KR102425936B1 - 장치 진단 장치, 플라스마 처리 장치 및 장치 진단 방법 - Google Patents

장치 진단 장치, 플라스마 처리 장치 및 장치 진단 방법 Download PDF

Info

Publication number
KR102425936B1
KR102425936B1 KR1020207017597A KR20207017597A KR102425936B1 KR 102425936 B1 KR102425936 B1 KR 102425936B1 KR 1020207017597 A KR1020207017597 A KR 1020207017597A KR 20207017597 A KR20207017597 A KR 20207017597A KR 102425936 B1 KR102425936 B1 KR 102425936B1
Authority
KR
South Korea
Prior art keywords
plasma processing
probability distribution
sensor
sensors
distribution
Prior art date
Application number
KR1020207017597A
Other languages
English (en)
Other versions
KR20210015741A (ko
Inventor
쇼타 우메다
겐지 다마키
마사히로 스미야
마사키 이시구로
Original Assignee
주식회사 히타치하이테크
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 주식회사 히타치하이테크 filed Critical 주식회사 히타치하이테크
Publication of KR20210015741A publication Critical patent/KR20210015741A/ko
Application granted granted Critical
Publication of KR102425936B1 publication Critical patent/KR102425936B1/ko

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

플라스마 처리 장치의 상태를 진단하는 장치 진단 장치에 있어서, 제1 플라스마 처리 장치에 있어서의 제1 센서에 의해 취득된 제1 센서값을 이용하여 확률 분포 함수를 포함하는 사전 분포 정보를 상기 제1 센서의 각각에 대하여 미리 구하고, 상기 미리 구해진 사전 분포 정보와, 상기 제1 플라스마 처리 장치와 다른 제2 플라스마 처리 장치에 있어서의 제2 센서에 의해 취득된 제2 센서값을 기초로 상기 제1 센서의 각각에 대응하는 상기 제2 센서의 각각에 있어서의 확률 분포를 추정하고, 상기 추정된 확률 분포를 이용하여 상기 제2 플라스마 처리 장치의 상태를 진단한다.

