JP2010028097A - 半導体製造装置および半導体製造システム - Google Patents

Abstract

【課題】処理プロセス名称に応じて、処理結果と相関の高い装置エンジニアリングデータの特徴量を自動的に出力する半導体製造装置を提供する。
【解決手段】半導体製造装置において、処理モジュール１０１と、検査モジュール１０２と、装置制御コントローラ１０３を備え、装置制御コントローラ１０３は加工処理時の装置エンジニアリングデータを、装置情報データベースに蓄え、処理レシピに記載されたプロセス名称に紐付けられた特徴量算出方法を特徴量算出方法データベース１０７より取得して、装置エンジニアリングデータから特徴量を算出して出力する。
【選択図】図１

Description

本発明は、微細素子を基板上に集積加工して半導体製品を製造する半導体製造装置および半導体製造システムに関し、特に、製品の品質変動と相関の強い装置エンジニアリングデータの代表値を出力する装置エンジニアリングデータ特徴量抽出方法に関する。

「ディジタル家電」という製品カテゴリで総称される工業製品は、システムＬＳＩ（ＳｏＣ：Ｓｙｓｔｅｍ ｏｎ Ｃｈｉｐ）、ディスプレイ・パネル、ハードディスク・ドライブ（ＨＤＤ）といったキーデバイスを組み立てたセット製品である。製品の性能を決定する個々のキーデバイスは、微細素子を基板上に集積加工した半導体デバイス化基板（ウエハ）として、多工程の製造プロセスを経て生産される。キーデバイスの製造は多工程の複雑で精密なプロセスを必要とし、ウエハとして製造されるシステムＬＳＩを例に取れば工程数は数百工程を超える。

半導体デバイス化ウエハの加工微細化の追求によって、半導体製造装置の製造条件の変動許容範囲は年々狭くなっている。半導体製造工程の手順や製造条件の入力間違い、製造装置の部品の劣化や故障、材料消費に起因する変動などにより製造条件が変動許容範囲から逸脱すると、処理を施された半導体デバイス化ウエハは不良となる。

数百工程の中の１工程を担う加工装置が所定の範囲を逸脱して変動すれば、製品の最終品質に異常が発生してしまう。そのため、個々の加工装置の状態が所定の範囲を逸脱していないかどうかを常に監視することが、製造ラインの品質管理として重要になっている。

デバイス構造形成工程では、装置処理後の半導体デバイス化ウエハの検査は、装置利用効率の向上と製造時間の短縮の観点から、抜き取り検査で実施されるため、残りのウエハに対する製造条件が変動許容範囲から逸脱した場合に、処理異常を見逃す可能性があった。

また、イオン注入のようなデバイス特性を変更する工程では、検査が困難なため、処理異常があっても気づくことなく最終製品検査工程まで至る。最終的には、全数検査が実施される製品検査で不良は発見されるが、各製造工程から最終製品検査までには数週間から数ヶ月を要するために、その間に処理した半導体デバイス化ウエハが全て不良になり大きな損害を被る潜在リスクがあった。

半導体製造装置は、圧力や流量等の反応中の物理パラメータ値等の処理に係わる情報を自身の記憶装置に蓄積して、適宜外部に出力する機能を有する。この処理情報を、例えば、“Ｃｈｅｍｏｍｅｔｒｉｃｓ，Ｄａｔａ Ａｎａｌｙｓｉｓ ｆｏｒ ｔｈｅ Ｌａｂｏｒａｔｏｒｙ ａｎｄ Ｃｈｅｍｉｃａｌ Ｐｌａｎｔ”，Ｗｉｌｅｙ ２００３（非特許文献１）に記載のＳＰＣと称される個別異常検知手法を用いて、物理的な上下限しきい値と照合すれば、処理後の製品検査を行う前に処理の異常の有無から製品の異常の有無を推定することができる。

特に、半導体製造装置はウエハ処理１回ごとに処理情報を蓄積できる機能を持つものが多く、この処理情報を利用すればウエハ全数について処理の異常の有無を判定することができる。

上記個別異常検知を行うためには、処理後の製品品質に影響の強い装置パラメータおよびその上下限しきい値が必要であるが、ウエハ製品の製造ラインにおいて製品品質変動の原因を解析する方法および装置の発明としては、特開２００２−１１０４９３号公報（特許文献１）および特開２０００−２５２１８０号公報（特許文献２）に記載されているようなものがある。

これらは製品品質情報と製造情報の因果関係を解析する方法および装置の発明である。ここで対象としている製品品質情報とは、半導体ウエハの電気特性情報や歩留り情報であり、製造情報とは、プロセス加工工程に係わる製造装置履歴情報、製造条件情報、インライン測定情報、設備フロー情報である。

因果関係を解析する方法としては、製品品質情報を目的変数（Ｙ）とし、製造情報を説明変数（Ｘ）とした多段階多変量解析（Ｙ＝Ａ・Ｘ）が用いられている。

具体的には、まず、説明変数の複数の要素が同時に変動することによって引き起こされる多重共線性（Ｍｕｌｔｉｐｌｅ Ｃｏ−ｌｉｎｅａｒ）現象による計算不可能問題や精度不足を回避するために、説明変数の要素を一定少数に分割する。

そして、重回帰分析（Ｙｉ＝Ａ・Ｘｉ）をその全ての分割グループに適用し、変数増減法により各分割グループ内で説明変数の要素を絞り込む。絞り込まれた説明変数を合わせて再度重回帰分析を適用することを多段階に繰り返して異常要素を抽出するという手法である。

また、“Ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ Ｓｔａｔｉｓｔｉｃａｌ Ｑｕａｌｉｔｙ Ｃｏｎｔｒｏｌ”，ＩＳＢＮ ０−４７１−３０３５３−４，Ｊｏｈｎ Ｗｉｌｅｙ ＆ Ｓｏｎｓ，Ｉｎｃ．１９９７（非特許文献２）には、説明変数の複数の要素が同時に変動することによって引き起こされる多重共線性現象による計算不可能問題や精度不足を回避するための射影法（Ｐｒｏｊｅｃｔｉｏｎ Ｍｅｔｈｏｄ）に基づく、目的変数（Ｙ）と説明変数（Ｘ）の相関モデル（Ｙ＝Ａ・Ｘ）の複数の計算方法が説明されている。

一方、データ通信速度の向上に伴い半導体製造装置は、処理中の時系列データ（以下装置エンジニアリングデータと称する）の出力が可能となった。

装置エンジニアリングデータは反応中の物理パラメータを例えば１００ｍｓｅｃでサンプリングした時系列データであり、莫大なデータ量を有する。反応中の物理パラメータのみならず、ウエハ搬送、バルブ開閉などプロセスに係る装置動作に関する情報も含むため、極めて詳細な装置情報ではあるが、データ量が莫大であるために有効に活用することが難しいという問題があった。

特表２００６−５０６８００号公報（特許文献３）には、プロセス装置の最適化システムとして、低歩留りと関連するプロセス装置を識別し、プロセス装置からのプロセス装置データを解析してデータマイニングにより低歩留りと関連するツールパラメータを識別して監視する方法が開示されている。

