JPWO2020152889A1 - 装置診断装置、プラズマ処理装置及び装置診断方法 - Google Patents

装置診断装置、プラズマ処理装置及び装置診断方法 Download PDF

Info

Publication number
JPWO2020152889A1
JPWO2020152889A1 JP2020532826A JP2020532826A JPWO2020152889A1 JP WO2020152889 A1 JPWO2020152889 A1 JP WO2020152889A1 JP 2020532826 A JP2020532826 A JP 2020532826A JP 2020532826 A JP2020532826 A JP 2020532826A JP WO2020152889 A1 JPWO2020152889 A1 JP WO2020152889A1
Authority
JP
Japan
Prior art keywords
plasma processing
probability distribution
sensor
diagnostic
sensors
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
Application number
JP2020532826A
Other languages
English (en)
Other versions
JP6841980B2 (ja
Inventor
祥太 梅田
祥太 梅田
玉置　研二
研二 玉置
角屋　誠浩
誠浩 角屋
正貴 石黒
正貴 石黒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi High Tech Corp
Original Assignee
Hitachi High Tech Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hitachi High Tech Corp filed Critical Hitachi High Tech Corp
Publication of JPWO2020152889A1 publication Critical patent/JPWO2020152889A1/ja
Application granted granted Critical
Publication of JP6841980B2 publication Critical patent/JP6841980B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • 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
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/245—Detection characterised by the variable being measured
    • H01J2237/24571—Measurements of non-electric or non-magnetic variables
    • H01J2237/24578—Spatial variables, e.g. position, distance

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Plasma & Fusion (AREA)
  • Theoretical Computer Science (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Automation & Control Theory (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Drying Of Semiconductors (AREA)

Abstract

プラズマ処理装置の状態を診断する装置診断装置において、第一のプラズマ処理装置における第一のセンサにより取得された第一のセンサ値を用いて確率分布関数を含む事前分布情報を前記第一のセンサの各々に対して予め求め、前記予め求められた事前分布情報と、前記第一のプラズマ処理装置と異なる第二のプラズマ処理装置における第二のセンサにより取得された第二のセンサ値とを基に前記第一のセンサの各々に対応する前記第二のセンサの各々における確率分布を推定し、前記推定された確率分布を用いて前記第二のプラズマ処理装置の状態を診断する。