Description

장치 진단 장치, 플라스마 처리 장치 및 장치 진단 방법
본 발명은 장치 진단 장치, 플라스마 처리 장치 및 장치 진단 방법에 관한 것이다.
플라스마 처리 장치에서는, 반도체의 웨이퍼 상에 미세 형상을 형성한다. 이 때문에, 물질을 플라스마화하고, 그 물질의 작용에 의해 웨이퍼 상의 물질을 제거하는 플라스마 처리를 행한다.
플라스마 처리 장치의 제조 시에 복수의 장치간에 사용하는 공통 부품에 개체차(장치간 차)가 있으면, 장치 개체간의 플라스마 상태의 차이가 생긴다. 이 때문에, 장치 제조 공장으로부터의 장치 출하 전의 최종 검사 시에 원인 부품을 특정하여 교환 혹은 조정하는데 장시간을 요한다는 문제가 있었다. 또한, 장치 출하 후에 반도체제조 공장에서 상정 수명 이상으로 사용한 소모 부품의 열화(劣化)가 생기면 마찬가지로 장치간 차가 생길 수 있다.
장치간 차가 생기면, 원하는 가공 품질을 얻을 수 없게 되어, 부품 교환에 의한 예기치 못한 다운타임이 생기는 등의 문제가 일어난다. 그래서, 조정의 신속화나 예기치 못한 다운타임 저감을 위해, 장치간 차를 추정한 다음에, 장치 제조 공정에의 피드백이나 부품 열화 진단을 행하는 장치 진단 기술이 요구된다.
이러한 장치 진단 기술로서, 예를 들면, 특허문헌 1이 있다. 특허문헌 1에는, 「이상(異常) 검지 장치는, 관측값을 정리한 요약값에 대하여 통계 모델링을 적용함으로써, 요약값으로부터 노이즈를 제거한 상태를 추측하고, 당해 추측에 의거하여 한 기간 앞서 요약값을 예측한 예측값을 생성한다. 이상 검지 장치는, 예측값에 의거하여, 감시 대상 장치의 이상 유무를 검지한다.」라고 기재되어 있다.
WO2018／061842호 공보
특허문헌 1에서는, 장치 진단에는 일반적으로 진단 대상 장치의 상태 센서의 측정값(센서값)의 확률 분포를 이용하기 때문에, 확률 분포 추정 기술을 요한다. 상술한 바와 같이, 플라스마 처리 장치에는 장치간 차가 생길 수 있기 때문에, 특허문헌 1의 방법에서는, 고정밀도로 이상 검지하기 위해서는, 장치마다 데이터를 대량으로 취득할 필요가 있다.
그러나, 예를 들면, 기존의 공정에 신규로 장치를 기동할 때나, 신규 공정에 적용할 때에 있어서, 센서값의 대량 취득은 곤란하기 때문에, 소량의 센서값으로 확률 분포를 추정하는 방법이 필요하다.
본 발명의 목적은, 장치 진단 장치에 있어서, 소량의 센서값으로 확률 분포를 추정하는 것에 있다.
본 발명의 일 태양의 장치 진단 장치는, 플라스마 처리 장치의 상태를 진단하는 장치 진단 장치에 있어서, 제1 플라스마 처리 장치에 있어서의 제1 센서에 의해 취득된 제1 센서값을 이용하여 확률 분포 함수를 포함하는 사전 분포 정보를 상기 제1 센서의 각각에 대하여 미리 구하고, 상기 미리 구해진 사전 분포 정보와, 상기 제1 플라스마 처리 장치와 다른 제2 플라스마 처리 장치에 있어서의 제2 센서에 의해 취득된 제2 센서값을 기초로 상기 제1 센서의 각각에 대응하는 상기 제2 센서의 각각에 있어서의 확률 분포를 추정하고, 상기 추정된 확률 분포를 이용하여 상기 제2 플라스마 처리 장치의 상태를 진단하는 것을 특징으로 한다.
본 발명의 일 태양의 장치 진단 장치는, 플라스마 처리 장치의 상태를 진단하는 장치 진단 장치에 있어서, 제1 플라스마 처리 장치에 있어서의 제1 센서에 의해 취득된 제1 센서값을 이용하여 확률 분포 함수를 포함하는 사전 분포 정보를 상기 제1 센서의 각각에 대하여 미리 구하고, 상기 미리 구해진 사전 분포 정보와, 제2 플라스마 처리 장치에 있어서의 제2 센서에 의해 취득된 제2 센서값을 기초로 상기 제1 센서의 각각에 대응하는 상기 제2 센서의 각각에 있어서의 확률 분포를 추정하고, 상기 추정된 확률 분포에 대한 우도(尤度)인 제1 우도와, 정규 분포에 대한 우도인 제2 우도를 비교하고, 상기 제1 우도가 상기 제2 우도보다 클 경우, 상기 추정된 확률 분포를 이용하여 상기 제2 플라스마 처리 장치의 상태를 진단하고, 상기 제2 우도가 상기 제1 우도보다 클 경우, 상기 정규 분포를 이용하여 상기 제2 플라스마 처리 장치의 상태를 진단하는 것을 특징으로 한다.
본 발명의 일 태양의 플라스마 처리 장치는, 시료가 플라스마 처리되는 처리실과 자(自)장치의 상태를 진단하는 장치 진단 장치를 구비하는 플라스마 처리 장치에 있어서, 상기 장치 진단 장치는, 자장치와 다른 플라스마 처리 장치에 있어서의 제1 센서에 의해 취득된 제1 센서값을 이용하여 확률 분포 함수를 포함하는 사전 분포 정보를 상기 제1 센서의 각각에 대하여 미리 구하고, 상기 미리 구해진 사전 분포 정보와, 자장치에 있어서의 제2 센서에 의해 취득된 제2 센서값을 기초로 상기 제1 센서의 각각에 대응하는 상기 제2 센서의 각각에 있어서의 확률 분포를 추정하고, 상기 추정된 확률 분포를 이용하여 상기 자장치의 상태를 진단하는 것을 특징으로 한다.
