JP4874678B2 - 半導体製造装置の制御方法、および半導体製造装置の制御システム - Google Patents

Description

本発明は、ウェーハを処理する半導体製造装置の制御方法、およびこの半導体製造装置の制御システムに関する。

従来、半導体製造工程においては様々なモニタリングが行われている。その一つがＱＣ(Quality Control：品質管理)値と呼ばれるもので、工程途中の物理量が測定されている。

例えば、リソグラフィ工程においては、レジストや仕上がりの寸法値が測定されている。ＱＣ値データは測定に時間が掛かるため、全ウェーハに対し測定を行うと生産性が低下する。そのため、例えば、ロット内１ウェーハをサンプルとしてＱＣ値データを測定し、そのロットの代表値とする場合がある。

ここで、リソグラフィ工程のＱＣ値データは、例えば、リソグラフィ工程のやり直し（リワーク）の判断に用いられる。すなわち、ＱＣ値データが、測定されたレジスト寸法値が規定値を外れていた場合、そのロットのパターン露光は失敗であると判断され、もう一度工程をやり直すこととなる。

しかし、この場合においても、ＱＣ値データを測定しないウェーハで寸法異常が発生していると、該ウェーハの異常を見逃すことになる。

また、ＱＣ値データを測定したウェーハで寸法異常があっても、ＱＣを測定しないウェーハの寸法は正常の可能性があり、その場合、不要なリワークが行われることになる。

したがって、製造工程コストの増大、あるいは不要なリワークにより、本来正常であったウェーハにまで新たな異常が発生するリスクがある。

一方、半導体製造装置で処理されるウェーハの品質は、装置の様々な内部状態の影響を受ける。例えば、リソグラフィ工程においては、露光装置のフォーカス制御や露光量の状態、あるいはレジスト塗布の温度等様々な装置の内部状態が、最終的なレジスト寸法値に影響を与える。

また、このような装置の内部状態と寸法の関係は明確でなく、内部状態の変動が寸法の予期せぬ変動として現れ得る。しかし、この寸法に影響を与える要因が装置のどの部分か特定することは困難であった。

ここで、従来の半導体製造装置の制御システムには、プロセスを構成する各プロセスステップが実行されている期間中に時系列に取得されるプロセスの状態に関連する情報であるプロセス状態情報と、そのプロセスで処理された対象品についての検査結果情報とを入力し、該プロセス状態情報から抽出されるプロセス特徴量と検査結果情報との関係を表すプロセス−品質モデルを作成するものがある（例えば、特許文献１参照。）。

上記半導体製造装置の制御システムは、作成したプロセス−品質モデルにより、対象品の品質を予測するものである。

しかし、この半導体製造装置の制御システムによっては、例えば、プロセス−品質モデルのベースとなるプロセス特徴量が経時的に変化した場合、作成されたプロセス−品質モデルにより予測された品質と実際に測定された品質との乖離が生じるという問題があった。
特開平２００５−１９７３２３号公報

本発明は、上記課題を解決するものであり、直近のロットのＥＥＳパラメータからＱＣ値データを予測する予測式をロット毎に更新することで、装置の内部状態の変化に対応して、高精度にウェーハのＱＣ値データを予測することが可能な半導体製造装置の制御方法、および半導体製造装置の制御システムを提供することを目的とする。

本発明の一態様に係る半導体製造装置の制御方法は、
ロット毎に分けられたウェーハを処理する半導体製造装置の制御方法であって、
過去に前記半導体製造装置により処理された複数のロット内のウェーハの品質管理値データが含まれた品質管理値データ群、および前記複数のロット内のウェーハに対応する装置エンジニアリングシステムパラメータを含む装置エンジニアリングシステムパラメータ群を取得し、
前記品質管理値データ群および前記装置エンジニアリングシステムパラメータ群に基づいてＰＬＳ回帰によりＰＬＳ回帰式である品質管理値データの予測式を作成し、
最後に処理された前記ロットの次に新たに処理された第１のロット内のウェーハに対応する第１の装置エンジニアリングシステムパラメータを取得し、
前記予測式に前記第１の装置エンジニアリングシステムパラメータを入力して演算し前記第１のロット内のウェーハの第１の品質管理値データを予測し、
この予測された第１の品質管理値データに基づいて、この第１の品質管理値データに対応する前記ウェーハの前記半導体製造装置による処理を決定し、
前記第１のロット内のウェーハの測定された第１の品質管理値データを取得し、
前記品質管理値データ群のうち初めに処理されたロット内のウェーハに対応する品質管理値データと前記第１の品質管理値データとを置換するとともに前記装置エンジニアリングシステムパラメータ群のうち初めに処理された前記ロット内のウェーハに対応する装置エンジニアリングシステムパラメータと前記第１の装置エンジニアリングシステムパラメータとを置換し、
置換により得られた前記品質管理値データ群と前記装置エンジニアリングシステムパラメータ群とに基づいてＰＬＳ回帰により前記予測式を更新し、
前記第１のロットの次に処理される第２のロットがある場合には、この第２のロット内のウェーハに対応する第２の装置エンジニアリングシステムパラメータを取得し、前記更新された予測式に前記第２の装置エンジニアリングシステムパラメータを入力して演算し前記第２のロット内のウェーハの第２の品質管理値データを予測することを特徴とする。

