JP2023052020A - 半導体製造装置の管理システム及びその方法 - Google Patents
半導体製造装置の管理システム及びその方法 Download PDFInfo
- Publication number
- JP2023052020A JP2023052020A JP2022205022A JP2022205022A JP2023052020A JP 2023052020 A JP2023052020 A JP 2023052020A JP 2022205022 A JP2022205022 A JP 2022205022A JP 2022205022 A JP2022205022 A JP 2022205022A JP 2023052020 A JP2023052020 A JP 2023052020A
- Authority
- JP
- Japan
- Prior art keywords
- recipe
- semiconductor manufacturing
- maintenance
- management system
- input
- 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.)
- Pending
Links
- 239000004065 semiconductor Substances 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 128
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 124
- 238000012423 maintenance Methods 0.000 claims abstract description 114
- 230000008569 process Effects 0.000 claims abstract description 97
- 239000000758 substrate Substances 0.000 claims abstract description 57
- 239000006227 byproduct Substances 0.000 claims abstract description 30
- 238000003860 storage Methods 0.000 claims abstract description 22
- 238000004140 cleaning Methods 0.000 claims abstract description 12
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 239000000463 material Substances 0.000 claims abstract description 6
- 238000012544 monitoring process Methods 0.000 claims abstract 2
- 230000006870 function Effects 0.000 claims description 63
- 230000015572 biosynthetic process Effects 0.000 claims description 45
- 230000008859 change Effects 0.000 claims description 38
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 238000005137 deposition process Methods 0.000 claims description 5
- 230000032683 aging Effects 0.000 abstract description 11
- 238000012545 processing Methods 0.000 description 124
- 238000011156 evaluation Methods 0.000 description 64
- 238000007726 management method Methods 0.000 description 61
- 238000012549 training Methods 0.000 description 60
- 238000004458 analytical method Methods 0.000 description 50
- HBMJWWWQQXIZIP-UHFFFAOYSA-N silicon carbide Chemical compound [Si+]#[C-] HBMJWWWQQXIZIP-UHFFFAOYSA-N 0.000 description 29
- 229910010271 silicon carbide Inorganic materials 0.000 description 28
- 230000007547 defect Effects 0.000 description 25
- 239000007789 gas Substances 0.000 description 21
- 230000000694 effects Effects 0.000 description 12
- 230000015654 memory Effects 0.000 description 12
- 239000012535 impurity Substances 0.000 description 8
- 230000002123 temporal effect Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 7
- 230000018109 developmental process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 238000005229 chemical vapour deposition Methods 0.000 description 5
- 230000000052 comparative effect Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 239000013078 crystal Substances 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000009795 derivation Methods 0.000 description 3
- 230000008929 regeneration Effects 0.000 description 3