본 발명의 일 태양의 장치 진단 방법은, 플라스마 처리 장치의 상태를 진단하는 장치 진단 방법에 있어서, 제1 플라스마 처리 장치에 있어서의 제1 센서에 의해 취득된 제1 센서값을 이용하여 확률 분포 함수를 포함하는 사전 분포 정보를 상기 제1 센서의 각각에 대하여 미리 구하는 공정과, 상기 미리 구해진 사전 분포 정보와, 제2 플라스마 처리 장치에 있어서의 제2 센서에 의해 취득된 제2 센서값을 기초로 상기 제1 센서의 각각에 대응하는 상기 제2 센서의 각각에 있어서의 확률 분포를 추정하는 공정과, 상기 추정된 확률 분포를 이용하여 상기 제2 플라스마 처리 장치의 상태를 진단하는 공정을 갖는 것을 특징으로 한다.
본 발명의 일 태양에 따르면, 장치 진단 장치에 있어서, 소량의 센서값으로 확률 분포를 추정할 수 있다.
도 1은 실시예의 플라스마 처리 장치의 장치 진단 장치의 구성도.
도 2는 플라스마 처리 장치의 센서값 기억부에 저장하는 데이터의 예를 나타내는 도면.
도 3은 장치군 A의 센서값을 이용한 장치 진단 장치의 공통부의 처리를 나타내는 플로우 차트.
도 4는 장치 진단 장치의 사전 분포 기억부에 저장하는 데이터의 예를 나타내는 도면.
도 5는 장치 진단 장치의 개별 제어부의 처리를 나타내는 플로우 차트.
도 6a는 확률 분포 결정 전에 있어서의 장치 진단 장치의 확률 분포 기억부에 저장하는 데이터의 예를 나타내는 도면.
도 6b는 확률 분포 결정 후에 있어서의 장치 진단 장치의 확률 분포 기억부에 저장하는 데이터의 예를 나타내는 도면.
도 7은 장치 진단 장치의 장치 진단값 기억부에 저장하는 데이터의 예를 나타내는 도면.
도 8은 장치 진단 결과의 표시 화면의 예를 나타내는 도면.
도 9는 확률 분포 추정 결과의 표시 화면의 예를 나타내는 도면.
도 10은 실시예의 플라스마 처리 장치의 구성도.
이하, 실시예에 대해서, 도면을 참조하면서 설명한다. 또, 실시예를 설명하기 위한 전체 도면에 있어서, 동일부에는 원칙적으로 동일 부호를 부여하고, 그 반복되는 설명은 생략한다.
(1) 플라스마 처리 장치
도 1을 참조하여, 플라스마 처리 장치(1)의 구성에 대해서 설명한다.
도 1에 나타내는 바와 같이, 플라스마 처리 장치(1)는, 처리부(10)와 기억부(11)를 갖는다. 처리부(10)는 설정한 가공 조건에 따라, 처리실(104)의 내부에 플라스마(101)를 발생시켜 웨이퍼(시료(102))를 가공한다.
기억부(11)는, 센서값 기억부(12)와 관리값 기억부(13)를 갖는다. 센서값 기억부(12)는, 웨이퍼 가공 중에 장치의 센서(103)의 측정값을 시계열 데이터로서 설정한 가공 스텝마다 기억한다. 예를 들면, 센서(103)는, 상태 센서군을 구성하여 온도나 압력을 측정한다.
또한, 센서값 기억부(12)는, 장치 진단에 있어서 사용하기 위해, 시계열 데이터로부터 주요한 통계값(예를 들면, 평균값이나 표준편차)을 산출하여 기억한다. 본 실시예에 있어서는, 본 통계값을 센서값으로 하여 이후 사용한다.
도 2를 참조하여, 센서값 기억부(12)에 저장하는 데이터의 예에 대해서 설명한다.
도 2에서는, 통계값으로서 평균값을 이용하고 있다. 센서값의 각 열은 센서의 종류에 대응하고, 각 행은 웨이퍼 1매 1매에 대응하고 있다. 센서값과 함께, 장치 ID나 가공 스텝 ID, 가공 조건 ID, 웨이퍼 ID 등의 정보도 저장되어 있다. 장치 ID는, 가공을 행한 플라스마 처리 장치(1)를 특정하는 정보이다. 가공 스텝 ID, 가공 조건 ID는 각각 가공 스텝, 가공 조건을 특정하는 정보이며, 감시 대상의 지정에 이용한다. 웨이퍼 ID에는, 가공한 웨이퍼를 특정하는 정보를 저장한다. 관리값 기억부(13)는, 가공 일시나 가공 조건 등의 관리값을 기억한다.
(2) 장치 진단 장치
도 1을 참조하여, 장치 진단 장치(2)의 구성에 대해서 설명한다.
도 1에 나타내는 바와 같이, 장치 진단 장치(2)는, 공통부(20)와 개별 제어부(23)와 기억부(26)를 갖는 계산기이다. 장치 진단 장치(2)와 플라스마 처리 장치(1)의 장치군(3)은 네트워크를 통해 접속되어 있으며, 상호 테이터 통신이 가능하다.