本発明の一態様に係る半導体製造装置の制御システムは、
半導体製造装置により処理された複数のロット内のウェーハに対応する装置エンジニアリングシステムパラメータが含まれた装置エンジニアリングシステムパラメータ群、および測定装置により測定された前記複数のロット内のウェーハの品質管理値データが含まれた品質管理値データ群、に基づいて、ＰＬＳ回帰によりＰＬＳ回帰式である品質管理値データの予測式を作成し、後に処理されるロット内のウェーハの品質管理値データを予測する半導体製造装置の制御システムであって、
前記品質管理値データ群、および前記装置エンジニアリングシステムパラメータ群が入力されるデータ収集サーバと、
前記データ収集サーバに入力された前記装置エンジニアリングシステムパラメータ群および品質管理値データ群を格納するデータベースと、
前記データベースに格納された前記装置エンジニアリングシステムパラメータ群および前記品質管理値データ群に基づいてＰＬＳ回帰を用いて品質管理値データの予測式を作成し、前記半導体製造装置により最後に処理された前記ロットの次に新たに処理された第１のロット内のウェーハに対応する第１の装置エンジニアリングシステムパラメータを前記予測式に入力し、この第１のロット内のウェーハの第１の品質管理値データを予測する予測式作成計算部と、
この予測された第１の品質管理値データに基づいて前記半導体製造装置にこのウェーハの処理を命令するコンピュータと、を備え、
前記データ収集サーバに前記第１のロット内のウェーハの前記測定装置により測定された第１の品質管理値データが入力され、
前記データベースに前記第１の品質管理値データが格納され、
前記予測式作成計算部は、前記品質管理値データ群のうち初めに処理されたロット内のウェーハの品質管理値データと前記測定装置により測定された前記第１の品質管理値データとを置換した前記品質管理値データ群、および、前記装置エンジニアリングシステムパラメータ群のうち初めに処理された前記ロット内のウェーハに対応する装置エンジニアリングシステムパラメータと前記第１の装置エンジニアリングシステムパラメータとを置換した前記装置エンジニアリングシステムパラメータ群、に基づいてＰＬＳ回帰により前記予測式を更新し、
前記第１のロットの次に処理される第２のロットがある場合には、前記データ収集サーバにこの第２のロット内のウェーハに対応する第２の装置エンジニアリングシステムパラメータに入力され、
前記データベースが前記第２の装置エンジニアリングシステムパラメータを格納し、
前記予測式作成計算部が、前記更新された予測式に前記第２の装置エンジニアリングシステムパラメータを入力して演算し、前記第２のロット内のウェーハの第２の品質管理値データを予測することを特徴とする。

本発明の一態様に係る半導体製造装置の制御方法、および半導体製造装置の制御システムによれば、装置の内部状態の変化に対応して、高精度にウェーハのＱＣ値データを予測することができる。

本発明の一態様に係る半導体製造装置の制御システムは、半導体集積回路の製造工程において測定されるＱＣ値データを、ＰＬＳ(Partial Least Square)回帰を用いた予測式により予測する。この予測は、直近のロットのＱＣ値データおよびＥＥＳ(Equipment Engineering System：装置エンジニアリングシステム)データを用いて、１ロットのＱＣ値データを予測する予測式を構築することで行う。

この予測式は、新たに得られたＥＥＳパラメータ、ＱＣ値データを用いて、毎ロット更新する。さらに、予測式に用いるＥＥＳパラメータも毎ロット更新する。そして、この予測されたＱＣ値データに基づいて製造工程の制御を行う。

さらに、予測式に用いられたＥＥＳパラメータにより、製造装置の変動要因を抽出し、その安定化を図る。

なお、以下の各実施例においては、製造工程として、リソグラフィ工程に適用した場合について説明するが、他の製造工程についても同様に適用することができる。

以下、本発明を適用した各実施例について図面を参照しながら説明する。

既述のように、本実施例では、リソグラフィ工程において露光装置のＥＥＳパラメータからＱＣ値データであるレジスト寸法を予測し、このＱＣ値データに基づいて製造工程を制御する場合について述べる。例えば、この製造工程がトランジスタのゲート加工工程である場合、ゲートの寸法はトランジスタの特性に大きな影響を与えるため特に正確な制御が必要となる。

図１は、本発明の実施例１に係る半導体製造装置の制御システムを含む構成を示すブロック図である。

図１に示すように、ロット毎に分けられたウェーハを処理する半導体製造装置１００は、ウェーハにレジストを塗布し、露光された該レジストを現像するレジスト塗布・現像装置１と、ウェーハに塗布されたレジストを露光する露光装置２と、ウェーハを搬送する搬送装置３と、を備えている。

ＥＥＳパラメータは、上記半導体製造装置１００により各ウェーハを処理する際に、レジスト塗布・現像装置１、露光装置２、および搬送装置３において、各ウェーハの処理毎に取得される。

例えば、露光装置２に取り付けられたセンサにより、露光装置の内部状態を表すＥＥＳパラメータが３００種類程度取得されている。このＥＥＳパラメータには、例えば、フォーカスの追従性、露光量、ウェーハとレチクルの同期、レジスト塗布、レーザ等に関するものがある。

