JP4615222B2 - ライン末端データマイニングとプロセスツールデータマイニングとの相関 - Google Patents

Description

本発明の１つ又はそれ以上の実施の形態は、ライン末端データマイニングとプロセスツールデータマイニングとの相関に関する。

半導体デバイス製造は、市場の回路密度増加に対する要求が増すにつれてより複雑になってきている。例えば、典型的な製造プロセスは、単結晶シリコン（ここでは、ウェハ又は基板という）のスライスで始まり、約300から約500の個々の製造ステップで処理して、各ウェハ上に多くの個々のデバイスを作る。更に、回路密度が増すにつれて、ライン幅は小さくなり、半導体製造において新しい技術と材料が使用される。例えば、銅プロセスは0.18μｍ技術から、0.13μｍ技術へ移動している。更に、銅シードと電気鍍金が出現し、新しい低ｋフィルムの使用が困難であり、0.13ｕｍ構造を満たす必要性から、300ｍｍウェハへの移行により、現在のハードルは簡単ではない。

この結果、処理又は汚染によりもたれされるものであっても、欠陥を減らすことが、ますます重要になり、欠陥を克服する1つの需要な要因は、時間とルートの原因(time-to-root-cause)である。欠陥をモニターし、欠陥の密度を連続的に減らすため、半導体デバイス製造者は、欠陥データ管理ソフトウェアと欠陥検知装置を使用する。更に、半導体製造プロセスの各新しい世代は、プロセスのモニターと改善をサポートするため、より詳細なデータを要求する。次に、ウェハ処理においては、データの豊富さにより、データ記憶装置、データ集積化、データ解析、データ自動化のトレンドがある。

最近２、３年で、ウェハが処理されている時間の間にある半導体ウェハ処理ツールの動作条件を記録するように設計されたデータ抽出システムの展開にかなりの量の投資がされた。この時間ベースの処理ツールデータは、進んだ工場で、ウェハ処理ツールのある部分に使用できるが、製造されるデバイス（ここでは、集積回路又はＩＣという）に対するツールの性能を最適化するためデータを使用することは制限されていた。この制限は、少なくとも一部は、デバイス性能データがどのように表現されるかと、処理ツールの一時的データがどのように表現されるかということとが、分断されているためである。例えば、ＩＣ上のデータ測定は、ウェハのあるバッチ（ロットという）、又はあるウェハ、又はウェハ上のＩＣのある部分集合と、必然的に関連付けられている。しかし、処理ツール一時的データからのデータ測定は、ウェハ処理中の特定の時間における処理ツール内の別個の動作条件として表現される。例えば、工場の処理ツールが分離したチャンバを有すれば、あるウェハが処理ツールのチャンバ内にある間、チャンバ圧力は、各ミリ秒毎に記録されてもよい。この例では、任意の与えられたウェハについてのチャンバ圧力データは、数千の独自の測定として記録される。プロセスツールの一時的データを別個のデータメトリクスに「組合わせる(merging)」のが困難なので、プロセスツールの一時的データを工場の効率を最適化する手段として使用するのが制限される。

今日多くの歩留まり向上と向上効率改善をモニターする努力は、低歩留まりウェハを識別するライン末端機能試験データと、ＩＣを製造するのに使用される特定の工場処理ツールの間の相関を見出すことに向けられてきた。このような解析のゴールは、低歩留まりをおこす疑いのある個々の処理ツールを識別し、歩留まりの技術者がツールは「適正に」動作していることを確かめるまでそれ（それら）を工場の処理フローから除くか、又はウェハが製造されるとき、必要によりツールの性能を修正することである。これらのタスクを行うのにデータマイニングを使用することはよく知られている。（これらの種類の相関活動はまた、新しい技術で歩留まりのランプ(ramp)を明らかにするのに重要な役割を果たしえる。）これらの種類の相関活動は単調で時間がかかる。その理由は、(a)膨大な量のデータが発生し、(b)解析のため集積化するのに時間がかかるからである。しばしば、信号を見つけるまで試行錯誤することがある。更に、これらの活動は、典型的にはプロセスツールがより良く作動するようにできる十分な情報を提供しない。その結果、ユーザーは、典型的には、問題が識別された後に調整する即ち調節するのに努力するよりも、問題を識別するのにより多くの時間を使う。

