KR101799603B1

KR101799603B1 - 플라즈마 프로세싱 시스템 내에서의 자동적인 결함 검출 및 분류와 그 방법

Info

Publication number: KR101799603B1
Application number: KR1020117031712A
Authority: KR
Inventors: 건수 윤; 비자야쿠마르 씨 베누고팔
Original assignee: 램 리써치 코포레이션
Priority date: 2009-06-30
Filing date: 2010-06-29
Publication date: 2017-11-20
Also published as: US8989888B2; KR20120107846A; JP2012532425A; WO2011002798A3; SG10201403275UA; JP5735499B2; US20120101622A1; TWI509376B; WO2011002798A2; TW201122743A; CN102473660B; SG176797A1; CN102473660A

Abstract

기판 프로세싱 동안 자동으로 결함 조건들을 검출하고 그 결함 조건들을 분류하기 위한 방법이 제공된다. 이 방법은 기판 프로세싱 동안에 센서들의 세트에 의해 프로세싱 데이터를 수집하는 단계를 포함한다. 이 방법은 또한 결함 검출/분류 콤포넌트로 프로세싱 데이터를 전송하는 단계를 포함한다. 이 방법은 또한 결함 검출/분류 콤포넌트에 의해 프로세싱 데이터의 데이터 조작을 수행하는 단계를 더 포함한다. 이 방법은 프로세싱 데이터와 결함 라이브러리 내에 저장된 복수의 결함 모델들 사이에서 비교를 실행하는 단계도 또한 포함한다. 복수의 결함 모델들 중 각 결함 모델은 특정 결함 조건의 특성을 나타낸 데이터의 세트를 나타낸다. 각각의 결함 모델은 적어도 결함 시그니처, 결함 경계 및 주요 콤포넌트 분석 (PCA) 파라미터들의 세트를 포함한다.

Description

플라즈마 프로세싱 시스템 내에서의 자동적인 결함 검출 및 분류와 그 방법{AUTOMATIC FAULT DETECTION AND CLASSIFICATION IN A PLASMA PROCESSING SYSTEM AND METHODS THEREOF}

플라즈마 프로세싱 시스템들은, 예를 들어 반도체 웨이퍼들 및 평면 패널들과 같은 기판들을 처리하는 데 오랫동안 이용되어 왔다. 플라즈마 프로세싱 시스템은 증착, 에칭, 세정 등과 같은 프로세스들을 수행하는 데 이용될 수도 있다.

반도체 디바이스들을 생산하는 데 이용되는 플라즈마 프로세싱 시스템에서는, 플라즈마 프로세싱 시스템이, 예를 들어 최고 수율을 가지는 전자 디바이스들을 가능한 한 최저 소유 비용으로 생산하는 것이 매우 바람직하다. 고수율을 달성하고, 보다 높은 소유 비용에 기여하는 툴 다운 시간 (tool down time) 을 감소시키기 위해서는, 웨이퍼들 및/또는 플라즈마 프로세싱 시스템 콤포넌트들에 대한 손상을 최소화하도록 결함들을 신속하게 검출하고 분류하는 것이 중요하다. 결함 조건은, 예를 들어 챔버 콤포넌트 고장, 챔버 콤포넌트 마모, 부정확하게 설치된 챔버 콤포넌트들, 및/또는 플라즈마 프로세싱 시스템의 하나 이상의 서브시스템들의 세정, 보수 및/또는 교체를 요구하는 임의의 다른 조건으로 인해 발생할 수도 있다.

현재 플라즈마 프로세싱 시스템은 광 방사, 전압, 전류, 압력, 온도 등과 같은 다양한 프로세스 파라미터들을 모니터링하기 위한 다양한 센서들을 이용할 수도 있다. 각각의 센서에 의해 수행되는 데이터 모니터링은 초 당 최대 수백 개 이상의 샘플들의 속도로 데이터를 출력할 수도 있다. 많은 수의 센서들이 수반된다면, 현재 플라즈마 프로세싱 시스템은 소정의 처리된 웨이퍼에 대해 엄청난 양의 센서 데이터를 생성할 수도 있다. 센서 데이터의 분석이 수동으로 수행되는 경우, 방대한 센서 데이터로부터 결함 조건을 시기 적절하게 정확히 검출 및/또는 분류하는 것은 보통 불가능하다. 결함 조건이 시기 적절하게 검출되지 않는 경우, 추가의 프로세싱은 하나 이상의 웨이퍼들 및/또는 챔버 콤포넌트들에 대한 손상을 야기할 수도 있다. 플라즈마 프로세싱이 중지된 이후에도, 발생한 결함을 확인하여 결함 해결을 용이하도록 하기 위해, 방대한 센서 데이터를 면밀히 조사하는 데에는 상당량의 시간을 쏟아야 한다.

수동 결함 검출 및 분석은 또한 고도로 숙련된 엔지니어들에게 매우 방대한 데이터를 면밀히 조사할 것을 요구한다. 이러한 고도로 숙련된 엔지니어들은 채용하기에는 공급이 부족하고 비용이 많이 들기 때문에, 툴 소유자에게 소유 비용을 증가시킨다. 결함 검출 및 분석의 수동 프로세스는 또한 오류가 발생하기 쉽다.

과거, 결함 조건들을 자동으로 검출하고 센서 데이터를 분석하여 결함들을 분류하려는 시도가 있었다. 이러한 노력들은 생산 환경 및 시장에서 어느 정도의 대소 성공을 거두었다. 엔니지어들은 결함 조건들을 보다 신속하게 검출하고 결함들을 정확하게 분류하는 방법들을 꾸준히 찾고 있다. 본원은, 결함 조건들을 자동으로 검출하고 결함 조건들을 자동으로 시기 적절하게 분류하기 위한 개선된 방법들 및 장치에 관한 것이다.

본 발명은 첨부한 도면에 예로서 도시된 것일 뿐, 제한사항으로 도시된 것이 아니며, 도면에서 동일한 참조부호들은 동일한 엘리먼트들을 나타낸다.
도 1 은 하부 전극, 외부 커버 링 및 최상부 커버 링을 포함하는 예시적인 하부 전극 서브시스템을 도시한다.
도 2 는, 본 발명의 실시형태에 따른, 결함 조건들의 자동적이고 시기 적절한 검출 및 결함 조건들의 자동적이고 시기 적절한 분류를 가능하게 하는 플라즈마 프로세싱 챔버의 다양한 서브콤포넌트들의 논리 블록도를 도시한다.
도 3 은, 본 발명의 실시형태에 따른, 결함 모델을 생성하기 위한 예시적인 방법을 도시한다.
도 4 는, 본 발명의 실시형태에 따른, 자동 채널 필터링과 관련된 단계들을 도시한다.
도 5 는, 본 발명의 실시형태에 따른, 데이터 디멘전을 감소시키기 위한 가중 PCA 기법을 도시한다.
도 6a, 도 6b, 도 6c 및 도 6d 는, 본 발명의 실시형태에 따라, 챔버 드리프트를 자동으로 처리하면서 (결함 시그니처를 나타내는) 결함 벡터를 정의하기 위한 단계들을 도시한다.
도 7a, 도 7b 및 도 7c 는, 웨이퍼 샘플 벡터 V_k 가 결함 벡터 V_F 상으로 투영될 때의 결함 크기를 나타내는 항 r(k) 에 의해 상관도가 정량화될 수 있음을 도시한다.
도 8 은, 본 발명의 실시형태에 따른, 결함 시그니처에 대한 경계를 설정하기 위한 단계들을 도시한다.
도 9 는, 본 발명의 실시형태에 따라, 결함 모델을 입증하기 위한 단계들을 도시한다.
도 10 은, 본 발명의 실시형태에 따라, 웨이퍼 프로세스 데이터로부터 하나 이상의 결함 조건들을 검출 및/또는 분류하기 위한 단계들을 도시한다.

