JP7329597B2 - 実験計画法および応答曲面モデルを使用するプロセス最適化 - Google Patents

Description

本開示はプロセス最適化に関し、より詳細には、半導体製造のためのプロセス最適化に関する。

半導体製造産業の進展は収率管理に、特に計測および検査のシステムに、ますます大きな要求を課している。臨界寸法は縮小を続けているが、それでもなおこの業界では、高収率、高価値の生産の達成のために、時間の短縮が求められている。収率問題の検出からその修正までの合計時間を最小限にすることが、半導体製造者にとっての投資対効果を決定付ける。

論理デバイスおよびメモリデバイスなどの半導体デバイスの製作は一般に、半導体デバイスの様々な特徴および複数の階層を形成するための多数の製作工程を使用して半導体ウエハを加工することを含む。例えば、リソグラフィは、レチクルから半導体ウエハ上に配置されたフォトレジストにパターンを転写することを含む半導体製作工程である。半導体製造工程の追加の例としては、限定するものではないが、化学機械研磨（ＣＭＰ）、エッチング、成膜、およびイオン注入が挙げられる。個々の半導体デバイスへと分割される単一の半導体ウエハ上の構成において、複数の半導体デバイスが製作され得る。

製造工程におけるより高い収率、およびしたがってより高い利益を促進するべく、半導体製造中の様々なステップにおいてウエハ上の欠陥を検出するために、検査プロセスが使用される。集積回路（ＩＣ）などの半導体デバイスの製作において、検査は常に重要な部分となっている。半導体デバイスの寸法が小さくなるにつれ、許容可能な半導体デバイスの製造を成功させるには検査がより一層重要になるが、その理由は、より小さい欠陥がデバイスに不具合を生じさせ得るからである。例えば、半導体デバイスの寸法が小さくなるにつれ、よりサイズの小さい欠陥の検出が必要になっているが、その理由は、比較的小さい欠陥でさえ、半導体デバイスにおいて望まれない逸脱を生じさせる場合があるからである。

工程をモニタおよび制御するために、半導体製造中の様々なステップにおいて、計測プロセスも使用される。計測プロセスは検査プロセスとは異なるが、それは、ウエハ上の欠陥が検出される検査プロセスとは異なり、計測プロセスは、既存の検査ツールを使用して判定できないウエハの１つ以上の特性を測定するために使用される、という点においてである。ウエハの１つ以上の特性を測定して、その１つ以上の特性から工程の性能を判定できるようにするために、計測プロセスが使用され得る。例えば、計測プロセスは、工程中にウエハ上に形成された特徴の寸法（例えば、線幅、厚さ、等）を測定することができる。更に、ウエハの１つ以上の特性が許容不可能である（例えば、特性の所定の範囲外である）場合、ウエハの１つ以上の特性の測定値を使用して、その工程によって製造される更なるウエハが許容可能な特性を有するように、工程の１つ以上のパラメータを改変してもよい。

より厳格な公差への要求の高まりに応えるために、半導体製造者は複雑なプロセス最適化の取り組みを行っている。例えば、検査および計測のシステムまたは動作を最適化することができる。半導体製造者は一般に、正確な測定を実現できるとともに制御不可能なまたは未知のばらつき源に対してロバストな、機器条件の最適なセットを探索している。多くの半導体製造者は、高い正確度で結果に対する時間が短くなることを求めている。

計測および検査ツールの多くは多数の調整可能な設定を有するが、そのツールから最高の性能を得るためには、それらを最適化する必要がある。このことは計測または検査ツールの設定時に困難を呈するが、その理由は、調査しなければならないパラメータのスペースが大きいからである。更に、投入されるウエハ上のフィルムおよび構造が時間とともに横滑りする場合、最適なレシピ設定がドリフトし最適化のやり直しが必要になる場合がある。

従来、「総当たり法」では、あらゆるツールの設定がその利用可能な範囲にわたって変更されていた。個別の設定（例えば、無偏光の、Ｓ偏光の、またはＰ偏光の照射）について、あらゆる並べ替えが試験されていた。連続的な設定（例えば、焦点位置）については、幅のサイズを選択することによって、使用可能な全範囲を離散化することができる。必要な実験の総数は法外に大きく成り得る。更に、現行の総当たり法では工程の固有のばらつきを説明できない。

米国特許出願公開第２００６／０００９８７２号

したがって、新しいプロセス最適化技法およびシステムが必要とされている。

第１の実施形態では計測ツールが提供される。計測ツールは、ビームを生成するエネルギー源と、エネルギー源からのビームの経路内にウエハを固定するステージと、検出器と、検出器と電子的に通信しているプロセッサと、を備える。プロセッサは、複数の測定値を受信し、分散分析（ＡＮＯＶＡ）を使用して計測ツールに関するツール設定の複数の組合せを決定し、複数の組合せから候補を決定し、候補の各々について応答曲面モデルを生成し、最大応答を提供しノイズ源に対する感度が最も低いツール設定の候補のリストを決定するように構成されている。候補のリスト中の候補の各々はいずれも、応答曲面モデルのより密な領域からのものである。

プロセッサは更に、計測ツールを使用して半導体ウエハに対する測定を行うための命令を送信するように構成され得る。測定値は混合効果モデルを用いて収集されてもよい。

計測ツールに関する調節可能な設定は、独立変数であり得る。

候補のリストは候補の残りのものと比較して計測ツールの性能の改善をもたらし得る。

プロセッサは更に、測定品質に基づいてスコアを決定するように構成され得る。

応答曲面モデルは３×３応答曲面モデルとすることができる。

プロセッサは更に、候補のリストに基づいて計測ツールに関する１つ以上の設定を調整するように構成され得る。

第２の実施形態では方法が提供される。方法は、プロセッサにおいて計測ツールから複数の測定値を受信することを含む。プロセッサを使用して、ＡＮＯＶＡを使用して計測ツールに関するツール設定の複数の組合せが決定される。プロセッサを使用して、複数の組合せからの候補が決定される。プロセッサを使用して、候補の各々について応答曲面モデルが生成される。プロセッサを使用して、最大応答を提供しノイズ源に対する感度が最も低いツール設定の候補のリストを決定が決定される。候補のリスト上の候補の各々はいずれも、応答曲面モデルのより密な領域からのものである。

方法は、計測ツールを使用して半導体ウエハに対する測定を行うことを更に含み得る。測定値は混合効果モデルを用いて収集されてもよい。

計測ツールに関する調節可能な設定は、独立変数であり得る。

候補のリストは候補の残りのものと比較して、計測ツールの性能の改善をもたらし得る。

方法は、測定品質に基づいてスコアを決定することを更に含み得る。

応答曲面モデルは３×３応答曲面モデルとすることができる。

方法は更に、プロセッサを使用して、候補のリストを使用して計測ツールに関する１つ以上の設定を調整することを更に含み得る。

プログラムを記憶している非一時的コンピュータ可読媒体を、第２の実施形態の方法を実行するようプロセッサに命令するように構成することができる。

本開示の本質および目的のより完全な理解のために、添付の図面と併せて解釈される以下の詳細な説明を参照されたい。

本開示に係る方法の実施形態のフローチャートである。 本開示に係る計測システムの実施形態のブロック図である。 例示的な４１×３２応答曲面である。 例示的な９×９応答曲面である。 例示的な固定効果のタイプＩＩＩ検定の表である。 ４者間交互作用を示す図である。 ４者間交互作用を示す図である。 最高位のレシピ候補に関する例示的な応答曲面を示す図である。 最高位のレシピ候補に関する例示的な応答曲面を示す図である。 最高位のレシピ候補に関する例示的な応答曲面を示す図である。 例示的な結果を示す図である。