본 실시예에 있어서는, 장치군(3)은, 센서값이 다량으로 축적된 기존의 장치군 A와, 장치 기동 등의 이유로 센서값이 다량으로 축적되어 있지 않고 장치 진단 대상인 장치군 B로 나누어 기재하고 있다.
기준이 되는 플라스마 처리 장치(1)가 있으면 반드시 장치군 A는 복수의 플라스마 처리 장치(1)를 가질 필요는 없다. 또한, 진단 대상인 장치군 B도 반드시 복수의 플라스마 처리 장치(1)를 가질 필요는 없다. 또한, 장치군 A와 장치군 B에서 중복되는 플라스마 처리 장치가 있는 구성으로 해도 된다.
공통부(20)는, 공통 분포 함수 선택부(21)와 사전 분포 설정부(22)를 갖고, 장치군 B의 장치 진단을 실시하기 전에 미리, 장치군 A에 축적된 센서값으로부터 센서마다 사전 분포 정보를 추출하여 기억부(26)가 갖는 사전 분포 기억부(27)에 기억하는 처리를 행한다. 공통부(20)의 처리 내용의 예에 대해서는, 후술하는 (3) 공통부의 처리에 있어서 설명한다.
개별 제어부(23)는, 확률 분포 추정부(24)와 장치 상태 진단부(25)를 갖는다. 확률 분포 추정부(24)가, 장치 상태 진단 시에 취득한 장치군 B의 개개의 플라스마 처리 장치의 센서값과 추출이 끝난 사전 분포 정보로부터 각 센서(103)가 따르는 확률 분포를 사후 분포로서 추정하고, 확률 분포 기억부(28)에 기억한다.
그리고, 추정한 센서값의 확률 분포를 기초로, 장치 상태 진단부(25)가 장치간 차 등의 장치 상태값을 산출하고, 장치 진단값 기억부(29)에 기억한다. 개별 처리부(23)의 처리 내용의 예에 대해서는, 후술하는 (4) 개별 처리부의 처리에 있어서 설명한다.
장치군(3)과 장치 진단 장치(2)에는 출력부(40)와 입력부(41)가 접속되어 있다. 출력부(40)는, 예를 들면 디스플레이나 프린터 등이며, 기억부(26)의 정보를 기초로 유저에 대하여 그래피컬하게 정보를 출력하는 장치이다. 표시예에 대해서는, 후술하는 (5) 출력부에 의한 표시예에 있어서 설명한다. 입력부(41)는, 예를 들면, 마우스나 키보드 등의, 유저의 조작에 의한 정보 입력을 접수하는 입력 장치이다.
(3) 공통부의 처리
도 3을 참조하여, 장치 진단 장치(2)의 공통부(20)에서 행해지는 장치군 A의 센서값을 이용하여 사전 분포를 설정하는 처리의 예에 대해서 설명한다.
공통부(20)의 처리를 실행하기 전에는, 미리 장치군 A의 각 플라스마 처리 장치(1)에 있어서, 감시 대상의 가공 스텝에 있어서의 플라스마 처리 중의 이력인 센서값을 센서값 기억부(12)에 저장해 둔다.
감시 대상의 가공 스텝으로서, 복수의 공정에서 공통으로 행하는 처리부(10)의 상태를 갖추기 위한 플라스마 처리(예를 들면, 에이징 처리나 클리닝 처리)를 지정한다. 장치군 A의 센서값 기억부(12)로부터, 지정한 가공 스텝 ID의 센서값을 취득한다(S101).
이와 같이 복수의 공정에서 공통으로 행하는 플라스마 처리의 센서값을 이용함으로써, 예를 들면 장치군 B가 신규 공정에의 적용 시에도, 장치군 A가 축적한 센서값을 사전 분포의 설정에 이용할 수 있다.
다음으로, 사전 분포 설정부(22)는, 각 센서(103), 각 확률 분포 함수 후보에 대하여 S103∼S104의 처리를 실행한다. 여기에서, 확률 분포 함수 후보란, 플라스마 처리 장치(1)의 각 센서(103)가 따를 수 있는 확률 분포 함수를 미리 후보로서 설정한 것이다. 예를 들면, 정규 분포, 비정규 분포, 혼합 정규 분포, 코시 분포 등을 확률 분포 함수 후보로서 설정해 둔다(S102).
사전 분포 설정부(22)는, 당해 센서(103)의 센서값에 대하여 당해 확률 분포 함수 후보의 확률 분포 파라미터를 추정한다. 확률 분포 파라미터는, 예를 들면 정규 분포이면 평균값과 표준편차에 상당하는 값이며, 확률 분포 함수마다 서로 다른 종류를 갖는다. 확률 분포 파라미터의 추정에는, 예를 들면, 마르코프 연쇄 몬테카를로법(Markov Chain Monte Carlo method, MCMC법)을 이용한다. MCMC법은, 확률 분포 파라미터를 확률 변수로 간주한 다음에, 확률 분포 파라미터의 사후 분포에 비례하는 확률 분포 파라미터의 사전 분포와 우도의 곱으로부터 난수(亂數) 샘플을 대량으로 발생시켜 확률 분포 파라미터의 사후 분포를 추정하는 방법이다(S103).
추정한 확률 분포 파라미터는 확률 분포로서 얻어지지만, 예를 들면 사후 확률이 최대가 되는 값으로부터 일의(一意)로 값을 정한다. 이때의 확률 분포를 이용하여, 사전 분포 설정부(22)는 얻어져 있는 장치군 A의 센서값에 대한 들어맞음의 정도인 대수(對數) 우도를 산출한다(S104).