이제, 본 발명은 첨부한 도면들에 도시된 바와 같은 수 개의 실시형태들을 참조하여 상세히 설명될 것이다. 하기의 설명에서는, 많은 특정 세부사항들이 본 발명의 완전한 이해를 제공하기 위해 언급된다. 그러나, 이러한 특정 세부사항들의 일부 또는 모두가 없어도 본 발명이 실시될 수도 있을 것임은 당업자에게 명백할 것이다. 다른 경우들에 있어서, 주지된 프로세스 단계들 및/또는 구조들은 본 발명을 불필요하게 모호하게 하지 않도록 하기 위해 상세히 설명되지 않았다.

방법들 및 기법들을 포함하는 다양한 실시형태들이 본원에서 하기에 설명된다. 본 발명은 또한 본 발명에 따른 기법의 실시형태들을 실행하기 위한 컴퓨터-판독가능 명령들이 저장되는 컴퓨터-판독가능 매체를 포함하는 제조 물품을 포함할 수도 있다는 것을 명심해야 한다. 컴퓨터-판독가능 매체는, 예를 들어 반도체, 자성, 광-자성, 광학, 또는 컴퓨터-판독가능 코드를 저장하기 위한 다른 형태들의 컴퓨터-판독가능 매체를 포함할 수도 있다. 또한, 본 발명은 본 발명의 실시형태들을 실시하기 위한 장치들도 포괄할 수도 있다. 이러한 장치는, 본 발명의 실시형태들과 관련된 태스크들을 실행하도록 전용 및/또는 프로그래밍가능한 회로들을 포함할 수도 있다. 이러한 장치의 예들은 범용 컴퓨터 및/또는 적절하게 프로그래밍된 경우의 전용 컴퓨팅 디바이스를 포함하며, 컴퓨터/컴퓨팅 디바이스와 본 발명의 실시형태들과 관련된 다양한 태스크들을 위해 적응되는 전용/프로그래밍가능한 회로들과의 결합을 포함할 수도 있다.

본 발명의 실시형태들은 하나 이상의 테스트 대상 웨이퍼들과 관련되는 임의의 센서 데이터 세트에 대한 결함 검출 및 분류를 위한, 고도로 자동적이고, 시간 효율적이며, 강건한 방법에 관한 것이다.

설명을 용이하게 하기 위해, 도 1 은 하부 전극 (102), 외부 커버 링 (104) 및 최상부 커버 링 (106) 을 포함하는 예시적인 하부 전극 서브시스템 (100) 을 도시한다. 웨이퍼 (108) 도 도시된다. 최상부 커버 링 (106) 은 부분적으로 마모된 것으로 도시되어, 플라즈마에 악영향을 줄 수도 있고, 프로세스 결과들을 결정적으로 변경시킬 수도 있는 유형의 예시적인 결함 조건을 나타낸다. 생산 세팅 (production setting) 에 있어서, 도 1 에 도시된 결함 조건의 시기 적절한 검출 및 마모된 최상부 커버 링과 관련된 것과 같은 결함의 시기 적절하고 정확한 분류는, 후속하여 처리되는 기판들에 대한 손상 및/또는 플라즈마 프로세싱 시스템의 다른 콤포넌트들에 대한 손상을 방지하고 수리/보수 후에 시스템을 신속하게 복원하기 위해서 매우 바람직할 것이다.

도 2 는, 본 발명의 실시형태에 따라, 결함 조건들의 자동적이고 시기 적절한 검출 및 결함들의 자동적이고 시기 적절한 분류가 가능한 플라즈마 프로세싱 챔버 (200) 의 다양한 서브콤포넌트들의 논리 블록도를 도시한다. 도 2 를 참조하면, 하부 전극 (204), 외부 커버 링 (206), 및 최상부 커버 링 (208) 을 포함하는 하부 전극 서브시스템을 구비한 플라즈마 프로세싱 챔버 (202) 가 도시된다. 최상부 전극, RF 발생기, 터보 펌프(들), 매스 플로우 제어기 (mass flow controller), 온도 제어 등과 같은 다양한 다른 종래의 서브시스템들은 도시의 용이성을 위해 생략된다.

복수의 예시적인 센서들 (210, 212, 214) 이 도시된다. 센서 (210) 는, 예를 들어 챔버 압력을 모니터링하기 위한 마노미터 (manometer) 를 나타낼 수도 있다. 센서 (212) 는, 예를 들어 챔버 내에서 플라즈마의 광 방사를 모니터링하기 위한 광 방사 센서를 나타낼 수도 있다. 센서 (214) 는, 예를 들어 V-I 프로브를 나타낼 수도 있다. 또한, 당업자에게 주지된 바와 같이, 다른 센서들이 채용될 수도 있다.

센서들 (210, 212, 214) 은, 제공된 센서 데이터에 기초하여 결함 검출 및/또는 결함 분류를 자동으로 수행하기 위한 소프트웨어 및/또는 하드웨어를 포함하는 결함 검출/분류 유닛 (220) 에 센서 데이터를 제공한다. 결함 모델들 (각각의 결함 모델은 결함 조건 지문을 포함함) 의 데이터베이스를 나타내는 결함 라이브러리 (222) 가 도시된다. 각각의 결함 모델은 특정 결함 조건의 특성을 나타내는 데이터 세트이다. 이러한 결함 모델들은, 본원에서 추후에 설명되는 바와 같이, 미리 생성되고, 본 발명의 하나 이상의 실시형태들에 따라 결함 검출 및/또는 결함 분류를 수행하기 위해 채용된다.

결함 검출/분류 유닛 (220) 은 다수의 센서들로부터 센서 데이터를 수신한다. 일반적인 현재의 플라즈마 프로세싱 시스템에 존재하는 다수의 센서들로 인해, 또한 각각의 센서가 초 당 수백 개 이상의 데이터 샘플들을 전송할 수도 있다는 사실로 인해, 결함 검출/분류 유닛 (220) 은 본 발명의 데이터 조작을 수행하여, 결함을 효율적이고 시기 적절하게 검출 및/또는 분류하게 하는 것을 가능하게 한다. 결함들의 검출 및/또는 분류를 적시에 가능하게 하는 데이터 조작의 양태들은 본원에서 추후에 설명된다. 결함 식별 및/또는 결함 분류는 (예를 들어, 추가 손상이 발생하기 전에 툴을 적시에 중지시키거나 인-시츄 (in-situ) 조절하여 결함을 제거하는 것과 같이) 플라즈마 툴을 제어하는 제어기 (224) 에 의해 채용될 수도 있다.

도 3 은, 본 발명의 실시형태에 따라, 결함 모델을 생성하기 위한 예시적인 방법을 도시한다. 이러한 결함 모델들은 결함 검출 및/또는 분류를 위해 생산 중에 사용하기 위해 결함 라이브러리 (예컨대, 결함 라이브러리 (222)) 에 저장된다. 단계 302 에서, 다수의 웨이퍼들에 대하여 센서들로부터의 센서 데이터가 수집된다. 이러한 센서 데이터 아이템들과 관련된 웨이퍼들은 "불량한", "양호한" 또는 "미지의" 와 같이 태깅될 수도 있다 (단계 304). 예를 들어, 엔지니어는, 특정 웨이퍼 또는 웨이퍼 세트가 (의도된 것이든 아니든) 마모된 포커스 링들로 인해 불량하다는 것을 알 수도 있고, 이러한 웨이퍼들과 관련된 센서 데이터를 이용하여 마모된 포커스 링들에 대한 결함 모델을 도출할 수도 있다. 양호한 결함 모델들은, 임의의 다른 결함 모델들과 같이, 분류 목적들에도 유용하다.

