KR20190032980A - 플라즈마 처리 장치 및 플라즈마 처리 장치 상태 예측 방법 - Google Patents

플라즈마 처리 장치 및 플라즈마 처리 장치 상태 예측 방법 Download PDF

Info

Publication number
KR20190032980A
KR20190032980A KR1020170180656A KR20170180656A KR20190032980A KR 20190032980 A KR20190032980 A KR 20190032980A KR 1020170180656 A KR1020170180656 A KR 1020170180656A KR 20170180656 A KR20170180656 A KR 20170180656A KR 20190032980 A KR20190032980 A KR 20190032980A
Authority
KR
South Korea
Prior art keywords
plasma processing
processing apparatus
data
algorithm
time
Prior art date
Application number
KR1020170180656A
Other languages
English (en)
Other versions
KR102033438B1 (ko
Inventor
요시토 가마지
마사히로 스미야
Original Assignee
가부시키가이샤 히다치 하이테크놀로지즈
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 가부시키가이샤 히다치 하이테크놀로지즈 filed Critical 가부시키가이샤 히다치 하이테크놀로지즈
Publication of KR20190032980A publication Critical patent/KR20190032980A/ko
Application granted granted Critical
Publication of KR102033438B1 publication Critical patent/KR102033438B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32917—Plasma diagnostics
    • H01J37/32926—Software, data control or modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • 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
    • H01J37/02—Details
    • H01J37/24—Circuit arrangements not adapted to a particular application of the tube and not otherwise provided for
    • 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
    • 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
    • H01J37/32009—Arrangements for generation of plasma specially adapted for examination or treatment of objects, e.g. plasma sources
    • H01J37/32082—Radio frequency generated 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
    • H01J37/32009—Arrangements for generation of plasma specially adapted for examination or treatment of objects, e.g. plasma sources
    • H01J37/32192—Microwave generated 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
    • H01J37/32431—Constructional details of the reactor
    • H01J37/3244—Gas supply means
    • H01J37/32449—Gas control, e.g. control of the gas flow
    • 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
    • H01J37/32935—Monitoring and controlling tubes by information coming from the object and/or discharge
    • H01J37/32972—Spectral analysis
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/18—Vacuum control means
    • H01J2237/182—Obtaining or maintaining desired pressure
    • H01J2237/1825—Evacuating means
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/32—Processing objects by plasma generation
    • H01J2237/33—Processing objects by plasma generation characterised by the type of processing
    • H01J2237/334—Etching
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/32—Processing objects by plasma generation
    • H01J2237/33—Processing objects by plasma generation characterised by the type of processing
    • H01J2237/335—Cleaning
    • 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
    • H05H13/00—Magnetic resonance accelerators; Cyclotrons
    • H05H13/005—Cyclotrons

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Plasma & Fusion (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Drying Of Semiconductors (AREA)
  • Plasma Technology (AREA)

Abstract

본 발명은 시료를 처리하는 처리실을 가진 플라즈마 처리 장치에 있어서, 장치 상태의 이상을 고정밀도로 검지하여, 이상 요인을 특정할 수 있도록 하는 것을 과제로 한다.
이러한 과제를 해결하기 위한 수단으로서, 시료를 처리하는 처리실을 갖는 플라즈마 처리 장치의 장치 상태를 예측하는 시스템을, 시료를 처리중인 플라즈마의 발광 데이터와 플라즈마 처리중인 장치로부터 얻어지는 전기 신호 데이터를 집록하는 데이터 집록부와, 집록한 발광 데이터에 대하여 제 1 알고리즘을 사용하여 플라즈마 처리 장치의 제 1 건전성 지표값과 이상 판정의 제 1 임계값을 산출하는 제 1 산출부와, 데이터 집록부에 집록한 전기 신호 데이터에 대하여 제 2 알고리즘을 사용하여 플라즈마 처리 장치의 제 2 건전성 지표값과 이상 판정의 제 2 임계값을 산출하는 제 2 산출부를 구비한 연산부와, 산출한 제 1 건전성 지표값과 제 1 임계값, 및 제 2 건전성 지표값과 제 2 임계값을 사용하여 플라즈마 처리 장치의 건전성을 판정하는 판정부를 구비해서 구성하였다.

Description

플라즈마 처리 장치 및 플라즈마 처리 장치 상태 예측 방법{PLASMA PROCESSING APPARATUS AND PLASMA PROCESSING APPARATUS STATE PREDICTION METHOD}
본 발명은, 플라즈마 처리 장치 및 플라즈마 처리 장치의 상태를 예측하는 방법에 관한 것으로서, 장치로부터 출력되는 센서 데이터를 사용하여 연산 처리를 행함으로써 플라즈마 처리 장치의 상태를 예측하는 플라즈마 처리 장치 및 플라즈마 처리 장치 상태 예측 방법에 관한 것이다.
반도체 디바이스 제조 공정에서는, 리소그래피나 성막, 에칭 등 여러가지의 제조 프로세스를 반복하여 행한다. 반도체 디바이스 양산 공장에 있어서, 이들 제조 프로세스를 담당하는 반도체 제조 장치의 가동률 저하를 억제하는 것은, 양산 코스트 저감에 있어서의 중요 과제 중의 하나이다. 예를 들면, 플라즈마 에칭 장치에서는, 장치의 장기 가동에 따라, 반응 생성물의 축적이나 부품(parts)의 소모에 따르는 처리실 내의 경시 변화나, 플라즈마 생성 및 제어를 담당하는 컴포넌트의 열화 등이 생긴다.
그래서, 정기적인 부품 교환이나 장치 청소를 행하는 정기 메인터넌스나, 예기하지 않은 장치 고장·불량 등의 대응으로서 실시되는 장치 메인터넌스가 행하여진다. 이들은 모두 장치 가동률을 저하시킨다. 그래서, 양산 코스트의 관점으로부터, 장치 메인터넌스의 누계 시간은 필요 최저한으로 해야 한다.
장치 메인터넌스에 걸리는 누계 시간을 삭감하기 위해서는, 각 제조 장치의 상태를 항상 감시하여, 메인터넌스를 요하는 시기를 예측하며, 또한 메인터넌스 해야 할 장치 개소(箇所)를 사전에 특정하는 것이 유효하다. 이에 따라, 최적 시기에 있어서 고효율로 메인터넌스를 행할 수 있다.
지금까지, 플라즈마 에칭 장치에 있어서, 장치 상태를 감시하여, 이상(異常)을 검지·예측하는 방법으로서, 예를 들면 특허문헌 1에 기재되어 있는 바와 같은, 장치 운전 시에 취득된 장치 신호 데이터 그룹을 주성분 분석함으로써 작성된 모델로부터 장치 상태의 경시 변화를 모니터링하여 운전 정지 시기를 예측하는 방법이 검토되어 왔다. 또한, 특허문헌 2나 특허문헌 3에 기재되는 바와 같은, 장치 운전 시의 플라즈마 발광 분광 계측에 의해 얻어진 발광 데이터 그룹을 주성분 분석하여, 장치 상태의 변화를 예측하는 방법 등도 검토되어 왔다.