- 238000011069 regeneration method Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 239000012159 carrier gas Substances 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000002019 doping agent Substances 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 238000005530 etching Methods 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003647 oxidation Effects 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000005240 physical vapour deposition Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- DYCJFJRCWPVDHY-LSCFUAHRSA-N NBMPR Chemical compound O[C@@H]1[C@H](O)[C@@H](CO)O[C@H]1N1C2=NC=NC(SCC=3C=CC(=CC=3)[N+]([O-])=O)=C2N=C1 DYCJFJRCWPVDHY-LSCFUAHRSA-N 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 238000000231 atomic layer deposition Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001312 dry etching Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 238000005468 ion implantation Methods 0.000 description 1
- 238000010884 ion-beam technique Methods 0.000 description 1
- 238000005224 laser annealing Methods 0.000 description 1
- 238000001459 lithography Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000004544 sputter deposition Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000004506 ultrasonic cleaning Methods 0.000 description 1
- 238000007740 vapor deposition Methods 0.000 description 1
- 238000001039 wet etching Methods 0.000 description 1
Images
Abstract
Description
本発明の一態様は、半導体製造装置のレシピを決定する、管理システムであって、1以上の記憶装置と、1以上のプロセッサと、を含み、前記1以上の記憶装置は、前記半導体製造装置の過去の処理の履歴情報を格納し、前記1以上のプロセッサは、前記半導体製造装置による次の処理における、特定対象の目標値を取得し、前記履歴情報及び前記目標値に基づき、推定モデルを含む1以上の関数を使用して前記半導体製造装置の前記次の処理のレシピを決定し、前記推定モデルの入力は前記半導体製造装置の前記次の処理のレシピ候補を含み、前記推定モデルの出力は前記特定対象の推定値を含む。
<概要>
半導体製造管理システムは、半導体製造の過去の処理の履歴情報から、チャンバの経時変化を自律的に推定し、装置状況に合った適切レシピ(半導体装置の処理条件)を導出する。
説明の簡単化のため、繰り返し実行される成膜処理のレシピが同一とする例を説明する。図1は、比較例によるN回目の成膜処理の膜厚の推定を示す。比較例の推定モデルは、処理履歴情報を参照することなく、レシピから膜厚を推定する。つまり、推定モデルの入力は各回の成膜処理のレシピのみである。成膜装置の経時変化が存在する場合、同一レシピA(入力A)を用いても膜厚(出力)が変動する。したがって、比較例の推定モデルは、N回目の処理に拠る膜厚を正確に推定することができない。つまり、比較例は、目標A(膜厚A)となる入力Aを推定することができない。
実施形態2は、半導体製造装置のメンテナンスの要否を判定する。これにより、メンテナンスの回数を低減できる。例えば、半導体製造管理システム100は、探索により見つけられた最適レシピによる推定結果が、目標値からの許容範囲内に入っていない場合、メンテナンスが必要であると判定する。
実施形態3は、処理対象の基板変更の要否を判定する。これにより、必要な特性を満たしていない基板を新たな基板に適切に変更し、不要な工程数を低減できる。例えば、半導体製造管理システム100は、探索により見つけられた最適レシピによる推定結果が、目標値からの許容範囲内に入っていない場合、基板の変更が必要であると判定する。
実施形態1、2及び3の方法は、レシピ履歴情報を用いるため、膨大な計算量を必要し、計算の長時間化、計算機の処理能力不足が起こり得る。この対処として、変数(レシピの要素)を少なくする方法が考えられるが、それでは探索範囲が狭くなり、最適解の導出に影響が生じる可能性がある。従って、実施形態4、5及び6は、計算量を少なくする手法を説明する。
実施形態5は、計算量を少なくするために、経時変化に影響すると考えられる因子を推定モデルの入力値に加える。図35は、経時変化に影響すると考えられる因子を含む訓練データの入力データ811の例を示す。入力データ811は、実施形態1の訓練データ31の入力データ311に加えて、副生成物膜厚の欄を有する。
実施形態6は、推定モデル(関数)と経時変化関数を使用して半導体製造装置の次の処理のレシピを決定する。本実施形態は、実際の処理結果(訓練データの出力)を、経時変化関数により補正する。経時変化関数による補正は、半導体製造装置の経時変化に起因する成分を除去する。つまり、補正された処理結果は、半導体製造装置の経時変化がないと仮定した処理結果である。
D=g(t)
D_t1=g_a(t1)
D_t2=g_a(t2)
g_a(t)=D_a+f_a(t)
関数D_aは、経時変化に関わりなく、レシピaによって生じる欠陥密度を表す定数である。関数f_a(t)はレシピaの処理において経時変化によって生じる欠陥密度を表す。関数f_a(t)は経時変化関数である。
f_b(t)=cf_a(t)
即ち、gb(t)は
g_b(t)=D_b+f_b(t)=D_b+cf_a(t)