特許請求される主題について特定の実施形態の観点から説明するが、本明細書に記載される利益および特徴の全てを提供する訳ではない実施形態を含め、他の実施形態もまた、本開示の範囲内にある。本開示の範囲から逸脱することなく、構造の、論理の、工程ステップの、および電子的な、様々な変更を行うことができる。したがって、本開示の範囲は、付属の特許請求の範囲を参照することによってのみ規定される。

計測システム用のプロセス最適化技法が開示される。この技法は正確で、検証可能であり、コスト（すなわち結果に対する時間）の低減をもたらす。これを達成するために、違いを対比し、光学的応答のセットが最適化され得る候補関心領域を応答曲面全体から決定するように、計画実験（ＤＯＥ）を構築した。候補構成条件が特定されると、応答曲面法を利用して、検証段階にとって最適かつ安定した応答の点が補間される。検証段階では密なウエハのサンプリングを使用でき、成功基準は、標的とする残差｜ｍ｜＋３シグマ、例えば４ｎｍ未満を満たすことに基づくことができる。一例では、結果に対する時間を９３％超短縮して標的成功基準が達成された。

より厳格な公差への要求の高まりに応えるために、新しい計測ツールのための精確な調節可能性の追加と共に、複雑なプロセス最適化の取り組みが必要になる場合がある。計測ツールは一貫して、また不利な処理条件においても、精確な測定を行うべきである。制御不可能なまたは未知のばらつき源に対してロバストな、最適な機器条件のセットが必要である。本明細書で開示される技法は、そのような機器条件を提供できる。これらの技法はまた、各々がそれ自体の特定の要件を用いる様々な半導体製造者に対してもロバストである。これらの技法はまた、計測ツールが正確にかつ一貫性を有して測定を行う能力を評価するように設計されたいくつかの応答が結果に含まれる、複数応答問題にも対処する。

図１は方法１００のフローチャートである。方法１００における全てのステップあるいはいくつかを、プロセッサを使用して行うことができる。混合効果モデルを使用して、工程の多様性に対して機器設定のどの組合せがロバストになるかを判定することができる。モデル化された結果は、以降の測定における信頼度を提供する情報を提供することができる。各測定は異なっている場合があるが、例えば、これらの条件を使用して新しいウエハを測定したときに適正でない見込みが１％未満となるモデルを決定することができる。実験は全てのツール設定が独立して評価されることを保証するように構築され得る。更に、ツール設定を固定効果として含めることができ、ノイズ源を変量効果として含めることができる。したがって、これは混合モデルとなり得る。既知だが制御不可能なばらつき源をモデルに含めると、偶然要因からの効果を遮断でき、計測ツール設定をノイズから独立して評価することができる。

１０１において、計測ツールを使用して半導体ウエハに対する測定が行われる。このステップ１０１は他のステップとは別個に実行され得る。この場合、別個の計測ツールからプロセッサに結果を送信することができるか、または計測ツールのプロセッサに結果を送信することができる。測定値は混合効果モデルを用いて収集され得る。最大限の情報が抽出されるように、妥当な数の実験（すなわち、測定）で適切な実験計画法（ＤＯＥ）を選択できる。例としての実施計画法ＤＯＥタイプには、分割法、直交表の内側／外側割り付け（ｏｒｔｈｏｇｏｎａｌ ｉｎｎｅｒ／ｏｕｔｅｒ ａｒｒａｙｓ）、または一部実施要因法（ｆｒａｃｔｉｏｎａｌ ｆａｃｔｏｒｉａｌｓ）が含まれる。他のＤＯＥタイプを使用してもよい。

計測ツールに言及しているが、検査ツールまたは他のタイプのツールが使用され得る。方法１００は、任意の組合せの離散変数および／または連続変数設定を有する、任意の機器に対して機能し得る。

１０２では、プロセッサにおいて計測ツールからの測定値が受信される。１０３では、分散分析（ＡＮＯＶＡ）を使用して計測ツールに関するツール設定の組合せが決定される。ツール設定は、マーク設計、アパーチャ設定、偏光設定、照射帯域幅、波長、焦点、または他のツール設定を含み得る。有意ではないパラメータを無視できるように、ＡＮＯＶＡをスクリーニング処理として使用できる。この結果、解決すべき問題が小さくなる。ステップ１０３ではＡＮＯＶＡ以外の他の技法も使用できる。

１０４では組合せからの候補が決定される。連続変数の組合せを測定する前に、ＡＮＯＶＡによって最もロバストな分類設定を決定できる。非連続変数の場合、ＡＮＯＶＡによって半導体の層ごとに最良の設定を決定できる。各層は一意的であってもよく、個々の設定を必要としてもよい。ＡＮＯＶＡは設定の特定の組合せを提供し、以降の測定の信頼度を提供することができる。混合効果モデルのフィッティング後、各主効果および各交互作用効果について、統計的有意性の検定を計算することができる。統計的に有意なパラメータについて、ステップ１０４におけるように、最高位の組合せを決定できる。

１０５では、候補の各々について応答曲面モデルが生成される。ある例では、方法１００はより大きい応答曲面中の個々の極大値を調べ、応答において曲率が検出されるまでＤＯＥを拡張する。このことによりより正確な予想を提供できる。通常の製造工程では、どの設定が所望の結果を生み出すかについての事前知識が必要である。しかしながら、半導体産業では個別の各工程ステップに固有の化学的および光学的検討事項が生じる場合があり、事前知識は利用できないのが一般的である。

ある例では、応答曲面モデルは３×３応答曲面モデルであってもよい。計測ツールに関する調節可能な設定は、波長または焦点を含み得る。

応答曲面法を使用して、連続的な独立変数の応答を少ない数の実験的試験で効率的にサンプリングすること、および次いで、この実験的データセットに単純かつ滑らかな関数をフィッティングすること（例えば一次または二次フィット）によって、最良の設定を決定することができる。この手法は必要な実験の数を少なくするのに役立つ。応答曲面モデルはピークに基づくことができ、ピークは関心領域であり得る。ピークはランドスケープから抽出することができる。

ある例では、９点ＤＯＥ（例えば、３×３応答曲面モデル）から応答曲面モデルが生成され得る。９つの点は、ランドスケープに曲率のない領域を覆うことができる。二次モデルにフィットするような９点ＤＯＥも計画され得る。

