、どの要因変数、すなわち、プロセス特徴量が異常発生の原因になっている可能性が高いかを、一目で理解することができる。もちろん、この要因変数と寄与の表示形態は、棒グラフに限ることはなく、円グラフその他のグラフで表示したり、表形式でテキスト表示したりするようにしてもよく、各種の表示形態を採ることができる。
さらに、異常データ保存部24bは、異常と判定された製品IDをキーに計測値データ記憶部29,プロセスデータ記憶部21にアクセスし、該当する計測値データ並びにプロセスデータを取得するとともに、取得した各データを異常データとして異常データ保存部27に格納する。
この異常データ記憶部27に格納された異常データは、モデル化装置14に読み出され、そこにおいて解析され、新たなモデルを生成したり、既存のモデルを修正するための情報に利用される。また、係る解析は、モデル化装置14による自動的に行なうものに限られず、人間が解析して新たなモデルを作成することもできる。これら再解析によって作成されたモデルは、異常検出要因分析ルール編集部25を介して異常検出要因分析ルールデータ記憶部26に格納され、それ以後の異常判定に利用される。
このようにすると、異常と判定されたワークについてのプロセスデータを異常プロセスデータとして異常データ記憶部27に記憶保持することができるため、データ量が膨大なプロセスデータの生データは異常時のみとすることができ、ハードディスクなどの物理記憶装置の容量を節約することができる。
判定結果保存部24dは、異常分析部24aにおける判定結果を判定結果データ記憶部28に保存する。要因分析が行なわれた場合には、その要因分析結果も格納される。この判定結果データ記憶部28に格納された情報は、異常表示装置や異常通知先等の外部からアクセスし、読み出すことができる。つまり、異常通知部24cから異常通知を受けた場合、この判定結果データ記憶部28にアクセスし、より詳細な情報を取得することができる。これにより、異常通知部24cから通知される異常情報は、最小限のものとすることができる。
なお、異常分析部24aは、取得したプロセス特徴量データと、異常検出要因分析ルールとを用いてプロセス実行中或いはプロセス終了後の製品についての異常の有無を推定することもできる。
上述した実施形態では、同一面内の複数の計測値として膜厚を求め、その面内の膜厚の均一性を監視するようにしたが、本発明はこれに限ることはなく、例えば、線幅,オーバーレイ,温度など、各種の計測値を用い、それを主成分に置き換えることで各種の監視が行なえる。
一例を挙げると、半導体,LCD,PDP,有機EL,SED,MEMSなどの成膜,フォトリソプロセスを有するデバイスの、膜厚,線幅,オーバーレイ,温度,露光量などについての面内(空間内)均一性を管理することができる。また、膜厚を用いた監視では、自動車,各種の工業製品等に施した塗装膜やメッキ厚の管理をすることもできる。
また、酒造,製薬,業務用調理において、同一タンク(攪拌炉)内の複数地点の液体の温度や濃度を監視することで、それら温度・濃度の均一性の管理が行なえる。このように、プロセス処理された結果は、ワークのような製品に限られることはなく、本発明は、プロセス処理実行中のある領域内での均一性の監視にも適用できる。同様に、業務用調理において、オーブン,ホットプレート内での複数地点で取得した温度に基づき、温度の均一性管理を行なえる。
さらには、住宅,オフィス,ビニールハウス等の一定の空間を有する場所では、その空間内の複数地点で温度(室温)や照度などを計測値として取得し、同一室内,建物内の室温,照度,の均一性を監視することができる。同様に、浴槽,プール,水槽などの液体が貯留される領域において、複数地点の温度を測定することで、水温管理を行なうことができる。このように、本発明は、必ずしもプロセスに限定されるものではなく、ある領域内での均一性の管理・監視を行なうことにてきようできる。
ワークの膜厚に基づく異常監視を説明する図である。 ワークの膜厚に基づく異常監視を説明する図である。 監視装置を含むネットワークシステムの一例を示す図である。 監視装置の内部構造の一例を示す図である。 監視装置が処理する各種データのデータ構造の一例を示す図である。 異常検出要因分析ルールデータ記憶部に格納されるルールデータのデータ構造の一例を示す図である。 異常分析部における面内均一性(不均一性)の監視原理を説明する図である。 異常予知を説明する図である。 異常分析部における面内均一性(不均一性)の監視・要因分析を説明する図である。 異常分析部における面内均一性(不均一性)の監視・要因分析を説明する図である。
符号の説明
20 監視装置
21 プロセスデータ記憶部
22 プロセスデータ編集部
23 プロセス特徴量データ記憶部
24 異常判定部
24a 異常分析部
24b 異常データ保存部
24c 異常出力部
24d 判定結果保存部
25 異常分析ルール編集部
26 異常分析ルールデータ記憶部
27 異常データ記憶部
28 判定結果データ記憶部