上述のことから、上述した問題の１つ又はそれ以上を解決する方法と装置の必要性がある。

本発明の１つ又はそれ以上の実施の形態が、上述の問題を解決する。特に、本発明の１実施の形態は、プロセスツール最適化システムであって、(a)ライン末端歩留まりデータを解析し、低歩留まりと関連する１つ又はそれ以上のプロセスツールを識別し、(b)前記解析からの出力に応答して、前記１つ又はそれ以上のプロセスツールからのプロセスツールデータを解析し、前記低歩留まりと関連する１つ又はそれ以上のプロセスツールパラメータを識別するデータマイニングエンジンを備える。

図１は、本発明の１実施の形態により製造されたプロセスツール最適化システム1000を示す。良く知られているように、半導体ウェハ即ち基板にデバイス（ここでは、集積回路又はＩＣという）が製造された後、多くの機能試験、電気試験が行われ（例であり、限定するものではない）、デバイスが設計仕様に従って作動するか決める。図１に示すように、当業者に知られている任意の方法に従って、このような機能試験の結果が（即ち、機能試験装置からの機能試験結果出力を収集）、ファブワイド(複数工程連携、fab-wide)ライン末端(end-of-line)歩留まり向上データベース140に記憶される。このような機能試験を行う機能試験装置と機能試験方法の所定の一続きは、当業者に良く知られている。本発明の実施の形態は、半導体ウェハ上にデバイスを製造するのに使用することに限定されず、他の材料、例えばガラス基板又はシリカ等（例であり限定されない）の材料上にデバイスを製造するのにも使用できる。

更に図１に示すように、ライン末端歩留まり向上データマイニングエンジン150が、ファブワイドライン末端歩留まり向上データベース140に記憶されたデータを検索し、データを解析して、(a)低歩留まりウェハを識別し、(b)低歩留まりウェハを(i)個々のプロセスツール、又はプロセスツールのグループ、(ii)一時的イベント、(iii)プロセスとデバイスの設計、(iv)その他と相関させる。ここで使用する低歩留まりとは、所定の量より下になる歩留まり、又は特定のデバイスパラメータの制御限界又は境界の外になる測定値を言う。良く知られているように、データマイニングは、データ（典型的には多数のセットの）にパターンを見つけ、１つ又はそれ以上の従属変数の挙動を説明するのを助けるのに使用できる良く知られた方法論の種類である。知られているように、データマイニングは、試験される事前に考えられたモデルはないという点で、少なくとも幾つかのモデリング方法とは異なる。むしろ、説明変数のプリセット範囲を使用して、モデルを見つける必要がある。一般に、これらの変数は、色々の異なるデータのタイプを有し、異常値と欠測値データを含む。モデルに含めるべき幾つかの変数は、高度の相関があるかもしれず、基礎となる関係は、非線形で、相互作用を含むかもしれない。

