KR100489850B1 - 반도체 제조 장치의 수명 진단 방법 - Google Patents

반도체 제조 장치의 수명 진단 방법 Download PDF

Info

Publication number
KR100489850B1
KR100489850B1 KR10-2002-0052266A KR20020052266A KR100489850B1 KR 100489850 B1 KR100489850 B1 KR 100489850B1 KR 20020052266 A KR20020052266 A KR 20020052266A KR 100489850 B1 KR100489850 B1 KR 100489850B1
Authority
KR
South Korea
Prior art keywords
time series
series data
semiconductor manufacturing
manufacturing apparatus
diagnostic
Prior art date
Application number
KR10-2002-0052266A
Other languages
English (en)
Other versions
KR20030019267A (ko
Inventor
사마따슈이찌
우시꾸유끼히로
이시이겐
나까오다까시
Original Assignee
가부시끼가이샤 도시바
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 가부시끼가이샤 도시바 filed Critical 가부시끼가이샤 도시바
Publication of KR20030019267A publication Critical patent/KR20030019267A/ko
Application granted granted Critical
Publication of KR100489850B1 publication Critical patent/KR100489850B1/ko

Links

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
    • 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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D19/00—Axial-flow pumps
    • F04D19/02—Multi-stage pumps
    • F04D19/04—Multi-stage pumps specially adapted to the production of a high vacuum, e.g. molecular pumps
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Manufacturing & Machinery (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Testing Of Individual Semiconductor Devices (AREA)
  • Drying Of Semiconductors (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Control Of Positive-Displacement Pumps (AREA)
  • Chemical Vapour Deposition (AREA)

Abstract

본 발명은, 반도체 제조에 관련되는 프로세스 조건의 변동, 전원 변동이나 기종 차이에 영향받지 않는 반도체 제조 장치의 수명 진단 방법을 제공하는 것으로, 반도체 제조 장치의 열화가 없을 때의 특징량(特徵量)의 기준 시계열 데이터를 측정하고(단계 S11), 기준 시계열 데이터로부터 기준 자기 공분산 함수를 구하며(단계 S12), 이 기준 자기 공분산 함수로부터 프로세스 조건의 변동 및 전원에 기인하는 기준 변동을 추출하서, 그 기준 변동의 주기를 구하고(단계 S13), 반도체 제조 장치의 평가 대상이 되는 시퀀스에 있어서, 특징량의 진단용 시계열 데이터를 측정하고(단계 S14), 이 진단용 시계열 데이터로부터 진단용 자기 공분산 함수를 구하고(단계 S15), 기준 변동의 주기보다 짧은 주기의 성분을 이용하여, 이 진단용 자기 공분산 함수로부터 반도체 제조 장치의 수명을 결정하는(단계 S16)의 단계로 이루어진다.

