JPWO2003105210A1 - 処理装置の多変量解析モデル式作成方法，処理装置用の多変量解析方法，処理装置の制御装置，処理装置の制御システム - Google Patents
処理装置の多変量解析モデル式作成方法，処理装置用の多変量解析方法，処理装置の制御装置，処理装置の制御システム Download PDFInfo
- Publication number
- JPWO2003105210A1 JPWO2003105210A1 JP2004512183A JP2004512183A JPWO2003105210A1 JP WO2003105210 A1 JPWO2003105210 A1 JP WO2003105210A1 JP 2004512183 A JP2004512183 A JP 2004512183A JP 2004512183 A JP2004512183 A JP 2004512183A JP WO2003105210 A1 JPWO2003105210 A1 JP WO2003105210A1
- Authority
- JP
- Japan
- Prior art keywords
- processing device
- setting data
- correlation
- multivariate analysis
- processing apparatus
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 533
- 238000000034 method Methods 0.000 title claims abstract description 120
- 238000000491 multivariate analysis Methods 0.000 title claims abstract description 117
- 238000001514 detection method Methods 0.000 claims abstract description 103
- 230000008569 process Effects 0.000 claims abstract description 66
- 230000014509 gene expression Effects 0.000 claims abstract description 34
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000005259 measurement Methods 0.000 abstract description 10
- 235000012431 wafers Nutrition 0.000 description 74
- 239000007789 gas Substances 0.000 description 48
- 239000011159 matrix material Substances 0.000 description 44
- 238000004458 analytical method Methods 0.000 description 28
- 238000013500 data storage Methods 0.000 description 23
- 230000003287 optical effect Effects 0.000 description 21
- 238000004364 calculation method Methods 0.000 description 19
- 238000012549 training Methods 0.000 description 14
- 238000005530 etching Methods 0.000 description 11
- 238000002474 experimental method Methods 0.000 description 9
- 230000005856 abnormality Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 239000003990 capacitor Substances 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 239000003507 refrigerant Substances 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 229910052710 silicon Inorganic materials 0.000 description 3
- 239000010703 silicon Substances 0.000 description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 239000011810 insulating material Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003050 experimental design method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000001020 plasma etching Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
- H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
- H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
- H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
- H01L21/302—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to change their surface-physical characteristics or shape, e.g. etching, polishing, cutting
- H01L21/306—Chemical or electrical treatment, e.g. electrolytic etching
- H01L21/3065—Plasma etching; Reactive-ion etching
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/32—Gas-filled discharge tubes
- H01J37/32917—Plasma diagnostics
- H01J37/32935—Monitoring and controlling tubes by information coming from the object and/or discharge
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Drying Of Semiconductors (AREA)
- Plasma Technology (AREA)
Abstract
本発明では，例えば基準とするプラズマ処理装置１００Ａとこれと同種のプラズマ処理装置１００Ｂについて第１の設定データにより動作したときにそれぞれの複数のセンサから検出される検出データをそれぞれ多変量解析してそれぞれの多変量解析モデル式を作成した後，新たな第２の設定データにより動作したときにプラズマ処理装置１００Ａの複数のセンサから検出される検出データを用いてその多変量解析モデル式を作成し，この新たな第２の設定データのプラズマ処理装置１００Ａの多変量解析モデル式とプラズマ処理装置１００Ｂの多変量解析モデル式とを用いて新たな第２の設定データに対応するプラズマ処理装置１００Ｂの多変量解析モデル式を作成する。これによれば，例えば処理装置毎にプロセス特性に差がある場合であっても，一つの処理装置について作成したモデル式を同種の他の処理装置にそのまま適用することができ，処理装置毎に種々の測定データを取ってその都度モデル式を作成しなくても済む。これにより，モデル式作成の際の手数と時間を軽減することができる。
Description
技術分野
本発明は，処理装置の多変量解析モデル式作成方法，処理装置用の多変量解析方法，処理装置の制御装置，処理装置の制御システムに関する。
背景技術
半導体製造工程では種々の処理装置が用いられている。半導体ウエハやガラス基板等の被処理体の成膜工程やエッチング工程ではプラズマ処理装置等の処理装置が広く使用されている。個々の処理装置はそれぞれ被処理体に対する固有のプロセス特性を有している。そのため，装置毎のプロセス特性をモニタし，あるいはプロセス特性を予測するなどしてウエハの最適処理を行っている。
例えば，特開平６−１３２２５１号公報にはプラズマエッチング装置のエッチングモニタについて提案されている。この場合には，前もってエッチングの処理結果（均一性，寸法精度，形状や下地膜との選択性等）とプラズマの分光分析結果やプロセス条件（圧力，ガス流量，バイアス電圧等）の変動状況等との関係を調べ，これらをデータベースとして記憶しておくことにより，ウエハを直接検査することなく処理結果を間接的にモニタできる。モニタした処理結果が検査条件に対して不合格である場合には，その情報をエッチング装置に送って処理条件を修正し，あるいは処理を中止すると共に管理者にその旨を通報する。
また，特開平１０−１２５６６０号公報にはプラズマ処理装置のプロセスモニタ方法について提案されている。この場合には，処理前に試用ウエハを用いてプラズマ状態を反映する電気的信号とプラズマ処理特性を関連づけるモデル式を作成し，実ウエハを処理する時に得られる電気的信号の検出値をモデル式に代入してプラズマ状態を予測し，診断している。
また，特開平１１−８７３２３号公報には半導体ウエハ処理システムの複数のパラメータを用いてプロセスを監視する方法及び装置について提案されている。この場合には，複数のプロセスパラメータを分析し，これらのパラメータを統計的に相関させてプロセス特性やシステム特性の変化を検出する。複数のプロセスパラメータとしては，発光，環境パラメータ（反応チャンバ内の圧力や温度等），ＲＦパワーパラメータ（反射パワー，同調電圧等），システムパラメータ（特定のシステム構成や制御電圧）が用いられている。
しかしながら，従来の技術の場合には，種々の測定データを多変量解析等の統計的手法により解析してモデル式を作成し，このモデル式を用いて処理装置の状態やプロセス特性を把握し，監視しているため，例えば各処理装置に付設されたセンサ間の個体差など，処理装置毎にプロセス特性に差がある場合には，一つの処理装置についてモデル式を作成しても，このモデル式を同種の他の処理装置にそのまま適用することができず，処理装置毎に種々の測定データを取ってその都度モデル式を作成しなくてならず，モデル式の作成に多大な手数と時間を要するという課題があった。また，プロセス条件が変わる場合にもプロセス条件毎に種々の測定データを取ってその都度モデル式を作成しなくてならず，モデル式の作成に多大な手数と時間を要するという課題があった。
本発明は，上記解決するためになされたもので，処理装置毎にプロセス特性やプロセス条件に差があっても一つの処理装置についてモデル式を作成すれば，そのモデル式を同種の他の処理装置に流用することができ，処理装置毎にモデル式を作成する際の手間や負担を軽減することができ，また処理装置毎にモデル式を新たに作成しなくても各処理装置の装置状態を評価することができる処理装置の多変量解析モデル式作成方法及び処理装置用の多変量解析方法を提供することを目的としている。
発明の開示
上記課題を解決するために，本発明の第１の観点によれば，多変量解析によって処理装置の装置状態を評価し又は処理結果を予測する際の多変量解析モデル式を作成する方法であって，複数の処理装置においてそれぞれ第１の設定データに基づいて動作した時に前記各処理装置の複数のセンサから検出される検出データと前記第１の設定データとの相関関係を多変量解析によって前記各処理装置ごとに求める第１の工程と，前記各処理装置のうちの１つを基準処理装置とすると，この基準処理装置において新たな第２の設定データに基づいて動作した時に前記基準処理装置の複数のセンサから検出される検出データと前記第２の設定データとの相関関係を多変量解析によって求める第２の工程と，前記基準処理装置以外の他の処理装置における前記第２の設定データと検出データとの相関関係を，前記第１の工程で求めた前記他の処理装置における相関関係と，前記第１の工程で求めた前記基準処理装置における相関関係と，前記第２の工程で求めた前記基準処理装置における前記相関関係とに基づいて求め，こうして求めた相関関係に基づいて前記他の処理装置の装置状態を評価し又は処理結果を予測する多変量解析モデル式を作成する第３の工程とを有することを特徴とする処理装置の多変量解析モデル式作成方法が提供される。
上記課題を解決するために，本発明の第２の観点によれば，多変量解析によって処理装置の装置状態を評価し又は処理結果を予測する際の多変量解析方法であって，複数の処理装置においてそれぞれ第１の設定データに基づいて動作した時に前記各処理装置の複数のセンサから検出される検出データと前記第１の設定データとの相関関係を多変量解析によって前記各処理装置ごとに求める第１の工程と，前記各処理装置のうちの１つを基準処理装置とすると，この基準処理装置において新たな第２の設定データに基づいて動作した時に前記基準処理装置の複数のセンサから検出される検出データと前記第２の設定データとの相関関係を多変量解析によって求める第２の工程と，前記基準処理装置以外の他の処理装置における前記第２の設定データと検出データとの相関関係を，前記第１の工程で求めた前記他の処理装置における相関関係と，前記第１の工程で求めた前記基準処理装置における相関関係と，前記第２の工程で求めた前記基準処理装置における前記相関関係とに基づいて求め，こうして求めた相関関係に基づいて前記他の処理装置の装置状態を評価し又は処理結果を予測する多変量解析モデル式を作成する第３の工程とを有することを特徴とする処理装置用の多変量解析方法が提供される。
また，上記第１の観点及び第２の観点による発明において，前記第３の工程は，前記第１の工程で求めた前記他の処理装置における相関関係に対する前記他の処理装置における前記第２の設定データと検出データとの相関関係と，前記第１の工程で求めた前記基準処理装置における相関関係に対する前記第２の工程で求めた前記基準処理装置における前記相関関係との比例関係に基づいて，前記他の処理装置における前記第２の設定データと検出データとの相関関係を求めるようにしてもよい。また，上記多変量解析は，例えば部分最小二乗法（ＰＬＳ法）により行うようにしてもよい。
また，上記第１の観点及び第２の観点による発明において，処理装置は，プラズマ処理装置であってもよい。この場合，前記設定データは，プラズマ状態を制御できる複数の制御パラメータを用いると共に，前記検出データは，プラズマ状態を反映する複数のプラズマ反映パラメータ，装置状態に関連する複数の装置状態パラメータ，プロセス仕上がりを反映するパラメータの群から選ばれる少なくとも１つ又は２つ以上のパラメータを用いるようにしてもよい。
また，上記第２の観点による発明において，前記多変量解析モデル式は，前記第３の工程で求めた前記他の処理装置における相関関係と前記第２の設定データとから算出した検出データと前記第２の設定データとの相関関係式であってもよい。
上記課題を解決するために，本発明の第３の観点によれば，被処理体を処理する処理装置に設けられ，所定の設定データに基づいて，前記処理装置の制御を行う処理装置の制御装置であって，前記処理装置と少なくとも基準となる処理装置とホスト装置とが接続したネットワークに接続してデータのやり取りが可能な送受信手段を設け第１の設定データに基づいて動作した時に前記処理装置の複数のセンサから検出される検出データと前記第１の設定データとを前記送受信手段により前記ネットワークを介して前記ホスト装置に送信して，送信されたデータに基づいて前記ホスト装置によって多変量解析により求められた前記第１の設定データと前記検出データとの相関関係を前記ホスト装置から前記送受信手段により前記ネットワークを介して受信し，新たな第２の設定データを前記送受信手段により前記ネットワークを介してホスト装置に送信し，送信されたデータに基づいて前記ホスト装置によって求められた前記第２の設定データとこの第２の設定データに基づく検出データとの相関関係を前記ホスト装置から前記送受信手段により前記ネットワークを介して受信し，前記ホスト装置から受信した前記第２の設定データについての相関関係に基づいて多変量解析モデル式を作成し，この多変量解析モデル式に基づいて前記処理装置の装置状態を評価し又は処理結果を予測し，その結果に応じて前記処理装置を制御することを特徴とする処理装置の制御装置が提供される。
また，上記第３の観点による発明において，前記検出データ算出手段は，前記他の処理装置で所定のプロセス処理を行う際に装置状態を評価し又は処理結果を予測する多変量解析モデル式を作成するための前記他の処理装置の設定データを前記送受信手段により前記ネットワークを介して受信し，受信した前記設定データと前記処理装置の前記相関関係とから前記処理装置を前記他の処理装置の前記所定のプロセス処理と同一条件で動作させた場合の前記処理装置の検出データを計算するようにしてもよい。
また，上記第３の観点による発明において，前記他の処理装置の設定データは，前記所定のプロセス処理前に多変量解析により求められた，前記他の処理装置の設定データとこの設定データに基づいて動作した時の前記他の処理装置の複数のセンサから検出される検出データとの相関関係と，前記他の処理装置を前記所定のプロセス処理を行う際の前記他の処理装置の複数のセンサから検出される検出データとを用いて計算されるようにしてもよい。
また，上記第３の観点による発明において，前記処理装置における前記第２の設定データについての相関関係は，前記ホスト装置により多変量解析によって求められた，前記処理装置における前記第１の設定データについての相関関係と，前記ホスト装置により多変量解析によって求められた，前記基準処理装置が第１の設定データに基づいて動作した時に前記基準処理装置の複数のセンサから検出される検出データと前記第１の設定データとの相関関係と，前記ホスト装置により多変量解析によって求められた，前記基準処理装置が新たな第２の設定データに基づいて動作した時に前記基準処理装置の複数のセンサから検出される検出データと前記第２の設定データとの相関関係とに基づいて前記ホスト装置により算出されるようにしてもよい。
また，上記第３の観点による発明において，処理装置は，プラズマ処理装置であってもよい。この場合，前記設定データは，プラズマ状態を制御できる複数の制御パラメータを用いると共に，前記検出データは，プラズマ状態を反映する複数のプラズマ反映パラメータ，装置状態に関連する複数の装置状態パラメータ，プロセス仕上がりを反映するパラメータの群から選ばれる少なくとも１つ又は２つ以上のパラメータを用いるようにしてもよい。また，前記多変量解析は，部分最小二乗法により行うようにしてもよい。また，前記処理装置は，プラズマ処理装置であってもよい。