最高位のレシピに関する統計的に有意な変数に対して、初期データを使用して局所最適化を行うことができる。この局所最適化について関心領域の位置を特定することができる。一次的（調節可能な）設定を独立変数として、応答曲面法を最高位の候補（二次的機器設定）に適用することができる。このことにより、実際に測定されていてもされていなくてもよい、予想される機器設定のセットを提供できる。方法１００は最適な機器設定のセットを予想することができる。

応答曲面モデルでは以下を決定できる：最大補間応答地点、応答曲面形状、波長および焦点の変化への感度、ならびに／またはモデルの妥当性を判定するためのフィット診断。二次応答曲面モデルをある領域内にフィッティングさせることができる。フィッティング式を提供する応答曲面法（ＲＳＭ）モデルを実行することによって、ＤＯＥ空間内で応答を補間することができる。新しい応答を誤差のレベル内で予想することができる。例えば５％の誤差範囲内の、信頼できる候補を選択してもよい。ＲＳＭモデリングは２つのモデルが１つになっている、すなわち二次フィッティングおよび規範的モデリングである。規範的モデリングは、最大のばらつきの方向を決定する固有値を提供する。二次モデルについて２つの固有値を得ることができる。両方の固有値が負である場合には、最大応答の領域が見出されている。両方の固有値が正である場合、最小応答の領域が見出されている。固有値の符号が混合している場合、鞍状部（応答がある方向で増加し異なる方向で減少する）が見出されている。フィッティング式によって感度を判定することができ、フィッティング式を使用して、１単位の変化としての予想される応答変化を連続変数にモデル化することができる。フィット診断（Ｐ値）は、二次モデルが実際に適切であることの信頼度のレベルを提供し得る。フィット診断が良好でなかった（例えば、Ｐ値＞０．０５）場合、特定のモデル係数が必要なかったと判定することができる。フィット診断を使用して曲率がないかを試験できる。

ある実施形態では、注意を集中させるべき応答曲面モデルのエリアは既知ではない。応答曲面モデルは異なり得るので、応答曲面モデルごとに同じ領域をモニタするのは不可能な場合がある。

１０６では、最大応答を提供しノイズ源に対する感度が最も低いツール設定の候補のリストが決定される。この決定には、本明細書に記載するようなＡＮＯＶＡおよびＲＳＭモデリングを使用できる。候補のリスト上の候補の各々は、応答曲面モデルのより密な領域からのものである。ある例では、各変数の最小値から最大値までの、波長および焦点の領域全体が測定される。ＳＰＯＣにより補間が可能になり、依然として範囲全体を使用しながら、測定されるべき点の数を７５％超減らすことができる。これは密な領域と見なすことができるが、密な領域については他の低減が可能である。

候補のリストはまた、候補の残りのものと比較して計測ツールの性能の改善ももたらし得る。ある例では、任意の工程変化（例えばフォトレジスト厚さ）によって必要な最良の波長が変化し得る。ＳＰＯＣは、１０ｎｍの波長変化が予想される応答を改変しないかまたは工程変化の効果が最小限である解決法を提供し得る。

このように、ステップ１０５に見られる予想される機器設定を中心にした実験計画を構築することができる。選択された候補の周囲でより密な領域を探索して、品質の改善をもたらすことができノイズ源に対する感度が最も低い機器設定を決定することができる。選択される候補の周辺の探索および機器設定の決定を同時に行うことができる。方法１００の結果に基づいて、計測ツール（または他のツール）に関する機器設定のうちの１つ以上を変更することができる。

方法１００の計画では全応答空間を使用でき、従来の応答曲面モデルを実行するための関心領域が検出される。

最大応答を提供する候補を決定した後で、計測ツールを経時的にモニタおよび制御することができる。計測ツールは経時的にドリフトする場合があり、または、ウエハの厚さが変化する可能性があり、この結果応答曲面モデルが変化することになる。

計測ツールは決して同一の実験を行わなくてもよい。方法１００の実施形態は、変化を検出しそれに適合するための方法を提供する。数学的モデルをケースバイケースで自動的に修正することができる。半導体製造者への視覚的補助も、固有の各実験に適合され得る。

ある例では、半導体製造者がウエハに関する標的を設計する。物理学に依拠して、設定の特定の組合せがウエハに関する特定の標的にとって最良ではない場合がある。

方法１００を使用できる計測システムの一実施形態が、図２のシステム２００に示されている。システム２００は光学ベースのサブシステム２０１を含む。一般に、光学ベースのサブシステム２０１は、試料２０２に光を差し向け（または試料２０２上を光で走査し）、そこからの光を検出することによって、試料２０２に関する光学ベースの出力を生成するように構成されている。一実施形態では、試料２０２はウエハを含む。ウエハは当技術分野で知られている任意のウエハを含み得る。別の実施形態では、試料はレチクルを含む。レチクルは当技術分野で知られている任意のレチクルを含み得る。

図２に示すシステム２００の実施形態では、光学ベースのサブシステム２０１は、光を試料２０２に差し向けるように構成されている照射サブシステムを含む。照射サブシステムは少なくとも１つの光源を含む。例えば、図２に示すように、照射サブシステムは光源２０３を含む。一実施形態では、照射サブシステムは、光を１つ以上の斜角および／または１つ以上の直角を含み得る１つ以上の入射角で試料２０２に差し向けるように構成されている。例えば、図２に示すように、光源２０３からの光は、斜めの入射角で光学要素２０４および次いでレンズ２０５を通して試料２０２へと差し向けられる。斜めの入射角は、例えば試料２０２の特性に応じて変化し得る、任意の好適な斜めの入射角を含み得る。

光学ベースのサブシステム２０１は、光を異なる時間に異なる入射角で試料２０２に差し向けるように構成され得る。例えば、光学ベースのサブシステム２０１は、光が試料２０２に図２に示すものとは違う入射角で差し向けられるように、照射サブシステムの１つ以上の要素の１つ以上の特性を改変するように構成され得る。１つのそのような例では、光学ベースのサブシステム２０１は、光源２０３、光学要素２０４、およびレンズ２０５を、光が異なる斜めの入射角または法線方向の（もしくは法線方向に近い）入射角で試料２０２に差し向けられるよう移動させるように構成され得る。

いくつかの場合には、光学ベースのサブシステム２０１は、光を同時に２つ以上の入射角で試料２０２に差し向けるように構成され得る。例えば、照射サブシステムは２つ以上の照射チャネルを含んでもよく、照射チャネルのうちの１つは、図２に示すような光源２０３、光学要素２０４、およびレンズ２０５を含んでもよく、別の照射チャネル（図示せず）は、別様にもしくは同じに構成され得る類似した要素を含んでもよいか、または、少なくとも光源を、および場合によっては本明細書で更に記載するもののような１つ以上の他の構成要素を含んでもよい。そのような光がその他の光と同時に試料に差し向けられる場合、異なる入射角で試料２０２に差し向けられる光の１つ以上の特性（例えば、波長、偏光、等）は、試料２０２を異なる入射角で照射した結果生じる光を検出器において互いに区別できるように、異なっていてもよい。