Description

本発明は、装置診断装置、プラズマ処理装置及び装置診断方法に関する。
プラズマ処理装置では、半導体のウェハ上に微細形状を形成する。このため、物質をプラズマ化し、その物質の作用によりウェハ上の物質を除去するプラズマ処理を行う。
プラズマ処理装置の製造時に複数の装置間で使用する共通部品に個体差（装置間差）があると、装置個体間のプラズマ状態の違いが生じる。このため、装置製造工場からの装置出荷前の最終検査時に原因部品を特定して交換あるいは調整するのに長時間を要するという問題があった。また、装置出荷後に半導体製造工場で想定寿命以上に使用した消耗部品の劣化が生じると同様にして装置間差が生じ得る。
装置間差が生じると、所望の加工品質を得られなくなり、部品交換による予期せぬダウンタイムが生じる等の問題が起こる。そこで、調整の迅速化や予期せぬダウンタイム低減のために、装置間差を推定した上で、装置製造工程へのフィードバックや部品劣化診断を行う装置診断技術が求められる。
このような装置診断技術として、例えば、特許文献１がある。特許文献１には、「異常検知装置は、観測値をまとめた要約値に対して統計モデリングを適用することにより、要約値からノイズを除去した状態を推測し、当該推測に基づき一期先の要約値を予測した予測値を生成する。異常検知装置は、予測値に基づき、監視対象装置の異常有無を検知する。」と記載されている。
ＷＯ２０１８／０６１８４２号公報
特許文献１では、装置診断には一般に診断対象装置の状態センサの測定値（センサ値）の確率分布を用いるため、確率分布推定技術を要する。上述のように、プラズマ処理装置には装置間差が生じ得るため、特許文献１の方法では、高精度に異常検知するためには、装置毎にデータを大量に取得する必要がある。
しかし、例えば、既存の工程に新規に装置を立上げる際や、新規工程に適用する際において、センサ値の大量取得は困難であるため、少量のセンサ値で確率分布を推定する方法が必要である。
本発明の目的は、装置診断装置において、少量のセンサ値で確率分布を推定することにある。
本発明の一態様の装置診断装置は、プラズマ処理装置の状態を診断する装置診断装置において、第一のプラズマ処理装置における第一のセンサにより取得された第一のセンサ値を用いて確率分布関数を含む事前分布情報を前記第一のセンサの各々に対して予め求め、前記予め求められた事前分布情報と、前記第一のプラズマ処理装置と異なる第二のプラズマ処理装置における第二のセンサにより取得された第二のセンサ値とを基に前記第一のセンサの各々に対応する前記第二のセンサの各々における確率分布を推定し、前記推定された確率分布を用いて前記第二のプラズマ処理装置の状態を診断することを特徴とする。
本発明の一態様の装置診断装置は、プラズマ処理装置の状態を診断する装置診断装置において、第一のプラズマ処理装置における第一のセンサにより取得された第一のセンサ値を用いて確率分布関数を含む事前分布情報を前記第一のセンサの各々に対して予め求め、前記予め求められた事前分布情報と、第二のプラズマ処理装置における第二のセンサにより取得された第二のセンサ値とを基に前記第一のセンサの各々に対応する前記第二のセンサの各々における確率分布を推定し、前記推定された確率分布に対する尤度である第一の尤度と、正規分布に対する尤度である第二の尤度とを比較し、前記第一の尤度が前記第二の尤度より大きい場合、前記推定された確率分布を用いて前記第二のプラズマ処理装置の状態を診断し、前記第二の尤度が前記第一の尤度より大きい場合、前記正規分布を用いて前記第二のプラズマ処理装置の状態を診断することを特徴とする。
本発明の一態様のプラズマ処理装置は、試料がプラズマ処理される処理室と自装置の状態を診断する装置診断装置とを備えるプラズマ処理装置において、前記装置診断装置は、自装置と異なるプラズマ処理装置における第一のセンサにより取得された第一のセンサ値を用いて確率分布関数を含む事前分布情報を前記第一のセンサの各々に対して予め求め、前記予め求められた事前分布情報と、自装置における第二のセンサにより取得された第二のセンサ値とを基に前記第一のセンサの各々に対応する前記第二のセンサの各々における確率分布を推定し、前記推定された確率分布を用いて前記自装置の状態を診断することを特徴とする。
本発明の一態様の装置診断方法は、プラズマ処理装置の状態を診断する装置診断方法において、第一のプラズマ処理装置における第一のセンサにより取得された第一のセンサ値を用いて確率分布関数を含む事前分布情報を前記第一のセンサの各々に対して予め求める工程と、前記予め求められた事前分布情報と、第二のプラズマ処理装置における第二のセンサにより取得された第二のセンサ値とを基に前記第一のセンサの各々に対応する前記第二のセンサの各々における確率分布を推定する工程と、前記推定された確率分布を用いて前記第二のプラズマ処理装置の状態を診断する工程とを有することを特徴とする。
本発明に一態様によれば、装置診断装置において、少量のセンサ値で確率分布を推定することができる。