ここでは、ＥＥＳパラメータは各処理中の時系列波形データとして取得され、さらにウェーハ単位の平均値に変換される。ＥＥＳパラメータはロット内全ウェーハで取得される。

また、測定装置である測長ＳＥＭ（走査型電子顕微鏡）４は、搬送装置３により搬送されたウェーハの現像されたレジストの寸法を測定し、ＱＣ値データとしてレジスト寸法値を出力する。

ここで、測長ＳＥＭ４による測定は、ロット内のウェーハに対し、レジスト寸法値を測定する。ここでは、ウェーハ１枚に対し５箇所測定し、ウェーハ単位の平均値に変換され、この工程のＱＣ値データとなる。なお、各データをそのまま用いてもよい。

ここで、半導体製造装置の制御システム２００は、半導体製造装置１００により処理された複数のロット内のウェーハに対応するＥＥＳパラメータが含まれたＥＥＳパラメータ群、および測長ＳＥＭ４により測定された複数のロット内のウェーハのＱＣ値データが含まれたＱＣ値データ群、に基づいて、ＰＬＳ回帰によりＰＬＳ回帰式であるＱＣ値データの予測式を作成し、後に処理されるロット内のウェーハのＱＣ値データを予測する。

この半導体製造装置の制御システム２００は、ＱＣ値データ群、およびＥＥＳパラメータ群が入力されるデータ収集サーバ５と、このデータ収集サーバ５に入力された前記ＥＥＳパラメータ群およびＱＣ値データ群を格納するデータベース６と、このデータベース６に格納されたＥＥＳパラメータ群およびＱＣ値データ群に基づいてＰＬＳ回帰を用いてＱＣ値データの予測式を作成し、半導体製造装置１００により最後に処理されたロットの次に新たに処理された第１のロット内のウェーハに対応する第１のＥＥＳパラメータを該予測式に入力し、この第１のロット内のウェーハの第１のＱＣ値データを予測する予測式作成計算部７と、この予測された第１のＱＣ値データに基づいて前記半導体製造装置にこのウェーハの処理を命令するコンピュータと、を備える。

なお、データベース６では、ＥＥＳパラメータとＱＣ値データとは、処理されたロットのロット番号とウェーハ番号によって互いに関連付けて格納される。

ここで、予測式の作成にＰＬＳ回帰を用いた理由について説明する。

例えば、ＱＣ値データを予測するための予測式を、重回帰を用いて求めるものがある。この重回帰とは、ある変数（目的変数）と、それに影響すると考えられる２つ以上の変数（説明変数）の間の関係式を求め、説明変数から目的変数を予測し、また、その際の変数の関与の大きさを評価するものである。

この重回帰により予測式を得るため、ＱＣ値データと個々のＥＥＳパラメータについて相関解析を行い、レジスト寸法に影響を与えている可能性のあるＥＥＳパラメータを抽出した。

このＥＥＳパラメータとして、例えば、フォーカス追従性Xを選択した場合について検討する。図２にＥＥＳパラメータである「フォーカス追従性X」とレジスト寸法との関係を示す。

ここで、フォーカス追従性とは、露光装置がウエーハステージとレチクルステージを走査しながら露光処理を行う際のフォーカス制御において、制御目標とする傾斜角と実際の傾斜角の追従ずれの平均値を表すものである。そして、「フォーカス追従性X」はそのX方向の成分を表しており、単位はμradである。

「フォーカス追従性Ｘ」とレジスト寸法の相関係数は0.82となり、「フォーカス追従性X」はレジスト寸法に影響を与えているＥＥＳパラメータと考えられる。

上記相関解析の結果、このようなレジスト寸法と相関のあるＥＥＳパラメータを３０個抽出した。次に抽出されたＥＥＳパラメータ間で、互いに線形な関係にあるＥＥＳパラメータ群を抽出した。互いに相関関係にあるＥＥＳパラメータ群は、その内１つだけを採用した。これは多重共線性による予測式の精度低下を防ぐためである。

この多重共線性とは、説明変数間に強い線形な関係が存在する場合、重回帰式が一意に定まらず、回帰精度が低下することを言う。これを防ぐためには、重回帰を実施する前に、説明変数間の関係を調べ、互いに線形な関係にある説明変数群を検知して、その変数群からは一つを除いて重回帰には用いないようにする操作が必要である。

多重共線性を除く操作を行い、最終的に採用されたＥＥＳパラメータとＱＣ測定値で重回帰分析を行い、ＥＥＳパラメータからＱＣ測定値を予測する重回帰式を作成した。

図３に、露光工程処理時間とこの予測式により予測したレジスト寸法（ＱＣ値データ）および実測されたレジスト寸法との関係を示す。

図３に示すように、この作成した重回帰式により、その後４ロット先まではレジスト寸法をほぼ正確に予測されている。しかし、露光処理時間の経過とともに予測値と実測値は乖離している。特に、１０ロット先以降では、予測値は実測値と全くことなる。この原因として、露光装置の内部状態が変化し、作成した予測式が現実とずれてきたことが考えられる。

このように、寸法変動要因の変動に、予測式を対応させることが必要であることが分かる。すなわち、寸法予測モデルを逐次更新する仕組みを構成する必要がある。

この仕組みは、直近に払い出されたロット群のデータから予測式を作成し、１ロット先を予測する。次のロットが払い出されたら、同様に直近のロット群より予測式を更新し、次の１ロットを予測する。これを繰り返すものである。