일본국 특허 제4570736호 공보 일본국 특개 2002-100611호 공보 일본국 특개 2004-39952호 공보
그러나, 최근의 반도체 디바이스의 미세화나 구조의 복잡화, 재료의 변화에 따라, 플라즈마 처리 장치에 있어서의 양산 안정성에 대한 요구 성능은, 점점 더 엄격해지고 있다. 그래서, 정상이라고 판정되는 장치 상태로부터 이상이라고 판정되는 장치 상태로 이행할 때의 장치 상태의 변화량은 점점 더 좁아져, 고정밀도의 이상 검지를 행하기 위해서는, 보다 고정밀도의 이상 판정 모델이 요청되게 되어 왔다.
또한, 최근 증가 경향에 있는 다품종 디바이스 생산에 따라, 장치 구성이나 플라즈마 에칭 처리 조건은, 보다 다양화하고 있다. 이에 따라, 다양한 장치 구성이나 처리 조건을 허용하는 범용성이 높은 이상 판정 모델을 작성하는 것이, 종래와 비교해서 보다 어려워지고 있다.
이들 배경에 따라, 특허문헌 1이나 특허문헌 2, 특허문헌 3에 기재되는 바와 같은 기술과 같이 주성분 분석 등 하나의 이상 판정 알고리즘에 의지한 이상 검지 방법에서는, 검지 정밀도가 저하하고, 그 결과, 잘못된 정보를 증가시켜 버릴 가능성이 있다. 또한, 돌발적으로 검지된 이상에 대하여, 그것이 메인터넌스를 필요로 하는 장치 상태의 변화를 나타내고 있는 것인지, 혹은 노이즈나 다른 외란에 기인한 잘못된 정보인지를 판단하는 것은 어렵고, 특허문헌 1 내지 3에 기재되어 있는 바와 같은 종래 기술에서는, 이들 잘못된 정보의 증가를 저감하는 방법이나 판정 결과의 해석에 대하여 충분히 고려되지 않고 있었다.
잘못된 정보를 저감하기 위해서는, 먼저, 이상 판정 모델의 작성에 사용하는 신호 데이터의 특징이나 경시 변화의 궤적(돌발적, 혹은 선형·비선형의 변화 등)에 대하여 적정한(실제의 현상을 잘 표현하고 있는) 판정 알고리즘을 독자 개발 혹은 선정할 필요가 있다. 사용되는 알고리즘이 적정하지 않으면, 검지 정밀도가 저하한다.
또한, 잘못된 정보를 저감하는 다른 방법으로서, 복수의 판정 알고리즘을 사용하는 것을 생각할 수 있다. 이 경우에 있어서도, 사용하는 판정 알고리즘에 있어서의 상호의 적정성을 고려하지 않으면, 검지 정밀도가 저하한다.
본 발명은, 상기 과제를 해결하기 위해 이루어진 것이며, 알고리즘의 적정성이 고려된 복수의 이상 판정 알고리즘을 사용하는 것에 의해, 시료를 처리하는 처리실을 갖는 플라즈마 처리 장치에 있어서, 장치 상태의 이상을 고정밀도로 검지할 수 있고, 이상 요인을 특정할 수 있고, 메인터넌스를 요하는 시기를 예측할 수 있는, 플라즈마 처리 장치 및 플라즈마 처리 장치 상태 예측 방법을 제공하는 것을 목적으로 하고 있다.
상기한 과제를 해결하기 위해서, 본 발명에서는, 시료가 플라즈마 처리되는 처리실을 구비하며 해석 장치에 의해 상태가 예측되는 플라즈마 처리 장치에 있어서, 해석 장치는, 제 1 알고리즘을 사용하여 플라즈마 처리 장치로부터 얻어진 제 1 데이터를 해석하는 것에 의해 구해진 제 1 건전성 지표값과 제 2 알고리즘을 사용하여 플라즈마 처리 장치로부터 얻어진 제 2 데이터를 해석하는 것에 의해 구해진 제 2 건전성 지표값에 의거하여 플라즈마 처리 장치의 상태를 예측하고, 제 2 알고리즘은, 제 2 건전성 지표값에 의한 상태를 이상(異常)으로 하는 플라즈마 처리의 제 2 시간이 제 1 건전성 지표값에 의한 상태를 이상으로 하는 플라즈마 처리의 제 1 시간으로부터 소정 시간을 감산한 시간 내지 제 1 시간에 소정 시간을 가산한 시간의 범위 내의 시간이 되는 알고리즘인 것을 특징으로 한다.
또한, 상기한 과제를 해결하기 위해서, 본 발명에서는, 시료가 플라즈마 처리되는 처리실을 구비하는 플라즈마 처리 장치의 상태가 예측되는 플라즈마 처리 장치 상태 예측 방법에 있어서, 제 1 알고리즘을 사용하여 플라즈마 처리 장치로부터 얻어진 제 1 데이터를 해석하는 것에 의해 구해진 제 1 건전성 지표값과 제 2 알고리즘을 사용하여 플라즈마 처리 장치로부터 얻어진 제 2 데이터를 해석하는 것에 의해 구해진 제 2 건전성 지표값에 의거하여 플라즈마 처리 장치의 상태를 예측하고, 제 2 알고리즘은, 제 2 건전성 지표값에 의한 상태를 이상으로 하는 플라즈마 처리의 제 2 시간이 제 1 건전성 지표값에 의한 상태를 이상으로 하는 플라즈마 처리의 제 1 시간으로부터 소정 시간을 감산한 시간 내지 제 1 시간에 소정 시간을 가산한 시간의 범위 내의 시간이 되는 알고리즘인 것을 특징으로 한다.
본 발명에 따르면, 항상, 장치로부터 출력되는 신호 데이터를 집록(集錄)하고, 장치 상태의 이상을 고정밀도로 검지하며, 또한 이상 요인을 특정하고, 또한 메인터넌스를 요하는 시기를 예측하는 플라즈마 처리 장치 및 플라즈마 처리 장치 상태 예측 방법에 의해, 장치 상태를 예측해서 플라즈마 처리나 장치 메인터넌스를 최적으로 실시할 수 있다.
도 1은 본 발명의 실시예에 따른 플라즈마 처리 장치의 개략의 구성을 설명하는 종단면.
도 2는 본 발명의 실시예에 따른 플라즈마 처리 장치의 시스템 구성을 나타내는 블록도.
도 3a는 본 발명의 실시예에 따른 플라즈마 처리 장치의 시스템 구성에 있어서, 학습용 장치 신호 데이터를 사용하여 임계값을 산출하는 수순을 나타내는 흐름도.