更に知られているように、データマイニングという言葉は、多数の異なる解析技術と関連付けられてきた。幾つかの技術は伝統的な統計学を使用し、他は、ニューラルネット、アソーシエーションルール、Bayesianネットワーク、判断トリー等の技術を使用する。しかし、全ての場合、目的はモデルを確立して、１セットの観察から応答の変化を説明することであり、また遭遇した新しいデータに対する応答を正確に予測することである。大量のデータをモデル化する必要があり、統計的方法を使用するには物理的モデルは十分に知られていないとき、ニューラルネットモデルは有用である。このアプローチの１つの不利な点は、モデルパラメータの物理的解釈をするのが困難なことである。また、モデルの予測される結果は、使用したトレーニングセットの範囲に限定される。Bayesianネットワークでは、ネットワークのノードは測定された変数なので、ニューラルネットワークより物理的である。しかし、ネットワークから物理的モデルの要素を抽出すること、又はそこに具現化された関係を有効に視覚化することは、依然として難しい。ニューラルネットワークと異なり、Bayesianネットワークは、新しい関係を見出すのに使用できる。アソーシエーションルールは、データ内の一致のパターンを探すのに使用するルールである。例えば、欠点ロット（即ち、ウェハのグループ）が、プロセスツール（例えば、蒸着プロセスツールとエッチングプロセスツールの組合わせ）の色々の組合わせをどのくらい頻繁に通るかである。アソーシエーションルール解析は、挙動のパターンを見出すのには有効であるが、予測モデルを作るのではない。判断トリーは、挙動の階層的モデルを作る解析的ツールである。トリーは、変数を含むベストルールに基づいて、どの変数が応答の殆どの変数を説明するか、繰り返し評価することにより設立される。判断トリーは、関係が知られていず、広い分類別の分類を作る必要があるとき有用である。これらは、連続的変数の正確な予測をする必要があるときは、有用ではない。

ライン末端歩留まり向上データマイニングエンジン150からの出力は、低歩留まりと相関がありそうに見える１つのプロセスツール、又はプロセスツールの組合わせを識別する。従来技術の方法に従えば、このデータは、メンテナンス要員に注目され、次に、メンテナンス要員は、歩留まりを改善するため、識別されたツールを修理しようとし、又は少なくともトラブルシュートする。しかし、本発明の１実施の形態では、図１に示すように、ライン末端歩留まり向上データマイニングエンジン150からの出力は、プロセスツールデータマイニングエンジン130への入力として適用される。ライン末端歩留まり向上データマイニングエンジン150は、当業者に知られている多数の方法の任意の１つに従うソフトウェアアプリケーションとして作られてもよい。例えば、ライン末端歩留まり向上データマイニングエンジン150は、(a)インターネット又はイーサネット（登録商標）等のネットワーク経由で（例えば、ファブワイドライン末端歩留まり向上データベース140から）データにアクセスし、(b)ネットワーク経由で（例えば、プロセスツールデータマイニングエンジン130へ）データを送信する、ウェブベースのソフトウェアアプリケーションとして作られてもよい。

図１に示すように、エッチングプロセスツール100が、ウェハを処理し、ウェハは測定／検出システム110に渡され、化学蒸着（ＣＶＤ）プロセスツール200が、ウェハを処理し、ウェハは測定／検出システム210に渡される。エッチングプロセスツール100とＣＶＤプロセスツール200は、その出力が本発明の１つ又はそれ以上の実施の形態に従って解析されるプロセスツールの代表的な例にすぎない。ウェハが、エッチングプロセスツール100により処理されると、処理出力データは、スマートシス(SMARTSys)ツール120により収集され、ウェハがＣＶＤプロセスツール200により処理されると、処理出力データは、スマートシスツール220により収集される。スマートシスツールは、カリフォルニア州サンタクララのアプライドマテリアルズ社が製造するデータ収集解析ツールであり、プロセスツールのプロセス制御パラメータをモニターする。更に、スマートシスツールは、条件が、プロセスツールの最適範囲のモデルと適合する値から外れているかどうかを検出するアプリケーションを備える。例えば、スマートシスツールの1つ実施の形態は、プロセスツールの性能を最適化するため、プロセスツールの「ヘルス」指標(即ち、インディケーター)を評価する「装置ヘルスモニター及び欠点検出」アプリケーションを備える。装置ヘルスモニター及び欠点検出アプリケーションは、予測される挙動の履歴ベース、多変量ベースモデルと、幾つかの所定の変数間の相互作用を使用してこれを行う。これらの変数には、装置機能パラメータ及び／又はプロセスパラメータを含むことができる。（装置機能パラメータ及びプロセスパラメータは、後者の装置レベルデータと、処理チャンバデータを含む。）例えば、装置機能パラメータはロボット位置を含み、プロセスパラメータは温度、真空圧、ＲＦ振幅、ガス流を含む。スマートシスツールは、所定のインディケーターをモニターし、条件が予測した挙動のモデルの最適範囲から外れているかどうか検出する。このように、これらの所定のインディケーターは、境界外のプロセスの挙動を予測することにより、ウェハの損失を防止するのを助ける。スマートシスツールは、またデータをリアルタイムで収集し、記憶し、表示し、プロセスマトリックスとアラームは正確であることを保証する。

