JP2024512352A - 半導体フォトリソグラフィで使用される光源のためのモジュールの保守 - Google Patents

半導体フォトリソグラフィで使用される光源のためのモジュールの保守 Download PDF

Info

Publication number
JP2024512352A
JP2024512352A JP2023553968A JP2023553968A JP2024512352A JP 2024512352 A JP2024512352 A JP 2024512352A JP 2023553968 A JP2023553968 A JP 2023553968A JP 2023553968 A JP2023553968 A JP 2023553968A JP 2024512352 A JP2024512352 A JP 2024512352A
Authority
JP
Japan
Prior art keywords
module
evaluation
failure
model
pulses
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
Application number
JP2023553968A
Other languages
English (en)
Inventor
バート，ラッセル，アレン
ラジュ，クマール ラジャ グヴィンダン
ミナカイス，マシュー
マンレイ，デビッド，ウェスリー
Original Assignee
サイマー リミテッド ライアビリティ カンパニー
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 サイマー リミテッド ライアビリティ カンパニー filed Critical サイマー リミテッド ライアビリティ カンパニー
Publication of JP2024512352A publication Critical patent/JP2024512352A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/70525—Controlling normal operating mode, e.g. matching different apparatus, remote control or prediction of failure
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/708—Construction of apparatus, e.g. environment aspects, hygiene aspects or materials
    • G03F7/70975—Assembly, maintenance, transport or storage of apparatus
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70008—Production of exposure light, i.e. light sources
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70008—Production of exposure light, i.e. light sources
    • G03F7/70025—Production of exposure light, i.e. light sources by lasers
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/70—Microphotolithographic exposure; Apparatus therefor
    • G03F7/70483—Information management; Active and passive control; Testing; Wafer monitoring, e.g. pattern monitoring
    • G03F7/70491—Information management, e.g. software; Active and passive control, e.g. details of controlling exposure processes or exposure tool monitoring processes
    • G03F7/70533—Controlling abnormal operating mode, e.g. taking account of waiting time, decision to rework or rework flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Optics & Photonics (AREA)
  • Plasma & Fusion (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)
  • Semiconductor Lasers (AREA)

Abstract

光源の一部を構成するモジュールが、モジュールが後に続くパルスのシーケンスにおいて障害なしで動作する可能性が十分に高いかどうかに関して２値予測を生成するために、様々なパルスカウントにおいて評価される、半導体フォトリソグラフィのための光源を保守するためのシステム。２値予測は、取り外されたモジュール上で行われた測定から抽出されたメトリクスでトレーニングされた、機械学習モデルによって行われ得る。各々が異なってトレーニングされたモデルのグループは、ユーザによって行われた選択に従って、又はユーザの保守目標に従って、使用可能にすることができる。【選択図】 図４

