KR20050010021A - Processing device multivariate analysis model creation method, processing device multivariate analysis method, processing device control device, processing device control system - Google Patents

Processing device multivariate analysis model creation method, processing device multivariate analysis method, processing device control device, processing device control system Download PDF

Info

Publication number
KR20050010021A
KR20050010021A KR10-2004-7019644A KR20047019644A KR20050010021A KR 20050010021 A KR20050010021 A KR 20050010021A KR 20047019644 A KR20047019644 A KR 20047019644A KR 20050010021 A KR20050010021 A KR 20050010021A
Authority
KR
South Korea
Prior art keywords
processing apparatus
setting data
multivariate analysis
correlation
processing
Prior art date
Application number
KR10-2004-7019644A
Other languages
Korean (ko)
Other versions
KR100628392B1 (en
Inventor
도모야스마사유키
오힌
다나카히데키
Original Assignee
동경 엘렉트론 주식회사
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 동경 엘렉트론 주식회사 filed Critical 동경 엘렉트론 주식회사
Publication of KR20050010021A publication Critical patent/KR20050010021A/en
Application granted granted Critical
Publication of KR100628392B1 publication Critical patent/KR100628392B1/en

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
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having at least one potential-jump barrier or surface barrier, e.g. PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having at least one potential-jump barrier or surface barrier, e.g. PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic System or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/302—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to change their surface-physical characteristics or shape, e.g. etching, polishing, cutting
    • H01L21/306—Chemical or electrical treatment, e.g. electrolytic etching
    • H01L21/3065—Plasma etching; Reactive-ion etching
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32917—Plasma diagnostics
    • H01J37/32935—Monitoring and controlling tubes by information coming from the object and/or discharge

Abstract

본 발명에서는, 예를 들면 기준으로 하는 플라즈마 처리 장치(100A)와 이것과 동종의 플라즈마 처리 장치(100B)에 대해서 제 1 설정 데이터에 의해 동작했을 때에 각각의 복수의 센서로부터 검출되는 검출 데이터를 각각 다변량 해석하여 각각의 다변량 해석 모델식을 작성한 후, 새로운 제 2 설정 데이터에 의해 동작했을 때에 플라즈마 처리 장치(100A)의 복수의 센서로부터 검출되는 검출 데이터를 이용하여 그 다변량 해석 모델식을 작성하고, 이 새로운 제 2 설정 데이터의 플라즈마 처리 장치(100A)의 다변량 해석 모델식과 플라즈마 처리 장치(100B)의 다변량 해석 모델식을 이용하여 새로운 제 2 설정 데이터에 대응하는 플라즈마 처리 장치(100B)의 다변량 해석 모델식을 작성한다. 이에 의하면, 예를 들면 처리 장치마다 프로세스 특성에 차가 있는 경우이더라도, 하나의 처리 장치에 대해서 작성한 모델식을 동종의 다른 처리 장치에 그대로 적용할 수 있어, 처리 장치마다 여러 가지의 측정 데이터를 취해서 그 때마다 모델식을 작성하지 않더라도 완료된다. 이에 의해, 모델식 작성시의 수고와 시간을 경감할 수 있다.In the present invention, for example, the detection data detected from each of the plurality of sensors when the plasma processing apparatus 100A and the plasma processing apparatus 100B of the same type are operated by the first setting data are used. After multivariate analysis to create each multivariate analysis model equation, the multivariate analysis model equation is created using detection data detected from a plurality of sensors of the plasma processing apparatus 100A when operated by the new second set data. The multivariate analysis model of the plasma processing apparatus 100B corresponding to the new second set data using the multivariate analysis model formula of the plasma processing apparatus 100A and the multivariate analysis model formula of the plasma processing apparatus 100B of the new second set data. Write an expression. According to this, for example, even if there is a difference in process characteristics for each processing apparatus, the model formula created for one processing apparatus can be applied to other processing apparatuses of the same type as it is, and various measurement data are taken for each processing apparatus and the This is done even if you do not write a model expression each time. Thereby, the effort and time at the time of model formula preparation can be reduced.

Description

처리 장치의 다변량 해석 모델식 작성 방법, 처리 장치용의 다변량 해석 방법, 처리 장치의 제어 장치, 처리 장치의 제어 시스템{PROCESSING DEVICE MULTIVARIATE ANALYSIS MODEL CREATION METHOD, PROCESSING DEVICE MULTIVARIATE ANALYSIS METHOD, PROCESSING DEVICE CONTROL DEVICE, PROCESSING DEVICE CONTROL SYSTEM}PROCESSING DEVICE MULTIVARIATE ANALYSIS MODEL CREATION METHOD, PROCESSING DEVICE MULTIVARIATE ANALYSIS METHOD, PROCESSING DEVICE CONTROL DEVICE, PROCESSING DEVICE, PROCESSING DEVICE DEVICE CONTROL SYSTEM}

반도체 제조 공정에서는 여러 가지의 처리 장치가 이용되고 있다. 반도체 웨이퍼나 유리 기판 등의 피처리체의 성막 공정이나 에칭 공정에서는 플라즈마 처리 장치 등의 처리 장치가 널리 사용되고 있다. 각각의 처리 장치는 각각 피처리체에 대한 고유의 프로세스 특성을 갖고 있다. 그 때문에, 장치마다의 프로세스 특성을 모니터하고, 또는 프로세스 특성을 예측하는 등하여 웨이퍼의 최적 처리를 실행하고 있다.Various processing apparatuses are used in the semiconductor manufacturing process. BACKGROUND OF THE INVENTION In a film forming step and an etching step of a target object such as a semiconductor wafer or a glass substrate, a processing device such as a plasma processing device is widely used. Each processing device has its own process characteristics for the target object. Therefore, the optimum processing of the wafer is executed by monitoring the process characteristics for each device or predicting the process characteristics.

예를 들면, 일본 특허 공개 평성 제6-132251호 공보에는 플라즈마 에칭 장치의 에칭 모니터에 대해서 제안되어 있다. 이 경우에는, 미리 에칭의 처리 결과(균일성, 치수 정밀도, 형상이나 하지막과의 선택성 등)와 플라즈마의 분광 분석 결과나 프로세스 조건(압력, 가스 유량, 바이어스 전압 등)의 변동 상황 등과의 관계를 조사하여 이들을 데이터베이스로서 기억해 놓는 것에 의해, 웨이퍼를 직접 검사하는 일 없이 처리 결과를 간접적으로 모니터할 수 있다. 모니터한 처리 결과가 검사 조건에 대하여 불합격인 경우에는, 그 정보를 에칭 장치에 보내어 처리 조건을 수정하며, 또는 처리를 중지하고, 또한, 관리자에게 그 취지를 통보한다.For example, Japanese Unexamined Patent Application Publication No. 6-132251 proposes an etching monitor of a plasma etching apparatus. In this case, the relationship between the etching process result (uniformity, dimensional accuracy, shape or selectivity with the underlying film), the plasma spectroscopic analysis, or the variation of the process conditions (pressure, gas flow rate, bias voltage, etc.) in advance By investigating and storing these as a database, it is possible to indirectly monitor the processing results without directly inspecting the wafer. If the result of the monitored process fails the inspection condition, the information is sent to the etching apparatus to correct the processing condition, or the processing is stopped, and the manager is notified of the effect.

또한, 일본 특허 공개 평성 제10-125660호 공보에는 플라즈마 처리 장치의 프로세스 모니터 방법에 대해서 제안되어 있다. 이 경우에는, 처리 전에 시용 웨이퍼를 이용하여 플라즈마 상태를 반영하는 전기적 신호와 플라즈마 처리 특성을 관련시키는 모델식을 작성하고, 실웨이퍼를 처리할 때에 얻어지는 전기적 신호의 검출값을 모델식에 대입해서 플라즈마 상태를 예측하여 진단하고 있다.In addition, Japanese Patent Application Laid-Open No. 10-125660 proposes a process monitoring method of a plasma processing apparatus. In this case, a model equation relating the plasma processing characteristics to the electrical signal reflecting the plasma state is prepared by using the test wafer before processing, and the plasma detected by substituting the detected value of the electrical signal obtained when the seal wafer is processed into the model equation. The condition is predicted and diagnosed.

또한, 일본 특허 공개 평성 제11-87323호 공보에는 반도체 웨이퍼 처리 시스템의 복수의 파라미터를 이용하여 프로세스를 감시하는 방법 및 장치에 대해서 제안되어 있다. 이 경우에는, 복수의 프로세스 파라미터를 분석하여, 이들 파라미터를 통계적으로 상관시켜 프로세스 특성이나 시스템 특성의 변화를 검출한다. 복수의 프로세스 파라미터로서는 발광, 환경 파라미터(반응 챔버내의 압력이나 온도 등), RF 파워 파라미터(반사 파워, 동조 전압 등), 시스템 파라미터(특정한 시스템 구성이나 제어 전압)가 이용되고 있다.In addition, Japanese Patent Application Laid-Open No. 11-87323 proposes a method and apparatus for monitoring a process using a plurality of parameters of a semiconductor wafer processing system. In this case, a plurality of process parameters are analyzed, and these parameters are statistically correlated to detect changes in process characteristics or system characteristics. As a plurality of process parameters, light emission, environmental parameters (pressure and temperature in the reaction chamber, etc.), RF power parameters (reflected power, tuning voltage, etc.) and system parameters (specific system configuration and control voltage) are used.

그러나, 종래 기술의 경우에는 여러 가지의 측정 데이터를 다변량 해석 등의통계적 수법에 의해 해석하여 모델식을 작성하고, 이 모델식을 이용하여 처리 장치의 상태나 프로세스 특성을 파악해서 감시하고 있기 때문에, 예를 들면 각 처리 장치에 부설된 센서간의 개체차 등, 처리 장치마다 프로세스 특성에 차가 있는 경우에는, 하나의 처리 장치에 대해서 모델식을 작성하더라도 이 모델식을 동종의 다른 처리 장치에 그대로 적용할 수 없어, 처리 장치마다 여러 가지의 측정 데이터를 취해서 그때마다 모델식을 작성해야 되며, 모델식의 작성에 막대한 수고와 시간이 필요하다고 하는 문제가 있었다. 또한, 프로세스 조건이 변하는 경우에도 프로세스 조건마다 여러 가지의 측정 데이터를 취해서 그때마다 모델식을 작성해야 되어, 모델식의 작성에 막대한 수고와 시간이 필요하다고 하는 문제가 있었다.However, in the prior art, various measurement data are analyzed by statistical methods such as multivariate analysis to create a model equation, and the model equation is used to grasp and monitor the state and process characteristics of the processing apparatus. For example, if there is a difference in process characteristics for each processing device, such as individual differences between sensors attached to each processing device, even if a model equation is created for one processing device, the model equation may be applied to other processing devices of the same type. There is a problem that it is necessary to take a variety of measurement data for each processing device and to prepare a model equation at that time, and that a great deal of effort and time are required to prepare the model equation. In addition, even when the process conditions change, various measurement data must be taken for each process condition, and a model formula must be prepared at that time, which requires a great deal of effort and time for the preparation of the model formula.

본 발명은 상기 과제를 해결하기 위해서 이루어진 것으로서, 처리 장치마다 프로세스 특성이나 프로세스 조건에 차가 있더라도 하나의 처리 장치에 대해서 모델식을 작성하면, 그 모델식을 동종의 다른 처리 장치에 유용할 수 있어 처리 장치마다 모델식을 작성할 때의 시간이나 부담을 경감할 수 있고, 또한 처리 장치마다 모델식을 새롭게 작성하지 않더라도 각 처리 장치의 장치 상태를 평가할 수 있는 처리 장치의 다변량 해석 모델식 작성 방법 및 처리 장치용의 다변량 해석 방법을 제공하는 것을 목적으로 하고 있다.SUMMARY OF THE INVENTION The present invention has been made to solve the above problems, and if a model equation is created for one processing device even if there are differences in process characteristics and process conditions for each processing device, the model expression can be useful for other processing devices of the same type. The method and processing apparatus for creating multivariate analysis model equations for processing devices, which can reduce the time and burden when creating model equations for each device, and can evaluate the device status of each processing device even if a new model expression is not created for each processing device. It is an object to provide a multivariate analysis method of a dragon.

발명의 개시Disclosure of the Invention

상기 과제를 해결하기 위해서, 본 발명의 제 1 관점에 의하면, 다변량 해석에 의해서 처리 장치의 장치 상태를 평가하거나 또는 처리 결과를 예측할 때의 다변량 해석 모델식을 작성하는 방법으로서, 복수의 처리 장치에서 각각 제 1 설정 데이터에 근거하여 동작했을 때에 상기 각 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 1 설정 데이터와의 상관 관계를 다변량 해석에 의해서 상기 각 처리 장치마다 구하는 제 1 공정과, 상기 각 처리 장치 중 하나를 기준 처리 장치라고 하면, 이 기준 처리 장치에서 새로운 제 2 설정 데이터에 근거하여 동작했을 때에 상기 기준 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 2 설정 데이터와의 상관 관계를 다변량 해석에 의해서 구하는 제 2 공정과, 상기 기준 처리 장치 이외의 다른 처리 장치에서의 상기 제 2 설정 데이터와 검출 데이터와의 상관 관계를, 상기 제 1 공정에서 구한 상기 다른 처리 장치에서의 상관 관계와, 상기 제 1 공정에서 구한 상기 기준 처리 장치에서의 상관 관계와, 상기 제 2 공정에서 구한 상기 기준 처리 장치에서의 상기 상관 관계에 근거하여 구하고, 이렇게 해서 구한 상관 관계에 근거하여 상기 다른 처리 장치의 장치 상태를 평가하거나 또는 처리 결과를 예측하는 다변량 해석 모델식을 작성하는 제 3 공정을 갖는 것을 특징으로 하는 처리 장치의 다변량 해석 모델식 작성 방법이 제공된다.In order to solve the said subject, according to the 1st viewpoint of this invention, as a method of creating the multivariate analysis model formula at the time of evaluating the apparatus state of a processing apparatus by multivariate analysis, or predicting a processing result, A first step of obtaining correlations between the detection data detected from a plurality of sensors of the respective processing apparatuses and the first setting data for each of the processing apparatuses by multivariate analysis, respectively, when operating based on the first setting data; When one of the processing apparatuses is referred to as a reference processing apparatus, the detection data detected from a plurality of sensors of the reference processing apparatus and the second setting data when the reference processing apparatus is operated based on new second setting data. 2nd process which calculates correlation by multivariate analysis, and other than the said reference processing apparatus The correlation between the second setting data and the detection data in another processing device is determined by the correlation in the other processing device obtained in the first step and the correlation in the reference processing device obtained in the first step. And a multivariate analysis model equation for evaluating the state of the device of the other processing device or predicting the processing result based on the correlation obtained in the reference processing device obtained in the second step. It has a 3rd process to create, The multivariate analysis model formula production method of the processing apparatus is provided.

상기 과제를 해결하기 위해서, 본 발명의 제 2 관점에 의하면, 다변량 해석에 의해서 처리 장치의 장치 상태를 평가하거나 또는 처리 결과를 예측할 때의 다변량 해석 방법으로서, 복수의 처리 장치에서 각각 제 1 설정 데이터에 근거하여 동작했을 때에 상기 각 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 1 설정 데이터와의 상관 관계를 다변량 해석에 의해서 상기 각 처리 장치마다 구하는 제 1 공정과, 상기 각 처리 장치 중 하나를 기준 처리 장치라고 하면, 이 기준 처리 장치에서 새로운 제 2 설정 데이터에 근거하여 동작했을 때에 상기 기준 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 2 설정 데이터와의 상관 관계를 다변량 해석에 의해서 구하는 제 2 공정과, 상기 기준 처리 장치 이외의 다른 처리 장치에서의 상기 제 2 설정 데이터와 검출 데이터와의 상관 관계를, 상기 제 1 공정에서 구한 상기 다른 처리 장치에서의 상관 관계와, 상기 제 1 공정에서 구한 상기 기준 처리 장치에서의 상관 관계와, 상기 제 2 공정에서 구한 상기 기준 처리 장치에서의 상기 상관 관계에 근거하여 구하고, 이렇게 해서 구한 상관 관계에 근거하여 상기 다른 처리 장치의 장치 상태를 평가하거나 또는 처리 결과를 예측하는 다변량 해석 모델식을 작성하는 제 3 공정을 갖는 것을 특징으로 하는 처리 장치용의 다변량 해석 방법이 제공된다.MEANS TO SOLVE THE PROBLEM In order to solve the said subject, according to the 2nd viewpoint of this invention, as a multivariate analysis method at the time of evaluating the apparatus state of a processing apparatus by a multivariate analysis, or predicting a processing result, each 1st setting data is respectively performed in a some processing apparatus. The first step of obtaining the correlation between the detection data detected from the plurality of sensors of the respective processing apparatuses and the first setting data for each of the processing apparatuses by multivariate analysis when operating on the basis of When one is referred to as a reference processing device, multivariate analysis of the correlation between the detection data detected from a plurality of sensors of the reference processing device and the second setting data when the reference processing device is operated based on the new second setting data. In the second step obtained by the step and a processing device other than the reference processing device The correlation between the second setting data and the detection data is determined by the correlation in the other processing device obtained in the first step, the correlation in the reference processing device obtained in the first step, and the second step. A third step of obtaining a multivariate analysis model equation for evaluating the condition of the device of the other processing device or for predicting the processing result based on the correlation obtained from the reference processing device obtained in The multivariate analysis method for a processing apparatus characterized by having

또한, 상기 제 1 관점 및 제 2 관점에 의한 발명에 있어서, 상기 제 3 공정은, 상기 제 1 공정에서 구한 상기 다른 처리 장치에서의 상관 관계에 대한 상기 다른 처리 장치에서의 상기 제 2 설정 데이터와 검출 데이터와의 상관 관계와, 상기 제 1 공정에서 구한 상기 기준 처리 장치에서의 상관 관계에 대한 상기 제 2 공정에서 구한 상기 기준 처리 장치에서의 상기 상관 관계와의 비례 관계에 근거하여, 상기 다른 처리 장치에서의 상기 제 2 설정 데이터와 검출 데이터와의 상관 관계를 구하도록 해도 무방하다. 또한, 상기 다변량 해석은, 예를 들면 부분 최소 제곱법(PLS법)에 의해 실행하도록 해도 무방하다.Further, in the invention according to the first and second aspects, the third step is different from the second setting data in the other processing device about the correlation in the other processing device obtained in the first step. The other processing based on a correlation with detection data and a proportional relationship with the correlation in the reference processing apparatus obtained in the second step with respect to the correlation in the reference processing apparatus found in the first step. The correlation between the second setting data and the detection data in the apparatus may be obtained. The multivariate analysis may be performed by, for example, a partial least square method (PLS method).

또한, 상기 제 1 관점 및 제 2 관점에 의한 발명에 있어서, 처리 장치는 플라즈마 처리 장치이어도 무방하다. 이 경우, 상기 설정 데이터는 플라즈마 상태를 제어할 수 있는 복수의 제어 파라미터를 이용하고, 또한, 상기 검출 데이터는 플라즈마 상태를 반영하는 복수의 플라즈마 반영 파라미터, 장치 상태에 관련되는 복수의 장치 상태 파라미터, 프로세스 완료를 반영하는 파라미터의 그룹으로부터 선택되는 적어도 1개 또는 2개 이상의 파라미터를 이용하도록 해도 무방하다.In the invention according to the first and second aspects, the processing apparatus may be a plasma processing apparatus. In this case, the setting data uses a plurality of control parameters capable of controlling the plasma state, and the detection data includes a plurality of plasma reflection parameters reflecting the plasma state, a plurality of device state parameters related to the device state, At least one or two or more parameters selected from the group of parameters reflecting process completion may be used.

또한, 상기 제 2 관점에 의한 발명에 있어서, 상기 다변량 해석 모델식은, 상기 제 3 공정에서 구한 상기 다른 처리 장치에서의 상관 관계와 상기 제 2 설정 데이터로부터 산출한 검출 데이터와 상기 제 2 설정 데이터와의 상관 관계식이어도 무방하다.Further, in the invention according to the second aspect, the multivariate analysis model formula includes the detection data and the second setting data calculated from correlations and the second setting data in the other processing apparatus obtained in the third step. It may be a correlation of.