Description

반도체 제조 장치의 수명 진단 방법{METHOD OF ESTIMATING LIFETIME OF SEMICONDUCTOR MANUFACTURING EQUIPMENT}
본 발명은 반도체 제조 장치의 수명을 예측하는 진단 방법에 관한 것으로, 특히 CVD 장치, 드라이 에칭 장치 등에 이용되는 드라이 펌프의 수명을 예측하는 진단 방법에 관한 것이다.
반도체 디바이스의 제조를 효율적으로 행하기 위해서 반도체 제조 장치의 고장 진단이 중요하게 되어 왔다. 또한, 최근 시스템 LSI에서는 특히 소량 다품종 생산의 경향이 강해지고, 이에 대응한 매우 적합하고 효율적인 반도체 디바이스의 제조 방법이 필요하게 되어 왔다. 효율적인 반도체 생산에는 소규모의 생산 라인을 이용하는 경우가 있다. 그러나, 대규모 생산 라인을 단순히 작게 한 것만으로는 제조 장치의 가동율 저하 등의 문제가 발생하기 때문에 투자 효율이 저하되는 문제가 있다. 이 대책으로서는 복수의 제조 공정을 하나의 제조 장치로 행하는 방법이 있는데, 예를 들면 드라이 펌프를 배기계에 이용하고 있는 LPCVD 장치에서는, 프로세스의 종류의 차이에 따라 반응 가스나 반응 생성물이 달라, 펌프 내부에서의 생성물의 발생 상황이 다르다. 이 때문에, 프로세스의 종류가 변하면, 수명이 변동한다.
특정한 제조 프로세스 중에 펌프가 정지하면, 제조 중인 로트가 불량으로 될뿐만 아니라, 제조 장치 내부에 미소한 더스트가 발생하기 때문에 제조 장치에 여분의 메인터넌스가 필요하게 되어 반도체 디바이스의 제조 효율이 대폭 저하된다. 이 프로세스 중의 돌연 정지를 방지하기 위해서 펌프의 메인터넌스 시간에 여유를 두면 펌프의 메인터넌스 빈도가 방대하게 되어, 메인터넌스 비용의 증가뿐만 아니라 펌프 교환에 의한 반도체 제조 장치의 가동율 저하가 현저하게 되기 때문에, 반도체 디바이스의 제조 효율이 대폭 저하된다. 이와 같이 효율적인 소규모 생산 라인에 필요한 장치의 공용화를 실현하기 위해서는 드라이 펌프의 수명을 정확하게 진단하고, 수명이 다 소모될 때까지 펌프를 사용할 필요가 있어 수명 예측이 필수적이다.
드라이 펌프의 수명 진단 방법은, 현재까지 몇 가지 방법이 제안되어 있다. 예를 들면, 고장의 발생을 양호한 감도로 진단하는 방법으로는, 마하라노비스 거리 (Mahalanobis Distance: MD)를 이용하는 방법이 있다. 마하라노비스 거리 MD에 의한 수명 진단 방법에서는, 균질성을 기대할 수 있는 특징량(特徵量) 데이터를 모아 동일한 상태만으로부터 인식 공간을 형성한다. 즉, 정상적인 상태의 특징량을 계측했을 때, 그 특징량은 비교적 균질한 것으로 기대한다. 마하라노비스 거리 MD에 의한 수명 진단 방법에서는, 이러한 균질성을 기대할 수 있는 정상적인 상태의 특징량을 모아, 수명 인식을 위한 공간인 「마하라노비스 공간(기준 공간)」을 작성한다. 정상적인 상태의 특징량 데이터의 집합은, 임의의 상관 관계를 갖는 평가의 기준이 되는 공간을 구성하므로, 데이터의 집합체로부터 도출되는 상관 행렬의 역행렬로, 마하라노비스 공간이 표현된다. 「마하라노비스 거리 MD」는 평가 대상인 특징량 데이터의 이상의 정도, 즉, 측정된 특징량 데이터가, 평가의 기준이 되는(정상적인 상태의) 특징량 데이터로부터 어느 정도 어긋나 있는지를 나타내는 척도이다. 마하라노비스 거리 MD는 제로부터 무한대까지의 값을 취한다. 작은 값이면 정상 데이터 쪽이고, 큰 값이면 이상일 확률이 커서, 수명이 짧다고 판단할 수 있다.
마하라노비스 거리 MD를 이용하는 수명 진단 방법의 포인트는, 특징량의 결정 방법과 정상 시를 나타내는 「마하라노비스 공간(기준 공간)」의 처리 방법에 있다. 종래 제안되어 있는 마하라노비스 거리 MD를 이용한 수명 진단 방법에서는, 메인터넌스 직후만의 데이터로 기준 공간을 취하기 때문에, 압력 변동이나 가스 유량 변동 등의 반도체 제조 프로세스 중의 변동이나 전원 변동의 영향을 제거할 수 없어 정밀도가 높은 진단은 곤란하였다.
또한, 드라이 펌프에서는 모터 전류 등의 특징량이 장치마다 상이한 기종 차이의 문제가 있다. 이 기종 차이도 정밀도가 높은 진단을 하는 데에 장해로 되어 있었다.
상술한 바와 같이, 종래의 드라이 펌프의 고장 진단 방법에서는, 반도체 제조에 관련되는 프로세스 조건의 변동, 전원 변동이나 기종 차이의 영향을 받아 정밀도가 높은 진단이 곤란하다는 문제가 있었다.
상기한 문제점을 감안하여, 본 발명은 반도체 제조에 관련되는 프로세스 조건의 변동, 전원 변동이나 기종 차이에 영향받지 않는 반도체 제조 장치의 수명 진단 방법을 제공하는 것을 목적으로 한다.
상기 목적을 달성하기 위해서, 본 발명의 제1 특징은 (가) 반도체 제조 장치의 열화가 없을 때의 특징량의 기준 시계열 데이터를 측정하는 단계와, (나) 기준 시계열 데이터로부터 기준 자기 공분산 함수를 구하는 단계와, (다) 이 기준 자기 공분산 함수로부터 프로세스 조건의 변동 및 전원에 기인하는 기준 변동을 추출하여, 그 기준 변동의 주기를 구하는 단계와, (라) 반도체 제조 장치의 평가 대상이 되는 시퀀스에 있어서, 특징량의 진단용 시계열 데이터를 측정하는 단계와, (마) 이 진단용 시계열 데이터로부터 진단용 자기 공분산 함수를 구하는 단계와, (바) 기준 변동의 주기보다 짧은 주기의 성분을 이용하여, 이 진단용 자기 공분산 함수로부터 반도체 제조 장치의 수명을 결정하는 단계를 포함하는 반도체 제조 장치의 수명 진단 방법인 것을 요지로 한다.
본 발명의 제1 특징에 따르면, 반도체 제조 장치의 수명의 진단에 프로세스 조건의 변동이나 전원 변동의 주기와 다른 주기의 성분을 이용할 수 있다. 자기 공분산 함수를 이용하여, 반도체 장치의 수명을 진단하는 경우, 서로 떨어진 시간 간격의 데이터 간의 상호 작용을 해석하기 때문에, 고장의 징조뿐만 아니라 주기적인 프로세스 조건의 변동이나 전원 변동도 나타난다. 반도체 제조 장치의 고장(이상 정지)은, 반도체 제조 프로세스 중에 반도체 제조 장치의 내부에서 발생한 반응 생성물 등에 기인하여 발생하기 때문에, 고장의 징조는 프로세스 조건의 변동이나 전원 변동에 기인하는 자기 공분산 함수 이외의 부분에 나타난다. 이 때문에, 메인터넌스 직후와 같이 펌프가 정상적인 상태, 즉 「열화가 없을 때」의 특징량의 기준 시계열 데이터로부터 구한 자기 공분산 함수 데이터로부터 프로세스 조건의 변동이나 전원 변동에 기인한 변동을 사전에 확인해 두면, 이 변동 이외의 반응 생성물에 의한 변동, 즉 반도체 제조 장치의 고장(이상 정지)의 징조가 된다. 예를 들면, LPCVD 장치에서 이용되고 있는 드라이 펌프의 경우를 예로 들어 설명하면, 드라이 펌프의 고장(이상 정지)의 징조는 반응 생성물의 퇴적에 의한 로터와 케이싱의 마찰에 나타난다. 로터와 케이싱의 마찰에 의한 특징량의 변화 주기는 프로세스 조건의 변동이나 전원 변동보다 짧은 측의 부분에 나타난다. 이 때문에, 본 발명의 제1 특징에 따른 반도체 제조 장치의 수명 진단 방법에는, 프로세스 조건의 변동이나 전원 변동보다 짧은 주기의 성분을 이용하여 반도체 제조 장치의 수명을 결정한다. 구체적으로는, 프로세스 조건의 변동이나 전원 변동보다 짧은 주기의 자기 공분산 함수의 절대치가 사전에 정한 소정의 값(임계치)을 초과한 경우를 고장의 징조로 한다. 또는 자기 공분산 함수가 처음으로 제로로 되는 시간 간격이 소정의 값을 초과한 경우를 고장의 징조로 할 수 있다.
본 발명의 제1 특징에서, 예시한 펌프 진단에 이용하는 특징량으로서는 예를 들면, 반도체 제조 장치에 관련되는 모터 전류, 모터 전력, 펌프 내부의 압력, 진동, 가스 온도를 포함하는 그룹 중 적어도 하나로 할 수 있다.
본 발명의 제2 특징은 (가) 반도체 제조 장치의 특징량의 진단용 시계열 데이터의 측정을 개시하는 시각의 소정 시간 전에, 목적으로 하는 진단과 동일 프로세스 조건에서 대응하는 특징량의 기준 시계열 데이터를 측정하는 단계와, (나) 기준 시계열 데이터로부터 마하라노비스 공간을 설정하는 단계와, (다) 특징량의 진단용 시계열 데이터를 측정하는 단계와, (라) 진단용 시계열 데이터와 마하라노비스 공간을 이용하여, 진단용 시계열 데이터의 마하라노비스 거리의 시간 변화를 구하는 단계와, (마) 마하라노비스 거리가 사전에 정한 임계치에 도달했을 때의 진단용 시계열 데이터로 이루어지는 공간을 새로운 마하라노비스 공간으로서 고정하는 단계와, (바)새로운 마하라노비스 공간에 대한 마하라노비스 거리로 사전에 정한 임계치와의 비교에 의해, 반도체 제조 장치의 수명을 결정하는 단계를 포함하는 반도체 제조 장치의 수명 진단 방법인 것을 요지로 한다.