Description

関連出願の相互参照
[0001] 本願は、２０２１年３月１７日出願の「MAINTENANCE OF MODULES FOR LIGHT SOURCES USED IN SEMICONDUCTOR PHOTOLITHOGRAPHY」という名称の米国特許出願第６３／１６２，２４９号、及び、２０２１年５月１３日出願の「MAINTENANCE OF MODULES FOR LIGHT SOURCES USED IN SEMICONDUCTOR PHOTOLITHOGRAPHY」という名称の米国特許出願第６３／１８８，０２０号の優先権を主張し、それら両方の全体が参照により本明細書に組み込まれる。
[0002] 本明細書で開示される主題は、集積回路フォトリソグラフィ製造プロセスに使用されるような光源の保守に関する。
[0003] 半導体フォトリソグラフィのためのレーザ放射は、典型的には光源と呼ばれるシステムによって供給される。これらの光源は、例えば、約５００Ｈｚから約６ｋＨｚの範囲内の指定の繰り返し数で、一連のパルスとして放射を生成する。それらは従来、典型的には、数十億パルスとして表される、修理又は交換が必要となるまでに生成できるものと見積もられるパルスの数に関して測定される、有用な寿命を有するものと予想される。
[0004] 半導体フォトリソグラフィに有用な周波数（深紫外線（ＤＵＶ）波長）でレーザ放射を生成するための１つのシステムは、主発振器パワー増幅器（ＭＯＰＡ）デュアルガス放電チャンバ構成の使用を必要とする。この構成は、２つのチャンバ、主発振器チャンバ（ＭＯチャンバ）、及びパワー増幅器チャンバ（ＰＡチャンバ）を有する。これらのチャンバ及び多くの他のシステム構成要素は、モジュールと見なされ得、光源全体は、モジュールの集合体と見なされ得る。各モジュールは、一般に、システム全体の寿命より短い寿命を有することになる。したがって、修理又は交換すべきであるかどうかを判別するために、システムの寿命全体にわたって、個々のモジュールの健全性状態を評価しなければならない。
[0005] モジュールの保守のタイミングは、保守ストラテジに従って決定される。最も早い保守ストラテジは、計画外保守（障害に対して実行される）であって、モジュールの破壊が発生するまで保守は行われない。このストラテジを使用すると、構成要素の利用率はある程度増加し得るが、モジュールの計画外障害は生産ライン全体に著しい経済的悪影響を与える可能性があり、結果として計画外のダウンタイム及びコストを生じさせる。
[0006] 別の保守ストラテジは予防的保守であり、保守アクションは、時系列時間（すなわち、サービス開始からの時間）又は機械時間に基づいた計画スケジュールに従って実施され、構成要素は、予期せぬ機械破壊を低減させるために、定期的増分において保守される。しかしながら、定期検査／保守の実践は、不必要に長い停止時間及び高い保守コストを招く可能性がある。別の保守ストラテジは、保守アクションが、モジュールの動作の悪化を示す１つ以上の条件が存在することの特定後に行われる、条件ベースの保守である。
[0007] 予測保守（ＰｄＭ）は、機器が故障する時点を予測するために、サービス中機器の条件を監視するように設計される保守ストラテジである。機械構成要素の将来の挙動／条件は近似され、保守タスク（例えば、予後健全性監視）を最適化することを可能にする。したがって、できる限り低い頻度で保守を行いながら、機械のダウンタイム及び保守コストを著しく低減させることができる。ＰｄＭシステムは、保留中の障害の事前検出を可能にし、履歴データに基づいて予測ツールを利用して適時な障害前介入を可能にする。
[0008] また典型的には、こうしたシステムのエンドユーザ及びツール製造業者の現場技術者は、履歴及び現在の性能に基づくという意味で反応性の高いレポート及びインターフェースを使用して、手動でツールを監視する。更に、これらのレポート及びインターフェースは、保守間隔を満たすためのツールの能力を評価するために、顧客固有のパラメータとは対照的にグローバルなパラメータを使用するという意味で、グローバル又はユニバーサルな傾向がある。これらのグローバルなパラメータ及びレポートは、一般に、顧客ごとにカスタマイズ可能ではない。
[0009] 光源の技術的性能に影響を与えることなく、可能な最高の可用性を生み出す方法で、数十億パルス単位で測定されるモジュール寿命を有する光源に対して、保守ストラテジを実装することが望ましい。
[0010] 下記に、本発明の基本的理解を与えるために、１つ以上の実施形態の簡略化された概要を提示する。この概要は、すべての企図される実施形態の広範な要約ではなく、すべての実施形態の主要又は重要な要素を識別すること、あるいは、任意又はすべての実施形態の範囲を詳述することも、意図されない。唯一の目的は、１つ以上の実施形態のいくつかの概念を、後に提示するより詳細な説明の前段階として簡略化された形で提示することである。
[0011] 一実施形態の態様によれば、モジュールは様々なパルスマイルストーンにおいて評価される。各評価において、所与の数の直後のパルスで構成される予測増分の間に、モジュールが障害なしに動作する可能性が高いかどうかの２値（真／偽）予測を表現するために、モデルが使用される。言い換えれば、モデルは、モジュールが別の予測増分を存続する可能性が高いかどうか、又は、予測増分の終わりより前に故障する可能性が高いかどうかを予測する。モデルは、構成要素の数学的モデル、又は、機械学習を使用してトレーニングされたモデルであり得る。
[0012] 一実施形態の別の態様によれば、半導体フォトリソグラフィのための光源を保守する方法が開示され、光源は１つ以上のモジュールを備え、方法は、１つ以上のモジュールのうちの１つであるモジュールが、モジュールが生成に関与した第１のパルス数に少なくとも部分的に基づく初期評価によるものであるかどうかを判定すること、モジュールが第２のパルス数として測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、初期評価を実行すること、及び、モジュールが予測増分における障害なしの動作の少なくとも最小確率を有さないことを初期評価が判定した場合、モジュールに対してモジュール障害アラートを生成すること、又は、モジュールが予測増分における障害なしの動作の少なくとも最小確率を有することを初期評価が判定した場合、モジュールをサービス中のままにすること、を含む。方法は、モジュールが予測増分における障害なしの動作の少なくとも最小確率を有さないことを初期評価が判定した場合、モジュールを取り外すことを、更に含む。第１の数は約１００億パルスであり得る。第２の数は約２０億パルスであり得る。
[0013] 方法は、モジュールをサービス中のままにした後、モジュールが、モジュールが初期評価以降生成に関与した第３のパルス数に少なくとも部分的に基づく追加評価によるものであるかどうかを判定するステップ、モジュールが第４のパルス数として測定される第２の予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、追加評価を実行するステップ、及び、モジュールが第２の予測増分における障害なしの動作の少なくとも最小確率を有さないことを追加評価が判定した場合、モジュールに対してモジュール障害アラートを生成するステップ、又は、モジュールが第２の予測増分における障害なしの動作の少なくとも最小確率を有することを追加評価が判定した場合、モジュールをサービス中のままにするステップ、を更に含み得る。これらの更なるステップの後、方法は、モジュールが第２の予測増分における障害なしの動作の少なくとも最小確率を有さないことを追加評価が判定した場合、モジュールを取り外すことを、更に含み得る。第３の数は約１億パルスであり得る。第４の数は約２０億パルスであり得る。
[0014] 初期評価を実行することは、モデルを使用することを含み得る。モデルは解析モデルであり得る。モデルは、トレーニング済みモデルをトレーニングするために、特徴データを供給することによって、機械学習を介して開発されたトレーニング済みモデルであり得、トレーニング済みモデルは、特徴データのうちの少なくともいくつかに基づいて初期判定を行う。モジュールは、主発振器チャンバモジュールを備え得、その場合、特徴データは、直前の１億パルスにおけるいくつかの主発振器関連エネルギーバッチ品質事象及び／又は直前の１億パルスにおける平均主発振器エネルギーを含み得る。
[0015] 一実施形態の別の態様によれば、コンピュータ実装方法が開示され、コンピュータ実装方法は、フォトリソグラフィ光源の１つ以上のモジュールのうちの１つであるモジュールが、モジュールが生成に関与した第１のパルス数に少なくとも部分的に基づく初期評価によるものであるかどうかを、コンピューティングデバイスによって判定すること、モジュールが第２のパルス数として測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、コンピューティングデバイスによって初期評価を実行すること、及び、モジュールが予測増分における障害なしの動作の少なくとも最小確率を有さないことを初期評価が判定した場合、モジュールを取り外すべきである旨の指示を、コンピューティングデバイスによって提供すること、又は、モジュールが予測増分における障害なしの動作の少なくとも最小確率を有することを初期評価が判定した場合、モジュールをサービス中のままにすべきである旨の指示を、コンピューティングデバイスによって提供すること、を含む。
[0016] 一実施形態の別の態様によれば、プロセッサに動作を実行させるための実行可能命令を含む非一時的コンピュータ可読記憶媒体が開示され、命令は、フォトリソグラフィ光源の１つ以上のモジュールのうちの１つであるモジュールが、モジュールが生成に関与した第１のパルス数に少なくとも部分的に基づく初期評価によるものであるかどうかを判定するための命令、モジュールが第２のパルス数として測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、初期評価を実行するための命令、及び、モジュールが予測増分における障害なしの動作の少なくとも最小確率を有さないことを初期評価が判定した場合、モジュールを取り外すべきである旨の指示を提供するための命令、又は、モジュールが予測増分における障害なしの動作の少なくとも最小確率を有することを初期評価が判定した場合、モジュールをサービス中のままにすべきである旨の指示を提供するための命令を、含む。
[0017] 一実施形態の別の態様によれば、半導体フォトリソグラフィのための光源を保守する方法が開示され、光源は１つ以上のモジュールを備え、方法は、１つ以上のモジュールのうちの１つであるモジュールを評価のために識別すること、モジュールが第２のパルス数として測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、評価を実行すること、及び、モジュールが予測増分における障害なしの動作の少なくとも最小確率を有さないことを初期評価が判定した場合、モジュールに対してモジュール障害アラートを生成すること、又は、モジュールが予測増分における障害なしの動作の少なくとも最小確率を有することを初期評価が判定した場合、モジュールをサービス中のままにすること、を含む。方法は、モジュールが予測増分における障害なしの動作の少なくとも最小確率を有さないことを初期評価が判定した場合、モジュールを取り外すことを、更に含み得る。第１の数はおよそ１００億パルスであり得る。第２の数はおよそ２０億パルスであり得る。評価を実行することは、トレーニング済みモデルをトレーニングするために、特徴データを供給することによって、機械学習を介して開発されたトレーニング済みモデルを使用することを含み得、トレーニング済みモデルは、特徴データのうちの少なくともいくつかに基づいて、モジュールが第２のパルス数として測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定する。
[0018] 一実施形態の別の態様によれば、半導体フォトリソグラフィのための光源を保守する方法が開示され、光源は１つ以上のモジュールを備え、方法は、２つ以上の保守プリファレンスのユーザの相対的優先順位付けを示すユーザ情報を取得すること、２つ以上の保守プリファレンスの第１の相対的優先順位付けに基づく第１のモデルと、２つ以上の保守プリファレンスの第２の相対的優先順位付けに基づく第２のモデルとを含む、少なくとも２つのモデルをトレーニングすること、モジュール障害アラートを生成すべきであるかどうかを判定するために評価を実行することであって、評価は、どちらのモデルの相対的優先順位付けがユーザの相対的優先順位付けと最も密接に整合されているかに基づいて、少なくとも２つのモデルのうちの１つを使用して実行される、評価を実行すること、及び、評価が、モジュール障害アラートを生成すべきであることを判定した場合、モジュールに対してモジュール障害アラートを生成すること、を含む。どちらのモデルの相対的優先順位付けがユーザの相対的優先順位付けと最も密接に整合されているかに基づいて、少なくとも２つのモデルのうちの１つを使用して評価を実行することは、ユーザによって選択された少なくとも２つのモデルのうちの１つを使用して評価を実行することを含み得る。保守プリファレンスは、出力最大化及び予期せぬダウンタイムの回避を含み得る。方法は、評価がモジュール障害アラートを生成すべきでないことを判定した場合、モジュールはサービス中を保つことを示すことを、更に含み得る。方法は、モジュールが、モジュールが生成に関与したパルス数に少なくとも部分的に基づく評価によるものであるかどうかを判定することを、更に含み得る。モジュール障害アラートを生成すべきであるかどうかを判定するための評価を実行することは、モジュール障害アラートを生成すべきであるかどうかに関する２値（真／偽）判定を表現するために、ユーザの相対的優先順位付けに基づいて少なくとも２つのモデルからモデルを選択することを含み得る。方法は、評価が、モジュール障害アラートを生成すべきであることを判定した場合、モジュール上で保守動作を実行することを更に含み得る。保守動作を実行することは、モジュールを取り外すことを含み得る。保守動作を実行することは、モジュールを修理することを含み得る。モデルは、トレーニング済みモデルをトレーニングするために、特徴データを供給することによって、機械学習を介して開発されたトレーニング済みモデルであり得、選択されるトレーニング済みモデルは、特徴データのうちの少なくともいくつかに基づいて判定を行う。
[0019] 一実施形態の別の態様によれば、コンピュータ実装方法が開示され、コンピュータ実装方法は、コンピューティングデバイスを使用して、２つ以上の保守プリファレンスのユーザの相対的優先順位付けを示すユーザ情報を記憶すること、コンピューティングデバイスを使用して、２つ以上の保守プリファレンスの第１の相対的優先順位付けに基づく第１のモデルと、２つ以上の保守プリファレンスの第２の相対的優先順位付けに基づく第２のモデルとを含む、少なくとも２つのモデルをトレーニングすること、コンピューティングデバイスを使用して、モデルのうちの１つを、ユーザ情報に基づいて選択されたモデルとして選択すること、コンピューティングデバイス上の選択されたモデルを使用して、モジュール障害アラートを生成すべきであるかどうかを判定するために評価を実行すること、及び、モジュール障害アラートを生成すべきであることを評価が判定した場合、モジュールを取り外すべきである旨の指示を、コンピューティングデバイスによって提供すること、又は、モジュール障害アラートを生成すべきでないことを評価が判定した場合、モジュールをサービス中のままにすべきである旨の指示を、コンピューティングデバイスによって提供すること、を含む。保守プリファレンスは、出力最大化及び予期せぬダウンタイムの回避を含み得る。
[0020] 一実施形態の別の態様によれば、プロセッサに動作を実行させるための実行可能命令を含む非一時的コンピュータ可読記憶媒体が開示され、命令は、２つ以上の保守プリファレンスのユーザの相対的優先順位付けを示すユーザ情報を記憶するための命令、２つ以上の保守プリファレンスの第１の相対的優先順位付けに基づく第１のモデルと、２つ以上の保守プリファレンスの第２の相対的優先順位付けに基づく第２のモデルとを含む、少なくとも２つのモデルをトレーニングするための命令、モデルのうちの１つを、ユーザ情報に基づいて選択されたモデルとして選択するための命令、選択されたモデルを使用して、モジュール障害アラートを生成すべきであるかどうかを判定するために評価を実行するための命令、及び、モジュール障害アラートを生成すべきであることを評価が判定した場合、モジュールは保守手順を受けるべきである旨の指示を提供するための命令、又は、モジュール障害アラートを生成すべきでないことを評価が判定した場合、モジュールをサービス中のままにすべきである旨の指示を提供するための命令を、含む。保守プリファレンスは、出力最大化及び予期せぬダウンタイムの回避を含み得る。