상기 과제를 해결하기 위해서, 본 발명의 제 3 관점에 의하면, 피처리체를 처리하는 처리 장치에 마련되고, 소정의 설정 데이터에 근거하여 상기 처리 장치의 제어를 실행하는 처리 장치의 제어 장치로서, 상기 처리 장치와 적어도 기준으로 되는 처리 장치와 호스트 장치가 접속한 네트워크에 접속하여 데이터의 수수(授受)가 가능한 송수신 수단을 마련하고, 제 1 설정 데이터에 근거하여 동작했을 때에 상기 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 1 설정 데이터를 상기 송수신 수단에 의해 상기 네트워크를 거쳐서 상기 호스트 장치에 송신하고, 송신된 데이터에 근거하여 상기 호스트 장치에 의해서 다변량 해석에 의해 구해진 상기 제 1 설정 데이터와 상기 검출 데이터와의 상관 관계를 상기 호스트 장치로부터 상기 송수신 수단에 의해 상기 네트워크를 거쳐서 수신하여, 새로운 제 2 설정 데이터를 상기 송수신 수단에 의해 상기 네트워크를 거쳐서 호스트 장치에 송신하고, 송신된 데이터에 근거하여 상기 호스트 장치에 의해서 구해진 상기 제 2 설정 데이터와 이 제 2 설정 데이터에 근거하는 검출 데이터와의 상관 관계를 상기 호스트 장치로부터 상기 송수신 수단에 의해 상기 네트워크를 거쳐서 수신하여, 상기 호스트 장치로부터 수신한 상기 제 2 설정 데이터에 대한 상관 관계에 근거하여 다변량 해석 모델식을 작성하고, 이 다변량 해석 모델식에 근거하여 상기 처리 장치의 장치 상태를 평가하거나 또는 처리 결과를 예측하여, 그 결과에 따라서 상기 처리 장치를 제어하는 것을 특징으로 하는 처리 장치의 제어 장치가 제공된다.In order to solve the said subject, according to the 3rd viewpoint of this invention, it is provided in the processing apparatus which processes a to-be-processed object, As a control apparatus of the processing apparatus which performs control of the said processing apparatus based on predetermined setting data, The said A plurality of sensors of the processing apparatus when the processing apparatus and at least the reference processing apparatus and the host apparatus are connected to a network connected to each other to provide transmission and reception means capable of transmitting and receiving data, and operated based on the first setting data. And the first setting data detected from the first setting data by the transmitting and receiving means via the network to the host device, and obtained by multivariate analysis by the host device based on the transmitted data; Correlation with the detection data is transmitted and received from the host device The second setting data received via the network by the step, and transmitted by the transmitting and receiving means to the host device via the network, and obtained by the host device based on the transmitted data. Correlation with detection data based on second setting data is received from the host device by the transmitting and receiving means via the network, and multivariate analysis based on the correlation to the second setting data received from the host device. The control apparatus of the processing apparatus which prepares a model formula, evaluates the apparatus state of the said processing apparatus, or predicts a processing result based on this multivariate analysis model formula, and controls the said processing apparatus according to the result. Is provided.

또한, 상기 제 3 관점에 의한 발명에 있어서, 상기 검출 데이터 산출 수단은, 상기 다른 처리 장치에서 소정의 프로세스 처리를 실행할 때에 장치 상태를 평가하거나 또는 처리 결과를 예측하는 다변량 해석 모델식을 작성하기 위한 상기 다른 처리 장치의 설정 데이터를 상기 송수신 수단에 의해 상기 네트워크를 거쳐서 수신하고, 수신한 상기 설정 데이터와 상기 처리 장치의 상기 상관 관계로부터 상기 처리 장치를 상기 다른 처리 장치의 상기 소정의 프로세스 처리와 동일 조건으로 동작시킨 경우의 상기 처리 장치의 검출 데이터를 계산하도록 해도 무방하다.Further, in the invention according to the third aspect, the detection data calculating means is for generating a multivariate analysis model formula for evaluating the apparatus state or predicting the processing result when performing the predetermined process processing in the other processing apparatus. The setting data of the other processing device is received by the transmitting and receiving means via the network, and the processing device is identical to the predetermined process processing of the other processing device from the correlation between the received setting data and the processing device. The detection data of the processing device in the case of operating under the condition may be calculated.

또한, 상기 제 3 관점에 의한 발명에 있어서, 상기 다른 처리 장치의 설정 데이터는, 상기 소정의 프로세스 처리 전에 다변량 해석에 의해 구해진, 상기 다른 처리 장치의 설정 데이터와 이 설정 데이터에 근거하여 동작했을 때의 상기 다른 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와의 상관 관계와, 상기 다른 처리 장치를 상기 소정의 프로세스 처리를 실행할 때의 상기 다른 처리 장치의 복수의 센서로부터 검출되는 검출 데이터를 이용하여 계산되도록 해도 무방하다.In the invention according to the third aspect, when the setting data of the other processing device is operated based on the setting data of the other processing device and the setting data obtained by multivariate analysis before the predetermined process processing. By using correlation with detection data detected from a plurality of sensors of the other processing device, and detection data detected from a plurality of sensors of the other processing device when the other processing device performs the predetermined process process. It may be calculated.

또한, 상기 제 3 관점에 의한 발명에 있어서, 상기 처리 장치에서의 상기 제 2 설정 데이터에 대한 상관 관계는, 상기 호스트 장치에 의해 다변량 해석에 의해서 구해진, 상기 처리 장치에서의 상기 제 1 설정 데이터에 대한 상관 관계와, 상기 호스트 장치에 의해 다변량 해석에 의해서 구해진, 상기 기준 처리 장치가 제 1 설정 데이터에 근거하여 동작했을 때에 상기 기준 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 1 설정 데이터와의 상관 관계와, 상기 호스트 장치에 의해 다변량 해석에 의해서 구해진, 상기 기준 처리 장치가 새로운 제 2 설정 데이터에 근거하여 동작했을 때에 상기 기준 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 2 설정 데이터와의 상관 관계에 근거하여 상기 호스트 장치에 의해 산출되도록 해도 무방하다.Further, in the invention according to the third aspect, the correlation with respect to the second setting data in the processing apparatus is based on the first setting data in the processing apparatus obtained by multivariate analysis by the host apparatus. And detection data detected from a plurality of sensors of the reference processing device when the reference processing device, which is obtained by multivariate analysis by the host device, is operated based on first setting data. And the second detection data detected by a plurality of sensors of the reference processing device when the reference processing device, which is obtained by multivariate analysis by the host device, is operated based on new second setting data. To be calculated by the host device based on correlation with the setting data. You can do it.

또한, 상기 제 3 관점에 의한 발명에 있어서, 처리 장치는 플라즈마 처리 장치이어도 무방하다. 이 경우, 상기 설정 데이터는 플라즈마 상태를 제어할 수 있는 복수의 제어 파라미터를 이용하고, 또한, 상기 검출 데이터는 플라즈마 상태를 반영하는 복수의 플라즈마 반영 파라미터, 장치 상태에 관련되는 복수의 장치 상태 파라미터, 프로세스 완료를 반영하는 파라미터의 그룹으로부터 선택되는 적어도 1개 또는 2개 이상의 파라미터를 이용하도록 해도 된다. 또한, 상기 다변량 해석은 부분 최소 제곱법에 의해 실행하도록 해도 무방하다. 또한, 상기 처리 장치는 플라즈마 처리 장치이어도 무방하다.In the invention according to the third aspect, the processing apparatus may be a plasma processing apparatus. In this case, the setting data uses a plurality of control parameters capable of controlling the plasma state, and the detection data includes a plurality of plasma reflection parameters reflecting the plasma state, a plurality of device state parameters related to the device state, At least one or two or more parameters selected from the group of parameters reflecting process completion may be used. In addition, the multivariate analysis may be performed by a partial least square method. In addition, the processing apparatus may be a plasma processing apparatus.

상기 과제를 해결하기 위해서, 본 발명의 제 4 관점에 의하면, 소정의 설정 데이터에 근거하여 피처리체를 처리하는 처리 장치의 제어를 실행하는 제어 장치를구비하는 처리 장치의 제어 시스템으로서, 네트워크에 송수신 수단을 거쳐서 접속되는 복수의 상기 처리 장치와, 상기 네트워크에 접속되는 호스트 장치를 구비하고, 상기 호스트 장치는 복수의 처리 장치에서 각각 제 1 설정 데이터에 근거하여 동작했을 때에 상기 각 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 1 설정 데이터를 상기 복수의 처리 장치로부터 상기 네트워크를 거쳐서 수신하면, 수신한 상기 제 1 설정 데이터와 상기 검출 데이터와의 상관 관계를 다변량 해석에 의해서 상기 각 처리 장치마다 구하여, 구한 상관 관계를 대응하는 처리 장치로 상기 네트워크를 거쳐서 송신하고, 상기 호스트 장치는 상기 각 처리 장치 중 기준으로 하는 처리 장치에서 새로운 제 2 설정 데이터에 근거하여 동작했을 때에 상기 기준 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 2 설정 데이터를 상기 기준 처리 장치로부터 상기 네트워크를 거쳐서 수신하면, 수신한 상기 제 1 설정 데이터와 상기 검출 데이터와의 상관 관계를 다변량 해석에 의해서 구하여, 구한 상관 관계를 상기 기준 처리 장치로 상기 네트워크를 거쳐서 송신하고, 상기 호스트 장치는 상기 기준 처리 장치 이외의 다른 처리 장치로부터 상기 제 2 설정 데이터를 상기 네트워크를 거쳐서 수신하면, 수신한 상기 제 2 설정 데이터와 이 제 2 설정 데이터에 근거하는 검출 데이터와의 상관 관계를, 상기 다변량 해석에 의해 구한 상기 다른 처리 장치에서의 상기 제 1 설정 데이터에 대한 상기 상관 관계와, 상기 다변량 해석에 의해 구한 상기 기준 처리 장치에서의 상기 제 1 설정 데이터에 대한 상기 상관 관계와, 상기 다변량 해석에 의해 구한 상기 기준 처리 장치에서의 상기 제 2 설정 데이터에 대한 상기 상관 관계에 근거해서구하여, 구한 상관 관계를 상기 다른 처리 장치로 상기 네트워크를 거쳐서 송신하고, 상기 다른 처리 장치는 상기 호스트 장치로부터 수신한 상기 제 2 설정 데이터에 대한 상관 관계에 근거하여 다변량 해석 모델식을 작성하고, 이 다변량 해석 모델식에 근거하여 상기 처리 장치의 장치 상태를 평가하거나 또는 처리 결과를 예측하여, 그 결과에 따라서 상기 처리 장치를 제어하는 것을 특징으로 하는 처리 장치의 제어 시스템이 제공된다.MEANS TO SOLVE THE PROBLEM In order to solve the said subject, according to the 4th viewpoint of this invention, it is a control system of the processing apparatus which has the control apparatus which performs control of the processing apparatus which processes a to-be-processed object based on predetermined setting data, and transmits and receives to a network. And a plurality of said processing apparatuses connected via means, and a host apparatus connected to said network, wherein said host apparatuses operate on a plurality of processing apparatuses based on first setting data, respectively. When the detection data detected by the sensor and the first setting data are received from the plurality of processing devices via the network, the correlation between the received first setting data and the detection data is determined by multivariate analysis. Each network, and the obtained correlation is And the host device transmits the detected data and the second setting data detected from a plurality of sensors of the reference processing device when the host device operates on the basis of the new second setting data in the processing device as the reference among the processing devices. When receiving from the reference processing apparatus via the network, the correlation between the received first setting data and the detection data is obtained by multivariate analysis, and the obtained correlation is transmitted to the reference processing apparatus via the network. When the host apparatus receives the second setting data from the processing apparatuses other than the reference processing apparatus via the network, the host apparatus performs a correlation between the received second setting data and detection data based on the second setting data. , Said other processing apparatus calculated by said multivariate analysis In the reference processing device obtained by the correlation with the first setting data, the correlation with the first setting data in the reference processing device obtained by the multivariate analysis, and the multivariate analysis. Obtained based on the correlation with respect to the second setting data, the obtained correlation is transmitted to the other processing device via the network, and the other processing device is correlation with the second setting data received from the host device. A multivariate analysis model formula is prepared based on the relationship, and the apparatus state of the processing apparatus is evaluated or the processing result is predicted based on the multivariate analysis model formula, and the processing apparatus is controlled according to the result. A control system of the processing apparatus is provided.

또한, 상기 제 4 관점에 의한 발명에 있어서, 처리 장치는 플라즈마 처리 장치이어도 무방하다. 이 경우, 상기 설정 데이터는 플라즈마 상태를 제어할 수 있는 복수의 제어 파라미터를 이용하고, 또한, 상기 검출 데이터는 플라즈마 상태를 반영하는 복수의 플라즈마 반영 파라미터, 장치 상태에 관련되는 복수의 장치 상태 파라미터, 프로세스 완료를 반영하는 파라미터의 그룹으로부터 선택되는 적어도 1개 또는 2개 이상의 파라미터를 이용하도록 해도 무방하다. 또한, 상기 다변량 해석은 부분 최소 제곱법에 의해 실행하도록 해도 무방하다. 또한, 상기 처리 장치는 플라즈마 처리 장치이어도 무방하다.In the invention according to the fourth aspect, the processing apparatus may be a plasma processing apparatus. In this case, the setting data uses a plurality of control parameters capable of controlling the plasma state, and the detection data includes a plurality of plasma reflection parameters reflecting the plasma state, a plurality of device state parameters related to the device state, At least one or two or more parameters selected from the group of parameters reflecting process completion may be used. In addition, the multivariate analysis may be performed by a partial least square method. In addition, the processing apparatus may be a plasma processing apparatus.

본 발명은 처리 장치의 다변량 해석 모델식 작성 방법, 처리 장치용의 다변량 해석 방법, 처리 장치의 제어 장치, 처리 장치의 제어 시스템에 관한 것이다.TECHNICAL FIELD This invention relates to the multivariate analysis model formula preparation method of a processing apparatus, the multivariate analysis method for a processing apparatus, the control apparatus of a processing apparatus, and the control system of a processing apparatus.

도 1은 본 발명의 실시예 1에 따른 플라즈마 처리 장치의 개략적인 구성을 나타내는 단면도이다.1 is a cross-sectional view showing a schematic configuration of a plasma processing apparatus according to a first embodiment of the present invention.

도 2는 도 1에 나타내는 플라즈마 처리 장치의 다변량 해석 수단의 일례를 나타내는 블록도이다.FIG. 2 is a block diagram showing an example of multivariate analysis means of the plasma processing apparatus shown in FIG. 1.

도 3은 본 발명의 실시예 2에 따른 처리 장치 제어 시스템의 구성을 나타내는 블록도이다.3 is a block diagram showing a configuration of a processing apparatus control system according to a second embodiment of the present invention.

도 4는 본 실시예에 따른 처리 장치 제어 시스템의 모델식 작성할 때의 동작 흐름을 설명하는 도면이다.4 is a view for explaining the operational flow when creating a model of the processing apparatus control system according to the present embodiment.

도 5는 본 실시예에 따른 처리 장치 제어 시스템의 모델식 작성할 때의 동작 흐름을 설명하는 도면으로서, 도 4의 계속되는 부분이다.FIG. 5 is a view for explaining the flow of operations when creating a model of the processing apparatus control system according to the present embodiment, which is a continuing portion of FIG. 4.

도 6은 본 실시예에 따른 처리 장치 제어 시스템의 모델식 작성할 때의 동작 흐름을 설명하는 도면으로서, 도 5의 계속되는 부분이다.FIG. 6 is a view for explaining the flow of operations when creating a model of the processing apparatus control system according to the present embodiment, which is a continuing portion of FIG. 5.

도 7은 본 실시예에 따른 처리 장치 제어 시스템에서의 모델식에 의해 제어를 실행할 때의 동작 흐름을 설명하는 도면이다.FIG. 7 is a view for explaining the operational flow when executing control by the model equation in the processing apparatus control system according to the present embodiment.

발명을 실시하기 위한 최선의 형태Best Mode for Carrying Out the Invention

이하에 첨부 도면을 참조하면서, 본 발명에 따른 장치의 바람직한 실시예에 대해서 상세하게 설명한다. 또한, 본 명세서 및 도면에서 실질적으로 동일한 기능 구성을 갖는 구성요소에 대해서는, 동일한 부호를 부여하는 것에 의해 중복 설명을 생략한다.EMBODIMENT OF THE INVENTION Preferred embodiment of the apparatus which concerns on this invention is described in detail, referring an accompanying drawing below. In addition, in this specification and drawing, about the component which has a substantially identical functional structure, the same code | symbol is attached | subjected and overlapping description is abbreviate | omitted.

먼저, 본 발명의 실시예 1에 따른 플라즈마 처리 장치에 대해서 도 1, 도 2를 참조하면서 설명한다. 본 실시예의 플라즈마 처리 장치(100)는, 예를 들면 도 1에 나타내는 바와 같이, 알루미늄제의 처리실(챔버)(101)과, 이 처리실(101)내에 배치된 하부 전극(102)을, 절연재(102A)를 거쳐서 지지하는 승강 가능한 알루미늄제의 지지체(103)와, 이 지지체(103)의 위쪽에 배치되고 또한 프로세스 가스를 공급하며 또한 상부 전극을 겸하는 샤워헤드(이하에서는, 필요에 따라서 「상부 전극」이라고도 칭함)(104)를 구비하고 있다.First, the plasma processing apparatus according to the first embodiment of the present invention will be described with reference to FIGS. 1 and 2. In the plasma processing apparatus 100 according to the present embodiment, for example, as shown in FIG. 1, an insulating material (a chamber) 101 and a lower electrode 102 disposed in the processing chamber 101 are used. An aluminum support body 103 supported via 102A, and a showerhead disposed above the support body 103, supplying a process gas, and serving as an upper electrode (hereinafter, referred to as an "upper electrode"). Also referred to as " "

상기 처리실(101)은 상부가 작은 직경의 상실(上室)(101A)로서 형성되고, 하부가 큰 직경의 하실(下室)(101B)로서 형성되어 있다. 상실(101A)은 다이폴 링 자석(105)에 의해서 포위되어 있다. 이 다이폴 링 자석(105)은 복수의 이방성 세그먼트 주상(柱狀) 자석이 링 형상의 자성체로 이루어지는 케이스내에 수납되어 형성되고, 상실(101A)내에서 전체로서 한쪽 방향으로 향하는 똑같은 수평 자계를 형성한다. 하실(101B)의 상부에는 웨이퍼 W를 반출입하기 위한 출입구가 형성되고, 이 출입구에는 게이트 밸브(106)가 부착되어 있다.The processing chamber 101 is formed as an upper chamber 101A having a small diameter and the lower chamber is formed as a base 101B having a large diameter. The loss 101A is surrounded by the dipole ring magnet 105. The dipole ring magnet 105 is formed by storing a plurality of anisotropic segment columnar magnets in a case made of a ring-shaped magnetic body, and forms the same horizontal magnetic field in one direction as a whole in the loss 101A. . An entrance for carrying in and out of the wafer W is formed at an upper portion of the base 101B, and a gate valve 106 is attached to this entrance.

하부 전극(102)에는 정합기(107A)를 거쳐서 고주파 전원(107)이 접속되고, 이 고주파 전원(107)으로부터 하부 전극(102)에 대하여 13.56㎒의 고주파 전력 P를 인가하여, 상실(101A)내에서 상부 전극(104)과의 사이에서 수직 방향의 전계를 형성한다. 이 고주파 전력 P는 고주파 전원(107)과 정합기(107A)간에 접속된 전력 측정기(107B)를 거쳐서 검출한다. 이 고주파 전력 P는 제어 가능한 파라미터이고, 본 실시예에서는 고주파 전력 P를 후술의 가스 유량, 전극간 거리 등의 제어 가능한 파라미터와 함께 제어 파라미터라고 정의한다. 또한, 제어 파라미터는 플라즈마 처리 장치에 대하여 설정 가능한 파라미터이기 때문에, 설정 데이터이라고도 칭할 수 있다.A high frequency power source 107 is connected to the lower electrode 102 via a matching unit 107A, and a high frequency power P of 13.56 MHz is applied to the lower electrode 102 from the high frequency power source 107, thereby losing 101A. An electric field in the vertical direction is formed between the upper electrode 104 and the inside. This high frequency power P is detected via the power meter 107B connected between the high frequency power supply 107 and the matching unit 107A. This high frequency power P is a controllable parameter, and in this embodiment, the high frequency power P is defined as a control parameter together with controllable parameters such as a gas flow rate and an electrode distance described later. In addition, since a control parameter is a parameter which can be set with respect to a plasma processing apparatus, it can also be called set data.

상기 정합기(107A)의 하부 전극(102)측(고주파 전압의 출력측)에는 전기 계측기(예를 들면, VI 프로브)(107C)가 부착되고, 이 전기 계측기(107C)를 거쳐서 하부 전극(102)에 인가되는 고주파 전력 P에 의해 상실(101A)내에 발생하는 플라즈마에 근거하는 기본파 및 고조파의 고주파 전압 V, 고주파 전류 I, 전압 파형과 전류 파형 사이의 위상차 ø를 전기적 데이터로서 검출한다. 이들 전기적 데이터는 후술하는 광학적 데이터와 함께 플라즈마 상태를 반영하는 감시 가능한 파라미터이고, 본 실시예에서는 플라즈마 반영 파라미터라고 정의한다. 또한, 플라즈마 반영 파라미터는 전기 계측기(107C)에 의해서 검출되는 데이터이기 때문에, 검출 데이터라고도 칭할 수 있다.An electrical measuring instrument (for example, VI probe) 107C is attached to the lower electrode 102 side (output side of the high frequency voltage) of the matching unit 107A, and the lower electrode 102 is passed through the electrical measuring instrument 107C. The high frequency power P applied to detects, as electrical data, the phase difference? Between the high frequency voltage V, the high frequency current I, the voltage waveform and the current waveform of the fundamental and harmonic waves based on the plasma generated in the loss 101A. These electrical data are monitorable parameters which reflect a plasma state with optical data mentioned later, and are defined as a plasma reflection parameter in a present Example. In addition, since the plasma reflection parameter is data detected by the electric measuring instrument 107C, it can also be referred to as detection data.

상기 정합기(107A)는, 예를 들면 2개의 가변 콘덴서 C1, C2, 콘덴서 C 및 코일 L을 내장하고, 가변 콘덴서 C1, C2를 거쳐서 임피던스 정합을 취하고 있다. 정합 상태에서의 가변 콘덴서 C1, C2의 용량, 상기 정합기(107A)내의 측정기(도시하지 않음)에 의해 측정되는 고주파 전압 Vpp는 후술하는 APC(Automatic pressure controller) 개도(開度) 등과 함께 처리시의 장치 상태를 나타내는 파라미터이고, 본 실시예에서는 장치 상태를 나타내는 가변 콘덴서 C1, C2의 용량, 고주파 전압 Vpp 및 APC의 개도를 각각 장치 상태 파라미터라고 정의한다. 그리고, 장치 상태 파라미터는 제어할 수 없는 파라미터이며, 검출 가능한 데이터이기 때문에, 검출 데이터라고도 칭할 수 있다.The matching unit 107A incorporates two variable capacitors C1, C2, capacitor C and coil L, for example, and performs impedance matching via the variable capacitors C1, C2. The capacitances of the variable capacitors C1 and C2 in the matched state, and the high frequency voltage Vpp measured by a measuring instrument (not shown) in the matching unit 107A are processed together with the APC (Automatic pressure controller) opening degree described later. In this embodiment, the capacitances of the variable capacitors C1 and C2, the high frequency voltage Vpp and the opening degree of the APC are defined as device state parameters. The device state parameter is a parameter that cannot be controlled and can also be referred to as detection data because it is detectable data.