特開２００２−１１０４９３号公報 特開２０００−２５２１８０号公報 特表２００６−５０６８００号公報

"Ｃｈｅｍｏｍｅｔｒｉｃｓ，Ｄａｔａ Ａｎａｌｙｓｉｓ ｆｏｒ ｔｈｅ Ｌａｂｏｒａｔｏｒｙ ａｎｄ Ｃｈｅｍｉｃａｌ Ｐｌａｎｔ"，Ｗｉｌｅｙ ２００３ "Ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ Ｓｔａｔｉｓｔｉｃａｌ Ｑｕａｌｉｔｙ Ｃｏｎｔｒｏｌ"，ＩＳＢＮ ０−４７１−３０３５３−４，Ｊｏｈｎ Ｗｉｌｅｙ ＆ Ｓｏｎｓ，Ｉｎｃ．１９９７

以上述べてきたように、装置異常を監視する際に装置エンジニアリングデータは極めて詳細な情報を提供するがデータ量が莫大であり、製品品質の出来栄えと関連する有用な情報を簡便に得ることが難しい。特許文献３に開示された方法はデータマイニングによって問題装置の問題パラメータを探索してゆくものであるが、数百工程を経た最終製品品質である歩留りの低下が発生するまで問題装置に着目することができないため、その間に処理した半導体デバイス化ウエハが全て不良になり大きな損害を被る潜在リスクがある。また原因装置とならない限り装置が満たすべき品質からのずれに気づくことができない。

また、量産時の装置は通常は安定稼動しており、安定状態の装置エンジニアリングデータとその品質データとからは、明確な因果関係を見つけることは困難であるため、品質に影響する装置エンジニアリングデータに着目してＳＰＣなどの個別異常検知手法を適用することは困難であった。

本発明は上記を鑑みてなされたもので、処理プロセス名称に応じて、処理結果と相関の高い装置エンジニアリングデータの代表値（以下特徴量と呼ぶ）を出力する半導体製造装置の提供を目的とする。

また、指定した装置の装置エンジニアリングデータと処理結果とを一定期間単位に自動収集し、処理結果と相関の高い装置エンジニアリングデータおよびそのサンプリング時間を抽出して定期的にリストを出力する、装置エンジニアリングデータ定点監視ツールの提供を目的とする。

本発明の前記ならびにその他の目的と新規な特徴は、本明細書の記述および添付図面から明らかになるであろう。

本願において開示される発明のうち、代表的なものの概要を簡単に説明すれば、次のとおりである。

すなわち、代表的なものの概要は、材料基板を処理モジュールに搬送し、処理モジュールで処理条件を記したレシピに従って加工処理を実施させ、処理モジュールの状態を一定のサンプリング間隔で装置エンジニアリングデータとして収集して、装置情報データベースに保存する装置エンジニアリングデータ収集機能と、レシピのプロセス名に紐付けられた特徴量算出方法を特徴量算出方法データベースより取得して、特徴量算出方法に従って選択された少なくとも１つの装置パラメータの特徴量を装置エンジニアリングデータから算出して出力する特徴量算出機能とを有する装置制御コントローラを備えたものである。

また、装置エンジニアリングデータと、加工処理結果の出来栄え検査結果とを収集した装置情報データベースから、指定した一定間隔で、着目した装置エンジニアリングデータおよび出来栄え検査結果とを取得し、出来栄えとの相関の高い装置パラメータおよびそのサンプリング期間を自動抽出して定期的にリストを生成する装置エンジニアリングデータ定点監視機能を備えたものである。

本願において開示される発明のうち、代表的なものによって得られる効果を簡単に説明すれば以下のとおりである。

すなわち、代表的なものによって得られる効果は、エッチング処理時にレシピごとに該当するプロセスのエッチング結果との相関が強い装置エンジニアリングデータの特徴量を出力することが可能である。使用者は、莫大な装置エンジニアリングデータを取り扱うことなく、デバイス製造に有用な情報を簡便に得られるという効果がある。これにより、品質への影響の高い特徴量を用いた装置異常検知のみならず、半導体の品質予測など様々なアプリケーションへの装置エンジニアリングデータの応用が可能となる。

また、装置エンジニアリングデータ定点監視ツールによれば、処理結果との相関の高いパラメータおよびそのサンプリング時間を一定間隔で出力することが可能である。使用者は、莫大な装置エンジニアリングデータを取り扱うことなく、装置状態の変化によって処理結果が変動した際に、その変動と関連の深いパラメータおよびサンプリング時間の知見を得ることができる。

本発明の実施の形態１に係る半導体製造装置の構成を示す構成図である。 本発明の実施の形態１に係る半導体製造装置の処理モジュールの一例を示す図である。 本発明の実施の形態１に係る半導体製造装置のエッチング処理フローを示すフローチャートである。 本発明の実施の形態１に係る半導体製造装置のエッチング処理で使用されるレシピの一例を示す図である。 本発明の実施の形態１に係る半導体製造装置の特徴量算出方法の登録アルゴリズムを示すフローチャートである。 本発明の実施の形態１に係る半導体製造装置の特徴量算出方法登録の処理の流れを示す図である。 本発明の実施の形態１に係る半導体製造装置の品質データの一例を示す図である。 本発明の実施の形態１に係る半導体製造装置の装置エンジニアリングデータの一例を示す図である。 本発明の実施の形態１に係る半導体製造装置の装置制御コントローラの特徴量出力アルゴリズムを示すフローチャートである。 本発明の実施の形態１に係る半導体製造装置で使用される品質データのＰＬＳ解析入力ファイルの一例を示す図である。 本発明の実施の形態１に係る半導体製造装置で使用される装置エンジニアリングデータのＰＬＳ解析入力ファイルの一例を示す図である。 本発明の実施の形態１に係る半導体製造装置で使用されるＰＲＥＳＳ値による予測モデル評価結果の一例を示す図である。 本発明の実施の形態１に係る半導体製造装置で使用される予測対象品質データの一例を示す図である。 本発明の実施の形態１に係る半導体製造装置で使用される電流Ａの値を用いた品質データの予測結果を示す図である。 本発明の実施の形態１に係る半導体製造装置で使用される電圧Ａの値を用いた品質データの予測結果を示す図である。 本発明の実施の形態１に係る半導体製造装置で使用される電圧Ａの寄与度およびパラメータ値を示す図である。 本発明の実施の形態１に係る半導体製造装置で使用される特徴量算出方法データベースの例を示す図である。 本発明の実施の形態２に係る半導体製造装置のバルブ開度と装置状態との関連を説明するための図である。 本発明の実施の形態２に係る半導体製造装置の特徴量選択アルゴリズムを示すフローチャートである。 本発明の実施の形態３に係る半導体製造システムの構成を示す構成図である。 本発明の実施の形態３に係る半導体製造システムの装置異常検知システムが異常発生の予兆を検知した事例を示す図である。 本発明の実施の形態４に係る半導体製造装置の装置制御コントローラの特徴量算出方法選択アルゴリズムを示すフローチャートである。 本発明の実施の形態４に係る半導体製造装置の装置データのＰＬＳ解析入力ファイル作成アルゴリズムを示すフローチャートである。 本発明の実施の形態４に係る半導体製造装置のＰＬＳ解析入力ファイル作成過程の装置データ構造の例を示す図である。 本発明の実施の形態４に係る半導体製造装置の品質データと相関の高い装置データのパラメータおよびサンプリング区間抽出アルゴリズムを示すフローチャートである。 本発明の実施の形態４に係る半導体製造装置の予測対象品質データの一例を示す図である。 本発明の実施の形態４に係る半導体製造装置の装置パラメータ寄与度および寄与度平均値を示す図である。 本発明の実施の形態４に係る半導体製造装置のＰａｒａｍ２３の寄与度およびパラメータ測定値を示す図である。 本発明の実施の形態４に係る半導体製造装置の特徴量算出方法により特徴量抽出区間を順位付けした例を示す図である。 本発明の実施の形態５に係る半導体製造装置の装置エンジニアリングデータ定点監視ツールのシステム構成図である。 本発明の実施の形態５に係る半導体製造装置の装置エンジニアリングデータ定点監視ツールの入力画面の一例である。 本発明の実施の形態５に係る半導体製造装置の装置エンジニアリングデータ定点監視ツールの入力データ設定方法を示すフローチャートである。 本発明の実施の形態５に係る半導体製造装置の装置エンジニアリングデータ定点監視ツールの処理内容を示すフローチャートである。 本発明の実施の形態５に係る半導体製造装置の装置エンジニアリングデータ出力結果の一例を示す図である。