단계 306 에서, 센서 채널들은 작은 변화를 보이는 채널들을 배제하도록 사전-필터링된다. 사전-필터링은 결함 검출 및/또는 분석 동안에 처리될 데이터의 양을 감소시키기 위한 데이터 조작의 일 부분이다. 수반되는 다수의 센서들을 고려하고, 또한 각각의 센서가 초 당 수백 개 이상의 데이터 샘플들을 생성할 수도 있다는 사실을 고려하면, 데이터 조작은 결함 검출/필터링의 시기 적절성 및 효율성을 개선하기 위한 매우 유용한 단계이다. 실시형태에서, 결함 검출에 기여하지 않는 (예컨대, 당해 결함에 대해 불변인) 센서 채널들로부터의 데이터는 사전-필터링 동안에 배제될 것이다. 사전-필터링은 본원의 후속 흐름도에서 더 상세히 설명된다.

단계 308 에서, 모든 웨이퍼 데이터 샘플들과 관련되는 나머지 데이터 채널들에 대해서 가중 주요 콤포넌트 분석 (weighted principal component analysis: PCA) 이 수행된다. 가중 PCA 는 데이터 디멘전을 감소시키는 데 목적을 두며, 결함 검출/필터링의 시기 적절성 및 효율성을 개선하기 위해, 처리될 데이터의 양을 감소시키기 위한 데이터 조작의 다른 부분이다. 가중 PCA 는 본원의 후속 흐름도에서 더 상세히 설명된다. 가중 PCA 의 결과로서, 웨이퍼들에 대한 데이터 샘플들은 다차원 PCA 공간에 나타내어진다 (단계 310).

단계 312 에서, 결함 시그니처는, 부분적으로, 사용자-특정된 "불량한" 샘플들을 이용하여 정의된다. 설명된 바와 같이, 사용자는, 특정 웨이퍼들과 관련된 특정 센서 데이터 세트들이 공지된 "불량한" 웨이퍼 샘플들이라는 것을 특정할 수도 있고, 이 공지된 결함의 특성을 나타내는 결함 시그니처를 생성하는 데 그러한 데이터 세트들을 사용할 수 있다. 결함 시그니처는, 일반적으로 말해서, PCA 공간 내의 벡터이다. 결함 시그니처는 본원의 후속 도면에서 더 상세히 설명된다.

단계 314 에서, 웨이퍼들과 관련된 데이터 샘플들은 2-D 상관 플롯에 표현된다. 이 표현은 데이터 샘플들의 디멘전 (결함 엄격성) 및 결함 시그니처에 대한 유사성 (데이터 샘플과 결함 시그니처 사이의 각도) 에 기초하여 가능한 결함 조건의 효율적인 분석을 용이하게 한다. 2-D 상관 플롯에서의 표현은 본원의 후속 도면에서 더 상세히 설명된다.

단계 316 에서, (결함이라고 간주된 데이터 파라미터들을 정의하는) 결함 경계가 2-D 상관 플롯으로부터 계산된다. 결함 경계의 계산은 본원의 후속 도면에서 더 상세히 설명된다.

단계 318 에서, 결함 모델의 강건성이 입증된다. 여기서 사용되는 바와 같은 결함 모델이라는 용어는, 적어도 결함 시그니처, 결함 경계, 및 PCA 파라미터들 (예컨대, 가중 PCA 후의 PCA 채널들과 관련된 PCA 계수들) 을 포함한다. 결함 모델의 입증은 본원의 후속 도면에서 더 상세히 설명된다.

도 4 는, 본 발명의 실시형태에 따라, 자동 채널 필터링 (도 3 의 사전-필터링 단계 306) 과 관련된 단계들을 도시한다. 도 4 의 단계들은 한 가지 유리한 실시형태를 나타낸다 - 변화에 기여하지 않는 채널들을 제거함으로써 데이터 채널들의 수를 감소시키도록 사전-필터링을 수행하는 다른 방법들이 존재한다.

단계 402 에서, 제시된 모든 웨이퍼들에 걸친 개별적인 채널들에 대해 (평균, 중앙 (median), 최대, 최소, 잡음 등과 같은) 개략적인 통계치들이 계산된다. 실시형태에서, 잡음은 로컬 선형 피트 (local linear fit) 를 이용하여 추정될 수도 있다. 예를 들어, 10 개의 웨이퍼들 및 200 개 채널들의 센서 데이터가 존재하는 경우, 실시형태에서, 웨이퍼 당 총 200 개의 채널들 및 단계 402 의 일부와 같은 총 10 개의 채널들에 대한 개략적인 통계치들이 계산될 것이다.

단계 404 에서, 모든 웨이퍼 샘플들에 걸쳐서 각 채널마다 중간 통계치의 변화가 계산된다. 예를 들어, 채널 #37 이 압력을 측정하여, 17 mT 가 웨이퍼 #5 에 대해 판독된 중앙 압력이고 19 mT 가 웨이퍼 #6 에 대한 중앙 값인 경우, 모든 웨이퍼들에 걸쳐서 채널 #37 에 대한 중앙 통계치의 변화가 계산된다. 이러한 변화는, 예를 들어 측정치의 표준 편차에 의해 표현될 수도 있다. 바람직하게는 중앙치가 이용되는데, 이는 그 채널에서의 일부 샘플들이 가끔 누락되어 센서 데이터 수집 중에 있는 경우에도 그것이 채널 데이터에 관하여 보다 신뢰할 수 있는 통계치를 제공하는 경향이 있기 때문이다. 그러나, (평균과 같은) 다른 통계 측정치들도 또한 일부 실시형태들에서 이용될 수도 있다.

단계 406 에서, 결함 조건에 대해 불변이라고 간주되는 데이터 채널들 (즉, 데이터가 결함 조건의 식별에 기여할 정도로 충분히 두드러지게 변화하지 않는 데이터 채널들) 은 배제된다. 불변 데이터 채널을 배제하는 한 가지 유리한 방법은 그 채널의 중앙 통계치에서의 전술된 변화를, 그 채널에 대한 잡음 임계치 또는 채널 해상도와 같은 특정 임계치와 비교하는 것을 포함한다. 채널 해상도는 센서 설계 특성들에 의존하며, 단계 408 에서 사전-파퓰레이트된 리스트로부터 판독될 수도 있다. 불변 데이터 채널들을 배제하는 다른 방법들이 또한 채용될 수도 있음을 이해해야 한다.

단계 406 에서 알 수 있는 바와 같이, 데이터 채널의 중앙 통계치의 변화가 0 이거나, 또는 데이터 채널의 중앙 통계치의 변화가 잡음의 몇 배보다 적거나, 또는 데이터 채널의 중앙 통계치의 변화가 채널 해상도 (즉, 센서 제조, 송신 회선 공차 등으로 인한 그 채널과 관련된 제조 공차) 의 몇 배보다 적은 경우, 그 데이터 채널은 포함되기에는 불충분하게 변하는 것으로 간주된다. 그 경우, 그 데이터 채널은 배제된다 (단계 410). 그와 달리, 결함 모델을 구축하고 및/또는 결함에 대하여 검출 및/또는 분석하기 위한 데이터 채널은 포함된다 (단계 412).

도 5 는, 본 발명의 실시형태에 따른, 데이터 디멘전 (dimension) 을 감소시키기 위한 가중 PCA 기법을 도시한다. 일반적으로 말하자면, PCA 에서는 데이터 디멘전을 감소시키기 위하여 채널 변화들 사이의 상관도들이 분석된다. 예를 들어, 100 차원의 데이터 공간에서의 변화를 나타내는 대신, 그보다 적은 차원의 PCA 공간에서의 변화들 중 대부분을 캡처할 수도 있다. 결함 검출 모델링에서, 정상 샘플들로부터 불량한 샘플들로의 채널 변화들은 PCA 데이터 공간에서 캡처되는 것이 요망된다.