別の場合には、照射サブシステムはただ１つの光源（例えば、図２に示す光源２０３）を含んでもよく、光源からの光は、照射サブシステムの１つ以上の光学要素（図示せず）によって、（例えば、波長、偏光、等に基づいて）異なる光学経路へと分割されてもよい。異なる光学経路の各々における光をその後、試料２０２に差し向けることができる。複数の照射チャネルは、光を同時にまたは異なる時間（例えば、試料を順次照射するために異なる照射チャネルが使用される場合）に試料２０２に差し向けるように構成され得る。別の場合には、同じ照射チャネルが、試料２０２に異なる時間に異なる特性の光を差し向けるように構成され得る。例えば、いくつかの場合には、光学要素２０４は分光フィルタとして構成することができ、分光フィルタの特性は様々な異なる方法で（例えば、分光フィルタをスワップアウトすることによって）、異なる時間に異なる波長の光が試料２０２に差し向けられるように変更可能である。照射サブシステムは、異なるまたは同じ特性を有する光を異なるまたは同じ入射角で連続的にまたは同時に試料２０２に差し向けるための、当技術分野で知られている任意の他の好適な構成を有し得る。

一実施形態では、光源２０３は広帯域プラズマ（ＢＢＰ）源を含み得る。この場合、光源２０３によって生成され試料２０２に差し向けられる光は広帯域光を含み得る。ただし光源は、レーザなどの任意の他の好適な光源を含んでもよい。レーザは当技術分野で知られている任意の好適なレーザを含んでもよく、当技術分野で知られている任意の好適な１つの波長または複数の波長の光を生成するように構成されてもよい。更に、レーザは、単色またはほぼ単色の光を生成するように構成され得る。この場合、レーザは狭帯域レーザであり得る。光源２０３はまた、複数の離散的な波長または波長帯の光を生成する多色光源も含み得る。

光学要素２０４からの光は、レンズ２０５によって試料２０２上に合焦され得る。レンズ２０５は図２には単一の屈折性光学要素として示されているが、実際にはレンズ２０５は、組み合わされて光学要素からの光を試料に合焦させる、いくつかの屈折および／または反射性光学要素を含み得ることを理解されたい。図２に示しかつ本明細書に記載する照射サブシステムは、任意の他の好適な光学要素（図示せず）を含み得る。そのような光学要素の例としては、限定するものではないが、偏光構成要素、分光フィルタ、空間フィルタ、反射性光学要素、アポダイザ、ビームスプリッタ（例えばビームスプリッタ２１３）、アパーチャ、および当技術分野で知られているような任意の好適な光学要素を含み得る類似のものなどが挙げられる。更に、光学ベースのサブシステム２０１は、光学ベースの出力を生成するために使用されることになる照射のタイプに基づいて、照射サブシステムの要素のうちの１つ以上を修正するように構成され得る。

光学ベースのサブシステム２０１はまた、光に試料２０２上を走査させるように構成されている、走査サブシステムを含んでもよい。例えば、光学ベースのサブシステム２０１は、光学ベースの出力の生成中に試料２０２が上に配設される、ステージ２０６を含み得る。走査サブシステムは、光が試料２０２上を走査できるよう試料２０２を移動させるように構成され得る、（ステージ２０６を含む）任意の好適な機械式および／またはロボット式アセンブリを含み得る。加えて、または別法として、光学ベースのサブシステム２０１は、光学ベースのサブシステム２０１の１つ以上の光学要素が試料２０２上で光の何らかの走査を行うように構成され得る。光は、蛇行した経路でまたはらせん状の経路でなど、任意の好適な様式で試料２０２上を走査する。

光学ベースのサブシステム２０１は、１つ以上の検出チャネルを更に含む。１つ以上の検出チャネルのうちの少なくとも１つは、サブシステムによる試料２０２の照射に起因する試料２０２からの光を検出するように、および光の検出に応答して出力を生成するように構成されている、検出器を含む。例えば、図２に示す光学ベースのサブシステム２０１は２つの検出チャネルを含み、１つは集束器２０７、要素２０８、および検出器２０９によって形成されており、もう１つは集束器２１０、要素２１１、および検出器２１２によって形成されている。図２に示すように、２つの検出チャネルは、異なる集束角度で光を集束および検出するように構成されている。いくつかの場合には、両方の検出チャネルが散乱光を検出するように構成されており、これらの検出チャネルは、試料２０２からの異なる角度の散乱光を検出するように構成されている。しかしながら、検出チャネルのうちの１つ以上は、試料２０２からの他のタイプの光（例えば、反射光）を検出するように構成され得る。

図２に更に示すように、両方の検出チャネルが本稿の紙面内に位置付けられて示されており、照射サブシステムもまた、本稿の紙面内に位置付けられて示されている。したがって、この実施形態では、両方の検出チャネルが入射面内に（例えば、その中心に）位置付けられている。しかしながら、検出チャネルのうちの１つ以上を入射面外に位置付けてもよい。例えば、集束器２１０、要素２１１、および検出器２１２によって形成される検出チャネルは、入射面から外に散乱した光を集束および検出するように構成され得る。したがって、そのような検出チャネルを一般に「側方」チャネルと呼んでもよく、そのような側方チャネルは入射面に対して実質的に垂直な平面の中心に位置してもよい。

図２は２つの検出チャネルを含む光学ベースのサブシステム２０１の実施形態を示しているが、光学ベースのサブシステム２０１は、異なる数の検出チャネル（例えば、ただ１つの検出チャネルまたは２つ以上の検出チャネル）を含んでもよい。そのような場合の１つとして、集束器２１０、要素２１１、および検出器２１２によって形成される検出チャネルは、上記したような１つの側方チャネルを形成してもよく、光学ベースのサブシステム２０１は、入射面の反対側に位置付けられている別の側方チャネルとして形成される追加の検出チャネル（図示せず）を含み得る。したがって、光学ベースのサブシステム２０１は、集束器２０７、要素２０８、および検出器２０９を含み、入射面の中心に位置し、試料２０２の表面に対する法線方向のまたは法線方向に近い散乱角の光を集束および検出するように構成されている、検出チャネルを含んでもよい。この検出チャネルをしたがって一般に「上部」チャネルと呼んでもよく、光学ベースのサブシステム２０１はまた、上記したように構成されている２つ以上の側方チャネルを含んでもよい。したがって、光学ベースのサブシステム２０１は少なくとも３つのチャネル（すなわち、１つの上部チャネルおよび２つの側方チャネル）を含んでもよく、少なくとも３つのチャネルの各々はそれ自体の集束器を有し、その各々は他の集束器の各々とは異なる散乱角の光を集束するように構成されている。