図１に示すように、エッチングプロセスツール100とＣＶＤプロセスツール200により処理されたウェハは、それぞれ測定／検出システム110と210へ渡される。測定／検出システム110と210は、(a)１つ又はそれ以上のパラメトリック計測ツール、(b)１つ又はそれ以上の検査ツール、(c)１つ又はそれ以上の見直しシステム、(d)欠陥ソース識別器、(e)プロセス知識ライブラリ（ＰＫＬ）のうち、１つ又はそれ以上を備える。知られているように、計測及び検査ツールは、測定データと欠陥測定データを作り、これはプロセスツールとデバイスパラメータを確認するため使用される。又、知られているように、欠陥見直しシステムは、検査ツールで作られたデータを解析し、欠陥のソースを示すデータを提供する。欠陥ソース識別器は、カリフォルニア州サンタクララのアプライドマテリアルズ社から入手できる装置であり、計測データ、検査データ、見直しデータ、履歴欠陥データを解析し、欠陥のソースを決める、又は決める助けを与える。最後に、ＰＫＬは、アプリケーション、例えば当業者に知られている多数の方法の任意の１つに従って製造できるソフトウェアアプリケーションであり、欠陥と、このような欠陥の関係する限度外プロセスパラメータに関する特定の相関アクションとの特別の知識を与える。例えば、ＰＫＬは、ＲＦ出力の特定の値が、特定のデバイスの設計に対して問題があると注意するかもしれない。

更に図１に示すように、プロセスツールデータマイニングエンジン130は、スマートシス(SMARTSys)ツール120とスマートシスツール220にアクセスし、そこに記憶されているデータの少なくとも一部を得る。更に、プロセスツールデータマイニングエンジン130は、測定／検出システム110と測定／検出システム210にアクセスし、そこに記憶されているデータの少なくとも一部を得る。プロセスツールデータマイニングエンジン130が得たデータのセットは、ライン末端歩留まり向上データマイニングエンジン150から受けた入力と、おそらく歩留まり技術者等のユーザーからの入力に応答して決定される。例えば、ライン末端歩留まり向上データマイニングエンジン150からの入力と、ユーザーからの入力は、低歩留まりと相関すると識別された１つ又はそれ以上のプロセスツールを示してもよい。このようなライン末端歩留まり向上データマイニングエンジン150からの入力は、低歩留まりが相関する特定の時間を示すかもしれない。応答して、プロセスツールデータマイニングエンジン130は、（例えば、プロセスツールと関連するスマートシスツールにアクセスすることにより）関連するプロセスツールから示された時間に対するプロセス情報にアクセスし、また（例えば、測定／検出システム110及び／又は測定／検出システム210等にアクセスすることにより）関連するシステム内の関連する計測、検査、見直しデータにアクセスする。