그러나, "불량한" 샘플들의 수가 "양호한" 및 "미지의" 샘플들의 수에 비해 너무 적은 경우, "불량한" 샘플들로부터의 기여도가 너무나 사소하여, PCA 데이터 공간에서의 그 변화를 캡처하기가 곤란하게 될 수도 있다.

도 5 의 가중 PCA 기법에서는 "양호한" 및 "미지의" 샘플들에 대한 "불량한" 샘플들의 허용 가능한 임계 비율이 사전 정의된다. "양호한" 및 "미지의" 샘플들에 대한 "불량한" 샘플들의 수가 그 비율보다 낮은 경우, "불량한" 샘플들은 임계치에 도달할 때까지 복제된다. 이렇게 하여, "불량한" 샘플들의 수가 PCA 데이터 공간에서 요망되는 변화의 캡처를 가능하게 하기에는 너무 적을 수도 있지만, 다른 방식으로, "불량한" 샘플(들)과 양호한/미지의 샘플들 사이의 요망되는 변화를 캡처하는 것이 가능하다.

도 5 를 참조하면, 단계 502 에서, N₁ 의 "불량한" 샘플들 및 N₂ 의 "양호한" 및/또는 "미지의" 샘플들을 포함하는 데이터세트가 준비된다. 단계 504 에서, "불량한" 샘플들의 수 N₁ 이 일부 사전 정의된 비율의 "양호한" 및/또는 "미지의" 샘플들의 수 N₂ 보다 적은지의 여부가 확인된다. 단계 504 의 목적은 불량한 샘플들의 수 N₁ 이 "불량한" 샘플들에 의해 기여되는 요망된 변화의 캡처를 가능하게 하기에는 너무 낮은지의 여부를 확인하는 것이다. 도 5 의 구현에서, 그 비율은 1/10 의 N₂ 인 것으로 설정되지만, 임의의 적합한 비율이 이용될 수도 있다.

불충분한 "불량한" 샘플들 N₁ 이 존재한다면, "불량한" 샘플들은 사전 정의된 비율에 대해 상대적으로 충분한 수의 "불량한" 샘플들이 존재할 때까지 복제된다 (단계 506). 그러면, 어떤 비율이든, 충분한 수의 "불량한" 샘플들 N₁ 이 존재한다는 것을 보장하는 측정이 (단계 504 에서) 취해진 후에 데이터 세트에 대하여 PCA 가 수행된다 (단계 508).

단계 510 에서, 주요 콤포넌트들은 변화의 80% (또는 일부 다른 희망 비율) 를 충분히 캡처하도록 보유된다. 단계 508 및 단계 510 은 PCA 에 익숙한 것들에 대해 주지되며, 여기에서는 더 상술되지 않을 것이다.

도 6a, 도 6b, 도 6c 및 도 6d 는, 본 발명의 실시형태에 따라, 챔버 드리프트를 자동으로 처리하면서 (결함 시그니처를 나타내는) 결함 벡터를 정의하기 위한 단계들을 도시한다. 도 6a 에서, 모든 데이터 샘플들은 (도 6a 에서 3 차원인 것으로 도시되지만, 도 5 의 PCA 단계들로부터 요망되는 바와 같이, 많은 데이터 차원들을 가질 수도 있는) 감소한 PCA 데이터 공간에 플롯된다. 정정되지 않은 결함 벡터 V₁ 은 "양호한" 데이터 샘플들 또는 그보다는 덜 바람직하게 "미지의" 데이터 샘플들의 중심으로부터 "불량한" 샘플들의 중심으로의 벡터인 것으로 정의된다.

벡터 V₀ 은 챔버 드리프트 벡터인 것으로 정의되며, 도 6a 의 감소한 PCA 데이터 공간에 도시된 바와 같이 표현된다. 시간에 따른 챔버 드리프트는 플라즈마에 영향을 주며 (이는, 예를 들어 시간이 경과함에 따라 "양호한" 샘플들의 중심에 영향을 준다), 결함 시그니처 모델링의 정확도를 개선하기 위해 처리될 필요가 있다. 예를 들어, "불량한" 샘플들이 "양호한" 데이터 샘플들에 대해 상대적으로 상이한 시간 프레임에서 획득되는 경우, 챔버 드리프트는 "불량한" 샘플들과 먼저 획득된 "양호한" 샘플들 사이의 변화에 대한 중대한 기여를 나타낼 수도 있다. 결함 시그니처를 생성하는 데 있어서 결함 콤포넌트를 챔버 드리프트 콤포넌트로부터 분리시킴으로써, 보다 정확한 결함 검출 및 분석이 달성될 수도 있다. 이것은 종래기술에 비해 상당한 개선점이다.

정정된 결함 벡터 V_F 는 챔버 드리프트를 처리한 후 정정되지 않은 결함 벡터 V₁ 의 필수적인 콤포넌트들을 나타낸다. 수학적으로 말하자면, 정정된 결함 벡터 V_F 에 대한 계산이 도 6b 에 도시된다. 도 6b에서, 정정된 결함 벡터 V_F 는 정정되지 않은 결함 벡터 V₁ 마이너스 챔버 드리프트의 단위 벡터 (V₀) 곱하기 정정되지 않은 결함 벡터 V₁ 과 챔버 드리프트 V₀ 의 단위 벡터의 외적과 같다. 정정된 결함 벡터 V_F 는, 도 6a 에서 알 수도 있는 바와 같이, "불량한" 샘플들의 중심을 드리프트 벡터 V₀ 에 연결시킨 라인을 따라 놓이고, 드리프트 벡터 V₀ 에 대해 법선 방향이다. 정정되지 않은 결함 벡터 V₁ 의 계산은 도 6c 에 도시되며, 드리프트 벡터 V₀ 의 계산은 도 6d 에 도시된다. 도 6c 를 이용하여 획득된 정정되지 않은 결함 벡터 V₁ 및 도 6d 를 이용하여 획득된 드리프트 벡터 V₀ 의 계산으로부터, 도 6b 에 도시된 수학식을 이용하여 정정된 결함 벡터를 알아낼 수도 있다.

도 6c 를 참조하면, 단계 630 에서, 태깅된 적어도 하나의 양호한 샘플이 존재하는지가 확인된다. 상술할 샘플은 단일 웨이퍼에 대한 데이터 채널들의 특성을 나타내는 데이터 세트를 포함한다. 도 6 의 경우에 있어서, 샘플들은 PCA 데이터 공간 내에 있다. 양호한 샘플이 존재하는 경우, 정정되지 않은 결함 벡터 V₁ 은 "양호한" 샘플들의 중심으로부터 "불량한" 샘플들의 중심으로 정의된다 (단계 632). 그렇지 않은 경우, 정정되지 않은 결함 벡터 V₁ 은 "미지의" 샘플들의 중심으로부터 "불량한" 샘플들의 중심으로 정의된다 (단계 634). 다시 말해, "양호한" 샘플들의 중심은, 임의의 "양호한" 샘플이 정정되지 않은 결함 벡터 V₁ 을 정의하도록 존재하는 경우에 이용된다.

드리프트 벡터 V₀ 의 계산이 달성되는 도 6d 를 참조하면, 모든 "양호한" 및 "미지의" 샘플들에 대하여 (최소 자승 선형 피트 (least square linear fit) 와 같은) 피팅 기법이 이용된다 (단계 652). 피트 양호도 (goodness-of-fit) 가 특정 임계치 (도 6d 의 예에서는 0.7 이지만, 원하는 바에 따라 변할 수도 있음) 에 미치지 못하는 경우 (단계 654), 드리프트 벡터 V₀ 는 0 으로 설정된다 (단계 656). 반면, 피트 양호도가 그 임계치를 넘는 경우 (단계 654), (데이터 샘플들이 시간의 경과에 따라 드리프트의 방향으로 드리프트 벡터를 따라 분산될 것이 예상되므로) 이 피트된 V₀ 상으로 투영된 데이터 샘플들이 그들의 타임스탬프들과 양호하게 상관되는지를 알기 위해 추가 검사가 수행된다.