마지막으로, 공통 분포 함수 선택부(21)는, 각 센서(103)에 대하여, 장치군 A에서 공통되는 확률 분포 함수로서, 대수 우도가 최대가 된 확률 분포 함수를 확률 분포 함수 후보 중에서 선택한다. 또한, 선택한 확률 분포 함수에 관한 확률 분포 파라미터의 추정값을, 장치군 B의 센서값의 확률 분포를 추정할 때의 사전 분포로서 사전 분포 기억부(27)에 저장한다. 또한, 정규 분포에 관한 확률 분포 파라미터의 추정값도 대수 우도가 최대가 된 확률 분포 함수와 함께 사전 분포 기억부(27)에 저장한다(S105).
도 4를 참조하여, 사전 분포 기억부(27)에 저장하는 데이터의 예에 대해서 설명한다.
도 4에 나타내는 바와 같이, 센서마다 사전 분포의 정보를 저장하는 형태로 되어 있다. 확률 분포 함수의 행은, 도 3의 S105에서 선택한 확률 분포 함수의 명칭을 저장한다. 확률 분포 파라미터의 행은, 도 3의 S103에서 추정한 확률 분포 파라미터의 사후 분포를 이용하여 설정한 각 확률 분포 파라미터의 사전 분포를 저장한다. 예로서, 사후 분포의 평균과 표준편차를 갖는 정규 분포를 각 확률 분포 파라미터의 사전 분포로서 설정하고 있다. 대수 우도의 행은, 도 3의 S104에서 산출한 대수 우도를 저장하고 있다.
이와 같이, 장치군 A의 센서값을 이용하여 장치군에서 공통성이 최대인 확률 분포 함수를 사전 분포 정보로 함으로써, 장치군 B에 대해서도 공통으로 사용할 수 있는 사전 분포를 추출할 수 있고, 비정규 분포여도 소량의 센서값에서의 확률 분포 추정을 가능하게 한다.
(4) 개별 제어부의 처리
도 5를 참조하여, 장치 진단 장치(2)의 개별 제어부(23)에서 행해지는 확률 분포의 추정과 장치 진단의 처리의 예에 대해서 설명한다.
장치군 B의 진단 대상으로 하는 플라스마 처리 장치(1)의 센서값 기억부(12)로부터, 도 3의 S101에서 지정한 가공 스텝 ID의 센서값을 취득한다(S201).
확률 분포 추정부(24)는, 취득한 센서값의 각 센서에 대하여, S203∼S205의 처리를 실행한다(S202).
우선, 사전 분포 기억부(27)로부터 당해 센서에 대응하는 사전 분포 정보를 취득한다(S203).
다음으로, 취득한 사전 분포 정보를 사전 분포로서 설정한 다음에, 취득한 센서값을 이용하여 MCMC법에 의해, 확률 분포 파라미터의 사후 분포를 추정한다. 추정한 확률 분포 파라미터를 이용하여, 도 3의 S104와 마찬가지로 센서값에 대한 대수 우도를 산출한다. 본 처리는, 도 3의 S105에서 선택한 확률 분포 함수의 경우와, 정규 분포의 경우 양쪽에 대하여 실시한다(S204).
다음으로, 도 3의 S105에서 선택한 확률 분포 함수에서 추정한 확률 분포와 정규 분포에서 추정한 확률 분포에서 대수 우도를 비교하고, 대수 우도가 큰 확률 분포를 당해 센서에 대한 추정 결과로 하고, 확률 분포 기억부(28)에 저장한다(S205).
이와 같이, 장치군 B의 센서값도 함께 확률 분포 함수를 결정함으로써 추정 결과의 로버스트성을 높일 수 있다.
도 6a 및 도 6b를 참조하여, 각 센서의 확률 분포 결정 전후에 있어서의 확률 분포 기억부(28)에 저장하는 데이터의 예에 대해서 설명한다.
도 6a 및 도 6b에 나타내는 바와 같이, 센서명의 각 열에 나타내는 센서마다 확률 분포 정보를 저장한다. 저장하는 확률 분포 정보는, 도 4와 마찬가지로, 확률 분포 함수와 확률 분포 파라미터 및 대수 우도이다.
확률 분포 파라미터는 도 4와 마찬가지로 추정한 사후 분포를 저장하는 것으로 해도 되고, 도 6a와 도 6b와 같이 예를 들면 사후 확률이 최대가 되는 값과 같이 일의로 정해지는 값을 저장해도 된다. 도 6a의 각 센서에 있어서의 정규 분포를 포함하는 두 개의 확률 분포 함수 중, 대수 우도가 큰 확률 분포를 결정한 후가 도 6b에 상당한다.
마지막으로, 확률 분포 기억부(28)에 저장한 데이터를 이용하여 장치 진단값을 산출한다(S206). 예를 들면, 장치간 차를 장치 진단값으로서 산출할 경우에는, 우선, 기준이 되는 플라스마 처리 장치(1)와 진단 대상의 플라스마 처리 장치(1)의 확률 분포 정보를 확률 분포 기억부(28)로부터 취득한다. 취득한 확률 분포간의 거리를 장치간 차 진단값으로서 장치 상태 진단값 기억부(29)에 저장한다. 확률 분포간의 거리 지표로서는, Kullback-Leibler 다이버전스나 Jensen-Shannon 다이버전스 등을 이용한다.
도 7을 참조하여, 장치간 차를 장치 진단값으로서 산출할 경우에 있어서의, 장치 진단값 기억부(29)에 저장하는 데이터의 예에 대해서 설명한다.