上で更に記載したように、光学ベースのサブシステム２０１に含まれる検出チャネルの各々は、散乱光を検出するように構成され得る。したがって、図２に示す光学ベースのサブシステム２０１は、試料２０２に関する暗視野（ＤＦ）出力を生成するように構成され得る。しかしながら、光学ベースのサブシステム２０１は更にまたは代替として、試料２０２に関する明視野（ＢＦ）出力を生成するように構成されている検出チャネルを含み得る。言い換えれば、光学ベースのサブシステム２０１は、試料２０２から鏡面反射された光を検出するように構成されている、少なくとも１つの検出チャネルを含み得る。したがって、本明細書に記載する光学ベースのサブシステム２０１は、ＤＦのみの、ＢＦのみの、またはＤＦおよびＢＦの両方の画像化を行うように構成され得る。集束器の各々は図２では単一の屈折性光学要素として示されているが、集束器の各々は、１つ以上の屈折性光学ダイおよび／または１つ以上の反射性光学要素を含み得ることを理解されたい。

１つ以上の検出チャネルは、当技術分野で知られている任意の好適な検出器を含み得る。例えば、検出器は、光電子増倍管（ＰＭＴ）、電荷結合デバイス（ＣＣＤ）、時間領域積分（ＴＤＩ）カメラ、および当技術分野で知られている任意の他の好適な検出器を含み得る。検出器はまた、非画像化検出器または画像化検出器も含み得る。このように、検出器が非画像化検出器である場合、検出器の各々は散乱光の特定の特性、例えば強度を検出するように構成され得るが、そのような特性を画像化平面内の位置の関数として検出するようには構成されていない場合がある。したがって、光学ベースのサブシステムの検出チャネルの各々の中に含まれている検出器の各々によって生成される出力は、信号またはデータであり得るが、画像信号または画像データではない場合がある。そのような場合、プロセッサ２１４などのプロセッサは、検出器の非画像化出力から試料２０２の画像を生成するように構成され得る。しかしながら、他の場合には検出器は、画像化信号または画像データを生成するように構成されている画像化検出器として構成され得る。したがって、光学ベースのサブシステムは、本明細書に記載する光学画像または他の光学ベースの出力をいくつかの方法で生成するように構成され得る。

図２は本明細書において、本明細書に記載するシステムの実施形態に含まれ得る、または本明細書に記載するシステムの実施形態によって使用される光学ベースの出力を生成し得る光学ベースのサブシステム２０１の構成を、全体的に示すように提供されていることが留意される。本明細書に記載する光学ベースのサブシステム２０１の構成は、市販の出力取得システムを設計するときに通常行われるように、光学ベースのサブシステム２０１の性能を最適化するように改変され得る。更に、本明細書に記載するシステムは、既存のシステムを使用して（例えば、本明細書に記載する機能性を既存のシステムに追加することによって）実装され得る。いくつかのそのようなシステムに、本明細書に記載する方法を、システムの任意選択の機能性として（例えば、システムの他の機能性に加えて）提供することができる。別法として、本明細書に記載するシステムは完全に新しいシステムとして設計されてもよい。

プロセッサ２１４は、プロセッサ２１４が出力を受信できるように、任意の好適な様式で（例えば、有線のおよび／またはワイヤレスの伝送媒体を含み得る１つ以上の伝送媒体を介して）、システム２００の構成要素に結合され得る。プロセッサ２１４は出力を使用していくつかの機能を実行するように構成され得る。システム２００はプロセッサ２１４から命令または他の情報を受信し得る。プロセッサ２１４および／または電子データストレージユニット２１５は任意選択的に、追加の情報の受信または命令の送信のために、ウエハ検査ツール、ウエハ計測ツール、またはウエハ精査ツール（図示せず）と電子的に通信し得る。例えば、プロセッサ２１４および／または電子データストレージユニット２１５はＳＥＭと電子的に通信し得る。

本明細書に記載するプロセッサ２１４、他のシステム、または他のサブシステムは、パーソナルコンピュータシステム、画像コンピュータ、メインフレームコンピュータシステム、ワークステーション、ネットワーク機器、インターネット機器、または他のデバイスを含む、様々なシステムの一部であり得る。サブシステムまたはシステムはまた、並列プロセッサなどの当技術分野で知られている任意の好適なプロセッサを含み得る。更に、サブシステムまたはシステムは、高速処理機能およびソフトウェアを備えたプラットフォームを、スタンドアロンまたはネットワーク化ツールのいずれかとして含み得る。

プロセッサ２１４および電子データストレージユニット２１５は、システム２００または別のデバイス内に配設されてもよく、さもなければその一部であってもよい。ある例では、プロセッサ２１４および電子データストレージユニット２１５は、スタンドアロンの制御ユニットの一部であり得るか、または集中品質制御ユニット内に存在し得る。複数のプロセッサ２１４または電子データストレージユニット２１５を使用してもよい。

プロセッサ２１４は実際には、ハードウェア、ソフトウェア、およびファームウェアの任意の組合せによって実装され得る。また、本明細書に記載するようなその機能は、１つのユニットによって実行されても異なる構成要素間で分割されてもよく、それらの各々は、ハードウェア、ソフトウェアおよびファームウェアの任意の組合せによって順次実行され得る。プロセッサ２１４が様々な方法および機能を実施するためのプログラムコードまたは命令を、電子データストレージユニット２１５内のメモリまたは他のメモリなどの、可読ストレージ媒体に記憶してもよい。

システム２００は２つ以上のプロセッサ２１４を含む場合には、異なるサブシステムを、画像、データ、情報、命令、等をそれらサブシステム間で送信できるように、互いに結合してもよい。例えば、１つのサブシステムを、当技術分野で知られている任意の好適な有線のおよび／またはワイヤレスの伝送媒体を含み得る、任意の好適な伝送媒体によって、追加のサブシステムに結合してもよい。また２つ以上のそのようなサブシステムを、共有されるコンピュータ可読ストレージ媒体（図示せず）によって有効に結合してもよい。

プロセッサ２１４は、システム２００の出力または他の出力を使用していくつかの機能を実行するように構成され得る。例えば、プロセッサ２１４は、電子データストレージユニット２１５または別のストレージ媒体に出力を送信するように構成され得る。プロセッサ２１４は本明細書に記載するように更に構成され得る。

プロセッサ２１４は、本明細書に記載する実施形態のいずれか１つに従って構成され得る。プロセッサ２１４はまた、システム２００の出力を使用してまたは他のソースからの画像もしくはデータを使用して、他の機能または追加のステップを実行するようにも構成され得る。

システム２００および本明細書に開示される方法の様々なステップ、機能、および／または動作は、以下のうちの１つ以上によって実行される：電子回路、論理ゲート、マルチプレクサ、プログラマブル論理デバイス、ＡＳＩＣ、アナログもしくはデジタルのコントロール／スイッチ、マイクロコントローラ、またはコンピューティングシステム。本明細書に記載するような方法を実施するプログラム命令を、キャリア媒体を介して伝送またはキャリア媒体に記憶してもよい。キャリア媒体は、読み出し専用メモリ、ランダムアクセスメモリ、磁気または光学ディスク、不揮発性メモリ、ソリッドステートメモリ、磁気テープ、および類似のものなどの、ストレージ媒体を含み得る。キャリア媒体は、ワイヤ、ケーブル、またはワイヤレス伝送リンクなどの伝送媒体を含み得る。例えば、本開示の全体にわたって記載されている様々なステップは、単一のプロセッサ２１４、または別法として複数のプロセッサ２１４によって、実行され得る。また更に、システム２００の様々なサブシステムは、１つ以上のコンピューティングシステムまたは論理システムを含み得る。したがって上記の説明は、本開示に対する限定としてではなく、単なる例示として解釈されるべきである。