以下、本発明の実施の形態を図面に基づいて詳細に説明する。なお、実施の形態を説明するための全図において、同一の部材には原則として同一の符号を付し、その繰り返しの説明は省略する。

（実施の形態１）
図１および図２により、本発明の実施の形態１に係る半導体製造装置の構成について説明する。図１は本発明の実施の形態１に係る半導体製造装置の構成を示す構成図、図２は本発明の実施の形態１に係る半導体製造装置の処理モジュールの一例を示す図であり、エッチング処理チャンバを示している。

図１において、半導体製造装置は、処理モジュール１０１、検査モジュール１０２、装置制御コントローラ１０３から構成されている。

装置制御コントローラ１０３は、レシピ１０４、装置情報データベースである装置情報入力部１０６、特徴量算出方法データベース１０７、特徴量算出機能１０８から構成されている。

図２において、処理モジュール１０１は、真空処理室２０１、プラズマ２０３、圧力計２０４、マスフローコントローラ２０５、排気装置２０６、可変コンダクタンスバルブ２０７、プラズマ発生用高周波電源２０８、バイアス用高周波電源２０９、試料載置電極２１０、マスフローコントローラ２１１、圧力計２１２から構成され、試料載置電極２１０上に試料２０２が載置される。

加工対象であるウエハ等の試料２０２が真空処理室２０１内の試料載置電極２１０上に載置されると、ガス供給系からエッチング用ガスがマスフローコントローラ２０５を介して一定流量に制御されて真空処理室内に供給される。供給されたガスは排気装置２０６により排気される。

このとき、圧力計２０４により真空処理室内の圧力をモニタしながら排気路中にある可変コンダクタンスバルブ２０７の開度を調整することにより、真空処理室内圧力を一定に制御することができる。

次いで、プラズマ発生用高周波電源２０８によりプラズマ２０３が励起され、さらにバイアス用高周波電源２０９によりプラズマ内に発生したイオンを試料面に引き込みエッチングが進行する。エッチング中の試料２０２はプラズマ２０３からの入熱により昇温する。このため、試料裏面に冷却ガスをマスフローコントローラ２１１を介して供給する。冷却ガス圧力は圧力計２１２によりモニタして、一定圧力になるように制御する。

次に、図３および図４により、本発明の実施の形態１に係る半導体製造装置のエッチング処理フローについて説明する。図３は本発明の実施の形態１に係る半導体製造装置のエッチング処理フローを示すフローチャートであり、装置制御コントローラ１０３の特徴量出力アルゴリズムを含む処理フローを示している。図４は本発明の実施の形態１に係る半導体製造装置のエッチング処理で使用されるレシピの一例を示す図である。

装置制御コントローラ１０３は、処理モジュール１０１を予め設定した手順に従って制御し、図示しない搬送装置により搬入されたウエハに装置制御コントローラ１０３が格納する複数のレシピ１０４から１つを選んで処理を施す（ステップ３０１、ステップ３０２、ステップ３０３）。

エッチング処理実行時に、装置エンジニアリングデータ収集機能により、処理モジュール１０１の装置エンジニアリングデータ１０５を取得し（ステップ３０４）、取得したデータを装置情報入力部１０６に格納する。

装置制御コントローラ１０３は、特徴量算出機能１０８により、処理レシピのプロセス名称に対応付けて保存された装置エンジニアリングデータの特徴量算出方法を特徴量算出方法データベース１０７から参照する（ステップ３０５）。

装置情報入力部１０６に格納した装置エンジニアリングデータ１０５の中から、特徴量算出方法に記載された特定のパラメータを特定の算出方法で特徴量化して出力し（ステップ３０６、ステップ３０７）、エッチングを終了する（ステップ３０８）。

処理レシピは、図４に示すように、処理ステップごとにプロセス条件が記載されたものであるが、レシピ名称、レシピ生成日時、レシピ更新日時などのヘッダ情報とともに、プロセス名称、総ステップ数などのレシピ情報を有する。プロセス名称とはどのような材料の処理を実施するかといったレシピ処理の目的を示している。

次に、図５〜図１７により、本発明の実施の形態１に係る半導体製造装置の特徴量算出方法の登録方法について説明する。図５は本発明の実施の形態１に係る半導体製造装置の特徴量算出方法の登録アルゴリズムを示すフローチャート、図６は本発明の実施の形態１に係る半導体製造装置の特徴量算出方法登録の処理の流れを示す図、図７は本発明の実施の形態１に係る半導体製造装置の品質データの一例を示す図、図８は本発明の実施の形態１に係る半導体製造装置の装置エンジニアリングデータの一例を示す図、図９は本発明の実施の形態１に係る半導体製造装置の装置制御コントローラの特徴量出力アルゴリズムを示すフローチャートである。

図１０〜図１７は、本発明の実施の形態１に係る半導体製造装置で使用されるデータおよび結果の一例を示す図であり、図１０は品質データのＰＬＳ解析入力ファイルの一例を示す図、図１１は装置エンジニアリングデータのＰＬＳ解析入力ファイルの一例を示す図、図１２はＰＲＥＳＳ値による予測モデル評価結果の一例を示す図、図１３は予測対象品質データの一例を示す図、図１４は電流Ａの値を用いた品質データの予測結果を示す図、図１５は電圧Ａの値を用いた品質データの予測結果を示す図、図１６は電圧Ａの寄与度およびパラメータ値を示す図、図１７は特徴量算出方法データベースの例を示す図である。