更に、特定の種類のデータが上述したように自動的に得られなければ、例えば、ユーザー入力により、又はデータ位置の事前に作った指示を与えることによりファイルとして供給することができる。更に、システム構成により、当業者に知られている任意の方法の１つに従って、所定のデータがどこに記憶されているか示すマップ（例えば、プロセスツール及び関連するスマートシスツールのマップ）を得てもよい。従って、新しい故障に会うとき、プロセスツールデータマイニングエンジン130は、他のオートメーション構成部品と計測ツールに、質問し、原因らしいものを示唆するのに必要なデータを収集する。更に、プロセスツールデータマイニングエンジン130は、当業者に知られている多数の方法の任意の１つに従うソフトウェアアプリケーションとして作られてもよい。例えば、プロセスツールデータマイニングエンジン130は、(a)インターネット又はイントラネット等のネットワーク経由で（例えば、スマートシスツール120、スマートシスツール220、測定／検出システム110、測定／検出システム210から）データにアクセスし、(b)後述するようにネットワーク上へデータを出力する、ウェブベースのソフトウェアアプリケーションとして作られてもよい。

本発明の１つ又はそれ以上の実施の形態によれば、プロセスツールデータマイニングエンジン130は、データマイニングを行い、プロセス内ツール関連歩留まりインパクト信号を出し、歩留まりインパクト信号160をプロセス最適化エンジン170へ出力し、及び／又は特定のデバイスの欠陥と限度外プロセスパラメータの相関を、影響を受けたプロセスツールと関連する測定／検出システム（例えば、測定／検出システム110又は210）内のＰＫＬに、例えばネットワークから与える。従って、プロセスツールデータマイニングエンジン130は、ライン末端歩留まりを、例えば圧力、温度、ＲＦ振幅、ガス流等の特定のプロセスツールパラメータに相関させる。このデータマイニングを行うに当たって、プロセスツールデータマイニングエンジン130は、(a)ライン末端歩留まり向上データマイニングエンジン150により低歩留まりと相関すると識別されたプロセスツールからのデータ、(b)ある例では、低歩留まりと相関すると識別されなかったプロセスツールからのデータ（例えば比較の目的で）、(c)プロセスツールからの履歴データ、を使用することができる。プロセスツールデータマイニングエンジン130からの出力（即ち、歩留まりインパクト信号160）は、少なくとも識別されたプロセスツールについて、低歩留まりと関連するプロセスツールパラメータを識別するであろう。歩留まりインパクト信号160、即ち故障の前兆は、プロセス最適化エンジン170への入力として適用される。又は、それらはプロセスツールデータマイニングエンジン130から、プロセス最適化エンジン170によりアクセスされてもよい。

データマイニングは、当業者により知られている多くの方法の任意の１つに従って、プロセスツールデータマイニングエンジン130により行われてもよい。例えば、次のデータマイニングを行うことについての次のことは良く知られており、心にとめてもよい。データマイニングは、データの有用性、合理的に効率的なアクセス方法、データ問題への合理的な頑強性、合理的に効率的なアルゴリズム、合理的に高い性能のアプリケーションサーバー、結果を渡すことの柔軟性、を要求する。色々のデータマイニング方法のデータ問題に対する感度は、アプリケーションのための製品又は方法を選択するとき考慮しなければならない。特に、問題となるデータ問題は、ギャップや通常の観察の範囲を超えた測定によるもの、いわゆる異常値である。データマイニング方法は、欠測データに対する頑強性を有するが、ギャップを避けることができれば、結果は改善される。しかし、異常値は殆どの現実のデータのセットには存在する。非パラメトリック方法（即ち、基礎となる分布の正常性には頼らない）を使用するデータマイニングアルゴリズムは、異常値に対しより感度が低い。解析の前にデータを「クリーニング」することにより、異常値による擬似信号を避けることができる。対話式の使用では、ダイヤグラムと対話して基礎となる図の関係を視覚化する能力と共に、出力をダイヤグラムに届ければ十分であろう。