따라서, 단계 658 에서, 피트된 V₀ 상으로 투영된 데이터와 그들의 타임스탬프들 사이의 상관도가 확인된다. 상관도가 다른 임계치 (도 6d 의 예에서는 0.7 이지만, 원하는 바에 따라 변할 수도 있음) 를 초과하는 경우, 피트된 V₀ 는 드리프트 벡터로서 승인된다 (단계 660). 그렇지 않은 경우, 드리프트 벡터 V₀ 는 0 으로 설정된다 (단계 656).

일단 결함 벡터 V_F 가 정의되면, 웨이퍼 샘플 V_k 가 결함 특성들을 보이는지를 검출하고, 적용 가능하다면, (웨이퍼 샘플 V_k 와 상이한 결함들을 나타내는 상이한 결함 벡터들을 반복적으로 비교함으로써) 결함을 분류하도록 임의의 웨이퍼 샘플 벡터 V_k 와 결함 벡터 V_F 사이의 상관도가 계산될 수 있다. 도 7a 는 상관도가 항 r(k) 에 의해 정량화되어, 웨이퍼 샘플 벡터 V_k 가 결함 벡터 V_F 상으로 투영될 때 결함의 크기를 나타낼 수 있다는 것을 보여 준다. 수학적으로, 이 관계는 도 7b 에 도시된다. 또한, 웨이퍼 샘플 벡터 V_k 와 결함 벡터 V_F 사이의 각도 θ 는 웨이퍼 샘플이 결함과 얼마나 긴밀하게 유사한지를 반영한다. 수학적으로, 이 관계는 도 7c 에 도시된다.

다양한 샘플들이 2-D 좌표계 내의 데이터 샘플들의 디스플레이를 획득하도록 하기 위해 결함 벡터 V_F 와 관련하여 계산될 수 있는데, 각각의 샘플 k 는 r(k), θ(k) 로 플롯된다.

도 8 은, 본 발명의 실시형태에 따른, 결함 시그니처에 대한 경계를 설정하기 위한 단계들을 도시한다. 일단 데이터 샘플들이 2-D 좌표계에 플롯되면 (모든 샘플은 r(k), θ(k) 에서 플롯됨), 결함 조건에 대한 경계가 확립될 수도 있다. 도 8 은 2-D 데이터 샘플 플롯의 예를 도시하며, 여기서 "양호한" 또는 "미지의" 샘플들은 영역 (802) 내에서 클러스터링된다. "불량한" 샘플들은 영역 (804) 내에서 클러스터링된다. "불량한" 샘플들에 의해 영역 (804) 에 나타내어지는 결함 조건에 대한 경계를 설정하기 위해, "불량한" 샘플들 중에서 최대 각도 θ를 보이는 "불량한" 샘플에 대한 최대 θ(max) 가 식별된다.

에러 마진을 제공하기 위해, 결함 조건에 대한 각도 경계는 이 최대 θ(max) 의 몇 배수 (정수배 또는 정수가 아닌 배수) 가 된다. 도 8 의 예에서, 포인트 (808) 는 수평축 (θ = 0)으로부터 최대 θ(max) 를 갖는 샘플을 나타낸다. 포인트 (808) 의 샘플과 관련된 각도 θ(max) 는 1.2 (임의적인 수이며, 원한다면 변화시킬 수도 있음) 로 승산되어, 최대 경계 θ(b) 를 획득하게 한다.

에러 마진을 제공하기 위해, 최소 r(k) 를 갖는 데이터 샘플과 관련된 반경 r 이 식별된다. 이 최소 반경 r(k) 는 몇몇 분수 상수 (fractional constant) (도 8 의 예에서는 0.8 이지만, 원한다면 변화할 수도 있음) 로 승산된다. 도 8 을 참조하면, 경계 (812) 는 결함 조건에 대한 경계를 나타내고, 경계 (812) 내에 있는 데이터 샘플들은 그 결함 조건으로 분류될 수도 있다.

오직 하나의 "불량한" 데이터 포인트가 존재하는 경우, 결함 조건을 두드러지게 하는 각도 θ(b) 는 "양호한" 샘플들의 외부 플러스 일부 마진의 외부에 파라미터 값들을 교번적으로 반영할 수도 있다. 실시형태에서, 모든 양호한/미지의 샘플들의 최소 θ(min) 는 결함 조건을 두드러지게 하는 각도 θ(b) 를 유도하도록 하기 위해 일부 분수 상수에 의해 스케일링된다. 도 8 과 관련하여, 포인트 (814) 가 최소 θ(min) 값을 갖는 "양호한" 샘플을 나타낸다고 상정하라. 라인 (816) 은 "양호한" 또는 "미지의" 샘플들의 최소 각도와 관련된 이 각도 θ(min) 를 나타낸다. 이 최소 θ(min) 를 분수 상수 (이 예에서는 0.8 이지만, 그 값은 원한다면 변화할 수도 있음) 에 의해 스케일링함으로써, 경계 각도 θ(b) 는 도 8 에서 라인 (820) 에 의해 도시된다.

도 9 는, 본 발명의 실시형태에 따라, 결함 모델을 입증하기 위한 단계들을 도시한다. 단계 902 에서, 모든 "불량한" 샘플들이 결함 경계 내에 있는지 및 모든 "양호한" 및 "미지의" 샘플들이 결함 경계 외부에 있는지가 확인된다. 그렇지 않은 경우, 결함 모델은 거부된다 (단계 906). 반면, 단계 902 의 양쪽 조건 모두가 참이면, 결함 모델을 반복적으로 재입증하도록 하기 위해 모든 "불량한" 샘플이 "불량한" 샘플들의 클러스터로부터 적어도 1 회 취해졌는지가 더 확인된다 (단계 904). 모든 "불량한" 샘플이 결함 모델을 반복해서 재입증하도록 "불량한" 샘플 클러스터로부터 적어도 1 회 취해졌고, 그러한 재입증이 거부를 트리거하지 않지 않은 경우 (단계 902/906), 모델이 승인된다 (단계 908).

한편, 결함 모델을 반복적으로 재입증할 "불량한" 샘플 클러스터로부터 취해질 하나 이상의 "불량한" 샘플이 남아 있다면, 취해지지 않은 "불량한" 샘플은 불량한 샘플 클러스터로부터 풀링되어 결함 모델의 재입증을 용이하게 한다 (단계 910). 결함 벡터 및 결함 경계 계산들 (도 3 의 단계들 312-316) 은 변형된 풀의 "불량한" 샘플들로 (단계 912 에서) 다시 수행된다. 실시형태에서, "불량한" 샘플이 "불량한" 샘플 클러스터로부터 풀링될 때마다, 풀링된 최종 "불량한" 샘플은 클러스터 내로 되돌려진다. 이 방식으로, 결함 벡터 및 결함 경계의 재계산은 한 번에 단 하나의 "불량한" 샘플 누락만으로 수행된다. 물론, 하나 이상의 다른 실시형태들에서, 모든 반복으로 "불량한" 샘플들의 세트를 풀링 (및 마지막 세트를 교체) 하는 것이 가능하다. 이 경우, 결함 벡터 및 결함 경계의 재계산은 한 번에 오직 하나의 "불량한" 샘플 세트만으로 수행된다.

일단 모든 "불량한" 샘플들이 적어도 1 회 풀링되었고 결함 모델이 만족스럽게 테스트하면, 입증은 단계 908 에서 종료한다.