上記課題を解決するために，本発明の第４の観点によれば，所定の設定データに基づいて，被処理体を処理する処理装置の制御を行う制御装置を備える処理装置の制御システムであって，ネットワークに送受信手段を介して接続される複数の前記処理装置と，前記ネットワークに接続されるホスト装置とを備え，前記ホスト装置は，複数の処理装置においてそれぞれ第１の設定データに基づいて動作した時に前記各処理装置の複数のセンサから検出される検出データと前記第１の設定データとを前記複数の処理装置から前記ネットワークを介して受信すると，受信した前記第１の設定データと前記検出データとの相関関係を多変量解析によって前記各処理装置ごとに求め，求めた相関関係を対応する処理装置へ前記ネットワークを介して送信し，前記ホスト装置は，前記各処理装置のうちの基準とする処理装置において新たな第２の設定データに基づいて動作した時に前記基準処理装置の複数のセンサから検出される検出データと前記第２の設定データとを前記基準処理装置から前記ネットワークを介して受信すると，受信した前記第１の設定データと前記検出データとの相関関係を多変量解析によって求め，求めた相関関係を前記基準処理装置へ前記ネットワークを介して送信し，前記ホスト装置は，前記基準処理装置以外の他の処理装置から前記第２の設定データを前記ネットワークを介して受信すると，受信した前記第２の設定データとこの第２の設定データに基づく検出データとの相関関係を，前記多変量解析により求めた前記他の処理装置における前記第１の設定データについての前記相関関係と，前記多変量解析により求めた前記基準処理装置における前記第１の設定データについての前記相関関係と，前記多変量解析により求めた前記基準処理装置における前記第２の設定データについての前記相関関係とに基づいて求め，求めた相関関係を前記他の処理装置へ前記ネットワークを介して送信し，前記他の処理装置は，前記ホスト装置から受信した前記第２の設定データについての相関関係に基づいて多変量解析モデル式を作成し，この多変量解析モデル式に基づいて前記処理装置の装置状態を評価し又は処理結果を予測し，その結果に応じて前記処理装置を制御することを特徴とする処理装置の制御システムが提供される。
また，上記第４の観点による発明において，処理装置は，プラズマ処理装置であってもよい。この場合，前記設定データは，プラズマ状態を制御できる複数の制御パラメータを用いると共に，前記検出データは，プラズマ状態を反映する複数のプラズマ反映パラメータ，装置状態に関連する複数の装置状態パラメータ，プロセス仕上がりを反映するパラメータの群から選ばれる少なくとも１つ又は２つ以上のパラメータを用いるようにしてもよい。また，前記多変量解析は，部分最小二乗法により行うようにしてもよい。また，前記処理装置は，プラズマ処理装置であってもよい。
発明を実施するための最良の形態
以下に添付図面を参照しながら，本発明にかかる装置の好適な実施の形態について詳細に説明する。なお，本明細書及び図面において，実質的に同一の機能構成を有する構成要素については，同一の符号を付することにより重複説明を省略する。
先ず，本発明の第１の実施形態にかかるプラズマ処理装置について図１，図２を参照しながら説明する。本実施形態のプラズマ処理装置１００は，例えば図１に示すように，アルミニウム製の処理室（チャンバ）１０１と，この処理室１０１内に配置された下部電極１０２を，絶縁材１０２Ａを介して支持する昇降可能なアルミニウム製の支持体１０３と，この支持体１０３の上方に配置され且つプロセスガスを供給し且つ上部電極を兼ねるシャワーヘッド（以下では，必要に応じて「上部電極」とも称す。）１０４とを備えている。
上記処理室１０１は上部が小径の上室１０１Ａとして形成され，下部が大径の下室１０１Ｂとして形成されている。上室１０１Ａはダイポールリング磁石１０５によって包囲されている。このダイポールリング磁石１０５は複数の異方性セグメント柱状磁石がリング状の磁性体からなるケーシング内に収納されて形成され，上室１０１Ａ内で全体として一方向に向かう一様な水平磁界を形成する。下室１０１Ｂの上部にはウエハＷを搬出入するための出入口が形成され，この出入口にはゲートバルブ１０６が取り付けられている。
下部電極１０２には整合器１０７Ａを介して高周波電源１０７が接続され，この高周波電源１０７から下部電極１０２に対して１３．５６ＭＨｚの高周波電力Ｐを印加し，上室１０１Ａ内で上部電極１０４との間で垂直方向の電界を形成する。この高周波電力Ｐは高周波電源１０７と整合器１０７Ａ間に接続された電力計１０７Ｂを介して検出する。この高周波電力Ｐは制御可能なパラメータで，本実施形態では高周波電力Ｐを後述のガス流量，電極間距離等の制御可能なパラメータと共に制御パラメータと定義する。また，制御パラメータはプラズマ処理装置に対して設定可能なパラメータであるため，設定データとも称することができる。
上記整合器１０７Ａの下部電極１０２側（高周波電圧の出力側）には電気計測器（例えば，ＶＩプローブ）１０７Ｃが取り付けられ，この電気計測器１０７Ｃを介して下部電極１０２に印加される高周波電力Ｐにより上室１０１Ａ内に発生するプラズマに基づく基本波及び高調波の高周波電圧Ｖ，高周波電流Ｉ，電圧波形と電流波形との間の位相差φを電気的データとして検出する。これらの電気的データは後述する光学的データと共にプラズマ状態を反映する監視可能なパラメータで，本実施形態ではプラズマ反映パラメータと定義する。また，プラズマ反映パラメータは電気計測器１０７Ｃによって検出されるデータであるため，検出データとも称することができる。
上記整合器１０７Ａは例えば２個の可変コンデンサＣ１，Ｃ２，コンデンサＣ及びコイルＬを内蔵し，可変コンデンサＣ１，Ｃ２を介してインピーダンス整合を取っている。整合状態での可変コンデンサＣ１，Ｃ２の容量，上記整合器１０７Ａ内の測定器（図示せず）により測定される高周波電圧Ｖｐｐは後述するＡＰＣ（Ａｕｔｏｍａｔｉｃ ｐｒｅｓｓｕｒｅ ｃｏｎｔｒｏｌｌｅｒ）開度等と共に処理時の装置状態を示すパラメータで，本実施形態では装置状態を示す可変コンデンサＣ１，Ｃ２の容量，高周波電圧Ｖｐｐ及びＡＰＣの開度をそれぞれ装置状態パラメータと定義する。そして，装置状態パラメータは制御できないパラメータであり，検出可能なデータであるため，検出データとも称することができる。
上記下部電極１０２の上面には静電チャック１０８が配置され，この静電チャック１０８の電極板１０８Ａには直流電源１０９が接続されている。従って，高真空下で直流電源１０９から電極板１０８Ａに高電圧を印加することにより静電チャック１０８によってウエハＷを静電吸着する。この下部電極１０２の外周にはフォーカスリング１１０が配置され，上室１０１Ａ内で生成したプラズマをウエハＷに集める。また，フォーカスリング１１０の下側には支持体１０３の上部に取り付けられた排気リング１１１が配置されている。この排気リング１１１には複数の孔が全周に渡って周方向等間隔に形成され，これらの孔を介して上室１０１Ａ内のガスを下室１０１Ｂへ排気する。
上記支持体１０３はボールネジ機構１１２及びベローズ１１３を介して上室１０１Ａと下室１０１Ｂ間で昇降可能になっている。従って，ウエハＷを下部電極１０２上に供給する場合には，支持体１０３を介して下部電極１０２が下室１０１Ｂまで下降し，ゲートバルブ１０６を開放して図示しない搬送機構を介してウエハＷを下部電極１０２上に供給する。下部電極１０２と上部電極１０４との間の電極間距離は所定の値に設定可能なパラメータで上述のように制御パラメータとして構成されている。
支持体１０３の内部には冷媒配管１１４に接続された冷媒流路１０３Ａが形成され，冷媒配管１１４を介して冷媒流路１０３Ａ内で冷媒を循環させ，ウエハＷを所定の温度に調整する。支持体１０３，絶縁材１０２Ａ，下部電極１０２及び静電チャック１０８にはそれぞれガス流路１０３Ｂが形成され，ガス導入機構１１５からガス配管１１５Ａを介して静電チャック１０８とウエハＷ間の細隙にＨｅガスを所定の圧力でバックサイドガスとして供給し，Ｈｅガスを介して静電チャック１０８とウエハＷ間の熱伝導性を高めている。尚，１１６はベローズカバーである。
上記シャワーヘッド１０４の上面にはガス導入部１０４Ａが形成され，このガス導入部１０４Ａには配管１１７を介してプロセスガス供給系１１８が接続されている。プロセスガス供給系１１８は，Ａｒガス供給源１１８Ａ，ＣＯガス供給源１１８Ｂ，Ｃ４Ｆ８ガス供給源１１８Ｃ及びＯ２ガス供給源１１８Ｄを有している。これらのガス供給源１１８Ａ，１１８Ｂ，１１８Ｃ，１１８Ｄはバルブ１１８Ｅ，１１８Ｆ，１１８Ｇ，１１８Ｈ及びマスフローコントローラ１１８Ｉ，１１８Ｊ，１１８Ｋ，１１８Ｌを介してそれぞれのガスを所定の設定流量でシャワーヘッド１０４へ供給し，その内部で所定の配合比を持った混合ガスとして調整する。各ガス流量はそれぞれのマスフローコントローラ１１８Ｉ，１１８Ｊ，１１８Ｋ，１１８Ｌによって制御可能であり且つ検出可能なパラメータで，上述のように制御パラメータとして構成されている。
上記シャワーヘッド１０４の下面には複数の孔１０４Ｂが全面に渡って均等に配置され，これらの孔１０４Ｂを介してシャワーヘッド１０４から上室１０１Ａ内へ混合ガスをプロセスガスとして供給する。また，下室１０１Ｂの下部の排気孔には排気管１０１Ｃが接続され，この排気管１０１Ｃに接続された真空ポンプ等からなる排気系１１９を介して処理室１０１内を排気して所定のガス圧力を保持している。排気管１０１ＣにはＡＰＣバルブ１０１Ｄが設けられ，処理室１０１内のガス圧力に即して開度が自動的に調節される。この開度は装置状態を示す装置状態パラメータで，制御できないパラメータである。
上記処理室１０１の側壁には，検出窓１２１が設けられており，処理室１０１の側壁の外側には，上記検出窓１２１を介して処理室１０１内のプラズマ発光を多波長に渡って検出する分光器（以下，「光学計測器」と称す。）１２０が設けられている。この光学計測器１２０によって得られる特定の波長に関する光学的データに基づいてプラズマ状態を監視し，例えばプラズマ処理の終点を検出している。この光学的データは高周波電力Ｐにより発生するプラズマに基づく電気的データと共にプラズマ状態を反映するプラズマ反映パラメータを構成する。
次に，上記プラズマ処理装置１００に設けられる多変量解析手段について図面を参照しながら説明する。プラズマ処理装置１００は，例えば図２に示すような多変量解析手段２００を備えている。この多変量解析手段２００は，多変量解析プログラムを記憶する多変量解析プログラム記憶手段２０１と，制御パラメータ計測器２２１，プラズマ反映パラメータ計測器２２２及び装置状態パラメータ計測器２２３からの検出信号を間欠的にサンプリングする制御パラメータ信号サンプリング手段２０２，プラズマ反映パラメータ信号サンプリング手段２０３及び装置状態パラメータ信号サンプリング手段２０４とを備える。また，複数のプラズマ反映パラメータ（電気的データ及び光学的データ），装置状態に関連する複数の装置状態パラメータ及び複数の制御パラメータを関連付けたモデル式などの解析結果や解析に必要なデータを記憶する解析データ記憶手段２０５と，モデル式を介して制御パラメータ，プラズマ反映パラメータ及び装置状態パラメータを目的に即して演算する演算手段２０６と，演算手段２０６からの演算信号に基づいて制御パラメータ，複数のプラズマ反映パラメータ及び装置状態パラメータを目的に即して予測，診断，制御を行う予測・診断・制御手段２０７とを備えている。
また，多変量解析手段２００には制御パラメータに基づいてプラズマ処理装置１００を制御する処理装置制御手段２２５，警報器２２６及び表示手段２２４がそれぞれ接続されている。処理装置制御手段２２５は例えば予測・診断・制御手段２０７からの信号に基づいてウエハＷの処理を継続または中断する。警報器２２６及び表示手段２２４は後述のように予測・診断・制御手段２０７からの信号に基づいて制御パラメータ，複数のプラズマ反映パラメータ及び装置状態パラメータのいずれかの異常を目的に即して報知する。また，解析データ記憶手段２０５は，上記各パラメータに関するデータやこれらの加工データ（多変量解析に使用する加工データ）を記憶する。なお，図２に示す制御パラメータ計測器２２１，プラズマ反映パラメータ計測器２２２，装置状態パラメータ計測器２２３は，流量検出器，光学計測器，高周波電圧Ｖｐｐ計測器等の複数の制御パラメータの計測器，複数のプラズマ反映パラメータの計測器，複数の装置状態パラメータの計測器をそれぞれ一つに纏めて示してある。
ここで，本発明の原理について説明する。例えば新たなモデル式を作成する際の基準とする処理装置としてプラズマ処理装置１００Ａを考え，この基準処理装置以外の処理装置としてプラズマ処理装置１００Ｂを考える。プラズマ処理装置１００Ａ，１００Ｂ間には製造上のバラツキ等により僅かに個体差がある。また，上記電気計測器１０７Ｃ，光学計測器１２０等のセンサにもそれぞれの製造誤差などによりプラズマ処理装置毎に個体差があるため，同一種のプラズマ処理装置に同一種のセンサが使用されていても，同一の検出データが得られるものではない。従って，同一種のプラズマ処理装置であってもプラズマ処理装置毎に多変量解析モデル式を作成する必要があり，一つの多変量解析モデル式を他の同種のプラズマ処理装置の多変量解析モデル式として流用することができない。
そこで，本実施形態では，例えばプラズマ処理装置１００Ａ，１００Ｂ間に製造上の個体差やそれぞれの複数のセンサ間に個体差があってもプラズマ処理装置１００Ａについて作成した多変量解析モデル式を他のプラズマ処理装置１００Ｂに流用できるようにしている。本実施形態では多変量解析の一手法として部分最小二乗法（以下，「ＰＬＳ（Ｐａｒｔｉａｌ Ｌｅａｓｔ Ｓｑｕａｒｅｓ）法」と称す。）を用いてプラズマ処理装置１００Ａ，１００Ｂそれぞれの多変量解析モデル式を作成して装置間の個体差を見つけ出し，この個体差を吸収したモデル式を作成する。ＰＬＳ法の詳細は例えばＪＯＵＲＮＡＬ ＯＦ ＣＨＥＭＯＭＥＴＲＩＣＳ，ＶＯＬ．２（ＰＰ．２１１−２２８）（１９９８）に掲載されている。
例えばプラズマ処理装置１００Ａ，１００Ｂともに，複数の制御パラメータ（設定データ）を目的変数とし，複数のプラズマ反映パラメータ（電気的データ及び光学的データを含む検出データ）を説明変数とし，目的変数を成分とする行列Ｘと説明変数を成分とする行列Ｙを関連づけた下記（１）に示す回帰式（以下，単に「モデル式」と称す。）を作成する（第１の工程）。
プラズマ処理装置１００Ａ，１００Ｂそれぞれの演算手段２０６では多変量解析の一手法であるＰＬＳ法を用いてそれぞれの実験で得られた説明変数と目的変数に基づいてモデル式の回帰行列Ｋａ，Ｋｂをそれぞれ算出し，これらのモデル式を上述のように解析データ記憶手段２０５に記憶する。尚，下記（１），（２）のモデル式において，Ｋａ，Ｋｂはそれぞれのモデル式の回帰行列，ａはプラズマ処理装置１００Ａを表し，ｂはプラズマ処理装置１００Ｂを表す。
Ｘａ＝ＫａＹａ…（１）
Ｘｂ＝ＫｂＹｂ…（２）
ＰＬＳ法は，行列Ｘ，Ｙそれぞれに多数の説明変数及び目的変数があってもそれぞれの少数の実測値があれば行列Ｘと行列Ｙの関係式を求めることができる。しかも，少ない実測値で得られた関係式であっても安定性及び信頼性の高いこともＰＬＳ法の特徴である。説明変数及び目的変数となる各データを実測する際に，制御パラメータを振って制御パラメータ，複数のセンサでプラズマ反映パラメータをそれぞれ検出する。
この場合，制御パラメータ（高周波電力，チャンバ内圧力，プロセスガス流量等）を振る範囲が狭いときには下記式（３）に示すように制御パラメータに対して線形式で近似することができ，パラメータを振る範囲が大きいときには下記式（４）に示すように制御パラメータに対して２乗，３乗及び１次と２次交叉項を入れた非線形式として近似することができる。
このような制御パラメータは，プラズマ処理装置１００Ａとプラズマ処理装置１００Ｂとで同じ範囲，同じ値の制御パラメータを使用する。回帰行列Ｋａ，Ｋｂを求める場合には本出願人が特願２００１−３９８６０８号明細書において提案したＰＬＳ法と同一演算手順で求めることができるため，ここではその演算手順の説明を省略する。プラズマ処理装置１００Ａとプラズマ処理装置１００Ｂとの間の個体差及びそれぞれのセンサ間の個体差は上記式（１），式（２）の回帰行列Ｋａ，Ｋｂの差となって現れる。
Ｘ＝［ｘ１，ｘ２，…，ｘｎ］ …（３）
Ｘ＝［ｘ１，ｘ２，…，ｘｎ，
（ｘ１）２，（ｘ２）２，…，（ｘｎ）２，
（ｘ１）３，（ｘ２）３，…，（ｘｎ）３，
ｘ１ｘ２，ｘ１ｘ３，…，ｘｎ−１ｘｎ，
（ｘ１）２ｘ２，（ｘ１）２ｘ３…（ｘｎ−１）２ｘｎ］
…（４）
而して，ＰＬＳ法によって上記モデル式を求める場合には予めウエハのトレーニングセットを用いた実験によって複数の説明変数と複数の目的変数を計測する。そのために例えばトレーニングセットとして１８枚のウエハ（ＴＨ−ＯＸ Ｓｉ）を用意する。尚，ＴＨ−ＯＸＳｉは熱酸化膜が形成されたウエハのことである。この場合，実験計画法を用いて制御パラメータ（設定データ）を効率的に設定し，最小限の実験で済ますことができる。
プラズマ処理装置１００Ａでは例えば目的変数となる制御パラメータを，標準値を中心に所定の範囲内でトレーニングウエハ毎に振ってトレーニングウエハをエッチング処理する。そして，エッチング処理時に，プロセスガスの各ガスの流量，チャンバ内の圧力等の制御パラメータ，電気的データ及び光学的データ等のプラズマ反映パラメータを各トレーニングウエハについて複数回ずつ計測し，演算手段２０６を介してこれら制御パラメータ，プラズマ反映パラメータの平均値を算出する。そして，制御パラメータの平均値を設定データとして用い，プラズマ反映パラメータを検出データとして用いる。
制御パラメータを振る範囲はエッチング処理を行っている時に制御パラメータが最大限変動する範囲を想定し，この想定した範囲で制御パラメータを振る。本実施形態では，高周波電力，チャンバ内の圧力，上下両電極１０２，１０４間の隙間寸法及び各プロセスガス（Ａｒガス，ＣＯガス，Ｃ４Ｆ８ガス及びＯ２ガス）の流量を制御パラメータ（設定データ）として用いる。各制御パラメータの標準値はエッチング対象によって異なる。プラズマ処理装置１００Ｂでもプラズマ処理装置１００Ａと同一要領で同一の制御パラメータ（設定データ）で実験を行ない，制御パラメータ（設定データ）及びプラズマ反映パラメータ（検出データ）を得る。
具体的には，制御パラメータを，標準値を中心にして下記表１に示すレベル１とレベル２の範囲でトレーニングウエハ毎に振って設定し各トレーニングウエハのエッチング処理を行う。そして，各トレーニングウエハを処理する間に，電気計測器１０７Ｃを介してプラズマに基づく高周波電圧（基本波から４倍波まで）Ｖ，高周波電流（基本波から４倍波まで）Ｉ，位相差φ等の電気的データを検出データとして計測すると共に，光学計測器１２０を介して例えば２００〜９５０ｎｍの波長範囲の発光スペクトル強度（光学的データ）を検出データとして計測し，これらの検出データ（電気的データ及び光学的データ）をプラズマ反映パラメータとして用いる。また，同時に下記表１に示す各制御パラメータをそれぞれの制御パラメータ計測器２２１を用いて計測する。
そして，トレーニングウエハを処理するに際には上記各制御パラメータを熱酸化膜の標準値に設定し，標準値で予め５枚のダミーウエハを処理し，プラズマ処理装置１００Ａ，１００Ｂの安定化を図る。引き続き，プラズマ処理装置１００Ａ，１００Ｂにおいて１８枚のトレーニングウエハのエッチング処理を行う。この際，プラズマ処理装置１００Ａでは，下記表２に示すように上記各制御パラメータ，即ちプロセスガス（Ａｒ，ＣＯ，Ｃ４Ｆ８，Ｏ２）流量，チャンバ室内の圧力，高周波電力を上記レベル１と上記レベル２の範囲内でトレーニングウエハ毎に振って各トレーニングウエハを処理する。
続いて，各トレーニングウエハについて複数の電気的データ及び複数の光学的データをそれぞれの計測器から得る。これらは例えば解析データ記憶手段２０５に実測値として記憶する。そして，演算手段２０６において，複数の制御パラメータそれぞれの実測値の平均値，複数のプラズマ反映パラメータ（電気的データ，光学的データ）それぞれの実測値の平均値を算出し，これらの平均値を目的変数及び説明変数として解析データ記憶手段２０５に記憶する。引き続き，演算手段２０６ではＰＬＳ法を用いてこれらの演算データに基づいて上記（１）のモデル式の回帰行列Ｋａを求める（第１の工程）。