そこで、この仕組みを自動化するために、本実施例においては予測式の作成にPLS回帰を用いた。

既述のように、重回帰の場合は、多重共線性を回避するため、互いに線形な関係にある説明変数を除く操作が必要であった。この時どの範囲まで除くか、例えば説明変数間の相関係数にしきい値を設定して、しきい値以上の相関係数を有する変数群を除去の対象とする等の判断が必要になる。しきい値設定には解析者の恣意的な判断が加わり、本来被説明変数の予測に不可欠な説明変数を、多重共線性を理由に誤って除去してしまう問題があった。

一方、このPLS回帰は、データ群の主成分分析を行い、主成分を用いた予測式を作成する。主成分は互いに直交しているため、データ間の多重共線性の影響を受けない。そのため取得されたＥＥＳパラメータは、人間系による多重共線性のチェックを行う必要がなく、予測式の作成処理を自動的に実施することができる。

ここで、PLS回帰のアルゴリズムは、例えば、JOURNAL OF CHEMOMETRICS、 VOL.2 (PP211-228) (1998)、あるいは、既述の特開平２００５−１９７３２３号公報に記載されている。以下、ＰＬＳ回帰のアルゴリズムについて説明する。

説明変数（ここではＥＥＳパラメータに相当する）Xと被説明変数（ここではＱＣ値データに相当する）Yの関係が、
Y=BX （１）
で表されるとする。X、 Yは複数の成分から成るベクトルであり、Bは説明変数の係数から成る行列で回帰行列（以下モデルと称する）である。

Ｘ^ＴＹ行列に対してｉ番目の固有値に対応する第ｉ主成分はｔｉで表される。行列Ｘはこの第ｉ主成分の得点ｔｉとベクトルｐｉを用いると下記の（２）式で表され、行列Ｙはこの第ｉ主成分の得点ｔｉとベクトルｃｉを用いると下記の（３）式で表される。

なお、下記の（２）式、（３）式において、Ｘｉ＋１、Ｙｉ＋１はＸ、Ｙの残差行列であり、Ｘ^Ｔは行列Ｘの転置行列である。以下では指数Ｔは転置行列を意味する。
Ｘ＝ｔ１ｐ１＋ｔ２ｐ２＋ｔ３ｐ３＋・・＋ｔｉｐｉ＋Ｘｉ＋１ （２）
Ｙ＝ｔ１ｃ１＋ｔ２ｃ２＋ｔ３ｃ３＋・・＋ｔｉｃｉ＋Ｙｉ＋１ （３）

本実施例で用いられるＰＬＳ回帰は、上記（２）式、（３）式を相関させた場合の複数の固有値及びそれぞれの固有ベクトルを少ない計算量で算出する手法である。

ＰＬＳ回帰は以下の手順で実施される。先ず第１段階では、行列Ｘ、Ｙのセンタリング及びスケーリングの操作を行う。そして、ｉ＝１を設定し、Ｘ１＝Ｘ、Ｙ１＝Ｙとする。

また、ｕ１として行列Ｙ１の第１列を設定する。センタリングとは各行の個々の値からそれぞれの行の平均値を差し引く操作であり、スケーリングとは各行の個々の値をそれぞれの行の標準偏差で除する操作である。

第２段階では、ｗｉ＝Ｘｉ^Ｔｕｉ／（ｕｉ^Ｔｕｉ）を求めた後、ｗｉの行列式を正規化し、ｔｉ＝Ｘｉｗｉを求める。また、行列Ｙについても同様の処理を行って、ｃｉ＝Ｙｉ^Ｔｔｉ／（ｔｉ^Ｔｔｉ）を求めた後、ｃｉの行列式を正規化し、ｕｉ＝Ｙｉｃｉ／（ｃｉ^Ｔｃｉ）を求める。

第３段階ではＸローディング（負荷量）ｐｉ＝Ｘｉ^Ｔｔｉ／（ｔｉ^Ｔｔｉ）、Ｙ負荷量ｑｉ＝Ｙｉ^Ｔｕｉ／（ｕｉ^Ｔｕｉ）を求める。そして、ｕをｔに回帰させたｂｉ＝ｕｉ^Ｔｔｉ／（ｔｉ^Ｔｔｉ）を求める。次いで、残差行列Ｘｉ＝Ｘｉ−ｔｉｐｉ^Ｔ、残差行列Ｙｉ＝Ｙｉ−ｂｉｔｉｃｉ^Ｔを求める。そして、ｉをインクリメントしてｉ＝ｉ＋１を設定し、第２段階からの処理を繰返す。これら一連の処理を所定の停止条件を満たすまで、あるいは残差行列Ｘｉ＋１がゼロに収束するまで繰り返し、残差行列の最大固有値及びその固有ベクトルを求める。

ＰＬＳ回帰は、残差行列Ｘｉ＋１の停止条件またはゼロへの収束が速く、１０回程度の計算の繰返すだけで残差行列が停止条件またはゼロに収束する。一般的には４〜５回の計算の繰り返しで残差行列が停止条件またはゼロへ収束する。この計算処理によって求められた最大固有値及びその固有ベクトルを用いてＸ^ＴＹ行列の第１主成分を求め、Ｘ行列とＹ行列の最大の相関関係を知ることができる。

このようなPLS回帰を行うことで、（１）式で示すモデル（予測式）を求めることができる。

以上のような検討により、ＱＣ値データの変動要因の変動に予測式を対応させるため、予測式の作成にＰＬＳ回帰を選択した。

次に、既述のような構成を有する半導体製造装置１００および制御システム２００の動作について説明する。図４に、本実施例に係る半導体製造装置の制御方法のフローチャートを示す。