[0021] 一実施形態の別の態様によれば、半導体フォトリソグラフィのための光源を保守するためのシステムが開示され、光源は１つ以上のモジュールを備え、システムは、２つ以上の保守プリファレンスのユーザの相対的優先順位付けに関するユーザプリファレンスデータを記憶するように適合された、ユーザプリファレンスデータ記憶ユニットと、１つ以上のモジュールのうちの１つであるモジュールが、モジュールが生成に関与した第１のパルス数に少なくとも部分的に基づく評価によるものであるかどうかを判定するように適合された、評価タイミングユニットと、２つ以上の保守プリファレンスの第１の相対的優先順位付けに基づく第１のモデル、及び、２つ以上の保守プリファレンスの第２の相対的優先順位付けに基づく第２のモデルを、トレーニングするように適合された、モデルトレーニングユニットと、モデルのうちの１つを、ユーザプリファレンスデータに基づいて選択されたモデルとして選択するように適合された、モデル選択ユニットと、評価タイミングユニット及びユーザプリファレンス入力ユニットに応答するように配置され、選択されたモデルを使用してモジュール障害アラートを生成すべきであるかどうかを判定することによって評価を実行するように適合された、２値予測ユニットと、２値予測ユニットに応答するように配置され、モジュール障害アラートを生成すべきであることを評価が判定した場合、モジュールに対してモジュール障害アラートを生成するように適合された、モジュール障害アラート生成ユニットと、を備える。保守プリファレンスは、出力最大化及び予期せぬダウンタイムの回避を含み得る。モジュール障害アラート生成ユニットは、追加として、２値予測ユニットがモジュール障害アラートを生成すべきでないことを判定した場合、肯定的な障害なし指示を生成するように構成され得る。
[0022] 本発明の更なる特徴及び利点、並びに、本発明の様々な実施形態の構造及び動作は、添付の図面を参照しながら下記で詳細に説明する。本発明は、本明細書に記載の特定の実施形態に限定されないことに留意されたい。こうした実施形態は、本明細書では例示の目的でのみ提示される。当業者であれば、本明細書に含まれる教示に基づいて、追加の実施形態が明らかとなろう。
[0023] 本明細書に組み込まれ、明細書の一部を形成する添付の図面は、本発明を例示するものであり、更に、記述と共に本発明の原理を説明し、当業者が本発明を作成及び使用することを可能にする働きをする。
[0024] 開示される主題の一態様に従った、フォトリソグラフィシステムの全般的な広義の概念の、一定の縮尺ではない概略図を示す。 [0025] 開示される主題の一態様に従った、照明システムの全般的な広義の概念の、一定の縮尺ではない概略図を示す。 [0026] 一実施形態の一態様に従った、保守手順を示す図である。 [0027] 一実施形態の一態様に従った、保守手順を示すフローチャートである。 [0028] 一実施形態の一態様に従った、保守に使用されるべきモデルを作成、トレーニング、及び使用するための手順を示す図である。 [0029] 一実施形態の一態様に従った、保守システムを示す機能ブロック図である。 [0030] 一実施形態の別の態様に従った、保守システムを示す機能ブロック図である。 [0031] 一実施形態の一態様に従った、優先順位付けの様々な可能な組み合わせを示すグラフである。 [0032] 一実施形態の一態様に従った、保守システムのための可能な配置を示す機能ブロック図である。 [0033] 一実施形態の一態様に従った、保守システムのための可能な配置を示す機能ブロック図である。
[0034] 本発明の特徴及び利点は、図面に関連して行われる下記に示される詳細な説明から、より明らかとなり、全体を通じて同様の参照文字は対応する要素を識別する。図面において、同様の参照番号は一般に、同一の、機能的に同様の、及び／又は構造的に同様の、要素を示す。
[0035] 次に、図面を参照しながら様々な実施形態を説明し、全体を通じて同様の要素を参照するために同様の参照番号が使用される。下記の記載において、１つ以上の実施形態の完全な理解を促進するために、説明の目的で多数の特定の詳細が示される。しかしながら、いくつか又はすべてのインスタンスにおいて、下記で説明するいずれの実施形態も、下記で説明する特定の設計細部を採用せずに実現可能であることが明らかであり得る。他のインスタンスにおいて、周知の構造及びデバイスは、１つ以上の実施形態の説明を容易にするためにブロック図の形で示される。
[0036] 実施形態の基本的理解を提供するために、１つ以上の実施形態の簡略化された概要を下記に提示する。本概要は、企図されたすべての実施形態の広範囲の概要ではなく、すべての実施形態の主要又は不可欠な要素を識別すること、あるいは、任意又はすべての実施形態の範囲を線引きすることも意図されていない。
[0037] 説明する実施形態、及び、本明細書における「一実施形態」、「実施形態」、「例示的実施形態」、「例示の実施形態」などの言及は、説明する実施形態は、特定の特徴、構造、又は特性を含み得るが、あらゆる実施形態が必ずしも特定の特徴、構造、又は特性を含み得るものではないことを示す。更に、こうした語句は、必ずしも同じ実施形態を言い表すものではない。更に、特定の特徴、構造、又は特性が実施形態に関連して説明されるとき、明示的に説明されるかどうかにかかわらず、他の実施形態に関連してこうした特徴、構造、又は特性を生じさせることが当業者の知識の範囲内にあることが理解される。
[0038] 本発明の実施形態は、ハードウェア、ファームウェア、ソフトウェア、又はそれらの任意の組み合わせにおいて実装され得る。本発明の実施形態は、１つ以上のプロセッサによって読み取り及び実行され得る、機械可読媒体上に記憶される命令としても実装され得る。機械可読媒体は、機械（例えば、コンピューティングデバイス）によって読み取り可能な形で情報を記憶又は伝送するための、任意の機構を含み得る。例えば、機械可読媒体は、読み取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、磁気ディスク記憶媒体、光記憶媒体、フラッシュメモリデバイス、電気、光、音響、又は他の形の伝搬信号（例えば、搬送波、赤外線信号、デジタル信号など）、及びその他を、含み得る。更に、ファームウェア、ソフトウェア、ルーチン、命令は、本明細書では特定のアクションを実行するものとして説明され得る。しかしながら、こうした説明は単に便宜上のものであり、こうしたアクションは、実際には、コンピューティングデバイス、プロセッサ、コントローラ、又は、ファームウェア、ソフトウェア、ルーチン、命令などを実行する他のデバイスから生じることを理解されたい。
[0039] 図１を参照すると、フォトリソグラフィシステム１００は照明システム１０５を含む。下記でより詳細に説明するように、照明システム１０５は、パルス光ビーム１１０を生成し、これを、ウェーハ１２０上にマイクロ電子特徴をパターニングする、フォトリソグラフィ露光装置又はスキャナ１１５に誘導する。ウェーハ１２０は、ウェーハ１２０を保持するために構築され、特定のパラメータに従ってウェーハ１２０を正確に位置決めするように構成された、ポジショナに接続されたウェーハテーブル１２５上に配置される。
[0040] フォトリソグラフィシステム１００は、深紫外線（ＤＵＶ）範囲内の波長、例えば、２４８ナノメートル（ｎｍ）又は１９３ｎｍの波長を有する、光ビーム１１０を使用し得る。ウェーハ１２０上にパターン付与されたマイクロ電子特徴のサイズは、光ビーム１１０の波長に依存し、より低い波長は結果としてより小さい最小特徴サイズを生じさせる。光ビーム１１０の波長が２４８ｎｍ又は１９３ｎｍのとき、マイクロ電子特徴の最小サイズは、例えば、５０ｎｍ又はそれ以下とすることができる。光ビーム１１０の帯域幅は、光ビーム１１０の光エネルギーが、その光スペクトル（又は発光スペクトル）の実際の瞬時帯域幅とすることができ、異なる波長を介してどのように分配されるかに関する情報を含む。
[0041] スキャナ１１５は、例えば、１つ以上のコンデンサレンズ、マスク、及び対物系配置を有する、光学配置を含む。マスクは、光ビーム１１０の光軸に沿ってなどの１つ以上の方向に沿って、又は光軸に直角な平面内で、移動可能である。対物系配置は、投影レンズを含み、マスクからウェーハ１２０上のフォトレジストへと生じるように、像を転写することができる。照明システム１０５は、マスク上に衝突する光ビーム１１０の角度範囲を調整する。照明システム１０５はまた、マスクを横切る光ビーム１１０の強度分布を均質化する（均一にする）。
[0042] スキャナ１１５は、特徴の中で特に、様々な電気構成要素のための、リソグラフィコントローラ１３０、空気調節デバイス、及び電源を含むことができる。リソグラフィコントローラ１３０は、ウェーハ１２０上に層がどのように印刷されるかを制御する。リソグラフィコントローラ１３０は、プロセッサレシピなどの情報を記憶するメモリを含む。プロセスプログラム又はレシピは、ウェーハ１２０上の露光の長さ、使用されるマスク、及び、露光に影響を与える他の要因を決定する。リソグラフィの間、光ビーム１１０の複数のパルスは、共に照明ドーズを構成するために、ウェーハ１２０上の同じ区域を照明する。
[0043] フォトリソグラフィシステム１００は、好ましくは、制御システム１３５も含む。一般に、制御システム１３５は、デジタル電子回路要素、コンピュータハードウェア、ファームウェア、及びソフトウェアのうちの、１つ以上を含む。制御システム１３５は、読み取り専用メモリ及び／又はランダムアクセスメモリであることが可能な、メモリも含む。コンピュータプログラム命令及びデータを有形に具体化するのに好適な記憶デバイスは、例として、ＥＰＲＯＭ、ＥＥＰＲＯＭ、及びフラッシュメモリデバイスなどの、半導体メモリデバイス；内部ハードディスク及び取り外し可能ディスクなどの、磁気ディスク；光磁気ディスク；及びＣＤ－ＲＯＭディスクを含む、すべての形の不揮発性メモリを含む。
[0044] 制御システム１３５は、１つ以上の入力デバイス（キーボード、タッチスクリーン、マイクロフォン、マウス、ハンドヘルド入力デバイスなど）、及び、１つ以上の出力デバイス（スピーカ又はモニタなど）も含むことができる。制御システム１３５は、Ｂｌｕｅｔｏｏｔｈ、ＮＦＣ、及びＷｉ－Ｆｉを含む、ワイヤレス通信を可能にするための構成要素を含むこともできる。特に制御システム１０５は、制御システムに、クラウドとのデータ、命令などの交換を許可する、構成要素を含み得る。
[0045] 制御システム１３５は、１つ以上のプログラム可能プロセッサと、１つ以上のプログラム可能プロセッサによる実行のために機械可読記憶デバイス内に有形に具体化された１つ以上のコンピュータプログラム製品も、含む。１つ以上のプログラム可能プロセッサは各々が、入力データ上での動作及び適切な出力の生成によって所望の機能を実行するための、命令のプログラムを実行可能である。一般に、プロセッサは命令及びデータをメモリから受信する。前述のいずれの内容も、特別に設計されたＡＳＩＣ（特定用途向け集積回路）によって補足され得るか、又は組み込まれ得る。制御システム１３５は、フォトリソグラフィシステム１００全体を通じて、中央集中化されるか、あるいは部分的又は全体的に分配されることが可能である。
[0046] 図２を参照すると、例示的照明システム１０５は、パルスレーザビームを光ビーム１１０として生成するパルスレーザ源である。図２は、概して、本発明の広義の原理の説明を容易にするためのみの、構成要素又はモジュール及び光路の１つの特定の集まりを示し、当業者であれば、本発明の原理は、他のモジュール及び構成を有するレーザに有利に適用され得ることが明らかとなろう。
[0047] 照明システム１０５は、例えば、ソリッドステート又はガス放電シードレーザシステム１４０、パワー増幅（「ＰＡ」）ステージ、例えば、パワーリング増幅器（「ＰＲＡ」）ステージ１４５、リレー光学系１５０、及びレーザシステム出力サブシステム１６０を含み得る。シードシステム１４０は、例えば主発振器（「ＭＯ」）チャンバモジュール１６５を含み得、相対的に非常に狭い帯域幅まで狭められるラインであり得る相対的に広帯域の放射、及び、当分野で既知のような、ライン狭隘化モジュール（「ＬＮＭ」）１７０において選択される中心波長を生成するために、電極（図示せず）間の放電が、レージングガスにおけるレージングガス放電に、例えばＡｒ、Ｋｒ、又はＸｅを含む、高エネルギー分子の反転分布を作成させ得る。
[0048] シードレーザシステム１４０は、ＬＮＭ１７０内の反射格子（図示せず）と共に形成する、部分的反射ミラーと、シードレーザ１４０がシードレーザ出力パルスを形成する、すなわち、主発振器（「ＭＯ」）を形成するために発振する、発振器キャビティとを備え得る、主発振器出力カップラ（「ＭＯ ＯＣ」）１７５も含み得る。システムは、ライン中心分析モジュール（「ＬＡＭ」）１８０も含み得る。ＬＡＭ１８０は、例えば、微細波長測定のためのエタロンスペクトロメータ、及び、粗解像度格子スペクトロメータを含み得る。ＭＯ波面エンジニアリングボックス（「ＷＥＢ」）１８５は、ＭＯシードレーザシステム１４０の出力を増幅ステージ１４５に向けてリダイレクトするように働き得、例えばマルチプリズムビームエキスパンダ（図示せず）を伴う、例えばビームエキスパンダ、及び、例えば、光遅延路（図示せず）の形のコヒーレンスバスティングを、含み得る。
[0049] 増幅ステージ１４５は、ＰＲＡ ＷＥＢ２１０内に組み込まれ得、ビームリザーバ２２０によってチャンバ２００内の利得媒体を介して逆リダイレクトされ得る、例えば、シードビーム入射及び出力カップリング光学系（図示せず）によって形成される、発振器でもあり得る、例えば、ＰＲＡレージングチャンバモジュール２００を含み得る。ＰＲＡ ＷＥＢ２１０は、部分的反射入力／出力カップラ（図示せず）、及び、名目動作波長（例えば、ＡｒＦシステムについておよそ１９３ｎｍでの）最大反射ミラー、及び１つ以上のプリズムを組み込み得る。
[0050] 増幅ステージ１４５の出力における帯域幅分析モジュール（「ＢＡＭ」）２３０は、パルスの出力レーザ光ビームを増幅ステージから受け取り得、例えば、出力帯域幅及びパルスエネルギーを測定するために、メトロロジ目的で光ビームの一部をピックオフし得る。次いで、パルスのレーザ出力光ビームは、パルスエネルギーメータの位置でもあり得る、光パルスストレッチャ（「ＯＰｕＳ」）２４０及び出力組み合わせ自動シャッタメトロロジモジュール（「ＣＡＳＭＭ」）２５０を通過する。ＯＰｕＳ２４０の一目的は、例えば、単一の出力レーザパルスをパルストレインに変換することであり得る。元の単一出力パルスから作成される２次パルスは、互いに関して遅延し得る。元のレーザパルスエネルギーを２次パルスのトレイン内に分配することによって、レーザの有効なパルス長を拡張すること、及び同時に、ピークパルス強度を低減させることが可能である。したがって、ＯＰｕＳ２４０は、ＰＲＡ ＷＥＢ２１０からＢＡＭ２３０を介してレーザビームを受け取り、ＯＰｕＳ２４０の出力をＣＡＳＭＭ２５０に誘導することができる。
[0051] 光源（例えば、照明システム１０５）の全可用性は、光源を構成する個々のモジュールのそれぞれの可用性の直接の結果である。言い換えれば、光源は、光源を構成する重要なモジュールのすべてが使用可能でない限り、使用可能ではあり得ない。これには、いくつかの形の保守ストラテジの使用を必要とする。前述の保守ストラテジに加えて、光源の保守のための１つの手法は、アンブレラ保守と呼ばれ、そのうちのいくつかが故障していない可能性のある、複数のモジュールのグループは、光源の可用性及びそれによって製造工場の生産性を最適化するために、すべて同時に交換される。
[0052] アンブレラ保守ストラテジを使用して、各モジュールは、最小寿命、又は、別のモジュールの寿命の整数倍である寿命を有することが想定される。例えば、モジュールＡの名目寿命は６か月であり、モジュールＢの名目寿命は１８か月である。こうしたシナリオでは、モジュールＢはモジュールＡの３回交換ごとに交換されることになる。
[0053] 実際のモジュール寿命が定格又は予想最小寿命よりも短い場合、アンブレラ保守ストラテジは阻止され、他のモジュールについての同期保守スケジュールを中断させることによって、カスケード効果も生じさせることが可能である。モジュールは、その定格最小寿命を超える、潜在的又は実際の寿命も有し得、これらの場合、アンブレラ保守は、依然として追加の満足のいく動作を提供することが可能なモジュールの取り外しを含む。システム保守事象は、光源が生産から外されることを必要とする。したがって、アンブレラ保守は、製造工場の動作が他の方法で続行できないとき、生産性における不必要な中断を生じさせる可能性がある。
[0054] 既存の現場サービス動作を増補するために、すなわち、いずれのモデル成果にもかかわらず、現場技術者に最終決定を与えるために、有効なモジュール障害アラートを提供するためのシステムの使用に基づく光源を保守するための手法が求められる。いくつかの適用範囲では、これらのシステムが完全に自動化され、リアルタイムでアセスメントが与えられる場合、有益となろう。