도 10 은, 본 발명의 실시형태에 따라, 웨이퍼 프로세스 데이터 (블록 1002) 로부터 하나 이상의 결함 조건들을 검출 및/또는 분류하기 위한 단계들을 도시한다. 단계 1004 에서, 데이터 채널들에 대한 개략적인 통계치가 계산된다. 이 계산은, 예를 들어 도 4 와 관련하여 먼저 설명되었다.

도 10 은 또한 사전-구성된 결함 모델들 (1006) 의 데이터 저장을 나타내는 결함 모델들의 라이브러리 (블록 1006) 를 도시한다. 결함 모델은 결함 시그니처, 결함 경계, 및 이전에 설명된 바와 같은 PCA 파라미터들을 포함한다. 상이한 결함 모델들은 (마모된 가장자리 링들, 깨진 그라운드 스트랩들, 부정확한 챔버 간극, 잘못된 압력 등과 같은) 상이한 공지된 결함들을 특성화시킬 수도 있다. 결함 모델들의 라이브러리로부터의 결함 모델은 테스트를 위해 선택된다 (단계 1008).

단계 1010 에서, 테스트 대상 웨이퍼와 관련된 웨이퍼 프로세스 센서 데이터는 단계 1008에서 선택된 결함 모델의 동일한 PCA 공간으로 변환되어, 선택된 결함 모델에 대한 검출 및 분류를 용이하게 한다. 단계 1012 에서는, 단계 1008 에서 선택된 결함 모델과 관련된 결함 벡터 V_F 에 대한 웨이퍼 프로세스 데이터의 상관도 (θ, r) 가 계산된다. 단계 1014 에서, 테스트 대상 웨이퍼 프로세스 데이터가 단계 1008 에서 선택된 결함 모델의 결함 경계 내에 있는지가 확인된다. 테스트 대상 웨이퍼 프로세스 데이터가 단계 1008 에서 선택된 결함 모델의 결함 경계 내에 있는 경우, 가능한 결함의 검출을 나타내고 단계 1008 에서 선택된 결함 모델에 따라 결함의 유형을 분류하는 알람이 단계 1018 에서 트리거된다.

반면, 테스트 대상 웨이퍼 프로세스 데이터가 단계 1008 에서 선택된 결함 모델의 결함 경계 내에 있지 않은 경우, 프로세스는 다시 테스트할 다른 결함 조건이 있는지를 확인하도록 하는 단계 1016 으로 진행한다. 일부 경우들에 있어서는, 이미 잠재적 결함이 검출된 경우라 하더라도 다른 결함 모델들에 대해 웨이퍼 프로세스 데이터를 테스트하여 다수의 가능한 결함들이 존재할 수도 있는지를 판정하도록 하는 것이 바람직할 수도 있다. 테스트할 다른 결함 조건이 있는지가 확인되면, 프로세스는 다시 테스트할 다른 결함 모델을 선택하도록 하는 단계 1008 로 진행한다. 프로세스는, 단계 1016 에서, 테스트할 어떠한 다른 결함 조건들도 없다는 것이 확인될 때까지 계속된다. 단계 1020 에서, 결함 상관 결과 및/또는 찾아낸/분류된 임의의 잠재적 결함을 리포팅하는 리포트가 생성된다.

전술한 바로부터 이해할 수 있는 바와 같이, 본 발명의 실시형태들은, 수반되는 결함 분류의 복잡성 및 방대한 양의 센서 데이터에도 불구하고, 결함 조건들의 자동적이고, 효율적이며, 시기 적절한 검출 및 분류를 용이하게 한다.

보다 중요하게는, 본 발명의 실시형태들은 결함 모델 구성의 프로세스를 체계화하고 단순화시킨다. 운용자는, 포함을 위해 어떤 데이터 채널들을 선택할 것인지, 베이스라인 드리프트를 어떻게 처리할 것인지, 및 경계 조건들을 어떻게 설정할 것인지를 더 이상 알 필요가 없다. 이러한 결정들은 결함 모델 구성 프로세스에서 쳬계화되고 자동화되었다. 일부 경우들에 있어서, 결함 모델을 구성하는 데 요구되는 모든 것은, 결함 조건의 식별 및 그 웨이퍼와 관련된 데이터 샘플을 적절한 "불량한" 태그를 갖도록 태깅하는 것이다.

그 후, 본 발명의 방법은, 데이터 채널들을 사전-필터링하고 PCA 를 통해 웨이퍼 데이터의 데이터 디멘전을 더욱 감소시키도록 하는 데이터 조작을 자동으로 수행한다. 무엇보다도, 가중 PCA, 베이스라인 (챔버) 드리프트에 대한 자동 처리, 및/또는 결함 모델 생성, 2-D 데이터 매핑 및 결함 경계 세팅에 기초한 본 발명의 결함 분류 방법은, 결함 모델 구성 프로세스, 결함 검출 및 분류를 고도로 자동화되고, 강건하며 효율적으로 만든다.

본 발명이 여러 실시형태들에 관하여 설명되었지만, 본 발명의 범주 내에 오는 변경물, 치환물 및 등가물이 존재한다. "세트" 라는 용어가 여기서 사용되는 경우, 그러한 용어는 어떠한 부재도 포함시키지 않거나 또는 하나 이상의 부재를 포함시킨다는, 그것의 통상적으로 이해되는 수학적인 의미를 갖는 것으로 의도된다. 또한, 본 발명의 방법들 및 장치들을 구현하는 많은 대안적인 방식들이 존재한다는 것에 유의해야 한다. 또한, 본 발명의 실시형태들은 다른 애플리케이션들에서 유용성을 찾을 수도 있다. 요약서 부분은 여기서 편의를 위해 제공되며, 그에 따라, 단어수 제한으로 인해, 판독의 편의를 위해 기록되며, 특허청구범위를 제한하도록 채용되어서는 안 된다. 따라서, 다음의 첨부한 특허청구범위는 본 발명의 진실한 사상 및 범주 내에 있는 모든 그러한 변경물, 치환물 및 등가물을 포함하는 것으로 이해되어야 하는 것으로 의도된다.