상기 하부 전극(102)의 상면에는 정전척(108)이 배치되고, 이 정전척(108)의 전극판(108A)에는 직류 전원(109)이 접속되어 있다. 따라서, 높은 진공하에서 직류 전원(109)으로부터 전극판(108A)에 고전압을 인가하는 것에 의해 정전척(108)에의해서 웨이퍼 W를 정전 흡착한다. 이 하부 전극(102)의 외주에는 포커스 링(110)이 배치되어, 상실(101A)내에서 생성한 플라즈마를 웨이퍼 W에 모은다. 또한, 포커스 링(110)의 하측에는 지지체(103)의 상부에 부착된 배기 링(111)이 배치되어 있다. 이 배기 링(111)에는 복수의 구멍이 전체 주위에 걸쳐 주위 방향 등간격으로 형성되고, 이들 구멍을 거쳐서 상실(101A)내의 가스를 하실(101B)로 배기한다.An electrostatic chuck 108 is disposed on the upper surface of the lower electrode 102, and a DC power supply 109 is connected to the electrode plate 108A of the electrostatic chuck 108. Therefore, the electrostatic chuck 108 electrostatically attracts the wafer W by applying a high voltage from the DC power supply 109 to the electrode plate 108A under high vacuum. A focus ring 110 is arranged on the outer circumference of the lower electrode 102 to collect plasma generated in the chamber 101A on the wafer W. As shown in FIG. In addition, an exhaust ring 111 attached to an upper portion of the support 103 is disposed below the focus ring 110. A plurality of holes are formed in the exhaust ring 111 at equal intervals in the circumferential direction over the entire circumference, and the gas in the chamber 101A is exhausted to the base 101B through these holes.

상기 지지체(103)는 볼나사 기구(112) 및 벨로우즈(113)를 거쳐서 상실(1 01A)과 하실(101B)간에서 승강 가능하게 되어 있다. 따라서, 웨이퍼 W를 하부 전극(102)상에 공급하는 경우에는, 지지체(103)를 거쳐서 하부 전극(102)이 하실(101B)까지 하강하고, 게이트 밸브(106)를 개방하여 도시하지 않은 반송 기구을 거쳐서 웨이퍼 W를 하부 전극(102)상에 공급한다. 하부 전극(102)과 상부 전극(104) 사이의 전극간 거리는 소정의 값으로 설정 가능한 파라미터에 의해 상술한 바와 같이 제어 파라미터로서 구성되어 있다.The support body 103 is capable of lifting up and down between the upper chamber 101A and the basement 101B via the ball screw mechanism 112 and the bellows 113. Therefore, when the wafer W is supplied onto the lower electrode 102, the lower electrode 102 descends to the basement 101B via the support 103, and the gate valve 106 is opened to open the conveyance mechanism (not shown). The wafer W is supplied on the lower electrode 102 via the lower electrode 102. The inter-electrode distance between the lower electrode 102 and the upper electrode 104 is configured as a control parameter as described above by a parameter that can be set to a predetermined value.

지지체(103)의 내부에는 냉매 배관(114)에 접속된 냉매 유로(103A)가 형성되고, 냉매 배관(114)을 거쳐서 냉매 유로(103A)내에서 냉매를 순환시켜 웨이퍼 W를 소정의 온도로 조정한다. 지지체(103), 절연재(102A), 하부 전극(102) 및 정전척(108)에는 각각 가스 유로(103B)가 형성되어, 가스 도입 기구(115)로부터 가스 배관(115A)을 거쳐서 정전척(108)과 웨이퍼 W간의 세극(細隙)에 He 가스를 소정의 압력으로 백사이드 가스로서 공급하고, He 가스를 거쳐서 정전척(108)과 웨이퍼 W간의 열전도성을 높이고 있다. 또한, 116은 벨로우즈 커버이다.A coolant flow path 103A connected to the coolant pipe 114 is formed inside the support 103, and the coolant is circulated through the coolant pipe 114 to adjust the wafer W to a predetermined temperature. do. A gas flow path 103B is formed in the support 103, the insulating material 102A, the lower electrode 102, and the electrostatic chuck 108, respectively, from the gas introduction mechanism 115 via the gas pipe 115A to the electrostatic chuck 108. He gas is supplied as a backside gas at a predetermined pressure to the slit between the wafer and the wafer W, and the thermal conductivity between the electrostatic chuck 108 and the wafer W is increased via the He gas. 116 is a bellows cover.

상기 샤워헤드(104)의 상면에는 가스 도입부(104A)가 형성되고, 이 가스도입부(104A)에는 배관(117)을 거쳐서 프로세스 가스 공급 시스템(118)이 접속되어 있다. 프로세스 가스 공급 시스템(118)은 Ar 가스 공급원(118A), CO 가스 공급원(118B), C4F8가스 공급원(118C) 및 O2가스 공급원(118D)을 갖고 있다. 이들 가스 공급원(118A, 118B, 118C, 118D)은 밸브(118E, 118F, 118G, 118H) 및 질량 유량 조절기(Mass Flow Controller)(118I, 118J, 118K, 118L)를 거쳐서 각각의 가스를 소정의 설정 유량으로 샤워헤드(104)로 공급하고, 그 내부에서 소정의 배합비를 가진 혼합 가스로서 조정한다. 각 가스 유량은 각각의 질량 유량 조절기(118I, 118J, 118K, 118L)에 의해서 제어 가능하고 또한 검출 가능한 파라미터이며, 상술한 바와 같이 제어 파라미터로서 구성되어 있다.The gas introduction part 104A is formed in the upper surface of the said shower head 104, and the process gas supply system 118 is connected to this gas introduction part 104A via the piping 117. As shown in FIG. The process gas supply system 118 has an Ar gas supply source 118A, a CO gas supply source 118B, a C 4 F 8 gas supply source 118C, and an O 2 gas supply source 118D. These gas sources 118A, 118B, 118C, and 118D set the respective gas through the valves 118E, 118F, 118G, 118H and the Mass Flow Controller 118I, 118J, 118K, 118L. The flow is supplied to the shower head 104 at a flow rate, and adjusted as a mixed gas having a predetermined compounding ratio therein. Each gas flow rate is a parameter which can be controlled and detected by the respective mass flow regulators 118I, 118J, 118K, and 118L, and is configured as a control parameter as described above.

상기 샤워헤드(104)의 하면에는 복수의 구멍(104B)이 전면에 걸쳐서 균등하게 배치되고, 이들 구멍(104B)을 거쳐서 샤워헤드(104)로부터 상실(101A)내로 혼합 가스를 프로세스 가스로서 공급한다. 또한, 하실(101B)의 하부의 배기 구멍에는 배기관(101C)이 접속되고, 이 배기관(101C)에 접속된 진공 펌프 등으로 이루어지는 배기 시스템(119)을 거쳐서 처리실(101)내를 배기하여 소정의 가스 압력을 유지하고 있다. 배기관(101C)에는 APC 밸브(101D)가 마련되어, 처리실(101)내의 가스 압력에 근거하여 개도가 자동적으로 조절된다. 이 개도는 장치 상태를 나타내는 장치 상태 파라미터이며, 제어할 수 없는 파라미터이다.In the lower surface of the shower head 104, a plurality of holes 104B are evenly disposed over the entire surface, and the mixed gas is supplied as the process gas from the shower head 104 into the chamber 101A through these holes 104B. . In addition, an exhaust pipe 101C is connected to an exhaust hole in the lower portion of the basement 101B, and the inside of the processing chamber 101 is exhausted through an exhaust system 119 made of a vacuum pump or the like connected to the exhaust pipe 101C. Maintain gas pressure. The exhaust pipe 101C is provided with an APC valve 101D, and the opening degree is automatically adjusted based on the gas pressure in the processing chamber 101. This opening degree is a device state parameter indicating the device state and is an uncontrollable parameter.

상기 처리실(101)의 측벽에는 검출창(121)이 마련되어 있고, 처리실(101)의 측벽의 외측에는 상기 검출창(121)을 거쳐서 처리실(101)내의 플라즈마 발광을 다파장에 걸쳐 검출하는 분광기(이하, 「광학 계측기」라고 칭함)(120)가 마련되어 있다. 이 광학 계측기(120)에 의해서 얻어지는 특정한 파장에 관한 광학적 데이터에 근거하여 플라즈마 상태를 감시하며, 예를 들면 플라즈마 처리의 종점을 검출하고 있다. 이 광학적 데이터는 고주파 전력 P에 의해 발생하는 플라즈마에 근거하는 전기적 데이터와 함께 플라즈마 상태를 반영하는 플라즈마 반영 파라미터를 구성한다.A detection window 121 is provided on the sidewall of the processing chamber 101, and a spectrometer for detecting plasma emission in the processing chamber 101 over a plurality of wavelengths through the detection window 121 on the outer side of the sidewall of the processing chamber 101 ( Hereinafter, the "optical measuring instrument" 120 is provided. The plasma state is monitored on the basis of the optical data relating to the specific wavelength obtained by the optical measuring instrument 120, for example, detecting the end point of the plasma processing. This optical data together with the electrical data based on the plasma generated by the high frequency power P constitute a plasma reflecting parameter that reflects the plasma state.

다음에, 상기 플라즈마 처리 장치(100)에 마련되는 다변량 해석 수단에 대해서 도면을 참조하면서 설명한다. 플라즈마 처리 장치(100)는, 예를 들면 도 2에 나타내는 다변량 해석 수단(200)을 구비하고 있다. 이 다변량 해석 수단(200)은 다변량 해석 프로그램을 기억하는 다변량 해석 프로그램 기억 수단(201)과, 제어 파라미터 계측기(221), 플라즈마 반영 파라미터 계측기(222) 및 장치 상태 파라미터 계측기(223)로부터의 검출 신호를 간헐적으로 샘플링하는 제어 파라미터 신호 샘플링 수단(202), 플라즈마 반영 파라미터 신호 샘플링 수단(203) 및 장치 상태 파라미터 신호 샘플링 수단(204)을 구비한다. 또한, 복수의 플라즈마 반영 파라미터(전기적 데이터 및 광학적 데이터), 장치 상태에 관련되는 복수의 장치 상태 파라미터 및 복수의 제어 파라미터를 관련시킨 모델식 등의 해석 결과나 해석에 필요한 데이터를 기억하는 해석 데이터 기억 수단(205)과, 모델식을 거쳐서 제어 파라미터, 플라즈마 반영 파라미터 및 장치 상태 파라미터를 목적에 근거하여 연산하는 연산 수단(206)과, 연산 수단(206)으로부터의 연산 신호에 근거하여 제어 파라미터, 복수의 플라즈마 반영 파라미터 및 장치 상태 파라미터를 목적에 근거하여 예측, 진단, 제어를 실행하는 예측ㆍ진단ㆍ제어 수단(207)을 구비하고 있다.Next, the multivariate analysis means provided in the said plasma processing apparatus 100 is demonstrated, referring drawings. The plasma processing apparatus 100 is provided with the multivariate analysis means 200 shown, for example in FIG. The multivariate analysis means 200 includes a multivariate analysis program storage means 201 for storing a multivariate analysis program, a detection signal from a control parameter measuring instrument 221, a plasma reflecting parameter measuring instrument 222, and an apparatus state parameter measuring instrument 223. Control parameter signal sampling means 202, plasma reflecting parameter signal sampling means 203, and apparatus state parameter signal sampling means 204 for intermittently sampling. In addition, analysis data storage for storing analysis results such as a plurality of plasma reflection parameters (electrical data and optical data), a plurality of device state parameters related to the device state, and a model equation in which the plurality of control parameters are associated, and data necessary for the analysis. Means 205, arithmetic means 206 for calculating a control parameter, a plasma reflecting parameter, and an apparatus state parameter via a model expression based on a purpose; and a control parameter, a plurality of control parameters based on arithmetic signals from the arithmetic means 206. Predicting, diagnosing, and controlling means 207 for predicting, diagnosing, and controlling the plasma reflecting parameter and the apparatus state parameter according to the purpose.

또한, 다변량 해석 수단(200)에는 제어 파라미터에 근거하여 플라즈마 처리 장치(100)를 제어하는 처리 장치 제어 수단(225), 경보기(226) 및 표시 수단(224)이 각각 접속되어 있다. 처리 장치 제어 수단(225)은, 예를 들면 예측ㆍ진단ㆍ제어 수단(207)으로부터의 신호에 근거하여 웨이퍼 W의 처리를 계속 또는 중단한다. 경보기(226) 및 표시 수단(224)은 후술하는 바와 같이 예측ㆍ진단ㆍ제어 수단(207)으로부터의 신호에 근거하여 제어 파라미터, 복수의 플라즈마 반영 파라미터 및 장치 상태 파라미터 중 어느 하나의 이상을 목적에 근거하여 보지(報知)한다. 또한, 해석 데이터 기억 수단(205)은 상기 각 파라미터에 관한 데이터나 이것들의 가공 데이터(다변량 해석에 사용하는 가공 데이터)를 기억한다. 또한, 도 2에 나타내는 제어 파라미터 계측기(221), 플라즈마 반영 파라미터 계측기(222), 장치 상태 파라미터 계측기(223)는 유량 검출기, 광학 계측기, 고주파 전압 Vpp 계측기 등의 복수의 제어 파라미터의 계측기, 복수의 플라즈마 반영 파라미터의 계측기, 복수의 장치 상태 파라미터의 계측기를 각각 하나로 묶어서 나타내고 있다.In addition, the multivariate analysis means 200 is connected to the processing apparatus control means 225, the alarm 226, and the display means 224 which control the plasma processing apparatus 100 based on a control parameter, respectively. The processing unit control means 225 continues or stops the processing of the wafer W based on the signal from the prediction, diagnosis, and control means 207, for example. The alarm device 226 and the display means 224 use the above-mentioned signal from the prediction, diagnosis, and control means 207 to determine an abnormality of any one of a control parameter, a plurality of plasma reflecting parameters, and an apparatus state parameter. I hold on the basis of it. The analysis data storage means 205 also stores data relating to the above parameters and these processing data (processing data used for multivariate analysis). In addition, the control parameter measuring instrument 221, the plasma reflecting parameter measuring instrument 222, and the apparatus state parameter measuring instrument 223 illustrated in FIG. 2 are a plurality of measuring parameters of a plurality of control parameters such as a flow rate detector, an optical measuring instrument, and a high frequency voltage Vpp measuring instrument. The measuring instrument of a plasma reflection parameter and the measuring apparatus of several apparatus state parameters are grouped together, and are shown, respectively.

여기서, 본 발명의 원리에 대해서 설명한다. 예를 들면, 새로운 모델식을 작성할 때의 기준으로 하는 처리 장치로서 플라즈마 처리 장치(100A)를 생각하고, 이 기준 처리 장치 이외의 처리 장치로서 플라즈마 처리 장치(100B)를 생각한다. 플라즈마 처리 장치(100A, 100B)간에는 제조상의 편차 등에 의해 약간의 개체차가 있다. 또한, 상기 전기 계측기(107C), 광학 계측기(120) 등의 센서에도 각각의 제조 오차 등에 의해 플라즈마 처리 장치마다 개체차가 있기 때문에, 동일 종류의 플라즈마 처리 장치에 동일 종류의 센서가 사용되고 있더라도, 동일한 검출 데이터를 얻을 수 있는 것은 아니다. 따라서, 동일 종류의 플라즈마 처리 장치이더라도 플라즈마 처리 장치마다 다변량 해석 모델식을 작성할 필요가 있어, 하나의 다변량 해석 모델식을 다른 동종의 플라즈마 처리 장치의 다변량 해석 모델식으로서 유용할 수 없다.Here, the principle of this invention is demonstrated. For example, consider a plasma processing apparatus 100A as a processing apparatus as a reference when creating a new model equation, and consider a plasma processing apparatus 100B as processing apparatuses other than this reference processing apparatus. There is a slight individual difference between the plasma processing apparatuses 100A and 100B due to manufacturing variations. In addition, since there are individual differences in each of the plasma processing apparatuses due to manufacturing errors and the like, the sensors such as the electric measuring instrument 107C and the optical measuring instrument 120 are used, even if the same kind of sensor is used in the same kind of plasma processing apparatus. You can't get the data. Therefore, even if it is the same kind of plasma processing apparatus, it is necessary to prepare a multivariate analysis model formula for every plasma processing apparatus, and one multivariate analysis model formula cannot be useful as a multivariate analysis model formula of another plasma processing apparatus of the same kind.

그래서, 본 실시예에서는, 예를 들면 플라즈마 처리 장치(100A, 100B)간에 제조상의 개체차나 각각의 복수의 센서간에 개체차가 있더라도 플라즈마 처리 장치(100A)에 대해서 작성한 다변량 해석 모델식을 다른 플라즈마 처리 장치(100B)에 유용할 수 있도록 하고 있다. 본 실시예에서는 다변량 해석의 한 방법으로서 부분 최소 제곱법(이하, 「PLS(Partial Least Squares)법」이라고 칭함)을 이용하여 플라즈마 처리 장치(100A, 100B) 각각의 다변량 해석 모델식을 작성하여 장치간의 개체차를 찾아내어, 이 개체차를 흡수한 모델식을 작성한다. PLS법의 상세는, 예를 들면 JOURNAL OF CHEMOMETRICS, Vol.2(PP.211-228)(1998)에 게재되어 있다.Thus, in the present embodiment, even if there are individual differences in manufacturing between the plasma processing apparatuses 100A and 100B or individual differences among the plurality of sensors, for example, the multivariate analysis model formula created for the plasma processing apparatus 100A is different from the plasma processing apparatus. It is intended to be useful for (100B). In this embodiment, as a method of multivariate analysis, a multivariate analysis model of each of the plasma processing apparatuses 100A and 100B is prepared by using a partial least square method (hereinafter, referred to as a "PLS (Partial Least Squares) method"). Find the individual differences between the two, and create a model equation that absorbs the individual differences. The details of the PLS method are disclosed in JOURNAL OF CHEMOMETRICS, Vol. 2 (PP. 211-228) (1998), for example.

예를 들면, 플라즈마 처리 장치(100A, 100B)와 함께, 복수의 제어 파라미터(설정 데이터)를 목적 변수로 하고, 복수의 플라즈마 반영 파라미터(전기적 데이터 및 광학적 데이터를 포함하는 검출 데이터)를 설명 변수로 하여, 목적 변수를 성분으로 하는 행렬 X와 설명 변수를 성분으로 하는 행렬 Y를 관련시킨 하기 수학식 1에 나타내는 회귀식(이하, 단순히 「모델식」이라고 칭함)을 작성한다(제 1 공정).For example, together with the plasma processing apparatuses 100A and 100B, a plurality of control parameters (setting data) are used as target variables, and a plurality of plasma reflection parameters (detection data including electrical data and optical data) are used as explanatory variables. Then, a regression equation (hereinafter simply referred to as a "model equation") shown in Equation 1 in which the matrix X having the objective variable as a component and the matrix Y having the explanatory variable as a component is created (first step).

플라즈마 처리 장치(100A, 100B) 각각의 연산 수단(206)에서는 다변량 해석의 한 방법인 PLS법을 이용하여 각각의 실험에서 얻어진 설명 변수와 목적 변수에근거해서 모델식의 회귀 행렬 Ka, Kb를 각각 산출하고, 이들 모델식을 상술한 바와 같이 해석 데이터 기억 수단(205)에 기억한다. 또한, 하기 수학식 1, 2의 모델식에서, Ka, Kb는 각각의 모델식의 회귀 행렬, a는 플라즈마 처리 장치(100A)를 나타내고, b는 플라즈마 처리 장치(100B)를 나타낸다.The calculation means 206 of each of the plasma processing apparatuses 100A and 100B uses the PLS method, which is a method of multivariate analysis, based on the explanatory variables and the objective variables obtained in each experiment, based on the regression matrix K a , K b of the model equation. Are respectively calculated and stored in the analysis data storage means 205 as described above. In addition, in the model formulas of Equations 1 and 2, K a and K b denote regression matrices of the respective model formulas, a denotes the plasma processing apparatus 100A, and b denotes the plasma processing apparatus 100B.

PLS법은 행렬 X, Y 각각에 다수의 설명 변수 및 목적 변수가 있더라도 각각의 소수의 실측값이 있으면 행렬 X와 행렬 Y의 관계식을 구할 수 있다. 게다가, 적은 실측값으로 얻어진 관계식이더라도 안정성 및 신뢰성이 높은 것도 PLS법의 특징이다. 설명 변수 및 목적 변수로 되는 각 데이터를 실측할 때에, 제어 파라미터를 할당하여 제어 파라미터, 복수의 센서에서 플라즈마 반영 파라미터를 각각 검출한다.In the PLS method, even if there are a large number of explanatory variables and objective variables in each of the matrixes X and Y, the relation between the matrix X and the matrix Y can be obtained if there are a few actual values. In addition, high stability and reliability are the characteristics of the PLS method even in a relation obtained with a small measured value. When each data serving as the explanatory variable and the target variable is measured, a control parameter is assigned to detect the plasma reflection parameter in each of the control parameter and the plurality of sensors.