図１に示すように、プロセス最適化エンジン170は、エキスパートシステム等の知識ベースシステムであり、歩留まりインパクトパラメータ160を１組のルールとして使用し、このルールにより、最適化プロセスをガイドする当業者に知られている多数の方法の任意の１つに従って階層的知識システムを作る。例えば、歩留まりインパクト信号160がエッチングプロセスツール100の圧力を備えるなら、プロセス最適化エンジン170は、フィードバック情報をスマートシスツール120へ出力し、エキスカーションのため、プロセス圧力をモニターする。モニタープロセスは、エキスカーションを識別し、ユーザーは歩留まりを増す訂正アクションをとることができる。例えば、このような訂正は、(a)修正プロセスレシピの使用の形式の自己修理、(b)製造プロセスを損傷する前の適切なシャットダウン、及び／又は(c)予防的メンテナンス（ＰＭ）、の形をとることができる。本発明の１つ又はそれ以上の実施の形態に従えば、データマイニングは次のステップを示唆するエキスパートシステムのような診断ルールを導出し、故障をより効率的に分離することができる。例えば、ＰＭは、磨耗と裂けの影響を予測し、パーツが故障してプロセスを損傷する前にパーツを交換する。ＰＭの頻度と空間的ＰＭは、しばしばプロセスに依存し、行われるレシピは変化する。例えば、レシピの変化と、変化直後のプロセス性能との間には、相互作用があるかもしれない。この種の影響は、半導体装置供給業者には予測しテストするのが困難である。しかし、これらは、プロセスツールを使用すると、半導体デバイス製造者の成功に大きな影響があるかもしれない。

更に、ファブ(fab)内には変数となる多くの要因があり、これらの要因は時間と共に変化すると予測されるので、この変数が処理ステップの間に絶えず変化を生じることを認識すべきである。それゆえ、単一の範囲外の出来事を訂正することは、ライン全体の恒久的な最適化の解を与えることにならない。言い換えると、プロセスはダイナミックであり、絶えずモニターし、訂正するアクションを要求する。更に、プロセスのラインに新しいデバイスが導入されると、全体のラインが、生産の導入と増産の間その歩留まりを最適化する必要がある。本発明の１つ又はそれ以上の実施の形態を使用するに当たって、プロセスのドリフトは検出されるだけでなく、プロセス訂正をプロセスフローに戻すことにより、修正することができる。従って、本発明の１つ又はそれ以上の実施の形態は、いったん配置されると、導入時も改善されてからも、プロセスツールの生産性を増加させることができる。

図１の実施の形態では、スマートシスツール120と220の各々が、プロセスツールデータマイニングエンジン130に直接情報を送るが、他の実施例では、他のシステム、例えばサーバーが存在し、スマートシスツールと他のシステム、及び／又はアプリケーションの間の相互作用のための、コーディネーター、及び／又は中心点として作用する。このような実施の形態では、このようなサーバーを通って、プロセスツールデータマイニングエンジン130に、情報が向けられてもよい。

同様に、図１の実施の形態では、測定／検出システム110と210の各々が、データマイニングエンジン130に直接情報を送るが、他の実施例では、他のシステム、例えばサーバーが存在し、測定／検出システムと他のシステム、及び／又はアプリケーションの間の相互作用のための、コーディネーター、及び／又は中心点として作用する。このような実施の形態では、このようなサーバーを通って、プロセスツールデータマイニングエンジン130に、情報が向けられてもよい。更に、図１では、ウェハはエッチングプロセスツール100から測定／検出システム110へ送られ、ウェハはＣＶＤプロセスツールから測定／検出システム210へ送られるが、他の実施の形態では、色々のプロセスツールから出たウェハは、同じ測定／検出システムへ送られる。更に、上述したように、測定／検出システムは幾つかの異なるシステムを備えてもよい。図１は、測定／検出システムとプロセスツールデータマイニングエンジン130の間の単一の通信経路を示すが、他の実施の形態では、測定／検出システムを備える個々のシステムと、プロセスツールデータマイニングエンジン130の間に複数の通信経路があってもよい。(又は、サーバー等の他のシステムの間に複数の通信経路があってもよく、これは測定／検出システムと他のシステム、及び／又はアプリケーションの間の相互作用のための、コーディネーター、及び／又は中心点として作用する。)