図７において、品質データは、ロット番号（Ｌｏｔ）、日付（Ｄａｔｅ）、ウエハ番号（Ｗａｆｅｒ）、品質識別子、処理時間、前膜厚、後膜厚などの情報から構成されている。

図８において、装置エンジニアリングデータは、時間（Ｔｉｍｅ）、ステップＩＤ（ＳｔｅｐＩＤ）、ロット番号（Ｌｏｔ）、ウエハ番号（Ｗａｆｅｒ）、処理時間ごとの装置パラメータの測定値（電圧Ａ、電流Ａ、バルブ、電圧Ｂ）などの情報から構成されている。

図１０において、品質データのＰＬＳ解析入力ファイルは、ロット番号（Ｌｏｔ）、日付（Ｄａｔｅ）、ウエハ番号（Ｗａｆｅｒ）、シフト量などの情報から構成されている。

図１１において、装置エンジニアリングデータのＰＬＳ解析入力ファイルは、ロット番号（Ｌｏｔ）、日付（Ｄａｔｅ）、ウエハ番号（Ｗａｆｅｒ）、ロットごとのＰＬＳ解析入力の情報（０ｓｅｃ…５３．７ｓｅｃ）などの情報から構成されている。

図１２において、ＰＲＥＳＳ値による予測モデル評価結果は、ステップＩＤ（ＳｔｅｐＩＤ）、パラメータ、ＰＲＥＳＳ値などの情報から構成されている。

図１７において、特徴量算出方法データベースは、プロセス名称、パラメータ、ステップ、切り出し区間始まり、切り出し区間終わり、処理などの情報から構成されている。

図５に示すように、装置制御コントローラ１０３は、まず、検査モジュールにウエハを設置し、エッチング前の品質データを取得する（ステップ５０１）。品質データはウエハ識別子として、図７に示すような、ロット番号、ウエハ番号を含み、エッチング前寸法や、膜厚などの品質データを記録する。

次に、ウエハをチャンバに自動搬送して設置し（ステップ５０２）、レシピ（例えば、図６のＡ１〜Ａｎ）を設定し（ステップ５０３）、エッチング処理を実施して（ステップ５０４）、エッチングデータを取得、保存する（ステップ５０５）。

この時エッチングデータは、少なくともウエハ識別子として、図８に示すような、ロット番号、ウエハ番号を含み、処理時間ごとの装置パラメータの測定値（例えば、図６のＥ１〜Ｅｎ）を含む。

次に、エッチング処理後のウエハ（例えば、図６のＷ１〜Ｗｎ）を検査モジュール６０２に自動搬送して（ステップ５０６）、品質データ収集機能により、再度品質データ（例えば、図６のＱ１〜Ｑｎ）を取得・保存する（ステップ５０７）。

この時品質データはウエハ識別子として、ロット番号、ウエハ番号を含み、エッチング完成寸法や、膜厚などの品質データを記録する。全てのレシピで処理を終了後（ステップ５０８）、解析モジュール６０４の特徴量選択の機能にて特徴量選択処理を実施する（ステップ５０９）。

最後に、特徴量選択処理において選択された、当該プロセスに適切な特徴量抽出方法を、特徴量算出方法登録機能により、プロセス名称と共に特徴量算出方法データベースに登録する（ステップ５１０）。

また、図９に示すように、装置制御コントローラ１０３は、予め取得された品質データファイルを開ける（ステップ９０１）。品質データファイルの一例は、図７に示したとおりである。

検査モジュール６０２による計測データの他に、ウエハ識別子であるロット名称、日付、ウエハ番号、品質識別子および処理時間を含む。品質識別子は、シフト量やレートなどエッチング前計測データとエッチング後計測データとから求めたいエッチング処理の品質データ名称を示す。

品質識別子に基づき、エッチング前測定データとエッチング後測定データとを用いてシフト量やレートなどの品質データを算出して品質データのＰＬＳ解析入力ファイルを作成する（ステップ９０２）。品質データのＰＬＳ解析入力ファイルの一例は図１０に示したとおりである。

次に、品質データファイルのウエハ識別子に基づいて、該当するウエハのエッチングデータを開ける（ステップ９０３）。エッチングデータの一例は図８に示したとおりである。各装置パラメータの測定値が一定のサンプリング間隔で記録されている。エッチング処理が複数のステップからなる場合は、ステップＩＤデータを有する。

次に、レシピステップ、装置パラメータごとに個々のサンプリング時間のパラメータ値を特徴量候補として時系列データより切り出し、装置エンジニアリングデータのＰＬＳ解析入力ファイルを生成する（ステップ９０４）。ＰＬＳ解析では、目的変数である品質データを説明するモデルを各装置パラメータの各サンプリングデータを説明因子として作成するため、目的変数と説明変数とがセットになったデータ群を入力ファイルとする必要がある。装置エンジニアリングデータのＰＬＳ解析入力ファイルの一例は図１１に示したとおりである。

品質データファイルに記載された全てのウエハについて装置エンジニアリングデータの切り出しが終了したら（ステップ９０５）、パラメータ・ステップの全ての組み合わせでＰＬＳ解析を実施する（ステップ９０６）。

装置パラメータのサンプリングデータＸと品質データＹとの関係の相関モデルを、以下の数１の式に示す線形重回帰モデルとして解く場合、以下の数２の式、数３の式に示す逆行列の解法が必要となる。

ＰＬＳではＸsampleの分散とＸsampleとＹsampleの相関の２つの評価関数を取り入れ、これらを大きくするように独立な潜在構造成分の射影を順次求めていくことに特徴がある。サンプリングデータＸの相互相関によって生じる多重共線性がある場合、独立潜在構造成分の数はサンプリングデータの数よりも少なくなるが、サンプリングデータを除外することなく、全てのサンプリングデータを相関モデルに参加させ、その重要度を相互に比較することができる。

ＰＬＳから得られる相関モデルは、以下の数４の式に示すように得られる。係数ａpqはサンプリングデータごとのｙqに対する寄与度を反映するが、このままでは単位の扱いの違いにより相対比較できないので、以下の数５の式に示すように標準偏差によりスケールを相対化する。

こうして得られた、以下の数６の式に示すＣpqが品質データｑに対する装置パラメータｐの寄与度である。この寄与度から品質データに影響の強い重要なサンプリングデータを判断することができる。

次に、パラメータ・ステップの組み合わせで生成されたモデルの予測性能評価指標ＰＲＥＳＳを計算してＰＲＥＳＳ値が最も小さくなったモデルのパラメータおよびステップを選択する（ステップ９０７）。ＰＲＥＳＳ値は予測対象データへの予測値の追従性から予測性能を評価する指標であり、予測対象データの平均値と予測対象データとの距離を基準として、モデル予測値と予測対象データとの距離を評価する。ＰＲＥＳＳの算出式は、以下の数７の式に示したとおりである。ここでｎは予測対象データ数、ｙｉは予測対象データ、ｙ’はモデルによる予測値、ｙ”は予測対象データの平均値を示す。