なお、D_bはレシピbによって生じる欠陥密度を表す定数である。
Claims (11)
- SiC基板上にエピタキシャル成長でSiC膜を成膜する半導体製造装置における成膜処理のレシピを決定する、管理システムであって、
1以上の記憶装置と、
1以上のプロセッサと、を含み、
前記半導体製造装置は、材料ガスを流すインジェクタに付着して内径変動を生じさせる副生成物をモニタする手段を有し、
次回の成膜処理のレシピと、前記副生成物をクリーニングする為のメンテナンスとを、推定モデルとして機械学習モデルを用いて決定する、管理システム。 - 請求項1に記載の管理システムであって、前記メンテナンスを、成膜処理のレシピの前に実行すべきメンテナンスとして決定する、管理システム。
- 請求項1に記載の管理システムであって、前記機械学習モデルに用いる履歴情報として、前記半導体製造装置による過去の成膜処理における前記SiC膜の膜厚の累積値を含む、管理システム。
- 請求項1に記載の管理システムであって、前記機械学習モデルに用いる履歴情報として、前記半導体製造装置による過去のメンテナンスにおける前記副生成物の厚さの累積値を含む、管理システム。
- 請求項1に記載の管理システムであって、
前記1以上の記憶装置は、前記半導体製造装置の過去の履歴情報を格納し、
前記1以上のプロセッサは、
前記半導体製造装置による次の成膜処理における、生成膜の特性の目標値を取得し、
前記履歴情報及び前記目標値に基づき、推定モデルを含む1以上の関数を使用して前記半導体製造装置の前記次の成膜処理のレシピを決定し、
前記推定モデルの入力は前記半導体製造装置の前記次の成膜処理のレシピ候補を含み、前記推定モデルの出力は前記生成膜の特性の推定値を含み、
前記推定モデルの入力は、さらに、前記履歴情報を含み
前記履歴情報は、前記半導体製造装置のレシピの履歴及び前記半導体製造装置に対して実行されたメンテナンスについての情報を含み、
前記入力は、前記次の成膜処理の前に前記半導体製造装置に対して実行すべきメンテナンスを含み、
前記1以上のプロセッサは、前記次の成膜処理の前に実行すべきメンテナンスが存在する場合、前記次の成膜処理の前に実行すべきメンテナンスを示すメッセージを出力デバイスに出力する、管理システム。 - 請求項5に記載の管理システムであって、
前記1以上のプロセッサは、前記推定モデルの出力が前記目標値から許容範囲内にあるレシピ候補を、前記次の成膜処理のレシピと決定する、管理システム。 - 請求項1に記載の管理システムであって、
前記推定モデルの入力は、さらに、前記次の成膜処理の対象物である基板の情報をさらに含む、管理システム。 - 請求項1に記載の管理システムであって、
前記1以上の関数は、前記半導体製造装置の経時変化を示す経時変化関数を含み、前記経時変化関数は、前記履歴情報に基づき構成され、
前記1以上のプロセッサは、
前記経時変化関数により前記目標値及び/又は前記推定値を補正した後に前記目標値と前記推定値との比較を行い、前記比較の結果に基づいて前記レシピを決定する、管理システム。 - 請求項1に記載の管理システムであって、
前記1以上の関数は、前記半導体製造装置の経時変化を示す経時変化関数を含み、前記経時変化関数は、前記履歴情報に基づき構成され、
前記1以上のプロセッサは、前記経時変化関数の値と規定値との比較結果に基づき前記半導体製造装置のメンテナンスの要否を判定する、管理システム。 - 管理システムが、SiC基板上にエピタキシャル成長でSiC膜を成膜する半導体製造装置における成膜処理のレシピを決定する方法であって、
材料ガスを流すインジェクタに付着して内径変動を生じさせる副生成物をモニタし、
次回の成膜処理のレシピと、前記副生成物をクリーニングする為のメンテナンスとを、推定モデルとして機械学習モデルを用いて決定する、方法。 - 請求項10に記載の方法であって、
前記管理システムは、前記半導体製造装置の過去の履歴情報を格納し、
前記方法は、
前記管理システムが、前記半導体製造装置による次の成膜処理における、生成膜の特性の目標値を取得し、
前記管理システムが、前記履歴情報及び前記生成膜の特性の目標値に基づき、推定モデルを含む1以上の関数を使用して前記半導体製造装置の前記次の成膜処理のレシピを決定し、
前記推定モデルの入力は前記半導体製造装置の前記次の成膜処理のレシピ候補を含み、
前記推定モデルの出力は前記生成膜の特性の推定値を含み、
前記推定モデルの入力は、さらに、前記履歴情報を含み
前記履歴情報は、前記半導体製造装置のレシピの履歴及び前記半導体製造装置に対して実行されたメンテナンスについての情報を含み、
前記入力は、前記次の成膜処理の前に前記半導体製造装置に対して実行すべきメンテナンスを含み、
前記方法は、前記管理システムが、前記次の処理の前に実行すべきメンテナンスが存在する場合、前記次の処理の前に実行すべきメンテナンスを示すメッセージを出力デバイスに出力する、方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022205022A JP2023052020A (ja) | 2019-01-30 | 2022-12-22 | 半導体製造装置の管理システム及びその方法 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019014884A JP7206961B2 (ja) | 2019-01-30 | 2019-01-30 | 半導体製造装置の管理システム及びその方法 |
JP2022205022A JP2023052020A (ja) | 2019-01-30 | 2022-12-22 | 半導体製造装置の管理システム及びその方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019014884A Division JP7206961B2 (ja) | 2019-01-30 | 2019-01-30 | 半導体製造装置の管理システム及びその方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023052020A true JP2023052020A (ja) | 2023-04-11 |
Family
ID=71993666
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019014884A Active JP7206961B2 (ja) | 2019-01-30 | 2019-01-30 | 半導体製造装置の管理システム及びその方法 |