図１は、ライン末端歩留まり向上データマイニングエンジン150がプロセスツールデータマイニングエンジン130へ情報を転送する通信経路を示すが、他の実施の形態では、情報は、例えばライン末端歩留まり向上データベース140又はサーバー内のネットワークのノードに記憶され、プロセスツールデータマイニングエンジン130は、当業者に知られる多数の方法の任意の１つに従って、ノードからの情報にアクセスする。同様に、図１は、システムとツールの間の色々の通信経路を示すが、他の実施の形態では、これらの通信経路の幾つか又は全ては、当業者に知られる多数の方法の任意の１つに従って、ネットワークノード、及び／又はサーバーの間に起こる。

図１の実施の形態では、プロセスツールデータマイニングエンジン130と、ライン末端歩留まり向上データマイニングエンジン150は、別のハードウェア上を走る別個のアプリケーションであるが、他の実施の形態では、これらは同じハードウェア上を走る。更に他の実施の形態では、これらは、異なるアルゴリズムを有するプロセス（異なるときに、異なるデータのセットを処理してもよい）を実行する同じアプリケーション(例えば、データマイニングエンジンアプリケーション)である。

当業者は、前述の記述は、例示と記述のためであることを理解するであろう。本発明を個々に記述した形に限定する意図はない。例えば、システム、及び／又はアプリケーション、及び／又はツールの間で、情報が転送されたと記載されていれば、ネットワークのノード、サーバー等の介在するものによって、直接転送又は送信する実施の形態と、直接的でなく転送又は送信する実施の形態とが含まれる。

本発明の１実施の形態によるプロセスツール最適化システムのブロック線図である。

Claims (14)