また，プラズマ処理装置１００Ｂでもプラズマ処理装置１００Ａと同様に下記表２に示すように制御パラメータを振り，各パラメータの実測値の平均値を算出し，これらの平均値を目的変数及び説明変数として用い，上記（２）のモデル式の回帰行列Ｋｂを求める（第１の工程）。尚，下記表２において，Ｌ１〜Ｌ１８はトレーニングウエハの番号を示している。
回帰行列Ｋａ，Ｋｂを求めた後，プラズマ処理装置１００Ａを用い，下記表３に示す新たなプロセス条件下で下記表３に示すように標準値からプロセスガス流量等の制御パラメータを振って２０枚のテストウエハ（ＴＨ−ＯＸ Ｓｉ）を処理し，この時のプラズマ反映パラメータ及び装置状態パラメータをそれぞれのセンサによって検出する。この際，下記表３に示すように複数の制御パラメータをプロセス条件の標準値に設定してプラズマ処理装置を運転し，５枚のベアシリコンウエハをダミーウエハとして処理室１０１内に流してプラズマ処理装置を安定化させる。
即ち，処理室１０１内の上下電極１０２，１０４の隙間を３５ｍｍに設定した後，プラズマ処理装置の運転を開始すると，支持体１０３がボールネジ機構１１２を介して処理室１０１の下室１０１Ｂまで下降すると共にゲートバルブ１０６が開放した出入口からダミーウエハを搬入して下部電極１０２上に載置する。ウエハＷの搬入後，ゲートバルブ１０６が閉じると共に排気系１１９が作動して処理室１０１内を所定の真空度に維持する。この排気によりＡＰＣバルブ１０１Ｄの開度が排気量に即して自動的に調整される。この際，ガス導入機構１１５からＨｅガスをバックガスとして供給し，ウエハＷと下部電極１０２，具体的には静電チャック１０８とウエハＷ間の熱伝導性を高めてウエハＷの冷却効率を高める。
そして，プロセスガス供給系１１８からＡｒガス，ＣＯガス，Ｃ４Ｈ８ガス及びＯ２ガスをそれぞれ３００ｓｃｃｍ，５０ｓｃｃｍ，１０ｓｃｃｍ及び８ｓｃｃｍの流量で供給する。この際，処理室１０１内のプロセスガスの圧力を１００ｍＴｏｒｒに設定するためＡＰＣバルブ１０１Ｄの開度がプロセスガス供給量と排気量に即して自動的に調整される。この状態で，高周波電源１０７から２０００Ｗの高周波電力を印加すると，ダイポールリング磁石１０５の作用と相俟ってマグネトロン放電が発生し，プロセスガスのプラズマを生成する。始めはベアシリコンウエハであるため，エッチング処理を行わない。ベアシリコンウエハを所定時間（例えば，１分）処理した後，搬入時とは逆の操作で処理後のウエハＷを処理室１０１内から搬出し，後続の５枚目のダミーウエハまで同一条件で処理する。
ダミーウエハの処理によってプラズマ処理装置が安定した後，テストウエハを処理する。最初のテストウエハ（ウエハとしては６枚目）については制御パラメータを標準値のままエッチング処理を行う。この処理を行っている間に電気計測器１０７Ｃ及び光学計測器１２０を介して電気的データ及び光学的データそれぞれを検出データとして複数回計測し，これらの計測値を図示しない記憶手段で記憶する。そして，これらの計測値に基づいて平均値を，演算手段２０６を用いて算出する。
２枚目のテストウエハを処理する場合には高周波電力を１５００Ｗから１９８０Ｗに設定値を変え，その他の制御パラメータは上述の標準値でエッチング処理を行う。この間最初のテストウエハと同様にして電気的データ及び光学的データを検出データとして計測した後，それぞれの平均値を算出する。
３枚目以降のテストウエハを処理する時には各制御パラメータをその都度表３に示すように振って設定し各テストウエハをエッチング処理し，各テストウエハについてプラズマ反映パラメータ（電気的データ，光学的データ）を検出データとして計測し，それぞれの平均値を算出する。
このような制御パラメータの平均値の行列Ｘａ′とプラズマ反映パラメータの平均値の行列Ｙａ′とからから，上記（１）のモデル式と同様に下記（５）に示す新たなモデル式を作成する（第２の工程）。
Ｘａ′＝Ｋａ′Ｙａ′…（５）
次いで，プラズマ処理装置１００Ｂをプラズマ処理装置１００Ａと同一条件で制御パラメータを振った場合には，プラズマ処理装置１００Ｂについてはプラズマ処理装置１００Ａのように実験をしなくてもプラズマ処理装置１００Ａの上記（５）に示すモデル式を流用することができる。すなわち，プラズマ処理装置１００Ｂではプラズマ処理装置１００Ａと同一の条件で制御パラメータを振ることからプラズマ処理装置１００Ｂにおける目的変数の行列Ｘｂ′には，下記（６）式が成立する。ここで，プラズマ処理装置１００Ｂの目的変数が行列Ｘｂ′の場合には，上記（２）のモデル式は下記（７）式のモデル式になる。
そして，上記（１）式及び下記（５）式に示すプラズマ処理装置１００Ａのモデル式と，上記（２）式及び下記（７）式に示すプラズマ処理装置１００Ｂのモデル式との関係から下記（８）式に示すモデル式が得られる。すなわち，プラズマ処理装置１００Ａにおける回帰行列Ｋａ，新たな回帰行列Ｋａ′と，プラズマ処理装置１００Ｂにおける回帰行列Ｋｂ，新たな回帰行列Ｋｂ′との間には，比例関係（Ｋｂ′／Ｋａ′＝Ｋｂ／Ｋａ）が成立するものと考えられることから，Ｋｂ′＝Ｋａ′／Ｋｂ／Ｋａとすることができる。下記（７）式のＫｂ′にこの関係を当てはめれば，下記（８）が得られる。
Ｘｂ′＝Ｘａ′ …（６）
Ｘｂ′＝Ｋｂ′Ｙｂ′ …（７）
Ｘｂ′＝（Ｋａ′Ｋｂ／Ｋａ）Ｙｂ′ …（８）
従って，制御パラメータを行列Ｘｂ′で振る新たなプロセス条件では，プラズマ処理装置１００Ａに関してモデル式（５）を求めておけば，予め求めておいたプラズマ処理装置１００Ａのモデル式（１）とプラズマ処理装置１００Ｂのモデル式（２）と上記モデル式（７）とから，（８）式に示すようなプラズマ処理装置１００Ｂに関する新たなモデル式を作成することができる（第３の工程）。
即ち，新たなプロセス条件で検出されたプラズマ処理装置１００Ａに関する制御パラメータの平均値（設定データ）の行列Ｘａ′と，プラズマ反映パラメータの平均値（検出データ）の行列Ｙａ′とを関連づけた回帰行列Ｋａ′を求めることによって，プラズマ処理装置１００Ｂの新たなモデル式（８）を作成することができ，この新たなモデル式（８）によりプラズマ処理装置１００Ｂの装置状態を評価することができる。このことは，プラズマ処理装置１００Ａに関する上記モデル式（５）を実験に基づいて作成すれば，プラズマ処理装置１００Ｂについては改めて実験をしなくても上記（８）式をプラズマ処理装置１００Ｂの新たなモデル式として作成できることを意味する。
こうして作成された新たなモデル式（８）は，プラズマ処理装置１００Ｂの解析データ記憶手段２０５に記憶さておいてもよい。これにより，プラズマ処理装置１００Ｂの通常運転によるウエハ処理時において，複数のプラズマ反映パラメータのそれぞれの平均値（検出データ）から複数の制御パラメータの値を予測計算する際に，解析データ記憶手段２０５からの新たなモデル式（８）を用いることができる。
この場合，予測・診断・制御手段２０７により，予測された制御パラメータの値（予測された設定データ）と，実際にプラズマ処理装置１００Ｂに設定された設定データの変動許容範囲と比較し，異常と判断された場合には，例えば処理装置制御手段２２５によりプラズマ処理装置１００Ｂを停止するとともに，表示手段２２４，警報器２２６で異常を知らせる。
以上説明したように本実施形態では，例えばプラズマ処理装置１００Ａ，１００Ｂにおいてそれぞれ第１の設定データ（例えば制御パラメータ）に基づいて動作した時に各プラズマ処理装置１００Ａ，１００Ｂの複数のセンサから検出される検出データ（例えばプラズマ反映パラメータ）と第１の設定データとの相関関係（（１）式におけるＫａ，（２）式におけるＫｂ）を多変量解析によって各プラズマ処理装置１００Ａ，１００Ｂごとに求める第１の工程と，各プラズマ処理装置１００Ａ，１００Ｂのうちの基準処理装置とするプラズマ処理装置１００Ａにおいて新たな第２の設定データ（例えば第１の設定データとは制御パラメータを振る範囲が異なる新たな設定データ）に基づいて動作した時にプラズマ処理装置１００Ａの複数のセンサから検出される検出データと第２の設定データとの相関関係（（５）式におけるＫａ′）を多変量解析によって求める第２の工程と，基準処理装置以外の他の処理装置であるプラズマ処理装置１００Ｂにおける第２の設定データと検出データとの相関関係（（８）式におけるＫｂ′）を，第１の工程で求めたプラズマ処理装置１００Ｂにおける相関関係Ｋｂと，第１の工程で求めたプラズマ処理装置１００Ａにおける相関関係Ｋａと，第２の工程で求めたプラズマ処理装置１００Ａにおける相関関係Ｋａ′とに基づいて求め，こうして求めた相関関係Ｋｂ′に基づいてプラズマ処理装置１００Ｂの装置状態を評価し又は処理結果を予測する多変量解析モデル式（（８）式）を作成する第３の工程とを有する。
このため，新たなプロセス条件による新たな設定データについては，基準とするプラズマ処理装置１００Ａにおいてウエハに対してプラズマ処理する実験を行ってモデル式（５）を作成すれば，プラズマ処理装置１００Ａの新たなモデル式（５）を流用して，基準とする処理装置以外の処理装置例えばプラズマ処理装置１００Ｂについての新たなモデル式（８）を作成することができる。従って，プラズマ処理装置１００Ｂに関しては新たなモデル式を作成するために新たな設定データで実験をしなくても，新たなモデル式（８）を作成することができる。これにより，プラズマ処理装置１００Ｂに関するモデル式作成の負荷を大幅に軽減することができる。
また，本実施形態では，第３の工程は，第１の工程で求めたプラズマ処理装置１００Ｂにおける相関関係Ｋｂに対する第２の設定データと検出データとの相関関係Ｋｂ′と，第１の工程で求めたプラズマ処理装置１００Ａにおける相関関係Ｋａに対する第２の工程で求めた相関関係Ｋａ′との比例関係に基づいて，プラズマ処理装置１００Ｂにおける第２の設定データと検出データとの相関関係Ｋｂ′を求める。これにより，プラズマ処理装置１００Ｂにおける相関関係Ｋｂ′は，多変量解析によらずに，簡単に算出することができる。
また，本実施形態では，プラズマ状態を制御できる複数の制御パラメータと，プラズマ状態を反映する複数のプラズマ反映パラメータとを関連付けて多変量解析モデル式を作成する。具体的には，プラズマ処理装置１００Ａ，１００Ｂを用いてそれぞれ設定データ（制御パラメータなど）を目的変数にすると共に検出データ（プラズマ反映パラメータなど）を説明変数にして多変量解析モデル式（１），（２）を作成する。そして，新たな設定データでは，プラズマ処理装置１００Ａについて多変量解析モデル式（５）を作成すれば，相関関係Ｋｂ′と設定データＸｂ′とを用いてプラズマ処理装置１００Ｂの検出データ（プラズマ反映パラメータ，装置状態パラメータなど）を算出して，プラズマ処理装置１００Ｂについての新たな設定データによる多変量解析モデル式（８）を作成することができる。
また，ＰＬＳ法を用いて多変量解析モデル式を作成するため，実験数が少なくても上記各パラメータを精度よく予測，評価することができる。また，プラズマ処理装置１００Ｂの予測値を主成分分析することにより，プラズマ処理装置１００Ｂの運転状態を総合的に評価することができる。
また，ＰＬＳ法を用いて設定データと検出データの相関関係を求める多変量解析を行うようにしたため，少ないデータで精度の高い多変量解析を行なって多変量解析モデル式を作成することができる。
次に，本発明の第２の実施形態を図面を参照しながら説明する。図３は，本実施形態にかかる制御システム全体の概略構成を示すブロック図である。この制御システム３００は，ホスト装置３１０と，複数のプラズマ処理装置１００Ａ，…，１００Ｎとをネットワーク３２０により接続して構成される。プラズマ処理装置１００Ａ，…，１００Ｎはそれぞれ図１に示すものと同様の構成であるため，その詳細な説明を省略する。また，プラズマ処理装置１００Ａ，…，１００Ｎはそれぞれ図２に示すような多変量解析手段２００を備える。なお，本実施の形態では，例えば図２に示す多変量解析手段２００，処理装置制御手段２２５，図３に示す送受信装置１５０が処理装置の制御装置としての役割を果す。
ホスト装置３１０は，少なくとも各種演算を行う演算手段３１２，上述したＰＬＳ法などの多変量解析プログラムを記憶する多変量解析プログラム記憶手段３１４，解析結果や解析に必要なデータを記憶する解析データ記憶手段３１６，上記ネットワーク３２０を介して各プラズマ処理装置１００Ａ，…，１００Ｎとのデータのやり取りを行う送受信手段３１８を備える。なお，上記ホスト装置３１０は，例えば半導体製造工場のホストコンピュータで構成してもよく，またこのホストコンピュータに接続したパーソナルコンピュータで構成してもよい。
プラズマ処理装置１００Ａ，…，１００Ｎはそれぞれ，各プラズマ処理装置１００Ａ，…，１００Ｎとホスト装置３１０との間又は各プラズマ処理装置１００Ａ，…，１００Ｎ間の各種データの送受信を行う送受信装置１５０Ａ，…，１５０Ｎ，制御パラメータ（設定データ）などの各種データを入力するための入力手段１５２Ａ，…，１５２Ｎを備える。上記送受信装置１５０Ａ，…，１５０Ｎはそれぞれ，図２に示す多変量解析手段２００と接続されており，各プラズマ処理装置１００Ａ，…，１００Ｎの多変量解析手段２００とデータのやり取りを行うことができる。
上記ネットワーク３２０としては，ホスト装置３１０，各プラズマ処理装置１００Ａ，…，１００Ｎなどを双方向通信可能に接続するものであり，典型的にはインターネットなどの公衆回線網が挙げられる。また，ネットワーク３２０としては，上記公衆回線網の他，ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ），ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ），ＩＰ−ＶＰＮ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ−Ｖｉｒｔｕａｌ Ｐｒｉｖａｔｅ Ｎｅｔｗｏｒｋ）などの閉鎖回線網であってもよい。またネットワーク３２０への接続媒体は，ＦＤＤＩ（Ｆｉｂｅｒ Ｄｉｓｔｒｉｂｕｔｅｄ Ｄａｔａ Ｉｎｔｅｒｆａｃｅ）などによる光ファイバケーブル，Ｅｔｈｅｒｎｅｔによる同軸ケーブル又はツイストペアケーブル，もしくはＩＥＥＥ８０２．１１ｂなどによる無線などであってもよく，有線無線を問わず，衛星ネットワークなどであってもよい。
各プラズマ処理装置１００が所望のプロセス条件でエッチング処理を行う際に，装置状態を評価するための新たなモデル式を作成するために必要なデータを送受信装置１５０を介してホスト装置３１０から所望のプラズマ処理装置１００に送信することにより，そのプラズマ処理装置１００の多変量解析手段２００でモデル式を作成する際の負担を軽減することができる。そして，プラズマ処理装置１００による実際のウエハの処理時における各検出データから新たなモデル式を用いて装置状態が評価され，その結果に応じて出力される予測・診断・制御手段２０７からの指示に基づいて処理装置制御手段２２５によりプラズマ処理装置１００が制御される。
次に，このような制御システム３００の処理について図面を参照しながら説明する。制御システム３００の処理としては，例えば第１の実施形態で説明したように，プラズマ処理装置１００Ａで作成した新たなモデルをプラズマ処理装置１００Ｂに流用して，プラズマ処理装置１００Ｂについての新たなモデルを作成する場合が挙げられる。
図４〜図６は，プラズマ処理装置１００Ｂの新たなモデルを作成する場合の処理についての動作フローを示す。より詳細には，図４〜図６は，プラズマ処理装置１００Ａを基準処理装置，プラズマ処理装置１００Ｂ，…，１００Ｎを基準処理装置以外の処理装置としたときのホスト装置，基準処理装置，基準処理装置以外の処理装置についての動作フローを示している。なお，図４〜図６では，基準処理装置以外の処理装置としてプラズマ処理装置１００Ｂの処理を代表して記載している。他のプラズマ処理装置１００Ｃ，…，１００Ｎについて新たなモデル式を作成する場合においても，プラズマ処理装置１００Ｂと同様の動作が行われる。
先ず，図４に示すように，各プラズマ処理装置１００Ａ，…，１００Ｎの回帰行列Ｋａ，…，Ｋｎを求める。具体的な処理を以下に説明する。
基準処理装置であるプラズマ処理装置１００Ａは，回帰行列Ｋａを求めるための設定データ（例えば制御パラメータ）が入力手段１５２Ａから入力されて設定されると，ステップＳ１１０にてこの設定データに従ってウエハＷを処理して検出データ（例えばプラズマ反映パラメータ）を取得し，これらの設定データ，検出データをネットワーク３２０を介してホスト装置３１０に送信する。
一方，基準処理装置以外の処理装置である例えばプラズマ処理装置１００Ｂは，回帰行列Ｋｂを求めるための設定データ（例えば制御パラメータ）が入力手段１５２Ｂから入力されて設定されると，ステップＳ５１０にてこの設定データに従ってウエハＷを処理して検出データ（例えばプラズマ反映パラメータ）を取得し，これらの設定データ，検出データをネットワーク３２０を介してホスト装置３１０に送信する。
ホスト装置３１０は，ステップＳ２１０にて各プラズマ処理装置１００Ａ，…，１００Ｎから設定データ，検出データを受信して解析データ記憶手段３１６に記憶する。次いで，ステップＳ２２０にて受信した設定データのウエハごとの平均値を演算手段３１２により求め，これらを目的変数Ｘａ，…，Ｘｎとして解析データ記憶手段３１６に記憶するとともに，受信した検出データのウエハごとの平均値を演算手段３１２により求め，これらを説明変数Ｙａ，…，Ｙｎとして解析データ記憶手段３１６に記憶する。
続いて，ホスト装置３１０は，ステップＳ２３０にて多変量解析プログラム記憶手段３１４からのＰＬＳ法によるプログラムに基づいて上記第１の実施形態と同様に設定データ（目的変数）Ｘａ，…，Ｘｎ，検出データ（説明変数）Ｙａ，…，Ｙｎから各プラズマ処理装置１００Ａ，…，１００Ｎにおける回帰行列Ｋａ，…，Ｋｎを演算手段３１２により求めて解析データ記憶手段３１６に記憶する。次いで，ステップＳ２４０にてこれら設定データＸａ，…，Ｘｎ，検出データＹａ，…，Ｙｎ，回帰行列Ｋａ，…，Ｋｎをネットワーク３２０を介して各プラズマ処理装置１００Ａ，…，１００Ｎに送信する。
基準処理装置であるプラズマ処理装置１００Ａは，ステップＳ１２０にてホスト装置３１０から設定データＸａ，検出データＹａ，回帰行列Ｋａを受信し，上記（１）に示すようなモデル式として記憶する。また，基準処理装置以外の処理装置である例えばプラズマ処理装置１００Ｂは，ステップＳ５２０にてホスト装置３１０から設定データＸｂ，検出データＹｂ，回帰行列Ｋｂを受信し，上記（２）に示すようなモデル式として記憶する。
次に，図５に示すように基準処理装置であるプラズマ処理装置１００Ａの新たなモデルを作成する。具体的な処理を以下に説明する。
プラズマ処理装置１００Ａは，回帰行列Ｋａ′を求めるための新たな設定データ（例えば制御パラメータ）が入力手段１５２Ａから入力されて設定されると，ステップＳ１３０にてこの設定データに従ってウエハＷを処理して新たな検出データ（例えばプラズマ反映パラメータ）を取得し，これらの新たな設定データ，新たな検出データをネットワーク３２０を介してホスト装置３１０に送信する。
ホスト装置３１０は，ステップＳ３１０にて基準処理装置であるプラズマ処理装置１００Ａから新たな設定データ，新たな検出データを受信して解析データ記憶手段３１６に記憶する。次いで，ステップＳ３２０にて受信した新たな設定データのウエハごとの平均値を演算手段３１２により求め，これらを説明変数Ｘａ′，…，Ｘｎ′として解析データ記憶手段３１６に記憶するとともに，受信した新たな検出データのウエハごとの平均値を演算手段３１２により求め，これらを目的変数Ｙａ′，…，Ｙｎ′として解析データ記憶手段３１６に記憶する。