Claims

제 1 기판의 프로세싱 동안 복수의 결함 조건들 중 제 1 결함 조건을 검출하는 방법으로서,
상기 제 1 기판의 상기 프로세싱 동안 센서들을 통해 제 1 데이터를 수집하는 단계로서, 상기 제 1 데이터는 제 1 세트의 샘플들 및 제 2 세트의 샘플들을 포함하는, 상기 제 1 데이터를 수집하는 단계;
상기 제 1 데이터를 결함 디바이스로 전송하는 단계;
상기 결함 디바이스를 통해 상기 제 1 데이터를 프로세싱하는 단계로서, 상기 제 1 데이터를 프로세싱하는 단계는,
정정된 결함 벡터를 결정하는 단계, 및
상기 제 1 데이터의 제 1 부분을 결함 라이브러리 내에 저장된 복수의 결함 모델들과 비교하는 단계를 포함하는, 상기 제 1 데이터를 프로세싱하는 단계; 및
상기 제 1 데이터의 상기 제 1 부분과 상기 복수의 결함 모델들의 비교에 기초하여 상기 제 1 결함 조건을 검출하는 단계를 포함하고,
상기 정정된 결함 벡터를 결정하는 단계는,
플라즈마 프로세싱 챔버의 하나 이상의 파라미터들에서 드리프트하도록 대응하는 드리프트 벡터를 결정하는 단계,
상기 제 1 세트의 샘플들 및 상기 제 2 세트의 샘플들에 기초하여 정정되지 않은 결함 벡터를 결정하는 단계, 및
상기 드리프트 벡터에 기초하여, 정정된 결함 벡터를 생성하도록 상기 정정되지 않은 결함 벡터를 정정하는 단계를 포함하고,
상기 복수의 결함 모델들은 각각 복수의 결함 조건들에 대응하고, 상기 복수의 결함 모델들 각각은 (i) 복수의 결함 벡터들, (ii) 복수의 결함 경계들 및 (iii) 주요 콤포넌트 분석 (principal component analysis: PCA) 파라미터들의 세트들 중 적어도 하나를 포함하고, 상기 복수의 결함 벡터들은 상기 정정된 결함 벡터를 포함하는, 결함 조건을 검출하는 방법.
제 1 항에 있어서,
상기 결함 디바이스에 의해 상기 제 1 데이터를 프로세싱하는 단계는,
상기 센서들의 채널 각각에 대한 개략적인 통계치들을 계산하는 단계; 및
상기 센서들의 제 1 세트의 채널들로부터 상기 제 1 데이터의 제 2 부분을 배제시키도록 상기 제 1 데이터를 사전-필터링하는 단계로서, 상기 제 1 세트의 채널들은 상기 복수의 결함 조건들에 대해 불변인, 상기 제 1 데이터를 사전-필터링하는 단계를 포함하는, 결함 조건을 검출하는 방법.
제 2 항에 있어서,
상기 제 1 데이터를 프로세싱하는 단계는, 상기 센서의 제 2 세트의 채널들로부터 상기 제 1 데이터의 상기 제 1 부분에 대해 가중 PCA를 수행하는 단계를 포함하고, 그리고
상기 제 2 세트의 채널들로부터의 상기 제 1 데이터의 상기 제 1 부분은 상기 제 1 세트의 채널들로부터의 상기 제 1 데이터의 상기 제 2 부분을 포함하지 않는, 결함 조건을 검출하는 방법.
제 3 항에 있어서,
상기 제 1 데이터를 프로세싱하는 단계는, 상기 PCA 파라미터들의 세트 중 하나에 기초하여 다차원 PCA 공간에 나타낸 데이터 샘플들의 세트를 생성하는 단계를 포함하고,
상기 드리프트 벡터는 상기 다차원 PCA 공간에 나타낼 때 상기 샘플들의 세트에 기초하고, 그리고
상기 플라즈마 프로세싱 챔버의 상기 드리프트는 상기 다차원 PCA 공간의 상기 드리프트 벡터로 나타내는, 결함 조건을 검출하는 방법.
제 4 항에 있어서,
상기 제 1 데이터의 제 1 부분을 상기 복수의 결함 모델들과 비교하는 단계는 상기 복수의 결함 모델들 중 제 1 결함 모델의 결함 벡터에 기초하여 상기 데이터에 대한 상관 값을 결정하는 단계를 포함하는, 결함 조건을 검출하는 방법.
제 5 항에 있어서,
상기 제 1 데이터의 제 1 부분을 결함 라이브러리 내에 저장된 복수의 결함 모델들과 비교하는 단계는,
상기 제 1 데이터의 상기 제 1 부분이 상기 제 1 결함 모델의 결함 경계 내에 있는지를 결정하는 단계;
상기 제 1 데이터의 상기 제 1 부분이 상기 제 1 결함 모델의 상기 결함 경계 내에 있는 경우에는 가능한 결함 조건을 나타내는 경고 신호를 생성하는 단계; 및
상기 제 1 데이터의 상기 제 1 부분이 상기 제 1 결함 모델의 상기 결함 경계 외부에 있는 경우에는 상기 복수의 결함 모델들의 제 2 결함 모델을 식별하고 상기 제 1 데이터의 상기 제 1 부분을 상기 제 2 결함 모델과 비교하는 단계를 포함하는, 결함 조건을 검출하는 방법.
제 1 항에 있어서,
상기 복수의 결함 모델들 각각은,
복수의 기판들에 대해 상기 센서들로부터 데이터의 세트들을 각각 수집하는 단계로서, 상기 데이터의 세트들은 상기 제 1 데이터를 포함하고, 상기 복수의 기판들은 상기 제 1 기판을 포함하는, 상기 데이터의 세트들을 수집하는 단계;
상기 데이터의 세트들에 표시들 (designation) 을 각각 할당하는 단계로서, 상기 표시들 각각은 불량한 데이터 세트, 양호한 데이터 세트 또는 미지의 데이터 세트로 식별되는, 상기 표시들을 할당하는 단계; 및
상기 센서들의 상기 복수의 채널들의 제 1 부분으로부터 데이터를 배제시키기 위해 상기 센서들의 복수의 채널들을 사전-필터링하는 단계로서, 상기 복수의 채널들의 상기 제 1 부분은 결함 검출에 기여하지 않고, 상기 사전-필터링은 상기 복수의 기판들 각각에 대해, 상기 복수의 채널들의 제 2 부분에 대한 개략적인 통계치들을 계산하는 단계를 포함하는, 상기 센서들의 복수의 채널들을 사전-필터링하는 단계에 의해 생성되는, 결함 조건을 검출하는 방법.
제 7 항에 있어서,
상기 표시들 각각은 상기 플라즈마 프로세싱 챔버의 콤포넌트들의 조건들 및 상기 복수의 기판들 중 하나의 기판의 조건들에 기초하는, 결함 조건을 검출하는 방법.
제 7 항에 있어서,
상기 개략적인 통계치들을 계산하는 단계는 상기 데이터의 세트에 로컬 선형 피트 (local linear fit) 를 적용하는 단계를 포함하는, 결함 조건을 검출하는 방법.
제 7 항에 있어서,
상기 사전-필터링하는 단계는 상기 개략적인 통계치들의 변화를 계산하는 단계를 더 포함하는, 결함 조건을 검출하는 방법.
플라즈마 프로세싱 챔버 내에서의 제 1 기판의 프로세싱 동안 복수의 결함 조건들 중 제 1 결함 조건을 검출하기 위한 시스템으로서,
상기 제 1 기판의 상기 프로세싱 동안 상기 플라즈마 프로세싱 챔버를 모니터링하도록 구성된 센서들;
복수의 결함 모델들을 저장하도록 구성된 결함 라이브러리로서, 상기 복수의 결함 모델들의 각각의 결함 모델은 상기 복수의 결함 조건에 각각 대응하는, 상기 결함 라이브러리; 및
(i) 제 1 세트의 샘플들 및 제 2 세트의 샘플들을 포함하는 제 1 데이터를 상기 센서들로부터 수집하고, (ii) 상기 제 1 데이터의 제 1 부분을 분석하도록 구성된 결함 디바이스를 포함하고,
상기 제 1 부분을 분석하는 것은,
정정된 결함 벡터를 결정하는 단계,
상기 제 1 데이터의 상기 제 1 부분을 상기 복수의 결함 모델들 중 적어도 하나의 결함 모델과 비교하는 단계, 및