図４に示すように、先ず、過去に半導体製造装置１００により処理された複数のロット内のウェーハのＱＣ値データが含まれたＱＣ値データ群、およびこの複数のロット内のウェーハに対応するＥＥＳパラメータを含むＥＥＳパラメータ群を取得する（ステップＳ１）。

すなわち、データ収集サーバ５を介して、上記複数のロット内のウェーハの測定装置４により測定されたＱＣ値データ群、半導体製造装置１００から出力されたＥＥＳパラメータ群がデータベース６に格納される。

次に、予測式作成計算部７が上記ＱＣ値データ群およびＥＥＳパラメータ群に基づいてＰＬＳ回帰によりＰＬＳ回帰式であるＱＣ値データの予測式を作成する（ステップＳ２）。

次に、搬送装置３により最後に処理された上記ロットの次に新たに処理され第１のロットが搬送される（ステップＳ３）。

次に、レジスト塗布・現像装置１により第１のロット内のウェーハにレジストが塗布される（ステップＳ４）。

次に、露光装置２により上記ウェーハに塗布されたレジストを所望のパターンで露光される（ステップＳ５）。

次に、レジスト塗布・現像装置１により露光されたレジストが現像される（ステップＳ６）。

次に、上記第１のロット内のウェーハに対応する第１のＥＥＳパラメータを取得する（ステップＳ７）。すなわち、半導体製造装置１００から出力された第１のＥＥＳパラメータがデータ収集サーバ５を介してデータベース６に格納される。この第１のＥＥＳパラメータは、すべてのウェーハに対応したものが含まれる。

ここで、第１のＥＥＳパラメータには、例えば、ステップＳ４ないしステップＳ６で得られたフォーカスの追従性、露光量、ウェーハとレチクルの同期、レジスト塗布、レーザ等に関するものが含まれる。

次に、予測式作成計算部７は、上記予測式に第１のＥＥＳパラメータを入力して演算し第１のロット内のウェーハの第１のＱＣ値データを予測する（ステップＳ８）。

次に、コンピュータ８は、この予測された第１のＱＣ値データに基づいて、この第１のＱＣ値データに対応するウェーハの半導体製造装置１００による処理を決定する（ステップＳ９）。すなわち、コンピュータ８は、予測されたＱＣ値データであるレジストの寸法と規定値とを比較し、寸法異常であるか否かを判断し、該ウェーハについて半導体製造装置１００によりリワークするかを決定する。

このステップＳ９において、寸法異常があると判断された場合には、ステップ１０に進む。

このステップＳ１０では、コンピュータ８により該ウェーハのリワーク回数が制限回数を超えたか否かが判断される。

このステップＳ１０において、リワーク回数が制限回数を超えていないと判断された場合には、ステップＳ１１に進み、寸法異常があると判断された該ウェーハのレジストを剥離し、ステップＳ４に戻ってレジスト塗布・現像装置１によりレジストを再度塗布する工程が実施される。

一方、ステップＳ１０において、リワーク回数が制限回数を超えていると判断された場合には、ステップＳ１２に進み、搬送装置３により第１のロットを搬出（ステップＳ１２）した後、半導体製造装置１００に異常があるとして、コンピュータ８が装置異常警告を表示し、半導体製造装置１００による処理を終了させる。そして、例えば、この装置異常警告を認識したエンジニアにより、半導体製造装置１００のメンテナンスが実施される。

また、ステップＳ９において、寸法異常が無いと判断された場合には、ステップＳ１４に進み、第１のロットが搬送装置３により測長ＳＥＭ４に搬送される。

次に、測長ＳＥＭ４により搬送された第１のロット内のウェーハのＱＣ値データであるレジスト寸法が測定される（ステップＳ１５）。このステップＳ１５では、既述のように、生産性の向上のため、レジスト寸法の測長ＳＥＭ４による測定は、第１のロット内の１枚のウェーハについて実施される。なお、装置の仕様、条件等によりロット内の複数のウェーハについて測定を実施してもよい。

次に、データ収集サーバ５を介してこの測定された第１のＱＣ値データがデータベース６に格納される（ステップＳ１６）。

次に、データベース６は、既述のＱＣ値データ群のうち初めに処理されたロット内のウェーハに対応するＱＣ値データと上記第１のＱＣ値データとを置換するとともに、ＥＥＳパラメータ群のうち初めに処理された前記ロット内のウェーハに対応するＥＥＳパラメータと前記第１のＥＥＳパラメータとを置換する。そして、予測式作成計算部７は、上記置換により得られた、ＱＣ値データ群とＥＥＳパラメータ群とに基づいて、ＰＬＳ回帰により予測式を更新する（ステップＳ１７）。

次に、コンピュータ８が、例えば、搬送装置３から出力される情報に基づいて、第１のロットの次に処理される第２のロットがあるか否かが判断される（ステップＳ１８）。

第１のロットの次に処理される第２のロットがある場合には、ステップＳ３に戻り、ステップＳ３からステップＳ６の工程を経て、ステップＳ７で第２のロット内のウェーハに対応する第２のＥＥＳパラメータを取得する。すなわち、データ収集サーバ５にこの第２のロット内のウェーハに対応する第２のＥＥＳパラメータに入力され、データベース６が第２のＥＥＳパラメータを格納する。