ある例では、プロセッサ２１４はシステム２００と通信している。プロセッサ２１４は、複数の測定値を受信し、ＡＮＯＶＡを使用して計測ツールに関するツール設定の複数の組合せを決定し、複数の組合せから候補を決定し、候補の各々について応答曲面モデルを生成し、最大応答を提供しノイズ源に対する感度が最も低いツール設定の候補のリストを決定するように構成されている。候補のリスト上の候補の各々はいずれも、応答曲面モデルのより密な領域からのものである。候補のリストは候補の残りのものと比較して計測ツールの性能の改善をもたらし得る。応答曲面モデルの候補は計測ツールに関する二次的機器設定であり得、計測ツールに関する調節可能な設定は独立変数であり得る。応答曲面モデルは３×３応答曲面モデルであってもよい。

プロセッサは更に、計測ツールを使用して半導体ウエハに対する測定を行うための命令を送信するように構成され得る。測定値は混合効果モデルを用いて収集され得る。

プロセッサ２１４は更に、測定品質に基づいてスコアを決定するように構成され得る。測定された各属性が異なる単位および異なるばらつきを有する状況を逆畳み込みするために、複合望ましさ法（ｃｏｍｐｏｓｉｔｅ ｄｅｓｉｒａｂｉｌｉｔｙ ａｐｐｒｏａｃｈ）を使用できる。複合望ましさは、各測定値を０から１の間のスコアに変換できる。加算平均、乗算平均、または幾何平均を使用して、測定された全ての品質属性を組み合わせて単一のスコアにすることができる。

追加の実施形態は、本明細書に開示するような、制御装置において実行可能なプロセス最適化のためのコンピュータ実装方法を実行するためのプログラム命令を記憶している、非一時的コンピュータ可読媒体に関する。特に、図２に示すように、電子データストレージユニット２１５または他のストレージ媒体は、プロセッサ２１４上で実行可能なプログラム命令を含む非一時的コンピュータ可読媒体を含み得る。コンピュータ実装方法は、方法１００を含む本明細書に記載するいずれかの方法の任意のステップを含み得る。

プログラム命令は、とりわけプロシージャベースの技法、コンポーネントベースの技法、および／またはオブジェクト指向の技法を含む、様々な方法のいずれかで実装され得る。例えば、プログラム命令は、所望に応じてＡＣＴＩＶＥＸコントロール、Ｃ＋＋オブジェクト、ＪＡＶＡＢＥＡＮＳ、ＭＩＣＲＯＳＯＦＴ ＦＯＵＮＤＡＴＩＯＮ ＣＬＡＳＳＥＳ（ＭＦＣ）、ＳＴＲＥＡＭＩＮＧ ＳＩＭＤ ＥＸＴＥＮＳＩＯＮ（ＳＳＥ）、または他の技術もしくは方法論を使用して実装され得る。

光線と共に開示されているが、本明細書で開示されている実施形態は、電子線またはイオン線など、エネルギー源からの他のビームと共に使用できる。

いくつかの光学品質メトリックに基づく最も正確な測定値を提供する機器設定のセットを決定するために、実験を行った。検証段階では、現時点のプリント層が先立つプリント層の上にどの程度良好に重ねられているかを判定するための目標を測定したが、これはオーバーレイと呼ばれる。ウエハにわたって十分な点を測定して、系統的空間シグネチャを除去でき、かつそれをリソグラフィスキャナに関する訂正のセットに変換して同じ工程を使用する任意の以降のウエハに使用できるように、高精度の正確度が要求される場合がある。標的とするベンチマークは、｜ｍｅａｎ｜＋３シグマについての半導体製造者の標的を下回るオーバーレイ残差（製品オーバーレイに関して≦４ｎｍ）を達成することである。残差計算には、半導体製造者の製造施設において決定された特定のモデルが利用される。

最初の実験における応答としてオーバーレイ残差を取り入れることはできないが、その理由はその場合、高次多項式モデルに基づいて残差を得るために、ウエハにわたって多くの（例えば、１００個を超える）地点を測定する必要があるからである。繰り返しを行えば、実験の最初の段階でウエハにわたってちょうど１００個のサイトを測定すれば、結果的に最低で４３７，４００回のランを伴う計画実験が得られることになる。このようにして、光学品質メトリックに基づいてオーバーレイを正確に測定するであろう機器設定のセットが決定された。

本発明者らの最初の実験は、３つの光学品質メトリック（「応答１」、「応答３」、および「応答２」）に対する「因子Ａ」、「因子Ｂ」、「因子Ｃ」、「因子Ｄ」、および「因子Ｅ」の効果を評価するように構成された。「因子Ａ」の関心設計はＳＢ１、ＳＢ２、およびＳＢ３であった。「因子Ｂ」の関心設定は低、中、高であった。「因子Ｃ」の関心状態はＰ、Ｓ、およびＵＮであった。「因子Ｄ」の関心設定は離散値であり、「因子Ｅ」の関心水準は－２４００から２４００までの範囲である。ウエハ上の地点の測定中、「因子Ａ」、「因子Ｂ」、および「因子Ｃ」は一定に維持された。「因子Ｄ」および「因子Ｅ」は変化した。このことは、部分的には無作為化されたランの必要数に起因しており、また部分的には「因子Ａ」、「因子Ｂ」、および「因子Ｃ」を変更することの困難さに起因している。

処理計画は分割法を示唆している。変更困難な因子がより大きな実験単位（例えば、ウエハ）に適用され変更容易な因子がより小さい下位実験単位（例えば、ウエハ上のサイト）に適用される多くの状況に対して、分割法を適用できる。

３つの有害なばらつき源を特定し、モデルに含めた。３つの「因子Ｆ」（内、中間、外）、２つの方向（垂直（Ｘ）および水平（Ｙ））、ならびに２つの向き（右および左）が、３つの偶然要因を構成する。測定時に全ての要素が同じ品質を呈するのが理想的であるが、光近接効果が存在しており、また、モデルにおいては全てのばらつき源の説明が付かねばならない。「因子Ａ」設計は主因子のうちの１つであり、目標は最小の光近接効果を呈する「因子Ａ」設計を選択することである。モデルにおいてこれらランダムなばらつき源を遮断することは、それらランダムなばらつき源を説明するのに有用な技法である。

２つのサブプロット処理因子（「因子Ｄ」および「因子Ｅ」）は応答曲面を形成している。総当たり法は各主プロット処理組合せについて４１×３２応答曲面（１３１２回のラン）を生成するものであった。以前のデータを使用した実験を通して、どのような４１×３２応答曲面も９＾２処理組合せへと分割でき、それでもなお応答曲面の全体的な構造が維持されると判定された。