마하라노비스 거리를 이용한 수명의 진단은, 정상 상태의 특징량으로부터 마하라노비스 공간(기준 공간)을 계산하고, 마하라노비스 공간으로부터의 변동에 의해 이상(고장의 징조)을 판단하는 방법이다. 이 때, 프로세스 조건의 변동이나 전원 변동을 포함해서 마하라노비스 공간을 취하여 두면, 프로세스 조건의 변동이나 전원 변동의 영향을 제외하고 고장의 징조를 진단할 수 있다. 단, 마하라노비스 공간에 취해 넣을 수 있는 프로세스 조건의 변동에도 한계가 있다. 예를 들면, LPCVD 프로세스의 감압 시퀀스와 같이 급격한 압력 변동이 있는 경우에는, 마하라노비스 공간이 큰 변동을 포함하게 되므로 이상의 검출 감도가 저하된다. 이 때문에, 마하라노비스 공간은 감압 시퀀스의 압력 변동과 같이 큰 변동을 포함하지 않는 상태에서 측정할 필요가 있다. 또한, 마하라노비스 거리에서도 마하라노비스 공간을 취하는 시계열 데이터의 측정 시간 이상으로 긴 주기의 프로세스 조건의 변동, 전원 변동은 받아들일 수 없기 때문에, 예를 들면 메인터넌스 직후에만 마하라노비스 공간을 취하는 것만으로는 긴 주기의 프로세스 조건의 변동, 전원 변동의 영향을 없앨 수 없다. 따라서, 본 발명의 제2 특징에서는, 마하라노비스 공간을 메인터넌스 직후의 특징량을 기준 시계열 데이터로 하는 것은 아니고, 진단용 시계열 데이터의 측정을 개시하는 시각의 소정 시간 전에, 목적으로 하는 진단과 동일 프로세스 조건에서, 기준 시계열 데이터를 측정하고 있다. 즉, 비교적 단시간에서의 마하라노비스 거리의 변화를 평가할 수 있게 된다. 이에 의해, 긴 주기의 프로세스 조건의 변동이나 전원 변동의 영향을 제거할 수 있다. 이와 같이 하여 마하라노비스 거리의 추이를 평가한 후, 마하라노비스 거리가 임계치를 초과한 경우에 고장의 징조라고 판단한다. 이 마하라노비스 거리의 임계치는 통상은 4라고 되어 있지만, 본 발명자들의 검토 결과에서는 측정 오차나, 제거되지 않는 미소한 변동의 영향이 있어, 고장의 징조로 되는 마하라노비스 거리의 임계치를 4로 하면, 정밀도가 나빠진다는 실험적 지견을 얻었다. 따라서, 본 발명의 제2 특징에 따른 반도체 제조 장치의 수명 진단 방법에서는, 마하라노비스 거리의 임계치를 5∼10의 범위의 값을 이용하는 것이 바람직하다. 마하라노비스 거리가 임계치를 초과하여, 고장의 징조를 확인한 후에는 반도체 제조 장치의 정지 직전의 상황을 평가하기 위해서, 마하라노비스 공간은 임계치를 초과한 경우의 값으로 재설정하고, 새로운 마하라노비스 공간에 의한 새로운 마하라노비스 거리의 추이를 평가한다. 마하라노비스 거리는 분산이나 평균값의 추이 등의 통상의 방법보다 훨씬 변동에 민감하기 때문에, 진단 시에 비교적 가까운, 소정 시간 전에 취한 마하라노비스 공간으로부터의 변화를 조사함으로써 펌프 고장 등의 반도체 제조 장치의 고장의 징조를 양호한 정밀도로 포착할 수 있다.
본 발명의 제2 특징에서, 예시한 펌프 진단에 이용하는 특징량으로서는 예를 들면, 반도체 제조 장치에 관련되는 모터 전류, 모터 전력, 펌프 내부의 압력, 진동, 가스 온도를 포함하는 그룹 중 적어도 하나로 할 수 있다.
〈실시예〉
다음으로, 도면을 참조하여, 본 발명의 제1∼제3 실시예를 설명한다. 제1∼제3 실시예에서는 수명 진단의 대상이 되는 반도체 제조 장치의 예로서, 감압 CVD(LPCVD)를 예시하고, 특히 이 LPCVD에 이용되는 드라이 펌프의 수명을 진단하는 경우를 설명한다.
이를 위해, 본 발명의 제1∼제3 실시예를 설명하기에 앞서, 우선, 도 1을 이용하여 수명 진단의 대상이 되는 LPCVD 장치의 개략을 설명한다. 도 1에 도시한 LPCVD 장치에서는 CVD 챔버(1)에 가스 배관(51, 52, 53)이 접속되어 있다. 이 가스 배관(51, 52, 53)에는 CVD 챔버(1)에 도입되는 다양한 원료 가스(소스 가스) 및 캐리어 가스를 제어하기 위한 매스플로우 컨트롤러(MFC)(41, 42, 43)가 각각 접속되어 있다. 즉, 이들 매스플로우 컨트롤러(41, 42, 43)에 의해, 그 유량이 제어된 원료 가스 등은 가스 배관(51, 52, 53)을 통해 일정한 감압 상태에 있는 CVD 챔버(1)에 도입된다. CVD 챔버(1)는 외기 차단과 분위기를 유지할 수 있는 밀폐 구조를 하고 있다. CVD 챔버(1)의 내부를 드라이 펌프(3)로 진공 배기하기 위하여, CVD 챔버(1)의 배기측에는 진공 배관(32)이 접속되고, 이 진공 배관(32)의 배기측에 게이트 밸브(2)가 접속되어 있다. 게이트 밸브(2)의 배기측에 또다른 진공 배관(33)이 접속되어 있다. 진공 배관(33)의 배기측에 드라이 펌프(3)의 흡기측이 접속되어 있다. 게이트 밸브(2)는, 필요에 따라 CVD 챔버(1)와 드라이 펌프(3)를 분리하거나, 또는 배기 컨덕턴스를 조정하는 밸브이다. 그리고, 드라이 펌프(3)는 CVD 챔버(1)에 도입된 미반응의 원료 가스 및 반응 생성물을 배기하기 위해서 이용되고 있다.
도 1에 도시한 LPCVD 장치를 이용하여, 예를 들면, 실리콘 질화막(Si3N4막) 을 성막하는 경우에는, 감압 상태로 된 CVD 챔버(1)에, 디클로로실란(SiH2Cl2) 가스를 매스플로우 컨트롤러(41)를 통해 도입하고, 암모니아(NH3) 가스를 매스플로우 컨트롤러(42)를 통해 도입한다. 그리고, CVD 챔버(1)의 내부에서 실리콘(Si) 기판을 약 800℃ 정도로까지 가열하여, 디클로로실란(SiH2Cl2) 가스와 암모니아(NH3) 가스와의 화학 반응에 의해, 실리콘 기판 위에 실리콘 질화막을 성막한다. 이 화학 반응은 실리콘 질화막을 생성함과 함께, 반응 부생성물로서 염화암모늄(NH4Cl) 가스 및 수소(H2) 가스를 발생한다. 수소는 기체로서, 드라이 펌프(3)에 의해 배기된다. 한편, 염화암모늄은 생성 시에는, 반응로 내부가 800℃ 정도의 고온 상태이고 및 수 100㎩ 또는 서브 수 100㎩ 이하의 감압 상태이므로, 기체 형상이다. 도시하지 않지만, 통상, 감압 CVD 장치에는 고체의 반응 부생성물을 수집하는 트랩이 CVD 챔버(1)와 드라이 펌프(3) 사이에 설치되어 있다. 트랩은, 압력이 낮기 때문에, 반응 부생성물의 완전한 수집은 불가능하다. 수집할 수 없는 반응 부생성물은 드라이 펌프(3)까지 도달한다. 드라이 펌프(3)에서는 기체의 압축에 의해 0.1㎩ 정도부터 대기압까지 압력이 증가한다. 반응 부생성물은, 상태도에 있어서의 승화 곡선에 따라, 저압 하에서는 기체로서 존재하지만, 보다 고압화에서 고화를 시작한다. 펌프 내부에서는 가스의 압축이 반복되어, 수 100㎩의 압력으로부터 대기압까지 압력이 변화해 가기 때문에, 배기 가스 중의 가스 형상의 반응 부생성물은 압력 상승과 함께 드라이 펌프(3)의 내부에서 고화하기 시작한다. 드라이 펌프(3)의 배관 내에서 고화가 시작되면, 배기 컨덕턴스가 떨어져, 반응 부생성물의 고화·흡착 부분에서는 압력이 더 증가하고, 그 결과로서 드라이 펌프(3)의 온도가 상승하기 시작하여, 드라이 펌프(3)의 고장이 발생한다. 이하의 제1∼제3 실시예의 설명에서는 이러한 LPCVD 장치에 이용되고 있는 드라이 펌프(3)의 고장, 또는 수명 진단 방법의 예를 설명한다.
〈제1 실시예〉
본 발명의 제1 실시예에 따른 반도체 제조 장치의 수명 진단 방법에서는, 반도체 제조 장치로부터 취득된 모터 전류, 모터 전력, 펌프 내부의 압력, 진동, 가스 온도 등의 특징량의 시계열 데이터를 해석하여, 반도체 제조 장치의 미래의 고장을 예측하는 확률론적 방법을 이용한다. 예를 들면, 「임의의 시각에 드라이 펌프의 모터 전류가 많았으면, 특정한 래그 폭(데이터 간격) τ의 후에도, 모터 전류가 증대한다」는 관계를 찾아낼 수 있으면, 드라이 펌프의 고장의 진단에 도움이 된다.
우선, 반도체 제조 장치로부터 취득된 특징량의 시계열 데이터를 해석하기 위해서는 정상성(定常性)이라는 가정이 필요하게 된다. 정상성은, 간단히 말하면 각 시간에서의 시계열 데이터는 동일한 확률 과정에 의해 실현되고 있거나, 확률 가정의 통계적 성질이 시간과 함께 변화하지 않다는 것이다. 정상이기 위해서는, 기대치 E[x(t)]=μ가 시간에 관하여 불변, 기대치 E[x(t)2]=μ2가 시간에 관하여 불변, 즉 x(t)의 분산이 시간에 대하여 불변일 것, 또한 임의의 t, τ에 대하여 기대치 E[x(t)x(τ)]가 t-τ만의 함수, 즉 기대치 E[x(t)x(τ)]는 시간의 차에만 의한다는 조건을 충족시킬 필요가 있다. 즉, 기대치 E[x(t)x(t+τ)]가 래그 폭 τ의 함수로 되어, 기대치 E[x(t)]=μ가 일정하게 된다.
따라서, 변수 x(t)와 래그 폭 τ다음의 변수 x(t+τ)가 연동하는 정도, 즉, x(t)와 x(t+τ)와의 공분산:
은 래그 폭(데이터 간격) τ만의 함수로 된다. 왜냐하면,
로 되기 때문이다. 이 함수를 자기 공분산 함수 C(τ)라고 하고,
로 정의된다. 또한, 자기 상관 함수 ρxx(τ)를
로 정의한다. C(τ)는 래그 폭 τ만큼 떨어진 데이터 간의 결부 강도를 나타낸다. 즉, 이 양이 플러스로 클 때, 변수 x(t)와 래그 폭 τ다음의 변수 x(t+τ)는 동일한 경향의 행동을 하고, 반대로, 이 양이 마이너스로 클 때에는 변수 x(t)와 변수 x(t+τ)는 반대의 경향으로 행동한다. 그리고, 이 양이 0이면 변수 x(t)와 변수 x(t+τ)는 상호 무관하게 행동하는 것을 알 수 있다.
또한, ρxx(τ)는 C(τ)를 통상의 분산 C(0)으로 나눔으로써, 그 값을
로 규격화한다. 왜냐하면, 통상의 분산 C(0)는 자기 자신과의 관계의 강도를 나타내고 있으며, 자기 자신 이상으로 강한 상관이라는 것은 없기 때문에,
로 되기 때문이다. 결국, 이 자기 상관 함수 ρxx(τ)가 1에 가까우면 가까울수록 변수 x(t)와 변수 x(t+τ)와의 관계는 강하다고 판단할 수 있어, 반도체 제조 장치의 수명을 예측할 수 있다.
본 발명의 제1 실시예에 따른 반도체 제조 장치의 수명 진단 방법은, 도 2에 도시한 순서로 행한다:
(가) 우선, 단계 S11에서, 드라이 펌프의 열화가 없을 때의 특징량의 시계열 데이터를 「기준 시계열 데이터」로서 측정한다. 즉,「열화가 없을 때」로서, 메인터넌스 직후를 선택하여, 메인터넌스 직후의 모터 전류의 1일간의 기준 시계열 데이터를 측정한다. 기준 시계열 데이터는 1분 간격으로 측정한다.