도 3b는 본 발명의 실시예에 따른 플라즈마 처리 장치의 시스템 구성에 있어서, 평가용 장치 신호 데이터를 사용하여 장치의 건전성을 감시하는 수순을 나타내는 흐름도.
도 4는 본 발명의 실시예에 따른 플라즈마 처리 장치의 시스템 구성에 있어서의 PCA 및 AAKR 적용 결과예를 나타내는 그래프.
본 발명은, 시료를 처리하는 처리실을 갖는 플라즈마 처리 장치 및 플라즈마 처리 장치의 상태를 예측하는 방법에 관한 것으로서, 플라즈마 처리 장치로부터 취득된 장치 신호 데이터에 대하여, 적정성이 고려된 알고리즘을 적용함으로써 산출된 플라즈마 처리 장치 상태의 건전성을 나타내는 지표값(이하, 건전성 지표값) 및 건전성 지표값이 장치 상태의 이상을 나타내고 있는지, 혹은 정상을 나타내고 있는지를 판단하기 위한 경계(이하, 임계값)에 의해 장치의 상태를 예측하는 플라즈마 처리 장치 및 플라즈마 처리 장치의 상태를 예측하는 방법에 관한 것이다.
본 발명에 따른 플라즈마 처리 장치의 시스템 구성은, 플라즈마 처리 장치에서 플라즈마 처리중의 분광 계측에 의해 얻어진 발광 데이터와 플라즈마 처리 장치로부터 얻어진 발광 데이터 이외의 전기 신호 데이터(이하, 전기 신호 데이터라고 기재함)를 집록하는 데이터 집록부(集錄部)와, 다종의 해석 알고리즘을 저장하는 디렉토리부와, 데이터 집록부에서 집록한 발광 데이터에 대하여 디렉토리부에서 선택한 제 1 알고리즘을 사용하여 장치의 건전성 지표값 1과 임계값 1을 산출하고, 전기 신호 데이터에 대하여 디렉토리부에서 선택한 제 2 알고리즘을 사용하여 장치의 건전성 지표값 2와 임계값 2를 산출하는 연산부와, 건전성 지표값 1과 건전성 지표값 2가 각각에 임계값 1과 임계값 2를 초과했을 때에 장치 상태의 건전성이 손상되었다고 자동 판정하는 판정부를 구비해서 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서, 사전에 정상인 장치 상태로부터 이상인 장치 상태로 변화되는 과정에서 장치로부터 집록된 학습용 장치 신호 데이터를 저장하는 데이터 집록부를 구비해서 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서는, 데이터 집록부에 저장된 학습용 장치 신호 데이터를 사용하고, 발광 데이터에 대하여 알고리즘 1을 사용하여, 장치의 건전성 지표값 1과 그것을 이상으로 판정하기 위한 임계값 1을 산출하고, 건전성 지표값 1이 임계값 1을 연속적으로 초과하는 시간 1을 산출하고, 발광 이외의 데이터에 대하여, 장치의 건전성 지표값 2가 장치를 이상으로 판정하기 위한 임계값 2를 초과하는 시간 2를 산출한 결과가 0.5<시간 1/시간 2<1.5가 되는 알고리즘 2를 선정하는 수단을 구비해서 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서의 판정부를, 건전성 지표값 1과 건전성 지표값 2의 각각에 임계값 1과 임계값 2를 연속적으로 초과했을 때에 장치 상태의 건전성이 손상되었다고 자동 판정하도록 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서, 건전성 지표값과 임계값의 관계의 시간적 변화를 표시하는 표시부를 구비해서 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서, 판정부에서 판정한 결과에 의거하여 플라즈마 처리 장치의 제어를 행하는 제어부를 구비해서 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서의 장치 제어부에, 판정부에 의해 이상이 검지되었을 경우에, 통상의 처리 웨이퍼 이외의 더미라고 불리는 시료를 사전에 설정된 처리 시퀀스에 따라 처리하는 수단을 구비해서 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서의 장치 제어부에 있어서, 상기 판정부에 의해 이상이 검지되었을 경우에, 장치 처리실 내를 플라즈마 클리닝하는 수단을 가짐으로써 달성된다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서의 장치 제어에 있어서, 판정부에 의해 이상이 검지되었을 경우에, 표시부에 경고를 표시하도록 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서, 데이터 집록부에서 집록하는 전기 신호 데이터로서, 플라즈마 처리 장치의 임의의 점(点)에 있어서의 전기적 상태를 집록하도록 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서, 데이터 집록부에서 집록한 발광 데이터에 대해서, 파장 분해하는 수단을 구비해서 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서, 데이터 집록부에서 집록한 전기적 데이터를 주파수 분해하는 수단을 구비해서 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서, 데이터 집록부에서 집록한 발광 데이터 및 신호 데이터를 통계량으로 변환하도록 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서, 집록된 발광 데이터 및 전기 신호 데이터의 각 데이터종의 상관 관계를 산출하는 기구를 갖고서, 상관 관계가 낮은 데이터종을 건전성 지표값의 계산에 사용하도록 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서, 웨이퍼 처리마다 반복 실시되어 각각에서 제어값이 다른 다단 스텝의 플라즈마 처리중에 집록된 발광 데이터 및 전기 신호 데이터를, 스텝마다 꺼내어, 병렬로 연결하는 수단을 구비해서 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서, 웨이퍼 처리마다 반복 실시되어 각각에서 제어값이 다른 다단 스텝의 플라즈마 처리중에 집록된 발광 데이터 및 전기 신호 데이터를, 반복마다 데이터의 시계열 파형을 비교하여, 신호 파형이 장기적으로 변화되어 있는 부분만을 추출하는 수단을 구비해서 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서, 신호 데이터의 고주파 성분을 제거하는 수단을 구비해서 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서, 연산부에는, 산출된 건전성 지표값에 대하여 각 데이터종의 기여율을 산출하고, 건전성 지표값의 변화에 대하여 기여한 데이터종을 특정하는 기구를 구비하고, 기여율이 높은 데이터종만을 사용하여 건전성 지표값를 재계산하도록 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서, 연산부에는, 산출된 건전성 지표값에 대하여 각 데이터종의 기여율을 산출하는 기구를 갖고, 건전성 지표값의 변화에 대하여 기여한 데이터종을 특정하여, 표시부에 표시함으로써 건전성 지표값의 변화 요인을 밝히도록 구성하였다.
또한 본 발명에서는, 상기한 플라즈마 처리 장치의 시스템 구성에 있어서, 연산부에는, 산출한 건전성 지표값에 대하여 선형 또는 비선형의 회귀식을 부여하여, 임계값을 초과하는 시기를 산출하는 기구를 갖고, 판정부에서의 실제의 이상 검지 시기 이전에 예측하는 수단을 구비해서 구성하였다.
본 실시예를 설명하기 위한 전체 도면에 있어서 동일 기능을 갖는 것은 동일한 부호를 부여하도록 하며, 그 반복 설명은 원칙적으로 생략한다. 이하에 본 발명의 실시예를 도면에 따라서 설명한다.