続いて，ホスト装置３１０は，ステップＳ３３０にて多変量解析プログラム記憶手段３１４からのＰＬＳ法によるプログラムに基づいて上記第１の実施形態と同様に，新たな設定データ（目的変数）Ｘａ′，新たな検出データ（説明変数）Ｙａ′からプラズマ処理装置１００Ａにおける回帰行列Ｋａ′を演算手段３１２により求めて解析データ記憶手段３１６に記憶する。次いで，ステップＳ３４０にてこれら新たな設定データＸａ′，新たな検出データＹａ′，新たな回帰行列Ｋａ′をネットワーク３２０を介してプラズマ処理装置１００Ａに送信する。
基準処理装置であるプラズマ処理装置１００Ａは，ステップＳ１４０にてホスト装置３１０から設定データＸａ′，検出データＹａ′，回帰行列Ｋａ′を受信し，新たなモデル式として記憶する。
次に，図６に示すように，基準処理装置以外の処理装置である例えばプラズマ処理装置１００Ｂについてのモデル式を求める。基準処理装置以外の処理装置の新たなモデル式は，基準処理装置の新たなモデル式に基づいて求めるので，基準処理装置以外の処理装置では，ウエハに対するプラズマ処理を新たに行う必要がなくなる。具体的な処理を以下に説明する。
プラズマ処理装置１００Ｂは，ステップＳ５３０にて，回帰行列Ｋｂ′を求めるための設定データ（回帰行列Ｋａ′を求めるための設定データと同じ設定データ）が入力手段１５２Ｂから入力されると，この設定データをネットワーク３２０を介してホスト装置３１０に送信する。
ホスト装置３１０は，ステップＳ４１０にて基準処理装置以外の処理装置であるプラズマ処理装置１００Ｂから新たな設定データを受信して解析データ記憶手段３１６に記憶し，受信した新たな設定データのウエハごとの平均値を演算手段３１２により求め，これらを設定データ（説明変数）Ｘｂ′，…，Ｘｎ′として解析データ記憶手段３１６に記憶する。
続いて，ホスト装置３１０は，ステップＳ４２０にて基準処理装置以外の処理装置の回帰行列（Ｋｂ，…，Ｋｎ），新たな回帰行列（Ｋｂ′，…，Ｋｎ′）と，基準処理装置の回帰行列（Ｋａ），基準処理装置の新たな回帰行列（Ｋａ′）との比例関係（例えば（Ｋｂ′／Ｋａ′＝Ｋｂ／Ｋａ））から，新たな回帰行列（Ｋｂ′…Ｋｎ′）それぞれを演算手段３１２により求める。例えばプラズマ処理装置１００Ｂにおける（７）式に示すような新たな回帰行列Ｋｂ′は，Ｋｂ′＝Ｋａ′Ｋｂ／Ｋａにより求める。これにより，基準処理装置以外の処理装置の新たな回帰行列を求めるときには，新たにＰＬＳ法などの多変量解析処理を行う必要がなく，簡単に求めることができる。
次いで，ホスト装置３１０は，ステップＳ４３０にて上記（７）式に示すようなモデル式に基づいて，新たな設定データ（Ｘｂ′，…，Ｘｎ′），新たな回帰行列（Ｋｂ′…Ｋｎ′）とから新たな検出データ（Ｙｂ′…Ｙｎ′）を算出して解析データ記憶手段３１６に記憶し，これら新たな設定データ（Ｘｂ′…，Ｘｎ′），新たな回帰行列（Ｋｂ′，…，Ｋｎ′），新たな検出データ（Ｙｂ′，…，Ｙｎ′）をそれぞれ対応するプラズマ処理装置１００Ｂ，…，１００Ｎへネットワーク３２０を介して送信する。
例えばプラズマ処理装置１００Ｂでは，ステップＳ５４０にてホスト装置３１０から新たな設定データ（Ｘｂ′…，Ｘｎ′），新たな回帰行列（Ｋｂ′，…，Ｋｎ′），新たな検出データ（Ｙｂ′，…，Ｙｎ′）を受信し，上記（８）に示すような新たなモデル式として記憶する。こうして，基準装置以外の処理装置ではそれぞれの処理装置に適合する新たなモデル式が作成される。
次に，こうして得られた新たなモデル式に基づいて，装置状態を評価する際の制御システムの処理について図面を参照しながら説明する。図７は，各プラズマ処理装置をそれぞれに作成された新たなモデル式に基づいて装置状態を評価する際のホスト装置の動作フローと各プラズマ処理装置の動作フローを示すものである。
先ず，あるプラズマ処理装置１００において，ステップＳ６１０にて設定データの標準条件に対する許容変動範囲が入力されると，この許容変動範囲を記憶する。この許容変動範囲は，装置状態が正常か異常かを判定するために使用する閾値であり，例えば新たなモデル式を作成するための設定データ例えば制御パラメータを振った際の各制御パラメータの標準値に対する最大値と最小値の範囲とする。
続いて，上記プラズマ処理装置１００は，ステップＳ６２０にて実際にウエハを処理するための設定データ（標準条件例えば表１に示す標準値）が入力手段１５２により入力されると，この設定データに基づいてウエハＷをプラズマ処理し，ウエハＷごとに計測される設定データと検出データを取得して，これら設定データ，検出データをホスト装置３１０にネットワーク３２０を介して送信する。
ホスト装置３１０は，ステップＳ７１０にて上記プラズマ処理装置１００から設定データと，検出データをウエハごとに受信して解析データ記憶手段３１６に記憶する。そして，それぞれの平均値を求め，設定データ（目的変数）Ｘ′，検出データ（説明変数）Ｙ′として解析データ記憶手段３１６に記憶する。続いて，ホスト装置３１０は，ステップＳ７２０にて設定データＸ′，検出データＹ′を上記プラズマ処理装置１００へ送信する。
プラズマ処理装置１００は，ステップＳ６３０にて設定データＸ′，検出データＹ′を受信して，これらを実際の設定データＸｏｂｓ′，実際の検出データＹｏｂｓ′として解析データ記憶手段２０５に記憶する。次いで，ステップＳ６４０にて上記（８）式に示すような新たなモデル式に実際の検出データＹｏｂｓ′を当てはめて予測設定データＸｐｒｅ′を算出して解析データ記憶手段２０５に記憶する。
続いて，上記プラズマ処理装置１００は，ステップＳ６５０にて実際の設定データＸｏｂｓ′に対する予測設定データＸｐｒｅ′が許容変動範囲内にあるか否かによって正常か異常かを判定する。例えば実際の設定データＸｏｂｓ′に対する予測設定データＸｐｒｅ′が，許容変動範囲内であれば正常と判断し，許容変動範囲を越えていれば異常と判断する。異常と判断した場合には，ステップＳ６６０にて例えば処理装置制御手段２２５により上記プラズマ処理装置１００を停止するとともに，表示手段２２４，警報器２２６で異常を知らせる。
このように，ホスト装置３１０は，各プラズマ処理装置からのデータに基づいて，平均値を求めたり，多変量解析処理を行うので，各プラズマ処理装置の計算処理負担を大幅に軽減することができる。また，各プラズマ処理装置では，プラズマ処理を行う際に得られる大量の設定データや検出データなどを一時的に記憶しておく必要がなく，多変量解析プログラムも必要ないので，そのための記憶手段を不要とすることができる。これにより，各プラズマ処理装置の構成を簡単にすることができ，また製造コストを抑えることができる。
なお，第２の実施形態では，各プラズマ処理装置側における新たなモデル式で装置状態を判断する場合について説明したが，必ずしもこれに限られず，新たなモデル式はホスト装置３１０にも記憶されているので，ホスト装置３１０側で各プラズマ処理装置１００Ａ，…，１００Ｎの装置状態を判定してもよい。この場合には，異常と判定した場合に異常判定情報を各プラズマ処理装置１００Ａ，…，１００Ｎへ送信するようにしてもよい。各プラズマ処理装置１００Ａ，…，１００Ｎは，異常判定情報に基づいて例えば処理装置制御手段２２５により処理装置を停止し，表示手段２２４，警報器２２６により異常を知らせるようにしてもよい。これによれば，ホスト装置３１０で集中して各プラズマ処理装置の装置状態を監視することができる。
以上，添付図面を参照しながら本発明に係る好適な実施形態について説明したが，本発明は係る例に限定されないことは言うまでもない。当業者であれば，特許請求の範囲に記載された範疇内において，各種の変更例または修正例に想到し得ることは明らかであり，それらについても当然に本発明の技術的範囲に属するものと了解される。
例えば，上記第１及び第２の実施形態における設定データとしては，第２の実施形態における新たなモデル式を利用して装置状態を判定する際のように，ウエハをプラズマ処理する際に制御パラメータ計測器２２１によって計測された設定データを用いてもよく，また入力手段１５２から入力された設定データそのものを用いてもよい。この場合，設定データのすべてが制御パラメータ計測器２２１によって計測可能な場合には，制御パラメータ計測器２２１によって計測された設定データを用いてもよいが，設定データの中に制御パラメータ計測器２２１によっては計測できないものが含まれている場合には，入力された設定データそのものを用いることが有効である。
また，上記実施形態の多変量解析では装置状態パラメータを用いていないが，装置状態パラメータを目的変数または説明変数として用いることができる。また，上記実施形態ではモデル式を構築するに当たり目的変数の制御パラメータとして高周波電力，プロセスガス流量，電極間の隙間及びチャンバ内の圧力を用いているが，制御可能なパラメータであれば，これらに制限されるものではない。
また，装置状態パラメータとして可変コンデンサ容量，高周波電圧，ＡＰＣ開度を用いているが，装置状態パラメータを示す計測可能なパラメータであればこれらの制限されるものではない。また，プラズマ状態を反映するプラズマ反映パラメータとしてプラズマに基づく電気的データ及び光学的データを用いているが，プラズマ状態を反映するパラメータであれば，これらに制限されるものではない。また，電気的データとして基本波及び高調波（４倍波まで）の高周波電圧，高周波電流を用いているが，これらに制限されるものではない。
更に，プラズマ処理装置内に組み込まれたウエハ仕上がりを計測する手段（例えば，スキャトロメトリ）からの出力データを検出データとして用いてもよい。具体的には，検出データとして，ウエハ上に形成された膜の膜厚，ウエハ上の被処理膜をエッチングしたときの削れ量やその面内均一性などの特徴値を用いてもよい。また，本実施形態ではウエハ毎にプラズマ反映パラメータのデータの平均値を求め，この平均値を使ってウエハ毎に制御パラメータ及び装置状態パラメータを予測したが，一枚のウエハ処理中のリアルタイムのプラズマ反映パラメータを用いてリアルタイムに制御パラメータ及び装置状態パラメータを予測することもできる。
また，上記実施形態では有磁場平行平板型プラズマ処理装置を用いたが，制御パラメータとプラズマ反映パラメータ及び／また装置状態パラメータを有する装置であれば本発明を適用することができる。
以上詳述したように本発明によれば，処理装置毎にプロセス特性やプロセス条件に差があっても一つの処理装置についてモデル式を作成すれば，そのモデル式を同種の他の処理装置に流用することができ，処理装置毎にモデル式を新たに作成する必要がなく，モデル式作成の負荷を軽減することができる処理装置の多変量解析モデル式作成方法及び処理装置用の多変量解析方法を提供することができる。
産業上の利用の可能性
本発明は，例えばプラズマ処理装置などの処理装置の多変量解析モデル式作成方法，処理装置用の多変量解析方法，処理装置の制御装置，処理装置の制御システムに適用できる。
【図面の簡単な説明】
図１は本発明の第１の実施形態にかかるプラズマ処理装置の概略構成を示す断面図である。
図２は図１に示すプラズマ処理装置の多変量解析手段の一例を示すブロック図である。
図３は本発明の第２の実施形態にかかる処理装置制御システムの構成を示すブロック図である。
図４は本実施形態にかかる処理装置制御システムのモデル式作成する際の動作フローを説明する図である。
図５は本実施形態にかかる処理装置制御システムのモデル式作成する際の動作フローを説明する図であり，図４の続きである。
図６は本実施形態にかかる処理装置制御システムのモデル式作成する際の動作フローを説明する図であり，図５の続きである。
図７は本実施形態にかかる処理装置制御システムにけるモデル式により制御を行う際の動作フローを説明する図である。
符号の説明
１００ プラズマ処理装置
１０１ 処理室
１０２ 下部電極
１０４ 上部電極（シャワーヘッド）
１０５ ダイポールリング磁石
１０７ 高周波電源
１０７Ａ 整合器
１０７Ｂ 電力計
１０７Ｃ 電気計測器
１１８ プロセスガス供給系
１２０ 光学計測器
２００ 多変量解析手段
２０１ 多変量解析プログラム記憶手段
２０５ 解析データ記憶手段
２０６ 演算手段
２０７ 予測・診断・制御手段
２２１ 制御パラメータ計測器
２２２ プラズマ反映パラメータ計測器
２２３ 装置状態パラメータ計測器
２２５ 処理装置制御手段
３００ 制御システム
３２０ ネットワーク
Ｗ ウエハ
本発明は，処理装置の多変量解析モデル式作成方法，処理装置用の多変量解析方法，処理装置の制御装置，処理装置の制御システムに関する。
背景技術
半導体製造工程では種々の処理装置が用いられている。半導体ウエハやガラス基板等の被処理体の成膜工程やエッチング工程ではプラズマ処理装置等の処理装置が広く使用されている。個々の処理装置はそれぞれ被処理体に対する固有のプロセス特性を有している。そのため，装置毎のプロセス特性をモニタし，あるいはプロセス特性を予測するなどしてウエハの最適処理を行っている。
例えば，特開平６−１３２２５１号公報にはプラズマエッチング装置のエッチングモニタについて提案されている。この場合には，前もってエッチングの処理結果（均一性，寸法精度，形状や下地膜との選択性等）とプラズマの分光分析結果やプロセス条件（圧力，ガス流量，バイアス電圧等）の変動状況等との関係を調べ，これらをデータベースとして記憶しておくことにより，ウエハを直接検査することなく処理結果を間接的にモニタできる。モニタした処理結果が検査条件に対して不合格である場合には，その情報をエッチング装置に送って処理条件を修正し，あるいは処理を中止すると共に管理者にその旨を通報する。
また，特開平１０−１２５６６０号公報にはプラズマ処理装置のプロセスモニタ方法について提案されている。この場合には，処理前に試用ウエハを用いてプラズマ状態を反映する電気的信号とプラズマ処理特性を関連づけるモデル式を作成し，実ウエハを処理する時に得られる電気的信号の検出値をモデル式に代入してプラズマ状態を予測し，診断している。
また，特開平１１−８７３２３号公報には半導体ウエハ処理システムの複数のパラメータを用いてプロセスを監視する方法及び装置について提案されている。この場合には，複数のプロセスパラメータを分析し，これらのパラメータを統計的に相関させてプロセス特性やシステム特性の変化を検出する。複数のプロセスパラメータとしては，発光，環境パラメータ（反応チャンバ内の圧力や温度等），ＲＦパワーパラメータ（反射パワー，同調電圧等），システムパラメータ（特定のシステム構成や制御電圧）が用いられている。
しかしながら，従来の技術の場合には，種々の測定データを多変量解析等の統計的手法により解析してモデル式を作成し，このモデル式を用いて処理装置の状態やプロセス特性を把握し，監視しているため，例えば各処理装置に付設されたセンサ間の個体差など，処理装置毎にプロセス特性に差がある場合には，一つの処理装置についてモデル式を作成しても，このモデル式を同種の他の処理装置にそのまま適用することができず，処理装置毎に種々の測定データを取ってその都度モデル式を作成しなくてならず，モデル式の作成に多大な手数と時間を要するという課題があった。また，プロセス条件が変わる場合にもプロセス条件毎に種々の測定データを取ってその都度モデル式を作成しなくてならず，モデル式の作成に多大な手数と時間を要するという課題があった。
本発明は，上記解決するためになされたもので，処理装置毎にプロセス特性やプロセス条件に差があっても一つの処理装置についてモデル式を作成すれば，そのモデル式を同種の他の処理装置に流用することができ，処理装置毎にモデル式を作成する際の手間や負担を軽減することができ，また処理装置毎にモデル式を新たに作成しなくても各処理装置の装置状態を評価することができる処理装置の多変量解析モデル式作成方法及び処理装置用の多変量解析方法を提供することを目的としている。
発明の開示
上記課題を解決するために，本発明の第１の観点によれば，多変量解析によって処理装置の装置状態を評価し又は処理結果を予測する際の多変量解析モデル式を作成する方法であって，複数の処理装置においてそれぞれ第１の設定データに基づいて動作した時に前記各処理装置の複数のセンサから検出される検出データと前記第１の設定データとの相関関係を多変量解析によって前記各処理装置ごとに求める第１の工程と，前記各処理装置のうちの１つを基準処理装置とすると，この基準処理装置において新たな第２の設定データに基づいて動作した時に前記基準処理装置の複数のセンサから検出される検出データと前記第２の設定データとの相関関係を多変量解析によって求める第２の工程と，前記基準処理装置以外の他の処理装置における前記第２の設定データと検出データとの相関関係を，前記第１の工程で求めた前記他の処理装置における相関関係と，前記第１の工程で求めた前記基準処理装置における相関関係と，前記第２の工程で求めた前記基準処理装置における前記相関関係とに基づいて求め，こうして求めた相関関係に基づいて前記他の処理装置の装置状態を評価し又は処理結果を予測する多変量解析モデル式を作成する第３の工程とを有することを特徴とする処理装置の多変量解析モデル式作成方法が提供される。
上記課題を解決するために，本発明の第２の観点によれば，多変量解析によって処理装置の装置状態を評価し又は処理結果を予測する際の多変量解析方法であって，複数の処理装置においてそれぞれ第１の設定データに基づいて動作した時に前記各処理装置の複数のセンサから検出される検出データと前記第１の設定データとの相関関係を多変量解析によって前記各処理装置ごとに求める第１の工程と，前記各処理装置のうちの１つを基準処理装置とすると，この基準処理装置において新たな第２の設定データに基づいて動作した時に前記基準処理装置の複数のセンサから検出される検出データと前記第２の設定データとの相関関係を多変量解析によって求める第２の工程と，前記基準処理装置以外の他の処理装置における前記第２の設定データと検出データとの相関関係を，前記第１の工程で求めた前記他の処理装置における相関関係と，前記第１の工程で求めた前記基準処理装置における相関関係と，前記第２の工程で求めた前記基準処理装置における前記相関関係とに基づいて求め，こうして求めた相関関係に基づいて前記他の処理装置の装置状態を評価し又は処理結果を予測する多変量解析モデル式を作成する第３の工程とを有することを特徴とする処理装置用の多変量解析方法が提供される。
また，上記第１の観点及び第２の観点による発明において，前記第３の工程は，前記第１の工程で求めた前記他の処理装置における相関関係に対する前記他の処理装置における前記第２の設定データと検出データとの相関関係と，前記第１の工程で求めた前記基準処理装置における相関関係に対する前記第２の工程で求めた前記基準処理装置における前記相関関係との比例関係に基づいて，前記他の処理装置における前記第２の設定データと検出データとの相関関係を求めるようにしてもよい。また，上記多変量解析は，例えば部分最小二乗法（ＰＬＳ法）により行うようにしてもよい。
また，上記第１の観点及び第２の観点による発明において，処理装置は，プラズマ処理装置であってもよい。この場合，前記設定データは，プラズマ状態を制御できる複数の制御パラメータを用いると共に，前記検出データは，プラズマ状態を反映する複数のプラズマ反映パラメータ，装置状態に関連する複数の装置状態パラメータ，プロセス仕上がりを反映するパラメータの群から選ばれる少なくとも１つ又は２つ以上のパラメータを用いるようにしてもよい。
また，上記第２の観点による発明において，前記多変量解析モデル式は，前記第３の工程で求めた前記他の処理装置における相関関係と前記第２の設定データとから算出した検出データと前記第２の設定データとの相関関係式であってもよい。