図３および図４に示すように、４１×３２点格子の代わりに９＾２点格子を測定しても（必要なランの数の９３％の低減）、等高線プロットによって近似される応答曲面の全体的な構造が維持される。関心領域を特定して更に研究または検証を行うことができる。繰り返し法によれば、関心領域を捕捉するには９×９格子で十分であり、測定コストがほぼ９６％低減されると判定された。

半導体産業では、あり得る調査に対してあり得る全ての関心領域（最大応答のエリア）が特定されるべきである場合が多い。したがって、サブプロット処理計画については非標準的な９＾２を選択した。

最初の実験では、分割法モデルを最初に生成し、有意な効果および交互作用を評価して応答曲面モデリングの候補を決定することに注力した。特定の候補の「因子Ｄ」および「因子Ｅ」を中心とした３＾２面心複合計画において二次応答曲面モデルを受け入れるように、３つから５つの候補レシピを選択した。最初の９＾２応答曲面は、面心中心複合応答曲面モデルに必要な点を含んでいる。

３つの応答（「応答２」、「応答１」、「応答３」）が存在する。目標は、全ての応答について最適化を行い、全ての応答を平等にまたは主題の専門知識に応じて個別に重み付けして処理することである。

望ましさによる複数の応答へのアプローチでは、個々の応答がまず０から１までの範囲の複合スコア値へと正規化されるが、ここで１は理想的な複合スコア値である。適用される関数は応答目標によって決まる（最大化、最小化、または標的達成）。所定の仕様限度値を計算における閾値として使用できる半導体産業では、望ましさ法は有用である。仕様の上限値および下限値を、最もよく知られた方法または半導体製造者の運用要件に基づいて設定できる。例えば、応答の最小化が目標でありかつ１０μｍの閾値を超えるどのような値も許容可能と見なしてはならないことが知られているときに応答を測定する場合、望ましさの式は、閾値になるかまたはそれを超える全条件についてゼロの品質スコアを与えるように構成され得る。このことは、測定の背後の精確な物理学が理解され限度値が確立されている半導体産業においては役立つものであり得る。更に、ある応答が他の応答よりも重要であるという十分な根拠または事前知識がある場合、重み付けを適用することができる。

個別の各望ましさスコアを決定した後で、幾何平均法を使用して複合望ましさスコアを計算した。モデルについて単一の複合応答（ｄ＿ｃ）が生成されると、これは分割法分析についておよび応答曲面モデルについての両方で、応答としての役割を果たす。

この計画に基づいて統計的線形効果モデルを構築した。線形効果モデルは、応答が個々の効果の一次成分の関数であるモデルである。効果は、制御可能な因子、制御可能な因子間の交互作用、ランダムであるが既知のばらつき源のいずれかである。

固定効果のタイプＩＩＩ検定（縮約モデル）が図５に示されている。この出力はＳＡＳにおける混合モデルのＧＬＩＭＭＩＸプロシージャに関する標準的な出力であって、機器設定のどの組合せが重要であるかを理解するのに役立つＦ検定統計値およびＰ値を提供する。ＧＬＩＭＭＩＸプロシージャは、相関関係または非定常のばらつきを有し応答が必ずしも正規分布に従わないデータに、統計的モデルをフィッティングする。これらのモデルは一般化線形混合モデル（ＧＬＭＭ）として知られている。

重要な因子の組合せの特定後、最小二乗平均からの出力を使用して各因子の特定の設定を決定することができる。最小二乗平均は従来の平均化と似ているが、この場合は、ＤＯＥにおける観察数が異なる水準間で等しくない。最小二乗平均は不均衡な計画の訂正を可能にする。計画の均衡がとれている（すなわち、水準間で観察が同数である）場合には、最小二乗平均は平均と等しい。

最高次の有意な交互作用の効果は、「因子Ａ」＊「因子Ｂ」＊「因子Ｃ」＊「因子Ｄ」である（図６Ａ～図６Ｂに示す）。交互作用効果に対する最小二乗平均（ＬＳＭＥＡＮＳ）分析によって、様々な対比が識別され、処理組合せ水準のどのセットが統計的に同じであるかが識別された。しかしながら、「因子Ｅ」設定を決定するために、「因子Ｅ」を含む４つの３者間交互作用の効果を調査した。

関連性文字レポート（ｃｏｎｎｅｃｔｉｎｇ ｌｅｔｔｅｒｓ ｒｅｐｏｒｔ）を検査し、観察されたデータに基づくと、６つの構成は互いに有意な差を有さず、更に研究するべく検討され得る。「Ａ」で指定された６つの類似した構成は全て、単一の「因子Ｂ」設定（低）を含む。「因子Ａ」設計のＳＢ３およびＳＢ２ならびに「因子Ｄ」はまた、４者間交互作用の評価においても有力であった。

「因子Ｅ」を含む４つの３者間交互作用の効果が存在する。画像解釈はこれらの交互作用プロットには有用ではなかったが、関連性文字レポートによって必要な水準間の比較を提供した。

「因子Ｅ」が関与する４つの３者間交互作用プロットに関する関連性文字レポートは、以下の構成を試験することを提案した。

候補の特定後、応答曲面全体のより小さいエリアに対して、候補の「因子Ｄ」および「因子Ｅ」を中心とし、９＾２の「因子Ｄ」および「因子Ｅ」の測定値からの３＾２個の点のサブセットを使用して、二次応答曲面モデルを実行した。検証測定を継続するにはいくつかの基準を満たす必要があった。第１に、適合度検定（ｌａｃｋ ｏｆ ｆｉｔ ｔｅｓｔ）によって、二次モデルが適切であるかどうかが判定される。第２に、応答曲面は上記２つの条件が満たされる場合に極大値を含む。第３に、応答の停留点を計算することができる（図７Ａ～図７Ｃ）。

この最適応答の点は、試験および検証の必要な補間された点である。応答曲面データを９＾２要因として収集することによって、それ以上データ収集を行わなくても、各候補の「因子Ｄ」および「因子Ｅ」を中心とした３＾２面心応答曲面モデルが得られる。統計ソフトウェアパッケージにおいて二次応答曲面のフィッティングを行うことで、情報を得ることができる。

図７Ａ～図７Ｃは、「因子Ａ」＝ＳＢ３、「因子Ｂ」＝低、「因子Ｃ」＝ＵＮ、「因子Ｄ」＝５２００、および「因子Ｅ」＝５である応答曲面を表し、「因子Ｃ」は「因子Ｄ」および「因子Ｅ」を中心としていない（Ｕｎ ｃｅｎｔｅｒｅｄ ａｒｏｕｎｄ）。Ｘ軸およびＹ軸の応答曲面が別々に示されている。応答曲面モデリングにおいて二次モデルが使用され、各応答曲面についての適合度検定（図示せず）によって、二次モデルが是認される（すなわち、二次の項には当てはまり悪さがない）こと、および、各停留点がその領域における最大応答の点にあることが確認された。