そして、予測式作成計算部７が、ステップＳ８で上記更新された予測式に第２のＥＥＳパラメータを入力して演算し第２のロット内のウェーハの第２のＱＣ値データを予測する。

このようにして、第２のロットの次に処理される第３のロット以降も同様にＱＣ値データの予測が実施されることとなる。

一方、第１のロットの次に処理される第２のロットがない場合、すなわち、次に処理されるべきロットが無くなった場合には、半導体製造装置１００および半導体製造装置の制御システム２００による動作を終了する。

ここで、試験的に、過去８ロットのＥＥＳパラメータ群およびＱＣ値データ群からＰＬＳ回帰により予測式を作成した。

まず、入力された過去８ロット分のＥＥＳパラメータの主成分分析を行い、複数の主成分が抽出される。次にＥＥＳパラメータに対応する過去８ロット分のＱＣ値データを予測する回帰式を、PLS回帰を用いて抽出された主成分より作成する。作成した予測式により次の１ロットのレジスト寸法を予測した。

この操作は多重共線性のチェックを行うことなく、取得された全ＥＥＳパラメータを用いて自動的に行うことができた。ＱＣ値データは、１ロット中１ウェーハしか測定されていないが、本実施例で作成した予測式によりロット内の全ウェーハのレジスト寸法を予測することができた。

図５に露光工程処理時間とPLS回帰を用いた予測式により予測したレジスト寸法（ＱＣ値データ）および実測されたレジスト寸法との関係を示す。

図５に示すように、予測対象の全期間に渡って実測値と予測値がほぼ一致していることが分かる。これは装置の内部状態の変化に対応して予測式が更新されているためと考えられる。なお、ＱＣ値データは、測定時間および生産性の観点より、ロット内の一部のウェーハでしか行っていない。

本実施例の半導体製造装置の制御方法により、装置の内部状態を表すＥＥＳパラメータを用いて、ロット内全ウェーハのＱＣ値データであるレジスト寸法値を瞬時に予測することができる。

また、従来は、例えば、一部ウェーハの測定されたＱＣ値データであるレジスト寸法値に基づいて寸法異常を検知し、リワークの判断を行っていた。また１枚のウェーハについて測定されたＱＣ値データに異常が見つかれば、そのロットの全ウェーハをリワークせざるを得なかった。

しかし、本実施例の半導体製造装置の制御方法を適用することにより、寸法異常ウェーハを個別に予測できるので、寸法異常が予測されるウェーハだけをリワークに回すことができる。またロット内全ウェーハの寸法値が分かるので、寸法異常の発生の見逃しを防止することができる。

さらに、リソグラフィ工程でのレジスト寸法値の測定値に基づいて、後のエッチング工程での加工量を変化させることで、最終的な仕上がり寸法を精密に制御することもできる。

また、従来は、例えば、一部のウェーハのＱＣ値データに基づいて、ロット全体のエッチング工程での加工量を決定していた。

しかし、本実施例の半導体製造装置の制御方法を適用することにより、全ウェーハのレジスト寸法値を予測できるので、ウェーハ１枚ごとにエッチング工程での加工量を制御し、より高精度な仕上がり寸法を得ることができる。

以上のように、本実施例に係る半導体製造装置の制御方法および半導体製造装置の制御システムによれば、直近のロットのＥＥＳパラメータからＱＣ値データを予測する予測式をロット毎に更新することで、装置の内部状態の変化に対応して、高精度にウェーハのＱＣ値データを予測することができる。

実施例１では、過去に処理されたＱＣ値データ群、ＥＥＳパラメータ群を用いてＰＬＳ回帰により予測式を作成し、この予測式に新たに処理されるロットのＥＥＳパラメータを入力してＱＣ値データを予測する構成について述べたが、本実施例では、該予測式を用いて、ＱＣ値データを顕著に変動させている要因を特定する構成について述べる。

先ず、ＰＬＳ回帰により得られた予測式から、ＱＣ値データを顕著に変動させている要因（ＥＥＳパラメータ）を特定する考え方について説明する。

ここで、実施例１で求められたPLS回帰による予測式では、回帰係数が求められている。説明変数x1、 x2、 ・・・xnと被説明変数yとの関係が、次式で与えられたとする。
y=a1x1+a2x2+・・・anxn（４）

一般的に、回帰係数ai (i=1、2、 ・・・n)が大きいほどその変数xiの予測値yへの寄与が大きいと考えられる。

しかし、個々の変数の単位が異なるため、そのまま回帰係数の値を比較することはできない。例えば、mmの単位の変数の回帰係数と、cmの単位の変数の回帰係数では、変数の予測値への寄与が同じならば、10倍異なる。

そこで、各変数を平均ゼロ、標準偏差１に正規化してPLS回帰を実施し、回帰係数を求める。

このように求められた回帰係数を標準回帰係数と呼ぶ。標準回帰係数の大小を比較することで、各変数の予測値への寄与の大小を正しく求めることができると考えられる。

次に、本実施例に係る半導体製造装置の制御方法により、標準回帰係数を用いた各ＥＥＳパラメータのＱＣ測定値への寄与を求めるフローについて説明する。

図６は、本実施例２に係る半導体製造装置の制御方法のフローチャートを示す。なお、本実施例２に係る半導体製造装置の制御方法は、実施例１と同様の半導体製造装置の制御システムで実施される。