[0055] 一実施形態の一態様によれば、図３に示されるように、モジュールは、パルスの数Ｎ１に関して測定される長さに伴う増分後、第１に評価される。数Ｎ１は、高い信頼度を伴うモジュールの十分に予想される寿命の範囲内であるように選択される。評価Ｅ１において、追加パルスの予測増分Ｉ１の間にモジュールが故障する可能性Ｐ１が、何らかの所定の値Ｐ０よりも少ないかどうかに関して、決定が行われる。又は同等に、予測増分Ｉ１の間にモジュールが存続する可能性Ｐ１が、何らかの所定の値Ｐ０よりも大きいかどうかに関して、決定が行われる。
[0056] これは、２値の、はい／いいえ、真／偽の決定であることに留意されたい。決定は、連続型変数の数値を生じさせることはない。単に、値が所与の範囲内にあるかどうかを決定する。しかしながらＰｄＭシステムは、典型的には、連続型変数に関して残りの有用な寿命（ＲＵＬ）などの結果を戻す。この形の結果は、半導体フォトリソグラフィシステム上で保守を実行するように設計されたシステムでは、それほど有用でない可能性がある。２値の成果は、可能な成果の空間、すなわち、真又は偽のいずれかに対する所与の範囲内の可能な値の数のうちの任意の１つが、より小さいことから、より高い確度をもたらすことができる。
[0057] Ｐ１＞Ｐ０の場合、モジュール障害アラートが生成され、モジュールは保守、すなわち、交換又は存続され得る。評価Ｅ１の結果として行われる決定が、Ｐ１＜Ｐ０を示す場合、Ｎ２の追加パルス後の、少なくとも次の評価Ｅ２まで、モジュールはサービス中のままとなる。
[0058] 評価Ｅ２において、測増分Ｉ２の間にモジュールが故障する可能性Ｐ２が、Ｐ０であり得る何らかの所定の値よりも少ないかどうかに関して、決定が行われる。Ｐ０＜Ｐ２の場合、モジュールは交換される。評価Ｅ２の結果として行われる決定が、Ｐ２＜Ｐ０を示す場合、Ｎ３の追加パルス後の、少なくとも次の評価Ｅ３まで、モジュールはサービス中のままとなる。このプロセスは、モジュールが交換されるまで繰り返され、この時点でプロセスは、交換モジュールに対して再開される。
[0059] 例えば、予測増分が２０億パルスの場合、プロセスは、約１００億パルス（Ｂｐ）でモジュールを第１に評価し得、モジュールが、約２Ｂｐの予測増分（すなわち、約１２Ｂｐまで）において、存続するか故障するかを予測し得る。同じモジュールは、約１２．１Ｂｐまで、また、モジュールが保守動作、例えば取り外し、修理、又はサービスを必要とするまでなどの、障害又は存続に関する別の２値予測を行うために、約１０．１Ｂｐにおいて評価され得る。
[0060] 特許請求の範囲を含む本明細書のこの箇所及び他の箇所では、パルスカウントは「約」特定の値であるとして指定されることに留意されよう。当業者であれば、所定数のパルスカウントに基づいて動作を実行する際に許可される、その所定数と動作が実行されるパルスカウントの実際の数との間の、ある程度の自由裁量幅を理解されよう。言い換えれば、１０Ｂｐで実行されるように指定された動作は、例えば、９．９Ｂｐから１０．１Ｂｐとの間の実際のパルスカウントにおいて、十分等しく実行することができる。したがって、本説明のために、「約」という副詞は、保守が悪影響を及ぼさないことを示す名目値に十分近いことを意味するものと解釈されるべきである。
[0061] 前述の例では、初期の評価増分が、その後の評価増分よりもかなり長いことに留意されたい。これは本来、任意選択の設計選択肢であることを理解されよう。また、上記の例では、その後の評価増分はすべて同じ長さである。また、上記の例では、予測増分はすべて同じ長さである。一般に、これらの増分のうちのいずれか又は両方は、機器製造業者又はエンドユーザによって設定可能であり、また例えば、時系列年齢、累積パルスカウント（すなわち、サービスが開始されてからのパルスカウント）、又は、モジュールの健全性を示す特徴の、関数として変動し得る。したがって、累積パルスカウントに依存して、評価増分はより短いか又は長いことが可能であり、予測増分はより短いか又は長いことが可能である。例えば、モジュールが年齢（時系列時間又はパルスカウント）を重ねるにつれて、評価増分又は予測増分、あるいはその両方は、年齢と共にモジュール障害の確率が大きくなることを反映するために、より短くすることができる。評価増分及び予測増分は、異なる長さであり得ることを理解されよう。また前述の例では、障害の閾値確率は、あらゆる予測増分について同じである。異なる閾値確率が使用可能であることが明らかとなろう。また前述の例では、予測増分はすべて同じ長さである。再度、異なる長さの予測増分が使用され得ることが明らかとなろう。また、上記プロセスは、パルスカウントの節目、すなわち、所定数のパルスカウントにおける評価の実行に関して説明している。しかしながら、所定の時点又はパルスカウント以外の時点又はパルスカウントにおいて評価を実行することが望ましい場合があり得る。したがって、こうしたプロセスにおける第１のステップは、評価を「オンデマンド」で、すなわち、特定の時点、事象、又はパルスカウントを待つよりも望ましいときに、実行し得る。
[0062] また上記の例では、１つの２値決定のみが行われる。しかしながら、いくつかの実装の場合、少なくとも１つの追加の２値予測を行う能力を有することが有利であり得る。これは、２値形式の予測の成果の別の利点である。単一の評価パルスカウントにおいて、異なる予測を行うことが可能であり、例えば、モジュールが２２．０Ｂｐまで存続したと仮定すると、第１の２値予測は、２５．０Ｂｐまで存続するかどうかとなる。第２の２値予測は、２３．０Ｂｐまで存続するかどうかとなる。２値の成果を生み出すモデルは、これらの両方の予測を行うように調整可能である。モデルがＲＵＬを予測することなどの連続体における多くの値のうちの１つを予測する手法は、１つの予測のみが可能である。
[0063] 図４は、フローチャートを使用するプロセスを示す。ステップＳ１０において、生成に関与したパルスの数に基づいて、モジュールが評価パルスカウントにあるかどうかが判定される。ステップＳ２０において、モジュールは本明細書で説明するように評価される。この評価は、結果として、ステップＳ３０において、次の予測増分においてモジュールが故障する確率が、特定の閾値確率Ｐよりも大きいかどうかに関する判定を生じさせる。確率が閾値よりも大きい場合、ステップＳ４０において、モジュールの障害アラートが生成される。このステップの次に、モジュール障害アラートに応答して、モジュールを交換するステップが続く。次の予測増分におけるモジュール障害の確率が、閾値確率Ｐよりも大きくない場合、プロセスは戻って、次の評価ポイントを待つ。
[0064] 一態様において、一実施形態に従ったモジュール障害の予測モデルの１つの特徴は、２値分類モデルと同様である。２値分類モデルにおける各データインスタンスは、特定のパルスカウントにおけるモジュールの評価を表す。各評価において、モデルの目的は、モジュールが別の予測増分を存続する可能性があるかどうか、又は、予測増分の終わりより前に故障する可能性があるかどうかを、はい又はいいえで予測することである。
[0065] 閾値確率又は確率限界Ｐの大きさの選択は、設計選択肢である。確率限界Ｐは、はい／いいえの予測を分離する。機械学習モデルは、「正のクラスに属する確率」を生成し、確率限界はクラスを分離する。確率限界は、例えば、５０％であり得る。しかしながら、９０％などの別の値も可能である。確率限界は、最良のモデル化性能を得るように調整可能であり、すなわち、モデル予測と履歴データとの最良の整合を達成するように変更可能である。
[0066] 上記の方法は、いくつかの利点を与える。例えば、モデルは、（例えば、モデルが、パルスの数－連続型変数－において残りの有用な寿命を予測するように試みた場合）連続的成果と比較した２値成果（真又は偽）を戻す。これは、２値成果を予測するためのデータモデルの確度は、一般に、連続的成果を予測するためのデータモデルよりも正確な可能性があるため、重要である。
[0067] 評価ステップは、例えば、分析モデルベースの手法を使用して実施され得、分析モデルは、システムの挙動を表すために分析モデルに依拠する、モジュールの物理的理解に基づく。一実施形態の一態様によれば、機械学習手法とも呼ばれるデータ駆動型手法が採用される。この手法は、システム挙動のモデルを学習するために履歴データを使用する。機械学習又はＭＬは、過去又は履歴の入力データに関して準備及びトレーニングされたモデルに基づいて、成果が予想可能な、技術として定義可能である。
[0068] こうした学習モデルは、結論を生成するために、ニューラルネットワーク、決定木、又は回帰分析などの、機械学習アルゴリズムから導出される。例えば、ＳＶＭは、分類及び回帰分析に使用可能な、教師付き学習法である。これは一般に、良好、不良、故障などの対応するラベル又は機器状態を伴う、機械状態（健全性）インジケータを必要とするトレーニング位相に関与する。
[0069] 図５は、光源のためのモジュールとの関連におけるモデル構築の態様を示すブロック図である。ブロック５１０はデータ取得である。経時的に、地球規模の半導体製造工場に配設された光源内で、同じモジュールの多くのインスタンスが取り付けられ、その後、取り外され、個々のモジュールの寿命の間に収集されたデータは、一元的に記憶されている。取り外されたモジュールについてのこれらの履歴データは、現時点で取り付けられているモジュールについてのモジュール故障の事前通告を提供可能なモデルを開発するために使用可能である。
[0070] また一態様によれば、モデルは、取り外されたモジュールの分布内のあらゆるモジュールについて多くのインスタンスを使用する。寿命が１００億パルスから始まり、１億パルス増分で終わる、モジュールを評価するストラテジの場合、例えば、３２５．５億パルスで故障するモジュールは、モデルに２２６インスタンスを与えることになる。したがって、数百モジュールの分布は、多くの異なる機械学習モデルのうちのいずれかが実装に使用され得るという意味で機械学習の観点から好ましい、何万ものインスタンスを伴うトレーニングデータセットを作成可能である。これは、より大きなトレーニングデータセットに対して確度が強化されることからも、好ましい。
[0071] ローデータは、状態インジケータが抽出できる形にするために、前処理され得る。
[0072] ブロック５２０は、特徴識別又は抽出である。これは、構成要素が経年し劣化するにつれて、その挙動が予測可能なように変化する特徴（又はメトリクス）の識別である。
[0073] ブロック５３０において、識別された特徴は、２値予測増分推定を提供するために、機械学習（ＭＬ）モデルをトレーニングするために使用される。ＭＬは、過去又は履歴の入力データ及びその出力挙動に関して準備及びトレーニングされたモデルに基づいて、成果を予想する。ここでトレーニングは、下記で説明するように、推定と実世界データとを整合させることに関与する。
[0074] 特定の例として、下記では、主発振器チャンバがモジュールの例として使用されるが、当業者であれば、これは、本明細書に示される教示が適用され得るモジュールの単なる一例であること、及び、教示が他のモジュールに等しく十分に適用可能であることを理解されよう。他の例は、ＰＡチャンバ、ＬＮＭ、ＬＡＭ、ＢＡＭ、及びＯＰｕＳモジュール、並びに、一般にそれに関してデータが収集され、モジュールの性能に関係する、任意のモジュールを含む。アンブレラ保守の実施の一部として取り外された、これらのモジュールの特定の分布が存在する。これらのモジュールのサブセットが故障することになる。これらのモジュールの相補サブセットは、故障したことが原因ではなく（それらは故障していない）、別のモジュールが交換されるときに交換されるため、取り外されていることになる。
[0075] これらの取り外されたモジュールの各々は、様々なパルスカウントで収集されたメトリクスの形の記憶された履歴データのアレイと関連付けられている。これらのメトリクスは、パルスカウントのグリッド上のすべてのモジュールについて（例えば、１０Ｂｐから寿命の終わりまで０．１Ｂｐ増分で）、予測論理によって抽出及び使用され得る。次いで、モデルは、その予測がどのように十分に実際の履歴フィールドの成果と整合するかを評価することによってトレーニングされる。理想的には、モデルは、予測増分内で障害を予測すべきであり、そうでなければ、予測増分内で障害を予測すべきでない。
[0076] 例えば、およそ１０００の取り外されたモジュールの各々は、最初に１０Ｂｐにおいて、次いで取り外し時のパルスカウントまで０．１Ｂｐ増分で、評価され得る。約３０Ｂｐの平均取り外しパルスカウントと仮定すると、これは、各モジュールが平均で約２００評価（（３０Ｂｐ－１０Ｂｐ）／．１）を与えたことを意味し、取り外されたモジュールのグループ全体は、２００，０００評価を生じさせることになる。
[0077] 各評価において収集された測定メトリクスのグループが存在する。これらのメトリクスの各々は、すべての評価パルスカウントについて抽出される。抽出され特徴として使用されることが可能な、いくつかの異なるメトリクスが存在する。例えば、モジュールがＭＯチャンバモジュールである場合、メトリクスは、
（１）すべてのモジュールについて、１０Ｂｐ、１０．１Ｂｐ、１０．２Ｂｐ、・・・における前の１００Ｍｐ内のＭＯ関係エネルギーバッチ品質（「ＢＱ」）イベントの数、
（２）前の週においてシステムシャットダウンを生じさせた非常に低いエネルギーの検出数、
（３）前の１００Ｍｐ内の平均ＭＯエネルギー及び電圧、
を含むことができる。
[0078] メトリクスは、モデル、配設された領域、モジュールに関連付けられたアカウント、顧客タイプ、採用されたパワーレベル、温度及びブロワー速度、帯域幅及び波長安定性、ベアリング時間、ネオン還元設定及び障害、効率性メトリクス、などを含む、レーザ属性などの追加のパラメータも含むことができる。上記は、変動するルックバックウィンドウにおいて、又は定格、例えば、前の１Ｂｐ及び前の５Ｂｐにおける、又は寿命の第１の５Ｂｐに関して前の１Ｂｐにおける、平均波長シグマとして、キャプチャされる。
[0079] メトリクスは、前の１００Ｍｐ、１Ｂｐ、及び２Ｂにおける個々の障害シグネチャのカウント、又は、電圧及びＭＯエネルギーなどの個々のセンサから導出されたデータなどの、一貫した特徴セットも含むことができる。
[0080] ２００，０００評価の各々について少なくとも４メトリクスと仮定すると、結果としておよそ８００，０００メトリクスが生じる。
[0081] これらのメトリクスは、モデルに供給されることになる。次いで、トレーニングにおいて、モデルは予測を行い、予測と現場成果とを比較し、その後、メトリクスの適用を調整して再度比較し、現場成果と整合する予測論理に集中する。
[0082] 例えば、予測論理は、およそ２００，０００予測を導出するために実行可能である。次いで、これらの２００，０００予測は、予測目標と比較可能であり、例えば、実際に故障したモジュールについて取り外しパルスカウントに関して、１Ｂｐ又はそれ以下内の障害を予測し、それ以外の障害は予測しない。
[0083] 一実施形態の一態様によれば、システムは、予測増分において２値モジュール障害を予測するように設計され、例えば、障害のための取り外しの前に、予測増分内のモジュール障害を予測する一方で、技術的問題を起こさないモジュールのためのモジュール取り外しの前にモジュール障害を決して予測しない。システムは、任意のモジュールのために働くことが可能であり、履歴データを使用して設計及びテストされる。
[0084] 説明する動作は、図６に示されるような制御システム６００を用いて実施可能である。制御システム６００は、データ生成ユニット６２０、メモリ６３０、及び通信インターフェース６４０に接続された、処理ユニット６１０を含み、通信インターフェース６４０はユーザインターフェース６５０に接続される。この制御システム６００は、図１の制御システム１３５と同じである、付加的である、又は構成要素を共有することができる。
[0085] データ生成ユニット６２０は、様々なメトリクスを測定するように配置されたセンサを含むことができる。例えば、注目のモジュールがＭＯチャンバモジュールである場合、センサは、モジュール内の電極にわたる電圧、エネルギー、ガス圧、温度、パルス長などを測定するためのセンサを含むことができる。データ生成ユニット６２０は、合計パルス及び反復率を測定するためのカウンタも含み得る。データ生成ユニット６２０は、合計ランタイムを測定するためのクロックを含み得る。もちろん、これらは単なる例であり、他のデータ又は追加のデータを集めることができることを理解されよう。データ生成ユニット６２０は、手動又は電子データ転送のいずれかの、データの入力のための手段を含むことができる。