ＰＲＥＳＳ値による評価結果の一例は図１２に示すとおりである。

図１２の例では、電流Ａのサンプリングデータを用いたモデルではＰＲＥＳＳ値が２１であり、予測対象データの平均値に比べて予測値が予測対象データから外れていることを示している。

予測対象品質データの一例は図１３に示すとおりであり、電流Ａのサンプリングデータを用いたレートの予測値１４０１の一例は図１４に示すとおりである。

一方、電圧ＡはＰＲＥＳＳの値が０．７２であり、平均値に比べて予測対象データへの追従性が良いことを示す。電圧Ａを用いた予測値は図１５のとおりである。ＰＲＥＳＳ値が１であるとは、平均値並みの予測結果であることを示しておりモデル導出の効果が見られない。従ってＰＲＥＳＳ値は１以下である必要があり、０．７が良好なモデルの基準と考えられる。

次に、ＰＲＥＳＳ値が最も低かったモデルの寄与度グラフを参照して、品質データとの相関の強いサンプリング時間領域を選定する（ステップ９０８）。

ＰＲＥＳＳ値が最も小さく、良好な予測モデルとして選択されたエッチングステップ２の電圧Ａの寄与度グラフをサンプリングデータと共に示した図は図１６に示したとおりである。

寄与度グラフとは、目的変数の予測モデルを説明因子の重回帰式として求めた際の各説明因子の係数に基づいて算出されるもので、説明因子が予測対象の品質データに与える寄与を示したものである。

図１６の例では、電圧Ａ１６０１の立ち上がり時は寄与度１６０２が小さく、電圧Ａが安定する期間で寄与度が高い。寄与度の総和は１であるので、電圧Ａの立ち上がりから立ち下がりまでの総サンプリングステップ数から１サンプリングステップ当たりの平均的な寄与度を算出してしきい値１６０３とした場合、開始１８秒後から５１秒が電圧Ａの適正な切り出し区間として抽出される。

切り出し区間の電圧Ａの値の平均値を特徴量としても良いし、寄与度で重み付けをした平均値を特徴量としても良い。

得られた特徴量算出方法をレシピに記載されたプロセス名称とともにデータベースに保存する（ステップ９０９）。特徴量算出データベースの一例は図１７に示したとおりである。

以上述べてきたように、品質に影響の高い因子をＰＬＳ解析により抽出するためには、ある程度品質データや装置エンジニアリングデータが変動する様々な条件でデータを取得する必要があり、プロセス条件出し時のデータを用いることが好ましい。

本実施の形態では、エッチング処理時にレシピごとに該当するプロセスのエッチング結果との相関が強い装置エンジニアリングデータの特徴量を出力することが可能である。

（実施の形態２）
実施の形態１では、レシピステップ、パラメータごとにパラメータ値を説明変数とするＰＬＳ解析を実施し、品質データに最も影響の強いレシピステップおよびパラメータのモデルを選択し、予測モデルに対して寄与の高いサンプリング時間を特徴量算出範囲として抽出した。

実施の形態２は、装置パラメータの物理的な意味を考慮した特徴量算出ロジックを予め定めておいたものである。

図１８および図１９により、本発明の実施の形態２に係る半導体製造装置の特徴量選択アルゴリズムについて説明する。図１８は本発明の実施の形態２に係る半導体製造装置のバルブ開度と装置状態との関連を説明するための図、図１９は本発明の実施の形態２に係る半導体製造装置の特徴量選択アルゴリズムを示すフローチャートである。

装置エンジニアリングデータは詳細な装置データであり、既に代表値化されて出力される従来からの装置データに比べ、粒度の細かい莫大な情報を有すると言う特徴があった。

さらに、時系列データであるために、所要時間という、従来からの装置データ代表値では得られなかった物理量も持つ。

処理ステップ開始からのバルブ開度１８０１の推移は、図１８に示すとおりであり、バルブは最初は閉（＝９０度）であるが、処理開始とともに全開（＝０度）となり、その後微調整を経て一定値となる。

処理開始から安定点までに要する時間は、チャンバ壁の付着物の影響を受ける。エッチングにおいて装置壁面の付着物は、付着物からのｄｅｇａｓがエッチング形状に影響するため、処理開始から安定点までに要する時間は品質データと関連が深い重要な特徴となる。

この様にエンジニアの知識を活用した、装置パラメータの物理的な意味を考慮した特徴量算出ロジックを予め定めておいた場合について説明する。

図１９に示すように、まず、装置制御コントローラ１０３は品質データファイルをオープンし（ステップ１９０１）、品質識別子に指定された方法で、エッチング前測定データとエッチング後測定データとを用いて品質データを算出し、品質データのＰＬＳ解析入力ファイルを生成する（ステップ１９０２）。品質データ処理識別子がエッチレートである場合、エッチレートの算出には前測定データと後測定データに加えて、処理時間が必要となる。

次に、品質データのＰＬＳ解析入力ファイルを参照して、品質データに記載されたウエハのエッチングデータファイルをオープンする（ステップ１９０３）。エッチングデータをレシピステップに切り出し（ステップ１９０４）、レシピステップごとに定められた特徴量算出ロジックを取得し（ステップ１９０５）、これに記載されたパラメータについて、定められた特徴量を算出する（ステップ１９０６）。

これを全てのパラメータ、ウエハで繰り返して装置データのＰＬＳ入力ファイルを生成する（ステップ１９０７、ステップ１９０８）。

次に、ステップごとに生成された装置データのＰＬＳ入力ファイルを用いて、ＰＬＳ解析を実施する（ステップ１９０９）。ステップごとのＰＬＳ解析結果を予測精度評価指標ＰＲＥＳＳ値で比較し、予測性能の高いモデルを選択する（ステップ１９１０）。

選択したモデルの寄与度グラフを参照して、寄与度の高いパラメータを選択し（ステップ１９１１）、プロセス名称とともにパラメータおよび物理的な意味を考慮した特徴量算出ロジックを特徴量算出方法としてデータベースに保存する（ステップ１９１２）。

本実施の形態では、エッチング処理時にレシピごとに該当するプロセスのエッチング結果との相関が強い装置エンジニアリングデータの特徴量を出力することが可能である。

（実施の形態３）
図２０および図２１により、本発明の実施の形態３に係る半導体製造システムの構成および動作について説明する。図２０は本発明の実施の形態３に係る半導体製造システムの構成を示す構成図、図２１は本発明の実施の形態３に係る半導体製造システムの装置異常検知システムが異常発生の予兆を検知した事例を示す図である。

図２０において、半導体製造システムは、エッチング装置を含む半導体製造装置と、装置異常検知システムから構成されている。

半導体製造装置は、実施の形態１、２と同様の装置である。

エッチング装置２００１はウエハ設置後、実施の形態１、２と同様に、レシピ２００３を設定して、該当するプロセス名称に定められた特徴量算出ロジックを特徴量算出方法データベース２００４より引き当てる。

エッチング終了後に特徴量算出ロジックに従い、定められたパラメータの特徴量を算出する。装置異常検知システム２００２では、エッチング装置２００１から上げられるパラメータ特徴量をモニタリングし、予め定めたしきい値を超えた場合にエッチング装置２００１に対して警告２００５を発する。