図６に示すように、先ず、実施例１と同様に、過去に半導体製造装置１００により処理された複数のロット内のウェーハのＱＣ値データが含まれたＱＣ値データ群、およびこの複数のロット内のウェーハに対応するＥＥＳパラメータを含むＥＥＳパラメータ群を取得する（ステップＳ２１）。

すなわち、データ収集サーバ５を介して、上記複数のロット内のウェーハの測定装置４により測定されたＱＣ値データ群、半導体製造装置１００から出力されたＥＥＳパラメータ群がデータベース６に格納される。

次に、予測式作成計算部７が上記ＱＣ値データ群およびＥＥＳパラメータ群に基づいてＰＬＳ回帰によりＰＬＳ回帰式であるＱＣ値データの予測式を作成する（ステップＳ２２）。

次に、予測式作成計算部７は、得られた予測式の変数である各回帰係数を平均ゼロ、標準偏差１に正規化して標準回帰係数を算出する（ステップＳ２３）。

次に、実施例１と同様に、予測式作成計算部７は、上記予測式に新たに取得されたＥＥＳパラメータを入力して演算し新たに処理されたロット内のウェーハのＱＣ値データを予測する（ステップＳ２４）。

次に、予測式作成計算部７は、ステップＳ２３でそれぞれ得られた各標準回帰係数の絶対値の大小を比較し、予測されるＱＣ値データに影響の大きいＥＥＳパラメータを抽出する（ステップＳ２５）。ここで、例えば、コンピュータ８は、抽出されたＥＥＳパラメータに基づいて、半導体製造装置１００の管理すべき構成を特定する。また、コンピュータ８がこの抽出されたＥＥＳパラメータに基づいて、半導体製造装置１００を自動的に管理するようにしてもよい。

以上のフローにより、本実施例に係る半導体製造装置の制御方法が終了する。なお、連続してロットを処理する場合には、上記ステップＳ２２で実施例１（ステップＳ１５からステップＳ１８）と同様に予測式を更新し、以下ステップＳ２３からステップＳ２５のフローを繰り返し実施すればよい。

次に、図７に露光装置のＥＥＳパラメータに対する標準回帰係数の出力結果の一例を示す。

図７において、標準回帰係数は、絶対値の順に並び替えて示している。標準回帰係数の絶対値が大きいほど、ＱＣ値データであるレジスト寸法値への寄与が大きいことを示している。プラス側に絶対値が大きいＥＥＳパラメータはレジスト寸法値に対し正の寄与を、マイナス側に絶対値が大きいＥＥＳパラメータはレジスト寸法値に対し負の寄与をする。これらのプラス側、マイナス側で標準回帰係数の絶対値が大きいＥＥＳパラメータを特定することにより、レジスト寸法値に大きく影響している露光装置の構成を特定することができる。

図７に示されたＥＥＳパラメータでは、露光エネルギーがマイナス側で大きな変動要因であり、フォーカス値がプラス側で大きな変動要因であることが分かる。

ここで、図８に、予測式を更新しつつ各ＥＥＳパラメータの標準回帰係数の時系列変化をプロットした結果を示す。

図８に示すように、露光工程処理時間の経過とともに、レジスト寸法の変動要因が入れ替わっているのが分かる。例えば、エンジニアはこの結果を見て、露光装置の安定化のための作業を、装置の特定の構成に集中して行うことができる。

なお、本実施例に係る半導体製造装置の制御方法は、他の装置、製造工程についても同様に適用することができる。

以上のように、本実施例に係る半導体製造装置の制御方法および半導体製造装置の制御システムによれば、予測式のＥＥＳパラメータの標準回帰係数を求めることで、ＱＣ値データに影響の大きい変動要因を自動抽出し、装置安定化のための作業を効率よく行うことができる。

発明の一態様である本発明の実施例１に係る半導体製造装置の制御システムを含む構成を示すブロック図である。 ＥＥＳパラメータであるフォーカス追従性Xとレジスト寸法との関係を示す図である。 露光工程処理時間と重回帰を用いた予測式により予測したレジスト寸法（ＱＣ値データ）および実測されたレジスト寸法との関係を示す図である。 本発明の一態様である実施例１に係る半導体製造装置の制御方法のフローチャートを示す。 露光工程処理時間とPLS回帰を用いた予測式により予測したレジスト寸法（ＱＣ値データ）および実測されたレジスト寸法との関係を示す図である。 本発明の一態様である実施例２に係る半導体製造装置の制御方法のフローチャートを示す。 露光装置のＥＥＳパラメータに対する標準回帰係数の出力結果の一例を示す図である。 予測式を更新しつつ各ＥＥＳパラメータの標準回帰係数の時系列変化を示す図である。

符号の説明

１ レジスト塗布・現像装置
２ 露光装置
３ 搬送装置
４ 測長ＳＥＭ
５ データ収集サーバ
６ データベース
７ 予測式作成計算部
８ コンピュータ
１００ 半導体製造装置
２００ 制御システム

Claims (5)