단, 본 발명은 이하에 나타내는 실시예의 기재 내용으로 한정해서 해석되는 것이 아니다. 본 발명의 사상 또는 취지로부터 일탈하지 않는 범위에서, 그 구체적 구성을 변경할 수 있다는 것은 당업자라면 용이하게 이해할 수 있다.
[실시예]
본 발명의 실시예에 따른 플라즈마 처리 장치 및 플라즈마 처리 장치의 상태를 예측하는 방법에 대해서, 도 1 내지 도 4를 사용하여 설명한다. 먼저, 본 발명에 따른 플라즈마 처리 장치의 상태 예측 방법이 적용된 플라즈마 처리 장치의 일례에 대해서 도 1을 사용하여 설명한다.
도 1은, 본 실시예에 따른 플라즈마 처리 장치의 일례인 마이크로파 ECR(Electron Cyclotron Resonance: 전자 사이클로트론 공명) 플라즈마 에칭 장치(100)(이하, 플라즈마 처리 장치(100)라고 기재함)의 구성을 설명하기 위한 종단면도이다.
도 1에서는, 진공 용기로 구성된 처리실(101)의 내부에 설치된 기판 전극(109), 처리실(101)의 외부에 설치된 전계, 자계의 공급 장치, 및 전원을 모식적으로 나타내고 있다. 이들 이외의 기기, 장치는, 본 실시예에 따른 기술분야의 통상의 지식을 가진 사람에 의해, 본 실시예에 따른 발명의 작용, 효과를 현저하게 손상하지 않도록, 요청되는 성능 또는 사양에 따라 배치 또는 제거하는 것이 가능하다.
도 1에 나타내는 플라즈마 처리 장치(100)에서는, 원통 형상을 가진 처리실(101)의 상방(上方)에, 반응성 가스를 도입하기 위한 복수의 개구부(1021)를 갖는 도체로 형성된 원판 형상의 샤워 플레이트(102)와 유전체창(103)(석영제 등)이 설치되어 있다. 처리실(101)의 내부(1011)는, 그 유전체창(103)에 의해 기밀하게 밀봉되어 있다.
처리실(101)의 내부(1011)에는, 에칭 처리에 사용하는 반응성 가스가 공급된다. 반응성 가스는, 가스 공급 장치(104)에 의해 유량이 제어되며, 도체로 형성되어서 복수의 개구부(1021)가 형성된 샤워 플레이트(102)를 통해 처리실(101)의 내부(1011)에 공급된다.
또한, 처리실(101) 상부의 개구부(1014)에는, 전자파를 발생시키는 마그네트론(106)과, 마그네트론(106)에서 발생시킨 전자파를 처리실(101)의 원통 형상의 내부의 영역(1012)에 전송하는 도파관(107)(또는 안테나)이 설치되어 있다. 도파관(107)의 선단 부분은 개구부(1014)에 접속하고 있다.
처리실(101)의 내부의 상방에 있는 유전체창(103)으로 칸막이된 원통 형상의 내부의 영역(1012)의 공간과 샤워 플레이트(102)와 유전체창(103) 사이의 영역(1013)에 형성된 공간에 의해, 도파관(107)으로부터 도입되는 마이크로파에 대한 공동(空洞) 공진기가 형성된다.
처리실(101)의 외주 및 상방에는, 처리실(101)의 내부의 원통 형상의 영역(1012) 및 영역(1013)에 의해서 형성되는 공동 공진기의 내부에 자장을 형성하는 솔레노이드 코일(105)이 배치되어 있다. 솔레노이드 코일(105)에 흘리는 전류를 조정함으로써, 처리실(101)의 내부의 원통 형상의 영역(1012) 및 영역(1013)에 의해서 형성되는 공동 공진기의 내부에, 도파관(107)으로부터 도입되는 마이크로파에 대하여 전자 사이클로트론 공명(ECR)을 발생시키기 위한 조건을 만족시키도록 하는 자장이 형성되게 제어할 수 있다.
본 실시예에서 사용되는 전자파는, 마그네트론(106)으로부터 발진되는 2.45GHz의 마이크로파이지만, 이것은 효과·작용에 의해, 특별히 한정되지 않는다.
마그네트론(106)에 의해 발진된 마이크로파는, 도파관(107) 내부를 전파해서 처리실(101)의 내부의 원통 형상의 영역(1012)과 영역(1013)에 의해 형성된 공동 공진기에 도입되어, 샤워 플레이트(102)에 형성된 복수의 개구부(1021)로부터 처리실(101)의 내부(1011)의 공간에 전파된다.
처리실(101)에는, 내부(1011)에 발생시킨 플라즈마의 발광 상태를 검출하는 분광 검출기(115)가 설치되어 있다. 분광 검출기(115)로 처리실(101)의 내부(1011)에 발생시킨 플라즈마의 발광을 검출한 신호는, 플라즈마 처리 장치의 처리 제어 시스템 구성(200)에 보내진다.
처리실(101)의 하부에는, 진공 배기관(108)을 통해서 진공 배기 펌프(도시 생략)가 접속되어, 처리실(101)의 내부(1011)를 진공 배기하는 것이 가능하다. 또한, 처리실(101) 상부의 샤워 플레이트(102)에 대향하도록 처리실(101) 하부에 설치된 기판 전극(시료대)(109)은, 표면이 유전체막(도시 생략)으로 피복되어 있다.
시료(제품 웨이퍼)(110)는, 처리실(101)의 내부(1011)를 대기압으로 한 상태에서, 처리실(101)의 외부로부터, 로봇암 등(도시 생략)의 반송 장치에 의해 처리실(101)의 내부(1011)에 반송된다. 그리고, 기판 전극(109) 상에 재치(載置)되어, 직류 전원(111)으로부터 기판 전극(109) 내부의 전극(도시 생략)에 인가되는 직류 전압에 의해, 기판 전극(109)에 정전적으로 흡착된다.
고주파 전원(112)은, 고주파 정합기(113)를 통해, 고주파 전력을 기판 전극(109)에 인가할 수 있다. 처리실(101)의 내벽면의 중단(中段)에는, 그라운드에 접속된 어스 전극(114)이 설치되어 있고, 고주파 전원(112)에 의해 기판 전극(109) 상에 인가된 고주파 전류는, 처리실(101)의 내부(1011)에 생성된 플라즈마를 통해서 어스 전극(114)에 흐른다.
상기 플라즈마 처리 장치(100)에 있어서의 에칭 처리는, 이하의 흐름으로 개시된다. 먼저, 시료(제품 웨이퍼)(110)를 기판 전극(109) 상에 재치하여 정전적으로 흡착한 상태에서, 처리실(101)의 내부(1011)를 진공 배기관(108)을 통해서 도시하지 않은 진공 배기 펌프로 진공 배기하면서 처리실(101)의 내부(1011)에 가스 공급 장치(104)로부터 프로세스 가스를 도입하여, 처리실(101)의 내부(1011)를 원하는 압력으로 제어한다.