이 경우, 제어 파라미터(고주파 전력, 챔버내 압력, 프로세스 가스 유량 등)를 할당하는 범위가 좁을 때에는 하기 수학식 3에 나타내는 바와 같이 제어 파라미터에 대하여 선형식으로 근사할 수 있고, 파라미터를 할당하는 범위가 클 때에는 하기 수학식 4에 나타내는 바와 같이 제어 파라미터에 대하여 2승, 3승 및 1차와 2차 교차항을 넣은 비선형식으로서 근사할 수 있다.In this case, when the range for allocating control parameters (high frequency power, chamber pressure, process gas flow rate, etc.) is narrow, it can be approximated linearly with respect to the control parameters as shown in Equation 3 below, and the range for allocating parameters. When is large, as shown in Equation 4 below, it can be approximated as a nonlinear form in which a quadratic, cubic, and first-order and second-order intersection terms are inserted with respect to the control parameter.

이러한 제어 파라미터는 플라즈마 처리 장치(100A)와 플라즈마 처리 장치(100B)에서 동일한 범위, 동일한 값의 제어 파라미터를 사용한다. 회귀 행렬 Ka, Kb를 구하는 경우에는 본 출원인이 특허 출원 제2001-398608호 명세서에서 제안한 PLS법과 동일 연산 순서로 구할 수 있기 때문에, 여기서는 그 연산 순서의 설명을 생략한다. 플라즈마 처리 장치(100A)와 플라즈마 처리 장치(100B) 사이의 개체차 및 각각의 센서간의 개체차는 상기 수학식 1, 수학식 2의 회귀 행렬 Ka, Kb의 차로 되어 표현된다.These control parameters use the same range and the same control parameters in the plasma processing apparatus 100A and the plasma processing apparatus 100B. When the regression matrices K a and K b are obtained, the present applicant can obtain them in the same operation order as the PLS method proposed in the specification of Japanese Patent Application No. 2001-398608, and therefore description of the operation order is omitted here. The individual difference between the plasma processing apparatus 100A and the plasma processing apparatus 100B and the individual difference between the respective sensors are expressed as the difference between the regression matrices K a and K b of Equations 1 and 2 above.

그리고, PLS법에 의해서 상기 모델식을 구하는 경우에는 미리 웨이퍼의 트레이닝 세트를 이용한 실험에 의해서 복수의 설명 변수와 복수의 목적 변수를 계측한다. 그 때문에, 예를 들면 트레이닝 세트로서 18장의 웨이퍼(TH-OX Si)를 준비한다. 또한, TH-OX Si는 열산화막이 형성된 웨이퍼인 것이다. 이 경우, 실험 계획법을 이용하여 제어 파라미터(설정 데이터)를 효율적으로 설정하여, 최소한의 실험으로 완료될 수 있다.When the model equation is obtained by the PLS method, a plurality of explanatory variables and a plurality of objective variables are measured by experiments using a training set of wafers in advance. Therefore, for example, 18 wafers (TH-OX Si) are prepared as a training set. TH-OX Si is a wafer on which a thermal oxide film is formed. In this case, the control parameter (setting data) can be efficiently set using the design of experiments, and can be completed with a minimum of experiments.

플라즈마 처리 장치(100A)에서는, 예를 들면 목적 변수로 되는 제어 파라미터를, 표준값을 중심으로 소정의 범위내에서 트레이닝 웨이퍼마다 할당하여 트레이닝 웨이퍼를 에칭 처리한다. 그리고, 에칭 처리시에 프로세스 가스의 각 가스의 유량, 챔버내의 압력 등의 제어 파라미터, 전기적 데이터 및 광학적 데이터 등의 플라즈마 반영 파라미터를 각 트레이닝 웨이퍼에 대해서 복수회씩 계측하고, 연산 수단(206)을 거쳐서 이들 제어 파라미터, 플라즈마 반영 파라미터의 평균값을 산출한다. 그리고, 제어 파라미터의 평균값을 설정 데이터로서 이용하고, 플라즈마 반영 파라미터를 검출 데이터로서 이용한다.In the plasma processing apparatus 100A, the training wafer is etched, for example, by assigning a control parameter serving as an objective variable to each training wafer within a predetermined range around a standard value. During the etching process, the plasma reflecting parameters such as control parameters such as flow rate of each gas of the process gas, pressure in the chamber, electrical data and optical data, etc. are measured a plurality of times for each training wafer, and are subjected to the calculation means 206. The average value of these control parameters and plasma reflection parameters is calculated. And the average value of a control parameter is used as setting data, and a plasma reflection parameter is used as detection data.

제어 파라미터를 할당하는 범위는 에칭 처리를 실행하고 있는 때에 제어 파라미터가 최대한 변동하는 범위를 상정하여, 이 상정한 범위로 제어 파라미터를 할당한다. 본 실시예에서는 고주파 전력, 챔버내의 압력, 상하 양전극(102, 104)간의 극간 치수 및 각 프로세스 가스(Ar 가스, CO 가스, C4F8가스 및 O2가스)의 유량을 제어 파라미터(설정 데이터)로서 이용한다. 각 제어 파라미터의 표준값은 에칭 대상에 따라서 상이하다. 플라즈마 처리 장치(100B)에서도 플라즈마 처리 장치(100A)와 동일 요령으로 동일한 제어 파라미터(설정 데이터)로 실험을 실행하여, 제어 파라미터(설정 데이터) 및 플라즈마 반영 파라미터(검출 데이터)를 얻는다.The range to which the control parameter is assigned assumes a range in which the control parameter fluctuates as much as possible when the etching process is being executed, and assigns the control parameter to this assumed range. In this embodiment, high-frequency power, pressure in the chamber, interpolar dimension between the upper and lower electrodes 102 and 104, and the flow rate of each process gas (Ar gas, CO gas, C 4 F 8 gas, and O 2 gas) are controlled parameters (setting data). It is used as). The standard value of each control parameter differs according to an etching object. The plasma processing apparatus 100B is also subjected to the experiment with the same control parameters (setting data) in the same manner as the plasma processing apparatus 100A to obtain control parameters (setting data) and plasma reflection parameters (detection data).

구체적으로는, 제어 파라미터를, 표준값을 중심으로 하여 하기 표 1에 나타내는 레벨 1과 레벨 2의 범위에서 트레이닝 웨이퍼마다 할당하여 설정하고, 각 트레이닝 웨이퍼의 에칭 처리를 실행한다. 그리고, 각 트레이닝 웨이퍼를 처리하는동안에, 전기 계측기(107C)를 거쳐서 플라즈마에 근거하는 고주파 전압(기본파로부터 4배파까지) V, 고주파 전류(기본파로부터 4배파까지) I, 위상차 ø 등의 전기적 데이터를 검출 데이터로서 계측하고, 또한, 광학 계측기(120)를 거쳐서, 예를 들면 200~950㎚의 파장 범위의 발광 스펙트라 강도(광학적 데이터)를 검출 데이터로서 계측하며, 이들 검출 데이터(전기적 데이터 및 광학적 데이터)를 플라즈마 반영 파라미터로서 이용한다. 또한, 동시에 하기 표 1에 나타내는 각 제어 파라미터를 각각의 제어 파라미터 계측기(221)를 이용하여 계측한다.Specifically, the control parameter is assigned and set for each training wafer in the range of level 1 and level 2 shown in Table 1 below, centering on the standard value, and etching processing of each training wafer is performed. During the processing of each training wafer, electrical signals such as high frequency voltage (up to 4 times wave) V, high frequency current (up to 4 times wave) I, and phase difference ø based on plasma are passed through the electric measuring instrument 107C. Data is measured as detection data, and through the optical measuring device 120, for example, the emission spectra intensity (optical data) in the wavelength range of 200 to 950 nm is measured as detection data, and these detection data (electrical data and Optical data) is used as the plasma reflection parameter. In addition, each control parameter shown in following Table 1 is measured using each control parameter measuring instrument 221 simultaneously.

그리고, 트레이닝 웨이퍼를 처리함에 있어서는, 상기 각 제어 파라미터를 열산화막의 표준값으로 설정하고, 표준값으로 미리 5장의 더미 웨이퍼를 처리하여 플라즈마 처리 장치(100A, 100B)의 안정화를 도모한다. 계속해서, 플라즈마 처리 장치(100A, 100B)에서 18장의 트레이닝 웨이퍼의 에칭 처리를 실행한다. 이 때, 플라즈마 처리 장치(100A)에서는, 하기 표 2에 도시하는 바와 같이, 상기 각 제어 파라미터, 즉 프로세스 가스(Ar, CO, C4F8, O2) 유량, 챔버실내의 압력, 고주파 전력을 상기 레벨 1과 상기 레벨 2의 범위내에서 트레이닝 웨이퍼마다 할당하여 각 트레이닝 웨이퍼를 처리한다.In processing the training wafer, each of the control parameters is set to a standard value of the thermal oxide film, and five dummy wafers are processed in advance at the standard value to stabilize the plasma processing apparatuses 100A and 100B. Subsequently, the etching processing of 18 training wafers is performed by plasma processing apparatus 100A, 100B. At this time, in the plasma processing apparatus 100A, as shown in Table 2 below, the respective control parameters, that is, the flow rates of the process gases (Ar, CO, C 4 F 8 , O 2 ), the pressure in the chamber chamber, and the high frequency power. Is assigned to each training wafer within the range of Level 1 and Level 2 to process each training wafer.

계속해서, 각 트레이닝 웨이퍼에 대해서 복수의 전기적 데이터 및 복수의 광학적 데이터를 각각의 계측기로부터 얻는다. 이들은, 예를 들면 해석 데이터 기억 수단(205)에 실측값으로서 기억한다. 그리고, 연산 수단(206)에서 복수의 제어 파라미터 각각의 실측값의 평균값, 복수의 플라즈마 반영 파라미터(전기적 데이터, 광학적 데이터) 각각의 실측값의 평균값을 산출하고, 이들 평균값을 목적 변수 및 설명 변수로서 해석 데이터 기억 수단(205)에 기억한다. 계속해서, 연산 수단(206)에서는 PLS법을 이용하여 이들 연산 데이터에 근거해 상기 수학식 1의 모델식의 회귀 행렬 Ka를 구한다(제 1 공정).Subsequently, a plurality of electrical data and a plurality of optical data for each training wafer are obtained from each measuring instrument. These are stored, for example, in the analysis data storage means 205 as actual values. And the calculation means 206 calculates the average value of the measured value of each of a some control parameter, and the average value of each measured value of a plurality of plasma reflection parameters (electrical data, optical data), and uses these average values as an objective variable and an explanatory variable. The data is stored in the analysis data storage means 205. Subsequently, the arithmetic means 206 calculates the regression matrix K a of the model formula of Equation 1 above using the PLS method (first step).

또한, 플라즈마 처리 장치(100B)에서도 플라즈마 처리 장치(100A)와 마찬가지로 하기 표 2에 도시하는 바와 같이 제어 파라미터를 할당하여, 각 파라미터의 실측값의 평균값을 산출하고, 이들 평균값을 목적 변수 및 설명 변수로서 이용하여 상기 수학식 2의 모델식의 회귀 행렬 Kb를 구한다(제 1 공정). 또한, 하기 표 2에서, L1~L18은 트레이닝 웨이퍼의 번호를 나타내고 있다.Similarly to the plasma processing apparatus 100A, the plasma processing apparatus 100B also allocates control parameters as shown in Table 2 below, calculates an average value of the measured values of each parameter, and converts these average values into the objective variable and the explanatory variable. The regression matrix K b of the model formula of Equation 2 above is obtained as (Step 1). In addition, in following Table 2, L1-L18 has shown the number of the training wafer.

회귀 행렬 Ka, Kb를 구한 후, 플라즈마 처리 장치(100A)를 이용하여, 하기 표 3에 도시하는 새로운 프로세스 조건하에서 하기의 표 3에 도시하는 바와 같이 표준값으로부터 프로세스 가스 유량 등의 제어 파라미터를 할당하여 20장의 테스트 웨이퍼(TH-OX Si)를 처리하고, 이 때의 플라즈마 반영 파라미터 및 장치 상태 파라미터를 각각의 센서에 의해서 검출한다. 이 때, 하기 표 3에 도시하는 바와 같이 복수의 제어 파라미터를 프로세스 조건의 표준값으로 설정하여 플라즈마 처리 장치를 운전하고, 5장의 베어실리콘 웨이퍼를 더미 웨이퍼로서 처리실(101)내로 흘려 플라즈마 처리 장치를 안정화시킨다.After the regression matrices K a and K b are obtained, control parameters such as process gas flow rates and the like are obtained from the standard values as shown in Table 3 below under the new process conditions shown in Table 3 using the plasma processing apparatus 100A. 20 test wafers (TH-OX Si) are allocated and the plasma reflecting parameters and the device state parameters at this time are detected by the respective sensors. At this time, as shown in Table 3 below, the plasma processing apparatus is operated by setting a plurality of control parameters to standard values of process conditions, and the five bare silicon wafers are flowed into the processing chamber 101 as dummy wafers to stabilize the plasma processing apparatus. Let's do it.

즉, 처리실(101)내의 상하 전극(102, 104)의 극간을 35㎜로 설정한 후, 플라즈마 처리 장치의 운전을 개시하면, 지지체(103)가 볼나사 기구(112)를 거쳐서 처리실(101)의 하실(101B)까지 하강하고, 또한, 게이트 밸브(106)가 개방한 출입구로부터 더미 웨이퍼를 반입하여 하부 전극(102)상에 재치한다. 웨이퍼 W의 반입 후, 게이트 밸브(106)가 닫히고, 또한, 배기 시스템(119)이 작동하여 처리실(101)내를 소정의 진공도로 유지한다. 이 배기에 의해 APC 밸브(101D)의 개도가 배기량에 근거하여 자동적으로 조정된다. 이 때, 가스 도입 기구(115)로부터 He 가스를 백 가스로서 공급하여, 웨이퍼 W와 하부 전극(102), 구체적으로는 정전척(108)과 웨이퍼W간의 열전도성을 높여 웨이퍼 W의 냉각 효율을 높인다.That is, after setting the gap between the upper and lower electrodes 102 and 104 in the processing chamber 101 to 35 mm, the operation of the plasma processing apparatus is started, and the support 103 passes through the ball screw mechanism 112 to process the chamber 101. The dummy wafer is lowered to the lower door 101B and the dummy wafer is loaded from the entrance and exit where the gate valve 106 is opened and placed on the lower electrode 102. After the wafer W is loaded, the gate valve 106 is closed and the exhaust system 119 is operated to maintain the inside of the processing chamber 101 at a predetermined vacuum. By this exhaust, the opening degree of the APC valve 101D is automatically adjusted based on the displacement. At this time, the He gas is supplied from the gas introduction mechanism 115 as the back gas, thereby increasing the thermal conductivity between the wafer W and the lower electrode 102, specifically, the electrostatic chuck 108 and the wafer W, thereby improving the cooling efficiency of the wafer W. Increase

그리고, 프로세스 가스 공급 시스템(118)으로부터 Ar 가스, CO 가스, C4H8가스 및 O2가스를 각각 300sccm, 50sccm, 10sccm 및 8sccm의 유량으로 공급한다. 이 때, 처리실(101)내의 프로세스 가스의 압력을 100mTorr로 설정하기 위해서 APC 밸브(101D)의 개도가 프로세스 가스 공급량과 배기량에 근거하여 자동적으로 조정된다. 이 상태에서, 고주파 전원(107)으로부터 2000W의 고주파 전력을 인가하면, 다이폴 링 자석(105)의 작용과 더불어 마그네트론 방전이 발생하여, 프로세스 가스의 플라즈마를 생성한다. 처음은 베어실리콘 웨이퍼이기 때문에, 에칭 처리를 실행하지 않는다. 베어실리콘 웨이퍼를 소정 시간(예를 들면, 1분) 처리한 후, 반입시와는 반대의 조작으로 처리 후의 웨이퍼 W를 처리실(101)내로부터 반출하여, 후속의 5장째의 더미 웨이퍼까지 동일 조건으로 처리한다.Ar gas, CO gas, C 4 H 8 gas, and O 2 gas are supplied from the process gas supply system 118 at a flow rate of 300 sccm, 50 sccm, 10 sccm, and 8 sccm, respectively. At this time, in order to set the pressure of the process gas in the process chamber 101 to 100 mTorr, the opening degree of the APC valve 101D is automatically adjusted based on the process gas supply amount and the exhaust amount. In this state, when a high frequency power of 2000 W is applied from the high frequency power supply 107, magnetron discharge is generated along with the action of the dipole ring magnet 105 to generate plasma of the process gas. Since it is a bare silicon wafer at first, an etching process is not performed. After the bare silicon wafer has been processed for a predetermined time (for example, one minute), the wafer W after the treatment is taken out of the processing chamber 101 in an operation opposite to that of the carrying-in, and the same conditions are applied to the subsequent fifth dummy wafer. To be processed.

더미 웨이퍼의 처리에 의해서 플라즈마 처리 장치가 안정한 후, 테스트 웨이퍼를 처리한다. 최초의 테스트 웨이퍼(웨이퍼로서는 6장째)에 대해서는 제어 파라미터를 표준값대로 에칭 처리를 실행한다. 이 처리를 실행하고 있는 동안에 전기 계측기(107C) 및 광학 계측기(120)를 거쳐서 전기적 데이터 및 광학적 데이터 각각을 검출 데이터로서 복수회 계측하고, 이들 계측값을 도시하지 않은 기억 수단에서 기억한다. 그리고, 이들 계측값에 근거하여 평균값을, 연산 수단(206)을 이용하여 산출한다.After the plasma processing apparatus is stabilized by the processing of the dummy wafer, the test wafer is processed. The first test wafer (the sixth wafer) is subjected to an etching process with control parameters as standard values. During the process, each of the electrical data and the optical data is measured multiple times as detection data via the electric measuring instrument 107C and the optical measuring instrument 120, and these measured values are stored in a storage means (not shown). And the average value is computed using the calculating means 206 based on these measured values.

2장째의 테스트 웨이퍼를 처리하는 경우에는 고주파 전력을 1500W로부터1980W로 설정값을 변경하고, 그 밖의 제어 파라미터는 상술한 표준값으로 에칭 처리를 실행한다. 요즘 최초의 테스트 웨이퍼와 마찬가지로 하여 전기적 데이터 및 광학적 데이터를 검출 데이터로서 계측한 후, 각각의 평균값을 산출한다.In the case of processing the second test wafer, the high frequency power is changed from 1500W to 1980W, and the other control parameters are subjected to the etching process at the above-mentioned standard values. Similarly to the first test wafers these days, electrical data and optical data are measured as detection data, and then each average value is calculated.

3장째 이후의 테스트 웨이퍼를 처리할 때에는 각 제어 파라미터를 그 때마다 표 3에 도시하는 바와 같이 할당해서 설정하여 각 테스트 웨이퍼를 에칭 처리하고, 각 테스트 웨이퍼에 대해서 플라즈마 반영 파라미터(전기적 데이터, 광학적 데이터)를 검출 데이터로서 계측하여 각각의 평균값을 산출한다.When processing the third and subsequent test wafers, each control parameter is assigned and set as shown in Table 3 each time, and each test wafer is etched, and plasma reflection parameters (electrical data and optical data) are applied to each test wafer. ) Is measured as detection data to calculate respective average values.

이러한 제어 파라미터의 평균값의 행렬 Xa'과 플라즈마 반영 파라미터의 평균값의 행렬 Ya'로부터, 상기 수학식 1의 모델식과 마찬가지로 하기 수학식 5에 나타내는 새로운 모델식을 작성한다(제 2 공정).From the matrix X a ′ of the average value of the control parameter and the matrix Y a ′ of the average value of the plasma reflection parameter, a new model equation shown in the following equation (5) is created in the same manner as the model equation (1) above (second step).

계속해서, 플라즈마 처리 장치(100B)를 플라즈마 처리 장치(100A)와 동일 조건으로 제어 파라미터를 할당한 경우에는, 플라즈마 처리 장치(100B)에 대해서는 플라즈마 처리 장치(100A)와 같이 실험을 하지 않더라도 플라즈마 처리 장치(100A)의 상기 수학식 5에 나타내는 모델식을 유용할 수 있다. 즉, 플라즈마 처리 장치(100B)에서는 플라즈마 처리 장치(100A)와 동일한 조건으로 제어 파라미터를 할당하는 것이므로 플라즈마 처리 장치(100B)에서의 목적 변수의 행렬 Xb'에는 하기 수학식 6이 성립한다. 여기서, 플라즈마 처리 장치(100B)의 목적 변수가 행렬 Xb'인경우에는, 상기 수학식 2의 모델식은 하기 수학식 7의 모델식으로 된다.Subsequently, in the case where the control parameter is assigned to the plasma processing apparatus 100B under the same conditions as the plasma processing apparatus 100A, the plasma processing apparatus 100B is not subjected to the plasma processing apparatus 100A even if the experiment is not performed. The model equation shown in Equation 5 of the device 100A may be useful. That is, since the plasma processing apparatus 100B allocates the control parameters under the same conditions as the plasma processing apparatus 100A, the following equation (6) is established in the matrix X b ′ of the target variable in the plasma processing apparatus 100B. Here, when the objective variable of the plasma processing apparatus 100B is the matrix X b ', the model equation of Equation 2 is a model equation of Equation 7 below.