도 7에 나타내는 바와 같이, 장치 ID 행에는, 비교하는 2대의 플라스마 처리 장치(1)를 특정하는 ID를 저장한다. 장치간 차 진단값 행에, 센서마다 산출한 장치간 차 진단값을 저장한다.
(5) 출력부에 의한 표시예
출력부(40)는, 기억부(11)나 기억부(26)에 저장된 정보를 이용하여, 장치 상태의 진단 결과나 확률 분포의 추정 결과를 표시한다.
도 8을 참조하여, 장치간 차 진단 결과의 표시 화면 D100의 예에 대해서 설명한다.
도 8에 나타내는 바와 같이, D102에 주목하는 장치 ID를 입력한다. 이에 따라, 장치 상태값 기억부(29)에 저장된 해당하는 장치 ID의 장치간 차 진단값을 취득하고, D104와 같이, 센서마다 그래프로 표시한다. 이 결과, 기준이 되는 플라스마 처리 장치(1)와의 장치간 차가 큰 센서를 판단할 수 있고, 조정 등에 이용할 수 있다.
센서(103)는 통상, 측정 대상 부품이나 측정 대상 항목 등에 의해 복수의 군으로 분류할 수 있다. 센서군으로서 미리 등록해 두고, D103과 같이, 센서군에 속하는 각 센서의 장치간 차 진단값을 적산하고, 센서군마다 장치간 차 진단값을 표시한다. 이렇게 함으로써, 조정 대상의 부품이 명확해진다.
전(全) 센서의 장치간 차 진단값을 적산함으로써, D101과 같이, 플라스마 처리 장치(1)마다의 비교도 표시한다.
도 9를 참조하여, 센서값의 분포와 확률 분포 기억부(28)에 저장된 확률 분포의 추정 결과를 확인하는 화면 D105의 예에 대해서 설명한다.
도 9에 나타내는 바와 같이, 장치 ID나 센서명을 입력하고, 확인하는 대상을 결정한 후, 그래프를 표시한다. 복수의 장치 ID를 입력함으로써, 비교 표시할 수 있다. 히스토그램이 센서값 기억부(12)에 저장된 센서값의 측정값의 히스토그램이며, 실선이 확률 분포 기억부(28)에 저장된 확률 분포 추정 결과이다.
예를 들면, 도 9에서는 장치 ID가 C1, C4인 장치의 센서명 X2의 센서값의 히스토그램과 확률 분포의 추정 결과를 표시하고 있다. 이에 따라, 사용자는 추정된 확률 분포가 타당한 것인지의 여부를 확인할 수 있다. 또한, 예를 들면, 비교하는 두 개의 확률 분포가 평행 이동하고 있을 경우이면 센서(103)의 초기화를 검토하는 등, 장치 진단 결과에 대한 대책을 고안하는 것에 활용할 수 있다.
이와 같이, 도 8 및 도 9에 나타내는 바와 같이, 출력부(40)는, 플라스마 처리 장치(1)의 상태의 진단값으로서 확률 분포의 플라스마 처리 장치간 차를 출력함과 함께 확률 분포의 경시적(經時的)인 추이폭도 출력한다.
상기 실시예에 따르면, 플라스마 처리 장치에 있어서, 예를 들면 장치 기동 시나 신규 공정에의 적용 시나 출하 전의 조정 시에, 진단 대상 장치의 센서값이 다량으로 취득되어 있지 않을 경우에 있어서도, 기존의 장치군에서 공통되는 사전 분포 정보를 추출한 다음에, 진단 대상의 장치에서 신규로 취득한 센서값과 함께 비정규 분포를 포함한 확률 분포를 추정함으로서 장치 진단을 가능하게 한다.
이상, 실시예에 대해서 설명했지만, 본 발명은 상기 실시예에 한정되는 것이 아니고, 그 요지를 일탈하지 않는 범위에서 각종 변경 가능하다.
예를 들면, 도 1에서는, 장치 진단 장치(2)와 플라스마 처리 장치(1)가 네트워크를 통해 접속된 구성을 나타냈지만, 본 발명은 상기 구성에 한정되지 않고, 도 10에 나타내는 바와 같이, 플라스마 처리 장치(1)가 장치 진단 장치(2)를 구비하는 구성이어도 된다. 이 경우, 플라스마 처리 장치(1)는, 시료(102)가 플라스마 처리되는 처리실(104)과 자장치의 상태를 진단하는 장치 진단 장치(2)를 구비한다.
도 10에 나타내는 바와 같이, 플라스마 처리 장치(1)는, 도 1에 나타내는 처리부(10)와 기억부(11)를 갖는다. 처리부(10)는 설정한 가공 조건에 따라, 처리실(104)의 내부에 플라스마(101)를 발생시켜 웨이퍼(시료(102))를 가공한다.
또한, 장치 진단 장치(2)는, 도 1에 나타내는 구성과 마찬가지로, 공통부(20)와 개별 제어부(23)와 기억부(26)를 갖는다.
1: 플라스마 처리 장치 2: 장치 진단 장치
3: 장치군 10: 처리부
11: 기억부 12: 센서값 기억부
13: 관리값 기억부 20: 공통부
21: 공통 분포 함수 선택부 22: 사전 분포 설정부
23: 개별 제어부 24: 확률 분포 추정부
25: 장치 상태 진단부 26: 기억부
27: 사전 분포 기억부 28: 확률 분포 기억부
29: 장치 진단값 기억부 40: 출력부
41: 입력부