다음으로, 이와 같이 내부(1011)를 원하는 압력으로 제어한 상태에서, 솔레노이드 코일(105)에 흘리는 전류를 조정하여, 처리실(101)의 내부의 원통 형상의 영역(1012) 및 영역(1013)에 의해서 형성되는 공동 공진기의 내부에, 도파관(107)으로부터 도입되는 마이크로파에 대하여 ECR 조건을 만족시키도록 하는 자장을 형성한다.
다음으로, 마그네트론(106)으로부터 발진된 전자파(마이크로파)를, 도파관(107)을 통해 처리실(101)의 내부의 원통 형상의 영역(1012) 및 영역(1013)에 의해서 형성되는 공동 공진기의 내부에 공급한다. 전자파를, 이 전자 사이클로트론 공명(ECR)을 발생시키기 위한 조건을 만족시키도록 하는 자장이 형성된 공동 공진기의 내부에 공급함으로써, 전자 사이클로트론 공명이 발생한다.
영역(1012) 및 영역(1013)에 의해서 형성된 공동 공진기의 내부에서 전자 사이클로트론 공명한 전자파의 일부는, 샤워 플레이트(102)에 형성된 복수의 개구부(1021)로부터 처리실(101)의 내부(1011)에 전파된다. 이 전자파가 전파된 처리실(101)의 내부(1011)에서는, 가스 공급 장치(104)로부터 공급된 처리용 가스가 여기되어, 처리실(101)의 내부(1011)에 플라즈마가 생성된다.
이 상태에서, 기판 전극(109)에 접속된 고주파 전원(112)으로부터 고주파 전력을 인가함으로써, 처리실(101)의 내부(1011)에 생성된 플라즈마로부터 기판 전극(109) 상에 재치된 웨이퍼(110)의 윗면에 이온이 끌어 들여져, 웨이퍼(110)의 표면에 에칭 처리가 실시된다.
도 2는, 본 실시예에 따른 플라즈마 처리 장치의 처리 제어 시스템 구성(200)을 도시한 것이다.
본 실시예에 따른 플라즈마 처리 장치의 처리 제어 시스템 구성(200)은, 데이터 집록부(210)와, 연산부(220), 판정부(230), 제어부(240)를 구비하고 있다.
데이터 집록부(210)는, 발광 데이터 집록부(211)와 전기 신호 데이터 집록부(212)를 구비한다. 발광 데이터 집록부(211)는, 플라즈마 처리 장치(100)의 처리실(101)에 설치된 분광 검출기(115)로 플라즈마 생성중에 분광 계측해서 얻어진 데이터를 집록한다. 전기 신호 데이터 집록부(212)는, 플라즈마 처리 장치(100)로부터 얻어진 전기 신호 데이터(도 1에 나타낸 구성에서는, 가스 공급 장치(104), 솔레노이드 코일(105), 마그네트론(106), 고주파 전원(112)으로부터 얻어진 전기 신호 데이터)를 집록한다.
연산부(220)는, 다종의 해석 알고리즘을 저장한 알고리즘 디렉토리부(221)와, 제 1 산출부(222), 제 2 산출부(223)를 구비하고 있다.
제 1 산출부(222)는, 발광 데이터 집록부(211)에 집록된 발광 데이터에 대하여 전처리를 실시하는 제 1 전처리부(2221)를 갖는다. 제 1 산출부(222)는, 이 제 1 전처리부(2221)에서 전처리가 실시된 발광 데이터에 대하여, 알고리즘 디렉토리부(221)로부터 선택된 제 1 알고리즘을 사용하여 플라즈마 처리 장치(100)의 건전성 지표값 1과 그것을 이상으로 판정하기 위한 임계값 1을 산출한다.
제 2 산출부(223)는, 전기 신호 데이터 집록부(212)에 집록된 전기 신호 데이터에 대하여 전처리를 실시하는 제 2 전처리부(2231)를 갖는다. 제 2 산출부(223)는, 이 제 2 전처리부(2231)에서 전처리가 실시된 전기 신호 데이터에 대하여 알고리즘 디렉토리부(221)로부터 선택된 제 2 알고리즘을 사용하여 플라즈마 처리 장치(100)의 건전성 지표값 2와 그것을 이상으로 판정하기 위한 임계값 2를 산출한다.
판정부(230)는, 연산부(220)에서 산출한 건전성 지표값 1 및 2를 각각 임계값 1 및 2와 비교한다. 그 결과, 건전성 지표값 1이 임계값 1을 초과하며, 또한, 건전성 지표값 2가 임계값 2를 초과했을 때에, 플라즈마 처리 장치(100)의 상태의 건전성이 손상되었다고 판정한다.
제어부(240)는, 장치 제어부(241)와 표시부(242)를 구비한다. 장치 제어부(241)는, 판정부(230)의 판정 결과에 의거하여 플라즈마 처리 장치(100)에 대하여 미리 결정된 제어를 행한다. 표시부(242)는, 판정부(230)에서 플라즈마 처리 장치(100)의 상태의 건전성이 손상되었다고 판정했을 경우에, 경고를 표시한다.
판정부(230)에 의해 이상이 검지되었을 경우, 제어부(240)의 장치 제어부(241)에서 실행하는 플라즈마 처리 장치(100)에 대한 미리 결정된 제어로서는, 이하와 같은 방법이 있다.
첫번째는, 통상의 시료(제품 웨이퍼) 이외의 더미라고 불리는 시료를 기판 전극(109)에 재치한 상태에서, 미리 설정된 처리 시퀀스에 따라 처리하여, 처리실(101)의 내벽면이나 기판 전극(109)의 표면에 퇴적한 반응 생성물을 제거해서 클리닝(플라즈마 클리닝)하는 방법이다. 다른 제어 방법으로서는, 시료를 기판 전극(109)에 재치하지 않은 상태에서, 플라즈마 처리 장치(100)의 처리실(101)의 내부(1011)에 플라즈마를 생성함으로써, 시료를 처리했을 때에 처리실(101)의 내벽면이나 기판 전극(109)의 표면에 퇴적한 반응 생성물을 제거하는 클리닝(플라즈마 클리닝)을 실시하는 방법이다.
이들 장치 제어를 복수회 반복 행하여도, 장치 상태가 이상으로 판정될 경우에는, 장치 정지를 수반하는 메인터넌스가 필요하다고 판단할 수 있다.
또한 상기의 구성에 더해서, 표시부(242)에, 건전성 지표값 1 및 2와 임계값 1 및 2의 관계의 시간적 변화를 표시하는 동시에, 판정부(230)에서 이상으로 판정되었을 때에는 경고를 표시함으로써, 장치 상태의 시간적 변화를 항상 인식할 수 있다.