[0086] 処理ユニット６１０は、これらのデータをデータ記憶モジュールに記憶し得る。その後、これらのデータには、ハードワイヤードユーザインターフェースを使用して直接、あるいは、通信インターフェース６４０を介して、ワイヤレスに、ローカルに、又はリモートに、アクセス可能である。例えば、通信インターフェース６４０は、Ｗｉ－Ｆｉインターフェース、ＣＤＭＡなどの携帯電話インターフェース、Ｂｌｕｅｔｏｏｔｈインターフェース、無線インターフェース、ＵＳＢインターフェース、及び／又は、近距離無線通信インターフェースを含むことができる。もちろんこれらは単なる例であり、ＲＦＩＤインターフェースなどの、他の、又は追加の通信モジュールが使用され得ることが明らかとなろう。通信インターフェース６４０は、本来、処理ユニット６１０及び１つ以上のユーザインターフェースデバイスとの間で、データを通信するための任意のデバイスであり得る。
[0087] ユーザインターフェース６５０は、ユーザがそれによって互いに情報を提供するか又は情報を受信することが可能な任意のデバイス、あるいはシステムハードウェア及びソフトウェアを含み得る。したがって、ユーザインターフェース６５０は、キーパッド、バーコードリーダ、適切なアプリケーションを有するスマートフォンなどのモバイルデバイス、汎用コンピュータインターフェース、ハードワイヤード接続、及びディスプレイを含み得る。もちろん、これらは単なる例であり、他の、又は追加のユーザインターフェースデバイスが使用され得ることが明らかとなろう。ユーザインターフェースは、例えば、タッチスクリーン及びインジケータのアレイを含む、様々なコントロールを含み得る。ユーザインターフェースはデジタルディスプレイを含み得る。
[0088] 前述のように、ユーザインターフェース６５０は、コンピュータ上で動作するソフトウェアとして、あるいは、スマートフォン又はタブレット又は他のワイヤレス通信デバイス上のアプリケーションとしても、実装可能である。こうした環境において、通信インターフェース６４０は、コンピュータ、タブレット、又は携帯電話などの、ワイヤレス対応デバイスなどの外部デバイスとインターフェースするように構成可能である。ユーザは、保守データ収集システムの動作を制御するために、モバイルデバイス上でアプリケーションを使用することができる。外部デバイスが、コンピュータ、タブレット、又は携帯電話などのワイヤレス対応デバイスである場合、外部デバイス上にアプリケーションをインストールすることが可能であり、アプリケーションのためのユーザインターフェースは、例えば、コントロールを備えるディスプレイの視覚表現であり得る。
[0089] 一態様によれば、本発明の実施形態は、予測増分において起こりそうなモジュール障害の事前通告を提供する。この通告は、現場チームが保守事象のために準備できるようにし、それによって、アンブレラサービス増分の前に、障害によって予定外の事象が発生するのを回避できるようにする。予定外の保守に関連付けられた長時間のダウン事象を減少させることによって、製造工場の生産性は増加する。同じ機能は、予測増分における障害の可能性の順に、複数の保守事象を優先順位付けするのに有用な可能性がある。
[0090] 図７は、一実施形態の一態様に従った、保守システム７００の機能ブロック図である。保守システム７００は、モジュールについての評価ポイントに到達しているかどうかを判定する、評価タイミングユニット７１０を含む。この判定は例えば、パルスカウントに基づくことができる。評価タイミングユニット７１０が、評価時点に到達しているものと判定した場合、評価タイミングユニット７１０は、評価されているモジュールが、予測増分を構成する後に続くパルス数の全体にわたって、満足のいくように動作する可能性が高いかどうかの２値判定を行うように、２値予測ユニット７２０に指示する。２値予測ユニット７２０は、特徴セットに関するトレーニングを介して学習した、モジュールのモデルを含み得る。２値予測ユニット７２０は、評価特徴データ７３０のソースによって供給され得る特徴のセットをモデルへの入力として使用して、２値判定を生成する。２値判定が、評価されているモジュールが、予測増分全体にわたって満足のいくように動作する可能性が低いというものである場合、２値予測ユニット７２０は、障害アラートを生成するように、モジュール障害アラート生成ユニット７４０に指示する。代替及び等価として、２値予測ユニット７２０は、２値判定をモジュール障害アラート生成ユニット７４０に供給し、モジュール障害アラート生成ユニット７４０は、２値判定が、評価されているモジュールが予測増分全体にわたって満足のいくように動作する可能性が低いというものである場合、障害アラートを生成する。モジュール障害アラート生成ユニット７４０は、評価されているモジュールが、予測増分全体にわたって満足のいくように動作する可能性が高い場合、肯定的な「障害なし」の指示を生成するようにも構成され得る。
[0091] 一実施形態の別の態様によれば、複数のモデルは、各々、下記で説明するように、ツールが予想外に故障し得るリスクを避けることに対するツール可用性などの、特定の保守パラメータの異なる相対的な優先順位付けに従ってトレーニングされる。顧客又はセクタ間の差別化、例えば、ＤＲＡＭメモリ顧客と、反対の別のクラスの顧客、例えば半導体製造工場の顧客の差別化は、これらのインターフェース及び１顧客又はセクタについての報告の有用性を増加させることができる。同様に、こうした差別化は、厳しい許容差の現在の生成ツールと、反対のレガシー技術ツールとのための、インターフェース及び報告の有用性を向上させることができる。
[0092] 機械学習モデルの１つの利点は、モデルが、特定の顧客のプリファレンスと顧客によって決定されるニーズとの合致に最高に適した、予測及び推奨を提供するように、選択及び／又は調整可能なことである。例えば、１顧客は、その技術及び供給環境の特定の状態を前提として、ツールが予想外に故障し得るリスクを回避することよりも、ツールの可用性を優先させることを望むものと判定し得る。別の顧客は、反対の結論に達し得、すなわち、ツール可用性のある程度の付加的欠如を受け入れることを犠牲にして、予想外のダウンタイムを回避することを望む。第１の顧客は、より高いリスクを引き受けながら、それらのウェーハ出力を最大にすることを望む。第２の顧客は、可用性を犠牲にして、モジュール障害の早期の指示を受け取ることを望む。これは、感受性（真陽性の確度）、特異性（真陰性の確度）、及び、損失パルスの形のコストメトリックの、相対的重要性のアセスメントに変換し得る。「損失パルス」という用語は、本明細書では、モジュールが第１の障害予測において取り外された場合に失われる、パルスの数を指す。このメトリックを使用して、予測モデルは誤った予測を数値化するやり方を有し、それによって、早過ぎる誤った予測を回避するようにトレーニングされる。これらの相対的な優先順位を割り当てることは、必然的にトレードオフを伴う。いくつかの実装において、顧客がこれらのトレードオフを比較検討し、特定の使用ケースのためにモデルを最適化できるようにすることが有利であり得る。
[0093] 例えば、顧客には、障害インジケータを欠損するより高いリスクの想定と共に、可用性の増加を達成することを求める、「最大出力」モデルの下での保守オプションを与えることができる。これらの顧客は、財務報告のための外部時間ベース出力ターゲット、内部生産ターゲット、又は高価格付けウィンドウを含む、いくつかのターゲットを優先順位付けすることができる。代替として、顧客には、彼らのツールセットのための先進的プランニングをターゲットにするための「早期警報」モデルの下での保守のオプションを与えることができる。「早期警報」モデルは、可用性の損失可能性を伴う予定外の保守のリスクを減少させることを達成するモデルとして定義され得る。これは、最適な製造工場のルーチン及びスケジューリングを可能にする値を、情報を介して提供する。
[0094] 特定の例として、現代の製造工場では、リソセル（一般に、レーザ、スキャナ、及びトラッカの組み合わせと見なされる）が保守のためにダウンしているとき、そのリソセルのためにプランニングされたすべての製品は、リソセルが回復するまで経路変更されなければならない。最先端の液浸ツールの場合、顧客は、複数のウェーハパスに単一のツールを使用することを選択し、スキャナ製造業者からのより緊密な専用チャックオーバーレイ仕様から恩恵を受けることができる。障害が発生し得る時点の改善された知識を用いて、製造工場動作管理は、製造工場全体の容積をより良く最適化し、高生産量を保証することができる。更に、リソセルシステムは、プランニングの課題を組み合わせ、製造工場の稼働時間、すなわち、グリーンタイムからグリーンタイムの間の値を増加させる、延長された留保時間（日）を有することができる。
[0095] したがって、顧客は、出力最大化及び早期警報などの、そのうちの幾つかは矛盾し得る、様々な保守目標に基づいて、異なるモデルの中から選択できることが有利であることに気付き得る。
[0096] 例えば、１つのトレードオフは、感受性対特異性であり得る。これは、図８にグラフで示されている。ｘ軸は、正しく予測された障害の割合、すなわち、真陽性の特異性又は確度である。ｙ軸は、正しく予測された存続の割合であり、言い換えれば、ｙ軸は感受性、すなわち、真陰性の確度を示す。ボックス８００によって示される領域は、低い延長リスクに関して最適化される「最大出力」ストラテジ、すなわち、障害を予測するよりも存続を正しく予測することを優先することを追求するために、顧客選択によって選択される。このストラテジを採用する顧客にとっての優先事項は、真陰性及び続行される可用性の優先事項となる。他方で、ボックス８１０によってマークされた領域内に示される、特異性及び感受性の組み合わせを選択する顧客は、「早期警報」ストラテジを採用することになる。この顧客にとっての優先事項は、真陽性の数及び予定外のダウンタイムを回避することである。ボックス８２０は、感受性及び特異性に等しい重みが与えられた、均衡のとれた手法を表す、感受性／選択性空間内の領域を示す。
[0097] 一例として、評価が０．１Ｂｐごとに行われ、２Ｂｐ予測増分を伴う、モデル定義を想定することができる。そうでなければ、モデルが障害のために２４．８Ｂｐにおいて取り外されることになっている場合、理想的なケースは、２２．８Ｂｐにおいて障害を予測する。実際の障害の前に障害の可能性が検出されることを保証する早期警報モデルは、２２．８Ｂｐ又はその前の、何らかのポイントで偽陽性を示す。それほど控えめでなく、最大出力を可能にする、最大出力モデルは、２２．８Ｂｐの後に真陽性を示す。
[0098] モデルの選択は、ユーザの保守目標又はプリファレンスを示す情報に、少なくとも部分的に基づく。これらのプリファレンスの同時達成は、トレードオフに関与するか又は関与しない可能性がある。例えば、前述のように、保守プリファレンスの１つは、機器オフラインの利用及びその評価で使用される時間量の制限によって、例えば、評価の頻度を減少させることによって達成し得る、出力最大化であり得る。別のプリファレンスは、より頻繁な及び／又はより長い評価によって達成し得る、予期せぬダウンタイムの回避であり得る。モデルは、ユーザがこれら２つのプリファレンスを割り当てる、相対的な重要性又は優先順位付けを示す情報に基づいて選択され得る。他のプリファレンスは、ランニングコスト全体の削減、機器の総寿命など、並びに、一般に保守動作がどのように実施されるかに影響を与える任意の考慮事項を含み得る。これらすべては、「保守プリファレンス」という用語に組み込まれることが意図される。
[0099] したがって、どのようにトレーニングされるかに関して、特に、特定の保守目標又はパラメータの優先順位付けに関して互いに異なる、様々なモデルが存在する。
[0100] 顧客が優先順位付けを選択できるようにするシステムの動作を概念的に示す機能ブロック図が、図９に示される。図９において、モデル選択モジュール９１０は、評価事象の間に取得された評価データを受信し、また、特定の顧客について、その顧客が、例えば感受性及び選択性についての相対的な優先順位を割り当てることをどのように望むかを示す、優先順位付けデータも受信する。この優先順位付けデータは、単に顧客が候補モデルのメニューから特定のモデルを選択することでもあり得る。モデル選択モジュール９１０は、異なるようにトレーニングされたモデルのセット、例えば、モデル１（数字９２０によって指定）、モデル２（数字９３０によって指定）、及びモデル３（数字９４０によって指定）のうちのどのモデルが、顧客によって選択されたか、又は、顧客によって指定された優先順位付けと最良に整合するか、を判定する。一例として、モデル１は最大出力モデルとすることが可能であり、モデル２は均衡のとれたモデルとすることが可能であり、モデル３は前述のような早期警報モデルとすることが可能である。図９内の配置は、３つの候補モデルを示しているが、当業者であれば、モデルの数は２、３、又はそれ以上が可能であることが明白となろう。選択されたモデルは、評価データに関して動作し、動作の成果を２値予測モデル９５０に供給し、２値予測モデル９５０は、顧客の優先順位付けに従って、取り外しなどの事象が次の評価の前に生じるべきであるかどうかに関する２値予測を表現する。
[0101] 図９の配置は、システムが概念的にどのように別々のモジュールに分割できるかの、単なる一例を示す。機能性は、概念的に異なる様式で分割可能であることが明らかとなろう。例えば、モデルは予測を直接表現可能である。また、優先順位付けデータは、３つのモデルのうちの１つの直接選択とすることが可能であり、その後、モデルは評価データを直接受信することができる。
[0102] 例えば、図１０は、一実施形態の別の態様に従った配置の機能ブロック図である。図１０において、モデルトレーニングユニット１０００は、様々な保守目標についての異なる重み付けを使用して、複数のモデルをトレーニングする。モデルは、２値予測ユニット１０２０内のモデル記憶ユニット１０１０内に記憶される。また、ユーザプリファレンスデータ記憶ユニット１０３０は、保守目標についてのユーザの相対的なプリファレンスに関する情報、あるいは、モデルの明示的な顧客選択を含み、その情報を、同じく２値予測ユニット１０２０内にあるモデル選択ユニット１０４０に供給する。したがって、評価タイミングユニット１０５０が、時系列時間の経過に基づく評価、又はパルスの数に基づく時間又は機械時間について、時間が来たものと判定したとき、２値予測ユニット１０２０は、選択されたモデルを使用して評価データ上で動作し、モジュール障害アラートを生成することになるモデルモジュール障害アラート生成ユニット１０６０に対して信号を生成する。２値予測ユニット１０２０は、保守アクションを行う必要がない旨の肯定信号を生成することもできる。
[0103] 前述の説明は、複数の実施形態の例を含む。もちろん、前述の実施形態を説明するために、構成要素又は方法体系の考えられるあらゆる組み合わせを記述することは不可能であるが、当業者であれば、様々な実施形態の多くの更なる組み合わせ及び並べ替えが可能であることを認識されよう。したがって、説明する実施形態は、添付の特許請求の範囲の趣旨及び範囲内にある、すべてのこうした変更、修正、及び変形を包含することが意図される。更に、「含む（includes）」という用語が詳細な説明又は特許請求の範囲のいずれかで使用される限り、こうした用語は、「備える（comprising）」という用語と同様に包括的であることが意図され、「備える」は、採用されるとき、特許請求の範囲内で遷移語として解釈される。更に、説明される態様及び／又は実施形態の要素は、単数形で説明又は請求され得るが、単数形への限定が明示的に示されていない限り、複数形が企図される。加えて、任意の態様及び／又は実施形態のすべて又は一部は、特段示されていない限り、任意の他の態様及び／又は実施形態のすべて又は一部と共に利用され得る。
[0104] 実施形態は更に、下記の条項を使用して説明可能である。
１．半導体フォトリソグラフィのための光源を保守する方法であって、光源は１つ以上のモジュールを備え、
１つ以上のモジュールのうちの１つであるモジュールが、モジュールが生成に関与した第１のパルス数に少なくとも部分的に基づく初期評価によるものであるかどうかを判定すること、
モジュールが第２のパルス数として測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、初期評価を実行すること、及び、
モジュールが予測増分における障害なしの動作の少なくとも最小確率を有さないことを初期評価が判定した場合、モジュールに対してモジュール障害アラートを生成すること、
を含む、方法。
２．モジュールが予測増分における障害なしの動作の少なくとも最小確率を有することを初期評価が判定した場合、モジュールをサービス中のままにすること、を更に含む、条項１に記載の方法。
３．１つ以上のモジュールのうちの１つであるモジュールが、モジュールが生成に関与した第１のパルス数に少なくとも部分的に基づく初期評価によるものであるかどうかを判定することが、第１の数が所定のパルス数のパルスマイルストーンに対応するかどうかを評価することを含む、条項１に記載の方法。