実施例のプラズマ処理装置の装置診断装置の構成図である。 プラズマ処理装置のセンサ値記憶部に格納するデータの例を示す図である。 装置群Ａのセンサ値を用いた装置診断装置の共通部の処理を示すフローチャートである。 装置診断装置の事前分布記憶部に格納するデータの例を示す図である。 装置診断装置の個別制御部の処理を示すフローチャートである。 確率分布決定前における装置診断装置の確率分布記憶部に格納するデータの例を示す図である。 確率分布決定後における装置診断装置の確率分布記憶部に格納するデータの例を示す図である。 装置診断装置の装置診断値記憶部に格納するデータの例を示す図である。 装置診断結果の表示画面の例を示す図である。 確率分布推定結果の表示画面の例を示す図である。 実施例のプラズマ処理装置の構成図である。
以下、実施例について、図面を参照しながら説明する。なお、実施例を説明するための全図において、同一部には原則として同一符号を付し、その繰り返しの説明は省略する。
（１）プラズマ処理装置
図１を参照して、プラズマ処理装置１の構成について説明する。
図１に示すように、プラズマ処理装置１は、処理部１０と記憶部１１を有する。処理部１０は設定した加工条件に従い、処理室１０４の内部にプラズマ１０１を発生させてウェハ（試料１０２）を加工する。
記憶部１１は、センサ値記憶部１２と管理値記憶部１３を有する。センサ値記憶部１２は、ウェハ加工中に装置のセンサ１０３の測定値を時系列データとして設定した加工ステップ毎に記憶する。例えば、センサ１０３は、状態センサ群を構成し温度や圧力を測定する。
さらに、センサ値記憶部１２は、装置診断において使用するために、時系列データから主要な統計値（例えば、平均値や標準偏差）を算出して記憶する。本実施例においては、本統計値をセンサ値として以後使用する。
図２を参照して、センサ値記憶部１２に格納するデータの例について説明する。
図２では、統計値として平均値を用いている。センサ値の各列はセンサの種類に対応し、各行はウェハ１枚１枚に対応している。センサ値と共に、装置ＩＤや加工ステップＩＤ、加工条件ＩＤ、ウェハＩＤ等の情報も格納されている。装置ＩＤは、加工を行ったプラズマ処理装置１を特定する情報である。加工ステップＩＤ、加工条件ＩＤはそれぞれ加工ステップ、加工条件を特定する情報であり、監視対象の指定に用いる。ウェハＩＤには、加工したウェハを特定する情報を格納する。管理値記憶部１３は、加工日時や加工条件等の管理値を記憶する。
（２）装置診断装置
図１を参照して、装置診断装置２の構成について説明する。
図１に示すように、装置診断装置２は、共通部２０と個別制御部２３と記憶部２６を有する計算機である。装置診断装置２とプラズマ処理装置１の装置群３はネットワークを介して接続されており、相互にデータ通信が可能である。
本実施例においては、装置群３は、センサ値が多量に蓄積された既存の装置群Ａと、装置立上げ等の理由からセンサ値が多量に蓄積されておらず装置診断対象である装置群Ｂとに分けて記載している。
基準となるプラズマ処理装置１があれば必ずしも装置群Ａは複数のプラズマ処理装置１を有する必要はない。また、診断対象である装置群Ｂも必ずしも複数のプラズマ処理装置１を有する必要はない。さらに、装置群Ａと装置群Ｂで重複するプラズマ処理装置がある構成としてもよい。
共通部２０は、共通分布関数選択部２１と事前分布設定部２２を有し、装置群Ｂの装置診断を実施する前に予め、装置群Ａに蓄積されたセンサ値からセンサ毎に事前分布情報を抽出して記憶部２６が有する事前分布記憶部２７に記憶する処理を行う。共通部２０の処理内容の例については、後述の（３）共通部の処理において説明する。
個別制御部２３は、確率分布推定部２４と装置状態診断部２５を有する。確率分布推定部２４が、装置状態診断時に取得した装置群Ｂの個々のプラズマ処理装置のセンサ値と抽出済みの事前分布情報とから各センサ１０３の従う確率分布を事後分布として推定し、確率分布記憶部２８に記憶する。
そして、推定したセンサ値の確率分布を基に、装置状態診断部２５が装置間差等の装置状態値を算出し、装置診断値記憶部２９に記憶する。個別処理部２３の処理内容の例については、後述の（４）個別処理部の処理において説明する。
装置群３と装置診断装置２には出力部４０と入力部４１が接続されている。出力部４０は、例えばディスプレイやプリンタ等であり、記憶部２６の情報を基にユーザに対してグラフィカルに情報を出力する装置である。表示例については、後述の（５）出力部による表示例において説明する。入力部４１は、例えば、マウスやキーボード等の、ユーザの操作による情報入力を受け付ける入力装置である。
（３）共通部の処理
図３を参照して、装置診断装置２の共通部２０で行われる装置群Ａのセンサ値を用いて事前分布を設定する処理の例について説明する。
共通部２０の処理を実行する前には、予め装置群Ａの各プラズマ処理装置１において、監視対象の加工ステップにおけるプラズマ処理中の履歴であるセンサ値をセンサ値記憶部１２に格納しておく。