연산부(220)의 알고리즘 디렉토리부(221)에 저장하는 다종의 해석 알고리즘으로서는, 예를 들면 Kevin P. Murphy저 Machine learning에 수록되어 있는 바와 같은 일반적으로 알려진 각종 기계학습 알고리즘을 저장하고 있으며, 그 중에서 선택된 2종의 알고리즘을 사용하여서, 제 1 알고리즘을 사용하여 건전성 지표값 1과 임계값 1을 산출하고, 제 2 알고리즘을 사용하여 건전성 지표값 2와 임계값 2를 산출한다.
본 실시예에서는, 발광 데이터 집록부(211)에 집록한 데이터의 해석에 사용하는 제 1 알고리즘에, 다변량 해석의 일종인 PCA(Principal Component Analysis)를 선정하고, 전기 신호 데이터 집록부(212)에 집록한 데이터의 해석에 사용하는 제 2 알고리즘에 AAKR(Auto Associative Kernel Regression)을 선정했을 경우에 대해 설명한다.
도 3a에, 평가 대상이 되는 플라즈마 처리 장치(100)의 상태를 판정하는 전단계로서, 정상인 상태가 확인된 기준이 되는 플라즈마 처리 장치(100)로부터 얻어진 장치 신호 데이터에 대하여 제 1 알고리즘을 사용하여 임계값 1을 산출하고, 전기 신호 데이터 집록부(212)에 집록한 데이터에 대하여 제 2 알고리즘을 사용하여 임계값 2를 산출하는 수순을 나타낸다.
이하에, 각 스텝의 내용을 상세하게 설명한다.
먼저, 데이터 집록부(210)에서, 기준 혹은 정상인 상태로 하는 플라즈마 처리 장치(100)로부터, 임의의 시간만큼의 장치 신호 데이터를 집록한다(S1001). 본 실시예에서는, 이러한 기준 혹은 정상인 상태로 하는 플라즈마 처리 장치(100)로부터 임의의 시간만큼 집록된 장치 신호 데이터를 학습용 장치 신호 데이터라고 호칭한다.
학습용 장치 신호 데이터는, 데이터 집록부(210)의 발광 데이터 집록부(211) 및 전기 신호 데이터 집록부(212)에서 집록되는 플라즈마 처리 장치(100)의 상태에 변화가 없거나, 혹은 변화가 작은 누계 처리 시간의 동안에 집록하는 것이 바람직하다.
또한, 데이터 집록부(210)에서 집록되는 플라즈마 처리 장치(100)의 상태의 악화는, 제어의 과도에서 가파른 변화로서 나타날 경우가 있다. 그 때문에, 이상 검지 정밀도 향상의 관점으로부터, 학습용 장치 신호 데이터 집록 시의 데이터 집록부(210)의 샘플링 주파수를, 5Hz 이상으로 하는 것이 바람직하다.
여기서, 데이터 집록부(210)에서 집록하는 장치 신호 데이터는, 다음의 2종류로 분류된다. 즉, 첫번째는, 전기 신호 데이터 집록부(212)에 집록되는 데이터로서, 플라즈마 처리 장치(100)를 구성하는 각 컴포넌트를 포함시킨 플라즈마 처리 장치(100)의 임의의 점에 있어서의 전기적 상태를 나타내는 전기 신호 데이터이며, 두번째는, 발광 데이터 집록부(211)에 집록되는 데이터로서, 플라즈마 처리중에 플라즈마 발광을 분광 검출기(115)에서 분광 계측해서 얻어지는 플라즈마 발광에 관한 데이터이다.
다음으로, 연산부(220)의 제 1 전처리부(2221) 및 제 2 전처리부(2231)에 있어서, 데이터 집록부(210)에서 집록한 장치 신호 데이터의 전처리를 행한다(S1002). 전처리에는 이하와 같은 작업을 들 수 있으며, 각 작업을 필요에 따라서 실시하면 된다.
즉, 데이터 집록부(210)에 집록된 장치 신호 데이터 중, 전기 신호 데이터 집록부(212)에서 집록된 전기 신호 데이터에 고주파 노이즈가 많은 것으로 판단할 수 있을 경우에는, 전기 신호 데이터 집록부(212)에서 집록된 장치 신호 데이터로부터 고주파 성분을 제거한다. 이 전처리는, 제 2 산출부(223)에 구비된 제 2 전처리부(2231)에서 실행된다.
한편, 데이터 집록부(210)에 집록된 장치 신호 데이터 중 발광 데이터 집록부(211)에 집록된 발광 데이터에 대해서, 파장 분해하여, 각 파장의 발광 강도 데이터를 취득한다. 이 전처리는, 제 1 산출부(222)에 구비된 제 1 전처리부(2221)에서 실행된다.
데이터 집록부(210)에 집록된 장치 신호 데이터에는, 데이터종마다 집록 시간의 어긋남이 생기고 있을 경우가 있다. 따라서, 이 데이터마다의 집록 시간의 어긋남을 보정하는 것이 바람직하다. 이 데이터마다의 집록 시간 어긋남의 보정은, 제 1 전처리부(2221) 및 제 2 전처리부(2231)에 있어서 행한다. 시간 어긋남의 보정을 행하는 방법으로서, 예를 들면, Dynamic Time Warping 등을 사용할 수 있다.
장치 신호 데이터의 각 데이터종(변수)의 수가 많을 경우에는, 각 데이터종에 대하여 시간적 변화로서 상관성이 낮은 데이터종을 추출하고, 이 추출한 상관 관계가 낮은 데이터종을 건전성 지표값의 계산에 사용함으로써, 데이터종의 수를 감해서 계산 부하를 저감하면 된다. 이 집록된 발광 데이터 및 전기 신호 데이터의 각 데이터종의 상관 관계를 산출하는 수단으로서, 예를 들면, Fisher Criterion 등을 사용할 수 있다.
시료의 플라즈마 처리 및 그 동안에 처리되는 플라즈마 클리닝에서는, 장치 제어부(241)에서 플라즈마 처리 장치(100)를 제어하기 위한 제어값을 스텝마다 변화시키는 다단 스텝을 사용하는 경우가 많다. 그 경우, 스텝마다 데이터를 꺼내고, 각각을 병렬로 연결하면 된다.
다음으로, 제 1 전처리부(2221) 및 제 2 전처리부(2231)에서 전처리를 행한 장치 신호 데이터를, 특징량으로 변환한다(S1003). 특징량으로서, 통계량(Mean, Standard Deviation, Variance, Skewness, Central Value, Average Deviation, Kurtosis, Median, Peak to Peak, Crest Factor, Peak-to-Average Power Ratio)이나, FFT(Fast Fourier Transform)나, TFA(Time-Frequency Analysis) 등에 의해 산출되는 주파수 성분 등을 들 수 있다.