上記課題を解決するために，本発明の第３の観点によれば，被処理体を処理する処理装置に設けられ，所定の設定データに基づいて，前記処理装置の制御を行う処理装置の制御装置であって，前記処理装置と少なくとも基準となる処理装置とホスト装置とが接続したネットワークに接続してデータのやり取りが可能な送受信手段を設け第１の設定データに基づいて動作した時に前記処理装置の複数のセンサから検出される検出データと前記第１の設定データとを前記送受信手段により前記ネットワークを介して前記ホスト装置に送信して，送信されたデータに基づいて前記ホスト装置によって多変量解析により求められた前記第１の設定データと前記検出データとの相関関係を前記ホスト装置から前記送受信手段により前記ネットワークを介して受信し，新たな第２の設定データを前記送受信手段により前記ネットワークを介してホスト装置に送信し，送信されたデータに基づいて前記ホスト装置によって求められた前記第２の設定データとこの第２の設定データに基づく検出データとの相関関係を前記ホスト装置から前記送受信手段により前記ネットワークを介して受信し，前記ホスト装置から受信した前記第２の設定データについての相関関係に基づいて多変量解析モデル式を作成し，この多変量解析モデル式に基づいて前記処理装置の装置状態を評価し又は処理結果を予測し，その結果に応じて前記処理装置を制御することを特徴とする処理装置の制御装置が提供される。
また，上記第３の観点による発明において，前記検出データ算出手段は，前記他の処理装置で所定のプロセス処理を行う際に装置状態を評価し又は処理結果を予測する多変量解析モデル式を作成するための前記他の処理装置の設定データを前記送受信手段により前記ネットワークを介して受信し，受信した前記設定データと前記処理装置の前記相関関係とから前記処理装置を前記他の処理装置の前記所定のプロセス処理と同一条件で動作させた場合の前記処理装置の検出データを計算するようにしてもよい。
また，上記第３の観点による発明において，前記他の処理装置の設定データは，前記所定のプロセス処理前に多変量解析により求められた，前記他の処理装置の設定データとこの設定データに基づいて動作した時の前記他の処理装置の複数のセンサから検出される検出データとの相関関係と，前記他の処理装置を前記所定のプロセス処理を行う際の前記他の処理装置の複数のセンサから検出される検出データとを用いて計算されるようにしてもよい。
また，上記第３の観点による発明において，前記処理装置における前記第２の設定データについての相関関係は，前記ホスト装置により多変量解析によって求められた，前記処理装置における前記第１の設定データについての相関関係と，前記ホスト装置により多変量解析によって求められた，前記基準処理装置が第１の設定データに基づいて動作した時に前記基準処理装置の複数のセンサから検出される検出データと前記第１の設定データとの相関関係と，前記ホスト装置により多変量解析によって求められた，前記基準処理装置が新たな第２の設定データに基づいて動作した時に前記基準処理装置の複数のセンサから検出される検出データと前記第２の設定データとの相関関係とに基づいて前記ホスト装置により算出されるようにしてもよい。
また，上記第３の観点による発明において，処理装置は，プラズマ処理装置であってもよい。この場合，前記設定データは，プラズマ状態を制御できる複数の制御パラメータを用いると共に，前記検出データは，プラズマ状態を反映する複数のプラズマ反映パラメータ，装置状態に関連する複数の装置状態パラメータ，プロセス仕上がりを反映するパラメータの群から選ばれる少なくとも１つ又は２つ以上のパラメータを用いるようにしてもよい。また，前記多変量解析は，部分最小二乗法により行うようにしてもよい。また，前記処理装置は，プラズマ処理装置であってもよい。
上記課題を解決するために，本発明の第４の観点によれば，所定の設定データに基づいて，被処理体を処理する処理装置の制御を行う制御装置を備える処理装置の制御システムであって，ネットワークに送受信手段を介して接続される複数の前記処理装置と，前記ネットワークに接続されるホスト装置とを備え，前記ホスト装置は，複数の処理装置においてそれぞれ第１の設定データに基づいて動作した時に前記各処理装置の複数のセンサから検出される検出データと前記第１の設定データとを前記複数の処理装置から前記ネットワークを介して受信すると，受信した前記第１の設定データと前記検出データとの相関関係を多変量解析によって前記各処理装置ごとに求め，求めた相関関係を対応する処理装置へ前記ネットワークを介して送信し，前記ホスト装置は，前記各処理装置のうちの基準とする処理装置において新たな第２の設定データに基づいて動作した時に前記基準処理装置の複数のセンサから検出される検出データと前記第２の設定データとを前記基準処理装置から前記ネットワークを介して受信すると，受信した前記第１の設定データと前記検出データとの相関関係を多変量解析によって求め，求めた相関関係を前記基準処理装置へ前記ネットワークを介して送信し，前記ホスト装置は，前記基準処理装置以外の他の処理装置から前記第２の設定データを前記ネットワークを介して受信すると，受信した前記第２の設定データとこの第２の設定データに基づく検出データとの相関関係を，前記多変量解析により求めた前記他の処理装置における前記第１の設定データについての前記相関関係と，前記多変量解析により求めた前記基準処理装置における前記第１の設定データについての前記相関関係と，前記多変量解析により求めた前記基準処理装置における前記第２の設定データについての前記相関関係とに基づいて求め，求めた相関関係を前記他の処理装置へ前記ネットワークを介して送信し，前記他の処理装置は，前記ホスト装置から受信した前記第２の設定データについての相関関係に基づいて多変量解析モデル式を作成し，この多変量解析モデル式に基づいて前記処理装置の装置状態を評価し又は処理結果を予測し，その結果に応じて前記処理装置を制御することを特徴とする処理装置の制御システムが提供される。
また，上記第４の観点による発明において，処理装置は，プラズマ処理装置であってもよい。この場合，前記設定データは，プラズマ状態を制御できる複数の制御パラメータを用いると共に，前記検出データは，プラズマ状態を反映する複数のプラズマ反映パラメータ，装置状態に関連する複数の装置状態パラメータ，プロセス仕上がりを反映するパラメータの群から選ばれる少なくとも１つ又は２つ以上のパラメータを用いるようにしてもよい。また，前記多変量解析は，部分最小二乗法により行うようにしてもよい。また，前記処理装置は，プラズマ処理装置であってもよい。
発明を実施するための最良の形態
以下に添付図面を参照しながら，本発明にかかる装置の好適な実施の形態について詳細に説明する。なお，本明細書及び図面において，実質的に同一の機能構成を有する構成要素については，同一の符号を付することにより重複説明を省略する。
先ず，本発明の第１の実施形態にかかるプラズマ処理装置について図１，図２を参照しながら説明する。本実施形態のプラズマ処理装置１００は，例えば図１に示すように，アルミニウム製の処理室（チャンバ）１０１と，この処理室１０１内に配置された下部電極１０２を，絶縁材１０２Ａを介して支持する昇降可能なアルミニウム製の支持体１０３と，この支持体１０３の上方に配置され且つプロセスガスを供給し且つ上部電極を兼ねるシャワーヘッド（以下では，必要に応じて「上部電極」とも称す。）１０４とを備えている。
上記処理室１０１は上部が小径の上室１０１Ａとして形成され，下部が大径の下室１０１Ｂとして形成されている。上室１０１Ａはダイポールリング磁石１０５によって包囲されている。このダイポールリング磁石１０５は複数の異方性セグメント柱状磁石がリング状の磁性体からなるケーシング内に収納されて形成され，上室１０１Ａ内で全体として一方向に向かう一様な水平磁界を形成する。下室１０１Ｂの上部にはウエハＷを搬出入するための出入口が形成され，この出入口にはゲートバルブ１０６が取り付けられている。
下部電極１０２には整合器１０７Ａを介して高周波電源１０７が接続され，この高周波電源１０７から下部電極１０２に対して１３．５６ＭＨｚの高周波電力Ｐを印加し，上室１０１Ａ内で上部電極１０４との間で垂直方向の電界を形成する。この高周波電力Ｐは高周波電源１０７と整合器１０７Ａ間に接続された電力計１０７Ｂを介して検出する。この高周波電力Ｐは制御可能なパラメータで，本実施形態では高周波電力Ｐを後述のガス流量，電極間距離等の制御可能なパラメータと共に制御パラメータと定義する。また，制御パラメータはプラズマ処理装置に対して設定可能なパラメータであるため，設定データとも称することができる。
上記整合器１０７Ａの下部電極１０２側（高周波電圧の出力側）には電気計測器（例えば，ＶＩプローブ）１０７Ｃが取り付けられ，この電気計測器１０７Ｃを介して下部電極１０２に印加される高周波電力Ｐにより上室１０１Ａ内に発生するプラズマに基づく基本波及び高調波の高周波電圧Ｖ，高周波電流Ｉ，電圧波形と電流波形との間の位相差φを電気的データとして検出する。これらの電気的データは後述する光学的データと共にプラズマ状態を反映する監視可能なパラメータで，本実施形態ではプラズマ反映パラメータと定義する。また，プラズマ反映パラメータは電気計測器１０７Ｃによって検出されるデータであるため，検出データとも称することができる。
上記整合器１０７Ａは例えば２個の可変コンデンサＣ１，Ｃ２，コンデンサＣ及びコイルＬを内蔵し，可変コンデンサＣ１，Ｃ２を介してインピーダンス整合を取っている。整合状態での可変コンデンサＣ１，Ｃ２の容量，上記整合器１０７Ａ内の測定器（図示せず）により測定される高周波電圧Ｖｐｐは後述するＡＰＣ（Ａｕｔｏｍａｔｉｃ ｐｒｅｓｓｕｒｅ ｃｏｎｔｒｏｌｌｅｒ）開度等と共に処理時の装置状態を示すパラメータで，本実施形態では装置状態を示す可変コンデンサＣ１，Ｃ２の容量，高周波電圧Ｖｐｐ及びＡＰＣの開度をそれぞれ装置状態パラメータと定義する。そして，装置状態パラメータは制御できないパラメータであり，検出可能なデータであるため，検出データとも称することができる。
上記下部電極１０２の上面には静電チャック１０８が配置され，この静電チャック１０８の電極板１０８Ａには直流電源１０９が接続されている。従って，高真空下で直流電源１０９から電極板１０８Ａに高電圧を印加することにより静電チャック１０８によってウエハＷを静電吸着する。この下部電極１０２の外周にはフォーカスリング１１０が配置され，上室１０１Ａ内で生成したプラズマをウエハＷに集める。また，フォーカスリング１１０の下側には支持体１０３の上部に取り付けられた排気リング１１１が配置されている。この排気リング１１１には複数の孔が全周に渡って周方向等間隔に形成され，これらの孔を介して上室１０１Ａ内のガスを下室１０１Ｂへ排気する。
上記支持体１０３はボールネジ機構１１２及びベローズ１１３を介して上室１０１Ａと下室１０１Ｂ間で昇降可能になっている。従って，ウエハＷを下部電極１０２上に供給する場合には，支持体１０３を介して下部電極１０２が下室１０１Ｂまで下降し，ゲートバルブ１０６を開放して図示しない搬送機構を介してウエハＷを下部電極１０２上に供給する。下部電極１０２と上部電極１０４との間の電極間距離は所定の値に設定可能なパラメータで上述のように制御パラメータとして構成されている。
支持体１０３の内部には冷媒配管１１４に接続された冷媒流路１０３Ａが形成され，冷媒配管１１４を介して冷媒流路１０３Ａ内で冷媒を循環させ，ウエハＷを所定の温度に調整する。支持体１０３，絶縁材１０２Ａ，下部電極１０２及び静電チャック１０８にはそれぞれガス流路１０３Ｂが形成され，ガス導入機構１１５からガス配管１１５Ａを介して静電チャック１０８とウエハＷ間の細隙にＨｅガスを所定の圧力でバックサイドガスとして供給し，Ｈｅガスを介して静電チャック１０８とウエハＷ間の熱伝導性を高めている。尚，１１６はベローズカバーである。
上記シャワーヘッド１０４の上面にはガス導入部１０４Ａが形成され，このガス導入部１０４Ａには配管１１７を介してプロセスガス供給系１１８が接続されている。プロセスガス供給系１１８は，Ａｒガス供給源１１８Ａ，ＣＯガス供給源１１８Ｂ，Ｃ４Ｆ８ガス供給源１１８Ｃ及びＯ２ガス供給源１１８Ｄを有している。これらのガス供給源１１８Ａ，１１８Ｂ，１１８Ｃ，１１８Ｄはバルブ１１８Ｅ，１１８Ｆ，１１８Ｇ，１１８Ｈ及びマスフローコントローラ１１８Ｉ，１１８Ｊ，１１８Ｋ，１１８Ｌを介してそれぞれのガスを所定の設定流量でシャワーヘッド１０４へ供給し，その内部で所定の配合比を持った混合ガスとして調整する。各ガス流量はそれぞれのマスフローコントローラ１１８Ｉ，１１８Ｊ，１１８Ｋ，１１８Ｌによって制御可能であり且つ検出可能なパラメータで，上述のように制御パラメータとして構成されている。
上記シャワーヘッド１０４の下面には複数の孔１０４Ｂが全面に渡って均等に配置され，これらの孔１０４Ｂを介してシャワーヘッド１０４から上室１０１Ａ内へ混合ガスをプロセスガスとして供給する。また，下室１０１Ｂの下部の排気孔には排気管１０１Ｃが接続され，この排気管１０１Ｃに接続された真空ポンプ等からなる排気系１１９を介して処理室１０１内を排気して所定のガス圧力を保持している。排気管１０１ＣにはＡＰＣバルブ１０１Ｄが設けられ，処理室１０１内のガス圧力に即して開度が自動的に調節される。この開度は装置状態を示す装置状態パラメータで，制御できないパラメータである。
上記処理室１０１の側壁には，検出窓１２１が設けられており，処理室１０１の側壁の外側には，上記検出窓１２１を介して処理室１０１内のプラズマ発光を多波長に渡って検出する分光器（以下，「光学計測器」と称す。）１２０が設けられている。この光学計測器１２０によって得られる特定の波長に関する光学的データに基づいてプラズマ状態を監視し，例えばプラズマ処理の終点を検出している。この光学的データは高周波電力Ｐにより発生するプラズマに基づく電気的データと共にプラズマ状態を反映するプラズマ反映パラメータを構成する。
次に，上記プラズマ処理装置１００に設けられる多変量解析手段について図面を参照しながら説明する。プラズマ処理装置１００は，例えば図２に示すような多変量解析手段２００を備えている。この多変量解析手段２００は，多変量解析プログラムを記憶する多変量解析プログラム記憶手段２０１と，制御パラメータ計測器２２１，プラズマ反映パラメータ計測器２２２及び装置状態パラメータ計測器２２３からの検出信号を間欠的にサンプリングする制御パラメータ信号サンプリング手段２０２，プラズマ反映パラメータ信号サンプリング手段２０３及び装置状態パラメータ信号サンプリング手段２０４とを備える。また，複数のプラズマ反映パラメータ（電気的データ及び光学的データ），装置状態に関連する複数の装置状態パラメータ及び複数の制御パラメータを関連付けたモデル式などの解析結果や解析に必要なデータを記憶する解析データ記憶手段２０５と，モデル式を介して制御パラメータ，プラズマ反映パラメータ及び装置状態パラメータを目的に即して演算する演算手段２０６と，演算手段２０６からの演算信号に基づいて制御パラメータ，複数のプラズマ反映パラメータ及び装置状態パラメータを目的に即して予測，診断，制御を行う予測・診断・制御手段２０７とを備えている。
また，多変量解析手段２００には制御パラメータに基づいてプラズマ処理装置１００を制御する処理装置制御手段２２５，警報器２２６及び表示手段２２４がそれぞれ接続されている。処理装置制御手段２２５は例えば予測・診断・制御手段２０７からの信号に基づいてウエハＷの処理を継続または中断する。警報器２２６及び表示手段２２４は後述のように予測・診断・制御手段２０７からの信号に基づいて制御パラメータ，複数のプラズマ反映パラメータ及び装置状態パラメータのいずれかの異常を目的に即して報知する。また，解析データ記憶手段２０５は，上記各パラメータに関するデータやこれらの加工データ（多変量解析に使用する加工データ）を記憶する。なお，図２に示す制御パラメータ計測器２２１，プラズマ反映パラメータ計測器２２２，装置状態パラメータ計測器２２３は，流量検出器，光学計測器，高周波電圧Ｖｐｐ計測器等の複数の制御パラメータの計測器，複数のプラズマ反映パラメータの計測器，複数の装置状態パラメータの計測器をそれぞれ一つに纏めて示してある。
ここで，本発明の原理について説明する。例えば新たなモデル式を作成する際の基準とする処理装置としてプラズマ処理装置１００Ａを考え，この基準処理装置以外の処理装置としてプラズマ処理装置１００Ｂを考える。プラズマ処理装置１００Ａ，１００Ｂ間には製造上のバラツキ等により僅かに個体差がある。また，上記電気計測器１０７Ｃ，光学計測器１２０等のセンサにもそれぞれの製造誤差などによりプラズマ処理装置毎に個体差があるため，同一種のプラズマ処理装置に同一種のセンサが使用されていても，同一の検出データが得られるものではない。従って，同一種のプラズマ処理装置であってもプラズマ処理装置毎に多変量解析モデル式を作成する必要があり，一つの多変量解析モデル式を他の同種のプラズマ処理装置の多変量解析モデル式として流用することができない。
そこで，本実施形態では，例えばプラズマ処理装置１００Ａ，１００Ｂ間に製造上の個体差やそれぞれの複数のセンサ間に個体差があってもプラズマ処理装置１００Ａについて作成した多変量解析モデル式を他のプラズマ処理装置１００Ｂに流用できるようにしている。本実施形態では多変量解析の一手法として部分最小二乗法（以下，「ＰＬＳ（Ｐａｒｔｉａｌ Ｌｅａｓｔ Ｓｑｕａｒｅｓ）法」と称す。）を用いてプラズマ処理装置１００Ａ，１００Ｂそれぞれの多変量解析モデル式を作成して装置間の個体差を見つけ出し，この個体差を吸収したモデル式を作成する。ＰＬＳ法の詳細は例えばＪＯＵＲＮＡＬ ＯＦ ＣＨＥＭＯＭＥＴＲＩＣＳ，ＶＯＬ．２（ＰＰ．２１１−２２８）（１９９８）に掲載されている。
例えばプラズマ処理装置１００Ａ，１００Ｂともに，複数の制御パラメータ（設定データ）を目的変数とし，複数のプラズマ反映パラメータ（電気的データ及び光学的データを含む検出データ）を説明変数とし，目的変数を成分とする行列Ｘと説明変数を成分とする行列Ｙを関連づけた下記（１）に示す回帰式（以下，単に「モデル式」と称す。）を作成する（第１の工程）。
プラズマ処理装置１００Ａ，１００Ｂそれぞれの演算手段２０６では多変量解析の一手法であるＰＬＳ法を用いてそれぞれの実験で得られた説明変数と目的変数に基づいてモデル式の回帰行列Ｋａ，Ｋｂをそれぞれ算出し，これらのモデル式を上述のように解析データ記憶手段２０５に記憶する。尚，下記（１），（２）のモデル式において，Ｋａ，Ｋｂはそれぞれのモデル式の回帰行列，ａはプラズマ処理装置１００Ａを表し，ｂはプラズマ処理装置１００Ｂを表す。
Ｘａ＝ＫａＹａ…（１）
Ｘｂ＝ＫｂＹｂ…（２）
ＰＬＳ法は，行列Ｘ，Ｙそれぞれに多数の説明変数及び目的変数があってもそれぞれの少数の実測値があれば行列Ｘと行列Ｙの関係式を求めることができる。しかも，少ない実測値で得られた関係式であっても安定性及び信頼性の高いこともＰＬＳ法の特徴である。説明変数及び目的変数となる各データを実測する際に，制御パラメータを振って制御パラメータ，複数のセンサでプラズマ反映パラメータをそれぞれ検出する。
この場合，制御パラメータ（高周波電力，チャンバ内圧力，プロセスガス流量等）を振る範囲が狭いときには下記式（３）に示すように制御パラメータに対して線形式で近似することができ，パラメータを振る範囲が大きいときには下記式（４）に示すように制御パラメータに対して２乗，３乗及び１次と２次交叉項を入れた非線形式として近似することができる。