1. １つ又はそれ以上のプロセスツールにより基板を処理する製造システム用のプロセスツール最適化システムであって、
   前記プロセスツールの少なくとも１つからプロセス情報を受取るように接続されたプロセスツールデータマイニングエンジンを備え、前記プロセスツールデータマイニングエンジンは、低歩留まりと関連するプロセスツールの故障の前兆である歩留まりインパクト信号を出力し、
   前記プロセスツールデータマイニングエンジンから前記歩留まりインパクト信号を受取るように接続されたプロセス最適化エンジンと、
   前記プロセスツールデータマイニングエンジンに、低歩留まりと関連するプロセスツールを識別する出力データを与えるため接続されたライン末端データマイニングエンジンをと備え、
   前記プロセスツールデータマイニングエンジンは、前記ライン末端データマイニングエンジンからの出力に応答して、前記歩留まりインパクト信号を出力し、
   プロセスツールの故障の前兆である前記歩留まりインパクト信号を受取ることに応答し、前記プロセス最適化エンジンは、故障する前に交換すべき部品を識別する
   ことを特徴とするプロセスツール最適化システム。
2. 前記ライン末端データマイニングエンジンと、前記プロセスツールデータマイニングエンジンとは、別個のハードウェア上を走る別個のアプリケーションである請求項１に記載のシステム。
3. 前記ライン末端データマイニングエンジンと、前記プロセスツールデータマイニングエンジンとは、同じハードウェア上を走るそれぞれのアプリケーションである請求項１に記載のシステム。
4. 前記ライン末端データマイニングエンジンと、前記プロセスツールデータマイニングエンジンとは、同じデータマイニングエンジンである請求項１に記載のシステム。
5. １つ又はそれ以上のプロセスツールにより基板を処理する工場のプロセスフローの歩留まりを最適化するためのプロセスツール最適化システムであって、
   前記プロセスツールの少なくとも１つからプロセス情報を受取るように接続されたプロセスツールデータマイニングエンジンを備え、前記プロセスツールデータマイニングエンジンは、低歩留まりと関連するプロセスツールパラメータを識別する歩留まりインパクト信号を出力し、
   前記プロセスツールデータマイニングエンジンから前記歩留まりインパクト信号を受取るように接続され、少なくとも１つの前記プロセスツールにフィードバック信号を出力するように接続されたプロセス最適化エンジンと、
   前記プロセスツールデータマイニングエンジンに、低歩留まりと関連するプロセスツールを識別する出力データを与えるように接続されたライン末端データマイニングエンジンとを備え、
   前記プロセスツールデータマイニングエンジンは、前記ライン末端データマイニングエンジンにより与えられる出力データに応答して、前記歩留まりインパクト信号を出力し、
   前記プロセスツールによる処理ステップの間いつも、前記プロセスツールデータマイニングエンジンと、前記プロセス最適化エンジンとは、前記プロセスフローにプロセス訂正をフィードバックすることにより、モニターと訂正アクションを実行する
   ことを特徴とするプロセスツール最適化システム。
6. １つ又はそれ以上のプロセスツールにより基板を処理する製造システム用のプロセスツール最適化システムであって、
   １つ又はそれ以上のプロセスツールを備え、各プロセスツールは、前記プロセスツールにより基板を処理するとき、リアルタイムでプロセスデータを収集し記憶するデータ収集ツールを含み、
   前記データ収集ツールから前記プロセスデータにアクセスするように接続されたプロセスツールデータマイニングエンジンと、
   前記プロセスツールデータマイニングエンジンに、低歩留まりと関連するプロセスツールを識別する出力データを与えるため接続されたライン末端データマイニングエンジンとを備え、
   前記プロセスツールデータマイニングエンジンは、前記ライン末端データマイニングエンジンからの前記出力データに応答して、前記データ収集ツールの中からどのプロセスデータにアクセスするか決定し、
   前記製造システムの故障に応答して、前記プロセスツールデータマイニングエンジンは、前記データ収集ツールの１つに記憶された前記プロセスデータの中から故障と関連付けられるプロセスデータにアクセスする
   ことを特徴とするプロセスツール最適化システム。
7. 前記１つ又はそれ以上のプロセスツールは、別個の第１、第２のプロセスツールを備え、その各々が別個の第１、第２のデータ収集ツールを備える請求項６に記載のシステム。
8. 基板を処理するプロセスツールのためのプロセスツール最適化システムであって、
   ライン末端歩留まりデータを解析し、低歩留まりと関連する１つ又はそれ以上のプロセスツールを識別するライン末端データマイニングエンジンと、
   前記１つ又はそれ以上のプロセスツールからプロセスツールデータを受取るように接続され、前記基板の処理中はいつも、前記ライン末端データマイニングエンジンからの出力に応答して、前記１つ又はそれ以上のプロセスツールからのプロセスツールデータを解析し、前記低歩留まりと関連する１つ又はそれ以上のプロセスツールパラメータを識別するプロセスツールデータマイニングエンジンと、を備える
   ことを特徴とするプロセスツール最適化システム。
9. 前記プロセスツールパラメータは、１つ又はそれ以上の装置機能パラメータを含む請求項５又は８に記載のシステム。
10. 前記プロセスツールパラメータは、１つ又はそれ以上のプロセスパラメータを含む請求項５又は８に記載のシステム。
11. 前記プロセスツールパラメータは、圧力、温度、ＲＦ振幅、ガス流のうち少なくとも１つを含む請求項５又は８に記載のシステム。
12. 前記ライン末端データマイニングエンジンと、前記プロセスツールデータマイニングエンジンとは、別個のハードウェア上を走る別個のアプリケーションである請求項５、６、８のいずれか１項に記載のシステム。
13. 前記ライン末端データマイニングエンジンと、前記プロセスツールデータマイニングエンジンとは、同じハードウェア上を走るそれぞれのアプリケーションである請求項５、６、８のいずれか１項に記載のシステム。
14. 前記ライン末端データマイニングエンジンと、前記プロセスツールデータマイニングエンジンとは、同じデータマイニングエンジンである請求項５、６、８のいずれか１項に記載のシステム。

Images