４．モジュールが予測増分における障害なしの動作の少なくとも最小確率を有さないことを初期評価が判定した場合、モジュールに対してモジュール障害アラートを生成することが、予測増分の間に、モジュールが障害なしに動作する可能性が高いかどうかの２値（真／偽）予測を表現するために、モデルを使用することを含む、条項３に記載の方法。
５．モジュールが予測増分における障害なしの動作の少なくとも最小確率を有さないことを初期評価が判定した場合、モジュール上で保守動作を実行することを更に含む、条項１に記載の方法。
６．保守動作を実行することは、モジュールを取り外すことを含む、条項５に記載の方法。
７．保守動作を実行することは、モジュールを修理することを含む、条項５に記載の方法。
８．第１の数は約１００億パルスである、条項１に記載の方法。
９．第２の数は約２０億パルスである、条項１に記載の方法。
１０．第２の数は、時系列年齢又は累積パルスカウントに関して、モジュールの年齢に少なくとも部分的に基づいて決定される、条項１に記載の方法。
１１．モジュールをサービス中のままにした後、
モジュールが、モジュールが初期評価以降生成に関与した第３のパルス数に少なくとも部分的に基づく追加評価によるものであるかどうかを判定するステップ、
モジュールが第４のパルス数として測定される第２の予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、追加評価を実行するステップ、及び、
モジュールが第２の予測増分における障害なしの動作の少なくとも最小確率を有さないことを追加評価が判定した場合、モジュールに対してモジュール障害アラートを生成するステップ、又は、
モジュールが第２の予測増分における障害なしの動作の少なくとも最小確率を有することを追加評価が判定した場合、モジュールをサービス中のままにするステップ、
を更に含む、条項１に記載の方法。
１２．モジュールが第２の予測増分における障害なしの動作の少なくとも最小確率を有さないことを追加評価が判定した場合、モジュールを取り外すことを、更に含む、条項１１に記載の方法。
１３．第３の数は約１億パルスである、条項１１に記載の方法。
１４．第４の数は約２０億パルスである、条項１１に記載の方法。
１５．第３の数及び第４の数のうちの少なくとも１つが、時系列年齢又は累積パルスカウントに関して、モジュールの年齢に少なくとも部分的に基づいて決定される、条項１に記載の方法。
１６．初期評価を実行することが、モデルを使用することを含む、条項１に記載の方法。
１７．モデルは解析モデルである、条項１６に記載の方法。
１８．モデルは、トレーニング済みモデルをトレーニングするために、特徴データを供給することによって、機械学習を介して開発されたトレーニング済みモデルであり、トレーニング済みモデルは、特徴データのうちの少なくともいくつかに基づいて初期判定を行う、条項１６に記載の方法。
１９．モジュールは、主発振器チャンバモジュールを備え、特徴データは、直前の１億パルスにおけるいくつかの主発振器関連エネルギーバッチ品質事象を含む、条項１８に記載の方法。
２０．モジュールは、主発振器チャンバモジュールを備え、特徴データは、直前の１億パルスにおける平均主発振器エネルギーを含む、条項１８に記載の方法。
２１．コンピュータ実装方法であって、
フォトリソグラフィ光源の１つ以上のモジュールのうちの１つであるモジュールが、モジュールが生成に関与した第１のパルス数に少なくとも部分的に基づく初期評価によるものであるかどうかを、コンピューティングデバイスによって判定すること、
モジュールが第２のパルス数として測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、コンピューティングデバイスによって初期評価を実行すること、及び、
モジュールが予測増分における障害なしの動作の少なくとも最小確率を有さないことを初期評価が判定した場合、モジュールを取り外すべきである旨の指示を、コンピューティングデバイスによって提供すること、又は、
モジュールが予測増分における障害なしの動作の少なくとも最小確率を有することを初期評価が判定した場合、モジュールをサービス中のままにすべきである旨の指示を、コンピューティングデバイスによって提供すること、
を含む、コンピュータ実装方法。
２２．プロセッサに動作を実行させるための実行可能命令を含む非一時的コンピュータ可読記憶媒体であって、命令は、
フォトリソグラフィ光源の１つ以上のモジュールのうちの１つであるモジュールが、モジュールが生成に関与した第１のパルス数に少なくとも部分的に基づく初期評価によるものであるかどうかを判定するための命令、
モジュールが第２のパルス数として測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、初期評価を実行するための命令、及び、
モジュールが予測増分における障害なしの動作の少なくとも最小確率を有さないことを初期評価が判定した場合、モジュールを取り外すべきである旨の指示を提供するための命令、又は、
モジュールが予測増分における障害なしの動作の少なくとも最小確率を有することを初期評価が判定した場合、モジュールをサービス中のままにすべきである旨の指示を提供するための命令、
を含む、非一時的コンピュータ可読記憶媒体。
２３．半導体フォトリソグラフィのための光源を保守する方法であって、光源は１つ以上のモジュールを備え、方法は、
１つ以上のモジュールのうちの１つであるモジュールを評価のために識別すること、
モジュールが第２のパルス数として測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、評価を実行すること、及び、
モジュールが予測増分における障害なしの動作の少なくとも最小確率を有さないことを初期評価が判定した場合、モジュールに対してモジュール障害アラートを生成すること、又は、
モジュールが予測増分における障害なしの動作の少なくとも最小確率を有することを初期評価が判定した場合、モジュールをサービス中のままにすること、
を含む、方法。
２４．モジュールが予測増分における障害なしの動作の少なくとも最小確率を有さないことを初期評価が判定した場合、モジュールを取り外すことを、更に含む、条項２３に記載の方法。
２５．第１の数は約１００億パルスである、条項２３に記載の方法。
２６．第２の数は約２０億パルスである、条項２３に記載の方法。
２７．評価を実行することは、トレーニング済みモデルをトレーニングするために、特徴データを供給することによって、機械学習を介して開発されたトレーニング済みモデルを使用することを含み、トレーニング済みモデルは、特徴データのうちの少なくともいくつかに基づいて、モジュールが第２のパルス数として測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定する、条項２３に記載の方法。
２８．半導体フォトリソグラフィのための光源を保守するためのシステムであって、光源は１つ以上のモジュールを備え、システムは、
１つ以上のモジュールのうちの１つであるモジュールが、モジュールが生成に関与した第１のパルス数に少なくとも部分的に基づく評価によるものであるかどうかを判定するように適合された、評価タイミングユニットと、
評価タイミングユニットに応答するように配置され、モジュールが、第２のパルス数として、測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定することによって、評価を実行するように適合された、２値予測ユニットと、
２値予測ユニットに応答するように配置され、モジュールが、予測増分における障害なしの動作の少なくとも最小確率を有さないことを評価が判定した場合、モジュールのためのモジュール障害アラートを生成するように適合された、モジュール障害アラート生成ユニットと、
を備える、システム。
２９．モジュール障害アラート生成ユニットは、追加として、評価されているモジュールが、予測増分全体にわたって満足のいくように動作する可能性が高い場合、肯定的な障害なし指示を生成するように構成される、条項２８に記載のシステム。
３０．２値予測ユニットは、特徴セットから機械学習によって生成されたモデルを備える、条項２８に記載のシステム。
３１．２値予測ユニットは、特徴データを受信するように配置され、モジュールが予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、特徴データを使用する、条項２８に記載のシステム。
３２．半導体フォトリソグラフィのための光源を保守するためのシステムであって、光源は１つ以上のモジュールを備え、システムは、
１つ以上のモジュールのうちの１つであるモジュールが、パルスカウントに基づいて評価ポイントに到達したときに、評価信号を生成するように適合された、評価タイミングユニットと、
評価信号を受信するように配置され、評価されているモジュールが、評価信号に応答して、予測増分を構成する後に続くパルス数の全体にわたって、満足のいくように動作する可能性が高いかどうかの２値判定を行うように適合された、２値予測ユニットと、
２値予測ユニットに応答するように配置され、２値判定が、評価されているモジュールが、予測増分全体にわたって満足のいくように動作する可能性が低いことである場合、障害アラートを生成するように適合された、モジュール障害アラート生成ユニットと、
を備える、システム。
３３．２値予測ユニットは、特徴セットから機械学習によって生成されたモデルを備える、条項３２に記載のシステム。
３４．２値予測ユニットは、特徴データを受信するように配置され、モジュールが予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、特徴データを使用する、条項３２に記載のシステム。
３５．半導体フォトリソグラフィのための光源を保守する方法であって、光源は１つ以上のモジュールを備え、方法は、
２つ以上の保守プリファレンスのユーザの相対的優先順位付けを示すユーザ情報を取得すること、
２つ以上の保守プリファレンスの第１の相対的優先順位付けに基づく第１のモデルと、２つ以上の保守プリファレンスの第２の相対的優先順位付けに基づく第２のモデルとを含む、少なくとも２つのモデルをトレーニングすること、
モジュール障害アラートを生成すべきであるかどうかを判定するために評価を実行することであって、評価は、どちらのモデルの相対的優先順位付けがユーザの相対的優先順位付けと最も密接に整合されているかに基づいて、少なくとも２つのモデルのうちの１つを使用して実行される、評価を実行すること、及び、
評価が、モジュール障害アラートを生成すべきであることを判定した場合、モジュールに対してモジュール障害アラートを生成すること、
を含む、方法。
３６．どちらのモデルの相対的優先順位付けがユーザの相対的優先順位付けと最も密接に整合されているかに基づいて、少なくとも２つのモデルのうちの１つを使用して評価を実行することは、ユーザによって選択された少なくとも２つのモデルのうちの１つを使用して評価を実行することを含む、条項３５に記載の方法。
３７．保守プリファレンスは、出力最大化及び予期せぬダウンタイムの回避である、条項３５に記載の方法。
３８．評価がモジュール障害アラートを生成すべきでないことを判定した場合、モジュールはサービス中を保つことを示すことを、更に含む、条項３５に記載の方法。
３９．モジュールが、モジュールが生成に関与したパルス数に少なくとも部分的に基づく評価によるものであるかどうかを判定することを、更に含む、条項３５に記載の方法。
４０．モジュール障害アラートを生成すべきであるかどうかを判定するための評価を実行することは、モジュール障害アラートを生成すべきであるかどうかに関する２値（真／偽）判定を表現するために、ユーザの相対的優先順位付けに基づいて少なくとも２つのモデルからモデルを選択することを含む、条項３５に記載の方法。
４１．評価が、モジュール障害アラートを生成すべきであることを判定した場合、モジュール上で保守動作を実行することを更に含む、条項３５に記載の方法。
４２．保守動作を実行することは、モジュールを取り外すことを含む、条項４１に記載の方法。
４３．保守動作を実行することは、モジュールを修理することを含む、条項４１に記載の方法。
４４．モデルは、トレーニング済みモデルをトレーニングするために、特徴データを供給することによって、機械学習を介して開発されたトレーニング済みモデルであり、選択されるトレーニング済みモデルは、特徴データのうちの少なくともいくつかに基づいて判定を行う、条項３５に記載の方法。
４５．コンピュータ実装方法であって、
コンピューティングデバイスを使用して、２つ以上の保守プリファレンスのユーザの相対的優先順位付けを示すユーザ情報を記憶すること、
コンピューティングデバイスを使用して、２つ以上の保守プリファレンスの第１の相対的優先順位付けに基づく第１のモデルと、２つ以上の保守プリファレンスの第２の相対的優先順位付けに基づく第２のモデルとを含む、少なくとも２つのモデルをトレーニングすること、
コンピューティングデバイスを使用して、モデルのうちの１つを、ユーザ情報に基づいて選択されたモデルとして選択すること、
コンピューティングデバイス上の選択されたモデルを使用して、モジュール障害アラートを生成すべきであるかどうかを判定するために評価を実行すること、及び、
モジュール障害アラートを生成すべきであることを評価が判定した場合、モジュールを取り外すべきである旨の指示を、コンピューティングデバイスによって提供すること、又は、
モジュール障害アラートを生成すべきでないことを評価が判定した場合、モジュールをサービス中のままにすべきである旨の指示を、コンピューティングデバイスによって提供すること、
を含む、コンピュータ実装方法。
４６．保守プリファレンスは、出力最大化及び予期せぬダウンタイムの回避である、条項４５に記載のコンピュータ実装方法。
４７．プロセッサに動作を実行させるための実行可能命令を含む非一時的コンピュータ可読記憶媒体であって、命令は、
２つ以上の保守プリファレンスのユーザの相対的優先順位付けを示すユーザ情報を記憶するための命令、
２つ以上の保守プリファレンスの第１の相対的優先順位付けに基づく第１のモデルと、２つ以上の保守プリファレンスの第２の相対的優先順位付けに基づく第２のモデルとを含む、少なくとも２つのモデルをトレーニングするための命令、
モデルのうちの１つを、ユーザ情報に基づいて選択されたモデルとして選択するための命令、
選択されたモデルを使用して、モジュール障害アラートを生成すべきであるかどうかを判定するために評価を実行するための命令、及び、
モジュール障害アラートを生成すべきであることを評価が判定した場合、モジュールは保守手順を受けるべきである旨の指示を提供するための命令、又は、
モジュール障害アラートを生成すべきでないことを評価が判定した場合、モジュールをサービス中のままにすべきである旨の指示を提供するための命令、
を含む、非一時的コンピュータ可読記憶媒体。
４８．保守プリファレンスは、出力最大化及び予期せぬダウンタイムの回避である、条項４７に記載の非一時的コンピュータ可読記憶媒体。
４９．半導体フォトリソグラフィのための光源を保守するためのシステムであって、光源は１つ以上のモジュールを備え、システムは、
２つ以上の保守プリファレンスのユーザの相対的優先順位付けに関するユーザプリファレンスデータを記憶するように適合された、ユーザプリファレンスデータ記憶ユニットと、
１つ以上のモジュールのうちの１つであるモジュールが、モジュールが生成に関与した第１のパルス数に少なくとも部分的に基づく評価によるものであるかどうかを判定するように適合された、評価タイミングユニットと、
２つ以上の保守プリファレンスの第１の相対的優先順位付けに基づく第１のモデル、及び、２つ以上の保守プリファレンスの第２の相対的優先順位付けに基づく第２のモデルを、トレーニングするように適合された、モデルトレーニングユニットと、
モデルのうちの１つを、ユーザプリファレンスデータに基づいて選択されたモデルとして選択するように適合された、モデル選択ユニットと、
評価タイミングユニット及びユーザプリファレンス入力ユニットに応答するように配置され、選択されたモデルを使用してモジュール障害アラートを生成すべきであるかどうかを判定することによって評価を実行するように適合された、２値予測ユニットと、
２値予測ユニットに応答するように配置され、モジュール障害アラートを生成すべきであることを評価が判定した場合、モジュールに対してモジュール障害アラートを生成するように適合された、モジュール障害アラート生成ユニットと、
を備える、システム。
５０．保守プリファレンスは、出力最大化及び予期せぬダウンタイムの回避である、条項４９に記載のシステム。
５１．モジュール障害アラート生成ユニットは、追加として、２値予測ユニットがモジュール障害アラートを生成すべきでないことを判定した場合、肯定的な障害なし指示を生成するように構成される、条項４９に記載のシステム。
[0105] 他の実装は、特許請求の範囲内にある。