このような制御パラメータは，プラズマ処理装置１００Ａとプラズマ処理装置１００Ｂとで同じ範囲，同じ値の制御パラメータを使用する。回帰行列Ｋａ，Ｋｂを求める場合には本出願人が特願２００１−３９８６０８号明細書において提案したＰＬＳ法と同一演算手順で求めることができるため，ここではその演算手順の説明を省略する。プラズマ処理装置１００Ａとプラズマ処理装置１００Ｂとの間の個体差及びそれぞれのセンサ間の個体差は上記式（１），式（２）の回帰行列Ｋａ，Ｋｂの差となって現れる。
Ｘ＝［ｘ１，ｘ２，…，ｘｎ］ …（３）
Ｘ＝［ｘ１，ｘ２，…，ｘｎ，
（ｘ１）２，（ｘ２）２，…，（ｘｎ）２，
（ｘ１）３，（ｘ２）３，…，（ｘｎ）３，
ｘ１ｘ２，ｘ１ｘ３，…，ｘｎ−１ｘｎ，
（ｘ１）２ｘ２，（ｘ１）２ｘ３…（ｘｎ−１）２ｘｎ］
…（４）
而して，ＰＬＳ法によって上記モデル式を求める場合には予めウエハのトレーニングセットを用いた実験によって複数の説明変数と複数の目的変数を計測する。そのために例えばトレーニングセットとして１８枚のウエハ（ＴＨ−ＯＸ Ｓｉ）を用意する。尚，ＴＨ−ＯＸＳｉは熱酸化膜が形成されたウエハのことである。この場合，実験計画法を用いて制御パラメータ（設定データ）を効率的に設定し，最小限の実験で済ますことができる。
プラズマ処理装置１００Ａでは例えば目的変数となる制御パラメータを，標準値を中心に所定の範囲内でトレーニングウエハ毎に振ってトレーニングウエハをエッチング処理する。そして，エッチング処理時に，プロセスガスの各ガスの流量，チャンバ内の圧力等の制御パラメータ，電気的データ及び光学的データ等のプラズマ反映パラメータを各トレーニングウエハについて複数回ずつ計測し，演算手段２０６を介してこれら制御パラメータ，プラズマ反映パラメータの平均値を算出する。そして，制御パラメータの平均値を設定データとして用い，プラズマ反映パラメータを検出データとして用いる。
制御パラメータを振る範囲はエッチング処理を行っている時に制御パラメータが最大限変動する範囲を想定し，この想定した範囲で制御パラメータを振る。本実施形態では，高周波電力，チャンバ内の圧力，上下両電極１０２，１０４間の隙間寸法及び各プロセスガス（Ａｒガス，ＣＯガス，Ｃ４Ｆ８ガス及びＯ２ガス）の流量を制御パラメータ（設定データ）として用いる。各制御パラメータの標準値はエッチング対象によって異なる。プラズマ処理装置１００Ｂでもプラズマ処理装置１００Ａと同一要領で同一の制御パラメータ（設定データ）で実験を行ない，制御パラメータ（設定データ）及びプラズマ反映パラメータ（検出データ）を得る。
具体的には，制御パラメータを，標準値を中心にして下記表１に示すレベル１とレベル２の範囲でトレーニングウエハ毎に振って設定し各トレーニングウエハのエッチング処理を行う。そして，各トレーニングウエハを処理する間に，電気計測器１０７Ｃを介してプラズマに基づく高周波電圧（基本波から４倍波まで）Ｖ，高周波電流（基本波から４倍波まで）Ｉ，位相差φ等の電気的データを検出データとして計測すると共に，光学計測器１２０を介して例えば２００〜９５０ｎｍの波長範囲の発光スペクトル強度（光学的データ）を検出データとして計測し，これらの検出データ（電気的データ及び光学的データ）をプラズマ反映パラメータとして用いる。また，同時に下記表１に示す各制御パラメータをそれぞれの制御パラメータ計測器２２１を用いて計測する。
続いて，各トレーニングウエハについて複数の電気的データ及び複数の光学的データをそれぞれの計測器から得る。これらは例えば解析データ記憶手段２０５に実測値として記憶する。そして，演算手段２０６において，複数の制御パラメータそれぞれの実測値の平均値，複数のプラズマ反映パラメータ（電気的データ，光学的データ）それぞれの実測値の平均値を算出し，これらの平均値を目的変数及び説明変数として解析データ記憶手段２０５に記憶する。引き続き，演算手段２０６ではＰＬＳ法を用いてこれらの演算データに基づいて上記（１）のモデル式の回帰行列Ｋａを求める（第１の工程）。
また，プラズマ処理装置１００Ｂでもプラズマ処理装置１００Ａと同様に下記表２に示すように制御パラメータを振り，各パラメータの実測値の平均値を算出し，これらの平均値を目的変数及び説明変数として用い，上記（２）のモデル式の回帰行列Ｋｂを求める（第１の工程）。尚，下記表２において，Ｌ１〜Ｌ１８はトレーニングウエハの番号を示している。
そして，プロセスガス供給系１１８からＡｒガス，ＣＯガス，Ｃ４Ｈ８ガス及びＯ２ガスをそれぞれ３００ｓｃｃｍ，５０ｓｃｃｍ，１０ｓｃｃｍ及び８ｓｃｃｍの流量で供給する。この際，処理室１０１内のプロセスガスの圧力を１００ｍＴｏｒｒに設定するためＡＰＣバルブ１０１Ｄの開度がプロセスガス供給量と排気量に即して自動的に調整される。この状態で，高周波電源１０７から２０００Ｗの高周波電力を印加すると，ダイポールリング磁石１０５の作用と相俟ってマグネトロン放電が発生し，プロセスガスのプラズマを生成する。始めはベアシリコンウエハであるため，エッチング処理を行わない。ベアシリコンウエハを所定時間（例えば，１分）処理した後，搬入時とは逆の操作で処理後のウエハＷを処理室１０１内から搬出し，後続の５枚目のダミーウエハまで同一条件で処理する。
ダミーウエハの処理によってプラズマ処理装置が安定した後，テストウエハを処理する。最初のテストウエハ（ウエハとしては６枚目）については制御パラメータを標準値のままエッチング処理を行う。この処理を行っている間に電気計測器１０７Ｃ及び光学計測器１２０を介して電気的データ及び光学的データそれぞれを検出データとして複数回計測し，これらの計測値を図示しない記憶手段で記憶する。そして，これらの計測値に基づいて平均値を，演算手段２０６を用いて算出する。
２枚目のテストウエハを処理する場合には高周波電力を１５００Ｗから１９８０Ｗに設定値を変え，その他の制御パラメータは上述の標準値でエッチング処理を行う。この間最初のテストウエハと同様にして電気的データ及び光学的データを検出データとして計測した後，それぞれの平均値を算出する。
３枚目以降のテストウエハを処理する時には各制御パラメータをその都度表３に示すように振って設定し各テストウエハをエッチング処理し，各テストウエハについてプラズマ反映パラメータ（電気的データ，光学的データ）を検出データとして計測し，それぞれの平均値を算出する。
このような制御パラメータの平均値の行列Ｘａ′とプラズマ反映パラメータの平均値の行列Ｙａ′とからから，上記（１）のモデル式と同様に下記（５）に示す新たなモデル式を作成する（第２の工程）。
Ｘａ′＝Ｋａ′Ｙａ′…（５）
次いで，プラズマ処理装置１００Ｂをプラズマ処理装置１００Ａと同一条件で制御パラメータを振った場合には，プラズマ処理装置１００Ｂについてはプラズマ処理装置１００Ａのように実験をしなくてもプラズマ処理装置１００Ａの上記（５）に示すモデル式を流用することができる。すなわち，プラズマ処理装置１００Ｂではプラズマ処理装置１００Ａと同一の条件で制御パラメータを振ることからプラズマ処理装置１００Ｂにおける目的変数の行列Ｘｂ′には，下記（６）式が成立する。ここで，プラズマ処理装置１００Ｂの目的変数が行列Ｘｂ′の場合には，上記（２）のモデル式は下記（７）式のモデル式になる。
そして，上記（１）式及び下記（５）式に示すプラズマ処理装置１００Ａのモデル式と，上記（２）式及び下記（７）式に示すプラズマ処理装置１００Ｂのモデル式との関係から下記（８）式に示すモデル式が得られる。すなわち，プラズマ処理装置１００Ａにおける回帰行列Ｋａ，新たな回帰行列Ｋａ′と，プラズマ処理装置１００Ｂにおける回帰行列Ｋｂ，新たな回帰行列Ｋｂ′との間には，比例関係（Ｋｂ′／Ｋａ′＝Ｋｂ／Ｋａ）が成立するものと考えられることから，Ｋｂ′＝Ｋａ′／Ｋｂ／Ｋａとすることができる。下記（７）式のＫｂ′にこの関係を当てはめれば，下記（８）が得られる。
Ｘｂ′＝Ｘａ′ …（６）
Ｘｂ′＝Ｋｂ′Ｙｂ′ …（７）
Ｘｂ′＝（Ｋａ′Ｋｂ／Ｋａ）Ｙｂ′ …（８）
従って，制御パラメータを行列Ｘｂ′で振る新たなプロセス条件では，プラズマ処理装置１００Ａに関してモデル式（５）を求めておけば，予め求めておいたプラズマ処理装置１００Ａのモデル式（１）とプラズマ処理装置１００Ｂのモデル式（２）と上記モデル式（７）とから，（８）式に示すようなプラズマ処理装置１００Ｂに関する新たなモデル式を作成することができる（第３の工程）。
即ち，新たなプロセス条件で検出されたプラズマ処理装置１００Ａに関する制御パラメータの平均値（設定データ）の行列Ｘａ′と，プラズマ反映パラメータの平均値（検出データ）の行列Ｙａ′とを関連づけた回帰行列Ｋａ′を求めることによって，プラズマ処理装置１００Ｂの新たなモデル式（８）を作成することができ，この新たなモデル式（８）によりプラズマ処理装置１００Ｂの装置状態を評価することができる。このことは，プラズマ処理装置１００Ａに関する上記モデル式（５）を実験に基づいて作成すれば，プラズマ処理装置１００Ｂについては改めて実験をしなくても上記（８）式をプラズマ処理装置１００Ｂの新たなモデル式として作成できることを意味する。
こうして作成された新たなモデル式（８）は，プラズマ処理装置１００Ｂの解析データ記憶手段２０５に記憶さておいてもよい。これにより，プラズマ処理装置１００Ｂの通常運転によるウエハ処理時において，複数のプラズマ反映パラメータのそれぞれの平均値（検出データ）から複数の制御パラメータの値を予測計算する際に，解析データ記憶手段２０５からの新たなモデル式（８）を用いることができる。
この場合，予測・診断・制御手段２０７により，予測された制御パラメータの値（予測された設定データ）と，実際にプラズマ処理装置１００Ｂに設定された設定データの変動許容範囲と比較し，異常と判断された場合には，例えば処理装置制御手段２２５によりプラズマ処理装置１００Ｂを停止するとともに，表示手段２２４，警報器２２６で異常を知らせる。
以上説明したように本実施形態では，例えばプラズマ処理装置１００Ａ，１００Ｂにおいてそれぞれ第１の設定データ（例えば制御パラメータ）に基づいて動作した時に各プラズマ処理装置１００Ａ，１００Ｂの複数のセンサから検出される検出データ（例えばプラズマ反映パラメータ）と第１の設定データとの相関関係（（１）式におけるＫａ，（２）式におけるＫｂ）を多変量解析によって各プラズマ処理装置１００Ａ，１００Ｂごとに求める第１の工程と，各プラズマ処理装置１００Ａ，１００Ｂのうちの基準処理装置とするプラズマ処理装置１００Ａにおいて新たな第２の設定データ（例えば第１の設定データとは制御パラメータを振る範囲が異なる新たな設定データ）に基づいて動作した時にプラズマ処理装置１００Ａの複数のセンサから検出される検出データと第２の設定データとの相関関係（（５）式におけるＫａ′）を多変量解析によって求める第２の工程と，基準処理装置以外の他の処理装置であるプラズマ処理装置１００Ｂにおける第２の設定データと検出データとの相関関係（（８）式におけるＫｂ′）を，第１の工程で求めたプラズマ処理装置１００Ｂにおける相関関係Ｋｂと，第１の工程で求めたプラズマ処理装置１００Ａにおける相関関係Ｋａと，第２の工程で求めたプラズマ処理装置１００Ａにおける相関関係Ｋａ′とに基づいて求め，こうして求めた相関関係Ｋｂ′に基づいてプラズマ処理装置１００Ｂの装置状態を評価し又は処理結果を予測する多変量解析モデル式（（８）式）を作成する第３の工程とを有する。
このため，新たなプロセス条件による新たな設定データについては，基準とするプラズマ処理装置１００Ａにおいてウエハに対してプラズマ処理する実験を行ってモデル式（５）を作成すれば，プラズマ処理装置１００Ａの新たなモデル式（５）を流用して，基準とする処理装置以外の処理装置例えばプラズマ処理装置１００Ｂについての新たなモデル式（８）を作成することができる。従って，プラズマ処理装置１００Ｂに関しては新たなモデル式を作成するために新たな設定データで実験をしなくても，新たなモデル式（８）を作成することができる。これにより，プラズマ処理装置１００Ｂに関するモデル式作成の負荷を大幅に軽減することができる。
また，本実施形態では，第３の工程は，第１の工程で求めたプラズマ処理装置１００Ｂにおける相関関係Ｋｂに対する第２の設定データと検出データとの相関関係Ｋｂ′と，第１の工程で求めたプラズマ処理装置１００Ａにおける相関関係Ｋａに対する第２の工程で求めた相関関係Ｋａ′との比例関係に基づいて，プラズマ処理装置１００Ｂにおける第２の設定データと検出データとの相関関係Ｋｂ′を求める。これにより，プラズマ処理装置１００Ｂにおける相関関係Ｋｂ′は，多変量解析によらずに，簡単に算出することができる。
また，本実施形態では，プラズマ状態を制御できる複数の制御パラメータと，プラズマ状態を反映する複数のプラズマ反映パラメータとを関連付けて多変量解析モデル式を作成する。具体的には，プラズマ処理装置１００Ａ，１００Ｂを用いてそれぞれ設定データ（制御パラメータなど）を目的変数にすると共に検出データ（プラズマ反映パラメータなど）を説明変数にして多変量解析モデル式（１），（２）を作成する。そして，新たな設定データでは，プラズマ処理装置１００Ａについて多変量解析モデル式（５）を作成すれば，相関関係Ｋｂ′と設定データＸｂ′とを用いてプラズマ処理装置１００Ｂの検出データ（プラズマ反映パラメータ，装置状態パラメータなど）を算出して，プラズマ処理装置１００Ｂについての新たな設定データによる多変量解析モデル式（８）を作成することができる。
また，ＰＬＳ法を用いて多変量解析モデル式を作成するため，実験数が少なくても上記各パラメータを精度よく予測，評価することができる。また，プラズマ処理装置１００Ｂの予測値を主成分分析することにより，プラズマ処理装置１００Ｂの運転状態を総合的に評価することができる。
また，ＰＬＳ法を用いて設定データと検出データの相関関係を求める多変量解析を行うようにしたため，少ないデータで精度の高い多変量解析を行なって多変量解析モデル式を作成することができる。
次に，本発明の第２の実施形態を図面を参照しながら説明する。図３は，本実施形態にかかる制御システム全体の概略構成を示すブロック図である。この制御システム３００は，ホスト装置３１０と，複数のプラズマ処理装置１００Ａ，…，１００Ｎとをネットワーク３２０により接続して構成される。プラズマ処理装置１００Ａ，…，１００Ｎはそれぞれ図１に示すものと同様の構成であるため，その詳細な説明を省略する。また，プラズマ処理装置１００Ａ，…，１００Ｎはそれぞれ図２に示すような多変量解析手段２００を備える。なお，本実施の形態では，例えば図２に示す多変量解析手段２００，処理装置制御手段２２５，図３に示す送受信装置１５０が処理装置の制御装置としての役割を果す。
ホスト装置３１０は，少なくとも各種演算を行う演算手段３１２，上述したＰＬＳ法などの多変量解析プログラムを記憶する多変量解析プログラム記憶手段３１４，解析結果や解析に必要なデータを記憶する解析データ記憶手段３１６，上記ネットワーク３２０を介して各プラズマ処理装置１００Ａ，…，１００Ｎとのデータのやり取りを行う送受信手段３１８を備える。なお，上記ホスト装置３１０は，例えば半導体製造工場のホストコンピュータで構成してもよく，またこのホストコンピュータに接続したパーソナルコンピュータで構成してもよい。
プラズマ処理装置１００Ａ，…，１００Ｎはそれぞれ，各プラズマ処理装置１００Ａ，…，１００Ｎとホスト装置３１０との間又は各プラズマ処理装置１００Ａ，…，１００Ｎ間の各種データの送受信を行う送受信装置１５０Ａ，…，１５０Ｎ，制御パラメータ（設定データ）などの各種データを入力するための入力手段１５２Ａ，…，１５２Ｎを備える。上記送受信装置１５０Ａ，…，１５０Ｎはそれぞれ，図２に示す多変量解析手段２００と接続されており，各プラズマ処理装置１００Ａ，…，１００Ｎの多変量解析手段２００とデータのやり取りを行うことができる。
上記ネットワーク３２０としては，ホスト装置３１０，各プラズマ処理装置１００Ａ，…，１００Ｎなどを双方向通信可能に接続するものであり，典型的にはインターネットなどの公衆回線網が挙げられる。また，ネットワーク３２０としては，上記公衆回線網の他，ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ），ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ），ＩＰ−ＶＰＮ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ−Ｖｉｒｔｕａｌ Ｐｒｉｖａｔｅ Ｎｅｔｗｏｒｋ）などの閉鎖回線網であってもよい。またネットワーク３２０への接続媒体は，ＦＤＤＩ（Ｆｉｂｅｒ Ｄｉｓｔｒｉｂｕｔｅｄ Ｄａｔａ Ｉｎｔｅｒｆａｃｅ）などによる光ファイバケーブル，Ｅｔｈｅｒｎｅｔによる同軸ケーブル又はツイストペアケーブル，もしくはＩＥＥＥ８０２．１１ｂなどによる無線などであってもよく，有線無線を問わず，衛星ネットワークなどであってもよい。
各プラズマ処理装置１００が所望のプロセス条件でエッチング処理を行う際に，装置状態を評価するための新たなモデル式を作成するために必要なデータを送受信装置１５０を介してホスト装置３１０から所望のプラズマ処理装置１００に送信することにより，そのプラズマ処理装置１００の多変量解析手段２００でモデル式を作成する際の負担を軽減することができる。そして，プラズマ処理装置１００による実際のウエハの処理時における各検出データから新たなモデル式を用いて装置状態が評価され，その結果に応じて出力される予測・診断・制御手段２０７からの指示に基づいて処理装置制御手段２２５によりプラズマ処理装置１００が制御される。
次に，このような制御システム３００の処理について図面を参照しながら説明する。制御システム３００の処理としては，例えば第１の実施形態で説明したように，プラズマ処理装置１００Ａで作成した新たなモデルをプラズマ処理装置１００Ｂに流用して，プラズマ処理装置１００Ｂについての新たなモデルを作成する場合が挙げられる。
図４〜図６は，プラズマ処理装置１００Ｂの新たなモデルを作成する場合の処理についての動作フローを示す。より詳細には，図４〜図６は，プラズマ処理装置１００Ａを基準処理装置，プラズマ処理装置１００Ｂ，…，１００Ｎを基準処理装置以外の処理装置としたときのホスト装置，基準処理装置，基準処理装置以外の処理装置についての動作フローを示している。なお，図４〜図６では，基準処理装置以外の処理装置としてプラズマ処理装置１００Ｂの処理を代表して記載している。他のプラズマ処理装置１００Ｃ，…，１００Ｎについて新たなモデル式を作成する場合においても，プラズマ処理装置１００Ｂと同様の動作が行われる。
先ず，図４に示すように，各プラズマ処理装置１００Ａ，…，１００Ｎの回帰行列Ｋａ，…，Ｋｎを求める。具体的な処理を以下に説明する。
基準処理装置であるプラズマ処理装置１００Ａは，回帰行列Ｋａを求めるための設定データ（例えば制御パラメータ）が入力手段１５２Ａから入力されて設定されると，ステップＳ１１０にてこの設定データに従ってウエハＷを処理して検出データ（例えばプラズマ反映パラメータ）を取得し，これらの設定データ，検出データをネットワーク３２０を介してホスト装置３１０に送信する。
一方，基準処理装置以外の処理装置である例えばプラズマ処理装置１００Ｂは，回帰行列Ｋｂを求めるための設定データ（例えば制御パラメータ）が入力手段１５２Ｂから入力されて設定されると，ステップＳ５１０にてこの設定データに従ってウエハＷを処理して検出データ（例えばプラズマ反映パラメータ）を取得し，これらの設定データ，検出データをネットワーク３２０を介してホスト装置３１０に送信する。
ホスト装置３１０は，ステップＳ２１０にて各プラズマ処理装置１００Ａ，…，１００Ｎから設定データ，検出データを受信して解析データ記憶手段３１６に記憶する。次いで，ステップＳ２２０にて受信した設定データのウエハごとの平均値を演算手段３１２により求め，これらを目的変数Ｘａ，…，Ｘｎとして解析データ記憶手段３１６に記憶するとともに，受信した検出データのウエハごとの平均値を演算手段３１２により求め，これらを説明変数Ｙａ，…，Ｙｎとして解析データ記憶手段３１６に記憶する。