그리고, 상기 수학식 1 및 하기 수학식 5에 나타내는 플라즈마 처리 장치(100A)의 모델식과, 상기 수학식 2 및 하기 수학식 7에 나타내는 플라즈마 처리 장치(100B)의 모델식과의 관계로부터 하기 수학식 8에 나타내는 모델식이 얻어진다. 즉, 플라즈마 처리 장치(100A)에서의 회귀 행렬 Ka, 새로운 회귀 행렬 Ka'와, 플라즈마 처리 장치(100B)에서의 회귀 행렬 Kb, 새로운 회귀 행렬 Kb'와의 사이에는, 비례 관계(Kb'/Ka'=Kb/Ka)가 성립하는 것으로 생각되기 때문에, Kb'=Ka'Kb/Ka로 할 수 있다. 하기 수학식 7의 Kb'에 이 관계를 적용하면, 하기 수학식 8이 얻어진다.And from the relationship between the model formula of the plasma processing apparatus 100A shown by the said Formula (1) and the following formula (5), and the model formula of the plasma processing apparatus 100B shown by the said Formula (2) and Formula (7), following formula (8) The model formula shown in FIG. That is, the regression matrix in the plasma processing apparatus (100A) K a, new regression matrix K a is between "and regression matrix in the plasma processing apparatus (100B) K b, new regression matrix K b ', proportional to (K Since b '/ K a ' = K b / K a ) is considered to be true, K b '= K a ' K b / K a can be set. Applying this relationship to K b ′ in Equation 7 below, Equation 8 is obtained.

따라서, 제어 파라미터를 행렬 Xb'에 할당하는 새로운 프로세스 조건에서는, 플라즈마 처리 장치(100A)에 관해서 모델식 수학식 5를 구해 놓으면, 미리 구해 놓은 플라즈마 처리 장치(100A)의 모델식 수학식 1과 플라즈마 처리 장치(100B)의 모델식 수학식 2와 상기 모델식 수학식 7로부터, 수학식 8에 나타내는 플라즈마 처리장치(100B)에 관한 새로운 모델식을 작성할 수 있다(제 3 공정).Therefore, in the new process condition of allocating the control parameter to the matrix X b ′, when model equation (5) is obtained for the plasma processing apparatus 100A, the model equation (1) and the previously obtained model equation (1) of the plasma processing apparatus 100A are obtained. From the model formula (2) and the model formula (7) of the plasma processing apparatus 100B, a new model formula for the plasma processing apparatus 100B shown in formula (8) can be created (third step).

즉, 새로운 프로세스 조건에 의해 검출된 플라즈마 처리 장치(100A)에 관한 제어 파라미터의 평균값(설정 데이터)의 행렬 Xa'와, 플라즈마 반영 파라미터의 평균값(검출 데이터)의 행렬 Ya'를 관련시킨 회귀 행렬 Ka'을 구하는 것에 의해서, 플라즈마 처리 장치(100B)의 새로운 모델식 수학식 8을 작성할 수 있고, 이 새로운 모델식 수학식 8에 의해 플라즈마 처리 장치(100B)의 장치 상태를 평가할 수 있다. 이것은 플라즈마 처리 장치(100A)에 관한 상기 모델식 수학식 5를 실험에 근거하여 작성하면, 플라즈마 처리 장치(100B)에 대해서는 다시 실험을 하지 않더라도 상기 수학식 8을 플라즈마 처리 장치(100B)의 새로운 모델식으로서 작성할 수 있는 것을 의미한다.That is, a regression in which the matrix X a ′ of the average value (setting data) of the control parameter relating to the plasma processing apparatus 100A detected by the new process condition is related to the matrix Y a ′ of the average value (detection data) of the plasma reflection parameter. By obtaining the matrix K a ′, a new model equation (8) of the plasma processing apparatus 100B can be created, and the device state of the plasma processing apparatus 100B can be evaluated by this new model equation (8). If the model equation (5) related to the plasma processing apparatus (100A) is prepared based on an experiment, the equation (8) is used as a new model of the plasma processing apparatus 100B even if the experiment is not performed again on the plasma processing apparatus 100B. It means that it can be written as an expression.

이렇게 해서 작성된 새로운 모델식 수학식 8은 플라즈마 처리 장치(100B)의 해석 데이터 기억 수단(205)에 기억해 놓아도 무방하다. 이에 의해, 플라즈마 처리 장치(100B)의 통상 운전에 의한 웨이퍼 처리시에서, 복수의 플라즈마 반영 파라미터의 각각의 평균값(검출 데이터)으로부터 복수의 제어 파라미터의 값을 예측 계산할 때에, 해석 데이터 기억 수단(205)으로부터의 새로운 모델식 수학식 8을 이용할 수 있다.The new model equation (8) created in this way may be stored in the analysis data storage means 205 of the plasma processing apparatus 100B. Thereby, in the wafer processing by the normal operation of the plasma processing apparatus 100B, the analysis data storage means 205 when predicting and calculating the values of the plurality of control parameters from the respective average values (detection data) of the plurality of plasma reflection parameters. A new model equation (8) can be used.

이 경우, 예측ㆍ진단ㆍ제어 수단(207)에 의해, 예측된 제어 파라미터의 값(예측된 설정 데이터)과, 실제로 플라즈마 처리 장치(100B)에 설정된 설정 데이터의 변동 허용 범위와 비교하여 이상이라고 판단된 경우에는, 예를 들면 처리 장치 제어 수단(225)에 의해 플라즈마 처리 장치(100B)를 정지하고, 또한, 표시 수단(224), 경보기(226)로 이상을 통지한다.In this case, the prediction, diagnosis, and control means 207 judges that the abnormality is compared with the value of the predicted control parameter (predicted setting data) and the allowable variation range of the setting data actually set in the plasma processing apparatus 100B. If it is, the plasma processing apparatus 100B is stopped by the processing apparatus control means 225, and the abnormality is notified to the display means 224 and the alarm 226, for example.

이상 설명한 바와 같이 본 실시예에서는, 예를 들면 플라즈마 처리 장치(100A, 100B)에서 각각 제 1 설정 데이터(예를 들면, 제어 파라미터)에 근거하여 동작했을 때에 각 플라즈마 처리 장치(100A, 100B)의 복수의 센서로부터 검출되는 검출 데이터(예를 들면, 플라즈마 반영 파라미터)와 제 1 설정 데이터와의 상관 관계(수학식 1에서의 Ka, 수학식 2에서의 Kb)를 다변량 해석에 의해서 각 플라즈마 처리 장치(100A, 100B)마다 구하는 제 1 공정과, 각 플라즈마 처리 장치(100A, 100B) 중 기준 처리 장치로 하는 플라즈마 처리 장치(100A)에서 새로운 제 2 설정 데이터(예를 들면, 제 1 설정 데이터와는 제어 파라미터를 할당하는 범위가 상이한 새로운 설정 데이터)에 근거하여 동작했을 때에 플라즈마 처리 장치(100A)의 복수의 센서로부터 검출되는 검출 데이터와 제 2 설정 데이터와의 상관 관계(수학식 5에서의 Ka')를 다변량 해석에 의해서 구하는 제 2 공정과, 기준 처리 장치 이외의 다른 처리 장치인 플라즈마 처리 장치(100B)에서의 제 2 설정 데이터와 검출 데이터와의 상관 관계(수학식 8에서의 Kb')를, 제 1 공정에서 구한 플라즈마 처리 장치(100B)에서의 상관 관계 Kb와, 제 1 공정에서 구한 플라즈마 처리 장치(100A)에서의 상관 관계 Ka와, 제 2 공정에서 구한 플라즈마 처리 장치(100A)에서의 상관 관계 Ka'에 근거하여 구하고, 이렇게 해서 구한 상관 관계 Kb'에 근거하여 플라즈마 처리 장치(100B)의 장치 상태를 평가하거나 또는 처리 결과를 예측하는 다변량 해석 모델식(수학식 8)을 작성하는 제 3 공정을 갖는다.As described above, in the present embodiment, for example, when the plasma processing apparatuses 100A and 100B operate on the basis of the first setting data (for example, control parameters), the respective plasma processing apparatuses 100A and 100B The correlation between the detection data (for example, the plasma reflection parameter) detected from the plurality of sensors and the first setting data (K a in Equation 1 and K b in Equation 2) is determined by multivariate analysis. 1st process calculated | required for each processing apparatus 100A, 100B and new 2nd setting data (for example, 1st setting data) in the plasma processing apparatus 100A used as a reference processing apparatus among each plasma processing apparatus 100A, 100B. Detection data detected by a plurality of sensors of the plasma processing apparatus 100A and the second setting when the control parameter The second setting data and the detection data from the data and the correlation (K a 'in Equation (5)) a second step, other processing apparatus of a plasma processing apparatus (100B) other than the reference apparatus to obtain by multivariate analysis Correlation (K b ′ in Equation 8) with the correlation K b in the plasma processing apparatus 100B obtained in the first step and the correlation in the plasma processing apparatus 100A obtained in the first step. Based on K a and the correlation K a ′ in the plasma processing apparatus 100A obtained in the second step, the apparatus state of the plasma processing apparatus 100B is evaluated based on the correlation K b ′ thus obtained. Or it has a 3rd process of preparing the multivariate analysis model formula (Equation 8) which predicts a process result.

이 때문에, 새로운 프로세스 조건에 의한 새로운 설정 데이터에 대해서는, 기준으로 하는 플라즈마 처리 장치(100A)에서 웨이퍼에 대하여 플라즈마 처리하는 실험을 실행하여 모델식 수학식 5를 작성하면, 플라즈마 처리 장치(100A)의 새로운 모델식 수학식 5를 유용하여, 기준으로 하는 처리 장치 이외의 처리 장치, 예를 들면 플라즈마 처리 장치(100B)에 대한 새로운 모델식 수학식 8을 작성할 수 있다. 따라서, 플라즈마 처리 장치(100B)에 관해서는 새로운 모델식을 작성하기 위해서 새로운 설정 데이터로 실험을 하지 않더라도, 새로운 모델식 수학식 8을 작성할 수 있다. 이에 의해, 플라즈마 처리 장치(100B)에 관한 모델식 작성의 부하를 대폭 경감할 수 있다.For this reason, about the new setting data by a new process condition, when plasma processing is performed with respect to a wafer in the plasma processing apparatus 100A as a reference | standard, and model formula (5) is produced, the plasma processing apparatus 100A will be performed. By using the new model equation (5), a new model equation (8) can be created for processing devices other than the reference processing device, for example, the plasma processing device 100B. Therefore, with respect to the plasma processing apparatus 100B, a new model equation (8) can be created even without experimenting with new setting data in order to create a new model equation. Thereby, the load of model formula preparation with respect to the plasma processing apparatus 100B can be reduced significantly.

또한, 본 실시예에서는, 제 3 공정은 제 1 공정에서 구한 플라즈마 처리 장치(100B)에서의 상관 관계 Kb에 대한 제 2 설정 데이터와 검출 데이터와의 상관 관계 Kb'와, 제 1 공정에서 구한 플라즈마 처리 장치(100A)에서의 상관 관계 Ka에 대한 제 2 공정에서 구한 상관 관계 Ka'와의 비례 관계에 근거하여, 플라즈마 처리 장치(100B)에서의 제 2 설정 데이터와 검출 데이터와의 상관 관계 Kb'를 구한다. 이에 의해, 플라즈마 처리 장치(100B)에서의 상관 관계 Kb'는 다변량 해석에 의하지 않고서, 간단히 산출할 수 있다.In the present embodiment, the third step is performed by the correlation K b ′ between the second setting data and the detection data for the correlation K b in the plasma processing apparatus 100B obtained in the first step, and in the first step. Correlation between the second setting data and the detection data in the plasma processing apparatus 100B based on a proportional relationship with the correlation K a 'obtained in the second step with respect to the correlation K a obtained in the plasma processing apparatus 100A. Find the relationship K b '. Thereby, the correlation in the plasma processing apparatus (100B) K b 'can be calculated without depending on a multivariate analysis, simply.

또한, 본 실시예에서는 플라즈마 상태를 제어할 수 있는 복수의 제어 파라미터와, 플라즈마 상태를 반영하는 복수의 플라즈마 반영 파라미터를 관련시켜 다변량 해석 모델식을 작성한다. 구체적으로는, 플라즈마 처리 장치(100A, 100B)를 이용하여 각각 설정 데이터(제어 파라미터 등)를 목적 변수로 하고, 또한, 검출 데이터(플라즈마 반영 파라미터 등)를 설명 변수로 하여 다변량 해석 모델식 수학식 1, 2를 작성한다. 그리고, 새로운 설정 데이터에서는, 플라즈마 처리 장치(100A)에 대해서 다변량 해석 모델식 수학식 5를 작성하면, 상관 관계 Kb'와 설정 데이터 Xb'를 이용하여 플라즈마 처리 장치(100B)의 검출 데이터(플라즈마 반영 파라미터, 장치 상태 파라미터 등)를 산출하여, 플라즈마 처리 장치(100B)에 대한 새로운 설정 데이터에 의한 다변량 해석 모델식 수학식 8을 작성할 수 있다.In this embodiment, a multivariate analysis model equation is generated by associating a plurality of control parameters capable of controlling the plasma state with a plurality of plasma reflection parameters reflecting the plasma state. Specifically, multivariate analysis model equations using the plasma processing apparatuses 100A and 100B as setting variables (control parameters, etc.) as target variables, and detection data (plasma reflection parameters, etc.) as explanatory variables, respectively. Write 1 and 2. Then, in the new setting data, if the multivariate analysis model equation (5) is generated for the plasma processing apparatus 100A, the detection data of the plasma processing apparatus 100B using the correlation K b ′ and the setting data X b ′ ( Plasma reflection parameters, device state parameters, and the like) can be calculated to generate multivariate analysis model equation (8) using new setting data for the plasma processing apparatus 100B.

또한, PLS법을 이용하여 다변량 해석 모델식을 작성하기 위해서, 실험수가 적더라도 상기 각 파라미터를 양호한 정밀도로 예측, 평가할 수 있다. 또한, 플라즈마 처리 장치(100B)의 예측값을 주성분 분석하는 것에 의해, 플라즈마 처리 장치(100B)의 운전 상태를 종합적으로 평가할 수 있다.In addition, in order to prepare a multivariate analysis model equation using the PLS method, even if there are few experiments, each said parameter can be predicted and evaluated with favorable precision. In addition, by performing principal component analysis on the predicted value of the plasma processing apparatus 100B, the operating state of the plasma processing apparatus 100B can be comprehensively evaluated.

또한, PLS법을 이용하여 설정 데이터와 검출 데이터의 상관 관계를 구하는 다변량 해석을 실행하도록 했기 때문에, 적은 데이터로 양호한 정밀도로 다변량 해석을 실행하여 다변량 해석 모델식을 작성할 수 있다.Moreover, since the multivariate analysis which calculates the correlation between the setting data and the detection data is performed using the PLS method, the multivariate analysis model formula can be created by executing the multivariate analysis with good accuracy with little data.

다음에, 본 발명의 실시예 2를 도면을 참조하면서 설명한다. 도 3은 본 실시예에 따른 제어 시스템 전체의 개략적인 구성을 나타내는 블록도이다. 이 제어시스템(300)은 호스트 장치(310)와, 복수의 플라즈마 처리 장치(100A, …, 100N)를 네트워크(320)에 의해 접속해서 구성된다. 플라즈마 처리 장치(100A, …, 100N)는 각각 도 1에 나타내는 것과 마찬가지의 구성이기 때문에, 그 상세한 설명을 생략한다. 또한, 플라즈마 처리 장치(100A, …, 100N)는 각각 도 2에 나타내는 다변량 해석 수단(200)을 구비한다. 또한, 본 실시예에서는, 예를 들면 도 2에 나타내는 다변량 해석 수단(200), 처리 장치 제어 수단(225), 도 3에 나타내는 송수신 장치(150)가 처리 장치의 제어 장치로서의 역할을 다한다.Next, Embodiment 2 of the present invention will be described with reference to the drawings. 3 is a block diagram showing a schematic configuration of the entire control system according to the present embodiment. The control system 300 is configured by connecting a host apparatus 310 and a plurality of plasma processing apparatuses 100A, ..., 100N with a network 320. Since the plasma processing apparatuses 100A, ..., 100N have the same configuration as those shown in Fig. 1, detailed description thereof is omitted. In addition, the plasma processing apparatuses 100A, ..., 100N are each provided with the multivariate analysis means 200 shown in FIG. In addition, in this embodiment, the multivariate analysis means 200 shown in FIG. 2, the processing apparatus control means 225, and the transceiver 150 shown in FIG. 3 play a role as a control apparatus of a processing apparatus, for example.

호스트 장치(310)는 적어도 각종 연산을 실행하는 연산 수단(312), 상술한 PLS법 등의 다변량 해석 프로그램을 기억하는 다변량 해석 프로그램 기억 수단(314), 해석 결과나 해석에 필요한 데이터를 기억하는 해석 데이터 기억 수단(316), 상기 네트워크(320)를 거쳐서 각 플라즈마 처리 장치(100A, …, 100N)와의 데이터의 수수를 실행하는 송수신 수단(318)을 구비한다. 또한, 상기 호스트 장치(310)는, 예를 들면 반도체 제조 공장의 호스트 컴퓨터로 구성해도 무방하고, 또한, 이 호스트 컴퓨터에 접속한 퍼스널 컴퓨터로 구성해도 무방하다.The host device 310 includes at least arithmetic means 312 for performing various operations, multivariate analysis program storage means 314 for storing multivariate analysis programs such as the above-described PLS method, and analysis for storing analysis results and data necessary for analysis. Data transmitting means 316 and transmitting / receiving means 318 for transmitting and receiving data to and from each plasma processing apparatus 100A, ..., 100N via the network 320 are provided. The host device 310 may be configured by, for example, a host computer in a semiconductor manufacturing factory, or may be configured by a personal computer connected to the host computer.

플라즈마 처리 장치(100A, …, 100N)는 각각, 각 플라즈마 처리 장치(100A, …, 100N)와 호스트 장치(310) 사이 또는 각 플라즈마 처리 장치(100A, …, 100N)간의 각종 데이터의 송수신을 실행하는 송수신 장치(150A, …, 150N), 제어 파라미터(설정 데이터) 등의 각종 데이터를 입력하기 위한 입력 수단(152A, …, 152N)을 구비한다. 상기 송수신 장치(150A, …, 150N)는 각각, 도 2에 나타내는 다변량 해석 수단(200)과 접속되어 있어, 각 플라즈마 처리 장치(100A, …, 100N)의 다변량해석 수단(200)과 데이터의 수수를 실행할 수 있다.The plasma processing apparatuses 100A, ..., 100N respectively transmit and receive various data between the plasma processing apparatuses 100A, ..., 100N and the host apparatus 310 or between each plasma processing apparatus 100A, ..., 100N. And input means 152A, ..., 152N for inputting various data such as transmission / reception apparatuses 150A, ..., 150N, control parameters (setting data). The transmission and reception apparatuses 150A, ..., 150N are connected to the multivariate analysis means 200 shown in FIG. 2, respectively, and the multivariate analysis means 200 and the data transfer of each plasma processing apparatus 100A, ..., 100N are received. You can run

상기 네트워크(320)로서는 호스트 장치(310), 각 플라즈마 처리 장치(100A, …, 100N) 등을 쌍방향 통신 가능하게 접속하는 것이며, 전형적으로는 인터넷 등의 공중 회선망을 들 수 있다. 또한, 네트워크(320)로서는 상기 공중 회선망 의 다른 것, WAN(Wide Area Network), LAN(Local Area Network), IP-VPN(Internet Protocol-Virtual Private Network) 등의 폐쇄 회선망이어도 무방하다. 또한, 네트워크(320)로의 접속 매체는 FDDI(Fiber Distributed Data Interface) 등에 의한 광파이버 케이블, Ethernet에 의한 동축 케이블 또는 꼬인선 케이블, 또는 IEEE802.11b 등에 의한 무선 등이어도 무방하고, 유선 무선을 막론하고, 위성 네트워크 등이어도 무방하다.The network 320 connects the host apparatus 310, each plasma processing apparatus 100A, ..., 100N, etc. so that bidirectional communication is possible, and public network networks, such as the Internet, are mentioned typically. In addition, the network 320 may be a closed circuit network such as another of the public circuit network, a wide area network (WAN), a local area network (LAN), and an Internet Protocol-Virtual Private Network (IP-VPN). In addition, the connection medium to the network 320 may be an optical fiber cable using a Fiber Distributed Data Interface (FDDI) or the like, a coaxial cable or a twisted wire cable using Ethernet, or a wireless connection using IEEE802.11b or the like. It may be a satellite network.

각 플라즈마 처리 장치(100)가 소망하는 프로세스 조건으로 에칭 처리를 실행할 때에, 장치 상태를 평가하기 위한 새로운 모델식을 작성하기 위해서 필요한 데이터를 송수신 장치(150)를 거쳐서 호스트 장치(310)로부터 소망하는 플라즈마 처리 장치(100)에 송신하는 것에 의해, 그 플라즈마 처리 장치(100)의 다변량 해석 수단(200)에서 모델식을 작성할 때의 부담을 경감할 수 있다. 그리고, 플라즈마 처리 장치(100)에 의한 실제의 웨이퍼의 처리시에서의 각 검출 데이터로부터 새로운 모델식을 이용하여 장치 상태가 평가되고, 그 결과에 따라서 출력되는 예측ㆍ진단ㆍ제어 수단(207)으로부터의 지시에 근거하여 처리 장치 제어 수단(225)에 의해 플라즈마 처리 장치(100)가 제어된다.When each plasma processing apparatus 100 performs an etching process under a desired process condition, the host apparatus 310 transmits data necessary for creating a new model equation for evaluating the apparatus state from the host apparatus 310 via the transmission / reception apparatus 150. By transmitting to the plasma processing apparatus 100, the burden at the time of preparing a model formula in the multivariate analysis means 200 of the plasma processing apparatus 100 can be reduced. And from the detection data at the time of the actual wafer processing by the plasma processing apparatus 100, the apparatus state is evaluated using a new model formula, and the prediction, diagnosis, and control means 207 is output according to the result. The plasma processing apparatus 100 is controlled by the processing apparatus control means 225 based on the instruction of.