監視対象の加工ステップとして、複数の工程で共通に行う処理部１０の状態を整えるためのプラズマ処理（例えば、エージング処理やクリーニング処理）を指定する。装置群Ａのセンサ値記憶部１２から、指定した加工ステップＩＤのセンサ値を取得する。（Ｓ１０１）
このように複数の工程で共通に行うプラズマ処理のセンサ値を用いることで、例えば装置群Ｂが新規工程への適用の際であっても、装置群Ａが蓄積したセンサ値を事前分布の設定に利用することができる。
次に、事前分布設定部２２は、各センサ１０３、各確率分布関数候補に対してＳ１０３〜Ｓ１０４の処理を実行する。ここで、確率分布関数候補とは、プラズマ処理装置１の各センサ１０３が従い得る確率分布関数を予め候補として設定したものである。例えば、正規分布、歪正規分布、混合正規分布、コーシー分布等を確率分布関数候補として設定しておく（Ｓ１０２）。
事前分布設定部２２は、当該センサ１０３のセンサ値に対して当該確率分布関数候補の確率分布パラメータを推定する。確率分布パラメータは、例えば正規分布であれば平均値と標準偏差に相当する値であり、確率分布関数毎に異なる種類を有する。確率分布パラメータの推定には、例えば、マルコフ連鎖モンテカルロ法（Ｍａｒｋｏｖ Ｃｈａｉｎ Ｍｏｎｔｅ Ｃａｒｌｏ ｍｅｔｈｏｄ、ＭＣＭＣ法）を利用する。ＭＣＭＣ法は、確率分布パラメータを確率変数とみなした上で、確率分布パラメータの事後分布に比例する確率分布パラメータの事前分布と尤度の積から乱数サンプルを大量に発生させて確率分布パラメータの事後分布を推定する手法である（Ｓ１０３）。
推定した確率分布パラメータは確率分布として得られるが、例えば事後確率が最大となる値から一意に値を定める。このときの確率分布を用いて、事前分布設定部２２は得られている装置群Ａのセンサ値に対する当て嵌まりの度合いである対数尤度を算出する（Ｓ１０４）。
最後に、共通分布関数選択部２１は、各センサ１０３に対して、装置群Ａで共通する確率分布関数として、対数尤度が最大となった確率分布関数を確率分布関数候補の中から選択する。また、選択した確率分布関数に関する確率分布パラメータの推定値を、装置群Ｂのセンサ値の確率分布を推定する際の事前分布として事前分布記憶部２７に格納する。また、正規分布に関する確率分布パラメータの推定値も対数尤度が最大となった確率分布関数と併せて事前分布記憶部２７に格納する（Ｓ１０５）。
図４を参照して、事前分布記憶部２７に格納するデータの例について説明する。
図４に示すように、センサ毎に事前分布の情報を格納する形態となっている。確率分布関数の行は、図３のＳ１０５で選択した確率分布関数の名称を格納する。確率分布パラメータの行は、図３のＳ１０３で推定した確率分布パラメータの事後分布を用いて設定した各確率分布パラメータの事前分布を格納する。例として、事後分布の平均と標準偏差を有する正規分布を各確率分布パラメータの事前分布として設定している。対数尤度の行は、図３のＳ１０４で算出した対数尤度を格納している。
このように、装置群Ａのセンサ値を用いて装置群で共通性が最大の確率分布関数を事前分布情報とすることで、装置群Ｂに対しても共通に使える事前分布を抽出でき、非正規分布であっても少量のセンサ値での確率分布推定を可能とする。
（４）個別制御部の処理
図５を参照して、装置診断装置２の個別制御部２３で行われる確率分布の推定と装置診断の処理の例について説明する。
装置群Ｂの診断対象とするプラズマ処理装置１のセンサ値記憶部１２から、図３のＳ１０１で指定した加工ステップＩＤのセンサ値を取得する（Ｓ２０１）。
確率分布推定部２４は、取得したセンサ値の各センサに対して、Ｓ２０３〜Ｓ２０５の処理を実行する（Ｓ２０２）。
まず、事前分布記憶部２７から当該センサに対応する事前分布情報を取得する（Ｓ２０３）。
次に、取得した事前分布情報を事前分布として設定した上で、取得したセンサ値を用いてＭＣＭＣ法により、確率分布パラメータの事後分布を推定する。推定した確率分布パラメータを用いて、図３のＳ１０４と同様にしてセンサ値に対する対数尤度を算出する。本処理は、図３のＳ１０５で選択した確率分布関数の場合と、正規分布の場合両方に対して実施する（Ｓ２０４）。
次に、図３のＳ１０５で選択した確率分布関数で推定した確率分布と正規分布で推定した確率分布とで対数尤度を比較し、対数尤度が大きい確率分布を当該センサに対する推定結果とし、確率分布記憶部２８に格納する（Ｓ２０５）。
このように、装置群Ｂのセンサ値も併せて確率分布関数を決定することで推定結果のロバスト性を高めることができる。
図６Ａ及び図６Ｂを参照して、各センサの確率分布決定前後における確率分布記憶部２８に格納するデータの例について説明する。
図６Ａ及び図６Ｂに示すように、センサ名の各列に示すセンサ毎に確率分布情報を格納する。格納する確率分布情報は、図４と同様に、確率分布関数と確率分布パラメータ及び対数尤度である。