Claims (51)

  1. 半導体フォトリソグラフィのための光源を保守する方法であって、前記光源は１つ以上のモジュールを備え、
    前記１つ以上のモジュールのうちの１つであるモジュールが、前記モジュールが生成に関与した第１のパルス数に少なくとも部分的に基づく初期評価によるものであるかどうかを判定すること、
    前記モジュールが第２のパルス数として測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、前記初期評価を実行すること、及び、
    前記モジュールが前記予測増分における障害なしの動作の少なくとも前記最小確率を有さないことを前記初期評価が判定した場合、前記モジュールに対してモジュール障害アラートを生成すること、
    を含む、方法。
  2. 前記モジュールが前記予測増分における障害なしの動作の少なくとも前記最小確率を有することを前記初期評価が判定した場合、前記モジュールをサービス中のままにすること、を更に含む、請求項１に記載の方法。
  3. 前記１つ以上のモジュールのうちの１つであるモジュールが、前記モジュールが生成に関与した第１のパルス数に少なくとも部分的に基づく初期評価によるものであるかどうかを判定することが、前記第１の数が所定のパルス数のパルスマイルストーンに対応するかどうかを評価することを含む、請求項１に記載の方法。
  4. 前記モジュールが前記予測増分における障害なしの動作の少なくとも前記最小確率を有さないことを前記初期評価が判定した場合、前記モジュールに対してモジュール障害アラートを生成することが、前記予測増分の間に、前記モジュールが障害なしに動作する可能性が高いかどうかの２値（真／偽）予測を表現するために、モデルを使用することを含む、請求項３に記載の方法。
  5. 前記モジュールが前記予測増分における障害なしの動作の少なくとも前記最小確率を有さないことを前記初期評価が判定した場合、前記モジュール上で保守動作を実行することを更に含む、請求項１に記載の方法。
  6. 前記保守動作を実行することは、前記モジュールを取り外すことを含む、請求項５に記載の方法。
  7. 前記保守動作を実行することは、前記モジュールを修理することを含む、請求項５に記載の方法。
  8. 前記第１の数は約１００億パルスである、請求項１に記載の方法。
  9. 前記第２の数は約２０億パルスである、請求項１に記載の方法。
  10. 前記第２の数は、時系列年齢又は累積パルスカウントに関して、前記モジュールの年齢に少なくとも部分的に基づいて決定される、請求項１に記載の方法。
  11. 前記モジュールをサービス中のままにした後、
    前記モジュールが、前記モジュールが前記初期評価以降生成に関与した第３のパルス数に少なくとも部分的に基づく追加評価によるものであるかどうかを判定するステップ、
    前記モジュールが第４のパルス数として測定される第２の予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、前記追加評価を実行するステップ、及び、
    前記モジュールが前記第２の予測増分における障害なしの動作の少なくとも前記最小確率を有さないことを前記追加評価が判定した場合、前記モジュールに対してモジュール障害アラートを生成するステップ、又は、
    前記モジュールが前記第２の予測増分における障害なしの動作の少なくとも前記最小確率を有することを前記追加評価が判定した場合、前記モジュールをサービス中のままにするステップ、
    を更に含む、請求項１に記載の方法。
  12. 前記モジュールが前記第２の予測増分における障害なしの動作の少なくとも前記最小確率を有さないことを前記追加評価が判定した場合、前記モジュールを取り外すことを、更に含む、請求項１１に記載の方法。
  13. 前記第３の数は約１億パルスである、請求項１１に記載の方法。
  14. 前記第４の数は約２０億パルスである、請求項１１に記載の方法。
  15. 前記第３の数及び前記第４の数のうちの少なくとも１つが、時系列年齢又は累積パルスカウントに関して、前記モジュールの年齢に少なくとも部分的に基づいて決定される、請求項１に記載の方法。
  16. 前記初期評価を実行することが、モデルを使用することを含む、請求項１に記載の方法。
  17. 前記モデルは解析モデルである、請求項１６に記載の方法。
  18. 前記モデルは、トレーニング済みモデルをトレーニングするために、特徴データを供給することによって、機械学習を介して開発された前記トレーニング済みモデルであり、前記トレーニング済みモデルは、前記特徴データのうちの少なくともいくつかに基づいて前記初期判定を行う、請求項１６に記載の方法。
  19. 前記モジュールは、主発振器チャンバモジュールを備え、前記特徴データは、直前の１億パルスにおけるいくつかの主発振器関連エネルギーバッチ品質事象を含む、請求項１８に記載の方法。
  20. 前記モジュールは、主発振器チャンバモジュールを備え、前記特徴データは、直前の１億パルスにおける平均主発振器エネルギーを含む、請求項１８に記載の方法。
  21. コンピュータ実装方法であって、
    フォトリソグラフィ光源の１つ以上のモジュールのうちの１つであるモジュールが、モジュールが生成に関与した第１のパルス数に少なくとも部分的に基づく初期評価によるものであるかどうかを、コンピューティングデバイスによって判定すること、
    前記モジュールが第２のパルス数として測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、前記コンピューティングデバイスによって前記初期評価を実行すること、及び、
    前記モジュールが前記予測増分における障害なしの動作の少なくとも前記最小確率を有さないことを前記初期評価が判定した場合、前記モジュールを取り外すべきである旨の指示を、前記コンピューティングデバイスによって提供すること、又は、
    前記モジュールが前記予測増分における障害なしの動作の少なくとも前記最小確率を有することを前記初期評価が判定した場合、前記モジュールをサービス中のままにすべきである旨の指示を、前記コンピューティングデバイスによって提供すること、
    を含む、コンピュータ実装方法。
  22. プロセッサに動作を実行させるための実行可能命令を含む非一時的コンピュータ可読記憶媒体であって、前記命令は、
    フォトリソグラフィ光源の１つ以上のモジュールのうちの１つであるモジュールが、前記モジュールが生成に関与した第１のパルス数に少なくとも部分的に基づく初期評価によるものであるかどうかを判定するための命令、
    前記モジュールが第２のパルス数として測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、前記初期評価を実行するための命令、及び、
    前記モジュールが前記予測増分における障害なしの動作の少なくとも前記最小確率を有さないことを前記初期評価が判定した場合、前記モジュールを取り外すべきである旨の指示を提供するための命令、又は、
    前記モジュールが前記予測増分における障害なしの動作の少なくとも前記最小確率を有することを前記初期評価が判定した場合、前記モジュールをサービス中のままにすべきである旨の指示を提供するための命令、
    を含む、非一時的コンピュータ可読記憶媒体。
  23. 半導体フォトリソグラフィのための光源を保守する方法であって、前記光源は１つ以上のモジュールを備え、方法は、
    前記１つ以上のモジュールのうちの１つであるモジュールを評価のために識別すること、
    前記モジュールが第２のパルス数として測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、評価を実行すること、及び、
    前記モジュールが前記予測増分における障害なしの動作の少なくとも前記最小確率を有さないことを前記初期評価が判定した場合、前記モジュールに対してモジュール障害アラートを生成すること、又は、
    前記モジュールが前記予測増分における障害なしの動作の少なくとも前記最小確率を有することを前記初期評価が判定した場合、前記モジュールをサービス中のままにすること、
    を含む、方法。
  24. 前記モジュールが前記予測増分における障害なしの動作の少なくとも前記最小確率を有さないことを前記初期評価が判定した場合、前記モジュールを取り外すことを、更に含む、請求項２３に記載の方法。
  25. 前記第１の数は約１００億パルスである、請求項２３に記載の方法。
  26. 前記第２の数は約２０億パルスである、請求項２３に記載の方法。
  27. 前記評価を実行することは、トレーニング済みモデルをトレーニングするために、特徴データを供給することによって、機械学習を介して開発されたトレーニング済みモデルを使用することを含み、前記トレーニング済みモデルは、前記特徴データのうちの少なくともいくつかに基づいて、前記モジュールが第２のパルス数として測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定する、請求項２３に記載の方法。
  28. 半導体フォトリソグラフィのための光源を保守するためのシステムであって、前記光源は１つ以上のモジュールを備え、前記システムは、
    前記１つ以上のモジュールのうちの１つであるモジュールが、前記モジュールが生成に関与した第１のパルス数に少なくとも部分的に基づく評価によるものであるかどうかを判定するように適合された、評価タイミングユニットと、
    前記評価タイミングユニットに応答するように配置され、前記モジュールが、第２のパルス数として、測定される予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定することによって、前記評価を実行するように適合された、２値予測ユニットと、
    前記２値予測ユニットに応答するように配置され、前記モジュールが、前記予測増分における障害なしの動作の少なくとも前記最小確率を有さないことを前記評価が判定した場合、前記モジュールのためのモジュール障害アラートを生成するように適合された、モジュール障害アラート生成ユニットと、
    を備える、システム。
  29. 前記モジュール障害アラート生成ユニットは、追加として、評価されている前記モジュールが、前記予測増分全体にわたって満足のいくように動作する可能性が高い場合、肯定的な障害なし指示を生成するように構成される、請求項２８に記載のシステム。
  30. 前記２値予測ユニットは、特徴セットから機械学習によって生成されたモデルを備える、請求項２８に記載のシステム。
  31. 前記２値予測ユニットは、特徴データを受信するように配置され、前記モジュールが前記予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、前記特徴データを使用する、請求項２８に記載のシステム。
  32. 半導体フォトリソグラフィのための光源を保守するためのシステムであって、前記光源は１つ以上のモジュールを備え、前記システムは、
    前記１つ以上のモジュールのうちの１つであるモジュールが、パルスカウントに基づいて評価ポイントに到達したときに、評価信号を生成するように適合された、評価タイミングユニットと、
    前記評価信号を受信するように配置され、評価されている前記モジュールが、前記評価信号に応答して、予測増分を構成する後に続くパルス数の全体にわたって、満足のいくように動作する可能性が高いかどうかの２値判定を行うように適合された、２値予測ユニットと、
    前記２値予測ユニットに応答するように配置され、前記２値判定が、前記評価されているモジュールが、前記予測増分全体にわたって満足のいくように動作する可能性が低いことである場合、障害アラートを生成するように適合された、モジュール障害アラート生成ユニットと、
    を備える、システム。
  33. 前記２値予測ユニットは、特徴セットから機械学習によって生成されたモデルを備える、請求項３２に記載のシステム。
  34. 前記２値予測ユニットは、特徴データを受信するように配置され、前記モジュールが前記予測増分における障害なしの動作の少なくとも最小確率を有するかどうかを判定するために、前記特徴データを使用する、請求項３２に記載のシステム。
  35. 半導体フォトリソグラフィのための光源を保守する方法であって、前記光源は１つ以上のモジュールを備え、方法は、
    ２つ以上の保守プリファレンスのユーザの相対的優先順位付けを示すユーザ情報を取得すること、
    前記２つ以上の保守プリファレンスの第１の相対的優先順位付けに基づく第１のモデルと、前記２つ以上の保守プリファレンスの第２の相対的優先順位付けに基づく第２のモデルとを含む、少なくとも２つのモデルをトレーニングすること、
    モジュール障害アラートを生成すべきであるかどうかを判定するために評価を実行することであって、前記評価は、どちらのモデルの相対的優先順位付けが前記ユーザの相対的優先順位付けと最も密接に整合されているかに基づいて、前記少なくとも２つのモデルのうちの１つを使用して実行される、評価を実行すること、及び、
    前記評価が、モジュール障害アラートを生成すべきであることを判定した場合、前記モジュールに対してモジュール障害アラートを生成すること、
    を含む、方法。
  36. どちらのモデルの相対的優先順位付けが前記ユーザの相対的優先順位付けと最も密接に整合されているかに基づいて、前記少なくとも２つのモデルのうちの１つを使用して評価を実行することは、前記ユーザによって選択された前記少なくとも２つのモデルのうちの前記１つを使用して評価を実行することを含む、請求項３５に記載の方法。
  37. 前記保守プリファレンスは、出力最大化及び予期せぬダウンタイムの回避である、請求項３５に記載の方法。
  38. 前記評価がモジュール障害アラートを生成すべきでないことを判定した場合、前記モジュールはサービス中を保つことを示すことを、更に含む、請求項３５に記載の方法。
  39. 前記モジュールが、前記モジュールが生成に関与したパルス数に少なくとも部分的に基づく評価によるものであるかどうかを判定することを、更に含む、請求項３５に記載の方法。
  40. モジュール障害アラートを生成すべきであるかどうかを判定するための評価を実行することは、モジュール障害アラートを生成すべきであるかどうかに関する２値（真／偽）判定を表現するために、前記ユーザの相対的優先順位付けに基づいて少なくとも２つのモデルからモデルを選択することを含む、請求項３５に記載の方法。
  41. 前記評価が、モジュール障害アラートを生成すべきであることを判定した場合、前記モジュール上で保守動作を実行することを更に含む、請求項３５に記載の方法。
  42. 前記保守動作を実行することは、前記モジュールを取り外すことを含む、請求項４１に記載の方法。
  43. 前記保守動作を実行することは、前記モジュールを修理することを含む、請求項４１に記載の方法。
  44. 前記モデルは、前記トレーニング済みモデルをトレーニングするために、特徴データを供給することによって、機械学習を介して開発されたトレーニング済みモデルであり、選択される前記トレーニング済みモデルは、前記特徴データのうちの少なくともいくつかに基づいて前記判定を行う、請求項３５に記載の方法。
  45. コンピュータ実装方法であって、
    コンピューティングデバイスを使用して、２つ以上の保守プリファレンスのユーザの相対的優先順位付けを示すユーザ情報を記憶すること、
    コンピューティングデバイスを使用して、前記２つ以上の保守プリファレンスの第１の相対的優先順位付けに基づく第１のモデルと、前記２つ以上の保守プリファレンスの第２の相対的優先順位付けに基づく第２のモデルとを含む、少なくとも２つのモデルをトレーニングすること、
    コンピューティングデバイスを使用して、前記モデルのうちの１つを、前記ユーザ情報に基づいて選択されたモデルとして選択すること、
    コンピューティングデバイス上の前記選択されたモデルを使用して、モジュール障害アラートを生成すべきであるかどうかを判定するために評価を実行すること、及び、
    モジュール障害アラートを生成すべきであることを前記評価が判定した場合、前記モジュールを取り外すべきである旨の指示を、前記コンピューティングデバイスによって提供すること、又は、
    モジュール障害アラートを生成すべきでないことを前記評価が判定した場合、前記モジュールをサービス中のままにすべきである旨の指示を、前記コンピューティングデバイスによって提供すること、
    を含む、コンピュータ実装方法。
  46. 前記保守プリファレンスは、出力最大化及び予期せぬダウンタイムの回避である、請求項４５に記載のコンピュータ実装方法。
  47. プロセッサに動作を実行させるための実行可能命令を含む非一時的コンピュータ可読記憶媒体であって、前記命令は、
    ２つ以上の保守プリファレンスのユーザの相対的優先順位付けを示すユーザ情報を記憶するための命令、
    前記２つ以上の保守プリファレンスの第１の相対的優先順位付けに基づく第１のモデルと、前記２つ以上の保守プリファレンスの第２の相対的優先順位付けに基づく第２のモデルとを含む、少なくとも２つのモデルをトレーニングするための命令、
    前記モデルのうちの１つを、前記ユーザ情報に基づいて選択されたモデルとして選択するための命令、
    前記選択されたモデルを使用して、モジュール障害アラートを生成すべきであるかどうかを判定するために評価を実行するための命令、及び、
    モジュール障害アラートを生成すべきであることを前記評価が判定した場合、前記モジュールは保守手順を受けるべきである旨の指示を提供するための命令、又は、
    モジュール障害アラートを生成すべきでないことを前記評価が判定した場合、前記モジュールをサービス中のままにすべきである旨の指示を提供するための命令、
    を含む、非一時的コンピュータ可読記憶媒体。
  48. 前記保守プリファレンスは、出力最大化及び予期せぬダウンタイムの回避である、請求項４７に記載の非一時的コンピュータ可読記憶媒体。
  49. 半導体フォトリソグラフィのための光源を保守するためのシステムであって、前記光源は１つ以上のモジュールを備え、前記システムは、
    ２つ以上の保守プリファレンスのユーザの相対的優先順位付けに関するユーザプリファレンスデータを記憶するように適合された、ユーザプリファレンスデータ記憶ユニットと、
    前記１つ以上のモジュールのうちの１つであるモジュールが、前記モジュールが生成に関与した第１のパルス数に少なくとも部分的に基づく評価によるものであるかどうかを判定するように適合された、評価タイミングユニットと、
    前記２つ以上の保守プリファレンスの第１の相対的優先順位付けに基づく第１のモデル、及び、前記２つ以上の保守プリファレンスの第２の相対的優先順位付けに基づく第２のモデルを、トレーニングするように適合された、モデルトレーニングユニットと、
    前記モデルのうちの１つを、前記ユーザプリファレンスデータに基づいて選択されたモデルとして選択するように適合された、モデル選択ユニットと、
    前記評価タイミングユニット及び前記ユーザプリファレンス入力ユニットに応答するように配置され、前記選択されたモデルを使用してモジュール障害アラートを生成すべきであるかどうかを判定することによって前記評価を実行するように適合された、２値予測ユニットと、
    前記２値予測ユニットに応答するように配置され、モジュール障害アラートを生成すべきであることを前記評価が判定した場合、前記モジュールに対して前記モジュール障害アラートを生成するように適合された、モジュール障害アラート生成ユニットと、
    を備える、システム。
  50. 前記保守プリファレンスは、出力最大化及び予期せぬダウンタイムの回避である、請求項４９に記載のシステム。
  51. 前記モジュール障害アラート生成ユニットは、追加として、前記２値予測ユニットがモジュール障害アラートを生成すべきでないことを判定した場合、肯定的な障害なし指示を生成するように構成される、請求項４９に記載のシステム。
JP2023553968A 2021-03-17 2022-02-24 半導体フォトリソグラフィで使用される光源のためのモジュールの保守 Pending JP2024512352A (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US202163162249P 2021-03-17 2021-03-17
US63/162,249 2021-03-17
US202163188020P 2021-05-13 2021-05-13
US63/188,020 2021-05-13
PCT/US2022/017725 WO2022197415A1 (en) 2021-03-17 2022-02-24 Maintenance of modules for light sources used in semiconductor photolithography