다음에, 이러한 제어 시스템(300)의 처리에 대해서 도면을 참조하면서 설명한다. 제어 시스템(300)의 처리로서는, 예를 들면 실시예 1에서 설명한 바와 같이, 플라즈마 처리 장치(100A)에서 작성한 새로운 모델을 플라즈마 처리 장치(100B)에 유용하여, 플라즈마 처리 장치(100B)에 대한 새로운 모델을 작성하는 경우를 들 수 있다.Next, the process of this control system 300 is demonstrated, referring drawings. As the processing of the control system 300, for example, as described in the first embodiment, a new model created by the plasma processing apparatus 100A is useful for the plasma processing apparatus 100B, and thus, a new model for the plasma processing apparatus 100B may be used. For example, when creating a model.

도 4~도 6은 플라즈마 처리 장치(100B)의 새로운 모델을 작성하는 경우의 처리에 대한 동작 흐름을 나타낸다. 보다 상세하게는, 도 4~도 6은 플라즈마 처리 장치(100A)를 기준 처리 장치, 플라즈마 처리 장치(100B, …, 100N)를 기준 처리 장치 이외의 처리 장치로 했을 때의 호스트 장치, 기준 처리 장치, 기준 처리 장치 이외의 처리 장치에 대한 동작 흐름을 나타내고 있다. 또한, 도 4~도 6에서는, 기준 처리 장치 이외의 처리 장치로서 플라즈마 처리 장치(100B)의 처리를 대표하여 기재하고 있다. 다른 플라즈마 처리 장치(100C, …, 100N)에 대해서 새로운 모델식을 작성하는 경우에서도, 플라즈마 처리 장치(100B)와 마찬가지의 동작이 실해된다.4-6 shows the operation | movement flow with respect to the process at the time of creating a new model of the plasma processing apparatus 100B. More specifically, FIGS. 4-6 show host apparatuses and reference processing apparatuses when the plasma processing apparatus 100A is a reference processing apparatus and the plasma processing apparatuses 100B, ..., 100N are processing apparatuses other than the reference processing apparatus. The flow of operations for processing devices other than the reference processing device is shown. 4-6, the process of the plasma processing apparatus 100B is represented as processing apparatuses other than a reference processing apparatus. Even when a new model equation is created for the other plasma processing apparatuses 100C, ..., 100N, the same operation as that of the plasma processing apparatus 100B is performed.

먼저, 도 4에 나타내는 바와 같이, 각 플라즈마 처리 장치(100A, …, 100N)의 회귀 행렬 Ka, …, Kn을 구한다. 구체적인 처리를 이하에 설명한다.First, as shown in FIG. 4, the regression matrices K a ,... Of each plasma processing apparatus 100A, ..., 100N. Find K n . Specific processing will be described below.

기준 처리 장치인 플라즈마 처리 장치(100A)는 회귀 행렬 Ka를 구하기 위한 설정 데이터(예를 들면, 제어 파라미터)가 입력 수단(152A)으로부터 입력되어 설정되면, 단계 S110에서 이 설정 데이터에 따라서 웨이퍼 W를 처리하여 검출 데이터(예를 들면, 플라즈마 반영 파라미터)를 취득하고, 이들 설정 데이터, 검출 데이터를 네트워크(320)를 거쳐서 호스트 장치(310)에 송신한다.Plasma processing apparatus 100A, which is a reference processing apparatus, sets the wafer W according to the setting data in step S110 when setting data (for example, control parameter) for obtaining regression matrix K a is input and set from input means 152A. Is processed to obtain detection data (e.g., plasma reflection parameters) and transmits these setting data and detection data to the host device 310 via the network 320.

한편, 기준 처리 장치 이외의 처리 장치인, 예를 들면 플라즈마 처리 장치(100B)는, 회귀 행렬 Kb를 구하기 위한 설정 데이터(예를 들면, 제어 파라미터)가 입력 수단(152B)으로부터 입력되어 설정되면, 단계 S510에서 이 설정 데이터에 따라서 웨이퍼 W를 처리하여 검출 데이터(예를 들면, 플라즈마 반영 파라미터)를 취득하고, 이들 설정 데이터, 검출 데이터를 네트워크(320)를 거쳐서 호스트 장치(310)에 송신한다.On the other hand, for example, the plasma processing apparatus 100B, which is a processing apparatus other than the reference processing apparatus, is provided with setting data (for example, control parameters) for obtaining the regression matrix K b from the input means 152B. In step S510, the wafer W is processed in accordance with this setting data to obtain detection data (e.g., plasma reflection parameters), and the setting data and detection data are transmitted to the host device 310 via the network 320. .

호스트 장치(310)는 단계 S210에서 각 플라즈마 처리 장치(100A, …, 100N)로부터 설정 데이터, 검출 데이터를 수신하여 해석 데이터 기억 수단(316)에 기억한다. 계속해서, 단계 S220에서 수신한 설정 데이터의 웨이퍼마다의 평균값을 연산 수단(312)에 의해 구하여, 이들을 목적 변수 Xa, …, Xn으로서 해석 데이터 기억 수단(316)에 기억하고, 또한, 수신한 검출 데이터의 웨이퍼마다의 평균값을 연산 수단(312)에 의해 구하여, 이들을 설명 변수 Ya, …, Yn으로서 해석 데이터 기억 수단(316)에 기억한다.The host apparatus 310 receives the setting data and the detection data from the plasma processing apparatuses 100A, ..., 100N in step S210 and stores them in the analysis data storage means 316. Subsequently, the average value for each wafer of the setting data received in step S220 is obtained by the calculation means 312, and these are converted into the objective variables X a ,. , X n is stored in the analysis data storage means 316, and the average value for each wafer of the received detection data is calculated by the calculation means 312, and these are described as explanatory variables Y a ,. , Y n is stored in the analysis data storage means 316.

계속해서, 호스트 장치(310)는 단계 S230에서 다변량 해석 프로그램 기억 수단(314)으로부터의 PLS법에 의한 프로그램에 근거하여 상기 실시예 1과 마찬가지로 설정 데이터(목적 변수) Xa, …, Xn, 검출 데이터(설명 변수) Ya, …, Yn으로부터 각 플라즈마 처리 장치(100A, …, 100N)에서의 회귀 행렬 Ka, …, Kn을 연산 수단(312)에 의해 구하여 해석 데이터 기억 수단(316)에 기억한다. 계속해서, 단계 S240에서 이들 설정 데이터 Xa, …, Xn, 검출 데이터 Ya, …, Yn, 회귀 행렬 Ka, …, Kn을 네트워크(320)를 거쳐서 각 플라즈마 처리 장치(100A, …, 100N)에 송신한다.Subsequently, in step S230, the host apparatus 310 sets data (objective variables) X a ,... As in the first embodiment based on the program by the PLS method from the multivariate analysis program storage means 314. , X n , detection data (explanatory variable) Y a ,. , The regression matrices K a ,... In each plasma processing apparatus 100A, ..., 100N from Y n . , K n is obtained by the calculation means 312 and stored in the analysis data storage means 316. Subsequently, in step S240, these setting data X a ,... , X n , detection data Y a ,. , Y n , regression matrix K a ,. , K n is transmitted to the plasma processing apparatuses 100A, ..., 100N via the network 320.

기준 처리 장치인 플라즈마 처리 장치(100A)는 단계 S120에서 호스트 장치(310)로부터 설정 데이터 Xa, 검출 데이터 Ya, 회귀 행렬 Ka를 수신하여; 상기 수학식 1에 나타내는 모델식으로서 기억한다. 또한, 기준 처리 장치 이외의 처리 장치인, 예를 들면 플라즈마 처리 장치(100B)는, 단계 S520에서 호스트 장치(310)로부터 설정 데이터 Xb, 검출 데이터 Yb, 회귀 행렬 Kb를 수신하여, 상기 수학식 2에 나타내는 모델식으로서 기억한다.The plasma processing apparatus 100A as the reference processing apparatus receives the setting data X a , the detection data Y a , and the regression matrix K a from the host apparatus 310 in step S120; It stores as a model formula shown in said Formula (1). For example, the plasma processing apparatus 100B, which is a processing apparatus other than the reference processing apparatus, receives the setting data X b , the detection data Y b , and the regression matrix K b from the host apparatus 310 in step S520. It stores as a model formula shown in Formula (2).

다음에, 도 5에 나타내는 바와 같이 기준 처리 장치인 플라즈마 처리 장치(100A)가 새로운 모델을 작성한다. 구체적인 처리를 이하에 설명한다.Next, as shown in FIG. 5, the plasma processing apparatus 100A which is a reference processing apparatus creates a new model. Specific processing will be described below.

플라즈마 처리 장치(100A)는 회귀 행렬 Ka'를 구하기 위한 새로운 설정 데이터(예를 들면, 제어 파라미터)가 입력 수단(152A)으로부터 입력되어 설정되면, 단계 S130에서 이 설정 데이터에 따라서 웨이퍼 W를 처리하여 새로운 검출 데이터(예를 들면, 플라즈마 반영 파라미터)를 취득하고, 이들 새로운 설정 데이터, 새로운 검출 데이터를 네트워크(320)를 거쳐서 호스트 장치(310)에 송신한다.The plasma processing apparatus 100A processes the wafer W according to this setting data in step S130 when new setting data (for example, control parameters) for obtaining the regression matrix K a ′ is input and set from the input means 152A. New detection data (for example, plasma reflection parameters) is acquired, and these new setting data and new detection data are transmitted to the host device 310 via the network 320.

호스트 장치(310)는 단계 S310에서 기준 처리 장치인 플라즈마 처리 장치(100A)로부터 새로운 설정 데이터, 새로운 검출 데이터를 수신하여 해석 데이터 기억 수단(316)에 기억한다. 계속해서, 단계 S320에서 수신한 새로운 설정 데이터의웨이퍼마다의 평균값을 연산 수단(312)에 의해 구하여, 이들을 설명 변수 Xa', …, Xn'로서 해석 데이터 기억 수단(316)에 기억하고, 또한, 수신한 새로운 검출 데이터의 웨이퍼마다의 평균값을 연산 수단(312)에 의해 구하여, 이들을 목적 변수 Ya', …, Yn'로서 해석 데이터 기억 수단(316)에 기억한다.The host apparatus 310 receives the new setting data and the new detection data from the plasma processing apparatus 100A which is the reference processing apparatus in step S310 and stores them in the analysis data storage means 316. Subsequently, the average value for each wafer of new setting data received in step S320 is calculated by the calculation means 312, and these are explained by the explanation variables X a ',. , X n 'is stored in the analysis data storage means 316, and the average value for each wafer of received new detection data is calculated by the calculation means 312, and these are determined as the target variables Y a ',... , Y n ′ is stored in the analysis data storage means 316.

계속해서, 호스트 장치(310)는 단계 S330에서 다변량 해석 프로그램 기억 수단(314)으로부터의 PLS법에 의한 프로그램에 근거하여 상기 실시예 1과 마찬가지로, 새로운 설정 데이터(목적 변수) Xa', 새로운 검출 데이터(설명 변수) Ya'로부터 플라즈마 처리 장치(100A)에서의 회귀 행렬 Ka'를 연산 수단(312)에 의해 구하여 해석 데이터 기억 수단(316)에 기억한다. 계속해서, 단계 S340에서 이들 새로운 설정 데이터 Xa', 새로운 검출 데이터 Ya', 새로운 회귀 행렬 Ka'를 네트워크(320)를 거쳐서 플라즈마 처리 장치(100A)에 송신한다.Subsequently, the host apparatus 310, based on the program by the PLS method from the multivariate analysis program storage means 314, in step S330, similarly to the first embodiment, new setting data (objective variable) X a ', new detection. From the data (explanatory variable) Y a ′, a regression matrix K a ′ in the plasma processing apparatus 100A is obtained by the calculation means 312 and stored in the analysis data storage means 316. Subsequently, in step S340, these new setting data X a ′, new detection data Y a ′, and new regression matrix K a ′ are transmitted to the plasma processing apparatus 100A via the network 320.

기준 처리 장치인 플라즈마 처리 장치(100A)는 단계 S140에서 호스트 장치(310)로부터 설정 데이터 Xa', 검출 데이터 Ya', 회귀 행렬 Ka'을 수신하여, 새로운 모델식으로서 기억한다.The plasma processing apparatus 100A, which is a reference processing apparatus, receives the setting data X a ′, the detection data Y a ′, and the regression matrix K a ′ from the host apparatus 310 in step S140, and stores it as a new model equation.

다음에, 도 6에 나타내는 바와 같이, 기준 처리 장치 이외의 처리 장치인, 예를 들면 플라즈마 처리 장치(100B)에 대한 모델식을 구한다. 기준 처리 장치 이외의 처리 장치의 새로운 모델식은, 기준 처리 장치의 새로운 모델식에 근거하여 구하기 때문에, 기준 처리 장치 이외의 처리 장치에서는 웨이퍼에 대한 플라즈마처리를 새롭게 실행할 필요가 없어진다. 구체적인 처리를 이하에 설명한다.Next, as shown in FIG. 6, the model formula of the plasma processing apparatus 100B which is processing apparatuses other than a reference processing apparatus is calculated | required. Since a new model equation of the processing apparatus other than the reference processing apparatus is obtained based on the new model formula of the reference processing apparatus, processing apparatuses other than the reference processing apparatus do not need to newly perform plasma processing on the wafer. Specific processing will be described below.

플라즈마 처리 장치(100B)는 단계 S530에서 회귀 행렬 Kb'을 구하기 위한 설정 데이터(회귀 행렬 Ka'를 구하기 위한 설정 데이터와 동일한 설정 데이터)가 입력 수단(152B)으로부터 입력되면, 이 설정 데이터를 네트워크(320)를 거쳐서 호스트 장치(310)에 송신한다.In step S530, the plasma processing apparatus 100B inputs the setting data for obtaining the regression matrix K b ′ (setting data identical to the setting data for obtaining the regression matrix K a ′) from the input means 152B. Transmit to host device 310 via network 320.

호스트 장치(310)는 단계 S410에서 기준 처리 장치 이외의 처리 장치인 플라즈마 처리 장치(100B)로부터 새로운 설정 데이터를 수신하여 해석 데이터 기억 수단(316)에 기억하고, 수신한 새로운 설정 데이터의 웨이퍼마다의 평균값을 연산 수단(312)에 의해 구하여, 이들을 설정 데이터(설명 변수) Xb', …, Xn'로서 해석 데이터 기억 수단(316)에 기억한다.The host apparatus 310 receives new setting data from the plasma processing apparatus 100B which is a processing apparatus other than the reference processing apparatus in step S410, stores it in the analysis data storage means 316, and stores the received new setting data for each wafer. The average value is obtained by the calculating means 312, and these are set data (explanatory variable) X b ',... , X n 'is stored in the analysis data storage means 316.

계속해서, 호스트 장치(310)는 단계 S420에서 기준 처리 장치 이외의 처리 장치의 회귀 행렬(Kb, …, Kn), 새로운 회귀 행렬(Kb', …, Kn')과, 기준 처리 장치의 회귀 행렬(Ka), 기준 처리 장치의 새로운 회귀 행렬(Ka')과의 비례 관계(예를 들면, (Kb'/Ka'=Kb/Ka))로부터, 새로운 회귀 행렬(Kb' …Kn') 각각을 연산 수단(312)에 의해 구한다. 예를 들면, 플라즈마 처리 장치(100B)에서의 수학식 7에 나타내는 새로운 회귀 행렬 Kb'는 Kb'=Ka'Kb/Ka에 의해 구한다. 이에 의해, 기준 처리 장치 이외의 처리 장치의 새로운 회귀 행렬을 구할 때에는, 새롭게 PLS법 등의 다변량 해석 처리를 실행할 필요가 없이 간단히 구할 수 있다.Subsequently, in step S420, the host apparatus 310 performs a regression matrix K b , ..., K n , a new regression matrix K b ', ..., K n ' of the processing apparatuses other than the reference processing apparatus, and the reference processing. New regression from the regression matrix (K a ) of the device and the proportional relationship with the new regression matrix (K a ') of the reference processor (for example, (K b ' / K a '= K b / K a )) Each of the matrices K b '... K n ' is obtained by the calculating means 312. For example, the new regression matrix K b 'shown in Equation 7 in the plasma processing apparatus 100B is obtained by K b ' = K a 'K b / K a . Thereby, when obtaining a new regression matrix of processing apparatuses other than the reference processing apparatus, it is possible to obtain simply without needing to newly execute multivariate analysis processing such as the PLS method.

계속해서, 호스트 장치(310)는 단계 S430에서 상기 수학식 7에 나타내는 모델식에 근거하여, 새로운 설정 데이터(Xb', …, Xn'), 새로운 회귀 행렬(Kb' …Kn')로부터 새로운 검출 데이터(Yb' …Yn')를 산출하여 해석 데이터 기억 수단(316)에 기억하고, 이들 새로운 설정 데이터(Xb' …, Xn'), 새로운 회귀 행렬(Kb', …, Kn'), 새로운 검출 데이터(Yb', …, Yn')를 각각 대응하는 플라즈마 처리 장치(100B, …, 100N)로 네트워크(320)를 거쳐서 송신한다.Subsequently, the host apparatus 310, based on the model formula shown in the above equation (7) in step S430, the new setting data (X b ', ..., X n '), the new regression matrix (K b '... K n ') ) New detection data Y b '… Y n ' are calculated and stored in the analysis data storage means 316, and these new setting data (X b '…, X n ') and new regression matrix (K b '). , ..., K n ′, and new detection data Y b ′,…, Y n ′ are transmitted via the network 320 to the corresponding plasma processing apparatuses 100B, ..., 100N, respectively.

예를 들면, 플라즈마 처리 장치(100B)에서는, 단계 S540에서 호스트 장치(310)로부터 새로운 설정 데이터(Xb' …, Xn'), 새로운 회귀 행렬(Kb', …, Kn'), 새로운 검출 데이터(Yb', …, Yn')를 수신하여, 상기 수학식 8에 나타내는 새로운 모델식으로서 기억한다. 이렇게 하여, 기준 장치 이외의 처리 장치에서는 각각의 처리 장치에 적합한 새로운 모델식이 작성된다.For example, in the plasma processing apparatus 100B, the new setting data Xb '..., Xn', the new regression matrix Kb ', ..., Kn', and the new detection data (from the host apparatus 310 in step S540). Yb ', ..., Yn') are received and stored as a new model equation shown in the above expression (8). In this way, in the processing apparatuses other than the reference apparatus, new model formulas suitable for the respective processing apparatuses are created.

다음에, 이렇게 해서 얻어진 새로운 모델식에 근거하여, 장치 상태를 평가할 때의 제어 시스템의 처리에 대해서 도면을 참조하면서 설명한다. 도 7은 각 플라즈마 처리 장치를 각각 작성된 새로운 모델식에 근거하여 장치 상태를 평가할 때의 호스트 장치의 동작 흐름과 각 플라즈마 처리 장치의 동작 흐름을 나타내는 것이다.Next, the process of the control system at the time of evaluating an apparatus state is demonstrated based on the new model formula obtained in this way, referring drawings. Fig. 7 shows the operation flow of the host apparatus and the operation flow of each plasma processing apparatus when evaluating the state of the apparatus on the basis of a new model formula created for each plasma processing apparatus.

먼저, 어떤 플라즈마 처리 장치(100)에 있어서, 단계 S610에서 설정 데이터의 표준 조건에 대한 허용 변동 범위가 입력되면, 이 허용 변동 범위를 기억한다. 이 허용 변동 범위는 장치 상태가 정상인지 이상인지를 판정하기 위해서 사용하는임계값으로서, 예를 들면 새로운 모델식을 작성하기 위한 설정 데이터, 예를 들면 제어 파라미터를 할당했을 때의 각 제어 파라미터의 표준값에 대한 최대값과 최소값의 범위로 한다.First, in a certain plasma processing apparatus 100, when the allowable variation range for the standard condition of the setting data is input in step S610, the allowable variation range is stored. The allowable fluctuation range is a threshold value used to determine whether the device status is normal or abnormal, and is, for example, setting data for creating a new model expression, for example, the standard value of each control parameter when a control parameter is assigned. The range of maximum and minimum values for.

계속해서, 상기 플라즈마 처리 장치(100)는 단계 S620에서 실제로 웨이퍼를 처리하기 위한 설정 데이터(표준 조건, 예를 들면 표 1에 도시하는 표준값)가 입력 수단(152)에 의해 입력되면, 이 설정 데이터에 근거하여 웨이퍼 W를 플라즈마 처리하여 웨이퍼 W마다 계측되는 설정 데이터와 검출 데이터를 취득하고, 이들 설정 데이터, 검출 데이터를 호스트 장치(310)에 네트워크(320)를 거쳐서 송신한다.Subsequently, when the setting data (standard condition, for example, the standard value shown in Table 1) for actually processing the wafer is input by the input means 152, the plasma processing apparatus 100 inputs this setting data in step S620. The wafer W is plasma-processed on the basis of this to obtain the setting data and the detection data measured for each wafer W, and the setting data and the detection data are transmitted to the host device 310 via the network 320.