シフト量予測モデルにおいて寄与度１位に挙げられた電圧Ｂ２１０１をモニタリングし、シフト量面内平均値２１０２と共に示した例は、図２１に示すとおりである。

図２１では、寸法管理値はずれ２１０３の発生に先駆けて電圧Ｂが変動２１０４しており、異常発生を予め検出することができた。

本実施の形態では、エッチング装置２００１から上げられるパラメータ特徴量のデータをエッチング装置２００１とは別の装置異常検知システム２００２でモニタリングした例を示したが、エッチング装置２００１が電圧Ｂを監視してアラームを発する構成としても良い。

本実施の形態では、エッチング装置２００１から上げられるパラメータ特徴量により警告を発するので、品質への影響の高い特徴量を用いた装置異常の検知を行うことが可能である。

（実施の形態４）
次に、図２２〜図２９により、本発明の実施の形態４に係る半導体製造装置の特徴量算出方法の登録方法の別の例について説明する。図２２は本発明の実施の形態４に係る半導体製造装置の装置制御コントローラの特徴量出力アルゴリズムを示すフローチャート、図２３は本発明の実施の形態４に係る半導体製造装置の装置データのＰＬＳ解析入力ファイル作成アルゴリズムを示すフローチャート、図２４は本発明の実施の形態４に係る半導体製造装置のＰＬＳ解析入力ファイル作成過程の装置データ構造の例を示す図、図２５は本発明の実施の形態４に係る半導体製造装置の品質データと相関の高い装置データのパラメータおよびサンプリング区間抽出アルゴリズムを示すフローチャート、図２６は本発明の実施の形態４に係る半導体製造装置の予測対象品質データの一例を示す図、図２７は本発明の実施の形態４に係る半導体製造装置の装置パラメータ寄与度および寄与度平均値を示す図、図２８は本発明の実施の形態４に係る半導体製造装置のＰａｒａｍ２３の寄与度およびパラメータ測定値を示す図、図２９は本発明の実施の形態４に係る半導体製造装置の特徴量算出方法により特徴量抽出区間を順位付けした例を示す図である。

図２２に示すように、装置制御コントローラ１０３は、予め取得された品質データファイルを開ける（ステップ２２０１）。

品質識別子に基づき、エッチング前測定データとエッチング後測定データとを用いてシフト量やレートなどの品質データを算出して品質データのＰＬＳ解析入力ファイルを生成する（ステップ２２０２）。

次に、品質データファイルのウエハ識別子に基づいて、該当するウエハのエッチングデータを開ける（ステップ２２０３）。

次に、レシピステップ、装置パラメータごとに個々のサンプリング時間のパラメータ値を特徴量候補として時系列データより切り出し（ステップ２２０４）、全てのウエハについて切り出し処理を行い（ステップ２２０５）、全てのステップの全てのパラメータデータを切り出した後、これを全て統合して各レシピステップの各装置パラメータがウエハ毎に１行に纏まった装置エンジニアリングデータのＰＬＳ解析入力ファイルを生成する（ステップ２２０６）。

次に、品質データと装置エンジニアリングデータとのＰＬＳ解析を実施する（ステップ２２０７）。

次に、寄与度を参照し、品質データと相関の高いパラメータおよびサンプリング時間領域を選定する（ステップ２２０８）。プロセス名称とともに特徴量算出方法をデータベースに保存する。

ステップ２２０３からステップ２２０６に記載した装置エンジニアリングデータのＰＬＳ解析入力ファイル生成処理の詳細を図２３のフローチャートにまとめた。まず、品質データファイルに記載された最初のウエハのエッチングデータファイルをオープンする（ステップ２３０１）。

次に、エッチングデータファイルに含まれる処理ステップ数を取得し（ステップ２３０２）、エッチングデータファイルをクローズし（ステップ２３０３）、エッチング処理を構成する最初のステップを選択する（ステップ２３０４）。

次に、品質データファイルに記載された最初のウエハのエッチングデータファイルを再度オープンし（ステップ２３０５）、ステップデータを切り出し、時系列データ数をカウントし（ステップ２３０６）、ステップデータを保存してエッチングデータファイルをクローズする。（ステップ２３０７）。

これを品質データファイルに記載された全てのウエハで繰り返し（ステップ２３０８）、最も時系列データ数の少なかったウエハに合わせて時系列データ末尾を削除して、エッチングパラメータ毎にＥＥデータを集約し（ステップ２３０９）、ステップ内のエッチングパラメータデータをウエハ毎に統合する（ステップ２３１０）。

これを着目するステップを変えて（ステップ２３１２）、全てのステップで繰り返し（ステップ２３１１）、ウエハ毎に全ステップのエッチングデータを統合する（ステップ２３１３）。

図７に示した品質データと、図８に示した装置データとを用いてＰＬＳ解析入力ファイル生成処理を実施した結果を図２４に示す。エッチング処理は２ステップから成り、電圧Ａ・電流Ａ・バルブ開度・電圧Ｂの４種類のパラメータデータを０．１秒間隔で収集したものである。

品質データに記載された解析対象ウエハ枚数がＮ枚であった場合、まず、ステップ１を対象にＮウエハ分の時系列データ数を順次カウントし、最も少ない処理時間である１０秒で電圧Ａ・電流Ａ・バルブ開度・電圧Ｂのパラメータ値をパラメータ名称_サンプリング時間_ステップ名称の名前を付けて集約した。

次に、ステップ２を対象に、最も少ないステップ２の処理時間で電圧Ａ・電流Ａ・バルブ開度・電圧Ｂの時系列データを集約した後、ウエハ毎に２つのステップのエッチングデータを統合する。

図２２のステップ２２０８からステップ２２０９に記載した品質データと相関の強いパラメータおよびサンプリング時間領域選定処理の詳細を図２５のフローチャートを用いて説明する。

まず、ＰＬＳ解析の結果である寄与度ファイルをオープンする（ステップ２５０１）。寄与度ファイルはＰＬＳ入力装置データに含まれる説明因子それぞれの、品質データ予測における寄与度を纏めたファイルである。

次に、同一ステップ、同一パラメータ毎に寄与度平均値を算出する（ステップ２５０２）。着目したパラメータｍの品質ｑの予測における寄与度平均値Ｉｍｑは以下の数８の式を用いて求める。Ｐｍは予測モデルに用いられたパラメータｍのサンプリング数、Ｃｍｐｑはパラメータｍのｐ番目のサンプリングデータの品質ｑ予測における寄与度である。

次に、寄与度平均値上位１０位までのパラメータを選定する（ステップ２５０３）。

選定したパラメータにおいて寄与度平均値よりも寄与度が大きくなる最初のサンプリング区間を抽出し（ステップ２５０４）、選定した全てのパラメータでサンプリング区間抽出を繰り返し（ステップ２５０５）、プロセス名称とともに特徴量算出方法をデータベースに保存する（ステップ２５０６）。