確率分布パラメータは図４と同様に推定した事後分布を格納するものとしても良いし、図６Ａと図６Ｂのように例えば事後確率が最大となる値のように一意に定まる値を格納しても良い。図６Ａの各センサにおける正規分布を含む二つの確率分布関数のうち、対数尤度の大きい確率分布を決定した後が図６Ｂに相当する。
最後に、確率分布記憶部２８に格納したデータを用いて装置診断値を算出する（Ｓ２０６）。例えば、装置間差を装置診断値として算出する場合は、まず、基準となるプラズマ処理装置１と診断対象のプラズマ処理装置１の確率分布情報を確率分布記憶部２８から取得する。取得した確率分布間の距離を装置間差診断値として装置状態診断値記憶部２９に格納する。確率分布間の距離指標としては、Ｋｕｌｌｂａｃｋ−ＬｅｉｂｌｅｒダイバージェンスやＪｅｎｓｅｎ−Ｓｈａｎｎｏｎダイバージェンス等を用いる。
図７を参照して、装置間差を装置診断値として算出する場合における、装置診断値記憶部２９に格納するデータの例について説明する。
図７に示すように、装置ＩＤ行には、比較する２台のプラズマ処理装置１を特定するＩＤを格納する。装置間差診断値行に、センサ毎に算出した装置間差診断値を格納する。
（５）出力部による表示例
出力部４０は、記憶部１１や記憶部２６に格納された情報を用いて、装置状態の診断結果や確率分布の推定結果を表示する。
図８を参照して、装置間差診断結果の表示画面Ｄ１００の例について説明する。
図８に示すように、Ｄ１０２に注目する装置ＩＤを入力する。これにより、装置状態値記憶部２９に格納された該当する装置ＩＤの装置間差診断値を取得し、Ｄ１０４のように、センサ毎にグラフで表示する。この結果、基準となるプラズマ処理装置１との装置間差が大きいセンサを判断することができ、調整等に利用することができる。
センサ１０３は通常、測定対象部品や測定対象項目等によって複数の群に分類することができる。センサ群として予め登録しておき、Ｄ１０３のように、センサ群に属する各センサの装置間差診断値を積算し、センサ群毎に装置間差診断値を表示する。こうすることで、調整対象の部品が明確となる。
全センサの装置間差診断値を積算することで、Ｄ１０１のように、プラズマ処理装置１毎の比較も表示する。
図９を参照して、センサ値の分布と確率分布記憶部２８に格納された確率分布の推定結果を確認する画面Ｄ１０５の例について説明する。
図９に示すように、装置ＩＤやセンサ名を入力し、確認する対象を決定した後、グラフを表示する。複数の装置ＩＤを入力することで、比較表示することができる。ヒストグラムがセンサ値記憶部１２に格納されたセンサ値の測定値のヒストグラムであり、実線が確率分布記憶部２８に格納された確率分布推定結果である。
例えば、図９では装置ＩＤがＣ１、Ｃ４の装置のセンサ名Ｘ２のセンサ値のヒストグラムと確率分布の推定結果を表示している。これにより、使用者は推定された確率分布が妥当なものであるかどうかを確認することができる。また、例えば、比較する二つの確率分布が平行移動している場合であればセンサ１０３の初期化を検討する等、装置診断結果に対する対策を考案することに活用することができる。
このように、図８及び図９に示すように、出力部４０は、プラズマ処理装置１の状態の診断値として確率分布のプラズマ処理装置間差を出力するとともに確率分布の経時的な推移幅も出力する。
上記実施例によれば、プラズマ処理装置において、例えば装置立上げ時や新規工程への適用時や出荷前の調整時に、診断対象装置のセンサ値が多量に取得できていない場合においても、既存の装置群で共通する事前分布情報を抽出した上で、診断対象の装置で新規に取得したセンサ値と併せて非正規分布を含めた確率分布を推定することで装置診断を可能とする。
以上、実施例について説明したが、本発明は上記実施例に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能である。
例えば、図１では、装置診断装置２とプラズマ処理装置１がネットワークを介して接続された構成を示したが、本発明は上記構成に限定されず、図１０に示すように、プラズマ処理装置１が装置診断装置２を備える構成であっても良い。この場合、プラズマ処理装置１は、試料１０２がプラズマ処理される処理室１０４と自装置の状態を診断する装置診断装置２とを備える。
図１０に示すように、プラズマ処理装置１は、図１に示す処理部１０と記憶部１１を有する。処理部１０は設定した加工条件に従い、処理室１０４の内部にプラズマ１０１を発生させてウェハ（試料１０２）を加工する。
また、装置診断装置２は、図１に示す構成と同様に、共通部２０と個別制御部２３と記憶部２６を有する。
１ プラズマ処理装置
２ 装置診断装置
３ 装置群
１０ 処理部
１１ 記憶部
１２ センサ値記憶部
１３ 管理値記憶部
２０ 共通部
２１ 共通分布関数選択部
２２ 事前分布設定部
２３ 個別制御部
２４ 確率分布推定部
２５ 装置状態診断部
２６ 記憶部
２７ 事前分布記憶部
２８ 確率分布記憶部
２９ 装置診断値記憶部
４０ 出力部
４１ 入力部