続いて，ホスト装置３１０は，ステップＳ２３０にて多変量解析プログラム記憶手段３１４からのＰＬＳ法によるプログラムに基づいて上記第１の実施形態と同様に設定データ（目的変数）Ｘａ，…，Ｘｎ，検出データ（説明変数）Ｙａ，…，Ｙｎから各プラズマ処理装置１００Ａ，…，１００Ｎにおける回帰行列Ｋａ，…，Ｋｎを演算手段３１２により求めて解析データ記憶手段３１６に記憶する。次いで，ステップＳ２４０にてこれら設定データＸａ，…，Ｘｎ，検出データＹａ，…，Ｙｎ，回帰行列Ｋａ，…，Ｋｎをネットワーク３２０を介して各プラズマ処理装置１００Ａ，…，１００Ｎに送信する。
基準処理装置であるプラズマ処理装置１００Ａは，ステップＳ１２０にてホスト装置３１０から設定データＸａ，検出データＹａ，回帰行列Ｋａを受信し，上記（１）に示すようなモデル式として記憶する。また，基準処理装置以外の処理装置である例えばプラズマ処理装置１００Ｂは，ステップＳ５２０にてホスト装置３１０から設定データＸｂ，検出データＹｂ，回帰行列Ｋｂを受信し，上記（２）に示すようなモデル式として記憶する。
次に，図５に示すように基準処理装置であるプラズマ処理装置１００Ａの新たなモデルを作成する。具体的な処理を以下に説明する。
プラズマ処理装置１００Ａは，回帰行列Ｋａ′を求めるための新たな設定データ（例えば制御パラメータ）が入力手段１５２Ａから入力されて設定されると，ステップＳ１３０にてこの設定データに従ってウエハＷを処理して新たな検出データ（例えばプラズマ反映パラメータ）を取得し，これらの新たな設定データ，新たな検出データをネットワーク３２０を介してホスト装置３１０に送信する。
ホスト装置３１０は，ステップＳ３１０にて基準処理装置であるプラズマ処理装置１００Ａから新たな設定データ，新たな検出データを受信して解析データ記憶手段３１６に記憶する。次いで，ステップＳ３２０にて受信した新たな設定データのウエハごとの平均値を演算手段３１２により求め，これらを説明変数Ｘａ′，…，Ｘｎ′として解析データ記憶手段３１６に記憶するとともに，受信した新たな検出データのウエハごとの平均値を演算手段３１２により求め，これらを目的変数Ｙａ′，…，Ｙｎ′として解析データ記憶手段３１６に記憶する。
続いて，ホスト装置３１０は，ステップＳ３３０にて多変量解析プログラム記憶手段３１４からのＰＬＳ法によるプログラムに基づいて上記第１の実施形態と同様に，新たな設定データ（目的変数）Ｘａ′，新たな検出データ（説明変数）Ｙａ′からプラズマ処理装置１００Ａにおける回帰行列Ｋａ′を演算手段３１２により求めて解析データ記憶手段３１６に記憶する。次いで，ステップＳ３４０にてこれら新たな設定データＸａ′，新たな検出データＹａ′，新たな回帰行列Ｋａ′をネットワーク３２０を介してプラズマ処理装置１００Ａに送信する。
基準処理装置であるプラズマ処理装置１００Ａは，ステップＳ１４０にてホスト装置３１０から設定データＸａ′，検出データＹａ′，回帰行列Ｋａ′を受信し，新たなモデル式として記憶する。
次に，図６に示すように，基準処理装置以外の処理装置である例えばプラズマ処理装置１００Ｂについてのモデル式を求める。基準処理装置以外の処理装置の新たなモデル式は，基準処理装置の新たなモデル式に基づいて求めるので，基準処理装置以外の処理装置では，ウエハに対するプラズマ処理を新たに行う必要がなくなる。具体的な処理を以下に説明する。
プラズマ処理装置１００Ｂは，ステップＳ５３０にて，回帰行列Ｋｂ′を求めるための設定データ（回帰行列Ｋａ′を求めるための設定データと同じ設定データ）が入力手段１５２Ｂから入力されると，この設定データをネットワーク３２０を介してホスト装置３１０に送信する。
ホスト装置３１０は，ステップＳ４１０にて基準処理装置以外の処理装置であるプラズマ処理装置１００Ｂから新たな設定データを受信して解析データ記憶手段３１６に記憶し，受信した新たな設定データのウエハごとの平均値を演算手段３１２により求め，これらを設定データ（説明変数）Ｘｂ′，…，Ｘｎ′として解析データ記憶手段３１６に記憶する。
続いて，ホスト装置３１０は，ステップＳ４２０にて基準処理装置以外の処理装置の回帰行列（Ｋｂ，…，Ｋｎ），新たな回帰行列（Ｋｂ′，…，Ｋｎ′）と，基準処理装置の回帰行列（Ｋａ），基準処理装置の新たな回帰行列（Ｋａ′）との比例関係（例えば（Ｋｂ′／Ｋａ′＝Ｋｂ／Ｋａ））から，新たな回帰行列（Ｋｂ′…Ｋｎ′）それぞれを演算手段３１２により求める。例えばプラズマ処理装置１００Ｂにおける（７）式に示すような新たな回帰行列Ｋｂ′は，Ｋｂ′＝Ｋａ′Ｋｂ／Ｋａにより求める。これにより，基準処理装置以外の処理装置の新たな回帰行列を求めるときには，新たにＰＬＳ法などの多変量解析処理を行う必要がなく，簡単に求めることができる。
次いで，ホスト装置３１０は，ステップＳ４３０にて上記（７）式に示すようなモデル式に基づいて，新たな設定データ（Ｘｂ′，…，Ｘｎ′），新たな回帰行列（Ｋｂ′…Ｋｎ′）とから新たな検出データ（Ｙｂ′…Ｙｎ′）を算出して解析データ記憶手段３１６に記憶し，これら新たな設定データ（Ｘｂ′…，Ｘｎ′），新たな回帰行列（Ｋｂ′，…，Ｋｎ′），新たな検出データ（Ｙｂ′，…，Ｙｎ′）をそれぞれ対応するプラズマ処理装置１００Ｂ，…，１００Ｎへネットワーク３２０を介して送信する。
例えばプラズマ処理装置１００Ｂでは，ステップＳ５４０にてホスト装置３１０から新たな設定データ（Ｘｂ′…，Ｘｎ′），新たな回帰行列（Ｋｂ′，…，Ｋｎ′），新たな検出データ（Ｙｂ′，…，Ｙｎ′）を受信し，上記（８）に示すような新たなモデル式として記憶する。こうして，基準装置以外の処理装置ではそれぞれの処理装置に適合する新たなモデル式が作成される。
次に，こうして得られた新たなモデル式に基づいて，装置状態を評価する際の制御システムの処理について図面を参照しながら説明する。図７は，各プラズマ処理装置をそれぞれに作成された新たなモデル式に基づいて装置状態を評価する際のホスト装置の動作フローと各プラズマ処理装置の動作フローを示すものである。
先ず，あるプラズマ処理装置１００において，ステップＳ６１０にて設定データの標準条件に対する許容変動範囲が入力されると，この許容変動範囲を記憶する。この許容変動範囲は，装置状態が正常か異常かを判定するために使用する閾値であり，例えば新たなモデル式を作成するための設定データ例えば制御パラメータを振った際の各制御パラメータの標準値に対する最大値と最小値の範囲とする。
続いて，上記プラズマ処理装置１００は，ステップＳ６２０にて実際にウエハを処理するための設定データ（標準条件例えば表１に示す標準値）が入力手段１５２により入力されると，この設定データに基づいてウエハＷをプラズマ処理し，ウエハＷごとに計測される設定データと検出データを取得して，これら設定データ，検出データをホスト装置３１０にネットワーク３２０を介して送信する。
ホスト装置３１０は，ステップＳ７１０にて上記プラズマ処理装置１００から設定データと，検出データをウエハごとに受信して解析データ記憶手段３１６に記憶する。そして，それぞれの平均値を求め，設定データ（目的変数）Ｘ′，検出データ（説明変数）Ｙ′として解析データ記憶手段３１６に記憶する。続いて，ホスト装置３１０は，ステップＳ７２０にて設定データＸ′，検出データＹ′を上記プラズマ処理装置１００へ送信する。
プラズマ処理装置１００は，ステップＳ６３０にて設定データＸ′，検出データＹ′を受信して，これらを実際の設定データＸｏｂｓ′，実際の検出データＹｏｂｓ′として解析データ記憶手段２０５に記憶する。次いで，ステップＳ６４０にて上記（８）式に示すような新たなモデル式に実際の検出データＹｏｂｓ′を当てはめて予測設定データＸｐｒｅ′を算出して解析データ記憶手段２０５に記憶する。
続いて，上記プラズマ処理装置１００は，ステップＳ６５０にて実際の設定データＸｏｂｓ′に対する予測設定データＸｐｒｅ′が許容変動範囲内にあるか否かによって正常か異常かを判定する。例えば実際の設定データＸｏｂｓ′に対する予測設定データＸｐｒｅ′が，許容変動範囲内であれば正常と判断し，許容変動範囲を越えていれば異常と判断する。異常と判断した場合には，ステップＳ６６０にて例えば処理装置制御手段２２５により上記プラズマ処理装置１００を停止するとともに，表示手段２２４，警報器２２６で異常を知らせる。
このように，ホスト装置３１０は，各プラズマ処理装置からのデータに基づいて，平均値を求めたり，多変量解析処理を行うので，各プラズマ処理装置の計算処理負担を大幅に軽減することができる。また，各プラズマ処理装置では，プラズマ処理を行う際に得られる大量の設定データや検出データなどを一時的に記憶しておく必要がなく，多変量解析プログラムも必要ないので，そのための記憶手段を不要とすることができる。これにより，各プラズマ処理装置の構成を簡単にすることができ，また製造コストを抑えることができる。
なお，第２の実施形態では，各プラズマ処理装置側における新たなモデル式で装置状態を判断する場合について説明したが，必ずしもこれに限られず，新たなモデル式はホスト装置３１０にも記憶されているので，ホスト装置３１０側で各プラズマ処理装置１００Ａ，…，１００Ｎの装置状態を判定してもよい。この場合には，異常と判定した場合に異常判定情報を各プラズマ処理装置１００Ａ，…，１００Ｎへ送信するようにしてもよい。各プラズマ処理装置１００Ａ，…，１００Ｎは，異常判定情報に基づいて例えば処理装置制御手段２２５により処理装置を停止し，表示手段２２４，警報器２２６により異常を知らせるようにしてもよい。これによれば，ホスト装置３１０で集中して各プラズマ処理装置の装置状態を監視することができる。
以上，添付図面を参照しながら本発明に係る好適な実施形態について説明したが，本発明は係る例に限定されないことは言うまでもない。当業者であれば，特許請求の範囲に記載された範疇内において，各種の変更例または修正例に想到し得ることは明らかであり，それらについても当然に本発明の技術的範囲に属するものと了解される。
例えば，上記第１及び第２の実施形態における設定データとしては，第２の実施形態における新たなモデル式を利用して装置状態を判定する際のように，ウエハをプラズマ処理する際に制御パラメータ計測器２２１によって計測された設定データを用いてもよく，また入力手段１５２から入力された設定データそのものを用いてもよい。この場合，設定データのすべてが制御パラメータ計測器２２１によって計測可能な場合には，制御パラメータ計測器２２１によって計測された設定データを用いてもよいが，設定データの中に制御パラメータ計測器２２１によっては計測できないものが含まれている場合には，入力された設定データそのものを用いることが有効である。
また，上記実施形態の多変量解析では装置状態パラメータを用いていないが，装置状態パラメータを目的変数または説明変数として用いることができる。また，上記実施形態ではモデル式を構築するに当たり目的変数の制御パラメータとして高周波電力，プロセスガス流量，電極間の隙間及びチャンバ内の圧力を用いているが，制御可能なパラメータであれば，これらに制限されるものではない。
また，装置状態パラメータとして可変コンデンサ容量，高周波電圧，ＡＰＣ開度を用いているが，装置状態パラメータを示す計測可能なパラメータであればこれらの制限されるものではない。また，プラズマ状態を反映するプラズマ反映パラメータとしてプラズマに基づく電気的データ及び光学的データを用いているが，プラズマ状態を反映するパラメータであれば，これらに制限されるものではない。また，電気的データとして基本波及び高調波（４倍波まで）の高周波電圧，高周波電流を用いているが，これらに制限されるものではない。
更に，プラズマ処理装置内に組み込まれたウエハ仕上がりを計測する手段（例えば，スキャトロメトリ）からの出力データを検出データとして用いてもよい。具体的には，検出データとして，ウエハ上に形成された膜の膜厚，ウエハ上の被処理膜をエッチングしたときの削れ量やその面内均一性などの特徴値を用いてもよい。また，本実施形態ではウエハ毎にプラズマ反映パラメータのデータの平均値を求め，この平均値を使ってウエハ毎に制御パラメータ及び装置状態パラメータを予測したが，一枚のウエハ処理中のリアルタイムのプラズマ反映パラメータを用いてリアルタイムに制御パラメータ及び装置状態パラメータを予測することもできる。
また，上記実施形態では有磁場平行平板型プラズマ処理装置を用いたが，制御パラメータとプラズマ反映パラメータ及び／また装置状態パラメータを有する装置であれば本発明を適用することができる。
以上詳述したように本発明によれば，処理装置毎にプロセス特性やプロセス条件に差があっても一つの処理装置についてモデル式を作成すれば，そのモデル式を同種の他の処理装置に流用することができ，処理装置毎にモデル式を新たに作成する必要がなく，モデル式作成の負荷を軽減することができる処理装置の多変量解析モデル式作成方法及び処理装置用の多変量解析方法を提供することができる。
産業上の利用の可能性
本発明は，例えばプラズマ処理装置などの処理装置の多変量解析モデル式作成方法，処理装置用の多変量解析方法，処理装置の制御装置，処理装置の制御システムに適用できる。
【図面の簡単な説明】
図１は本発明の第１の実施形態にかかるプラズマ処理装置の概略構成を示す断面図である。
図２は図１に示すプラズマ処理装置の多変量解析手段の一例を示すブロック図である。
図３は本発明の第２の実施形態にかかる処理装置制御システムの構成を示すブロック図である。
図４は本実施形態にかかる処理装置制御システムのモデル式作成する際の動作フローを説明する図である。
図５は本実施形態にかかる処理装置制御システムのモデル式作成する際の動作フローを説明する図であり，図４の続きである。
図６は本実施形態にかかる処理装置制御システムのモデル式作成する際の動作フローを説明する図であり，図５の続きである。
図７は本実施形態にかかる処理装置制御システムにけるモデル式により制御を行う際の動作フローを説明する図である。
符号の説明
１００ プラズマ処理装置
１０１ 処理室
１０２ 下部電極
１０４ 上部電極（シャワーヘッド）
１０５ ダイポールリング磁石
１０７ 高周波電源
１０７Ａ 整合器
１０７Ｂ 電力計
１０７Ｃ 電気計測器
１１８ プロセスガス供給系
１２０ 光学計測器
２００ 多変量解析手段
２０１ 多変量解析プログラム記憶手段
２０５ 解析データ記憶手段
２０６ 演算手段
２０７ 予測・診断・制御手段
２２１ 制御パラメータ計測器
２２２ プラズマ反映パラメータ計測器
２２３ 装置状態パラメータ計測器
２２５ 処理装置制御手段
３００ 制御システム
３２０ ネットワーク
Ｗ ウエハ
Claims (20)
- 多変量解析によって処理装置の装置状態を評価し又は処理結果を予測する際の多変量解析モデル式を作成する方法であって，
複数の処理装置においてそれぞれ第１の設定データに基づいて動作した時に前記各処理装置の複数のセンサから検出される検出データと前記第１の設定データとの相関関係を多変量解析によって前記各処理装置ごとに求める第１の工程と，
前記各処理装置のうちの１つを基準処理装置とすると，この基準処理装置において新たな第２の設定データに基づいて動作した時に前記基準処理装置の複数のセンサから検出される検出データと前記第２の設定データとの相関関係を多変量解析によって求める第２の工程と，
前記基準処理装置以外の他の処理装置における前記第２の設定データと検出データとの相関関係を，前記第１の工程で求めた前記他の処理装置における相関関係と，前記第１の工程で求めた前記基準処理装置における相関関係と，前記第２の工程で求めた前記基準処理装置における前記相関関係とに基づいて求め，こうして求めた相関関係に基づいて前記他の処理装置の装置状態を評価し又は処理結果を予測する多変量解析モデル式を作成する第３の工程と，
を有することを特徴とする処理装置の多変量解析モデル式作成方法。 - 前記第３の工程は，前記第１の工程で求めた前記他の処理装置における相関関係に対する前記他の処理装置における前記第２の設定データと検出データとの相関関係と，前記第１の工程で求めた前記基準処理装置における相関関係に対する前記第２の工程で求めた前記基準処理装置における前記相関関係との比例関係に基づいて，前記他の処理装置における前記第２の設定データと検出データとの相関関係を求める工程を含むことを特徴とする請求項１に記載の処理装置の多変量解析モデル式作成方法。
- 前記多変量解析は，部分最小二乗法によって行うことを特徴とする請求項１に記載の処理装置の多変量解析モデル式作成方法。
- 前記各処理装置は，プラズマ処理装置であることを特徴とする請求項１に記載の処理装置の多変量解析モデル式作成方法。
- 前記各処理装置は，プラズマ処理装置であり，
前記設定データは，プラズマ状態を制御できる複数の制御パラメータを用いると共に，前記検出データは，プラズマ状態を反映する複数のプラズマ反映パラメータ，装置状態に関連する複数の装置状態パラメータ，プロセス仕上がりを反映するパラメータの群から選ばれる少なくとも１つ又は２つ以上のパラメータを用いることを特徴とする請求項１に記載の処理装置の多変量解析モデル式作成方法。 - 多変量解析によって処理装置の装置状態を評価し又は処理結果を予測する際の多変量解析方法であって，
複数の処理装置においてそれぞれ第１の設定データに基づいて動作した時に前記各処理装置の複数のセンサから検出される検出データと前記第１の設定データとの相関関係を多変量解析によって前記各処理装置ごとに求める第１の工程と，
前記各処理装置のうちの１つを基準処理装置とすると，この基準処理装置において新たな第２の設定データに基づいて動作した時に前記基準処理装置の複数のセンサから検出される検出データと前記第２の設定データとの相関関係を多変量解析によって求める第２の工程と，
前記基準処理装置以外の他の処理装置における前記第２の設定データと検出データとの相関関係を，前記第１の工程で求めた前記他の処理装置における相関関係と，前記第１の工程で求めた前記基準処理装置における相関関係と，前記第２の工程で求めた前記基準処理装置における前記相関関係とに基づいて求め，こうして求めた相関関係に基づいて前記他の処理装置の装置状態を評価し又は処理結果を予測する多変量解析モデル式を作成する第３の工程と，
を有することを特徴とする処理装置用の多変量解析方法。 - 前記第３の工程は，前記第１の工程で求めた前記他の処理装置における相関関係に対する前記他の処理装置における前記第２の設定データと検出データとの相関関係と，前記第１の工程で求めた前記基準処理装置における相関関係に対する前記第２の工程で求めた前記基準処理装置における前記相関関係との比例関係に基づいて，前記他の処理装置における前記第２の設定データと検出データとの相関関係を求める工程を含むことを特徴とする請求項６に記載の処理装置用の多変量解析方法。
- 前記多変量解析は，部分最小二乗法によって行うことを特徴とする請求項６に記載の処理装置用の多変量解析方法。
- 前記各処理装置は，プラズマ処理装置であることを特徴とする請求項６に記載の処理装置の多変量解析方法。
- 前記各処理装置は，プラズマ処理装置であり，
前記設定データは，プラズマ状態を制御できる複数の制御パラメータを用いると共に，前記検出データは，プラズマ状態を反映する複数のプラズマ反映パラメータ，装置状態に関連する複数の装置状態パラメータ，プロセス仕上がりを反映するパラメータの群から選ばれる少なくとも１つ又は２つ以上のパラメータを用いることを特徴とする請求項６に記載の処理装置用の多変量解析方法。 - 前記各処理装置は，プラズマ処理装置であり，