호스트 장치(310)는 단계 S710에서 상기 플라즈마 처리 장치(100)로부터 설정 데이터와, 검출 데이터를 웨이퍼마다 수신하여 해석 데이터 기억 수단(316)에 기억한다. 그리고, 각각의 평균값을 구하여, 설정 데이터(목적 변수) X', 검출 데이터(설명 변수) Y'로서 해석 데이터 기억 수단(316)에 기억한다. 계속해서, 호스트 장치(310)는 단계 S720에서 설정 데이터 X', 검출 데이터 Y'를 상기 플라즈마 처리 장치(100)로 송신한다.In step S710, the host apparatus 310 receives the setting data and the detection data from the plasma processing apparatus 100 for each wafer and stores them in the analysis data storage means 316. Each average value is obtained and stored in the analysis data storage means 316 as setting data (objective variable) X 'and detection data (explanatory variable) Y'. Subsequently, the host apparatus 310 transmits setting data X 'and detection data Y' to the plasma processing apparatus 100 in step S720.

플라즈마 처리 장치(100)는 단계 S630에서 설정 데이터 X', 검출 데이터 Y'를 수신하여, 이들을 실제의 설정 데이터 Xobs', 실제의 검출 데이터 Yobs'로서 해석 데이터 기억 수단(205)에 기억한다. 계속해서, 단계 S640에서 상기 수학식 8에 나타내는 새로운 모델식에 실제의 검출 데이터 Yobs'를 적용해서 예측 설정 데이터 Xpre'를 산출하여, 해석 데이터 기억 수단(205)에 기억한다.The plasma processing apparatus 100 receives the setting data X 'and the detection data Y' in step S630 and stores them in the analysis data storage means 205 as actual setting data Xobs 'and actual detection data Yobs'. Subsequently, in step S640, prediction setting data Xpre 'is calculated by applying the actual detection data Yobs' to the new model equation shown in Equation 8, and stored in the analysis data storage means 205.

계속해서, 상기 플라즈마 처리 장치(100)는 단계 S650에서 실제의 설정 데이터 Xobs'에 대한 예측 설정 데이터 Xpre'가 허용 변동 범위내에 있는지 여부에 따라서 정상인지 이상인지를 판정한다. 예를 들면, 실제의 설정 데이터 Xobs'에 대한 예측 설정 데이터 Xpre'가 허용 변동 범위내이면 정상이라고 판단하고, 허용 변동 범위를 초과하고 있으면 이상이라고 판단한다. 이상이라고 판단한 경우에는, 단계 S660에서, 예를 들면 처리 장치 제어 수단(225)에 의해 상기 플라즈마 처리 장치(100)를 정지하고, 또한, 표시 수단(224), 경보기(226)로 이상을 통지한다.Subsequently, in step S650, the plasma processing apparatus 100 determines whether the prediction setting data Xpre 'for the actual setting data Xobs' is within the allowable variation range or not. For example, it is determined that the prediction setting data Xpre 'for the actual setting data Xobs' is within the allowable fluctuation range, and is determined to be normal when the allowable fluctuation range is exceeded. If it is determined that the abnormality is found, the plasma processing apparatus 100 is stopped by the processing apparatus control means 225, for example, and the display means 224 and the alarm 226 are notified of the abnormality in step S660. .

이와 같이, 호스트 장치(310)는 각 플라즈마 처리 장치로부터의 데이터에 근거하여, 평균값을 구하거나 다변량 해석 처리를 실행하기 때문에, 각 플라즈마 처리 장치의 계산 처리 부담을 대폭 경감할 수 있다. 또한, 각 플라즈마 처리 장치에서는 플라즈마 처리를 실행할 때에 얻어지는 대량의 설정 데이터나 검출 데이터 등을 일시적으로 기억해 놓을 필요가 없고, 다변량 해석 프로그램도 필요하지 않기 때문에, 그를 위한 기억 수단을 불필요로 할 수 있다. 이에 의해, 각 플라즈마 처리 장치의 구성을 간단히 할 수 있고, 또한 제조 비용을 억제할 수 있다.In this way, since the host apparatus 310 obtains an average value or executes a multivariate analysis process based on the data from each plasma processing apparatus, the computation processing burden of each plasma processing apparatus can be greatly reduced. In addition, since each plasma processing apparatus does not need to temporarily store a large amount of setting data, detection data, and the like obtained when the plasma processing is performed, and does not require a multivariate analysis program, the storage means therefor can be unnecessary. Thereby, the structure of each plasma processing apparatus can be simplified, and manufacturing cost can be suppressed.

또한, 실시예 2에서는 각 플라즈마 처리 장치측에서의 새로운 모델식으로 장치 상태를 판단하는 경우에 대해서 설명했지만, 반드시 이에 한정되지 않고, 새로운 모델식은 호스트 장치(310)에도 기억되어 있기 때문에, 호스트 장치(310)측에서 각 플라즈마 처리 장치(100A, …, 100N)의 장치 상태를 판정해도 무방하다. 이 경우에는, 이상이라고 판정한 경우에 이상 판정 정보를 각 플라즈마 처리 장치(100A, …, 100N)로 송신하도록 해도 무방하다. 각 플라즈마 처리 장치(100A, …, 100N)는 이상 판정 정보에 근거하여, 예를 들면 처리 장치 제어 수단(225)에 의해 처리장치를 정지하고, 표시 수단(224), 경보기(226)로 이상을 통지하도록 해도 무방하다. 이에 의하면, 호스트 장치(310)에서 집중하여 각 플라즈마 처리 장치의 장치 상태를 감시할 수 있다.In the second embodiment, the case where the device state is determined by the new model formula on each plasma processing apparatus side has been described. However, the present invention is not limited to this, and since the new model formula is also stored in the host apparatus 310, the host apparatus 310 The apparatus state of each plasma processing apparatus 100A, ..., 100N may be judged on the side. In this case, when it determines with abnormality, abnormality determination information may be transmitted to each plasma processing apparatus 100A, ..., 100N. Each plasma processing apparatus 100A, ..., 100N stops a processing apparatus by the processing apparatus control means 225 based on abnormality determination information, for example, and displays the abnormality by the display means 224 and the alarm 226. You can also notify. According to this, the host apparatus 310 can concentrate and monitor the apparatus state of each plasma processing apparatus.

이상, 첨부 도면을 참조하면서 본 발명에 따른 바람직한 실시예에 대해서 설명했지만, 본 발명은 관계되는 예에 한정되지 않는 것은 말할 필요도 없다. 당업자이라면, 특허청구의 범위에 기재된 범약내에서 각종 변경예 또는 수정예에 상도(想到)할 수 있는 것은 명백하고, 그것들에 대해서도 당연히 본 발명의 기술적 범위에 속하는 것으로 해석할 수 있다.As mentioned above, although preferred embodiment which concerns on this invention was described referring an accompanying drawing, it cannot be overemphasized that this invention is not limited to the example concerned. It is obvious to those skilled in the art that various modifications or modifications can be made within the conventions described in the claims, and those of course can also be interpreted as belonging to the technical scope of the present invention.

예를 들면, 상기 실시예 1 및 2에서의 설정 데이터로서는, 실시예 2에서의 새로운 모델식을 이용하여 장치 상태를 판정할 때와 같이, 웨이퍼를 플라즈마 처리할 때에 제어 파라미터 계측기(221)에 의해서 계측된 설정 데이터를 이용해도 무방하고, 또한 입력 수단(152)으로부터 입력된 설정 데이터 그 자체를 이용해도 무방하다. 이 경우, 설정 데이터의 전부가 제어 파라미터 계측기(221)에 의해서 계측 가능한 경우에는, 제어 파라미터 계측기(221)에 의해서 계측된 설정 데이터를 이용해도 무방하지만, 설정 데이터내에 제어 파라미터 계측기(221)에 의해서는 계측할 수 없는 것이 포함되어 있는 경우에는, 입력된 설정 데이터 그 자체를 이용하는 것이 유효하다.For example, as the setting data in the first and second embodiments, the control parameter measuring instrument 221 performs the plasma processing of the wafer as in the case of determining the device state using the new model formula in the second embodiment. The measured setting data may be used, and the setting data itself input from the input means 152 may be used. In this case, when all of the setting data can be measured by the control parameter measuring instrument 221, the setting data measured by the control parameter measuring instrument 221 may be used, but the control parameter measuring instrument 221 is used in the setting data. It is effective to use the input setting data itself when the thing which cannot be measured is contained.

또한, 상기 실시예의 다변량 해석에서는 장치 상태 파라미터를 이용하고 있지 않지만, 장치 상태 파라미터를 목적 변수 또는 설명 변수로서 이용할 수 있다. 또한, 상기 실시예에서는 모델식을 구축하는데 대하여 목적 변수의 제어 파라미터로서 고주파 전력, 프로세스 가스 유량, 전극간의 극간 및 챔버내의 압력을 이용하고 있지만, 제어 가능한 파라미터이면, 이들에 제한되는 것은 아니다.In addition, although the device state parameter is not used in the multivariate analysis of the above embodiment, the device state parameter can be used as an objective variable or an explanatory variable. In the above embodiment, the high frequency power, the flow rate of the process gas, the gap between the electrodes, and the pressure in the chamber are used as control parameters of the target variable for constructing the model equation, but the parameters are not limited thereto.

또한, 장치 상태 파라미터로서 가변 콘덴서 용량, 고주파 전압, APC 개도를 이용하고 있지만, 장치 상태 파라미터를 나타내는 계측 가능한 파라미터이면, 이들에 제한되는 것은 아니다. 또한, 플라즈마 상태를 반영하는 플라즈마 반영 파라미터로서 플라즈마에 근거하는 전기적 데이터 및 광학적 데이터를 이용하고 있지만, 플라즈마 상태를 반영하는 파라미터이면, 이들에 제한되는 것은 아니다. 또한, 전기적 데이터로서 기본파 및 고조파(4배파까지)의 고주파 전압, 고주파 전류를 이용하고 있지만, 이들에 제한되는 것은 아니다.In addition, although a variable capacitor capacitance, a high frequency voltage, and APC opening degree are used as an apparatus state parameter, if it is a measurable parameter which shows an apparatus state parameter, it is not limited to these. In addition, although electrical data and optical data based on plasma are used as a plasma reflection parameter which reflects a plasma state, if the parameter reflects a plasma state, it will not be limited to these. In addition, although the high frequency voltage and high frequency current of a fundamental wave and a harmonic (up to 4 times wave) are used as electrical data, it is not limited to these.

또한, 플라즈마 처리 장치내에 내장된 웨이퍼 완성을 계측하는 수단(예를 들면, 스캐터로메트리)으로부터의 출력 데이터를 검출 데이터로서 이용하더라도 무방하다. 구체적으로는, 검출 데이터로서 웨이퍼상에 형성된 막의 막두께, 웨이퍼상의 피처리막을 에칭했을 때의 마모량이나 그 면내 균일성 등의 특징값을 이용해도 무방하다. 또한, 본 실시예에서는 웨이퍼마다 플라즈마 반영 파라미터의 데이터의 평균값을 구하고, 이 평균값을 사용하여 웨이퍼마다 제어 파라미터 및 장치 상태 파라미터를 예측했지만, 1장의 웨이퍼 처리중인 실시간의 플라즈마 반영 파라미터를 이용하여 실시간으로 제어 파라미터 및 장치 상태 파라미터를 예측할 수도 있다.In addition, output data from a means (for example, scatterometry) for measuring the completion of the wafer embedded in the plasma processing apparatus may be used as the detection data. Specifically, feature values such as the film thickness of the film formed on the wafer, the amount of abrasion when the processed film on the wafer is etched, and the in-plane uniformity may be used as the detection data. In addition, in this embodiment, the average value of the data of the plasma reflection parameter was obtained for each wafer, and the control parameter and the device state parameter were predicted for each wafer using this average value, but in real time using the real-time plasma reflection parameter during one wafer processing. Control parameters and device state parameters may be predicted.

또한, 상기 실시예에서는 유자장 평행 평판형 플라즈마 처리 장치를 이용했지만, 제어 파라미터와 플라즈마 반영 파라미터 및/또는 장치 상태 파라미터를 갖는 장치이면 본 발명을 적용할 수 있다.In addition, in the above embodiment, although the magnetic field parallel plate type plasma processing apparatus is used, the present invention can be applied to any apparatus having control parameters, plasma reflecting parameters, and / or apparatus state parameters.

이상 상술한 바와 같이 본 발명에 의하면, 처리 장치마다 프로세스 특성이나 프로세스 조건에 차가 있더라도 하나의 처리 장치에 대해서 모델식을 작성하면, 그 모델식을 동종의 다른 처리 장치에 유용할 수 있어, 처리 장치마다 모델식을 새롭게 작성할 필요가 없고, 모델식 작성의 부하를 경감할 수 있는 처리 장치의 다변량 해석 모델식 작성 방법 및 처리 장치용의 다변량 해석 방법을 제공할 수 있다.As described above, according to the present invention, even if there are differences in process characteristics and process conditions for each processing apparatus, if a model formula is created for one processing apparatus, the model formula can be useful for other processing apparatuses of the same kind, and thus the processing apparatus. It is possible to provide a multivariate analysis model processing method and a multivariate analysis method for the processing apparatus, which do not need to create a model formula for each time, and can reduce the load of the model expression creation.

본 발명은, 예를 들면 플라즈마 처리 장치 등의 처리 장치의 다변량 해석 모델식 작성 방법, 처리 장치용의 다변량 해석 방법, 처리 장치의 제어 장치, 처리 장치의 제어 시스템에 적용할 수 있다.The present invention can be applied to, for example, a multivariate analysis model formula creation method of a processing apparatus such as a plasma processing apparatus, a multivariate analysis method for a processing apparatus, a control apparatus of a processing apparatus, and a control system of a processing apparatus.

Claims (20)