Claims (8)

  1. プラズマ処理装置の状態を診断する装置診断装置において、
    第一のプラズマ処理装置における第一のセンサにより取得された第一のセンサ値を用いて確率分布関数を含む事前分布情報を前記第一のセンサの各々に対して予め求め、前記予め求められた事前分布情報と、前記第一のプラズマ処理装置と異なる第二のプラズマ処理装置における第二のセンサにより取得された第二のセンサ値とを基に前記第一のセンサの各々に対応する前記第二のセンサの各々における確率分布を推定し、前記推定された確率分布を用いて前記第二のプラズマ処理装置の状態を診断することを特徴とする装置診断装置。
  2. 請求項１に記載の装置診断装置において、
    前記第一のプラズマ処理装置は、複数であり、
    前記第一のセンサの各々における予め求められた確率分布関数は、前記第一のプラズマ処理装置の各々に対して求められた確率分布関数の中で最も多くの前記第一のプラズマ処理装置に求められた確率分布関数であることを特徴とする装置診断装置。
  3. 請求項２に記載の装置診断装置において、
    前記第一のセンサの各々における予め求められた確率分布関数は、確率分布関数の候補の中から尤度を基に選択されることを特徴とする装置診断装置。
  4. プラズマ処理装置の状態を診断する装置診断装置において、
    第一のプラズマ処理装置における第一のセンサにより取得された第一のセンサ値を用いて確率分布関数を含む事前分布情報を前記第一のセンサの各々に対して予め求め、前記予め求められた事前分布情報と、第二のプラズマ処理装置における第二のセンサにより取得された第二のセンサ値とを基に前記第一のセンサの各々に対応する前記第二のセンサの各々における確率分布を推定し、前記推定された確率分布に対する尤度である第一の尤度と、正規分布に対する尤度である第二の尤度とを比較し、
    前記第一の尤度が前記第二の尤度より大きい場合、前記推定された確率分布を用いて前記第二のプラズマ処理装置の状態を診断し、
    前記第二の尤度が前記第一の尤度より大きい場合、前記正規分布を用いて前記第二のプラズマ処理装置の状態を診断することを特徴とする装置診断装置。
  5. 請求項１に記載の装置診断装置において、
    前記確率分布は、マルコフ連鎖モンテカルロ法を用いて推定されることを特徴とする装置診断装置。
  6. 請求項１に記載の装置診断装置において、
    前記第二のプラズマ処理装置の状態の診断値として前記確率分布のプラズマ処理装置間差を出力するとともに前記確率分布の経時的な推移幅も出力することを特徴とする装置診断装置。
  7. 試料がプラズマ処理される処理室と自装置の状態を診断する装置診断装置とを備えるプラズマ処理装置において、
    前記装置診断装置は、自装置と異なるプラズマ処理装置における第一のセンサにより取得された第一のセンサ値を用いて確率分布関数を含む事前分布情報を前記第一のセンサの各々に対して予め求め、前記予め求められた事前分布情報と、自装置における第二のセンサにより取得された第二のセンサ値とを基に前記第一のセンサの各々に対応する前記第二のセンサの各々における確率分布を推定し、前記推定された確率分布を用いて前記自装置の状態を診断することを特徴とするプラズマ処理装置。
  8. プラズマ処理装置の状態を診断する装置診断方法において、
    第一のプラズマ処理装置における第一のセンサにより取得された第一のセンサ値を用いて確率分布関数を含む事前分布情報を前記第一のセンサの各々に対して予め求める工程と、
    前記予め求められた事前分布情報と、第二のプラズマ処理装置における第二のセンサにより取得された第二のセンサ値とを基に前記第一のセンサの各々に対応する前記第二のセンサの各々における確率分布を推定する工程と、
    前記推定された確率分布を用いて前記第二のプラズマ処理装置の状態を診断する工程とを有することを特徴とする装置診断方法。
JP2020532826A 2019-07-30 2019-07-30 装置診断装置、プラズマ処理装置及び装置診断方法 Active JP6841980B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/029762 WO2020152889A1 (ja) 2019-07-30 2019-07-30 装置診断装置、プラズマ処理装置及び装置診断方法