Claims (8)

  1. 監視対象領域内の複数の計測地点の計測値を取得する工程と、
    その取得した複数の計測値を主成分分析により、監視対象領域内の均一性を評価するためのQ統計量と、計測値の設定値からのずれを評価するためのT統計量の少なくとも一方を求める統計量演算工程と、
    を備えた状態監視方法。
  2. 前記統計量演算工程は、少なくともQ統計量を求める工程を含み、
    求めたQ統計量と、設定された閾値とを比較する工程と、
    その比較した結果、閾値より大きい場合には通知する工程と、
    をさらに含む請求項1の状態監視方法。
  3. 前記統計量演算工程は、少なくともT統計量を求める工程を含み、
    求めたT統計量が、設定されたT統計量の許容範囲内か否かを判断する工程と、
    その判断した結果、許容範囲より大きい場合には通知する工程と、
    をさらに含む請求項1の状態監視方法。
  4. 前記計測値は、膜厚,線幅,オーバーレイ,温度のいずれかひとつであることを特徴とする請求項1ないし3に記載の状態監視方法。
  5. 前記監視対象領域は、半導体、液晶パネルなどの製造プロセスを実行して製造される製品に設定され、
    前記Q統計量及びまたはT統計量に基づき、製品の品質を管理ものであることを特徴とする請求項1ないし4に記載の状態監視方法。
  6. 前記Q統計量及びまたはT統計量に基づき異常を検出した際に、その異常を検出した製品についてのプロセスデータからプロセス特徴量を抽出する特徴量抽出工程と、
    その製品についての、プロセス特徴量から前記製造システムで製造される製品の異常要因を抽出するための異常検出要因分析ルールを取得するルール取得工程と、
    前記抽出された前記プロセス特徴量を、前記取得した異常検出要因分析ルールに当てはめて、異常を生じた異常要因を特定する工程と、
    を含む請求項5に記載の状態監視方法。
  7. 監視対象領域内の複数の計測地点の計測値を取得する手段と、
    その取得した複数の計測値を主成分分析により、監視対象領域内の均一性を評価するためのQ統計量と、計測値の設定値からのずれを評価するためのT統計量の少なくとも一方を求める異常分析手段、
    を備えた状態監視装置。
  8. コンピュータを、
    取得した監視対象領域内の複数の計測地点の計測値を主成分分析により、監視対象領域内の均一性を評価するためのQ統計量と、計測値の設定値からのずれを評価するためのT統計量の少なくとも一方を求める異常分析手段、
    として機能させるためのプログラム。
JP2007183077A 2007-07-12 2007-07-12 状態監視方法及び状態監視装置並びにプログラム Withdrawn JP2009020717A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2007183077A JP2009020717A (ja) 2007-07-12 2007-07-12 状態監視方法及び状態監視装置並びにプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2007183077A JP2009020717A (ja) 2007-07-12 2007-07-12 状態監視方法及び状態監視装置並びにプログラム

Publications (1)

Publication Number Publication Date
JP2009020717A true JP2009020717A (ja) 2009-01-29

Family

ID=40360304

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2007183077A Withdrawn JP2009020717A (ja) 2007-07-12 2007-07-12 状態監視方法及び状態監視装置並びにプログラム

Country Status (1)

Country Link
JP (1) JP2009020717A (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006501653A (ja) * 2002-09-26 2006-01-12 ラム リサーチ コーポレーション 均一性パターンを定量化し、ツールの開発および制御のために専門知識を含める方法
JP2010199476A (ja) * 2009-02-27 2010-09-09 Hitachi Kokusai Electric Inc 基板処理システム
CN103777627A (zh) * 2014-01-24 2014-05-07 浙江大学 一种基于少量批次的批次过程在线监测方法
JP2016164772A (ja) * 2015-02-26 2016-09-08 富士電機株式会社 プロセス監視装置、プロセス監視方法及びプログラム
KR101801897B1 (ko) * 2016-06-23 2017-12-20 한국항공우주산업 주식회사 제품 품질 관리를 위한 공정 관리 시스템 및 그 관리 방법
JP2019133454A (ja) * 2018-01-31 2019-08-08 大陽日酸株式会社 装置の異常検出方法
JP2021165979A (ja) * 2020-04-08 2021-10-14 株式会社日立製作所 生産知識管理システム、生産知識管理方法及び生産知識管理プログラム
JP7462509B2 (ja) 2020-08-04 2024-04-05 株式会社日立製作所 要因推定装置、要因推定システムおよびプログラム