半導体製造者の多くは計測ツールがＸおよびＹを同時に測定することを必要としており、段階２における密なウエハサンプリングの良好と見込まれる候補は、図７Ａ～図７Ｃから｛「因子Ｄ」＝２、「因子Ｅ」＝５．３｝として推測することができる。報告される固有値および固有ベクトルは正準相関分析を構成し、それらの大きさおよび方向が感度および表面形状についての有用な情報をもたらす。固有値の符号（図７Ａ～図７Ｃに示す例では全て負）は、計算された停留点が最大値となっていること、および、複合品質スコアが「因子Ｅ」の方向においてよりも「因子Ｄ」の方向においてより大きく減少していることを示している。等しいスコアを与えられたときまたは等しいオーバーレイ残差｜ｍ｜＋３シグマを与えられたときにどの候補が工程変化への感度が最も低いかを判定するために、実際の固有値自体は他の候補の固有値とのみ比較することができる。感度差は、動作条件の最適なセットの探索における新しいメトリック自体となり得る。

ウエハにわたる全サイト上で、最高位の条件の候補セット（「因子Ａ」設計＝ＳＢ３、「因子Ｂ」＝低、「因子Ｃ」＝Ｕｎ、「因子Ｄ」＝２、「因子Ｅ」＝５．３）に対する検証実験（図８）の収集を行った。得られた結果は、第１の実験的ケースは首尾がよいこと、および、残差｜ｍ｜＋３シグマは標的目標の４．０ｎｍよりもかなり小さいことを示していた。観察された結果は、図８について、Ｘ方向において２．８ｎｍ、Ｙ方向において２．６４の｜ｍ｜＋３シグマを示している。

有意な因子組合せを特定するための分割法によって、応答曲面法をプロット処理の全組合せの小さいサブセットに集中させる能力が実現された。分割法の結果から、単一の「因子Ａ」設計（ＳＢ３）および単一の「因子Ｂ」（低 ＮＡ）が、最高位の候補として特定された。ＬＳ平均プロットおよび関連性文字レポートが固定効果のタイプＩＩＩ検定の結果の検証にとって有用な補助となることが分かっており、これらは提供されるレシピ設定を視覚的に検査する能力を半導体製造者に与えることができる。「因子Ｄ」および「因子Ｅ」の候補値を中心とした応答曲面モデリングによって、ウエハ全体にわたる検証検定のための測定可能な候補を得ることができる。

方法のステップの各々を本明細書に記載するように実行することができる。方法はまた、本明細書に記載するプロセッサおよび／またはコンピュータサブシステムもしくはシステムによって実行可能な、任意の他のステップを含み得る。ステップは、本明細書に記載する実施形態のいずれかに従って構成され得る、１つ以上のコンピュータシステムによって実行され得る。更に、上記した方法は、本明細書に記載するいずれかのシステムの実施形態によって実行されてもよい。

半導体製造と共に開示されているが、本明細書で開示されている実施形態は他のタイプの製造と共に使用できる。例えば、本明細書に開示されている技法を、電子機器、自動車、化学物質、医薬品、航空機、またはバイオメディカルデバイスのための、他の製造に適用することができる。

本開示について１つ以上の特定の実施形態に関して記載してきたが、本開示の範囲から逸脱することなく本開示の他の実施形態を作製できることが理解されるであろう。したがって、本開示は付属の特許請求の範囲、およびその妥当な解釈によってのみ限定されるものと解釈される。

Claims (17)

1. 計測ツールであって、
   ビームを生成するエネルギー源と、
   前記エネルギー源からの前記ビームの経路内にウエハを固定するステージと、
   検出器と、
   前記検出器と電子的に通信しているプロセッサであり、
   複数の測定値を受信し、
   分散分析（ＡＮＯＶＡ）を使用して前記計測ツールに関するツール設定の複数の組合せを決定し、
   前記複数の組合せから候補を決定し、
   前記候補の各々について応答曲面モデルを生成し、
   最大応答を提供しノイズ源に対する感度が最も低い前記ツール設定の前記候補のリストを決定するように構成されており、前記候補の前記リスト上の前記候補の各々はいずれも、前記応答曲面モデルのより密な領域からのものである、プロセッサと、
   を備えることを特徴とする計測ツール。
2. 請求項１に記載の計測ツールであって、前記プロセッサは更に、前記計測ツールを使用して半導体ウエハに対する前記測定を行うための命令を送信するように構成されていることを特徴とする計測ツール。
3. 請求項２に記載の計測ツールであって、前記測定値は混合効果モデルを用いて収集されることを特徴とする計測ツール。
4. 請求項１に記載の計測ツールであって、前記計測ツールに関する調節可能な設定が独立変数であることを特徴とする計測ツール。
5. 請求項１に記載の計測ツールであって、前記候補のリストは前記候補の残りのものと比較して前記計測ツールの性能の改善をもたらすことを特徴とする計測ツール。
6. 請求項１に記載の計測ツールであって、前記プロセッサは更に、測定品質に基づいてスコアを決定するように構成されていることを特徴とする計測ツール。
7. 請求項１に記載の計測ツールであって、前記応答曲面モデルは３×３応答曲面モデルであることを特徴とする計測ツール。
8. 請求項１に記載の計測ツールであって、前記プロセッサは更に、前記候補のリストに基づいて前記計測ツールに関する１つ以上の設定を調整するように構成されていることを特徴とする計測ツール。
9. プロセッサにおいて計測ツールから複数の測定値を受信することと、
   前記プロセッサを使用して、分散分析（ＡＮＯＶＡ）を使用して前記計測ツールに関するツール設定の複数の組合せを決定することと、
   前記プロセッサを使用して、前記複数の組合せから候補を決定することと、
   前記プロセッサを使用して、前記候補の各々について応答曲面モデルを生成することと、
   前記プロセッサを使用して、最大応答を提供しノイズ源に対する感度が最も低い前記ツール設定の前記候補のリストを決定することと、
   を含み、前記候補のリスト上の前記候補の各々はいずれも、前記応答曲面モデルのより密な領域からのものであることを特徴とする方法。
10. 請求項９に記載の方法であって、前記計測ツールを使用して半導体ウエハに対する前記測定を行うことを更に含むことを特徴とする方法。
11. 請求項１０に記載の方法であって、前記測定値は混合効果モデルを用いて収集されることを特徴とする方法。
12. 請求項９に記載の方法であって、前記計測ツールに関する調節可能な設定が独立変数であることを特徴とする方法。
13. 請求項９に記載の方法であって、前記候補のリストは前記候補の残りのものと比較して前記計測ツールの性能の改善をもたらすことを特徴とする方法。
14. 請求項９に記載の方法であって、測定品質に基づいてスコアを決定することを更に含むことを特徴とする方法。
15. 請求項９に記載の方法であって、前記応答曲面モデルは３×３応答曲面モデルであることを特徴とする方法。
16. 請求項９に記載の方法であって、前記プロセッサを使用して、前記候補のリストを使用して前記計測ツールに関する１つ以上の設定を調整することを更に含むことを特徴とする方法。
17. プログラムを記憶している非一時的コンピュータ可読媒体であって、請求項９に記載の方法を実行するようプロセッサに命令するように構成されていることを特徴とする非一時的コンピュータ可読媒体。

Images