1. ロット毎に分けられたウェーハを処理する半導体製造装置の制御方法であって、
   過去に前記半導体製造装置により処理された複数のロット内のウェーハの品質管理値データが含まれた品質管理値データ群、および前記複数のロット内のウェーハに対応する装置エンジニアリングシステムパラメータを含む装置エンジニアリングシステムパラメータ群を取得し、
   前記品質管理値データ群および前記装置エンジニアリングシステムパラメータ群に基づいてＰＬＳ回帰によりＰＬＳ回帰式である品質管理値データの予測式を作成し、
   最後に処理された前記ロットの次に新たに処理された第１のロット内のウェーハに対応する第１の装置エンジニアリングシステムパラメータを取得し、
   前記予測式に前記第１の装置エンジニアリングシステムパラメータを入力して演算し前記第１のロット内のウェーハの第１の品質管理値データを予測し、
   この予測された第１の品質管理値データに基づいて、この第１の品質管理値データに対応する前記ウェーハの前記半導体製造装置による処理を決定し、
   前記第１のロット内のウェーハの測定された第１の品質管理値データを取得し、
   前記品質管理値データ群のうち初めに処理されたロット内のウェーハに対応する品質管理値データと前記第１の品質管理値データとを置換するとともに前記装置エンジニアリングシステムパラメータ群のうち初めに処理された前記ロット内のウェーハに対応する装置エンジニアリングシステムパラメータと前記第１の装置エンジニアリングシステムパラメータとを置換し、
   置換により得られた前記品質管理値データ群と前記装置エンジニアリングシステムパラメータ群とに基づいてＰＬＳ回帰により前記予測式を更新し、
   前記第１のロットの次に処理される第２のロットがある場合には、この第２のロット内のウェーハに対応する第２の装置エンジニアリングシステムパラメータを取得し、前記更新された予測式に前記第２の装置エンジニアリングシステムパラメータを入力して演算し前記第２のロット内のウェーハの第２の品質管理値データを予測する
   ことを特徴とする半導体製造装置の制御方法。
2. 前記予測式の変数である各回帰係数を平均ゼロ、標準偏差１に正規化してそれぞれ得られた各標準回帰係数の絶対値の大小の比較により、予測される品質管理値データに影響の大きい装置エンジニアリングシステムパラメータを抽出する
   ことを特徴とする請求項１に記載の半導体製造装置の制御方法。
3. 抽出された前記装置エンジニアリングシステムパラメータに基づいて、前記半導体製造装置の管理すべき構成を特定することを特徴とする請求項に記載の半導体製造装置の制御方法。
4. 半導体製造装置により処理された複数のロット内のウェーハに対応する装置エンジニアリングシステムパラメータが含まれた装置エンジニアリングシステムパラメータ群、および測定装置により測定された前記複数のロット内のウェーハの品質管理値データが含まれた品質管理値データ群、に基づいて、ＰＬＳ回帰によりＰＬＳ回帰式である品質管理値データの予測式を作成し、後に処理されるロット内のウェーハの品質管理値データを予測する半導体製造装置の制御システムであって、
   前記品質管理値データ群、および前記装置エンジニアリングシステムパラメータ群が入力されるデータ収集サーバと、
   前記データ収集サーバに入力された前記装置エンジニアリングシステムパラメータ群および品質管理値データ群を格納するデータベースと、
   前記データベースに格納された前記装置エンジニアリングシステムパラメータ群および前記品質管理値データ群に基づいてＰＬＳ回帰を用いて品質管理値データの予測式を作成し、前記半導体製造装置により最後に処理された前記ロットの次に新たに処理された第１のロット内のウェーハに対応する第１の装置エンジニアリングシステムパラメータを前記予測式に入力し、この第１のロット内のウェーハの第１の品質管理値データを予測する予測式作成計算部と、
   この予測された第１の品質管理値データに基づいて前記半導体製造装置にこのウェーハの処理を命令するコンピュータと、を備え、
   前記データ収集サーバに前記第１のロット内のウェーハの前記測定装置により測定された第１の品質管理値データが入力され、
   前記データベースに前記第１の品質管理値データが格納され、
   前記予測式作成計算部は、前記品質管理値データ群のうち初めに処理されたロット内のウェーハの品質管理値データと前記測定装置により測定された前記第１の品質管理値データとを置換した前記品質管理値データ群、および、前記装置エンジニアリングシステムパラメータ群のうち初めに処理された前記ロット内のウェーハに対応する装置エンジニアリングシステムパラメータと前記第１の装置エンジニアリングシステムパラメータとを置換した前記装置エンジニアリングシステムパラメータ群、に基づいてＰＬＳ回帰により前記予測式を更新し、
   前記第１のロットの次に処理される第２のロットがある場合には、前記データ収集サーバにこの第２のロット内のウェーハに対応する第２の装置エンジニアリングシステムパラメータに入力され、
   前記データベースが前記第２の装置エンジニアリングシステムパラメータを格納し、
   前記予測式作成計算部が、前記更新された予測式に前記第２の装置エンジニアリングシステムパラメータを入力して演算し、前記第２のロット内のウェーハの第２の品質管理値データを予測する
   ことを特徴とする半導体製造装置の制御システム。
5. 前記予測式作成計算部は、前記予測式の変数である各回帰係数を平均ゼロ、標準偏差１に正規化してそれぞれ得られた各標準回帰係数の絶対値の大小の比較により、予測される品質管理値データに影響の大きい装置エンジニアリングシステムパラメータを抽出する
   ことを特徴とする請求項４に記載の半導体製造装置の制御システム。

Images