Claims (8)

  1. 플라스마 처리 장치의 상태를 진단하는 장치 진단 장치에 있어서,
    제1 플라스마 처리 장치에 있어서의 제1 센서에 의해 취득된 제1 센서값을 이용하여 확률 분포 함수를 포함하는 사전 분포 정보를 상기 제1 센서의 각각에 대하여 미리 구하고, 상기 미리 구해진 사전 분포 정보와, 상기 제1 플라스마 처리 장치와 다른 제2 플라스마 처리 장치에 있어서의 제2 센서에 의해 취득된 제2 센서값을 기초로 상기 제1 센서의 각각에 대응하는 상기 제2 센서의 각각에 있어서의 확률 분포를 추정하고, 상기 추정된 확률 분포를 이용하여 상기 제2 플라스마 처리 장치의 상태를 진단하는 것을 특징으로 하는 장치 진단 장치.
  2. 제1항에 있어서,
    상기 제1 플라스마 처리 장치는, 복수이며,
    상기 제1 센서의 각각에 있어서의 미리 구해진 확률 분포 함수는, 상기 제1 플라스마 처리 장치의 각각에 대하여 구해진 확률 분포 함수 중에서 가장 많은 상기 제1 플라스마 처리 장치에 대하여 구해진 확률 분포 함수인 것을 특징으로 하는 장치 진단 장치.
  3. 제2항에 있어서,
    상기 제1 센서의 각각에 있어서의 미리 구해진 확률 분포 함수는, 확률 분포 함수의 후보 중에서 우도(尤度)를 기초로 선택되는 것을 특징으로 하는 장치 진단 장치.
  4. 플라스마 처리 장치의 상태를 진단하는 장치 진단 장치에 있어서,
    제1 플라스마 처리 장치에 있어서의 제1 센서에 의해 취득된 제1 센서값을 이용하여 확률 분포 함수를 포함하는 사전 분포 정보를 상기 제1 센서의 각각에 대하여 미리 구하고, 상기 미리 구해진 사전 분포 정보와, 제2 플라스마 처리 장치에 있어서의 제2 센서에 의해 취득된 제2 센서값을 기초로 상기 제1 센서의 각각에 대응하는 상기 제2 센서의 각각에 있어서의 확률 분포를 추정하고, 상기 추정된 확률 분포에 대한 우도인 제1 우도와, 정규 분포에 대한 우도인 제2 우도를 비교하고,
    상기 제1 우도가 상기 제2 우도보다 클 경우, 상기 추정된 확률 분포를 이용하여 상기 제2 플라스마 처리 장치의 상태를 진단하고,
    상기 제2 우도가 상기 제1 우도보다 클 경우, 상기 정규 분포를 이용하여 상기 제2 플라스마 처리 장치의 상태를 진단하는 것을 특징으로 하는 장치 진단 장치.
  5. 제1항에 있어서,
    상기 확률 분포는, 마르코프 연쇄 몬테카를로법을 이용하여 추정되는 것을 특징으로 하는 장치 진단 장치.
  6. 제1항에 있어서,
    상기 제2 플라스마 처리 장치의 상태의 진단값으로서 상기 확률 분포의 플라스마 처리 장치간 차를 출력함과 함께 상기 확률 분포의 경시적(經時的)인 추이폭도 출력하는 것을 특징으로 하는 장치 진단 장치.
  7. 시료가 플라스마 처리되는 처리실과 자(自)장치의 상태를 진단하는 장치 진단 장치를 구비하는 플라스마 처리 장치에 있어서,
    상기 장치 진단 장치는, 자장치와 다른 플라스마 처리 장치에 있어서의 제1 센서에 의해 취득된 제1 센서값을 이용하여 확률 분포 함수를 포함하는 사전 분포 정보를 상기 제1 센서의 각각에 대하여 미리 구하고, 상기 미리 구해진 사전 분포 정보와, 자장치에 있어서의 제2 센서에 의해 취득된 제2 센서값을 기초로 상기 제1 센서의 각각에 대응하는 상기 제2 센서의 각각에 있어서의 확률 분포를 추정하고, 상기 추정된 확률 분포를 이용하여 상기 자장치의 상태를 진단하는 것을 특징으로 하는 플라스마 처리 장치.
  8. 플라스마 처리 장치의 상태를 진단하는 장치 진단 방법에 있어서,
    제1 플라스마 처리 장치에 있어서의 제1 센서에 의해 취득된 제1 센서값을 이용하여 확률 분포 함수를 포함하는 사전 분포 정보를 상기 제1 센서의 각각에 대하여 미리 구하는 공정과,
    상기 미리 구해진 사전 분포 정보와, 제2 플라스마 처리 장치에 있어서의 제2 센서에 의해 취득된 제2 센서값을 기초로 상기 제1 센서의 각각에 대응하는 상기 제2 센서의 각각에 있어서의 확률 분포를 추정하는 공정과,
    상기 추정된 확률 분포를 이용하여 상기 제2 플라스마 처리 장치의 상태를 진단하는 공정을 갖는 것을 특징으로 하는 장치 진단 방법.
KR1020207017597A 2019-07-30 2019-07-30 장치 진단 장치, 플라스마 처리 장치 및 장치 진단 방법 KR102425936B1 (ko)