상기 제 1 데이터의 상기 제 1 부분과 상기 복수의 결함 모델들 중 상기 적어도 하나의 결함 모델의 상기 비교에 기초하여 상기 제 1 결함 조건을 검출하는 단계를 포함하고,
상기 정정된 결함 벡터를 결정하는 단계는,
상기 플라즈마 프로세싱 챔버의 하나 이상의 파라미터들에서 드리프트하도록 대응하는 드리프트 벡터를 결정하는 단계,
상기 제 1 세트의 샘플들 및 상기 제 2 세트의 샘플들에 기초하여 정정되지 않은 결함 벡터를 결정하는 단계, 및
상기 드리프트 벡터에 기초하여, 상기 정정된 결함 벡터를 생성하도록 상기 정정되지 않은 결함 벡터를 정정하는 단계를 포함하고,
상기 복수의 결함 모델들 각각은 (i) 복수의 결함 벡터들, (ii) 복수의 결함 경계들 및 (iii) 주요 콤포넌트 분석 (PCA) 파라미터들의 세트들 중 하나를 포함하고, 상기 복수의 결함 벡터들은 상기 정정된 결함 벡터를 포함하고, 상기 복수의 결함 모델들 중 상기 적어도 하나의 결함 모델은 상기 정정된 결함 벡터를 포함하는, 결함 조건을 검출하기 위한 시스템.
제 11 항에 있어서,
상기 결함 디바이스의 출력들에 기초하여 상기 플라즈마 프로세싱 시스템을 제어하도록 구성된 제어기를 더 포함하는, 결함 조건을 검출하기 위한 시스템.
제 11 항에 있어서,
상기 결함 디바이스는,
상기 센서들의 채널 각각에 대한 개략적인 통계치들을 계산하고, 그리고
상기 복수의 결함 조건들에 대해 불변인 상기 센서들의 제 1 세트의 채널들로부터 상기 제 1 데이터의 제 2 부분을 배제시키기 위해 상기 제 1 데이터를 사전-필터링하도록 구성되는, 결함 조건을 검출하기 위한 시스템.
제 13 항에 있어서,
상기 결함 디바이스는 상기 센서들의 제 2 세트의 채널들로부터 상기 제 1 데이터의 상기 제 1 부분에 대해 가중 PCA를 수행하도록 구성되고, 그리고
상기 제 2 세트의 채널들로부터의 상기 제 1 데이터의 상기 제 1 부분은 상기 제 1 세트의 채널들로부터의 상기 제 1 데이터의 상기 제 2 부분을 포함하지 않는, 결함 조건을 검출하기 위한 시스템.
제 14 항에 있어서,
상기 결함 디바이스는 상기 PCA 파라미터들 세트들 중 하나의 PCA 파라미터에 기초하여 다차원 PCA 공간에 나타낸 데이터 샘플들의 세트를 생성하도록 구성되고,
상기 드리프트 벡터는 상기 다차원 PCA 공간에 나타낼 때 상기 샘플들의 세트에 기초하고, 그리고
상기 플라즈마 프로세싱 챔버의 상기 드리프트는 상기 다차원 PCA 공간의 상기 드리프트 벡터로 나타내는, 결함 조건을 검출하기 위한 시스템.
제 15 항에 있어서,
상기 결함 디바이스는 상기 복수의 결함 모델의 제 1 결함 모델의 결함 벡터에 기초하여 상기 제 1 데이터에 대한 상관 값을 결정하도록 구성되는, 결함 조건을 검출하기 위한 시스템.
제 16 항에 있어서,
상기 결함 디바이스는,
상기 복수의 결함 모델들에 상기 제 1 데이터의 상기 제 1 부분을 비교하고,
상기 제 1 데이터의 상기 제 1 부분이 상기 제 1 결함 모델의 결함 경계 내에 있는지를 결정하고,
상기 제 1 데이터의 상기 제 1 부분이 상기 제 1 결함 모델의 상기 결함 경계 내에 있는 경우에는 가능한 결함 조건을 나타내는 경고 신호를 생성하고, 그리고
상기 제 1 데이터의 상기 제 1 부분이 상기 제 1 결함 모델의 상기 결함 경계 외부에 있는 경우에는 상기 복수의 결함 모델들의 제 2 결함 모델을 식별하고 상기 제 1 데이터의 상기 제 1 부분을 상기 제 2 결함 모델과 비교하도록 구성되는, 결함 조건을 검출하기 위한 시스템.
제 11 항에 있어서,
상기 결함 디바이스는,
복수의 기판들에 대해 상기 센서들로부터 데이터의 세트들을 각각 수집하는 단계로서, 상기 데이터의 세트들은 상기 제 1 데이터를 포함하고, 상기 복수의 기판들은 상기 제 1 기판을 포함하는, 상기 데이터의 세트들을 수집하는 단계;
상기 데이터의 세트들에 표시들을 각각 할당하는 단계로서, 상기 표시들 각각은 불량한 데이터 세트, 양호한 데이터 세트 또는 미지의 데이터 세트로 식별되는, 상기 표시들을 할당하는 단계; 및
상기 센서들의 복수의 채널들의 제 1 부분으로부터 데이터를 배제시키기 위해 상기 센서들의 상기 복수의 채널들을 사전-필터링하는 단계로서, 상기 복수의 채널들의 상기 제 1 부분은 결함 검출에 기여하지 않고, 상기 사전-필터링은 상기 복수의 기판들 각각에 대해, 상기 복수의 채널들의 제 2 부분에 대한 개략적인 통계치들을 계산하는 단계를 포함하는, 상기 센서들의 복수의 채널들을 사전-필터링하는 단계에 의해 상기 복수의 결함 모델들 각각을 생성하도록 구성되는, 결함 조건을 검출하기 위한 시스템.
제 18 항에 있어서,
상기 표시들 각각은 상기 플라즈마 프로세싱 챔버의 콤포넌트들의 조건들 및 상기 복수의 기판들 중 하나의 기판의 조건들에 기초하는, 결함 조건을 검출하기 위한 시스템.
제 18 항에 있어서.
상기 결함 디바이스는 상기 개략적인 통계치들을 계산하는 동안 상기 데이터의 세트들에 로컬 선형 피트를 적용하도록 구성되는, 결함 조건을 검출하기 위한 시스템.
제 1 항에 있어서,
상기 정정된 결함 벡터는 상기 드리프트 벡터에 직교하는, 결함 조건을 검출하는 방법.
제 1 항에 있어서,
상기 드리프트 벡터는 상기 제 1 세트의 샘플들 중 2개의 샘플들 사이를 통과하고, 상기 제 1 세트의 샘플들은 양호한 샘플들로 식별되고,
상기 정정되지 않은 결함 벡터는 상기 드리프트 벡터에 제 1 시작 지점을 갖고 상기 제 2 세트의 샘플들 중 2개의 샘플들 사이에서 연장하고, 상기 제 2 세트의 샘플들은 불량한 샘플들로 식별되고, 그리고
상기 정정된 결함 벡터는 상기 드리프트 벡터에 제 2 시작 지점을 갖고 상기 제 2 세트의 샘플들 중 2개의 샘플들 사이에서 연장하는, 결함 조건을 검출하는 방법.
제 1 항에 있어서,
상기 정정된 결함 벡터는 상기 정정되지 않은 결함 벡터 마이너스 제 1 단위 벡터 곱하기 제 2 단위 벡터와 상기 드리프트 벡터의 외적과 같은, 결함 조건을 검출하는 방법.
제 23 항에 있어서,
상기 제 1 단위 벡터는 상기 드리프트 벡터에 대응하고, 그리고
상기 제 2 단위 벡터는 상기 정정되지 않은 결함 벡터에 대응하는, 결함 조건을 검출하는 방법.
제 1 항에 있어서,
상기 제 1 세트의 샘플들에 대해 상기 드리프트 벡터의 최소 자승 선형 피트 (least square linear fit) 를 수행하는 단계;
상기 최소 자승 선형 피트의 결과가 제 1 미리 결정된 값보다 작은 경우에는, 상기 드리프트 벡터를 0으로 설정하는 단계;
상기 최소 자승 선형 피트의 결과가 상기 제 1 미리 결정된 값 이상인 경우에는, (i) 상기 드리프트 벡터에 투영된 상기 제 1 세트의 샘플들 및 (ii) 대응하는 타임스탬프들에 기초하여 상관 값을 결정하는 단계;
상기 상관 값이 제 2 미리 결정된 값보다 작은 경우에는, 상기 드리프트 벡터를 0으로 설정하는 단계; 및
상기 상관 값이 상기 제 2 미리 결정된 값 이상인 경우에는 상기 드리프트 벡터를 승인하는 단계를 더 포함하는, 결함 조건을 검출하는 방법.