또한 사전에, 시계열 파형의 특정 영역에 장치 상태의 정상과 이상을 명확하게 구별할 수 있는 변화가 생기는 개소를 알고 있는 경우에는, 그 개소의 변화량을 추출함으로써 정밀도가 높은 이상 검지를 기대할 수 있다.
이들, 특징량은 적절하게 복수 선택해서 변환된다. 또한, 변환한 값은 데이터종의 특징량마다 표준화(Standardization)함으로써, 데이터종의 절대값에 관계없이 수치의 변화량을 비교할 수 있다.
다음으로, S1003에서 특징량으로 변환한 학습용 장치 신호 데이터 중, 발광 데이터를 사용하여 장치 상태의 건전성을 판정하기 위한 임계값 1을 산출하고, 전기 신호 데이터를 사용하여 장치 상태의 건전성을 판정하기 위한 임계값 2를 산출한다(S1004).
본 실시예에서는, 임계값 1의 산출에 PCA(Principal Component Analysis)를 사용하고, 임계값 2의 산출에 AAKR(Auto Associative Kernel Regression)을 사용했을 경우에 대해 설명한다.
일반적으로 PCA(Principal Component Analysis)는, 데이터에 대하여 분산이 큰 방향의 정보를 유지한 채, 데이터의 차원을 감할 수 있는 무교사 알고리즘이다. 분산이 큰 방향을 주성분(Principal Component: PCs)이라고 부르며, 이 주성분에 의거하여 데이터를 재구축함으로써 정보의 결손을 피하면서, 고차원 공간에 존재하는 데이터를 저차원 공간에서 표현할 수 있다.
PCA는, 식(수학시 1)에 나타나 있는 바와 같이, 행렬 데이터 X를 PC scores ti와 PC loadings pi의 합에 잔차 행렬 E를 더한 것으로서 분해한다.
Figure pat00001
여기서,
Figure pat00002
는 보다 큰 분산을 갖는 방향을 보존하고 있는 행렬이다.
수학적으로, PCA는, 식(수학식 2)으로 나타내는 분산·공분산 행렬(X)의 고유 벡터 분해를 실행한다.
Figure pat00003
여기서,
Figure pat00004
에 있어서의 m은 행 벡터로서 저장되어 있는 샘플 수, n은, 열 벡터로서 저장되어 있는 프로세스 변수(n≪m)이다. 또한, cov(X)는 k행 k열의 분산·공분산 행렬이다. 각 변수가 평균값 0, 표준편차 1로서 표준화되어 있을 경우, cov(X)는 상관 행렬을 의미한다.
대수학에서는, 정방 행렬의 고유 벡터는, 식(수학식 4)에 나타나 있는 바와 같이 선형 변환에 있어서, 방향이 유지되는 벡터를 의미한다.
Figure pat00005
여기서, λi는, 고유값으로서 알려진 고유 벡터 Pi에 의거하는 스칼라 값이다.
또한, 행렬 데이터 X에는 ti와 pi에 의해 식(수학식 5)과 같이 표현된다.
Figure pat00006
상기 PCA에 의해 제 1 내지 제 3 공정을 실시한 학습용 장치 신호 데이터의 상기 발광 데이터에 있어서의 주성분을 구한 뒤, 건전성을 평가하고 싶은 장치(평가용 장치)로부터 신규로 집록된 장치 신호 데이터(이하, 평가용 장치 신호 데이터)를 사용하여 산출되는 건전성 지표값 1에 대하여, 그 건전성 지표값 1로부터 장치 상태가 이상인지 아닌지를 판정하기 위한 임계값 1을 산출한다.
본 실시예에 있어서의 임계값 1의 산출에는 T-squared statistics(PCA-T-squared)를 적용했을 경우에 대해 설명한다. 임계값 1은 신뢰 구간 99%를 제외한 기각(棄却) 영역 1%의 영역 경계로 하여, 기각 영역에 해당한 평가용 장치 신호 데이터가 취득되었을 때의 장치 상태는 이상이라고 판정되도록 정의했다.
임계값 1의 산출에는, 식(수학식 6)을 사용하였다.
Figure pat00007
여기서, Tα 2는, 신뢰 구간 99%를 가진 임계값을 나타내고, m은, X의 샘플 수, r은 보존된 주성분 PCs의 수, Fr, m-r, α는, r과 (m-r)개의 자유도를 가진 F 분포의 기각 영역 α%를 나타낸다.
AAKR은, 입력 벡터와 출력 벡터의 비선형 관계를 찾아내는 논파라메트릭 테크닉이다. Kernel 함수(가중 함수)에 의해 제 1 내지 제 3 공정을 실시한 학습용 장치 신호 데이터의 전기 신호 데이터(X)로 하여, 평가용 장치 신호 데이터에 있어서의 전기 신호 데이터의 계측값 Xabs를 재구축한다.
여기에, 시간 i, n 샘플의 m×1로 이루어지는 제 1 내지 제 3 공정을 실시한 학습용 장치 신호 데이터의 전기 신호 데이터 X는, memory matrix D로 정의되며, 식(수학식 7)으로 표현된다.
Figure pat00008
이 memory matrix D는, 임계값 2 및 건전성 지표값 2를 산출하기 위한 기준 또는 정상인 장치 상태를 대표하는 이력 데이터 X로서 기능한다.
이상 설명한 바와 같이 해서 산출한 임계값 1을 제 1 산출부(222)에 기억하고, 임계값 2를 제 2 산출부에 기억해 둔다.
다음으로, 도 3a의 수순에 따라 산출한 임계값 1 및 임계값 2를 사용하여, 평가 대상이 되는 플라즈마 처리 장치(100)의 상태를 판정하는 수순에 대하여, 도 3b를 사용하여 설명한다.
먼저, 평가 대상이 되는 플라즈마 처리 장치(100)로부터 평가용 장치 신호 데이터를 집록하고(S2001), 이 집록한 평가용 장치 신호 데이터를 전처리하고(S2002), 전처리한 평가용 장치 신호 데이터를 특징량으로 변환하기(S2003)까지의 처리 공정은, 도 3a에서 설명한 학습용 장치 신호 데이터의 처리에 있어서의 S1001에서 S1003까지의 처리와 마찬가지이다.
여기서, 데이터 집록부(210)에서 집록되는 평가 대상이 되는 플라즈마 처리 장치(100)의 상태의 악화는, 제어의 과도에서 가파른 변화로서 나타날 경우가 있다. 그 때문에, 이상 검지 정밀도 향상의 관점으로부터, 학습용 장치 신호 데이터 집록 시의 데이터 집록부(210)의 샘플링 주파수를, 5Hz 이상으로 하는 것이 바람직하다.