(나) 다음으로, 단계 S12에서 이 기준 시계열 데이터로부터, 자기 공분산 함수 C(τ)를 취득하여, 「기준 자기 공분산 함수 C(τ)」로 한다. 즉, 열화가 없는 메인터넌스 직후의 모터 전류의 1일간의 기준 시계열 데이터로부터, Si3N4 박막을 성막하는 피착 시퀀스에서의 데이터의 기준 자기 공분산 함수 C(τ)를 취득한다.
(다) 다음으로, 단계 S13에서 기준 시계열 데이터로부터 취득된 기준 자기 공분산 함수 C(τ)로부터, 프로세스 조건의 변동 또는 전원 변동의 기인으로 보이는 변동 성분을 추출하고, 그 변동의 주기를 구한다. 도 3에 드라이 펌프의 메인터넌스 직후의 모터 전류의 기준 자기 공분산 함수 C(τ)의 예를 도시한다. 도 3의 종축은 C(0)(통상의 분산에 대응함)로 규격화한 자기 상관 함수 ρxx(τ)이다. 횡축은 메인터넌스 직후의 모터 전류 측정의 데이터 간격 τ를 나타낸다. 이 경우의 단위는 분이다. 도 3으로부터, 이 데이터에서는 10분 간격 이상의 기준 자기 공분산 함수 C(τ)에 프로세스 조건의 변동 또는 전원 변동 기인으로 보이는 변동 성분이 인정된다.
(라) 그리고, 단계 S14에서 반도체 제조 장치의 평가 대상이 되는 시퀀스에 있어서, 특징량의 진단용 시계열 데이터를 측정한다. 즉, 피착 시퀀스에서의 모터 전류의 시계열 데이터를 「진단용 시계열 데이터」로 하여, 이 진단용 시계열 데이터를 측정한다.
(마) 이 후, 단계 S15에서 이 진단용 시계열 데이터로부터 「진단용 자기 공분산 함수 C(τ)」를 구한다.
(바) 그리고, 단계 S16에서 기준 변동의 주기보다 짧은 주기의 성분을 이용하여, 이 진단용 자기 공분산 함수로부터 반도체 제조 장치의 수명을 결정한다. 즉, 진단용 자기 공분산 함수 C(τ)의 추이를, 10분 간격 이하의 주기의 성분을 이용하여 평가한다. 도 4에, 고장의 징조를 보이는 경우의 자기 상관 함수 ρxx(τ)의 변화를 도시한다. 평가 결과에서는 누적 막 두께가 약 5㎛일 때에, 10분 간격 이하의 부분에서 현저한 증가가 보여, 펌프가 고장이 임박한 것, 즉 고장의 징조가 확인된다. 실제, 데이터 간격 τ가 5분인 경우의 자기 상관 함수 ρxx(τ)의 누적 막 두께 의존성을 도 5에 도시했지만, 종축의 자기 상관 함수 ρxx(τ)는 누적 막 두께가 약 5㎛에서 급격히 증가하고 있는 것을 알 수 있다. 또한, 피착 프로세스를 계속하면 누적 막 두께 5.5㎛에서 드라이 펌프가 정지한다.
도 3에서 자기 상관 함수 ρxx(τ)가 처음으로 0이 된 데이터 간격 τ(래그 폭)의 누적 막 두께 의존성을 도 6에 도시한다. 도 5에 도시한 데이터 간격 τ가 0에 가까운 경우의 자기 상관 함수 ρxx(τ)와 동일하게, 래그 폭 τ의 변화도 누적 막 두께가 약 5.5㎛에서 급격히 증가하고 있어, 고장의 징조를 검지할 수 있는 것을 알 수 있다.
본 발명의 제1 실시예에 따른 반도체 제조 장치의 수명 진단 방법에서, 고장의 징조를 판단하는 "사전에 정한 임계치"는 실제의 적용에 있어서 적절하게 설정하면 된다. 예를 들면, 정상 시의 평균값으로부터 표준 편차의 1배 내지 3배 이상 어긋나는 경우를 고장의 징조라고 하면, 고장의 징조를 양호한 정밀도로 포착할 수 있다. 제1 실시예에서는 드라이 펌프가 정지하는 누적 막 두께의 약 1할 앞에서 고장의 징조를 포착할 수 있다. 자기 공분산 함수 C(τ)가 고장의 징조를 포착한 후에는 각 파라미터가 단조롭게 증가할 뿐이므로, 드라이 펌프를 교환하기 위한 임계치(곧 드라이 펌프가 정지한다고 하는 값)의 설정이 정지 직전까지 가능하게 된다. 이 때문에, 디바이스 제조의 효율화가 가능하게 된다. 임계치는 누적 막 두께 환산으로 드라이 펌프 정지의 0.1㎛ 전까지 가능하다. 통상 LPCVD 프로세스로 형성되는 Si3N4막 두께는 20㎚ 내지 200㎚ 정도이므로, 제1 실시예에 따른 반도체 제조 장치의 수명 진단 방법에 따르면, 다음의 성막 프로세스 중에 드라이 펌프가 정지할지를 판단할 수 있다.
제1 실시예에서는 모터 전류를 자기 공분산 함수 C(τ)로 해석하는 경우의 예를 도시하였다. 드라이 펌프에서는 배기 속도를 벌기 위해서 보조 펌프, 메인 펌프의 다단 구성으로 하는 경우가 있다. 예를 들면, 메카니컬 부스터 펌프 등의 보조 펌프, 드라이 펌프 등의 메인 펌프 1단째, 메인 펌프 2단째, 메인 펌프 3단째, 메인 펌프 4단째, 메인 펌프 5단째가 상호 직렬적으로 접속된 다단 구성의 진공 배기계가 조립되는 경우가 있다. 또한, 전단의 메인 펌프와 후단의 메인 펌프 사이에 가스쿨러 등이 삽입되는 경우도 있다. 이러한 다단 구성의 진공 배기계의 경우에는, 펌프 내부에서의 생성물 발생이 현저하게 되는 위치의 펌프를 대상으로 하면 된다. 구체적으로는, 다단 구성의 진공 배기계가 가동함에 따라 변동이 커지는 위치의 펌프에 대하여 주목하면 된다. 또한, 전류 이외에 전력, 압력, 진동, 가스 온도 등의 특징량이라도 마찬가지의 효과가 얻어진다. 또한, 시계열 데이터의 측정 간격은 프로세스 조건에 따라 결정하면 된다. 반도체 디바이스 제조에 따른 통상의 LPCVD 프로세스에서는 시계열 데이터의 측정 간격 0.5초로부터 10분 간격이 적절하다.
〈제2 실시예〉
본 발명의 제2 실시예에 따른 반도체 제조 장치의 수명 진단 방법은, 드라이 펌프의 고장 진단에, 주파수 해석을 이용한 예를 설명한다. 즉, 제1 실시예의 드라이 펌프의 고장 진단에 이용한 모터 전류의 자기 공분산 함수 C(τ) 대신에, 드라이 펌프의 케이싱 진동의 주파수 분포를 해석한다.
본 발명의 제2 실시예에 따른 반도체 제조 장치의 수명 진단 방법은, 도 7에 도시한 순서로 행한다.
(가) 우선, 단계 S21에서 반도체 제조 장치로서, 드라이 펌프의 특징량(진동)의 시계열 데이터를 측정한다. 진동 측정은 10초마다, 가속도 센서로 케이싱의 가속도를 측정함으로써 행한다. 각 측정은 0.5msec 간격으로 합계 1초동안 행한다.
(나) 가속도 센서로 측정한 케이싱의 가속도(시계열 데이터)는 계측 후, 단계 S22에서 푸리에 변환되어, 주파수 분포를 구한다.
(다) 그리고, 단계 S23에서, 주파수 분포 중 특정한 주파수 성분에 주목하고, 이 특정한 주파수 성분에 있어서의 특징량의 변화에 의해, 반도체 제조 장치(드라이 펌프)의 수명을 결정한다. 제2 실시예에 따른 드라이 펌프의 모터의 회전 수는 3000rpm로, 로터는 3매 날개로 한다. 제2 실시예에서는 50㎐, 150㎐, 300㎐, 450㎐의 주파수 분포와 500㎐ 이상의 고주파 부분의 추이를 조사하였다. LPCVD에 의한 성장 프로세스에는 감압, 승온, 피착, 퍼지, 상압 복귀, 스탠바이 등, 다양한 시퀀스가 있지만, 제2 실시예에서는 드라이 펌프의 고장에 가장 영향을 주는 피착 시퀀스에서의 추이를 조사한다.
도 8은 특정 주파수에 있어서의 가속도의 누적 막 두께 의존성을 도시한다. 도 8에 도시한 바와 같이, 누적 막 두께가 약 4㎛일 때 150㎐∼450㎐의 부분에 가속도의 증가가 보이고, 누적 막 두께가 5.2㎛일 때 800㎐ 이상의 고주파 성분의 증가가 보인다. 그리고, 누적 막 두께가 5.5㎛일 때 드라이 펌프가 정지한다. 이와 같이 특정 주파수의 가속도라도 고장의 징조를 포착할 수 있는 것을 알 수 있다.
본 발명의 제2 실시예에 따른 반도체 제조 장치의 수명 진단 방법에서, 고장의 징조를 판단하는 "사전에 정한 임계치"는 적절하게 설정하면 된다. 예를 들면, 정상 시의 평균값으로부터 표준 편차의 1배 내지 3배 이상 어긋나는 경우를 고장의 징조라고 하면, 고장의 징조를 양호한 정밀도로 포착할 수 있다. 제2 실시예에서는 드라이 펌프가 정지하는 누적 막 두께의 약 1할 앞에서 고장의 징조를 포착한다. 특정 주파수의 가속도가, 고장의 징조를 포착한 후에는 각 파라미터가 단조롭게 증가할 뿐이므로 드라이 펌프를 교환하기 위한 임계치의 설정이 정지 직전까지 가능하게 되어, 디바이스 제조의 효율화가 가능하게 된다. 임계치는 누적 막 두께 환산으로 드라이 펌프 정지의 0.1㎛ 전까지 가능하다.
제2 실시예에서는 진동의 측정 위치를 케이싱으로 하였지만, 베어링 등 로터에 생성물이 부착하여 밸런스가 깨진 것을 양호한 감도로 검지할 수 있는 장소이면 된다. 시계열 데이터의 측정 간격은 프로세스 조건에 따라 결정하면 되지만, 반도체 디바이스 제조에 따른 통상의 LPCVD 프로세스에서는 0.5초로부터 10분 간격에서의 측정 간격이 적절하다.
〈제3 실시예〉
본 발명의 제3 실시예에 따른 반도체 제조 장치의 수명 진단 방법은, 드라이 펌프의 고장 진단에, 마하라노비스 거리 MD를 이용한 예를 설명한다. 즉, 제3 실시예에서는 제1 실시예에서 모터 전류의 자기 공분산 함수 C(τ)의 추이를 평가한 것 대신에, 모터 전류, 펌프 내의 압력, 펌프의 외벽의 진동 등의 특징량에 의한 마하라노비스 거리 MD를 이용한다.
본 발명의 제3 실시예에 따른 반도체 제조 장치의 수명 진단 방법은, 도 9에 도시한 순서로 행한다.
(가) 우선, 단계 S31에서, 반도체 제조 장치의 특징량의 진단용 시계열 데이터의 측정을 개시하는 시각의 소정 시간 전에, 목적으로 하는 진단과 동일 프로세스 조건에서 대응하는 특징량의 기준 시계열 데이터를 측정한다. 반도체 제조 장치의 수명 진단 방법에 마하라노비스 거리 MD를 이용하기 위해서는, 기준 공간(마하라노비스 공간)의 처리 방법이 중요하다. 본 발명의 제3 실시예에서는 특징량 데이터는 "진단과 동일 프로세스 조건"이 되는 LPCVD 프로세스의 피착 시퀀스만을 이용한다. 구체적으로는, 프로세스 조건의 변동의 영향을 제외하기 위해서, 드라이 펌프의 상태를 평가하는 데이터의, 예를 들면, 3일 전의 특징량 데이터를 「기준 시계열 데이터」로서 이용한다. 여기서는 예를 들면, 모터 전류, 펌프 내의 압력, 펌프의 외벽의 진동을 특징량 데이터(기준 시계열 데이터)로서 이용한다.