品質データの一例を図２６に示す。また、図２７は図２６に示した８ウエハ分の異物計測結果を品質データとし、これらのウエハを処理した際の装置データを用いて特徴量算出区間の探索を実施した結果の寄与度データである。白の棒グラフが寄与度の生データＣｍｐｑ、黒の棒グラフがステップ・パラメータ毎に算出した寄与度平均値である。また、寄与度平均値の１位〜１０位を（１）〜（１０）で示し、パラメータＰａｒａｍの表示は一部のもののみ表示している。

寄与度生データではパラメータ間で寄与の大きさを比較することは難しいが、平均値によってパラメータの順位付けが可能である。寄与度平均値が１位となった処理ステップＳ２のパラメータＰａｒａｍ２３の寄与度グラフおよび測定値を図２８に示す。

測定値の初期１秒に測定値の変動が見られ、このサンプリングデータの寄与度が大きい。変動したデータは図２６に示したウエハＦの測定値であり、異物数の変化と相関の強いパラメータおよびサンプリング時間を抽出した。

１０位までで抽出されたパラメータおよび処理ステップ、切り出し区間、特徴量算出方法を記載した特徴量算出データベースの一例は図２９に示したとおりである。

本実施の形態では、エッチング処理時にレシピごとに該当するプロセスのエッチング結果との相関が強い装置エンジニアリングデータの特徴量を出力することが可能である。

（実施の形態５）
次に、図３０〜図３４により、本発明の実施の形態５に係る半導体製造装置の装置エンジニアリングデータ定点監視ツールについて説明する。図３０は半導体製造装置の装置エンジニアリングデータ定点監視ツールのシステム構成図、図３１は本発明の実施の形態５に係る半導体製造装置の装置エンジニアリングデータ定点監視ツールの入力画面の一例、図３２は本発明の実施の形態５に係る半導体製造装置の装置エンジニアリングデータ定点監視ツールの入力データ設定方法を示すフローチャート、図３３は本発明の実施の形態５に係る半導体製造装置の装置エンジニアリングデータ定点監視ツールの処理内容を示すフローチャート、図３４は本発明の実施の形態５に係る半導体製造装置の装置エンジニアリングデータ出力結果の一例を示す図である。

図３０に示すように、装置エンジニアリングデータ定点監視ツール３００４は、ＬＡＮ３００６によって装置情報入力部３００３やロット履歴データベース３００５と接続されている。装置情報入力部３００３は同じくＬＡＮ３００６で接続された半導体製造処理装置３００２や検査装置３００１から処理実施時に収集された装置エンジニアリングデータや処理前後の検査結果を収集して蓄えている。ロット履歴データベース３００５は、ロットが処理された装置、工程、レシピ、処理日時が記録されたデータベースである。装置エンジニアリングデータ定点監視ツール３００４は、入力された条件に基づいて装置情報入力部３００３、ロット履歴データベース３００５から情報を取得し、品質データと相関の強いパラメータおよびサンプリング区間をリストアップして付属の記録媒体３００７に処理結果を記録する。

図３１に装置エンジニアリングデータ定点監視ツールの入力画面の一例を示す。入力画面には、解析対象とする装置名入力部３１０１、工程名入力部３１０２、レシピ名入力部３１０３、処理前検査工程名称入力部３１０４、処理後検査工程名称入力部３１０５、切り出し単位入力部３１０６、実行ジョブ名称入力部３１０７、実行キー３１０８、停止ジョブ名称入力部３１０９、停止キー３１１０がある。

図３２に示すように装置エンジニアリングデータ定点監視ツールへは、まず、装置名を入力し（ステップ３２０１）、工程名を入力し（ステップ３２０２）、レシピ名称を入力する（ステップ３２０３）。

次に、処理前検査工程を入力し（ステップ３２０４）、処理後検査工程を入力し（ステップ３２０５）、切り出し単位を入力する（ステップ３２０６）。

次に、実行ジョブ名称を入力し（ステップ３２０７）、実行ボタンを押す（ステップ３２０８）。このことによりツールへ処理条件を入力して、定点監視処理を開始する。

図３３に示すように、装置エンジニアリングデータ定点監視ツールの処理フローでは、まず、現在の時間Ａを記憶する（ステップ３３０１）。

次に、ロット履歴データベース３００５を参照して、指定された装置で、指定された処理工程を、指定されたレシピで、現在の時刻Ａから指定された切り出し単位時間を遡った範囲において処理されたロット名称を取得する（ステップ３３０２）。

次に、装置情報入力部３００３を参照して、指定された処理前検査工程で検査されたロットの中から、着目したロットのデータを取得する（ステップ３３０３）。同様に装置情報入力部３００３を参照して、指定された処理後検査工程で検査されたロットの中から、着目したロットのデータを取得する（ステップ３３０４）。

次に、処理前検査工程と処理後検査工程で、共通するウエハデータの測定値の差分を取ってＰＬＳ入力品質データファイルを生成する（ステップ３３０５）。

次に、品質データファイルのロット情報を参照して、装置情報入力部３００３から装置データをロット単位で取得し（ステップ３３０６）、品質データファイルのロットおよびウエハ情報を参照して、ＰＬＳ入力装置データファイルを生成する（ステップ３３０７）。

次に、ＰＬＳ解析を実施し（ステップ３３０８）、寄与度を参照して、品質データとの相関の強いパラメータおよびサンプリング時間領域を選定する（ステップ３３０９）。

次に、リストアップした結果ファイルを記録媒体３００７に保存する。現在の時間Ａ‘とＡとの差分が指定された切り出し単位と等しくなるまで待ち（ステップ３３１１）、停止ボタンが押されるまで（ステップ３３１２）定期的に処理を繰り返す。

図３４に装置エンジニアリングデータ定点監視ツールの出力例を示す。定点監視を行うことで、常にリストアップされるパラメータの確認や、品質データが大きく変動した時に上位に抽出されるパラメータの確認が可能となる。

以上、本発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は前記実施の形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。

本発明は、多くの製造工程と製造装置が必要な、微細素子を基板上に集積加工する半導体製品の製造ラインの半導体製造装置に好適である。特に、半導体製造装置のプロセス状態が分解保守や累積運転時間によって変動し易く、そのプロセス状態の一部の変動が製品品質に致命的変動をもたらす場合に好適である。プロセス状態監視のパラメータ特徴量が装置エンジニアリングデータから簡便に求めることができず、品質と相関の高いパラメータ特徴量を条件だし時の装置エンジニアリングデータと製品品質検査結果とを照合して統計的に導出する必要がある場合に好適である。

１０１…処理モジュール、１０２…検査モジュール、１０３…装置制御コントローラ、１０４…レシピ、１０５…装置エンジニアリングデータ、１０６…装置情報入力部、１０７…特徴量算出方法データベース、１０８…特徴量算出機能、２０１…真空処理室、２０２…試料、２０３…プラズマ、２０４…圧力計、２０５…マスフローコントローラ、２０６…排気装置、２０７…可変コンダクタンスバルブ、２０８…プラズマ発生用高周波電源、２０９…バイアス用高周波電源、２１０…試料載置電極、２１１…マスフローコントローラ、２１２…圧力計、６０１…品質データ、６０２…検査モジュール、６０３…特徴量算出方法、６０４…解析モジュール、１４０１…モデル予測値、１５０１…モデル予測値、１６０１…電圧Ｂ、１６０２…寄与度、１６０３…しきい値、１８０１…バルブ開度、２００１…エッチング装置、２００２…装置異常検知システム、２００３…レシピ、２００４…特徴量算出方法データベース、３００１…検査装置、３００２…処理装置、３００３…装置情報入力部、３００４…装置エンジニアリングデータ定点監視ツール、３００７…記録媒体、３００５…ロット履歴データベース、３００６…ＬＡＮ。