JP2022205022A Pending JP2023052020A (ja) | 2019-01-30 | 2022-12-22 | 半導体製造装置の管理システム及びその方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019014884A Active JP7206961B2 (ja) | 2019-01-30 | 2019-01-30 | 半導体製造装置の管理システム及びその方法 |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7206961B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022162778A1 (ja) * | 2021-01-27 | 2022-08-04 | 株式会社日立情報通信エンジニアリング | 状態予測装置及び状態予測方法 |
JP2023042255A (ja) * | 2021-09-14 | 2023-03-27 | 株式会社Screenホールディングス | 基板処理装置および基板処理方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002312014A (ja) * | 2001-04-09 | 2002-10-25 | Hitachi Ltd | 加工物の製造方法、製造装置及び製造用プログラム |
US6772035B2 (en) * | 2002-05-17 | 2004-08-03 | Micron Technology, Inc. | Synthesizing semiconductor process flow models |
JP2009543355A (ja) * | 2006-07-03 | 2009-12-03 | アプライド マテリアルズ インコーポレイテッド | 進歩型フロントエンド処理のためのクラスターツール |
-
2019
- 2019-01-30 JP JP2019014884A patent/JP7206961B2/ja active Active
-
2022
- 2022-12-22 JP JP2022205022A patent/JP2023052020A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
JP7206961B2 (ja) | 2023-01-18 |
JP2020123675A (ja) | 2020-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230222131A1 (en) | Search device, searching method, and plasma processing apparatus | |
JP2023052020A (ja) | 半導体製造装置の管理システム及びその方法 | |
KR102039394B1 (ko) | 탐색 장치 및 탐색 방법 | |
KR102295211B1 (ko) | 탐색 장치 및 탐색 방법 | |
US10234401B2 (en) | Method of manufacturing semiconductor devices by using sampling plans | |
JP5636486B2 (ja) | 多層/多入力/多出力(mlmimo)モデル及び当該モデルの使用方法 | |
US11189470B2 (en) | Search device, search method and plasma processing apparatus | |
WO2019182952A1 (en) | Self-aware and correcting heterogenous platform incorporating integrated semiconductor processing modules and method for using same | |
US8396583B2 (en) | Method and system for implementing virtual metrology in semiconductor fabrication | |
JP2010041051A (ja) | 金属ゲート構造への多層/多入力/多出力(mlmimo)モデルの使用方法 | |
US7869894B2 (en) | Method and system for advanced process control using a combination of weighted relative bias values | |
Chien et al. | A novel approach to hedge and compensate the critical dimension variation of the developed-and-etched circuit patterns for yield enhancement in semiconductor manufacturing | |
JP5296025B2 (ja) | 半導体装置の製造方法及び製造装置 | |
JP2020025116A (ja) | 探索装置および探索方法 | |
US11860591B2 (en) | Process recipe creation and matching using feature models | |
US20240175824A1 (en) | Substrate defect analysis | |
KR20240067834A (ko) | 피처 모델들을 사용한 프로세스 레시피 생성 및 매칭 | |
JP2022112078A (ja) | エピタキシャル成膜装置の管理システムおよび管理方法 | |
TW202333257A (zh) | 將基板支座特性化以建構數位雙生 | |
CN1708737A (zh) | 电气制造控制的概率约束优化 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221222 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230711 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230906 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20230906 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231219 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240312 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20240322 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20240524 |