Publications (2)

Publication Number Publication Date
JPWO2020152889A1 true JPWO2020152889A1 (ja) 2021-02-18
JP6841980B2 JP6841980B2 (ja) 2021-03-10

Family

ID=71736287

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020532826A Active JP6841980B2 (ja) 2019-07-30 2019-07-30 装置診断装置、プラズマ処理装置及び装置診断方法

Country Status (6)

Country Link
US (1) US20220157580A1 (ja)
JP (1) JP6841980B2 (ja)
KR (1) KR102425936B1 (ja)
CN (1) CN112585727B (ja)
TW (1) TWI738411B (ja)
WO (1) WO2020152889A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113015308B (zh) * 2021-03-17 2022-07-15 中国科学技术大学 一种等离子体电流计算方法及装置
WO2023286142A1 (ja) * 2021-07-13 2023-01-19 株式会社日立ハイテク 診断装置及び診断方法並びにプラズマ処理装置及び半導体装置製造システム
WO2023148967A1 (ja) * 2022-02-07 2023-08-10 株式会社日立ハイテク 診断装置、診断方法、半導体製造装置システム及び半導体装置製造システム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002270581A (ja) * 2001-03-07 2002-09-20 Hitachi Ltd プラズマ処理装置及び処理方法
JP2003347275A (ja) * 2002-05-30 2003-12-05 Toshiba Corp 半導体製造装置の管理値設定装置
JP2010165949A (ja) * 2009-01-16 2010-07-29 Ritsumeikan パーティクル汚染事象予測装置、パーティクル汚染事象予測方法、及び、パーティクル汚染事象予測プログラム
JP2013041954A (ja) * 2011-08-15 2013-02-28 Hitachi High-Technologies Corp プラズマ処理装置およびプラズマ処理方法
JP2014022695A (ja) * 2012-07-24 2014-02-03 Hitachi High-Technologies Corp プラズマ処理装置及びその校正方法
WO2018061842A1 (ja) * 2016-09-27 2018-04-05 東京エレクトロン株式会社 異常検知プログラム、異常検知方法および異常検知装置

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6214119B1 (en) * 1986-04-18 2001-04-10 Applied Materials, Inc. Vacuum substrate processing system having multiple processing chambers and a central load/unload chamber
US5347460A (en) * 1992-08-25 1994-09-13 International Business Machines Corporation Method and system employing optical emission spectroscopy for monitoring and controlling semiconductor fabrication
JP4224454B2 (ja) * 2002-06-05 2009-02-12 東京エレクトロン株式会社 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
US7072811B2 (en) * 2002-07-15 2006-07-04 Carnegie Mellon University Method and system for identifying regeneration points in a Markov chain Monte Carlo simulation
US6927076B2 (en) * 2002-10-05 2005-08-09 Taiwan Semiconductor Manufacturing Co., Ltd Method for recovering a plasma process
US7050880B2 (en) * 2003-12-30 2006-05-23 Sc Solutions Chemical-mechanical planarization controller
CN100359660C (zh) * 2005-01-27 2008-01-02 北京北方微电子基地设备工艺研究中心有限责任公司 一种等离子体刻蚀工艺的终点检测方法
JP4170315B2 (ja) * 2005-05-30 2008-10-22 インターナショナル・ビジネス・マシーンズ・コーポレーション 異常判断装置、制御方法、自動車およびプログラム
US8366829B2 (en) * 2005-08-05 2013-02-05 Advanced Micro-Fabrication Equipment, Inc. Asia Multi-station decoupled reactive ion etch chamber
JP4754419B2 (ja) * 2006-07-03 2011-08-24 学校法人立命館 プラズマ異常放電診断方法、プラズマ異常放電診断システム及びコンピュータプログラム
JP2008218898A (ja) * 2007-03-07 2008-09-18 Hitachi High-Technologies Corp プラズマ処理装置
JP5353265B2 (ja) * 2009-01-26 2013-11-27 パナソニック株式会社 プラズマ処理装置
JP5363213B2 (ja) * 2009-06-30 2013-12-11 東京エレクトロン株式会社 異常検出システム、異常検出方法、記憶媒体及び基板処理装置
KR101117928B1 (ko) * 2010-06-07 2012-02-29 명지대학교 산학협력단 플라즈마 공정 진단 시스템 및 이에 있어서 종료점 검출 방법 및 장치
JP5436351B2 (ja) * 2010-06-21 2014-03-05 日本電信電話株式会社 状態推定装置、状態推定方法、およびプログラム
US8581217B2 (en) * 2010-10-08 2013-11-12 Advanced Ion Beam Technology, Inc. Method for monitoring ion implantation
JP5773613B2 (ja) * 2010-10-25 2015-09-02 東京エレクトロン株式会社 異常原因分析方法及び異常分析プログラム
JP5791555B2 (ja) * 2012-03-23 2015-10-07 日本電信電話株式会社 状態追跡装置、方法、及びプログラム
JP2016103496A (ja) * 2014-11-27 2016-06-02 株式会社日立ハイテクノロジーズ プラズマ処理装置
US10043690B2 (en) * 2015-03-31 2018-08-07 Lam Research Corporation Fault detection using showerhead voltage variation
JP6462477B2 (ja) * 2015-04-27 2019-01-30 東京エレクトロン株式会社 被処理体を処理する方法
US9892012B2 (en) * 2015-12-30 2018-02-13 International Business Machines Corporation Detecting anomalous sensors
US10817796B2 (en) * 2016-03-07 2020-10-27 D-Wave Systems Inc. Systems and methods for machine learning