Claims (6)

1. 材料基板上に微細素子を集積加工して半導体装置を製造する半導体製造装置であって、
   前記材料基板に対して前記集積加工の処理を行う処理モジュールと、
   前記材料基板の検査を行う検査モジュールと、
   前記半導体製造装置の制御を行う装置制御コントローラとを備え、
   前記装置制御コントローラは、
   前記材料基板を前記処理モジュールに搬送し、前記処理モジュールで処理条件を記したレシピに従って加工処理を実施させ、前記処理モジュールの状態を一定のサンプリング間隔で装置エンジニアリングデータとして収集して、装置情報データベースに保存する装置エンジニアリングデータ収集機能と、
   前記レシピのプロセス名に紐付けられた特徴量算出方法を特徴量算出方法データベースより取得して、前記特徴量算出方法に従って選択された少なくとも１つの装置パラメータの特徴量を前記装置エンジニアリングデータから算出して出力する特徴量算出機能とを有することを特徴とする半導体製造装置。
2. 請求項１記載の半導体製造装置において、
   前記装置制御コントローラは、
   前記材料基板を前記処理モジュールに搬送し、同一のプロセス名で管理される複数の異なる前記レシピに従って加工処理を実施させ、前記処理モジュールの状態を一定のサンプリング間隔で装置エンジニアリングデータとして、前記材料基板単位で収集して、前記装置情報データベースに保存する装置エンジニアリングデータ収集機能と、
   前記検査モジュールに前記材料基板を搬送して、前記材料基板の処理前後の品質計測値を取得して前記装置情報データベースに保存する品質データ収集機能と、
   前記装置エンジニアリングデータから算出した特徴量候補と、前記処理前後の品質計測値から算出した加工品質との統計解析処理により、加工品質と相関の強い特徴量を選択する特徴量選択機能と、
   選択された前記特徴量の算出方法を、これに係るプロセス名と共に前記特徴量算出方法データベースに保存する特徴量算出方法登録機能とを有することを特徴とする半導体製造装置。
3. 請求項１または２記載の半導体製造装置において、
   前記装置制御コントローラは、
   前記レシピのステップごとに定められた前記特徴量の算出方法を取得し、その特徴量の算出方法に記載されたパラメータについて定められた前記特徴量を算出し、全てのパラメータでの前記特徴量を算出し、
   算出した特徴量候補と、前記処理前後の品質計測値から算出した加工品質との統計解析処理により、加工品質と相関の強い特徴量を選択し、
   選択された前記特徴量の算出方法および前記特徴量の前記パラメータをこれに係るプロセス名と共に前記特徴量算出方法データベースに保存することを特徴とする半導体製造装置。
4. 少なくとも１つの半導体製造装置を用いて材料基板上に微細素子を集積加工して半導体装置を製造する半導体製造システムであって、
   前記半導体製造装置は、前記材料基板に対して前記集積加工の処理を行う処理モジュールと、前記材料基板の検査を行う検査モジュールと、前記半導体製造装置の制御を行う装置制御コントローラとを有し、
   前記装置制御コントローラは、
   前記材料基板を前記処理モジュールに搬送し、同一のプロセス名で管理される複数の異なるレシピに従って加工処理を実施させ、前記処理モジュールの状態を一定のサンプリング間隔で装置エンジニアリングデータとして、前記材料基板単位で収集して、装置情報データベースに保存する装置エンジニアリングデータ収集機能と、
   前記検査モジュールに前記材料基板を搬送して、前記材料基板の処理前後の品質計測値を取得して前記装置情報データベースに保存する品質データ収集機能と、
   前記装置エンジニアリングデータから算出した特徴量候補と、前記処理前後の品質計測値から算出した加工品質との統計解析処理により、加工品質と相関の強い特徴量を選択する特徴量選択機能と、
   選択された前記特徴量の算出方法を、これに係るプロセス名と共に特徴量算出方法データベースに保存する特徴量算出方法登録機能とを有し、
   前記半導体製造装置から出力される前記装置エンジニアリングデータの特徴量を取得し、この特徴量の異常を予め設定した判定基準に基づいて監視する装置異常監視システムを備えたことを特徴とする半導体製造システム。
5. 請求項１記載の半導体製造装置において、
   前記装置制御コントローラは、
   前記材料基板を前記処理モジュールに搬送し、同一のプロセス名で管理される複数の異なる前記レシピに従って加工処理を実施させ、前記処理モジュールの状態を一定のサンプリング間隔で装置エンジニアリングデータとして、前記材料基板毎にロット単位で収集して、前記装置情報データベースに保存する装置エンジニアリングデータ収集機能と、
   前記検査モジュールに材料基板を搬送して、前記材料基板の処理前後の品質計測値を取得して前記装置情報データベースに保存する品質データ収集機能と、
   前記ロット単位で収集された装置エンジニアリングデータの前記材料基板毎の時系列サンプリングデータと、前記処理前後の品質計測値から算出した加工品質との統計解析処理により、加工品質と相関の強いサンプリングデータを抽出する特徴量算出区間選択機能と、
   選択された特徴量算出区間および特徴量算出方法を、これに係るプロセス名と共に前記特徴量算出方法データベースに保存する特徴量算出方法登録機能とを有することを特徴とする半導体製造装置。
6. 少なくとも１つの半導体製造装置および検査装置を用いて材料基板上に微細素子を集積加工して半導体装置を製造する半導体製造システムであって、
   前記半導体製造装置は、前記材料基板に対して前記集積加工の処理を行う処理モジュールと、前記半導体製造装置の制御を行う装置制御コントローラとを有し、
   前記検査装置は、
   検査モジュールに搬送された前記材料基板の加工処理前後の品質計測値を取得して装置情報データベースに保存する品質データ収集機能を有し、
   前記装置制御コントローラは、
   前記材料基板を前記処理モジュールに搬送し、処理条件の記載されたレシピに従って加工処理を実施し、前記処理モジュールの状態を一定のサンプリング間隔で装置エンジニアリングデータとして、前記材料基板毎にロット単位で収集して、前記装置情報データベースに保存する装置エンジニアリングデータ収集機能と、前記装置情報データベースから指定された一定の期間で前記装置エンジニアリングデータおよび処理前後の品質計測値を取得し、前記処理前後の品質計測値から算出した半導体製造装置の加工品質と、前記装置エンジニアリングデータとの統計解析処理により、加工品質と相関の強い装置パラメータおよびサンプリング区間を抽出してその一覧を作成する機能とを有することを特徴とする半導体製造システム。