Publications (1)

Publication Number Publication Date
JP2024512352A true JP2024512352A (ja) 2024-03-19

Family

ID=80685017

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023553968A Pending JP2024512352A (ja) 2021-03-17 2022-02-24 半導体フォトリソグラフィで使用される光源のためのモジュールの保守

Country Status (5)

Country Link
US (1) US20240152063A1 (ja)
JP (1) JP2024512352A (ja)
KR (1) KR20230158043A (ja)
TW (2) TW202422242A (ja)
WO (1) WO2022197415A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024161222A1 (en) * 2023-01-30 2024-08-08 Cymer, Llc Processes for maintenance of modules of light sources in semiconductor photolithography

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7835414B2 (en) * 2007-02-26 2010-11-16 Cymer, Inc. Laser gas injection system
JP6204363B2 (ja) * 2012-09-07 2017-09-27 ギガフォトン株式会社 レーザ装置及びレーザ装置の制御方法
US10345714B2 (en) * 2016-07-12 2019-07-09 Cymer, Llc Lithography optics adjustment and monitoring
WO2020161865A1 (ja) * 2019-02-07 2020-08-13 ギガフォトン株式会社 機械学習方法、消耗品管理装置、及びコンピュータ可読媒体

Also Published As

Publication number Publication date
US20240152063A1 (en) 2024-05-09
KR20230158043A (ko) 2023-11-17
TW202244633A (zh) 2022-11-16
WO2022197415A1 (en) 2022-09-22
TWI835082B (zh) 2024-03-11
TW202422242A (zh) 2024-06-01

Similar Documents

Publication Publication Date Title
US11461675B2 (en) Methods of modelling systems or performing predictive maintenance of systems, such as lithographic systems and associated lithographic systems
KR102149866B1 (ko) 리소그래피 시스템들과 같은 시스템들을 모델링하거나 시스템들의 예측 유지보수를 수행하는 방법들, 및 연계된 리소그래피 시스템들.
JP7258028B2 (ja) リソグラフィシステムのメインテナンス管理方法、メインテナンス管理装置、及びコンピュータ可読媒体
US11687007B2 (en) Method for decision making in a semiconductor manufacturing process
JP7428667B2 (ja) 機械学習方法、消耗品管理装置、及びコンピュータ可読媒体
JP2024512352A (ja) 半導体フォトリソグラフィで使用される光源のためのモジュールの保守
EP3693795A1 (en) Method for decision making in a semiconductor manufacturing process
CN116997864A (zh) 对用于半导体光刻的光源的模块的维护
WO2021197730A1 (en) Method for determining an inspection strategy for a group of substrates in a semiconductor manufacturing process
KR20240117562A (ko) 반도체 포토리소그래피에서 광원을 위한 모듈의 유지보수
EP3910417A1 (en) Method for determining an inspection strategy for a group of substrates in a semiconductor manufacturing process
EP4453657A1 (en) Maintenance of modules for light sources in semiconductor photolithography

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231107