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002270581A (ja) * 2001-03-07 2002-09-20 Hitachi Ltd プラズマ処理装置及び処理方法
JP2003347275A (ja) * 2002-05-30 2003-12-05 Toshiba Corp 半導体製造装置の管理値設定装置
JP2010165949A (ja) * 2009-01-16 2010-07-29 Ritsumeikan パーティクル汚染事象予測装置、パーティクル汚染事象予測方法、及び、パーティクル汚染事象予測プログラム
JP2013041954A (ja) * 2011-08-15 2013-02-28 Hitachi High-Technologies Corp プラズマ処理装置およびプラズマ処理方法
JP2014022695A (ja) * 2012-07-24 2014-02-03 Hitachi High-Technologies Corp プラズマ処理装置及びその校正方法
WO2018061842A1 (ja) * 2016-09-27 2018-04-05 東京エレクトロン株式会社 異常検知プログラム、異常検知方法および異常検知装置

Also Published As

Publication number Publication date
CN112585727B (zh) 2023-09-29
KR102425936B1 (ko) 2022-07-28
JP6841980B2 (ja) 2021-03-10
WO2020152889A1 (ja) 2020-07-30
TWI738411B (zh) 2021-09-01
TW202105107A (zh) 2021-02-01
US20220157580A1 (en) 2022-05-19
KR20210015741A (ko) 2021-02-10
CN112585727A (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
JP6841980B2 (ja) 装置診断装置、プラズマ処理装置及び装置診断方法
JP6723669B2 (ja) 異常検知プログラム、異常検知方法および異常検知装置
JP5091604B2 (ja) 分布の評価方法、製品の製造方法、分布の評価プログラム及び分布の評価システム
US20070021859A1 (en) Self-correcting multivariate analysis for use in monitoring dynamic parameters in process environments
US7844558B2 (en) Incremental learning of nonlinear regression networks for machine condition monitoring
US9929062B2 (en) Abnormality portent detection system and method of manufacturing semiconductor device
KR20120047871A (ko) 플라즈마 챔버의 자격을 위한 에칭 레이트 균일성을 예측하는 방법 및 장치
US20190196458A1 (en) Method for selecting leading associated parameter and method for combining critical parameter and leading associated parameter for equipment prognostics and health management
JP2006146459A (ja) 半導体デバイスの製造方法および製造システム
WO2016121689A1 (ja) 不具合診断方法及び不具合診断システム
JP7153142B2 (ja) レシピ情報提示システム、レシピエラー推定システム
JP7354421B2 (ja) エラー要因の推定装置及び推定方法
KR101977214B1 (ko) 이상치 탐지 방법, 이를 이용하는 장치 및 시스템
JP6825753B1 (ja) 高炉の異常判定装置、高炉の異常判定方法、及び高炉の操業方法
KR101650887B1 (ko) 반도체 제조 공정에서 통계적 방법을 이용하여, 가스 누출을 감지하는 방법 장치
JP7026012B2 (ja) 機器状態監視システム及び機器状態監視方法
JP2013191136A (ja) 異常診断装置
JP2010224988A (ja) 品質管理システム、品質管理方法、品質管理プログラム、および製品の製造方法
JP7290484B2 (ja) 異常検知装置、異常検知システム、及び異常検知方法
JP2020067750A (ja) 学習方法、装置及びプログラム、並びに設備の異常診断方法
KR20230012453A (ko) 진단 장치 및 진단 방법 그리고 플라스마 처리 장치 및 반도체 장치 제조 시스템
CN117063065A (zh) 诊断装置、半导体制造装置系统、半导体装置制造系统以及诊断方法
KR20230120121A (ko) 진단 장치, 진단 방법, 반도체 제조 장치 시스템 및 반도체 장치 제조 시스템
CN114066131A (zh) 主要原因推定装置、主要原因推定系统以及程序
JP2013164720A (ja) プラント監視装置およびプラント監視方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200612

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: 20210126

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210218

R150 Certificate of patent or registration of utility model

Ref document number: 6841980

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150