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006501653A (ja) * 2002-09-26 2006-01-12 ラム リサーチ コーポレーション 均一性パターンを定量化し、ツールの開発および制御のために専門知識を含める方法
JP4721706B2 (ja) * 2002-09-26 2011-07-13 ラム リサーチ コーポレーション 半導体ウエハ製造処理の複数の均一性測定基準を決定する方法、及び、処理変数と半導体ウエハ上の不均一性との間の相関を決定するシステム
JP2010199476A (ja) * 2009-02-27 2010-09-09 Hitachi Kokusai Electric Inc 基板処理システム
CN103777627A (zh) * 2014-01-24 2014-05-07 浙江大学 一种基于少量批次的批次过程在线监测方法
CN103777627B (zh) * 2014-01-24 2016-03-30 浙江大学 一种基于少量批次的批次过程在线监测方法
JP2016164772A (ja) * 2015-02-26 2016-09-08 富士電機株式会社 プロセス監視装置、プロセス監視方法及びプログラム
KR101801897B1 (ko) * 2016-06-23 2017-12-20 한국항공우주산업 주식회사 제품 품질 관리를 위한 공정 관리 시스템 및 그 관리 방법
JP2019133454A (ja) * 2018-01-31 2019-08-08 大陽日酸株式会社 装置の異常検出方法
JP2021165979A (ja) * 2020-04-08 2021-10-14 株式会社日立製作所 生産知識管理システム、生産知識管理方法及び生産知識管理プログラム
WO2021205823A1 (ja) * 2020-04-08 2021-10-14 株式会社日立製作所 生産知識管理システム、生産知識管理方法及び生産知識管理プログラム
JP7411489B2 (ja) 2020-04-08 2024-01-11 株式会社日立製作所 生産知識管理システム、生産知識管理方法及び生産知識管理プログラム
JP7462509B2 (ja) 2020-08-04 2024-04-05 株式会社日立製作所 要因推定装置、要因推定システムおよびプログラム

Similar Documents

Publication Publication Date Title
JP2009054843A (ja) プロセス異常検出装置および方法並びにプログラム
JP2007250748A (ja) プロセス異常分析装置および方法並びにプログラム
JP2009020717A (ja) 状態監視方法及び状態監視装置並びにプログラム
US11543814B2 (en) Methods of modelling systems or performing predictive maintenance of lithographic systems
JP2007165721A (ja) プロセス異常分析装置及びプログラム
TWI412906B (zh) 具有虛擬量測功能的製造執行系統與製造系統
KR100604523B1 (ko) 프로세스와 품질과의 관계에 관한 모델 작성 장치 및 모델작성 방법
EP3379356A1 (en) Method of modelling lithographic systems for performing predictive maintenance
JP2008072047A (ja) モデル作成装置並びにプロセス異常分析装置およびそれらの方法並びにプログラム
US20070192064A1 (en) Process fault analyzer and system, program and method thereof
JP2009080612A (ja) 分布の評価方法、製品の製造方法、分布の評価プログラム及び分布の評価システム
WO2020079860A1 (ja) 機器故障診断支援システムおよび機器故障診断支援方法
KR20190062739A (ko) 복수의 센서를 활용하여 제조 공정상의 장비 고장을 예지하는 데이터 분석 방법, 알고리즘 및 장치
CN110082285B (zh) 一种设备腐蚀评估和寿命预测方法及装置
JP2007318036A (ja) 半導体製造装置管理システム、半導体製造装置の異常要因抽出方法及びその管理方法
CN105518654A (zh) 对工具处理数据提供多变量分析的基于k最近邻法与系统
JP2006146459A (ja) 半導体デバイスの製造方法および製造システム
KR20140088189A (ko) 시간­기반의 장비 센서 데이터 및 재료­기반의 계측 통계적 프로세스 제어 데이터의 양­방향적 연관 및 그래픽적 획득
JP2009282703A (ja) 製造指示評価支援システム、製造指示評価支援方法、および製造指示評価支援プログラム
TWI710873B (zh) 支援裝置、學習裝置以及廠房運轉條件設定支援系統
JP2011065337A (ja) トレーサビリティシステムおよび製造工程異常検出方法
JP2008071270A (ja) プロセス異常分析装置およびプロセス異常分析方法並びにプログラム
JPH05253797A (ja) ライン異常判定方式
TWI832037B (zh) 用來監視監視對象的監視裝置、監視方法、電腦程式及物品製造方法
WO2013031040A1 (ja) 管理装置、管理方法、プログラムおよび記録媒体

Legal Events

Date Code Title Description
A300 Withdrawal of application because of no request for examination

Free format text: JAPANESE INTERMEDIATE CODE: A300

Effective date: 20101005