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
KR20210015741A KR20210015741A (ko) 2021-02-10
KR102425936B1 true KR102425936B1 (ko) 2022-07-28

Family

ID=71736287

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020207017597A KR102425936B1 (ko) 2019-07-30 2019-07-30 장치 진단 장치, 플라스마 처리 장치 및 장치 진단 방법

Country Status (6)

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

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 (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Family Cites Families (28)

* 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
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
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
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
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
JP5740246B2 (ja) * 2011-08-15 2015-06-24 株式会社日立ハイテクノロジーズ プラズマ処理装置およびプラズマ処理方法
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
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

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Also Published As

Publication number Publication date
CN112585727B (zh) 2023-09-29
JP6841980B2 (ja) 2021-03-10
WO2020152889A1 (ja) 2020-07-30
TWI738411B (zh) 2021-09-01
JPWO2020152889A1 (ja) 2021-02-18
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
KR102425936B1 (ko) 장치 진단 장치, 플라스마 처리 장치 및 장치 진단 방법
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
US7809450B2 (en) Self-correcting multivariate analysis for use in monitoring dynamic parameters in process environments
US20180284739A1 (en) Quality control apparatus, quality control method, and quality control program
KR102120522B1 (ko) 대표 타겟 부분집합의 선택 및 이용
CN107408522B (zh) 使用高维变量选择模型确定关键参数
JP2012532425A (ja) プラズマ処理システムにおける障害の自動的な検出及び分類、並びにその方法
KR20120047871A (ko) 플라즈마 챔버의 자격을 위한 에칭 레이트 균일성을 예측하는 방법 및 장치
JP2013073414A (ja) プラントのセンサ診断装置およびセンサ診断方法
US20190196458A1 (en) Method for selecting leading associated parameter and method for combining critical parameter and leading associated parameter for equipment prognostics and health management
WO2020166236A1 (ja) 作業効率評価方法、作業効率評価装置、及びプログラム
CN112000081A (zh) 基于多块信息提取和马氏距离的故障监测方法及系统
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
JP7188949B2 (ja) データ処理方法およびデータ処理プログラム
US8682058B2 (en) Defect analysis method, apparatus, and recording medium using pattern dependence degree
JP7354421B2 (ja) エラー要因の推定装置及び推定方法
JP7188950B2 (ja) データ処理方法およびデータ処理プログラム
KR101977214B1 (ko) 이상치 탐지 방법, 이를 이용하는 장치 및 시스템
KR101945131B1 (ko) 비정규분포 공정에서의 극소불량률 관리 방법 및 장치
KR101650887B1 (ko) 반도체 제조 공정에서 통계적 방법을 이용하여, 가스 누출을 감지하는 방법 장치
KR101482758B1 (ko) 문제 검출 방법
JP7430271B2 (ja) エラー要因の推定装置及び推定方法
JP7127477B2 (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
Hajiyev Innovation approach based measurement error self-correction in dynamic systems
JP2017130025A (ja) 要因分析装置、方法およびプログラム

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right