다변량 해석에 의해서 처리 장치의 장치 상태를 평가하거나 또는 처리 결과를 예측할 때의 다변량 해석 모델식을 작성하는 방법으로서,As a method of creating a multivariate analysis model equation when evaluating the device state of a processing device by multivariate analysis or predicting a treatment result, 복수의 처리 장치에서 각각 제 1 설정 데이터에 근거하여 동작했을 때에 상기 각 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 1 설정 데이터와의 상관 관계를 다변량 해석에 의해서 상기 각 처리 장치마다 구하는 제 1 공정과,When the plurality of processing apparatuses operate based on the first setting data, the correlation between the detection data detected from the plurality of sensors of the respective processing apparatuses and the first setting data is determined for each processing apparatus by multivariate analysis. The first process, 상기 각 처리 장치 중 하나를 기준 처리 장치라고 하면, 이 기준 처리 장치에서 새로운 제 2 설정 데이터에 근거하여 동작했을 때에 상기 기준 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 2 설정 데이터와의 상관 관계를 다변량 해석에 의해서 구하는 제 2 공정과,When one of the processing apparatuses is referred to as a reference processing apparatus, the detection data detected from a plurality of sensors of the reference processing apparatus and the second setting data when the reference processing apparatus is operated based on new second setting data. The second step of obtaining the correlation by multivariate analysis, 상기 기준 처리 장치 이외의 다른 처리 장치에서의 상기 제 2 설정 데이터와 검출 데이터와의 상관 관계를, 상기 제 1 공정에서 구한 상기 다른 처리 장치에서의 상관 관계와, 상기 제 1 공정에서 구한 상기 기준 처리 장치에서의 상관 관계와, 상기 제 2 공정에서 구한 상기 기준 처리 장치에서의 상기 상관 관계에 근거하여 구하고, 이렇게 해서 구한 상관 관계에 근거하여 상기 다른 처리 장치의 장치 상태를 평가하거나 또는 처리 결과를 예측하는 다변량 해석 모델식을 작성하는 제 3 공정The correlation between the second setting data and the detection data in processing apparatuses other than the reference processing apparatus, the correlation in the other processing apparatus obtained in the first process, and the reference processing obtained in the first process. Based on the correlation in the apparatus and the correlation in the reference processing apparatus obtained in the second step, the apparatus state of the other processing apparatus is evaluated or the processing result is predicted based on the correlation thus obtained. 3rd process of making multivariate analysis model expression 을 갖는 것을 특징으로 하는 처리 장치의 다변량 해석 모델식 작성 방법.The multivariate analysis model preparation method of the processing apparatus characterized by having the following. 제 1 항에 있어서,The method of claim 1, 상기 제 3 공정은, 상기 제 1 공정에서 구한 상기 다른 처리 장치에서의 상관 관계에 대한 상기 다른 처리 장치에서의 상기 제 2 설정 데이터와 검출 데이터와의 상관 관계와, 상기 제 1 공정에서 구한 상기 기준 처리 장치에서의 상관 관계에 대한 상기 제 2 공정에서 구한 상기 기준 처리 장치에서의 상기 상관 관계와의 비례 관계에 근거하여, 상기 다른 처리 장치에서의 상기 제 2 설정 데이터와 검출 데이터와의 상관 관계를 구하는 공정을 포함하는 것The third step includes a correlation between the second setting data and the detection data in the other processing device about the correlation in the other processing device obtained in the first step, and the reference obtained in the first step. Based on the proportionality of the correlation in the reference processing apparatus obtained in the second step with respect to the correlation in the processing apparatus, the correlation between the second setting data and the detection data in the other processing apparatus is determined. Involving process to find 을 특징으로 하는 처리 장치의 다변량 해석 모델식 작성 방법.A method for creating a multivariate analysis model of a processing device, characterized in that. 제 1 항에 있어서,The method of claim 1, 상기 다변량 해석은 부분 최소 제곱법에 의해서 실행하는 것을 특징으로 하는 처리 장치의 다변량 해석 모델식 작성 방법.And said multivariate analysis is performed by partial least squares method. 제 1 항에 있어서,The method of claim 1, 상기 각 처리 장치는 플라즈마 처리 장치인 것을 특징으로 하는 처리 장치의 다변량 해석 모델식 작성 방법.Each said processing apparatus is a plasma processing apparatus, The multivariate analysis model formula preparation method of the processing apparatus characterized by the above-mentioned. 제 1 항에 있어서,The method of claim 1, 상기 각 처리 장치는 플라즈마 처리 장치이고,Each said processing apparatus is a plasma processing apparatus, 상기 설정 데이터는 플라즈마 상태를 제어할 수 있는 복수의 제어 파라미터를 이용하고, 또한, 상기 검출 데이터는 플라즈마 상태를 반영하는 복수의 플라즈마 반영 파라미터, 장치 상태에 관련되는 복수의 장치 상태 파라미터, 프로세스 완료를 반영하는 파라미터의 그룹으로부터 선택되는 적어도 1개 또는 2개 이상의 파라미터를 이용하는 것The setting data uses a plurality of control parameters capable of controlling the plasma state, and the detection data includes a plurality of plasma reflecting parameters reflecting the plasma state, a plurality of device state parameters related to the device state, and process completion. Using at least one or more parameters selected from the group of parameters to reflect 을 특징으로 하는 처리 장치의 다변량 해석 모델식 작성 방법.A method for creating a multivariate analysis model of a processing device, characterized in that. 다변량 해석에 의해서 처리 장치의 장치 상태를 평가하거나 또는 처리 결과를 예측할 때의 다변량 해석 방법으로서,As a multivariate analysis method when evaluating the apparatus state of a processing apparatus by a multivariate analysis or predicting a treatment result, 복수의 처리 장치에서 각각 제 1 설정 데이터에 근거하여 동작했을 때에 상기 각 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 1 설정 데이터와의 상관 관계를 다변량 해석에 의해서 상기 각 처리 장치마다 구하는 제 1 공정과,When the plurality of processing apparatuses operate based on the first setting data, the correlation between the detection data detected from the plurality of sensors of the respective processing apparatuses and the first setting data is determined for each processing apparatus by multivariate analysis. The first process, 상기 각 처리 장치 중 하나를 기준 처리 장치라고 하면, 이 기준 처리 장치에서 새로운 제 2 설정 데이터에 근거하여 동작했을 때에 상기 기준 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 2 설정 데이터와의 상관 관계를 다변량 해석에 의해서 구하는 제 2 공정과,When one of the processing apparatuses is referred to as a reference processing apparatus, the detection data detected from a plurality of sensors of the reference processing apparatus and the second setting data when the reference processing apparatus is operated based on new second setting data. The second step of obtaining the correlation by multivariate analysis, 상기 기준 처리 장치 이외의 다른 처리 장치에서의 상기 제 2 설정 데이터와 검출 데이터와의 상관 관계를, 상기 제 1 공정에서 구한 상기 다른 처리 장치에서의 상관 관계와, 상기 제 1 공정에서 구한 상기 기준 처리 장치에서의 상관 관계와, 상기 제 2 공정에서 구한 상기 기준 처리 장치에서의 상기 상관 관계에 근거하여 구하고, 이렇게 해서 구한 상관 관계에 근거하여 상기 다른 처리 장치의 장치 상태를 평가하거나 또는 처리 결과를 예측하는 다변량 해석 모델식을 작성하는 제 3 공정The correlation between the second setting data and the detection data in processing apparatuses other than the reference processing apparatus, the correlation in the other processing apparatus obtained in the first process, and the reference processing obtained in the first process. Based on the correlation in the apparatus and the correlation in the reference processing apparatus obtained in the second step, the apparatus state of the other processing apparatus is evaluated or the processing result is predicted based on the correlation thus obtained. 3rd process of making multivariate analysis model expression 을 갖는 것을 특징으로 하는 처리 장치용의 다변량 해석 방법.Multivariate analysis method for a processing apparatus characterized by having: 제 6 항에 있어서,The method of claim 6, 상기 제 3 공정은, 상기 제 1 공정에서 구한 상기 다른 처리 장치에서의 상관 관계에 대한 상기 다른 처리 장치에서의 상기 제 2 설정 데이터와 검출 데이터와의 상관 관계와, 상기 제 1 공정에서 구한 상기 기준 처리 장치에서의 상관 관계에 대한 상기 제 2 공정에서 구한 상기 기준 처리 장치에서의 상기 상관 관계와의 비례 관계에 근거하여, 상기 다른 처리 장치에서의 상기 제 2 설정 데이터와 검출 데이터와의 상관 관계를 구하는 공정을 포함하는 것The third step includes a correlation between the second setting data and the detection data in the other processing device about the correlation in the other processing device obtained in the first step, and the reference obtained in the first step. Based on the proportionality of the correlation in the reference processing apparatus obtained in the second step with respect to the correlation in the processing apparatus, the correlation between the second setting data and the detection data in the other processing apparatus is determined. Involving process to find 을 특징으로 하는 처리 장치용의 다변량 해석 방법.Multivariate analysis method for processing apparatus characterized by the above-mentioned. 제 6 항에 있어서,The method of claim 6, 상기 다변량 해석은 부분 최소 제곱법에 의해서 실행하는 것을 특징으로 하는 처리 장치용의 다변량 해석 방법.And said multivariate analysis is performed by partial least squares method. 제 6 항에 있어서,The method of claim 6, 상기 각 처리 장치는 플라즈마 처리 장치인 것을 특징으로 하는 처리 장치용의 다변량 해석 방법.Each processing apparatus is a plasma processing apparatus, The multivariate analysis method for processing apparatuses characterized by the above-mentioned. 제 6 항에 있어서,The method of claim 6, 상기 각 처리 장치는 플라즈마 처리 장치이고,Each said processing apparatus is a plasma processing apparatus, 상기 설정 데이터는 플라즈마 상태를 제어할 수 있는 복수의 제어 파라미터를 이용하고, 또한, 상기 검출 데이터는 플라즈마 상태를 반영하는 복수의 플라즈마 반영 파라미터, 장치 상태에 관련되는 복수의 장치 상태 파라미터, 프로세스 완료를 반영하는 파라미터의 그룹으로부터 선택되는 적어도 1개 또는 2개 이상의 파라미터를 이용하는 것The setting data uses a plurality of control parameters capable of controlling the plasma state, and the detection data includes a plurality of plasma reflecting parameters reflecting the plasma state, a plurality of device state parameters related to the device state, and process completion. Using at least one or more parameters selected from the group of parameters to reflect 을 특징으로 하는 처리 장치용의 다변량 해석 방법.Multivariate analysis method for processing apparatus characterized by the above-mentioned. 제 6 항에 있어서,The method of claim 6, 상기 각 처리 장치는 플라즈마 처리 장치이고,Each said processing apparatus is a plasma processing apparatus, 상기 설정 데이터는 플라즈마 상태를 제어할 수 있는 복수의 제어 파라미터를 이용하고, 또한, 상기 검출 데이터는 플라즈마 상태를 반영하는 복수의 플라즈마 반영 파라미터, 장치 상태에 관련되는 복수의 장치 상태 파라미터, 프로세스 완료를 반영하는 파라미터의 그룹으로부터 선택되는 적어도 1개 또는 2개 이상의 파라미터를 이용하고,The setting data uses a plurality of control parameters capable of controlling the plasma state, and the detection data includes a plurality of plasma reflecting parameters reflecting the plasma state, a plurality of device state parameters related to the device state, and process completion. Using at least one or two or more parameters selected from the group of parameters to reflect, 상기 다변량 해석 모델식은 상기 제 3 공정에서 구한 상기 다른 처리 장치에서의 상관 관계와 상기 제 2 설정 데이터로부터 산출한 검출 데이터와 상기 제 2 설정 데이터와의 상관 관계식인 것The multivariate analysis model equation is a correlation between detection data calculated from correlations in the other processing apparatus obtained in the third step and the second setting data and the second setting data. 을 특징으로 하는 처리 장치용의 다변량 해석 방법.Multivariate analysis method for processing apparatus characterized by the above-mentioned. 피처리체를 처리하는 처리 장치에 마련되고, 소정의 설정 데이터에 근거하여 상기 처리 장치의 제어를 하는 처리 장치의 제어 장치로서,A control apparatus of a processing apparatus provided in a processing apparatus for processing a target object and controlling the processing apparatus based on predetermined setting data, 상기 처리 장치와 적어도 기준으로 되는 처리 장치와 호스트 장치가 접속한 네트워크에 접속하여 데이터의 수수(授受)가 가능한 송수신 수단을 마련하고,Providing a transmission / reception means capable of transmitting and receiving data by connecting to a network to which the processing device and at least a reference processing device and a host device are connected; 제 1 설정 데이터에 근거하여 동작했을 때에 상기 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 1 설정 데이터를 상기 송수신 수단에 의해상기 네트워크를 거쳐서 상기 호스트 장치에 송신하고, 송신된 데이터에 근거하여 상기 호스트 장치에 의해서 다변량 해석에 의해 구해진 상기 제 1 설정 데이터와 상기 검출 데이터와의 상관 관계를 상기 호스트 장치로부터 상기 송수신 수단에 의해 상기 네트워크를 거쳐서 수신하며,The detection data detected by the plurality of sensors of the processing device and the first setting data when the operation is performed based on the first setting data are transmitted to the host device via the network by the transmitting and receiving means, and based on the transmitted data. Receiving the correlation between the first setting data and the detection data obtained by the multivariate analysis by the host device from the host device via the network by the transmitting and receiving means, 새로운 제 2 설정 데이터를 상기 송수신 수단에 의해 상기 네트워크를 거쳐서 호스트 장치에 송신하고, 송신된 데이터에 근거하여 상기 호스트 장치에 의해서 구해진 상기 제 2 설정 데이터와 이 제 2 설정 데이터에 근거하는 검출 데이터와의 상관 관계를 상기 호스트 장치로부터 상기 송수신 수단에 의해 상기 네트워크를 거쳐서 수신하며,New second setting data is transmitted to the host device by the transmitting and receiving means via the network, and the second setting data obtained by the host device based on the transmitted data and the detection data based on the second setting data; Receiving a correlation of from the host device via the network by the transmitting and receiving means, 상기 호스트 장치로부터 수신한 상기 제 2 설정 데이터에 대한 상관 관계에 근거하여 다변량 해석 모델식을 작성하고, 이 다변량 해석 모델식에 근거하여 상기 처리 장치의 장치 상태를 평가하거나 또는 처리 결과를 예측하여, 그 결과에 따라서 상기 처리 장치를 제어하는 것Create a multivariate analysis model equation based on the correlation to the second setting data received from the host device, evaluate the device state of the processing device or predict the processing result based on the multivariate analysis model equation, Controlling the processing device in accordance with the result 을 특징으로 하는 처리 장치의 제어 장치.A control device for a processing device, characterized in that. 제 12 항에 있어서,The method of claim 12, 상기 처리 장치에서의 상기 제 2 설정 데이터에 대한 상관 관계는, 상기 호스트 장치에 의해 다변량 해석에 의해서 구해진, 상기 처리 장치에서의 상기 제 1 설정 데이터에 대한 상관 관계와,The correlation with respect to the said 2nd setting data in the said processing apparatus is a correlation with the said 1st setting data in the said processing apparatus calculated | required by the multivariate analysis by the said host apparatus, 상기 호스트 장치에 의해 다변량 해석에 의해서 구해진, 상기 기준 처리 장치가 제 1 설정 데이터에 근거하여 동작했을 때에 상기 기준 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 1 설정 데이터와의 상관 관계와,Correlation between detection data detected by a plurality of sensors of the reference processing device and the first setting data when the reference processing device obtained by multivariate analysis by the host device is operated based on first setting data , 상기 호스트 장치에 의해 다변량 해석에 의해서 구해진, 상기 기준 처리 장치가 새로운 제 2 설정 데이터에 근거하여 동작했을 때에 상기 기준 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 2 설정 데이터와의 상관 관계에 근거하여 상기 호스트 장치에 의해 산출되는 것Correlation between detection data detected from a plurality of sensors of the reference processing device and the second setting data when the reference processing device obtained by multivariate analysis by the host device is operated based on new second setting data. Calculated by the host device based on 을 특징으로 하는 처리 장치의 제어 장치.A control device for a processing device, characterized in that. 제 13 항에 있어서,The method of claim 13, 상기 다변량 해석은 부분 최소 제곱법에 의해서 실행하는 것을 특징으로 하는 처리 장치의 제어 장치.And said multivariate analysis is performed by partial least squares method. 제 12 항에 있어서,The method of claim 12, 상기 처리 장치는 플라즈마 처리 장치인 것을 특징으로 하는 처리 장치의 제어 장치.And said processing device is a plasma processing device. 제 12 항에 있어서,The method of claim 12, 상기 각 처리 장치는 플라즈마 처리 장치이고,Each said processing apparatus is a plasma processing apparatus, 상기 설정 데이터는 플라즈마 상태를 제어할 수 있는 복수의 제어 파라미터를 이용하고, 또한, 상기 검출 데이터는 플라즈마 상태를 반영하는 복수의 플라즈마 반영 파라미터, 장치 상태에 관련되는 복수의 장치 상태 파라미터, 프로세스 완료를 반영하는 파라미터의 그룹으로부터 선택되는 적어도 1개 또는 2개 이상의 파라미터를 이용하는 것The setting data uses a plurality of control parameters capable of controlling the plasma state, and the detection data includes a plurality of plasma reflecting parameters reflecting the plasma state, a plurality of device state parameters related to the device state, and process completion. Using at least one or more parameters selected from the group of parameters to reflect 을 특징으로 하는 처리 장치의 제어 장치.A control device for a processing device, characterized in that. 소정의 설정 데이터에 근거하여 피처리체를 처리하는 처리 장치의 제어를 실행하는 제어 장치를 구비하는 처리 장치의 제어 시스템으로서,A control system of a processing apparatus including a control device that executes control of a processing device that processes a target object based on predetermined setting data, 네트워크에 송수신 수단을 거쳐서 접속되는 복수의 상기 처리 장치와, 상기 네트워크에 접속되는 호스트 장치를 구비하고,And a plurality of said processing apparatuses connected to a network via transmission and reception means, and a host apparatus connected to said network, 상기 호스트 장치는, 복수의 처리 장치에서 각각 제 1 설정 데이터에 근거하여 동작했을 때에 상기 각 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 1 설정 데이터를 상기 복수의 처리 장치로부터 상기 네트워크를 거쳐서 수신하면, 수신한 상기 제 1 설정 데이터와 상기 검출 데이터와의 상관 관계를 다변량 해석에 의해서 상기 각 처리 장치마다 구하고, 구한 상관 관계를 대응하는 처리장치로 상기 네트워크를 거쳐서 송신하며,When the host apparatus operates on the basis of the first setting data in each of the plurality of processing apparatuses, the host device is configured to transmit the detected data and the first setting data detected by the plurality of sensors of the respective processing apparatuses from the plurality of processing apparatuses to the network. When received, the correlation between the received first setting data and the detection data is obtained for each processing apparatus by multivariate analysis, and the obtained correlation is transmitted to the corresponding processing apparatus via the network. 상기 호스트 장치는, 상기 각 처리 장치 중 기준으로 하는 처리 장치에서 새로운 제 2 설정 데이터에 근거하여 동작했을 때에 상기 기준 처리 장치의 복수의 센서로부터 검출되는 검출 데이터와 상기 제 2 설정 데이터를 상기 기준 처리 장치로부터 상기 네트워크를 거쳐서 수신하면, 수신한 상기 제 1 설정 데이터와 상기 검출 데이터와의 상관 관계를 다변량 해석에 의해서 구하고, 구한 상관 관계를 상기 기준 처리 장치로 상기 네트워크를 거쳐서 송신하며,The reference apparatus processes the detection data and the second setting data detected by a plurality of sensors of the reference processing apparatus when the host apparatus operates on the basis of new second setting data in the processing apparatus as the reference among the processing apparatuses. When receiving from the device via the network, the correlation between the received first setting data and the detection data is obtained by multivariate analysis, and the obtained correlation is transmitted to the reference processing device via the network, 상기 호스트 장치는, 상기 기준 처리 장치 이외의 다른 처리 장치로부터 상기 제 2 설정 데이터를 상기 네트워크를 거쳐서 수신하면, 수신한 상기 제 2 설정 데이터와 이 제 2 설정 데이터에 근거하는 검출 데이터와의 상관 관계를, 상기 다변량 해석에 의해 구한 상기 다른 처리 장치에서의 상기 제 1 설정 데이터에 대한 상기 상관 관계와, 상기 다변량 해석에 의해 구한 상기 기준 처리 장치에서의 상기 제 1 설정 데이터에 대한 상기 상관 관계와, 상기 다변량 해석에 의해 구한 상기 기준 처리 장치에서의 상기 제 2 설정 데이터에 대한 상기 상관 관계에 근거하여 구하고, 구한 상관 관계를 상기 다른 처리 장치로 상기 네트워크를 거쳐서 송신하며,When the host device receives the second setting data via the network from a processing device other than the reference processing device, the host device correlates the received second setting data with detection data based on the second setting data. The correlation with the first setting data in the other processing device obtained by the multivariate analysis, the correlation with the first setting data in the reference processing device obtained by the multivariate analysis, Obtaining based on the correlation with respect to the second setting data in the reference processing device obtained by the multivariate analysis, and transmitting the obtained correlation to the other processing device through the network, 상기 다른 처리 장치는, 상기 호스트 장치로부터 수신한 상기 제 2 설정 데이터에 대한 상관 관계에 근거하여 다변량 해석 모델식을 작성하고, 이 다변량 해석 모델식에 근거하여 상기 처리 장치의 장치 상태를 평가하거나 또는 처리 결과를 예측하여, 그 결과에 따라서 상기 처리 장치를 제어하는 것The other processing device generates a multivariate analysis model equation based on the correlation to the second setting data received from the host device, and evaluates the device state of the processing device based on the multivariate analysis model equation, or Predicting a processing result and controlling the processing device according to the result 을 특징으로 하는 처리 장치의 제어 시스템.Control system of the processing apparatus, characterized in that. 제 17 항에 있어서,The method of claim 17, 상기 다변량 해석은 부분 최소 제곱법에 의해서 실행하는 것을 특징으로 하는 처리 장치의 제어 시스템.And said multivariate analysis is performed by partial least squares method. 제 17 항에 있어서,The method of claim 17, 상기 처리 장치는 플라즈마 처리 장치인 것을 특징으로 하는 처리 장치의 제어 시스템.And the processing device is a plasma processing device. 제 17 항에 있어서,The method of claim 17, 상기 각 처리 장치는 플라즈마 처리 장치이고,Each said processing apparatus is a plasma processing apparatus, 상기 설정 데이터는 플라즈마 상태를 제어할 수 있는 복수의 제어 파라미터를 이용하고, 또한, 상기 검출 데이터는 플라즈마 상태를 반영하는 복수의 플라즈마 반영 파라미터, 장치 상태에 관련되는 복수의 장치 상태 파라미터, 프로세스 완료를 반영하는 파라미터의 그룹으로부터 선택되는 적어도 1개 또는 2개 이상의 파라미터를 이용하는 것The setting data uses a plurality of control parameters capable of controlling the plasma state, and the detection data includes a plurality of plasma reflecting parameters reflecting the plasma state, a plurality of device state parameters related to the device state, and process completion. Using at least one or more parameters selected from the group of parameters to reflect 을 특징으로 하는 처리 장치의 제어 시스템.Control system of the processing apparatus, characterized in that.
KR1020047019644A 2002-06-05 2003-06-05 Processing device multivariate analysis model creation method, processing device multivariate analysis method, processing device control device, processing device control system KR100628392B1 (en)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
JPJP-P-2002-00163869 2002-06-05
JP2002163869 2002-06-05
JPJP-P-2002-00168653 2002-06-10
JP2002168653 2002-06-10
PCT/JP2003/007132 WO2003105210A1 (en) 2002-06-05 2003-06-05 Processing device multivariate analysis model creation method, processing device multivariate analysis method, processing device control device, processing device control system

Publications (2)

Publication Number Publication Date
KR20050010021A true KR20050010021A (en) 2005-01-26
KR100628392B1 KR100628392B1 (en) 2006-09-26

Family

ID=29738319

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020047019644A KR100628392B1 (en) 2002-06-05 2003-06-05 Processing device multivariate analysis model creation method, processing device multivariate analysis method, processing device control device, processing device control system

Country Status (5)

Country Link
JP (1) JP4224454B2 (en)
KR (1) KR100628392B1 (en)
CN (1) CN100426471C (en)
TW (1) TWI276162B (en)
WO (1) WO2003105210A1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100871515B1 (en) * 2006-06-16 2008-12-05 어플라이드 머티어리얼스, 인코포레이티드 Method for determining plasma characteristics
KR20200021868A (en) * 2018-08-21 2020-03-02 가부시키가이샤 히다치 하이테크놀로지즈 State predicting apparatus and semiconductor manufacturing apparatus

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4678372B2 (en) * 2004-06-29 2011-04-27 株式会社ニコン Management method, management system, and program
JP4643392B2 (en) * 2005-08-24 2011-03-02 東京エレクトロン株式会社 Operating state determination method, operating state determination apparatus, program, and storage medium for plasma processing apparatus
JP4164835B2 (en) * 2005-12-20 2008-10-15 新東工業株式会社 Projection state information estimation method, projection state information estimation device, and projection state information estimation program using a blast device
US20100332010A1 (en) * 2009-06-30 2010-12-30 Brian Choi Seasoning plasma processing systems
US10176279B2 (en) * 2015-06-05 2019-01-08 Uptake Technologies, Inc. Dynamic execution of predictive models and workflows
US9934351B2 (en) * 2015-11-09 2018-04-03 Applied Materials, Inc. Wafer point by point analysis and data presentation
JP6546867B2 (en) * 2016-03-10 2019-07-17 東京エレクトロン株式会社 How to adjust the processing process
JP7034646B2 (en) * 2017-09-25 2022-03-14 株式会社Ｓｃｒｅｅｎホールディングス Anomaly detection device and anomaly detection method
US20220157580A1 (en) * 2019-07-30 2022-05-19 Hitachi High-Tech Corporation Diagnosis apparatus, plasma processing apparatus and diagnosis method
WO2023162856A1 (en) * 2022-02-22 2023-08-31 株式会社Ｓｃｒｅｅｎホールディングス Substrate processing apparatus management system, assistance apparatus, substrate processing apparatus, inter-chamber performance comparison method, and inter-chamber performance comparison program

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1194735A (en) * 1997-09-22 1999-04-09 Horiba Ltd Quantitative analyzer for sample characteristic using spectrophotometry and multivariate analysis and analysis method using it
US6153115A (en) * 1997-10-23 2000-11-28 Massachusetts Institute Of Technology Monitor of plasma processes with multivariate statistical analysis of plasma emission spectra
US6582618B1 (en) * 1999-09-08 2003-06-24 Advanced Micro Devices, Inc. Method of determining etch endpoint using principal components analysis of optical emission spectra
US6917845B2 (en) * 2000-03-10 2005-07-12 Smiths Detection-Pasadena, Inc. Method for monitoring environmental condition using a mathematical model
US7054786B2 (en) * 2000-07-04 2006-05-30 Tokyo Electron Limited Operation monitoring method for treatment apparatus

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100871515B1 (en) * 2006-06-16 2008-12-05 어플라이드 머티어리얼스, 인코포레이티드 Method for determining plasma characteristics
KR20200021868A (en) * 2018-08-21 2020-03-02 가부시키가이샤 히다치 하이테크놀로지즈 State predicting apparatus and semiconductor manufacturing apparatus

Also Published As

Publication number Publication date
WO2003105210A1 (en) 2003-12-18
KR100628392B1 (en) 2006-09-26
JPWO2003105210A1 (en) 2005-10-13
JP4224454B2 (en) 2009-02-12
TW200404333A (en) 2004-03-16
TWI276162B (en) 2007-03-11
CN100426471C (en) 2008-10-15
CN1659690A (en) 2005-08-24

Similar Documents

Publication Publication Date Title
US7505879B2 (en) Method for generating multivariate analysis model expression for processing apparatus, method for executing multivariate analysis of processing apparatus, control device of processing apparatus and control system for processing apparatus
US7289866B2 (en) Plasma processing method and apparatus
US6985215B2 (en) Plasma processing method and plasma processing apparatus
JP2018026558A (en) Methods and systems for monitoring plasma processing systems and advanced process and tool control
US20040235304A1 (en) Plasma treatment apparatus
KR100628392B1 (en) Processing device multivariate analysis model creation method, processing device multivariate analysis method, processing device control device, processing device control system
EP1733325A2 (en) Method and system for run-to-run control
JP2004335841A (en) Prediction system and prediction method for plasma treatment apparatus
JP6676020B2 (en) Plasma processing apparatus and plasma processing apparatus state prediction method
JP2004281461A (en) Method and apparatus of prediction of processing result
TW200401179A (en) Method of predicting processing device condition or processed result
EP1700333A1 (en) Method and apparatus for seasoning semiconductor apparatus of sensing plasma equipment
TW201933016A (en) Plasma processing apparatus and prediction apparatus of the condition of plasma processing apparatus
JP2004349419A (en) Method and device for judging cause of abnormality in plasma processor
JP5105399B2 (en) Data collection method, substrate processing apparatus, substrate processing system
US7630064B2 (en) Prediction method and apparatus for substrate processing apparatus
JP4220378B2 (en) Processing result prediction method and processing apparatus
JP4675266B2 (en) Prediction method and prediction apparatus for processing result of substrate processing apparatus
KR102373933B1 (en) Diagnostic system for diagnosing semiconductor processing equipment and control method thereof
US6939433B2 (en) Sample processing apparatus and sample processing system
JPH11238723A (en) Method and apparatus for plasma processing

Legal Events

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

Payment date: 20120907

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20130903

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20140901

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20150819

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20160818

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20170822

Year of fee payment: 12

FPAY Annual fee payment

Payment date: 20180903

Year of fee payment: 13

FPAY Annual fee payment

Payment date: 20190903

Year of fee payment: 14