前記設定データは，プラズマ状態を制御できる複数の制御パラメータを用いると共に，前記検出データは，プラズマ状態を反映する複数のプラズマ反映パラメータ，装置状態に関連する複数の装置状態パラメータ，プロセス仕上がりを反映するパラメータの群から選ばれる少なくとも１つ又は２つ以上のパラメータを用い，
前記多変量解析モデル式は，前記第３の工程で求めた前記他の処理装置における相関関係と前記第２の設定データとから算出した検出データと前記第２の設定データとの相関関係式であることを特徴とする請求項６に記載の処理装置用の多変量解析方法。 - 被処理体を処理する処理装置に設けられ，所定の設定データに基づいて，前記処理装置の制御を行う処理装置の制御装置であって，
前記処理装置と少なくとも基準となる処理装置とホスト装置とが接続したネットワークに接続してデータのやり取りが可能な送受信手段を設け，
第１の設定データに基づいて動作した時に前記処理装置の複数のセンサから検出される検出データと前記第１の設定データとを前記送受信手段により前記ネットワークを介して前記ホスト装置に送信して，送信されたデータに基づいて前記ホスト装置によって多変量解析により求められた前記第１の設定データと前記検出データとの相関関係を前記ホスト装置から前記送受信手段により前記ネットワークを介して受信し，
新たな第２の設定データを前記送受信手段により前記ネットワークを介してホスト装置に送信し，送信されたデータに基づいて前記ホスト装置によって求められた前記第２の設定データとこの第２の設定データに基づく検出データとの相関関係を前記ホスト装置から前記送受信手段により前記ネットワークを介して受信し，
前記ホスト装置から受信した前記第２の設定データについての相関関係に基づいて多変量解析モデル式を作成し，この多変量解析モデル式に基づいて前記処理装置の装置状態を評価し又は処理結果を予測し，その結果に応じて前記処理装置を制御することを特徴とする処理装置の制御装置。 - 前記処理装置における前記第２の設定データについての相関関係は，前記ホスト装置により多変量解析によって求められた，前記処理装置における前記第１の設定データについての相関関係と，
前記ホスト装置により多変量解析によって求められた，前記基準処理装置が第１の設定データに基づいて動作した時に前記基準処理装置の複数のセンサから検出される検出データと前記第１の設定データとの相関関係と，
前記ホスト装置により多変量解析によって求められた，前記基準処理装置が新たな第２の設定データに基づいて動作した時に前記基準処理装置の複数のセンサから検出される検出データと前記第２の設定データとの相関関係と，
に基づいて前記ホスト装置により算出されることを特徴とする請求項１２に記載の処理装置の制御装置。 - 前記多変量解析は，部分最小二乗法によって行うことを特徴とする請求項１３に記載の処理装置の制御装置。
- 前記処理装置は，プラズマ処理装置であることを特徴とする請求項１２に記載の処理装置の制御装置。
- 前記各処理装置は，プラズマ処理装置であり，
前記設定データは，プラズマ状態を制御できる複数の制御パラメータを用いると共に，前記検出データは，プラズマ状態を反映する複数のプラズマ反映パラメータ，装置状態に関連する複数の装置状態パラメータ，プロセス仕上がりを反映するパラメータの群から選ばれる少なくとも１つ又は２つ以上のパラメータを用いることを特徴とする請求項１２に記載の処理装置の制御装置。 - 所定の設定データに基づいて，被処理体を処理する処理装置の制御を行う制御装置を備える処理装置の制御システムであって，
ネットワークに送受信手段を介して接続される複数の前記処理装置と，前記ネットワークに接続されるホスト装置とを備え，
前記ホスト装置は，複数の処理装置においてそれぞれ第１の設定データに基づいて動作した時に前記各処理装置の複数のセンサから検出される検出データと前記第１の設定データとを前記複数の処理装置から前記ネットワークを介して受信すると，受信した前記第１の設定データと前記検出データとの相関関係を多変量解析によって前記各処理装置ごとに求め，求めた相関関係を対応する処理装置へ前記ネットワークを介して送信し，
前記ホスト装置は，前記各処理装置のうちの基準とする処理装置において新たな第２の設定データに基づいて動作した時に前記基準処理装置の複数のセンサから検出される検出データと前記第２の設定データとを前記基準処理装置から前記ネットワークを介して受信すると，受信した前記第１の設定データと前記検出データとの相関関係を多変量解析によって求め，求めた相関関係を前記基準処理装置へ前記ネットワークを介して送信し，
前記ホスト装置は，前記基準処理装置以外の他の処理装置から前記第２の設定データを前記ネットワークを介して受信すると，受信した前記第２の設定データとこの第２の設定データに基づく検出データとの相関関係を，前記多変量解析により求めた前記他の処理装置における前記第１の設定データについての前記相関関係と，前記多変量解析により求めた前記基準処理装置における前記第１の設定データについての前記相関関係と，前記多変量解析により求めた前記基準処理装置における前記第２の設定データについての前記相関関係とに基づいて求め，求めた相関関係を前記他の処理装置へ前記ネットワークを介して送信し，
前記他の処理装置は，前記ホスト装置から受信した前記第２の設定データについての相関関係に基づいて多変量解析モデル式を作成し，この多変量解析モデル式に基づいて前記処理装置の装置状態を評価し又は処理結果を予測し，その結果に応じて前記処理装置を制御することを特徴とする処理装置の制御システム。 - 前記多変量解析は，部分最小二乗法によって行うことを特徴とする請求項１７に記載の処理装置の制御システム。
- 前記処理装置は，プラズマ処理装置であることを特徴とする請求項１７に記載の処理装置の制御システム。
- 前記各処理装置は，プラズマ処理装置であり，
前記設定データは，プラズマ状態を制御できる複数の制御パラメータを用いると共に，前記検出データは，プラズマ状態を反映する複数のプラズマ反映パラメータ，装置状態に関連する複数の装置状態パラメータ，プロセス仕上がりを反映するパラメータの群から選ばれる少なくとも１つ又は２つ以上のパラメータを用いることを特徴とする請求項１７に記載の処理装置の制御システム。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002163869 | 2002-06-05 | ||
| JP2002163869 | 2002-06-05 | ||
| JP2002168653 | 2002-06-10 | ||
| JP2002168653 | 2002-06-10 | ||
| PCT/JP2003/007132 WO2003105210A1 (ja) | 2002-06-05 | 2003-06-05 | 処理装置の多変量解析モデル式作成方法、処理装置用の多変量解析方法、処理装置の制御装置、処理装置の制御システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPWO2003105210A1 true JPWO2003105210A1 (ja) | 2005-10-13 |
| JP4224454B2 JP4224454B2 (ja) | 2009-02-12 |
Family
ID=29738319
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2004512183A Expired - Fee Related JP4224454B2 (ja) | 2002-06-05 | 2003-06-05 | 処理装置の多変量解析モデル式作成方法，処理装置用の多変量解析方法，処理装置の制御装置，処理装置の制御システム |
Country Status (5)
| Country | Link |
|---|---|
| JP (1) | JP4224454B2 (ja) |
| KR (1) | KR100628392B1 (ja) |
| CN (1) | CN100426471C (ja) |
| TW (1) | TWI276162B (ja) |
| WO (1) | WO2003105210A1 (ja) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006001416A1 (ja) * | 2004-06-29 | 2006-01-05 | Nikon Corporation | 管理方法及び管理システム、並びにプログラム |
| JP4643392B2 (ja) * | 2005-08-24 | 2011-03-02 | 東京エレクトロン株式会社 | プラズマ処理装置の運転状態判定方法、運転状態判定装置、プログラム及び記憶媒体 |
| JP4164835B2 (ja) * | 2005-12-20 | 2008-10-15 | 新東工業株式会社 | ブラスト装置による投射状態情報の推定法および投射状態情報の推定装置、ならびに投射状態情報の推定プログラム |
| US7286948B1 (en) * | 2006-06-16 | 2007-10-23 | Applied Materials, Inc. | Method for determining plasma characteristics |
| US20100332010A1 (en) * | 2009-06-30 | 2010-12-30 | Brian Choi | Seasoning plasma processing systems |
| US10176279B2 (en) * | 2015-06-05 | 2019-01-08 | Uptake Technologies, Inc. | Dynamic execution of predictive models and workflows |
| US9934351B2 (en) * | 2015-11-09 | 2018-04-03 | Applied Materials, Inc. | Wafer point by point analysis and data presentation |
| JP6546867B2 (ja) * | 2016-03-10 | 2019-07-17 | 東京エレクトロン株式会社 | 処理プロセスを調整する方法 |
| JP7034646B2 (ja) * | 2017-09-25 | 2022-03-14 | 株式会社Ｓｃｒｅｅｎホールディングス | 異常検知装置、及び異常検知方法 |
| US10896833B2 (en) * | 2018-05-09 | 2021-01-19 | Applied Materials, Inc. | Methods and apparatus for detecting an endpoint of a seasoning process |
| JP6990634B2 (ja) * | 2018-08-21 | 2022-02-03 | 株式会社日立ハイテク | 状態予測装置及び半導体製造装置 |
| JP6841980B2 (ja) * | 2019-07-30 | 2021-03-10 | 株式会社日立ハイテク | 装置診断装置、プラズマ処理装置及び装置診断方法 |
| WO2023162856A1 (ja) * | 2022-02-22 | 2023-08-31 | 株式会社Ｓｃｒｅｅｎホールディングス | 基板処理装置管理システム、支援装置、基板処理装置、チャンバ間性能比較方法およびチャンバ間性能比較プログラム |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1194735A (ja) * | 1997-09-22 | 1999-04-09 | Horiba Ltd | 分光光度測定と多変量解析法とを用いた試料特性の定量分析装置およびその定量分析装置を用いた分析方法。 |
| US6153115A (en) * | 1997-10-23 | 2000-11-28 | Massachusetts Institute Of Technology | Monitor of plasma processes with multivariate statistical analysis of plasma emission spectra |
| US6582618B1 (en) * | 1999-09-08 | 2003-06-24 | Advanced Micro Devices, Inc. | Method of determining etch endpoint using principal components analysis of optical emission spectra |
| AU4733601A (en) * | 2000-03-10 | 2001-09-24 | Cyrano Sciences Inc | Control for an industrial process using one or more multidimensional variables |
| TW499702B (en) * | 2000-07-04 | 2002-08-21 | Tokyo Electron Ltd | Method for monitoring operation of processing apparatus |
-
2003
- 2003-06-05 TW TW092115289A patent/TWI276162B/zh not_active IP Right Cessation
- 2003-06-05 WO PCT/JP2003/007132 patent/WO2003105210A1/ja active Application Filing
- 2003-06-05 JP JP2004512183A patent/JP4224454B2/ja not_active Expired - Fee Related
- 2003-06-05 KR KR1020047019644A patent/KR100628392B1/ko active IP Right Grant
- 2003-06-05 CN CNB038130823A patent/CN100426471C/zh not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JP4224454B2 (ja) | 2009-02-12 |
| TW200404333A (en) | 2004-03-16 |
| WO2003105210A1 (ja) | 2003-12-18 |
| CN1659690A (zh) | 2005-08-24 |
| KR100628392B1 (ko) | 2006-09-26 |
| TWI276162B (en) | 2007-03-11 |
| CN100426471C (zh) | 2008-10-15 |
| KR20050010021A (ko) | 2005-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7505879B2 (en) | Method for generating multivariate analysis model expression for processing apparatus, method for executing multivariate analysis of processing apparatus, control device of processing apparatus and control system for processing apparatus | |
| US7289866B2 (en) | Plasma processing method and apparatus | |
| JP4464276B2 (ja) | プラズマ処理方法及びプラズマ処理装置 | |
| JP2003197609A (ja) | プラズマ処理装置の監視方法及びプラズマ処理装置 | |
| JP4224454B2 (ja) | 処理装置の多変量解析モデル式作成方法，処理装置用の多変量解析方法，処理装置の制御装置，処理装置の制御システム | |
| JP4971132B2 (ja) | ランｔｏラン制御の方法とシステム | |
| US7047095B2 (en) | Process control system and process control method | |
| JP4317701B2 (ja) | 処理結果の予測方法及び予測装置 | |
| US7490010B2 (en) | Data collection method, substrate processing apparatus, and substrate processing system | |
| JP2004335841A (ja) | プラズマ処理装置の予測装置及び予測方法 | |
| TW201933016A (zh) | 電漿處理裝置及狀態預測裝置 | |
| JP2004349419A (ja) | プラズマ処理装置の異常原因判定方法及び異常原因判定装置 | |
| JP2004039952A (ja) | プラズマ処理装置の監視方法およびプラズマ処理装置 | |
| JP5105399B2 (ja) | データ収集方法，基板処理装置，基板処理システム | |
| JP4220378B2 (ja) | 処理結果の予測方法および処理装置 | |
| US7630064B2 (en) | Prediction method and apparatus for substrate processing apparatus | |
| JP4675266B2 (ja) | 基板処理装置の処理結果の予測方法及び予測装置 | |
| JP2004207703A (ja) | プロセス制御システム及びプロセス制御方法 | |
| TW202200834A (zh) | 用於監測半導體製程的系統及方法 | |
| TW200421411A (en) | Plasma processing method, seasoning end detection method, and plasma processing device | |
| JP2023156153A (ja) | 処理データの解析方法、および情報処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080617 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080812 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20081118 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20081121 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4224454 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111128 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111128 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20141128 Year of fee payment: 6 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |