KR20120037419A - 최적 종말점 알고리즘 구성 방법 - Google Patents
최적 종말점 알고리즘 구성 방법 Download PDFInfo
- Publication number
- KR20120037419A KR20120037419A KR1020117031561A KR20117031561A KR20120037419A KR 20120037419 A KR20120037419 A KR 20120037419A KR 1020117031561 A KR1020117031561 A KR 1020117031561A KR 20117031561 A KR20117031561 A KR 20117031561A KR 20120037419 A KR20120037419 A KR 20120037419A
- Authority
- KR
- South Korea
- Prior art keywords
- endpoint
- potential
- signatures
- signature
- candidate signals
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 239000000758 substrate Substances 0.000 claims abstract description 62
- 230000008569 process Effects 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000012360 testing method Methods 0.000 claims description 38
- 238000004519 manufacturing process Methods 0.000 claims description 25
- 230000001934 delay Effects 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 12
- 238000010219 correlation analysis Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 description 25
- 230000008859 change Effects 0.000 description 25
- 238000000491 multivariate analysis Methods 0.000 description 12
- 238000010239 partial least squares discriminant analysis Methods 0.000 description 10
- 239000004065 semiconductor Substances 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000005530 etching Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 229910052710 silicon Inorganic materials 0.000 description 3
- 239000010703 silicon Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/32—Gas-filled discharge tubes
- H01J37/32917—Plasma diagnostics
- H01J37/32935—Monitoring and controlling tubes by information coming from the object and/or discharge
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
- H01J37/32—Gas-filled discharge tubes
- H01J37/32917—Plasma diagnostics
- H01J37/3299—Feedback systems
-
- 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
- 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
- H01L21/31—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to form insulating layers thereon, e.g. for masking or by using photolithographic techniques; After treatment of these layers; Selection of materials for these layers
- H01L21/3105—After-treatment
- H01L21/311—Etching the insulating layers by chemical or physical means
- H01L21/31105—Etching inorganic layers
- H01L21/31111—Etching inorganic layers by chemical means
- H01L21/31116—Etching inorganic layers by chemical means by dry-etching
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05H—PLASMA TECHNIQUE; PRODUCTION OF ACCELERATED ELECTRICALLY-CHARGED PARTICLES OR OF NEUTRONS; PRODUCTION OR ACCELERATION OF NEUTRAL MOLECULAR OR ATOMIC BEAMS
- H05H1/00—Generating plasma; Handling plasma
- H05H1/24—Generating plasma
- H05H1/46—Generating plasma using applied electromagnetic fields, e.g. high frequency or microwave energy
Abstract
플라즈마 프로세싱 시스템 내에서의 기판 프로세싱 동안 프로세스 종말점을 검정 (qualifying) 하기 위해 최적 종말점 알고리즘을 자동으로 식별하는 방법이 제공된다. 방법은 플라즈마 프로세싱 시스템 내에서 적어도 하나의 기판을 프로세싱하는 동안 복수의 센서들로부터 데이터를 수신하는 것을 포함하며, 센서 데이터는 복수의 센서 채널들로부터의 복수의 신호 스트림들을 포함한다. 또한, 방법은 종말점 도메인을 식별하는 것을 포함하며, 종말점 도메인은 프로세스 종말점 발생이 예상되는 근사 주기이다.
Description
설명을 용이하게 하기 위해, 몇몇 용어들이 하기에 정의되어 있다.
데이터 세트 - 프로세싱 툴 상의 파라미터에 대한 시간의 함수로서의 측정치들의 레코드
변화점 - 일부 변화가 발생하는 시계열에서의 지점
종말점 - 프로세스 (예를 들어, 실리콘층의 에칭) 가 완료에 도달하거나 거의 완료에 도달한 시점
종말점 도메인 - 종말점이 발생할 것이라고 생각되는 동안의 데이터 세트에서의 간격. 종말점 도메인은 통상 상대적으로 넓으며 사용자 추정치에 기초한다.
PLS-DA (Partial Least Squares Discriminant Analysis) - 2 세트의 데이터 사이의 관계들을 찾아내는 기술. PLS-DA는 (입력 매트릭스 X에서) 독립적 다변량들이 존재하고 (입력 매트릭스 Y에서) 의존적 다변량들이 존재할 때 사용될 수 있다. PLS-DA에 있어서, Y 변량은 연속적이지 않지만 독립적 이산 값들 또는 분류들의 세트로 구성된다. PLS-DA는 입력 데이터를 이산 분류들 중 하나로 분류하는데 사용될 수 있는 X 변량들의 선형 결합을 찾으려 할 수 있다.
프리 종말점 도메인 - 종말점 도메인을 실행하는 데이터 세트의 일 부분
포스트 종말점 도메인 - 종말점 도메인 이후에 오는 데이터 세트의 일 부분
시그니쳐 - 프로세스에서 종말점을 표시하는 파라미터 또는 파라미터들의 결합의 평가에서 구별되는 변화 지점 (또는 변화 지점들의 결합). 파라미터들의 결합 및 변화의 특성은 통상 시그니쳐의 부분을 형성한다.
단계적 회귀 (Stepwise regression) - 개별 센서 채널로부터의 데이터의 유한 시간 간격에서 데이터 값들에 최소 자승 피팅 알고리즘 (least-squares fitting algorithm) 을 사용하여 직선을 피팅하는 것을 지칭함.
플라즈마 프로세싱의 진보는 반도체 산업의 성장을 제공해 왔다. 경쟁력 있는 이점을 얻기 위해서, 반도체 디바이스 제조자들은 페기물을 최소화하고 고품질의 반도체 디바이스들을 제조하도록 프로세싱 환경의 엄격한 제어를 유지하여야 한다.
엄격한 제어를 유지하기 위한 일 방법이 프로세스 종말점을 식별하는 것에 의한 것이다. 본 명세서에서 설명되는 바와 같이, 용어 종말점은 프로세스 (예를 들어, 실리콘층의 에칭) 가 완료에 도달하거나 거의 완료에 도달한 시점을 지칭한다. 종말점을 식별하는 프로세스는 가장 큰 변화를 갖는 신호를 식별하는 것 만큼 간단할 수 있다. 그러나, 신호 변화가 항상 종말점과 일치하지 않을 수도 있다. 채널의 노이즈와 같은 다른 인자들이 신호 패턴을 변화시킬 수도 있다.
설명을 용이하게 하기 위해, 도 1은 종말점 알고리즘을 확립하기 위한 개략적인 방법을 나타낸다. 도 1에 기재된 바와 같은 방법은, 통상적으로 전문 사용자에 의해 수동으로 수행된다.
예를 들어, 테스트 기판이 프로세싱되는 상황을 고려한다. 상이한 유형의 기판들이 존재하기 때문에, 테스트 기판은 제조 환경에 사용될 수 있는 기판과 동일한 유형일 수 있다. 예를 들어, 제조 동안 특정의 패터닝된 기판이 사용되는 경우, 유사한 패터닝된 기판이 테스트 기판으로서 채용될 수 있다.
제 1 단계 (102) 에서, 기판에 대해 데이터가 획득된다. 일 예에 있어서, 센서들 (예를 들어, 압력 마노미터, 광학 방출 분광기 (OES), 온도 센서 등) 은 기판이 프로세싱되는 동안 데이터를 획득한다. 수천 개 아니면 수백 개의 센서 채널들의 데이터가 수집될 수 있다.
기판이 프로세싱된 후 수집된 데이터가 분석될 수 있다. 많은 데이터가 이용될 수 있기 때문에, 수천 개의 신호 스트림들 내에서 종말점을 찾아내는 것은 통상적으로 레시피 및 툴에 대한 철저한 지식을 필요로하는 어려운 작업일 수 있다. 이러한 이유로, 전문 사용자가 통상적으로 분석을 수행하는 작업을 담당하게 된다.
다음 단계 (104) 에서, 전문 사용자는 신호 패턴들에서의 변화들에 대한 하나 이상의 신호들을 검사할 수 있다. 전문 사용자는 분석을 돕기 위해 하나 이상의 소프트웨어 프로그램들을 채용할 수 있다. 일 예에 있어서, 소프트웨어 프로그램은 간단한 산출들 및 분석을 수행할 수 있는 간단한 분석 툴일 수 있다. 다른 예에 있어서, 소프트웨어 프로그램은, 예를 들어 신호 히스토리를 그래픽으로 도시하기 위해 채용될 수 있는 간단한 데이터 시각화 프로그램일 수 있다.
그러나, 전문 사용자의 전문 지식과 경험에 의해서도, 센서들에 의해 획득되고 분석에 이용될 수 있는 데이터의 양은 압도적일 수 있다. 따라서, 종말점 시그니쳐를 식별하는 작업은 벅찬 작업일 수 있다. 일 예에 있어서, OES 센서 채널 내에 2,000 개 이상의 파장 측정치들이 있을 수 있다. 또한, 종말점 데이터가 다른 센서 채널들 (예를 들어, 온도, 압력, 전압 등에 관한 데이터를 제공하는 센서 채널들) 에서 발견될 수도 있기 때문에, 모든 신호 및 신호들의 결합이 분석되어야 하는 경우, 전문 사용자는 수행가능성이 없는 작업에 직면하게 될 수도 있다.
예상될 수 있는 바와 같이, 어플리케이션들에 의존하여, 일부 신호들은 다른 신호들보다 더 양호한 종말점 데이터를 제공할 수 있다. 예를 들어, 신호들 A 및 B 양자가 종말점 데이터를 갖는다. 그러나, 신호 B 가 신호 A 보다 적은 노이즈를 가질 수도 있기 때문에, 신호 B 가 보다 양호한 종말점 시그니쳐를 제공할 수 있다. 수십 또는 수백 개의 신호들이 있을 수 있다고 하면, 최적의 종말점 시그니쳐보다 훨씬 적은, 종말점 시그니처에 대한 데이터 세트를 분석하는 작업은 매우 지루하고 시간 소모적인 프로세스가 될 수 있다.
데이터를 분석하는데 있어서, 전문 사용자는 종말점의 표시로서 신호 변화 (예를 들어, 신호 패턴에서의 변화) 를 찾을 수도 있다. 예를 들어, 신호가 아래로 기울고 있으면, 신호 기울기에서의 피크는 변화를 나타낼 수 있다. 신호 변화를 수동으로 식별하는 작업이 과거에 지루한 작업이었더라도, 최근, 이 작업은 신호 변화들이 덜 명확해지게 됨에 따라 훨씬 더 어려워지고 있다. 이는 특히 기판 상에 작은 개구 면적들을 프로세싱하기 위해 채용되는 레시피들에 대해 해당된다. 일 예에 있어서, 프로세싱 (예를 들어, 에칭) 되고 있는 개구 면적이 너무 작아서 (예를 들어, 기판 면적의 < 1%), 인간의 눈에 거의 띠지 않을 만큼 신호 변화가 감지되기 어렵다.
분석을 용이하게 하기 위해, 전문 사용자는 종말점을 식별하는 것과 관련되지 않는다고 여겨지는 데이터 값들을 제거할 수 있다. 데이터 세트를 감소시키기 위한 일 방법은 전문 사용자가 종말점 발생을 예상하지 않는 신호 스트림에서의 영역들을 식별하고 제거하는 것을 포함한다. 즉, 전문 사용자는 통상적으로 프리 종말점 도메인과 포스트 종말점 도메인 사이에서, 신호 스트림에서의 타겟 영역으로 종말점에 대한 그의 검색을 한정할 수 있다. 종말점 시그니쳐들을 찾고 정제하는 (전문가 시간에 있어서) 높은 비용 때문에, 가능한 큰 프리 종말점 및 포스트 종말점 도메인들을 제작하여 종말점을 찾기 위해 남겨지는 영역을 한정하는 것이 목표이다.
통상적으로 전문 사용자는 프로세스에 익숙하기 때문에, 전문 사용자는 단지 선택 신호들만을 분석함으로써 데이터 세트를 또한 감소시킬 수 있다. 선택 신호들은, 전문 사용자의 경험에 기초하여 종말점 데이터를 함유할 수 있는 신호들 또는 신호들의 결합을 포함할 수 있다. 전형적으로, 신호들의 결합이 그룹으로서 분석되고 있는 경우, 신호들의 결합은 통상적으로 신호 센서 소스로부터이다. 일반적으로, 센서들 사이의 변화량들은, 불가능하지 않다면, 상관 분석이 수동으로 수행되는 것을 어렵게 할 수 있기 때문에, 상이한 센서 소스들로부터의 데이터는 결합되지 않는다.
예상될 수 있는 바와 같이, 단지 필터링된 데이터 세트만을 이용한 작업은 부주의로 제거되는 최적의 종말점 시그니쳐의 리스크를 증가시킬 수 있다. 즉, 데이터를 필터링함으로써, 전문 사용자는 최적 종말점 시그니쳐보다 훨씬 더 적은 종말점 시그니쳐가 필터링 후 잔류하는 신호들 중 하나에 위치되는 것을 추측할 수 있다. 이러한 이유로, 잔류 신호들에서 식별될 수 있는 종말점 시그니쳐는 반드시 최적의 종말점 시그니쳐일 수는 없다.
신호 변화가 식별된 후, 전문 사용자는 종말점 후보로서 신호 변화의 강건성을 결정하기 위해 검증 분석을 수행할 수 있다. 예를 들어, 전문 사용자는 신호 변화의 특별함을 결정하기 위해 신호의 히스토리를 분석할 수 있다. 신호 변화가 특별하지 않은 경우 (즉, 신호의 히스토리에서 1회 보다 많이 발생하는 경우), 신호는 데이터 세트로부터 제거될 수 있다. 그 후, 전문 사용자는 다른 신호에서 "규정하기 힘든" 종말점을 식별하는 지루한 작업을 재개할 수 있다.
다음 단계 (106) 에서, 필터들의 세트 (예를 들어, 디지털 필터들의 세트) 가 노이즈를 제거하기 위해 그리고 데이터를 평활화하기 위해 데이터에 적용될 수 있다. 적용될 수 있는 필터들의 예들은, 예를 들어 시계열 필터들 및 주파수계 필터들을 포함하지만 이에 한정되지 않는다. 데이터 세트에 필터들을 적용하는 것이 데이터 세트에서의 노이즈를 감소시킬 수 있더라도, 필터들은 신호 내에서 실시간 지연을 또한 증가시킬 수 있기 때문에 통상적으로 필터들은 적게 적용된다.
일부 상황들에 있어서, 다변량 분석 (예를 들어, 주요 성분 분석 (Principal Component Analysis) 또는 부분적 최소 자승 (Partial Least Squares)) 이 데이터 분석 시 수행될 수 있다. 다변량 분석은 데이터 세트를 더욱 감소시키기 위해 수행될 수 있다. 다변량 분석을 사용하기 위해, 전문 사용자가 종말점 피쳐의 형상 (예를 들어, 곡선) 을 정의하도록 요구될 수 있다. 즉, 전문 사용자는 종말점 후보가 아직 식별되지 않았더라도 종말점의 형상 예측을 예상한다. 종말점의 형상을 미리 정의함으로써, 다변량 분석은 본질적으로 원하는 형상을 나타내지 않는 신호들을 제거한다. 일 예에 있어서, 종말점의 형상이 피크일 것으로 정의되는 경우, 이 형상을 나타내지 않는 신호들은 제거될 수 있다. 따라서, 최적 종말점 시그니쳐가 "예상된" 형상을 갖지 않는 경우, 그 최적 종말점 시그니쳐를 놓칠 수 있다.
상기로부터 알 수 있는 바와 같이, 많은 데이터로부터 단일 종말점 시그니쳐를 식별하는 작업은 지루한 작업일 수 있고 수행하기 위해 몇 주가 아니면 몇 시간이 걸릴 수 있다. 또한, 일단 종말점 시그니쳐가 식별되면, 종말점 시그니쳐로서 신호들 또는 신호들의 결합의 적합성에 대한 정량 분석이 적게 수행될 수도 있고 또는 어떠한 정량 분석도 수행되지 않을 수도 있다. 일 예에 있어서, 종말점 시그니쳐로써 신호 변화를 검증하기 위해, 전문 사용자는 다른 신호들을 분석하여 동일한 시간 프레임 주위에서 유사한 신호 변화를 찾을 수 있다. 그러나, 전문 사용자가 제 1 종말점 시그니쳐를 식별하는데 이미 상당한 양의 시간을 소모했다면, 전문 사용자는 그 결과를 검증하기 위해 시간, 자원 및/또는 의향을 항상 갖지 않을 수 있다.
다음 단계 (108) 에서, 전문 사용자는 과도 (transition) 의 특성에 기초하여 종말점 알고리즘 유형을 선택할 수 있다. 통상적으로, 종말점 알고리즘 유형은, 예를 들어, 종말점을 나타낼 수 있는 스펙트럼 선 (들) 의 형상에 기초할 수 있다. 일 예에 있어서, 종말점은 기울기 변화에 의해 나타낼 수 있다. 따라서, 전문 사용자는 기울기 의존 알고리즘을 제시할 수 있다.
또한, 종말점 알고리즘은 최상의 종말점 시그니쳐를 제공할 수 있는 도함수 (derivative) 에 기초할 수 있다. 그러나, 종말점 시그니쳐의 제 1 도함수 (예를 들어, 기울기에서의 변화) 가 최상의 종말점 알고리즘을 제공하지 않을 수도 있다. 대신, 예를 들어 기울기의 제 2 도함수 (예를 들어, 변곡점 (inflection point)) 가 보다 양호한 종말점 알고리즘을 제공할 수 있다. 종말점 시그니쳐 뿐만 아니라 이 종말점 시그니쳐와 연관된 최상의 종말점 알고리즘을 식별하기 위한 능력은 몇몇 사용자들 (전문 사용자들만) 이 소유할 수 있는 전문 지식을 필요로 할 수 있다.
다음 단계 (110) 에서, 알고리즘 설정들은 최적화 및/또는 테스트될 수 있다. 일단 종말점 알고리즘이 식별되면, 종말점 알고리즘은 제조 종말점 알고리즘으로 변환될 수 있다. 테스트 환경과 제조 환경 사이에 차이점들이 존재할 수 있기 때문에, 종말점 알고리즘의 설정은 종말점 알고리즘이 제조로 이동될 수 있기 전에 조정되어야 할 수도 있다. 조정될 수 있는 설정들은, 예를 들어 알고리즘 유형들에 대한 특정 설정들, 지연 시간, 평활화 필터 등을 포함하지만 이에 한정되지 않는다.
일 예에 있어서, 테스트 환경에서 데이터를 평활화하기 위해 채용될 수 있는 필터들은 제조 환경 내에서 수용할 수 없는 실시간 지연을 야기할 수도 있다. 본 명세서에서 설명된 바와 같이, 실시간 지연은 필터링되지 않은 신호 변화 및 필터링된 신호 변화 사이의 시간차를 지칭한다. 예를 들어, 신호에서의 피크는 프로세스 내에서 40 초에 발생하였을 수도 있다. 그러나, 필터가 적용된 후, 피크는 5 초 이후까지 발생하지 않을 수도 있다. 종말점 알고리즘이 필터 설정들로 적용되는 경우, 기판은 종말점 알고리즘이 종말점을 식별하기 전에 오버 에칭될 수 있다. 실시간 지연을 최소화하기 위해, 필터들이 조정되어야 할 수도 있다.
종말점 알고리즘을 제조로 이동하기 전에, 설정들이 최적화되었는지를 결정하기 위해 테스트가 수행될 수 있다. 일 예에 있어서, 종말점 알고리즘은 종말점 알고리즘을 생성하는데 사용되었던 데이터 설정에 적용될 수 있다. 종말점 알고리즘이 조정된 설정들을 사용하여 종말점을 정확하게 식별하는 경우, 설정들이 최적화되는 것으로 고려될 수 있다. 그러나, 종말점 알고리즘이 종말점을 정확하게 식별하지 못하는 경우, 설정들은 조정되어야 할 수도 있다. 이러한 테스트는 설정들이 최적화되기 전에도 (시행 착오 방법 (trial and error method)) 을 통해 복수 회 수행되어야 할 수도 있다.
다음 단계 (112) 에서, 종말점 알고리즘 상에서 강건성 테스트를 수행하는 것과 관련하여 결정이 이루어진다. 강건성 테스트가 수행되는 경우 (단계 114), 종말점 알고리즘은 다른 기판들과 연관된 데이터 세트들에 적용될 수 있다. 일 예에 있어서, 제 2 테스트 기판이 프로세싱될 수 있고 데이터가 수집될 수 있다. 그 후, 종말점 알고리즘이 제 2 데이터 세트에 적용될 수 있다. 종말점 알고리즘이 종말점을 식별할 수 있는 경우, 종말점 알고리즘이 강건하다고 고려될 수 있으며 종말점 알고리즘이 제조로 이동될 수 있다 (단계 116). 그러나, 종말점 알고리즘이 종말점을 식별하지 못하는 경우, 종말점 알고리즘은 충분히 강건하지 않다고 고려될 수 있으며 전문 사용자는 단계 (104) 로 되돌아가서 다른 종말점 후보를 식별하고 다른 종말점 알고리즘을 구성하는 작업을 재개한다.
강건성 테스트가 실행 및 분석을 위해 시간을 필요로 할 수도 있다면, 많은 종말점 알고리즘들이 강건성 테스트를 겪지 않고 제조 환경으로 이동될 수 있다. 즉, 단계 (112) 가 통상적으로 종말점 알고리즘의 생성에 있어서 선택적 단계로서 고려된다.
도 1로부터 알 수 있는 바와 같이, 종말점 알고리즘을 생성하는 방법은 복잡한 분석을 수행하기 위해 전문 지식 및 경험을 가질 수 있는 전문가에 의해 통상적으로 수행되는 대부분 수동 프로세스이다. 자원들에 대해 규제가 주어진다면, 제조로 이동될 수 있는 종말점 알고리즘은 정량적 지원이 부족할 수 있다. 또한, 한 명의 인간이 적정한 주기의 시간 내에서 모든 신호들 및/또는 신호들의 결합을 분석할 수 없기 때문에, 생성될 수 있는 종말점 알고리즘이 항상 프로세스에 대한 최적의 종말점 알고리즘이 될 수는 없다.
따라서, 강건한 종말점 알고리즘을 구성하기 위해 간략화된 방법이 바람직하다.
본 발명은 첨부 도면들의 도들에서 한정이 아닌 예시로서 설명되며, 도면들에서 동일한 참조 번호는 유사한 엘리먼트들을 지칭한다.
도 1은 종말점 알고리즘을 확립하기 위한 개략적인 방법을 나타낸다.
도 2는 본 발명의 일 실시형태에 있어서 종말점 알고리즘을 구성하는 방법을 도시하는 개략적인 플로우 챠트를 나타낸다.
도 3a 및 도 3b는 본 발명의 일 실시형태에 있어서 최적의 종말점 알고리즘을 찾아내는데 있어서 알고리즘 엔진이 실행할 수 있는 단계들을 도시하는 개략적인 플로우 챠트를 나타낸다.
도 4는 본 발명의 일 실시형태에 있어서 제조 환경 내에서 최적의 종말점 알고리즘을 구현하기 위한 개략적인 플로우 챠트를 나타낸다.
도 5는 본 발명의 일 실시형태에 있어서 최적의 종말점 알고리즘의 리스트로의 데이터 세트들의 전개의 일 예를 도시하는 블록도를 나타낸다.
도 1은 종말점 알고리즘을 확립하기 위한 개략적인 방법을 나타낸다.
도 2는 본 발명의 일 실시형태에 있어서 종말점 알고리즘을 구성하는 방법을 도시하는 개략적인 플로우 챠트를 나타낸다.
도 3a 및 도 3b는 본 발명의 일 실시형태에 있어서 최적의 종말점 알고리즘을 찾아내는데 있어서 알고리즘 엔진이 실행할 수 있는 단계들을 도시하는 개략적인 플로우 챠트를 나타낸다.
도 4는 본 발명의 일 실시형태에 있어서 제조 환경 내에서 최적의 종말점 알고리즘을 구현하기 위한 개략적인 플로우 챠트를 나타낸다.
도 5는 본 발명의 일 실시형태에 있어서 최적의 종말점 알고리즘의 리스트로의 데이터 세트들의 전개의 일 예를 도시하는 블록도를 나타낸다.
이제, 첨부된 도면들에 도시된 바와 같이 몇몇 실시형태들을 참조하여 본 발명이 상세하게 설명된다. 다음의 설명에 있어서, 본 발명의 완전한 이해를 제공하기 위해 다수의 특정 상세들이 설명된다. 그러나, 본 발명은 이러한 특정 상세들의 일부 또는 전부 없이도 실시될 수 있음이 당업자에게 명백하다. 다른 예시들에 있어서, 주지된 공정 단계들 및/또는 구조들은 본 발명을 불필요하게 모호하게 하지 않도록 하기 위해 상세하게 설명되지 않는다.
이하, 방법들 및 기술들을 포함하는 다양한 실시형태들이 본 명세서에서 설명된다. 또한, 본 발명은 발명 기술의 실시형태들을 수행하기 위한 컴퓨터 판독가능 명령들이 저장된 컴퓨터 판독가능 매체를 포함하는 제조물을 커버할 수도 있음을 유념해야 한다. 컴퓨터 판독가능 매체는, 예를 들어 반도체, 자기, 광자기, 광학 또는 컴퓨터 판독 가능 코드를 저장하기 위한 다른 형태의 컴퓨터 판독 가능 매체를 포함할 수도 있다. 게다가, 본 발명은 본 발명의 실시형태들을 실시하기 위한 장치도 또한 커버할 수 있다. 이러한 장치는 전용 및/또는 프로그램 가능한 회로들을 포함하여, 본 발명의 실시형태들에 관한 작업들을 수행할 수도 있다. 이러한 장치의 예들은 적절하게 프로그램되는 경우 범용 컴퓨터 및/또는 전용 컴퓨팅 디바이스를 포함하고, 본 발명의 실시형태들에 관한 다양한 작업들에 적응된 전용/프로그램가능 회로들 및 컴퓨터/컴퓨팅 디바이스의 결합을 포함할 수도 있다.
본 발명의 실시형태들에 따라, 종말점 알고리즘들을 자동으로 발견하고 최적화하기 위한 방법들이 제공된다. 본 발명의 실시형태들은 프로세스에 대한 최적의 종말점을 결정하기 위한 종말점 알고리즘 구성 방법들을 포함한다. 또한, 본 발명의 실시형태들은 제조 환경 내에서 종말점 알고리즘을 적용하기 위한 인-시튜 방법들을 포함한다.
본 명세서에 있어서, 일 예로서 종말점을 사용하는 다양한 구현들이 설명될 수 있다. 그러나, 본 발명은 종말점에 한정되지 않으며 프로세스 동안 발생할 수 있는 임의의 변화점을 포함할 수 있다. 즉, 설명들은 예시들로서 의미되며 본 발명은 제시된 예시들에 의해 한정되지 않는다.
본 발명의 일 실시형태에 있어서, 종말점 알고리즘을 구성하는 방법들이 제공된다. 이 방법들은 전문 사용자 및 비전문 사용자 모두에 의해 사용될 수 있는 단순하고, 사용자 친화적이며 자동화된 방법들이다. 이 방법들은 센서 데이터를 획득하고, 근사 종말점 주기를 자동 정의하고, 센서 데이터를 자동 분석하고, 포텐셜 종말점 시그니쳐들의 세트를 자동 결정하며, 최적의 종말점 알고리즘을 제조로 자동 임포팅 (importing) 하는 것을 포함할 수 있다.
종래 기술에 있어서, 데이터의 많은 양으로 인해, 한명의 인간이 적정 시간 주기 내에서 모든 신호들을 실행 가능하게 분석할 수 없을 수 있다. 종래 기술과 달리, 일 실시형태에 있어서의 분석은 인간의 참여가 적거나 없을 수 있다. 대신, 일 실시형태에서는, 분석을 수행하는데 알고리즘 엔진이 채용될 수 있다. 데이터가 수동 대신 자동으로 분석되기 때문에, 전부는 아니더라도, 많은 데이터가 분석될 수 있다. 일 실시형태에 있어서, 모든 가능한 신호들이 분석될 수 있고, 각 신호는 포텐셜 종말점 시그니쳐일 때 그 관련성에 관해서 특징화될 수 있다. 또한, 알고리즘 엔진에 의해 분석이 지금 수행되고 있기 때문에, 분석은 더 이상 단일 기판으로부터의 데이터 파일들에 한정되지 않는다. 이에 따라, 많은 데이터가 분석되어 강건한 최적의 종말점 알고리즘들의 세트를 구성할 수 있다.
알고리즘 엔진은 종말점의 타겟 영역 (예를 들어, 종말점 도메인) 에 대한 시간의 함수에 기초한 소프트웨어 프로그램일 수 있다. 일단 사용자가 근사 종말점 영역 (예를 들어, 종말점 도메인) 을 정의하면, 데이터를 분석하기 위해 알고리즘 엔진이 채용되어 최적의 종말점 시그니쳐들의 세트를 찾아낼 수 있다.
일 실시형태에 있어서, 알고리즘 엔진은 다변량 분석에서 포텐셜 종말점 시그니쳐들을 나타낼 수 있는 포텐셜 형상들의 세트를 식별할 수 있다. 종래 기술과 달리, 사용자는 각 포텐셜 종말점 시그니쳐 (예를 들어, 피크, 밸리, 스텝 등) 의 이전 형상에 대한 지식을 가져야 할 필요가 없다. 대신, 일단 알고리즘 엔진이 포텐셜 종말점 시그니쳐들을 식별했으면, 알고리즘 엔진은 포텐셜 형상들의 리스트를 생성할 수 있다. 이로써, 알고리즘 엔진에 의해 식별될 수 있는 포텐셜 종말점 알고리즘들이 단일 형상 (예를 들어, 곡선) 에 한정되지 않는다. 일 실시형태에 있어서, 알고리즘 엔진은 프로세스에 대한 최상의 종말점 시그니쳐들을 식별하기 위해서 알려진 종말점 후보들의 데이터 컨디셔닝 및 테스팅을 수행하도록 구성된다. 시간 함수로서의 각 파라미터의 가변성은 프로세스의 히스토리 전체에 걸친 일련의 유한 시간 간격들에서 각 데이터 입력 파라미터의 기울기를 결정하기 위한 단계적 회귀분석을 수행함으로써 도출될 수 있다. 일 실시형태에 있어서, 기울기 산출에 사용된 시간 간격들은 들어오는 데이터에서의 노이즈를 거절하도록 그리고 종말점과 연관되지 않는 데이터에서의 느린 이동을 거절하도록 또한 설정될 수 있다.
일 실시형태에 있어서, OES 신호들은 프로세스가 진전함에 따라 가변성에서 나타나는 변화의 정도 (즉, 기울기) 에 따라 그룹화될 수 있다. 일 예에 있어서, 유사한 기울기 변화량을 갖는 인접 파장들은 함께 그룹화될 수 있다. OES 신호들의 기울기 기반 그룹화에 의해, 분석될 필요가 있을 수 있는 신호들의 개수 및 그 신호들에서의 노이즈가 크게 감소될 수 있다. 그 결과는 종말점과 관련된 정보를 가장 쉽게 포함할 수 있는 신호들의 그룹 및 신호들의 리스트를 나타낼 수 있다.
일 실시형태에 있어서, 컬링 (culling) 은 포텐셜 종말점 시그니쳐들의 개수를 감소시키기 위해 수행될 수 있다. 일 실시형태에 있어서, 강건한 종말점 시그니쳐는 모든 프로세싱된 기판들에서 존재할 수 있는 것이다. 일 예에 있어서, 종말점 시그니쳐가 테스트 기판들의 전부 또는 실질적으로 다수에서 피쳐가 아니라면, 그 종말점 시그니쳐는 강건하지 않고 제거될 수 있다. 그러나, 종말점 시그니쳐가 제어 기판 상에 나타나는 경우, 제어 기판은 에칭되지 않았고 이에 따라 종말점 시그니쳐를 생성하지 않았던 기판이기 때문에 그 종말점 시그니쳐도 또한 제거될 수 있다.
일 실시형태에 있어서, 다변량 분석이 수행될 수 있다. 일 예에서, 분석에서의 결과들은 각각의 기울기 그룹에서의 각각의 개별 신호의 가중화를 최적화하기 위해서 PLS-DA (Partial Least Squares Discriminant Analysis) 로의 입력으로서 사용될 수 있다. 일 실시형태에 있어서, 사용자가 (종래 기술에 의해 요구되는 것과 같은) 종말점 곡선의 예상된 형상을 입력할 것을 요구하는 대신, PLS-DA는 알고리즘 엔진에 의해 제공된 형상들 및 종말점에 대한 타겟 영역에 의존할 수 있다.
일 실시형태에 있어서, OES 신호들로부터 PLS-DA 에서 생긴 결과들은 대역화될 수 있으며 다른 센서 신호들과 결합될 수 있다. 일 실시형태에 있어서, PLS-DA 는 대역화된 신호들의 새로운 세트로 반복되어, 실시간 종말점 산출에 대해 낮은 컴퓨터 부하 및 높은 콘트라스트를 가질 수 있는 포텐셜 종말점 시그니쳐들의 컴팩트한 최적화된 결합을 생성할 수 있다.
일 실시형태에 있어서, 포텐셜 종말점 시그니쳐들은 최소 가능한 지연 시간에 의해 종말점 알고리즘으로 변환된다. 최소 실시간 지연에 의해 실시간 종말점 알고리즘들로 변환될 수 없는 포텐셜 종말점 시그니쳐들은 제거될 수 있다. 즉, 실시간 종말점 알고리즘은 알고리즘과 연관된 실시간 지연이 최대 허용가능한 실시간 지연을 초과하는 경우 폐기될 수 있다.
일 실시형태에 있어서, 포텐셜 종말점 알고리즘들은 이후 충실도 비율로서 지칭되는, 무관 및/또는 실시간 지연인 정보에 대한 유용한 정보의 비율에 기초하여 순위 결정될 수 있다. 일 예에 있어서, 높은 충실도 비율 및 낮은 실시간 지연을 갖는 알고리즘은 더 강건한 알고리즘으로 고려된다. 일단 순위 결정이 수행되면, 실시간 종말점 알고리즘들 중 하나가 선택되고 제조로 이동될 수 있다.
본 발명의 피쳐들 및 이점들은 다음의 도들 및 설명들을 참조하여 더 잘 이해될 수 있다.
도 2는 본 발명의 일 실시형태에 있어서 종말점 알고리즘을 구성하는 방법을 도시하는 개략적인 플로우 챠트를 나타낸다.
제 1 단계 (202) 에서, 데이터는 프로세싱 챔버 내에서 센서들의 세트에 의해 획득된다. 예를 들어, 테스트 기판이 프로세싱되고 있는 상황을 고려한다. 기판이 처리되는 동안, 데이터 (예를 들어, 광학 방출, 전기 신호들, 압력 데이터, 플라즈마 데이터 등) 가 센서들의 세트에 의해 수집된다.
일 실시형태에 있어서, 최적의 종말점 알고리즘을 생성하는데 사용되는 데이터는 2 이상의 테스트 기판에서 나올 수 있다. 상이한 테스트 기판들로부터의 데이터를 결합함으로써, 기판들 사이의 재료 차이들 또는 공정 가변성들과 연관된 노이즈가 제거될 수 있다. 일 실시형태에 있어서, 데이터는 상이한 챔버들 내에서 프로세싱될 수 있는 테스트 기판에서 나올 수 있다. 상이한 챔버들로부터의 데이터를 결합함으로써, 챔버들 사이의 차이와 연관된 노이즈도 또한 제거될 수 있다.
다음 단계 (204) 에서, 프로세스에 대한 종말점 발생이 예상되는 근사 시간 주기가 식별된다. 즉, 종말점 도메인이 정의된다. 종래 기술과 달리, 종말점 도메인은 근사 및 상대적으로 넓은 시간 간격이며, 이 시간 간격 내에서 알고리즘 엔진은 유효 종말점 시그니쳐들을 검색하게 된다. 예를 들어, 높은 검색 속도 때문에, 사용자는 종래 기술에 있어서 프리 종말점 도메인이었던 것의 일부를 결합하기 위해 종말점 도메인을 확장할 수 있다. 그렇게 함으로써, 알고리즘 엔진은 프로세스에서 초기에 발생할 수도 있었던 종말점 시그니쳐들을 식별할 수 있다. 이 초기 종말점들은 하부의 반도체층들을 손상시키는 프로세스의 리스크를 감소시킨다.
다음 단계 (206) 에서, 알고리즘 엔진은 활성화되어 데이터 분석을 수행하고 최적 종말점 알고리즘들의 세트를 생성한다. 일 실시형태에 있어서, 데이터 분석이 수동으로 수행되지 않기 때문에, 2 이상의 기판으로부터의 데이터 파일들이 분석될 수 있다. 분석되는 기판들에서 통상적으로 발견되지 않은 종말점 피쳐들이 제거될 수 있기 때문에, 다량의 데이터를 포함하더라도 복수의 기판들로부터의 데이터 파일들로 구성된 종말점 알고리즘은 보다 강건할 수 있음을 당업자가 인식할 수 있다.
도 3a 및 도 3b는 본 발명의 일 실시형태에 있어서, 데이터 세트들을 분석하고 최적 종말점 알고리즘들의 리스트를 생성하는데 있어서 알고리즘 엔진이 실행할 수 있는 단계들을 도시하는 개략적인 플로우 챠트를 나타낸다. 설명을 용이하게 하기 위해, 도 3a 및 도 3b가 도 5와 함께 설명된다. 도 5는 일 실시형태에 있어서 최적 종말점 알고리즘들의 리스트로의 데이터 세트들의 전개에 대한 일 예를 도시하는 블록도를 나타낸다.
제 1 단계 (302) 에서, 알고리즘 엔진은 이용가능한 데이터 세트들 (초기 데이터 그룹 (502)) 상에서 선형 피팅을 수행할 수 있다. 즉, 각 신호는 시간 간격들에 기초하여 균일한 세그먼트들 (데이터 그룹 (504)) 로 분할될 수 있다. 노이즈를 최소화하고 종말점 피쳐들을 식별하기 위한 포텐셜을 최대화하기 위해서는, 세그먼트들의 길이가 중요하다. 세그먼트 길이가 너무 길면, 종말점은 결국 평균이 되어 종말점을 놓칠 수 있다. 세그먼트 길이가 너무 짧으면, (이후 단계 (304) 에서 설명되는 바와 같이) 기울기가 노이즈에 의해 영향을 받을 수 있다. 일 실시형태에 있어서, 세그먼트 길이에 대한 최소 및 최대 수치는 미리 정의될 수 있다. 일 실시형태에 있어서, 최소 세그먼트 길이는 1초의 1/10 보다 길다. 다른 실시형태에 있어서, 최대 세그먼트 길이는 10Hz 에서 수집된 데이터에 대해 2초 보다 짧다.
다음 단계 (304) 에서, 알고리즘 엔진은 각 세그먼트에 대해 기울기 및 그 대응 기울기 노이즈 값 (기울기로부터 피트에서 불확실한 것) 을 산출할 수 있다. 일 예에 있어서, 신호 A 가 10 개의 세그먼트들로 분할된 경우, 신호 A 에 대해 10 개의 기울기 및 기울기 노이즈 값이 결정될 수 있다 (데이터 그룹 (506A)). 일 실시형태에 있어서, 기울기 노이즈 값들은 기울기들을 정규화하는데 채용될 수 있다 (데이터 그룹 (506B)).
부가적으로 또는 대안적으로, 알고리즘 엔진은 (데이터 그룹 (506A) 에도 또한 포함된) 센서 채널들의 결합으로부터의 신호들에 기초한 기울기들 및 기울기 노이즈 값들의 부가적인 리스트를 생성하기 위해, 입력들로서 기울기 노이즈 값들에 의해 스케일링된 기울기들을 사용하여 다변량 분석 (예를 들어, 부분 최소 자승 분석) 을 수행할 수 있다. 일 실시형태에 있어서, (데이터 그룹 (506B) 에도 또한 포함된) 기울기 노이즈 값들은 기울기들을 정규화하는데 채용될 수 있다.
각 세그먼트에 대한 기울기들 및 기울기 노이즈 값들의 리스트가 일단 생성되면 (데이터 그룹 (506A)), 다음 단계 (306) 에서, 알고리즘 엔진은 종말점 데이터를 반송할 수 있는 신호 후보들을 식별할 수 있다. 일 예에 있어서, 알고리즘 엔진은 각 신호 (및 그 세그먼트들) 를 분석하여 각 신호에 대한 기울기의 변화량의 양을 정량화할 수 있다. 기울기의 가변성을 정량화하기 위한 일 방법은, 정규화된 기울기의 표준 편차를 산출하는 것을 포함한다. 일 예에 있어서, 높은 표준 편차는 기울기에서 발생하는 변화들에 의해 신호를 나타낼 수 있다. 이 예에 있어서, 높은 표준 편차는 포텐셜 종말점 데이터를 반송할 수 있는 신호를 나타낼 수 있다. 즉, (기울기 노이즈에 대해) 높은 기울기 변수를 갖는 신호들은 신호 후보들로서 식별될 수 있다 (데이터 그룹 (508)).
OES 데이터는 파장 측정치들 (적어도 2,000 신호들) 의 높은 체적을 포함할 수 있기 때문에, 알고리즘 엔진은 유사한 기울기 변화량을 갖는 인접 파장들을 다음 단계 (308) 에서 신호 파장 대역들 (데이터 그룹 (510)) 과 결합함으로써 OES 신호들의 개수를 감소시킬 수 있다. 일 예에 있어서, 255 nm 와 280 nm 사이에 100 개의 파장 측정치들이 존재하고, 그 파장 측정치들이 유사한 기울기 변화량을 가지면, 100 개의 파장 측정치들은 신호 파장 대역들과 결합될 수 있고, 분석 동안 단일 유닛으로서 처리될 수 있다. 예를 들어, 2,000 개의 파장 측정치들의 존재하면, 단지 10 개의 신호 파장 대역들만이 분석되어야 할 수 있다. 파장 측정치들을 그룹화함으로써, 분석되어야 할 아이템들의 개수가 현저하게 감소될 수 있기 때문에 컴퓨터 부하가 감소될 수 있다.
다음 단계 (310) 에서, 알고리즘 엔진은 근본적인 프로세스에 있어서의 드리프트 및 노이즈를 캡쳐할 수 있는 정규화 신호들의 리스트 (데이터 그룹 (506B)) 를 식별할 수 있다. 즉, 알고리즘 엔진은 높은 기울기를 갖지만 (기울기 노이즈에 대해) 낮은 변화량을 갖기 때문에, 정규화하기에 적합한 신호들을 식별할 수 있다. 정규화 신호들 (데이터 그룹 (512)) 은 센서 신호들에 있어서 공통 모드 변화들 (예를 들어, 드리프트, 노이즈 등) 을 제거하기 위해 가능한 후보들을 나타낼 수 있다.
단계 (312) 에서, 알고리즘 엔진은 유사 기울기 변화량을 갖는 인접 파장들을 정규화된 신호 파장 대역들 (데이터 그룹 (514)) 과 결합함으로써 정규화된 OES 신호들의 개수를 감소시킬 수 있다. 단계 (312) 는, 단계 (312) 가 정규화된 OES 신호들에 적용되는 것을 제외하고 단계 (308) 과 어느 정도 유사하다.
다음 단계 (314) 에서, 알고리즘은 모든 센서 채널들에 대해 높은 콘트라스트의 센서 신호들 (데이터 그룹 (508)), 높은 콘트라스트의 센서 신호 파장 대역들 (데이터 그룹 (510)), 정규화된 신호들 (데이터 그룹 (512)) 및 정규화된 파장 대역들 (데이터 그룹 (514)) 의 리스트를 생성할 수 있다. 일 실시형태에 있어서, 각 데이터 세트 내의 신호들은 순위 결정된다. 각 신호 내의 종말점 데이터의 가능성이 정량화되었기 때문에, 각 데이터 세트 내의 신호들은 순위 결정될 수 있다. 일 예에 있어서, 높은 기울기 변화량을 갖는 신호는 낮은 기울기 변화량을 갖는 신호보다 더 높은 순위를 가질 수 있다.
다음 단계 (316) 에서, 알고리즘 엔진은 종말점 도메인 (데이터 그룹 (516)) 내에서 가능한 종말점 시그니쳐들에 대한 높은 콘트라스트의 센서 신호들 및/또는 대역들을 검색할 수 있다. 일 실시형태에 있어서, 종말점 시그니쳐는 분류 피쳐들 (피크, 밸리, 변곡 등) 의 세트를 통해 식별될 수 있다. 일 실시형태에 있어서 분류 피쳐들의 세트는 미리 정의될 수 있다. 분류 피쳐들의 세트는 신호들의 상이한 도함수 내에서 검색될 수 있다.
일 실시형태에 있어서, 필터들은 노이즈를 제거하고 데이터를 평활화하기 위해 데이터 그룹들 (508 및 510) 에 적용될 수 있다. 일 실시형태에 있어서, 데이터 그룹들에 적용되는 필터들은 시간 대칭 필터들일 수 있다. 시간 대칭의 필터들은 평균값을 산출하기 위한 특정 지점 전후에서 동일한 수의 지점들을 사용한다. 이 필터들은 공정의 실시간 실행 동안 보다는 오히려 포스트 공정 모드에서 적용될 수 있다. 시간 비대칭 필터들과 달리, 시간 대칭 필터들은 최소 시간 왜곡 및/또는 진폭 왜곡을 도입하기 쉽다. 그 결과, 필터링된 데이터는 최소의 실시간 지연을 경험할 수 있다.
상기로부터 알 수 있는 바와 같이, 각 데이터 그룹은 과량의 신호들을 포함할 수 있다. 일 실시형태에 있어서, 각 데이터 그룹은 순위 결정되기 때문에, 데이터 분석 시간이 검색값을 감소시킴으로써 현저하게 감소될 수 있다. 일 예에 있어서, 데이터 그룹 (508) 내의 모든 아이템들을 검색하는 대신, 상위 10 개의 높은 콘트라스트의 센서 신호들만이 분석될 수 있다. 검색될 수 있는 아이템들의 개수는 달라질 수 있다. 디미니싱 리턴 분석 (diminishing return analysis) 이 최적의 개수를 결정하기 위해 수행될 수 있다.
다음 단계 (318) 에서, 알고리즘 엔진은 높은 콘트라스트의 센서 신호들/대역들 (데이터 그룹 (508 및 510)) 의 비율을 검색하여 종말점 도메인 내의 가능한 종말점 시그니쳐들 (데이터 그룹 (518)) 에 대한 센서들/대역들 (데이터 그룹들 (512 및 514)) 을 정규화할 수 있다. 각각의 정규화 센서/대역에 대한 각각의 높은 콘트라스트의 센서들 신호/대역의 비율을 취득함으로써, 식별될 수 있는 가능한 종말점 신호들은 더 높은 충실도 비율을 가질 수 있다.
다음 단계 (320) 에서, 알고리즘 엔진은 결합들 (데이터 그룹 (520)) 을 순위 결정하기 위해 데이터 결과들 (데이터 그룹들 (516 및 518)) 을 검색할 수 있다. 즉, 콘트라스트 및 SNR 을 개선하기 위해서, 매칭이 유사한 형상들 및 시간 주기를 갖는 종말점 시그니쳐들을 결합하기 위해 수행된다. 일 실시형태에 있어서, 선형 결합은 동일한 도함수 내에서 수행된다. 즉, 제 1 및 제 2 도함수 모두가 동일한 시간 간격 내에서 발생할 수 있더라도, 제 1 도함수에서 발생하는 피크는 제 2 도함수에서 발생하는 피크와 결합되지 않을 수 있다.
다음 단계 (322) 에서, 알고리즘 엔진은 비재현성 종말점 시그니쳐들을 잠재적으로 제거하기 위해 강건성 테스트를 수행할 수 있다. 일 실시형태에 있어서, 강건성 테스트는 복수의 기판들에 걸쳐 일관성을 체크할 수 있다. 일 예에 있어서, 포텐셜 종말점 시그니쳐가 복수의 기판들에 걸쳐 일치하지 않는 경우, 포텐셜 종말점 시그니쳐는, 예를 들어 노이즈/드리프트의 결과일 수 있기 때문에 포텐셜 종말점 시그니쳐가 폐기될 수 있다.
다른 예에 있어서, 강건성 테스트는 테스트 기판과 제어 기판 (또는 제어 기판들의 세트) 사이에서 유사성을 체크할 수 있다. 예를 들어, 테스트 기판들이 노출된 실리콘 영역인 일 부분을 갖는 레지스트 마스크를 갖는 기판들인 상황을 고려한다. 제어 기판이 레지스트 마스크에 의해 전체적으로 피복되지 않은 것을 제외하고 제어 기판은 테스트 기판들과 동일한 특성을 가질 수 있다. 테스트 기판 및 제어 기판 모두에 동일한 기판 프로세싱이 수행될 수 있다. 그러나, 제어 기판의 전체 표면이 레지스트 마스크로 피복되기 때문에, 제어 기판은 어떠한 에칭 신호도 나타내지 않는다. 따라서, 제어 기판은 종말점을 가지지 않아야 한다. 즉, 제어 기판 상의 변화가 포텐셜 종말점 시그니쳐들 중 하나와 매칭하는 경우, 매칭된 포텐셜 종말점 시그니쳐는 폐기된다.
또 다른 예에 있어서, 강건성 테스트는 특이성에 대한 테스팅을 포함한다. 일 예에 있어서, 테스트되는 포텐셜 종말점 시그니쳐는 피크 피쳐를 갖는다. 나머지 신호는 포텐셜 종말점 시그니쳐의 발생 전 또는 후에 다른 피크 피쳐가 발생하고 있는지를 결정하기 위해 분석될 수 있다. 다른 피크가 식별되는 경우, 포텐셜 종말점 시그니쳐는 제거된다.
상기는 실제 종말점 시그니쳐들이 아닐 수 있는 시그니쳐들을 제거하기 위해 적용될 수 있는 상이한 강건성 기준의 예들이다. 포텐셜 종말점 시그니쳐들에 강건성 테스트를 적용함으로써, 실제 종말점들일 수 있는 포텐셜 종말점 시그니쳐들의 리스트가 또한 확고해질 수 있다.
일 실시형태에 있어서, 알고리즘 엔진은 상관 기반 PLS -DA (partial least square discriminate analysis) 와 같은 다변량 상관 분석을 수행하여 포텐셜 종말점 시그니쳐들의 리스트를 최적화할 수 있다. 이전에 언급한 바와 같이, 다변량 분석 (예를 들어, 상관 기반 PLS 분석) 은, 통상적으로 종말점 시그니쳐의 형상이 정의될 것을 요구한다. 즉, 다변량 분석은 시그니쳐 곡선의 원하는 형상을 알아야 할 필요가 있다. 종래 기술에 있어서, 사용자는 통상적으로 종말점 시그니쳐의 형상 (예를 들어, 피크, 밸리, 기울기 등) 을 제공하여야 하는 사람이다. (종래 기술에 있어서) 종말점 후보의 형상을 결정하는데 몇 주 아니면 몇 시간이 걸린다면, 사용자는 통상 다변량 분석으로의 입력으로서 하나의 형상 피쳐를 제공할 수 있을 뿐이다. 종래 기술과 달리, 알고리즘 엔진에 의해 식별된 바와 같은 포텐셜 종말점 시그니쳐들은 상이한 형상의 피쳐들을 가질 수 있다. 그 결과, 다변량 상관 분석에 입력될 수 있는 입력들의 개수는 식별되었을 수 있는 포텐셜 종말점 시그니쳐들의 형상들에 의존할 수 있다.
일 실시형태에 있어서, (포텐셜 종말점 시그니쳐들의 리스트에 의해 결정된 바와 같은) 형상/형상들은 각 센서 채널 내의 신호들과 포텐셜 종말점 시그니쳐 사이의 상관 매트릭스를 생성하기 위해 각 신호에 대해 상관될 수 있다. 상관 매트릭스는 각각의 포텐셜 종말점 시그니쳐에서 콘트라스트를 최대화하기 위해 신호마다 적용될 수 있는 최적의 가중치들 및/또는 부하들을 포함할 수 있다. 다변량 분석이 포텐셜 종말점 시그니쳐들 (데이터 그룹 (522)) 의 리스트의 최적화를 도울 수 있더라도, 다변량 상관 분석이 최적 종말점 알고리즘들의 리스트를 식별할 필요가 없다. 또한, 상관 기반 PLS 분석이 상기 예에서 사용되었지만, 본 발명은 상관 기반 PLS 분석에 한정되는 것이 아니라 상관 기반 다변량 분석의 임의의 유형일 수 있다.
다음 단계 (324) 에서, 알고리즘 엔진은 최소 실시간 지연에 의해 잔류 포텐셜 시그니쳐들 (데이터 그룹 (522)) 을 실시간 종말점 알고리즘 (데이터 그룹 (524)) 으로 변환할 수 있다. 즉, 알고리즘 엔진은 최소 실시간 지연에 의해 제조 동안 실행될 수 있는 종말점 알고리즘으로 포텐셜 종말점 시그니쳐들을 변환하도록 구성된다. 일 실시형태에 있어서, 각 종말점 알고리즘에 의해 요구될 수 있는 설정들은 자동으로 산출될 수 있다. 일 예에 있어서, 실시간 필터들에 대한 설정들은 자동으로 최적화되어 최소 필터 지연에 의해 모든 프로세싱된 테스트 기판 상에서 종말점을 호출할 수 있다. 실시간 필터들은 캐스캐드될 수 있고 무한 임펄스 응답 필터들로 일어나는 초기 과도들 (transients) 을 최소화하기 위해 캐스캐드 메모리 컴포넌트들의 초기화를 사용할 수 있다. 이는 데이터 히스토리의 개시에 가까운 종말점을 가질 수 있는 종말점 알고리즘들에 있어서 특히 중요하다.
각 포텐셜 종말점 시그니쳐에 대해, 알고리즘 엔진은 실시간 종말점 알고리즘을 제공할 수 있다. 일 실시형태에 있어서, 알고리즘 엔진이 실시간 종말점 알고리즘을 구성할 수 없으면, 어떠한 종말점 알고리즘도 제공되지 않는다. 일 예에 있어서, 알고리즘 엔진이 모든 프로세싱된 테스트 기판에서 종말점을 호출/식별할 수 있는 실시간 종말점 알고리즘을 구성할 수 없으면, 어떠한 종말점 알고리즘도 제공될 수 없다.
다음 단계 (326) 에서, 알고리즘 엔진은 최대 허용가능한 실시간 지연을 초과할 수 있는 종말점 알고리즘을 제거할 수 있다. 일 예에 있어서, 종말점을 식별하는데 요구되는 시간이 미리 정의된 임계치를 초과하는 경우, 제조 동안 실시간 지연이 오버 에칭된 기판들을 야기할 수 있기 때문에 종말점 알고리즘은 제거될 수 있다.
다음 단계 (328) 에서, 알고리즘 엔진은 강건성 기준의 세트를 통과하지 않는 실시간 종말점 알고리즘을 제거할 수 있다. 강건성 기준의 일 예는 최소 실시간 지연을 가지고 모든 테스트 기판 상에서 종말점들을 식별하는 것을 포함할 수 있다. 즉, 각 종말점 알고리즘은 모든 테스트 기판들 상에서 종말점을 식별하기 위해 요구될 수 있다. 강건성 기준의 다른 예는 제어 기판 상에서 종말점을 식별하지 않는 것을 포함할 수 있다. 즉, 종말점 알고리즘이 제어 기판 상에서 종말점을 식별할 수 없으면, 종말점 알고리즘은 강건하지 않고 그 종말점 알고리즘은 폐기될 수 있다.
다음 단계 (330) 에서, 알고리즘 엔진은 실시간 종말점 알고리즘을 순위 결정할 수 있다. 일 실시형태에 있어서, 순위 결정은 충실도 비율 및/또는 실시간 지연에 기초할 수 있다. 일 예에 있어서, 2 개의 실시간 종말점 알고리즘이 동일한 충실도 비율을 갖으면, 보다 작은 실시간 지연을 갖는 종말점 알고리즘이 더 높게 순위 결정된다. 다른 예에 있어서, 2 개의 종말점 알고리즘이 동일한 실시간 지연을 갖으면, 보다 높은 충실도 비율을 갖는 종말점 알고리즘이 더 높은 순위를 가질 수 있다.
다시 도 2를 참조하면, 다음 단계 (208) 에서, 실시간 종말점 알고리즘이 제조로 이동될 수 있다. 일 실시형태에 있어서, 최고 순위를 갖는 실시간 종말점 알고리즘은 제조로 자동 이동될 수 있다. 다른 실시형태에 있어서, 제조로 이동될 수 있는 실시간 종말점 알고리즘은 사용자 제어형일 수 있으며, 이에 의해 사용자가 그 요구들을 최상으로 충족시킬 수 있는 종말점 알고리즘을 선택하게 할 수 있다. 일 예에 있어서, 실시간 지연은 디바이스 제조자에 대해 중요한 것이다. 이러한 이유로, 디바이스 제조자는 보다 짧은 지연 시간이 제공될 수 있는 경우, 보다 덜 강건한 종말점 알고리즘을 갖는 것을 선호할 수 있다.
경험적 증거는, 프로세스를 자동화함으로써, 최적의 실시간 종말점 알고리즘을 생성하는 작업이 몇 분 내에 수행될 수 있음을 나타낸다. 또한, 알고리즘 엔진은 인간의 최소 입력에 의해 분석을 수행하도록 구성되기 때문에, 종말점 알고리즘을 구성하는 프로세스는 이제 비전문 사용자들에 의해 수행될 수 있다. 따라서, 그 방법은 주어진 종말점 도메인으로 수용가능한 종말점 알고리즘들의 리스트를 생성하지 못하는 경우, 사용자는 종말점 도메인을 빨리 재정의하고 알고리즘 엔진을 재작동하여 수분 내에 새로운 종말점 알고리즘들의 리스트를 생성할 수 있다.
도 4는 본 발명의 일 실시형태에 있어서 제조 환경에서 실시간 종말점 알고리즘을 구현하기 위한 개략적인 플로우 챠트를 나타낸다.
제 1 단계 (402) 에서, 레시피가 실행될 수 있다.
다음 단계 (404) 에서, 데이터는 센서들의 세트에 의해 기판 프로세싱 동안 획득될 수 있다.
다음 단계 (406) 에서, 종말점 알고리즘은 인-시튜로 채용되어 프로세스 종말점을 식별하기 위해 데이터를 분석할 수 있다. 일 실시형태에 있어서, 컴퓨팅 엔진이 데이터를 분석하는데 채용될 수 있다. 다량의 데이터가 수집될 수 있기 때문에, 컴퓨팅 엔진은 다량의 데이터를 취급하기 위해 구성될 수 있는 빠른 프로세싱 모듈일 수 있다. 데이터는 제조 호스트 제어기 또는 프로세스 모듈 제어기 조차 먼저 통과하지 않고 센서로부터 직접 전송될 수 있다. Huang 등에 의해 2009년 9월 8일에 출원된 출원 번호 제 12/555,674 호는 분석을 수행하기에 적합한 일 예의 분석 컴퓨터를 기재한다.
다음 단계 (408) 에서, 시스템은 식별된 종말점에 관해 결정할 수 있다.
종말점이 식별되지 않으면, 시스템은 단계 (404) 로 돌아간다.
그러나, 종말점이 식별되면, 다음 단계 (410) 에서 레시피가 정지될 수 있다.
상기로부터 알 수 있는 바와 같이, 본 발명의 일 이상의 실시형태들은 최적의 실시간 종말점 알고리즘을 식별하기 위한 방법들을 제공한다. 분석을 자동화함으로써, 그 방법들은 본질적으로 전문 사용자의 필요성을 없앤다. 본 명세서에서 설명된 바와 같은 방법에 의해, 보다 강건한 종말점 알고리즘이 제조로 이동될 수 있다. 또한, 종말점 알고리즘을 생성하는데 필요한 시간이 현저하게 감소되기 때문에, 새로운 종말점 알고리즘을 업데이트 또는 생성하는 것이 더 이상 자원 집중적이고 시간 소모적인 작업이 아니다.
본 발명은 몇몇 바람직한 실시형태들에 의해 설명되었지만, 본 발명의 범위 내에 포함되는 변경물들, 치환물들 및 등가물들이 있다. 본 명세서에서 다양한 예시들이 제공되었지만, 이 예시들은 본 발명에 대한 예시이며 본 발명을 한정하는 것은 아니다. 또한, 본 명세서 전체에 걸쳐 종말점이 예시로서 사용되었지만, 본 발명은 또한 프로세싱 동안 발생할 수 있는 신호 변화 이벤트인 변화점에 대해 적용될 수 있다.
또한, 본 명세서에서 명칭 및 요약은 편의를 위해 제공되며 본 발명의 청구항들의 범위를 제한하기 위해 사용되지 않아야 한다. 또한, 요약서는 매우 단축된 형태로 작성된 것이고 본 명세서에서 편의를 위해 제공된 것이므로, 청구항들에서 표현되는 모든 발명을 제한 또는 한정하는데 사용되지 않아야한다. 본 명세서에서 용어 "세트" 가 사용되는 경우, 이 용어는 통상적으로 제로, 하나 이상의 부재를 포함하는 수학적 의미로 이해되어야 한다. 또한, 본 발명의 방법들 및 장치들을 구현하는 많은 대안의 방식들이 있음을 이해해야 한다. 따라서, 다음의 첨부된 청구항들은 본 발명의 진정한 사상 및 범위 내에 포함된 그러한 변경물들, 치환물들 및 등가물들 모두를 포함하는 것으로서 해석되어야 한다.
Claims (20)
- 플라즈마 프로세싱 시스템에서 기판 프로세싱 동안 프로세스 종말점을 검정 (qualifying) 하기 위해 최적 종말점 알고리즘을 자동으로 식별하는 방법으로서,
상기 플라즈마 프로세싱 시스템에서 적어도 하나의 기판을 프로세싱하는 동안 복수의 센서들로부터 센서 데이터를 수신하는 단계로서, 상기 센서 데이터는 복수의 센서 채널들로부터의 복수의 신호 스트림들을 포함하는, 상기 센서 데이터를 수신하는 단계;
상기 프로세스 종말점의 발생이 예상되는 근사 주기 내에 있는 종말점 도메인을 식별하는 단계;
상기 복수의 신호 스트림들의 각 신호 스트림을 시간 간격들에 기초하여 복수의 세그먼트들로 분할하는 단계;
상기 센서 데이터에 대한 제 1 세트의 기울기들과 제 1 세트의 대응 기울기 노이즈 값들을 산출하는 단계로서, 기울기 및 대응 기울기 노이즈 값은 상기 복수의 세그먼트들의 각 세그먼트에 대해 산출되는, 상기 제 1 세트의 기울기들과 상기 제 1 세트의 대응 기울기 노이즈 값들을 산출하는 단계;
상기 복수의 신호 스트림들로부터 제 1 세트의 후보 신호들을 식별하기 위해 상기 제 1 세트의 기울기들에서 기울기 변화량들을 산출하는 단계로서, 상기 제 1 세트의 후보 신호들은 상기 복수의 신호 스트림들에서 다른 신호들보다 높은 기울기 변화량들을 갖는, 상기 기울기 변화량들을 산출하는 단계;
유사한 기울기 변화량들을 갖는 상기 센서 데이터에서의 인접 파장 측정치들을 제 1 세트의 신호 파장 대역들로 결합하는 단계;
상기 제 1 세트의 후보 신호들을 순위 결정하는 단계;
상기 제 1 세트의 신호 파장 대역들을 순위 결정하는 단계;
제 1 세트의 분류 피쳐들을 상기 제 1 세트의 신호 파장 대역들과 상기 제 1 세트의 후보 신호들의 적어도 일부에 적용함으로써 제 1 세트의 포텐셜 종말점 시그니쳐들을 식별하는 단계로서, 상기 제 1 세트의 분류 피쳐들은 피크 피쳐, 밸리 (valley) 피쳐 및 변곡 (inflection) 피쳐 중 적어도 하나를 포함하는, 상기 제 1 세트의 포텐셜 종말점 시그니쳐들을 식별하는 단계;
상기 제 1 세트의 포텐셜 종말점 시그니쳐들을 종말점 알고리즘들의 세트로 변환하는 단계; 및
상기 종말점 알고리즘들의 세트의 종말점 알고리즘을 상기 최적 종말점 알고리즘으로써 제조 환경에 임포팅 (importing) 하는 단계를 포함하는, 최적 종말점 알고리즘의 자동 식별 방법. - 제 1 항에 있어서,
상기 센서 데이터는 복수의 기판들로부터 수집되는, 최적 종말점 알고리즘의 자동 식별 방법. - 제 1 항에 있어서,
상기 분할하는 단계는, 상기 센서 데이터 상에서 선형 피팅을 수행함으로써 수행되는, 최적 종말점 알고리즘의 자동 식별 방법. - 제 1 항에 있어서,
상기 복수의 세그먼트들의 세그먼트들은 균일한 길이를 갖는, 최적 종말점 알고리즘의 자동 식별 방법. - 제 1 항에 있어서,
상기 제 1 세트의 후보 신호들은 상기 제 1 세트의 후보 신호들에서 후보 신호들과 연관된 기울기 변화량들에 따라 순위 결정되는, 최적 종말점 알고리즘의 자동 식별 방법. - 제 1 항에 있어서,
상기 복수의 신호 스트림들로부터 제 2 세트의 후보 신호들을 식별하는 단계로서, 상기 제 2 세트의 후보 신호들은 상기 복수의 신호 스트림들에서 적어도 일부 신호들보다 높은 기울기들 및 낮은 기울기 변화량들을 갖는, 상기 제 2 세트의 후보 신호들을 식별하는 단계;
유사한 기울기 변화량들을 갖는 상기 제 2 세트의 후보 신호들에서의 인접 파장 측정치들을 제 2 세트의 신호 파장 대역들로 결합하는 단계;
상기 제 2 세트의 후보 신호들을 순위 결정하는 단계;
상기 제 2 세트의 신호 파장 대역들을 순위 결정하는 단계; 및
상기 제 2 세트의 후보 신호들과 상기 제 2 세트의 신호 파장 대역들에 대한 상기 제 1 세트의 후보 신호들과 상기 제 1 세트의 신호 파장 대역들의 비율에 제 2 세트의 분류 피쳐들을 적용하여, 제 2 세트의 포텐셜 종말점 시그니쳐들을 생성하는 단계를 더 포함하는, 최적 종말점 알고리즘의 자동 식별 방법. - 제 1 항에 있어서,
상기 변환하는 단계는,
상기 제 1 세트의 포텐셜 종말점 시그니쳐들의 제 1 포텐셜 종말점 시그니쳐 및 제 2 포텐셜 종말점 시그니쳐가 유사한 형상들 및 유사한 시간 주기들을 갖는 경우, 상기 제 1 포텐셜 종말점 시그니쳐 및 상기 제 2 포텐셜 종말점 시그니쳐를 결합하는 단계;
상기 제 1 세트의 포텐셜 종말점 시그니쳐들로부터 잠재적 비재현성 종말점 시그니쳐들을 제거하기 위해 강건성 테스트를 수행하는 단계;
상기 제 1 세트의 포텐셜 종말점 시그니쳐들 중 최적 종말점 시그니쳐들의 세트를 식별하기 위해 다변량 상관 분석을 수행하는 단계;
상기 최적 종말점 시그니쳐들의 세트를 필터 지연들에 기초하는 최소 실시간 지연들과 연관된 최적 종말점 알고리즘들의 세트로 변환하는 단계;
미리 정의된 임계치보다 큰 대응 실시간 지연들과 연관된 최적 종말점 알고리즘들의 서브 세트를 제거하는 단계; 및
충실도 비율 및 실시간 지연 중 적어도 하나에 기초하여 상기 최적 종말점 알고리즘들의 세트를 순위 결정하는 단계를 포함하는, 최적 종말점 알고리즘의 자동 식별 방법. - 제 1 항에 있어서,
상기 변환하는 단계는,
상기 포텐셜 종말점 시그니쳐들의 세트 중 제 1 포텐셜 종말점 시그니쳐와 제 2 포텐셜 종말점 시그니쳐가 유사한 형상들 및 유사한 시간 주기들을 갖는 경우, 상기 제 1 포텐셜 종말점 시그니쳐 및 상기 제 2 포텐셜 종말점 시그니쳐를 결합하는 단계;
상기 포텐셜 종말점 시그니쳐들의 세트로부터 잠재적 비재현성 종말점 시그니쳐들을 제거하기 위해 강건성 테스트를 수행하는 단계;
상기 포텐셜 종말점 시그니쳐들의 세트 중 최적 종말점 시그니쳐들의 세트를 식별하기 위해 다변량 상관 분석을 수행하는 단계;
상기 최적 종말점 시그니쳐들의 세트를 필터 지연들에 기초하는 실시간 지연들을 최소화하는 실시간 종말점 알고리즘들의 세트로 변환하는 단계; 및
종말점 알고리즘 강건성 테스트를 통과하지 못한 상기 실시간 종말점 알고리즘들의 세트의 서브 세트를 제거하는 단계를 포함하는, 최적 종말점 알고리즘의 자동 식별 방법. - 제 1 항에 있어서,
상기 임포팅하는 단계는, 상기 종말점 알고리즘들의 세트의 순위 및 사용자 정의된 조건들의 세트 중 적어도 하나에 기초하는, 최적 종말점 알고리즘의 자동 식별 방법. - 프로세싱 챔버에서의 기판 프로세싱 동안 종말점을 검정 (qualifying) 하는 방법으로서,
기판 상에서 레시피를 실행하는 단계;
상기 기판을 프로세싱하는 동안 센서들의 세트로부터 센서 데이터를 수신하는 단계로서, 상기 센서 데이터는 복수의 센서 채널들로부터의 복수의 신호 스트림들을 포함하는, 상기 센서 데이터를 수신하는 단계;
상기 복수의 신호 스트림들로부터의 각 신호 스트림을 시간 간격들에 기초하여 복수의 세그먼트들로 분할하는 단계;
상기 센서 데이터에 대한 제 1 세트의 기울기들과 제 1 세트의 대응 기울기 노이즈 값들을 산출하는 단계로서, 기울기 및 대응 기울기 노이즈 값은 상기 복수의 세그먼트들의 각 세그먼트에 대해 산출되는, 상기 제 1 세트의 기울기들과 제 1 세트의 대응 기울기 노이즈 값들을 산출하는 단계;
상기 복수의 신호 스트림들로부터 제 1 세트의 후보 신호들을 식별하기 위해 상기 제 1 세트의 기울기들에서 기울기 변화량들을 산출하는 단계로서, 상기 제 1 세트의 후보 신호들은 상기 복수의 신호 스트림들에서의 다른 신호들보다 높은 기울기 변화량들을 갖는, 상기 기울기 변화량들을 산출하는 단계;
유사한 기울기 변화량들을 갖는 상기 센서 데이터에서의 인접 파장 측정치들을 제 1 세트의 신호 파장 대역들로 결합하는 단계;
상기 제 1 세트의 후보 신호들을 순위 결정하는 단계;
상기 제 1 세트의 신호 파장 대역들을 순위 결정하는 단계;
상기 제 1 세트의 신호 파장 대역들과 상기 제 1 세트의 후보 신호들의 적어도 일부에 분류 피쳐들의 세트를 적용함으로써 제 1 세트의 포텐셜 종말점 시그니쳐들을 식별하는 단계로서, 상기 분류 피쳐들의 세트는 피크 피쳐, 밸리 (valley) 피쳐 및 변곡 (inflection) 피쳐 중 적어도 하나를 포함하는, 상기 제 1 세트의 포텐셜 종말점 시그니쳐들을 식별하는 단계;
상기 제 1 세트의 포텐셜 종말점 시그니쳐들 중 적어도 하나의 종말점 시그니쳐를 사용하여 프로세스 종말점을 식별하는 단계; 및
상기 기판 프로세싱을 정지하는 단계를 포함하는, 종말점 검정 방법. - 제 10 항에 있어서,
상기 기울기 변화량들을 산출하는 단계는, 컴퓨팅 엔진에 의해 수행되는, 종말점 검정 방법. - 제 10 항에 있어서,
종말점 도메인을 식별하는 단계를 더 포함하고,
상기 종말점 도메인은 상기 프로세스 종말점의 발생이 예상되는 근사 주기인, 종말점 검정 방법. - 제 10 항에 있어서,
상기 센서 데이터는 복수의 기판들로부터 수집되는, 종말점 검정 방법. - 제 10 항에 있어서,
상기 분할하는 단계는, 상기 센서 데이터 상에서 선형 피팅을 수행함으로써 수행되는, 종말점 검정 방법. - 제 10 항에 있어서,
상기 제 1 세트의 후보 신호들은 상기 제 1 세트의 후보 신호들에서 후보 신호들과 연관된 기울기 변화량들에 따라 순위 결정되는, 종말점 검정 방법. - 제 10 항에 있어서,
상기 복수의 신호 스트림들로부터 제 2 세트의 후보 신호들을 식별하는 단계로서, 상기 제 2 세트의 후보 신호들은 상기 복수의 신호 스트림들에서 적어도 일부 신호들보다 높은 기울기들 및 낮은 기울기 변화량들을 갖는, 상기 제 2 세트의 후보 신호들을 식별하는 단계;
유사한 기울기 변화량들을 갖는 상기 제 2 세트의 후보 신호들에서의 인접 파장 측정치들을 제 2 세트의 신호 파장 대역들로 결합하는 단계;
상기 제 2 세트의 후보 신호들을 순위 결정하는 단계;
상기 제 2 세트의 신호 파장 대역들을 순위 결정하는 단계; 및
상기 제 2 세트의 후보 신호들과 상기 제 2 세트의 신호 파장 대역들에 대한 상기 제 1 세트의 후보 신호들과 상기 제 1 세트의 신호 파장 대역들의 비율에 제 2 세트의 분류 피쳐들을 적용하여, 제 2 세트의 포텐셜 종말점 시그니쳐들을 생성하는 단계를 더 포함하는, 종말점 검정 방법. - 제 10 항에 있어서,
상기 제 1 세트의 포텐셜 종말점 시그니쳐들의 제 1 포텐셜 종말점 시그니쳐 및 제 2 포텐셜 종말점 시그니쳐가 유사한 형상 및 유사한 시간 주기들을 갖는 경우, 상기 제 1 포텐셜 종말점 시그니쳐 및 상기 제 2 포텐셜 종말점 시그니쳐를 결합하는 단계;
상기 제 1 세트의 포텐셜 종말점 시그니쳐들로부터 잠재적 비재현성 종말점 시그니쳐들을 제거하기 위해 강건성 테스트를 수행하는 단계;
상기 제 1 세트의 포텐셜 종말점 시그니쳐들 중 최적 종말점 시그니쳐들의 세트를 식별하기 위해 다변량 상관 분석을 수행하는 단계;
상기 최적 종말점 시그니쳐들의 세트를 필터 지연들에 기초하는 최소 실시간 지연들과 연관된 실시간 종말점 알고리즘들의 세트로 변환하는 단계; 및
미리 정의된 임계치보다 큰 대응 실시간 지연들과 연관된 실시간 종말점 알고리즘들의 서브 세트를 제거하는 단계를 더 포함하는, 종말점 검정 방법. - 제 10 항에 있어서,
상기 제 1 세트의 포텐셜 종말점 시그니쳐들의 제 1 포텐셜 종말점 시그니쳐 및 제 2 포텐셜 종말점 시그니쳐가 유사한 형상들 및 유사한 시간 주기들을 갖는 경우, 상기 제 1 포텐셜 종말점 시그니쳐 및 상기 제 2 포텐셜 종말점 시그니쳐를 결합하는 단계;
상기 제 1 세트의 포텐셜 종말점 시그니쳐들의 세트로부터 잠재적 비재현성 종말점 시그니쳐들을 제거하기 위해 강건성 테스트를 수행하는 단계;
상기 제 1 세트의 포텐셜 종말점 시그니쳐들 중 최적 종말점 시그니쳐들의 세트를 식별하기 위해 다변량 상관 분석을 수행하는 단계;
상기 최적 종말점 시그니쳐들의 세트를 필터 지연들에 기초하는 최소 실시간 지연들과 연관된 실시간 종말점 알고리즘들의 세트로 변환하는 단계; 및
종말점 알고리즘 강건성 테스트를 통과하지 못한 상기 실시간 종말점 알고리즘들의 세트의 서브 세트를 제거하는 단계를 더 포함하는, 종말점 검정 방법. - 제 10 항에 있어서,
상기 적어도 하나의 종말점 시그니쳐와 연관된 최적 종말점 알고리즘을 적어도 사용자 정의된 조건들의 세트에 기초한 제조 환경으로 임포팅 (importing) 하는 단계를 더 포함하는, 종말점 검정 방법. - 제 10 항에 있어서,
상기 복수의 세그먼트들의 세그먼트들은 균일한 길이를 갖는, 종말점 검정 방법.
Applications Claiming Priority (7)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US22210209P | 2009-06-30 | 2009-06-30 | |
| US22202409P | 2009-06-30 | 2009-06-30 | |
| US61/222,024 | 2009-06-30 | ||
| US61/222,102 | 2009-06-30 | ||
| US12/555,674 US8983631B2 (en) | 2009-06-30 | 2009-09-08 | Arrangement for identifying uncontrolled events at the process module level and methods thereof |
| US12/555,674 | 2009-09-08 | ||
| PCT/US2010/040477 WO2011002810A2 (en) | 2009-06-30 | 2010-06-29 | Methods for constructing an optimal endpoint algorithm |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20120037419A true KR20120037419A (ko) | 2012-04-19 |
| KR101741271B1 KR101741271B1 (ko) | 2017-05-29 |
Family
ID=43411705
Family Applications (5)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020117031561A KR101741271B1 (ko) | 2009-06-30 | 2010-06-29 | 최적 종말점 알고리즘 구성 방법 |
| KR1020117031574A KR101741272B1 (ko) | 2009-06-30 | 2010-06-29 | 플라즈마 프로세싱 툴을 위한 인-시츄 프로세스 모니터링 및 제어를 위한 방법 및 장치 |
| KR1020117031592A KR101741274B1 (ko) | 2009-06-30 | 2010-06-29 | 프로세스 모듈 레벨에서 제어되지 않은 이벤트들을 식별하는 장치 및 그 방법 |
| KR1020117031499A KR101708077B1 (ko) | 2009-06-30 | 2010-06-29 | 프로세싱 챔버의 예측 예방 보전을 위한 방법 및 장치 |
| KR1020117031573A KR101708078B1 (ko) | 2009-06-30 | 2010-06-29 | 플라즈마 챔버의 검정을 위한 에칭 레이트 균일성을 예측하는 방법 및 장치 |
Family Applications After (4)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020117031574A KR101741272B1 (ko) | 2009-06-30 | 2010-06-29 | 플라즈마 프로세싱 툴을 위한 인-시츄 프로세스 모니터링 및 제어를 위한 방법 및 장치 |
| KR1020117031592A KR101741274B1 (ko) | 2009-06-30 | 2010-06-29 | 프로세스 모듈 레벨에서 제어되지 않은 이벤트들을 식별하는 장치 및 그 방법 |
| KR1020117031499A KR101708077B1 (ko) | 2009-06-30 | 2010-06-29 | 프로세싱 챔버의 예측 예방 보전을 위한 방법 및 장치 |
| KR1020117031573A KR101708078B1 (ko) | 2009-06-30 | 2010-06-29 | 플라즈마 챔버의 검정을 위한 에칭 레이트 균일성을 예측하는 방법 및 장치 |
Country Status (6)
| Country | Link |
|---|---|
| JP (5) | JP2012532464A (ko) |
| KR (5) | KR101741271B1 (ko) |
| CN (5) | CN102473631B (ko) |
| SG (5) | SG176566A1 (ko) |
| TW (5) | TWI495970B (ko) |
| WO (5) | WO2011002804A2 (ko) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102332383B (zh) * | 2011-09-23 | 2014-12-10 | 中微半导体设备(上海)有限公司 | 等离子体刻蚀工艺的终点监控方法 |
| US10128090B2 (en) | 2012-02-22 | 2018-11-13 | Lam Research Corporation | RF impedance model based fault detection |
| US9502221B2 (en) | 2013-07-26 | 2016-11-22 | Lam Research Corporation | Etch rate modeling and use thereof with multiple parameters for in-chamber and chamber-to-chamber matching |
| CN104730372B (zh) * | 2013-12-13 | 2018-08-10 | 朗姆研究公司 | 基于rf阻抗模型的故障检测 |
| US10192763B2 (en) * | 2015-10-05 | 2019-01-29 | Applied Materials, Inc. | Methodology for chamber performance matching for semiconductor equipment |
| US10269545B2 (en) * | 2016-08-03 | 2019-04-23 | Lam Research Corporation | Methods for monitoring plasma processing systems for advanced process and tool control |
| US9972478B2 (en) * | 2016-09-16 | 2018-05-15 | Lam Research Corporation | Method and process of implementing machine learning in complex multivariate wafer processing equipment |
| US11067515B2 (en) * | 2017-11-28 | 2021-07-20 | Taiwan Semiconductor Manufacturing Co., Ltd. | Apparatus and method for inspecting a wafer process chamber |
| CN108847381A (zh) * | 2018-05-25 | 2018-11-20 | 深圳市华星光电半导体显示技术有限公司 | 测试基板及延长测试基板使用寿命的方法 |
| US10651097B2 (en) | 2018-08-30 | 2020-05-12 | Lam Research Corporation | Using identifiers to map edge ring part numbers onto slot numbers |
| DE102019209110A1 (de) * | 2019-06-24 | 2020-12-24 | Sms Group Gmbh | Industrielle Anlage, insbesondere Anlage der metallerzeugenden Industrie oder der Aluminium- oder Stahlindustrie und Verfahren zum Betreiben einer industriellen Anlage, insbesondere einer Anlage der metallerzeugenden Industrie oder der Aluminium- oder Stahlindustrie |
| WO2023286142A1 (ja) * | 2021-07-13 | 2023-01-19 | 株式会社日立ハイテク | 診断装置及び診断方法並びにプラズマ処理装置及び半導体装置製造システム |
| US20230195074A1 (en) * | 2021-12-21 | 2023-06-22 | Applied Materials, Inc. | Diagnostic methods for substrate manufacturing chambers using physics-based models |
| US20230260767A1 (en) * | 2022-02-15 | 2023-08-17 | Applied Materials, Inc. | Process control knob estimation |
Family Cites Families (59)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5272872A (en) * | 1992-11-25 | 1993-12-28 | Ford Motor Company | Method and apparatus of on-board catalytic converter efficiency monitoring |
| JP3301238B2 (ja) * | 1994-10-25 | 2002-07-15 | 三菱電機株式会社 | エッチング方法 |
| JPH08148474A (ja) * | 1994-11-16 | 1996-06-07 | Sony Corp | ドライエッチングの終点検出方法および装置 |
| JPH09306894A (ja) * | 1996-05-17 | 1997-11-28 | Sony Corp | 最適発光スペクトル自動検出システム |
| JP3630931B2 (ja) * | 1996-08-29 | 2005-03-23 | 富士通株式会社 | プラズマ処理装置、プロセスモニタ方法及び半導体装置の製造方法 |
| US6197116B1 (en) * | 1996-08-29 | 2001-03-06 | Fujitsu Limited | Plasma processing system |
| US5993615A (en) * | 1997-06-19 | 1999-11-30 | International Business Machines Corporation | Method and apparatus for detecting arcs |
| EP1025276A1 (en) * | 1997-09-17 | 2000-08-09 | Tokyo Electron Limited | Device and method for detecting and preventing arcing in rf plasma systems |
| US5986747A (en) | 1998-09-24 | 1999-11-16 | Applied Materials, Inc. | Apparatus and method for endpoint detection in non-ionizing gaseous reactor environments |
| US8617351B2 (en) * | 2002-07-09 | 2013-12-31 | Applied Materials, Inc. | Plasma reactor with minimal D.C. coils for cusp, solenoid and mirror fields for plasma uniformity and device damage reduction |
| JP2001338856A (ja) * | 2000-05-30 | 2001-12-07 | Tokyo Seimitsu Co Ltd | 半導体製造システムのプロセスコントローラ |
| JP4554037B2 (ja) * | 2000-07-04 | 2010-09-29 | 東京エレクトロン株式会社 | 消耗品の消耗度予測方法及び堆積膜厚の予測方法 |
| US6567718B1 (en) * | 2000-07-28 | 2003-05-20 | Advanced Micro Devices, Inc. | Method and apparatus for monitoring consumable performance |
| US6391787B1 (en) * | 2000-10-13 | 2002-05-21 | Lam Research Corporation | Stepped upper electrode for plasma processing uniformity |
| US6821794B2 (en) | 2001-10-04 | 2004-11-23 | Novellus Systems, Inc. | Flexible snapshot in endpoint detection |
| JP2003151955A (ja) * | 2001-11-19 | 2003-05-23 | Nec Kansai Ltd | プラズマエッチング方法 |
| WO2003102724A2 (en) * | 2002-05-29 | 2003-12-11 | Tokyo Electron Limited | Method and system for data handling, storage and manipulation |
| US6825050B2 (en) * | 2002-06-07 | 2004-11-30 | Lam Research Corporation | Integrated stepwise statistical process control in a plasma processing system |
| US20040031052A1 (en) * | 2002-08-12 | 2004-02-12 | Liberate Technologies | Information platform |
| US6781383B2 (en) * | 2002-09-24 | 2004-08-24 | Scientific System Research Limited | Method for fault detection in a plasma process |
| AU2003270866A1 (en) * | 2002-09-30 | 2004-04-23 | Tokyo Electron Limited | Method and apparatus for the monitoring and control of a semiconductor manufacturing process |
| EP1556936B1 (en) * | 2002-10-25 | 2016-12-07 | S & C Electric Company | Method and apparatus for control of an electric power system in response to circuit abnormalities |
| JP4365109B2 (ja) * | 2003-01-29 | 2009-11-18 | 株式会社日立ハイテクノロジーズ | プラズマ処理装置 |
| US6969619B1 (en) * | 2003-02-18 | 2005-11-29 | Novellus Systems, Inc. | Full spectrum endpoint detection |
| JP2004295348A (ja) * | 2003-03-26 | 2004-10-21 | Mori Seiki Co Ltd | 工作機械の保守管理システム |
| US20060006139A1 (en) * | 2003-05-09 | 2006-01-12 | David Johnson | Selection of wavelengths for end point in a time division multiplexed process |
| ATE415702T1 (de) * | 2003-05-09 | 2008-12-15 | Unaxis Usa Inc | Endpunkt-erkennung in einem zeitlich gemultiplexten verfahren unter verwendung eines hüllkurvenalgorithmus |
| JP2004335841A (ja) * | 2003-05-09 | 2004-11-25 | Tokyo Electron Ltd | プラズマ処理装置の予測装置及び予測方法 |
| US7062411B2 (en) * | 2003-06-11 | 2006-06-13 | Scientific Systems Research Limited | Method for process control of semiconductor manufacturing equipment |
| JP4043408B2 (ja) * | 2003-06-16 | 2008-02-06 | 東京エレクトロン株式会社 | 基板処理装置及び基板処理方法 |
| US6902646B2 (en) * | 2003-08-14 | 2005-06-07 | Advanced Energy Industries, Inc. | Sensor array for measuring plasma characteristics in plasma processing environments |
| KR100567745B1 (ko) * | 2003-09-25 | 2006-04-05 | 동부아남반도체 주식회사 | 스퍼터링용 타겟의 수명예측 장치 및 수명예측방법 |
| US8036869B2 (en) * | 2003-09-30 | 2011-10-11 | Tokyo Electron Limited | System and method for using first-principles simulation to control a semiconductor manufacturing process via a simulation result or a derived empirical model |
| US7930053B2 (en) * | 2003-12-23 | 2011-04-19 | Beacons Pharmaceuticals Pte Ltd | Virtual platform to facilitate automated production |
| US7233878B2 (en) * | 2004-01-30 | 2007-06-19 | Tokyo Electron Limited | Method and system for monitoring component consumption |
| US7146237B2 (en) * | 2004-04-07 | 2006-12-05 | Mks Instruments, Inc. | Controller and method to mediate data collection from smart sensors for fab applications |
| JP2006004992A (ja) * | 2004-06-15 | 2006-01-05 | Seiko Epson Corp | 研磨装置管理システム、管理装置、管理装置制御プログラム及び管理装置制御方法 |
| TWI336823B (en) * | 2004-07-10 | 2011-02-01 | Onwafer Technologies Inc | Methods of and apparatuses for maintenance, diagnosis, and optimization of processes |
| US7292045B2 (en) * | 2004-09-04 | 2007-11-06 | Applied Materials, Inc. | Detection and suppression of electrical arcing |
| JP4972277B2 (ja) * | 2004-11-10 | 2012-07-11 | 東京エレクトロン株式会社 | 基板処理装置の復帰方法、該装置の復帰プログラム、及び基板処理装置 |
| US7828929B2 (en) * | 2004-12-30 | 2010-11-09 | Research Electro-Optics, Inc. | Methods and devices for monitoring and controlling thin film processing |
| JP4707421B2 (ja) * | 2005-03-14 | 2011-06-22 | 東京エレクトロン株式会社 | 処理装置，処理装置の消耗部品管理方法，処理システム，処理システムの消耗部品管理方法 |
| JP2006328510A (ja) * | 2005-05-30 | 2006-12-07 | Ulvac Japan Ltd | プラズマ処理方法及び装置 |
| TWI338321B (en) * | 2005-06-16 | 2011-03-01 | Unaxis Usa Inc | Process change detection through the use of evolutionary algorithms |
| US7409260B2 (en) * | 2005-08-22 | 2008-08-05 | Applied Materials, Inc. | Substrate thickness measuring during polishing |
| US7302363B2 (en) * | 2006-03-31 | 2007-11-27 | Tokyo Electron Limited | Monitoring a system during low-pressure processes |
| US7413672B1 (en) * | 2006-04-04 | 2008-08-19 | Lam Research Corporation | Controlling plasma processing using parameters derived through the use of a planar ion flux probing arrangement |
| US7829468B2 (en) * | 2006-06-07 | 2010-11-09 | Lam Research Corporation | Method and apparatus to detect fault conditions of plasma processing reactor |
| KR20080006750A (ko) * | 2006-07-13 | 2008-01-17 | 삼성전자주식회사 | 반도체소자 제조용 플라즈마 도핑 시스템 |
| US20080063810A1 (en) * | 2006-08-23 | 2008-03-13 | Applied Materials, Inc. | In-situ process state monitoring of chamber |
| CN100587902C (zh) * | 2006-09-15 | 2010-02-03 | 北京北方微电子基地设备工艺研究中心有限责任公司 | 在线预测刻蚀设备维护的方法 |
| JP2008158769A (ja) * | 2006-12-22 | 2008-07-10 | Tokyo Electron Ltd | 基板処理システム、制御装置、設定情報監視方法および設定情報監視プログラムを記憶した記憶媒体 |
| US7548830B2 (en) * | 2007-02-23 | 2009-06-16 | General Electric Company | System and method for equipment remaining life estimation |
| US7674636B2 (en) * | 2007-03-12 | 2010-03-09 | Tokyo Electron Limited | Dynamic temperature backside gas control for improved within-substrate process uniformity |
| US8055203B2 (en) * | 2007-03-14 | 2011-11-08 | Mks Instruments, Inc. | Multipoint voltage and current probe system |
| JP2008311338A (ja) * | 2007-06-13 | 2008-12-25 | Harada Sangyo Kk | 真空処理装置及びこれに用いる異常放電予知装置、並びに、真空処理装置の制御方法 |
| KR100892248B1 (ko) * | 2007-07-24 | 2009-04-09 | 주식회사 디엠에스 | 플라즈마 반응기의 실시간 제어를 실현하는 종말점 검출장치 및 이를 포함하는 플라즈마 반응기 및 그 종말점 검출방법 |
| US20090106290A1 (en) * | 2007-10-17 | 2009-04-23 | Rivard James P | Method of analyzing manufacturing process data |
| JP4983575B2 (ja) * | 2007-11-30 | 2012-07-25 | パナソニック株式会社 | プラズマ処理装置およびプラズマ処理方法 |
-
2010
- 2010-06-29 WO PCT/US2010/040468 patent/WO2011002804A2/en active Application Filing
- 2010-06-29 KR KR1020117031561A patent/KR101741271B1/ko active IP Right Grant
- 2010-06-29 SG SG2011085149A patent/SG176566A1/en unknown
- 2010-06-29 CN CN201080029444.8A patent/CN102473631B/zh active Active
- 2010-06-29 JP JP2012518589A patent/JP2012532464A/ja active Pending
- 2010-06-29 WO PCT/US2010/040477 patent/WO2011002810A2/en active Application Filing
- 2010-06-29 KR KR1020117031574A patent/KR101741272B1/ko active IP Right Grant
- 2010-06-29 WO PCT/US2010/040456 patent/WO2011002800A2/en active Application Filing
- 2010-06-29 JP JP2012518586A patent/JP5629770B2/ja active Active
- 2010-06-29 CN CN201080028990.XA patent/CN102804929B/zh active Active
- 2010-06-29 JP JP2012518588A patent/JP5693573B2/ja active Active
- 2010-06-29 WO PCT/US2010/040465 patent/WO2011002803A2/en active Application Filing
- 2010-06-29 SG SG2011085172A patent/SG176567A1/en unknown
- 2010-06-29 KR KR1020117031592A patent/KR101741274B1/ko active IP Right Grant
- 2010-06-29 CN CN201080029024.XA patent/CN102473590B/zh active Active
- 2010-06-29 CN CN201080027296.6A patent/CN102804353B/zh active Active
- 2010-06-29 JP JP2012518584A patent/JP5599882B2/ja active Active
- 2010-06-29 SG SG2011085107A patent/SG176147A1/en unknown
- 2010-06-29 CN CN201080029270.5A patent/CN102474968B/zh active Active
- 2010-06-29 WO PCT/US2010/040478 patent/WO2011002811A2/en active Application Filing
- 2010-06-29 KR KR1020117031499A patent/KR101708077B1/ko active IP Right Grant
- 2010-06-29 SG SG2011085131A patent/SG176565A1/en unknown
- 2010-06-29 SG SG2011085115A patent/SG176564A1/en unknown
- 2010-06-29 KR KR1020117031573A patent/KR101708078B1/ko active IP Right Grant
- 2010-06-29 JP JP2012518582A patent/JP5624618B2/ja active Active
- 2010-06-30 TW TW099121513A patent/TWI495970B/zh active
- 2010-06-30 TW TW099121516A patent/TWI509375B/zh active
- 2010-06-30 TW TW099121511A patent/TWI480917B/zh active
- 2010-06-30 TW TW099121515A patent/TWI484435B/zh active
- 2010-06-30 TW TW099121519A patent/TWI536193B/zh active
Also Published As
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101741271B1 (ko) | 최적 종말점 알고리즘 구성 방법 | |
| TWI549007B (zh) | 製程參數的搜尋與分析方法及其電腦程式產品 | |
| US8538572B2 (en) | Methods for constructing an optimal endpoint algorithm | |
| US7809450B2 (en) | Self-correcting multivariate analysis for use in monitoring dynamic parameters in process environments | |
| CN107408522B (zh) | 使用高维变量选择模型确定关键参数 | |
| JP2015503763A5 (ko) | ||
| CN112884193A (zh) | 预测装置、预测方法及记录介质 | |
| US8725469B2 (en) | Optimization of data processing parameters | |
| JP3823804B2 (ja) | 信号処理方法及び装置、信号処理プログラム、並びに記録媒体 | |
| CN110008049A (zh) | 一种基于互联网平台的数据修正方法、终端设备及介质 | |
| TWI428581B (zh) | 辨識光譜的方法 | |
| JP5207695B2 (ja) | 工程管理方法およびその方法を利用したシステム | |
| KR100987249B1 (ko) | 균일성 패턴을 정량화하고 도구 개발 및 제어를 위해 전문 지식을 포함하는 방법 | |
| TW201620057A (zh) | 晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法 | |
| Bergmann | Data Mining for Manufacturing: Preventive Maintenance, Failure prediction, Quality Control | |
| JP4866520B2 (ja) | データ解析方法、データ解析プログラムおよびデータ解析装置 | |
| CN109711036B (zh) | 飞行控制系统试验结果的评估方法 | |
| US20220147030A1 (en) | Method for Controlling a Production Process for Producing Components |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| GRNT | Written decision to grant |