(나) 다음으로, 단계 S32에서, 이 기준 시계열 데이터로부터 마하라노비스 공간을 설정한다. 즉, 모터 전류, 펌프 내의 압력, 펌프의 외벽의 진동 데이터(기준 시계열 데이터)의 집합체로부터 도출되는 상관 행렬의 역행렬을 구한다. 이 상관 행렬의 역행렬의 계산은 반도체 제조 장치에 접속된 컴퓨터의 연산 처리부에서 실행한다. 구한 마하라노비스 공간은, 컴퓨터의 기억부에 저장한다.
(다) 그리고, 단계 S33에서, 3일간, 특징량인 모터 전류, 펌프 내의 압력, 펌프의 외벽의 진동 데이터(진단용 시계열 데이터)를 측정한다.
(라) 그리고, 단계 S34에서, 3일간의 진단용 시계열 데이터와 마하라노비스 공간을 이용하여, 진단용 시계열 데이터의 마하라노비스 거리의 시간 변화를 구한다. 마하라노비스 거리의 계산은 컴퓨터의 기억부에 저장된 마하라노비스 공간의 데이터를 이용하여, 컴퓨터의 연산 처리부에서 실행한다. 이와 같이 하여, 드라이 펌프의 상태를 평가하는 데이터의 3일 전의 특징량 데이터를 이용하고, 3일간에서의 마하라노비스 거리 MD의 변화의 추이를 조사함으로써, 프로세스 조건의 변동의 영향을 제외할 수 있다. 도 10은 마하라노비스 거리 MD의 누적 막 두께 의존성을 도시한다. 도 10에 도시한 바와 같이 누적 막 두께가 4.5㎛일 때에, 마하라노비스 거리 MD가 5를 초과하는 것을 알 수 있다. 일반적으로, 마하라노비스 거리 MD가 4 이상인 것을 이상이라고 판단하지만, 상술한 바와 같이 본 발명에서는 경험 상, 마하라노비스 거리의 임계치를 5∼10의 범위의 값으로 한다. 여기서는 마하라노비스 거리의 임계치를 5로 한다. 그리고, 마하라노비스 거리 MD가 임계치 5를 초과하면 고장의 징조가 포착되었다고 판단한다.
(마) 다음으로, 단계 S35에서 마하라노비스 거리가 사전에 정한 임계치에 도달했을 때의 진단용 시계열 데이터로 이루어지는 공간을 새로운 마하라노비스 공간(새로운 기준 공간)으로서 고정한다. 고정된 새로운 마하라노비스 공간의 데이터는, 컴퓨터의 기억부에 저장한다.
(바) 그리고, 단계 S36에서, 새로운 마하라노비스 공간에 대한 마하라노비스 거리와 사전에 정한 임계치와의 비교에 의해, 반도체 제조 장치의 수명을 결정한다. 새로운 마하라노비스 거리의 계산은 컴퓨터의 기억부에 저장된 새로운 마하라노비스 공간의 데이터를 이용하여, 컴퓨터의 연산 처리부에서 실행한다. 즉, 기준 공간의 값을 이 새로운 마하라노비스 공간(새로운 기준 공간)의 값으로 고정하고, 계속 평가하면, 마하라노비스 거리 MD는 계속 증가하고, 누적 막 두께가 약 5㎛일 때 마하라노비스 거리 MD가 급격히 증가한다. 그리고, 누적 막 두께가 5.5㎛일 때 드라이 펌프가 정지한다.
도 11은 기준 공간에, 드라이 펌프의 메인터넌스 직후의 데이터를 이용한 경우의 마하라노비스 거리 MD의 누적 막 두께 의존성을 도 10과 비교하여 도시한다. 도 11에서는 누적 막 두께가 약 2㎛일 때에 마하라노비스 거리 MD가 5를 초과하여, 정상 상태로부터 변화한 것을 보이고 있다. 그 후, 마하라노비스 거리 MD는 전체적으로는 증가 경향을 보이지만, 단기적으로는 증가 후 다시 감소하는 변화가 보이고, 결국 누적 막 두께가 5.5㎛일 때 드라이 펌프가 정지한다. 도 11에 도시한 마하라노비스 거리 MD의 누적 막 두께 의존성에서는, 전체적으로는 누적 막 두께의 증가에 수반하여 마하라노비스 거리 MD가 증가하는 경향이 보이지만, 도 10과는 달리, 단조로운 변화가 아니어서, 고장의 징조를 포착할 수 있는 것이 곤란하다는 것을 알 수 있다. 도 11에 도시한 마하라노비스 거리 MD의 누적 막 두께 의존성에 있어서는, 단기간적으로는 증가한 후 감소하는 변화를 보이는 것은 CVD 중의 프로세스 조건의 변동의 영향이 있기 때문이다. 또한, 정상 상태로부터 이상 상태로의 이행을 나타내는 마하라노비스 거리 MD가 5를 초과할 때의 누적 막 두께가 2㎛이고, 도 10에 도시한 경우보다, 상당히 빠른 시기에 이상 상태로의 이행을 나타내고 있게 된다. 이것은 도 11에서는 기준 공간을 형성하는 특징량 데이터를 드라이 펌프의 메인터넌스 직후에 취하였으므로, 고장과는 관계없는 프로세스 변동의 영향도 이상이라고 판단했기 때문이다. 이와 같이 도 11에 도시한 기준 공간의 형성 방법에서는, 고장의 징조를 명확하게 포착하는 것이 곤란하고, 드라이 펌프의 정지를 방지하기 위해서는 여유를 크게 취해야 하는 것을 알 수 있다. 즉, 도 11과 같이 드라이 펌프의 메인터넌스 직후의 특징량 데이터를 이용하여 기준 공간을 구성하면, 드라이 펌프 정지의 한참 전에, 드라이 펌프의 메인터넌스를 하게 되어, 디바이스 제조의 효율화는 곤란한 것을 알 수 있다.
본 발명의 제3 실시예에 따른 반도체 제조 장치의 수명 진단 방법에서, 고장의 징조를 판단하는 "사전에 정한 임계치"는 실제 적용에 있어서 적절하게 설정하면 되고, 예를 들면, 정상 시의 평균값으로부터 표준 편차의 1배 내지 3배 이상 어긋나는 경우를 고장의 징조라고 하면 된다. 단, 기준 공간의 처리 방법이 중요하며, 도 11에 도시한 바와 같이 드라이 펌프의 메인터넌스 직후의 데이터를 이용하여 기준 공간을 구성한 경우에는, 정상 상태에서의 값의 변동이 커서, 양호한 정밀도로 고장의 징조를 포착하는 것은 곤란하다. 따라서, 기준 공간을 구성하는 특징량 데이터는 도 10에 도시한 바와 같이 LPCVD의 피착 시퀀스의 데이터만을 이용하는 것이 바람직하다. 제3 실시예에 따른 반도체 제조 장치의 수명 진단 방법에서는 드라이 펌프가 정지하는 누적 막 두께의 약 1할 앞에서 고장의 징조를 포착한다. 마하라노비스 거리 MD가 고장의 징조를 포착한 후에는, 각 파라미터가 단조롭게 증가할 뿐이므로, 드라이 펌프를 교환하기 위한 임계치의 설정이 정지 직전까지 가능하게 된다. 이 때문에, 디바이스 제조의 효율화가 가능하게 된다. 임계치는 누적 막 두께 환산으로 드라이 펌프 정지의 0.1㎛ 전으로 된다.
제3 실시예에서는 마하라노비스 거리 MD의 계산에 모터 전류, 펌프 내의 압력, 펌프의 외벽의 진동으로 이루어지는 데이터군을 이용한 예를 설명했지만, 측정 조건에 의해 모터 전력, 가스 온도를 포함시킨 최적의 조합으로 이루어지는 데이터군을 이용할 수 있다. 마하라노비스 거리 MD의 계산에 필요한 시계열 데이터의 측정 간격은 프로세스 조건에 따라 결정하면 된다. 예를 들면, 반도체 디바이스 제조에 따른 통상의 LPCVD 프로세스서는 0.5초로부터 10분 간격에서의 측정 간격이 적절하다.
〈그 밖의 실시예〉
상기한 바와 같이 본 발명은 제1∼제3 실시예에 의해 기재하였지만, 이 개시의 일부를 이루는 논술 및 도면은 본 발명을 한정하지 않은 것으로 이해해야 한다. 이 개시로부터 당업자에게는 여러가지 대체 실시예 및 운용 기술이 분명하게 된다.
상술한 제1∼제3 실시예의 설명에서는, Si3N4막의 LPCVD의 예를 설명했지만, 다른 재료의 박막의 LPCVD라도 마찬가지로 적용할 수 있다. 또한, 단일 종류의 박막을 성장하는 경우의 예를 설명했지만, Si3N4막, TEOS 산화막, 다결정 실리콘 등의 복수 종류의 박막을 동일한 LPCVD 장치로 형성하는 경우라도 마찬가지의 효과가 얻어진다.
이와 같이 본 발명은 여기서는 기재하지 않는 여러가지 실시예 등을 포함하는 것은 물론이다. 따라서, 본 발명의 기술적 범위는 상기한 설명으로부터 타당한 특허 청구의 범위에 따른 발명 특정 사항에 의해서만 정해지는 것이다.
이상 상술한 바와 같이, 본 발명에 따르면 프로세스 조건의 변동이나 전원 변동이 있어도 정밀도가 높은 드라이 펌프의 고장 진단이 가능하게 되어, 반도체 디바이스 제조의 효율화가 가능하게 된다.
특히, 본 발명에 따르면, 효율적인 소규모 생산 라인을 구축하는 데에 있어서의 포인트인 장치 공용화가 용이하게 된다.
도 1은 본 발명의 실시예에 따른 반도체 제조 장치로서 예시하는 LPCVD 장치의 개념도.
도 2는 본 발명의 제1 실시예에 따른 반도체 제조 장치의 수명 진단 방법을 설명하기 위한 흐름도.
도 3은 드라이 펌프의 메인터넌스 후의 모터 전류의 자기 공분산 함수의 예를 도시하는 도면.
도 4는 고장의 징조를 보인 경우의 자기 공분산 함수의 예를 도시하는 도면.
도 5는 자기 공분산 함수의 누적 막 두께 의존성을 도시하는 도면.
도 6은 래그 폭의 누적 막 두께 의존성을 도시하는 도면.
도 7은 본 발명의 제2 실시예에 따른 반도체 제조 장치의 수명 진단 방법을 설명하기 위한 흐름도.
도 8은 특정 주파수 가속도의 누적 막 두께 의존성을 도시하는 도면.
도 9는 본 발명의 제3 실시예에 따른 반도체 제조 장치의 수명 진단 방법을 설명하기 위한 흐름도.
도 10은 마하라노비스 거리(Mahalanobis Distance; MD)의 누적 막 두께 의존성을 도시하는 도면.
도 11은 기준 공간에, 드라이 펌프의 메인터넌스 직후의 데이터를 이용한 경우의 마하라노비스 거리 MD의 누적 막 두께 의존성을 도시하는 도면.
〈도면의 주요 부분에 대한 부호의 설명〉
1 : CVD 챔버
2 : 게이트 밸브
3 : 드라이 펌프
32, 33 : 진공 배관
41, 42, 43 : 매스플로우 컨트롤러
51, 52, 53 : 가스 배관

Claims (3)

  1. 반도체 제조 장치의 열화가 없을 때의 특징량(特徵量)의 기준 시계열 데이터를 측정하는 단계와,
    상기 기준 시계열 데이터로부터 기준 자기 공분산 함수를 구하는 단계와,
    상기 기준 자기 공분산 함수로부터 프로세스 조건의 변동 및 전원에 기인하는 기준 변동을 추출하고, 그 기준 변동의 주기를 구하는 단계와,
    반도체 제조 장치의 평가 대상이 되는 시퀀스에서, 상기 특징량의 진단용 시계열 데이터를 측정하는 단계와,
    상기 진단용 시계열 데이터로부터 진단용 자기 공분산 함수를 구하는 단계와,
    상기 기준 변동의 주기보다 짧은 주기의 성분을 이용하여, 상기 진단용 자기 공분산 함수로부터 상기 반도체 제조 장치의 수명을 결정하는 단계
    를 포함하는 것을 특징으로 하는 반도체 제조 장치의 수명 진단 방법.
  2. 반도체 제조 장치의 특징량의 진단용 시계열 데이터의 측정을 개시하는 시각의 소정 시간 전에, 상기 진단과 동일 프로세스 조건에서 상기 특징량의 기준 시계열 데이터를 측정하는 단계와,
    상기 기준 시계열 데이터로부터 마하라노비스(Mahalanobis) 공간을 설정하는 단계와,
    상기 진단용 시계열 데이터를 측정하는 단계와,
    상기 진단용 시계열 데이터와 상기 마하라노비스 공간을 이용하여, 상기 진단용 시계열 데이터의 마하라노비스 거리의 시간 변화를 구하는 단계와,
    상기 마하라노비스 거리가, 사전에 정한 임계치에 도달했을 때의 상기 진단용 시계열 데이터로 이루어지는 공간을 새로운 마하라노비스 공간으로서 고정하는 단계와,
    상기 새로운 마하라노비스 공간에 대한 새로운 마하라노비스 거리와 상기 임계치와의 비교에 의해, 상기 반도체 제조 장치의 수명을 결정하는 단계
    를 포함하는 것을 특징으로 하는 반도체 제조 장치의 수명 진단 방법.
  3. 제1항 또는 제2항에 있어서,
    상기 특징량은, 상기 반도체 제조 장치에 관련되는 모터 전류, 모터 전력, 압력, 진동, 가스 온도를 포함하는 그룹 중 적어도 하나인 것을 특징으로 하는 반도체 제조 장치의 수명 진단 방법.
KR10-2002-0052266A 2001-08-31 2002-08-31 반도체 제조 장치의 수명 진단 방법 KR100489850B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JPJP-P-2001-00263548 2001-08-31
JP2001263548A JP4184638B2 (ja) 2001-08-31 2001-08-31 半導体製造装置の寿命診断方法

Publications (2)

Publication Number Publication Date
KR20030019267A KR20030019267A (ko) 2003-03-06
KR100489850B1 true KR100489850B1 (ko) 2005-05-17

Family

ID=19090287

Family Applications (1)

Application Number Title Priority Date Filing Date
KR10-2002-0052266A KR100489850B1 (ko) 2001-08-31 2002-08-31 반도체 제조 장치의 수명 진단 방법

Country Status (5)

Country Link
US (1) US6766275B2 (ko)
JP (1) JP4184638B2 (ko)
KR (1) KR100489850B1 (ko)
CN (1) CN1278387C (ko)
TW (1) TW556258B (ko)

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6684349B2 (en) * 2000-01-18 2004-01-27 Honeywell International Inc. Reliability assessment and prediction system and method for implementing the same
KR100435501B1 (ko) * 2001-08-29 2004-06-10 주식회사 지구넷 대용량 데이터 전송 방법 및 시스템
JP2003077907A (ja) * 2001-08-31 2003-03-14 Toshiba Corp 生産装置の異常停止回避方法及び異常停止回避システム
US6868760B1 (en) * 2003-02-12 2005-03-22 Pratt-Read Corporation Tool locking mechanism
JP3967245B2 (ja) * 2002-09-30 2007-08-29 株式会社東芝 回転機の寿命予測方法及び回転機を有する製造装置
JP2005127757A (ja) * 2003-10-22 2005-05-19 Hitachi High-Technologies Corp 自動分析装置
US7281840B2 (en) * 2004-07-09 2007-10-16 Tres-Ark, Inc. Chemical mixing apparatus
JP2008505752A (ja) * 2004-07-08 2008-02-28 トレス−アーク，インコーポレイテッド 化学薬品の混合装置、システム及び方法
US20060080041A1 (en) * 2004-07-08 2006-04-13 Anderson Gary R Chemical mixing apparatus, system and method
CN100555238C (zh) * 2004-12-17 2009-10-28 韩国标准科学研究院 用于真空泵的故障保护和预知维护的精确诊断方法及精确诊断系统
JP4693464B2 (ja) * 2005-04-05 2011-06-01 株式会社東芝 品質管理システム、品質管理方法及びロット単位のウェハ処理方法
FR2887938A1 (fr) * 2005-07-04 2007-01-05 Alcatel Sa Ligne de vide et procede de surveillance d'une telle ligne
US7289863B2 (en) 2005-08-18 2007-10-30 Brooks Automation, Inc. System and method for electronic diagnostics of a process vacuum environment
US8768657B2 (en) * 2006-01-12 2014-07-01 Jentek Sensors, Inc. Remaining life prediction for individual components from sparse data
JP4856993B2 (ja) * 2006-03-14 2012-01-18 株式会社日立ハイテクノロジーズ 自己診断型自動分析装置
JP4685731B2 (ja) * 2006-08-28 2011-05-18 日立オートモティブシステムズ株式会社 移動体の診断装置、移動体の診断端末、およびインバータ装置
WO2009012354A1 (en) * 2007-07-17 2009-01-22 Clemson University System and method to assess signal similarity with applications to diagnostics and prognostics
KR100905235B1 (ko) 2007-07-18 2009-07-01 한국표준과학연구원 진공펌프의 고장 방지 및 예보유지를 위한 정밀진단 기법과그 구현 시스템.
US8359178B2 (en) * 2009-03-04 2013-01-22 Honeywell International Inc. Method and apparatus for identifying erroneous sensor outputs
JP4730451B2 (ja) 2009-03-16 2011-07-20 富士ゼロックス株式会社 検出データ処理装置及びプログラム
US20110054806A1 (en) * 2009-06-05 2011-03-03 Jentek Sensors, Inc. Component Adaptive Life Management
CN102194650B (zh) * 2010-03-03 2013-12-11 中芯国际集成电路制造(上海)有限公司 用于评价改善负偏压下温度不稳定性效应工艺效果的方法
EP2573404B1 (en) * 2010-05-21 2022-07-13 Edwards Japan Limited Method of detecting depositions in a vacuum pump, and vacuum pump configured to execute the method
JP6151227B2 (ja) * 2014-08-25 2017-06-21 株式会社東芝 異常検知システム及び半導体デバイスの製造方法
US9465387B2 (en) * 2015-01-09 2016-10-11 Hitachi Power Solutions Co., Ltd. Anomaly diagnosis system and anomaly diagnosis method
US10041868B2 (en) * 2015-01-28 2018-08-07 Lam Research Corporation Estimation of lifetime remaining for a consumable-part in a semiconductor manufacturing chamber
EP3203250B1 (en) * 2016-02-03 2023-05-24 Mitsubishi Electric R&D Centre Europe B.V. Method and device for estimating a level of damage or a lifetime expectation of a power semiconductor module
JP6620056B2 (ja) * 2016-03-31 2019-12-11 三菱日立パワーシステムズ株式会社 機器の異常診断方法及び機器の異常診断装置
JP6860406B2 (ja) * 2017-04-05 2021-04-14 株式会社荏原製作所 半導体製造装置、半導体製造装置の故障予知方法、および半導体製造装置の故障予知プログラム
JP6804029B2 (ja) 2017-12-21 2020-12-23 株式会社Ｋｏｋｕｓａｉ Ｅｌｅｃｔｒｉｃ 基板処理装置、半導体装置の製造方法及びプログラム
WO2019147750A2 (en) * 2018-01-24 2019-08-01 Magnetic Pumping Solutions, Llc Method and system for monitoring the condition of rotating systems
JP7188949B2 (ja) * 2018-09-20 2022-12-13 株式会社Ｓｃｒｅｅｎホールディングス データ処理方法およびデータ処理プログラム
JP7188950B2 (ja) * 2018-09-20 2022-12-13 株式会社Ｓｃｒｅｅｎホールディングス データ処理方法およびデータ処理プログラム
JP7242321B2 (ja) * 2019-02-01 2023-03-20 エドワーズ株式会社 真空ポンプ及び真空ポンプの制御装置
JP7227351B2 (ja) * 2019-03-19 2023-02-21 株式会社Kokusai Electric 半導体装置の製造方法、予兆検知プログラム、及び基板処理装置
WO2022064558A1 (ja) * 2020-09-23 2022-03-31 株式会社Kokusai Electric 半導体装置の製造方法、異常予兆検知方法、異常予兆検知プログラム、及び基板処理装置
KR20230117323A (ko) * 2022-01-25 2023-08-08 주식회사 히타치하이테크 장치 진단 장치, 반도체 제조 장치 시스템 및 반도체 장치 제조 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05195980A (ja) * 1992-01-16 1993-08-06 Hitachi Ltd 高温・高圧流体を取扱う高速遠心ポンプの予防保全システム
KR100257424B1 (ko) * 1996-04-11 2000-05-15 다니구찌 이찌로오, 기타오카 다카시 플로우팅 soi-mosfet의 수명 예측 방법
KR20010059194A (ko) * 1999-12-30 2001-07-06 김덕중 유기 전기 발광 소자의 수명 측정 장치

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2229536B (en) * 1989-03-22 1993-04-07 Ferranti Int Signal Signal processing apparatus and method
US5210704A (en) * 1990-10-02 1993-05-11 Technology International Incorporated System for prognosis and diagnostics of failure and wearout monitoring and for prediction of life expectancy of helicopter gearboxes and other rotating equipment
US5501105A (en) * 1991-10-02 1996-03-26 Monitoring Technology Corp. Digital signal processing of encoder signals to detect resonances in rotating machines
US5406502A (en) * 1993-06-29 1995-04-11 Elbit Ltd. System and method for measuring the operation of a device
US5586066A (en) * 1994-06-08 1996-12-17 Arch Development Corporation Surveillance of industrial processes with correlated parameters
US5610339A (en) * 1994-10-20 1997-03-11 Ingersoll-Rand Company Method for collecting machine vibration data
US5633811A (en) * 1994-12-09 1997-05-27 Computational Systems, Inc. Hand held data collector and analyzer system
US5710723A (en) * 1995-04-05 1998-01-20 Dayton T. Brown Method and apparatus for performing pre-emptive maintenance on operating equipment
US5764509A (en) * 1996-06-19 1998-06-09 The University Of Chicago Industrial process surveillance system
US6297742B1 (en) * 1996-08-22 2001-10-02 Csi Technology, Inc. Machine monitor with status indicator
WO1998024042A1 (en) * 1996-11-27 1998-06-04 Sundstrand Corporation Method of maintaining components subject to fatigue failure
DE59712546D1 (de) * 1997-07-31 2006-04-06 Sulzer Markets & Technology Ag Verfahren zum Überwachen von Anlagen mit mechanischen Komponenten
US6240372B1 (en) * 1997-11-14 2001-05-29 Arch Development Corporation System for surveillance of spectral signals
US6260004B1 (en) * 1997-12-31 2001-07-10 Innovation Management Group, Inc. Method and apparatus for diagnosing a pump system
US5987399A (en) * 1998-01-14 1999-11-16 Arch Development Corporation Ultrasensitive surveillance of sensors and processes
US6199018B1 (en) * 1998-03-04 2001-03-06 Emerson Electric Co. Distributed diagnostic system
US6434512B1 (en) * 1998-04-02 2002-08-13 Reliance Electric Technologies, Llc Modular data collection and analysis system
JP3349455B2 (ja) * 1998-09-30 2002-11-25 宮崎沖電気株式会社 半導体製造装置のための管理方法および管理システム
JP2000259222A (ja) 1999-03-04 2000-09-22 Hitachi Ltd 機器監視・予防保全システム
US6321602B1 (en) * 1999-09-28 2001-11-27 Rockwell Science Center, Llc Condition based monitoring by vibrational analysis
US6392584B1 (en) * 2000-01-04 2002-05-21 Richard Eklund System and method for detecting and warning of potential failure of rotating and vibrating machines
JP4138267B2 (ja) * 2001-03-23 2008-08-27 株式会社東芝 半導体製造装置、真空ポンプの寿命予測方法及び真空ポンプの修理タイミング決定方法
JP4071449B2 (ja) * 2001-03-27 2008-04-02 株式会社東芝 センサ異常検出方法及びセンサ異常検出装置
JP4592235B2 (ja) * 2001-08-31 2010-12-01 株式会社東芝 生産装置の故障診断方法及び生産装置の故障診断システム
JP2003077907A (ja) * 2001-08-31 2003-03-14 Toshiba Corp 生産装置の異常停止回避方法及び異常停止回避システム
US7063981B2 (en) * 2002-01-30 2006-06-20 Asm International N.V. Active pulse monitoring in a chemical reactor

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05195980A (ja) * 1992-01-16 1993-08-06 Hitachi Ltd 高温・高圧流体を取扱う高速遠心ポンプの予防保全システム
KR100257424B1 (ko) * 1996-04-11 2000-05-15 다니구찌 이찌로오, 기타오카 다카시 플로우팅 soi-mosfet의 수명 예측 방법
KR20010059194A (ko) * 1999-12-30 2001-07-06 김덕중 유기 전기 발광 소자의 수명 측정 장치

Also Published As

Publication number Publication date
JP2003077780A (ja) 2003-03-14
TW556258B (en) 2003-10-01
US6766275B2 (en) 2004-07-20
KR20030019267A (ko) 2003-03-06
CN1404103A (zh) 2003-03-19
CN1278387C (zh) 2006-10-04
JP4184638B2 (ja) 2008-11-19
US20030154052A1 (en) 2003-08-14

Similar Documents

Publication Publication Date Title
KR100489850B1 (ko) 반도체 제조 장치의 수명 진단 방법
US6865513B2 (en) Method for predicting life of rotary machine and determining repair timing of rotary machine
KR100488127B1 (ko) 생산 장치의 고장 진단 방법 및 생산 장치의 고장 진단시스템
JP3967245B2 (ja) 回転機の寿命予測方法及び回転機を有する製造装置
KR100557378B1 (ko) 제조 장치 및 회전기의 수명 예측 방법
US20050107984A1 (en) Manufacturing apparatus and method for predicting life of rotary machine used in the same
US6828165B2 (en) Semiconductor plasma processing apparatus with first and second processing state monitoring units
JP4149691B2 (ja) 半導体製造装置用回転機の寿命予測方法及び半導体製造装置
CN113227577B (zh) 异常诊断装置及异常诊断方法
JP2000283056A (ja) 真空ポンプ異常監視システム
JP3732768B2 (ja) 半導体処理装置
JP3923880B2 (ja) 回転機の寿命予測システム、回転機の寿命予測方法及び回転機を有する製造装置
KR100446926B1 (ko) 반도체제조장치의 감시 및 제어방법과 그 실시장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20110330

Year of fee payment: 7

LAPS Lapse due to unpaid annual fee