다음으로, S2004에 있어서, 평가용 장치 신호 데이터 중, 발광 데이터를 사용하여, 건전성 지표값 1을 산출하고, 전기 신호 데이터를 사용하여, 건전성 지표값 2를 산출한다. 여기서, S2001에서 S2004까지의 스텝에 있어서, 평가 대상이 되는 플라즈마 처리 장치(100)로부터 얻어진 장치 신호 데이터에 대하여 제 1 알고리즘을 사용하여 건전성 지표값 1을 산출하고, 전기 신호 데이터 집록부(212)에 집록한 데이터에 대하여 제 2 알고리즘을 사용하여 건전성 지표값 2를 산출한다.
본 실시예에 있어서의 PCA-T-squared를 사용했을 경우, 도 3a에 나타낸 S1004에서 학습용 장치 신호 데이터의 발광 데이터에 의해 구축된 PC 공간을 이용하여, 학습용 장치 신호 데이터의 처리에 있어서의 S1001에서 S1003까지의 공정과 동일한 S2001에서 S2003까지의 공정이 실시된 평가용 장치 신호 데이터에 있어서의 발광 데이터를 재구축하고, 식(수학식 8)에 의해 건전성 지표값 1을 산출할 수 있다.
Figure pat00009
여기서, t는 PC 공간에 투영된 k열을 가진 데이터이고, Σ-1는 상관 행렬이 큰 순서대로 r번째까지의 고유값 λi의 역정방 행렬이다.
본 실시예에 있어서의 AAKR의 입력값은, 학습용 장치 신호 데이터의 처리에 있어서의 S1001에서 S1003까지의 공정과 동일한 S2001에서 S2003까지의 공정이 실시된 평가용 장치 신호 데이터에 있어서의 전기 신호 데이터의 계측값 Xobs이며, 출력값은 그 예측값 Xest이다.
먼저, S1001에서 S1003까지의 공정이 실시된 학습용 장치 신호 데이터에 있어서의 전기 신호 데이터 X와, 학습용 장치 신호 데이터와 동일한 S2001에서 S2003까지의 공정이 실시된 평가용 장치 신호 데이터에 있어서의 전기 신호 데이터의 계측값 Xobs 사이의 유클리드 거리 d를 식(수학식 9)과 같이 계산한다.
Figure pat00010
계속해서, 유클리드 거리 d는, Kernel 함수에서 정의되는 웨이트(W)로 변환된다. 웨이트(W) 산출하기 위한 Kernel 함수에는, 일반적으로 알려진 각종 Kernel 함수를 사용할 수 있다.
본 실시예에서는, 웨이트(W)를 산출하기 위한 Kernel 함수로서, 식(수학식 10)에 나타내는 RBF(Radial Basis Function)를 사용했을 경우에 대해 설명한다.
Figure pat00011
여기서, h는 Kernel 밴드폭이다. 웨이트(W)는, 평가용 장치 신호 데이터에 있어서의 전기 신호 Xobs와 학습용 장치 신호 데이터에 있어서의 전기 신호 X의 유사성을 정량화한다.
마지막으로, 평가용 장치 신호 데이터에 있어서의 전기 신호 데이터 Xobs는, 식(수학식 11)을 사용하여 웨이트(W)를 결합함으로써, 장치 상태에 대응한 예측값를 산출한다.
Figure pat00012
각 평가용 장치 신호 데이터에 있어서의 전기 신호 데이터 Xobs에 대응하는 건전성 지표값 2와 임계값 2는 Kernel 함수에 의해 정의되는 웨이트(W)에 의존한다.
본 실시예에 있어서의 건전성 지표값 2는 SPE(Squared Prediction Error)에 의해 정의되었다. 또한, SEP를 일반적으로 사용할 수 있는 Error항의 정의로 대체해도 된다.
Figure pat00013
또한, 본 실시예에 있어서의 임계값 2는 SPE값에 있어서의 정규 분포 신뢰 구간 99%를 제외한 기각 영역 1%의 영역 경계로 해서, 기각 영역에 해당한 평가용 장치 신호 데이터가 취득되었을 때의 장치 상태는 이상이라고 판정되도록 정의했다.
다음으로, S2004에서 산출한 건전성 지표값 1 및 건전성 지표값 2를, S1004에서 산출한 임계값 1 및 임계값 2와 비교하여, 건전성 지표값 1 및 건전성 지표값 2가 각각 임계값 1 및 임계값 2보다 큰지를 판정한다(S2005). 그 결과, 건전성 지표값 1이 임계값 1보다 작거나, 또는, 건전성 지표값 2가 임계값 2보다 작았을 경우에는(S2005에서 NO인 경우), S2001로 돌아가서, 평가용 장치 신호 데이터의 집록을 계속한다.
한편, 건전성 지표값 1이 임계값 1보다 크고, 또한, 건전성 지표값 2가 임계값 2보다 컸을 경우에는(S2005에서 YES인 경우), 그 상태가 미리 설정한 시간 계속되고 있는지를 체크한다(S2006). S2005에서 YES인 상태가 미리 설정한 시간 계속되지 않았을 경우에는(S2006에서 NO인 경우), S2001로 돌아가서, 평가용 장치 신호 데이터의 집록을 계속한다.
한편, S2005에서 YES인 상태가 미리 설정한 시간 계속되었을 경우에는(S2006에서 YES인 경우), 표시부(242)에 경고를 표시(출력)한다(S2007).
도 4는, 본 실시예에 따른 플라즈마 처리 장치의 처리 제어 시스템 구성(200)에 있어서, 건전성 지표값 1과 임계값 1의 산출에 PCA를 사용하고, 건전성 지표값 1과 임계값 1의 산출에 AAKR을 사용했을 경우에 실시한 장치 상태 감시 예측 결과의 일례를 나타낸 것이다.
도 4의 그래프(410)는, 도 3a에서 설명한 S1001에서 S1004까지의 처리 공정, 및 도 3b를 사용하여 설명한 S2001에서 S2005까지의 처리 공정을 거쳐서 산출된 건전성 지표값 1:411의 추이(推移)와 임계값 1:412와의 관계, 및 플라즈마 처리 후의 실제의 시료 품질 검사 결과로부터 판단된 품질 열화 상태(413)의 추이를 나타내고 있다.
또한, 도 4의 그래프(420)는, 도 3a에서 설명한 S1001에서 S1004까지의 처리 공정, 및 도 3b를 사용하여 설명한 S2001에서 S2005까지의 처리 공정을 거쳐서 산출된 건전성 지표값 2:421의 추이와 임계값 2:422와의 관계를 나타내고 있다.
도 4의 양쪽의 그래프(410 및 420)에 있어서, 플라즈마 처리 장치(100)의 연속 가동 시간(처리 시간)이 증가함에 따라, 건전성 지표값 1:411 및 건전성 지표값 2:421이 증가하고 있다. 또한, 도 4의 그래프(410)에 있어서, 건전성 지표값 1:411과 실제의 시료의 품질 열화 상태(413)의 추이의 거동은 유사하여, 건전성 지표값 1:411이 시료 품질을 잘 나타내고 있다.
또한, 도 4의 그래프(410)와 그래프(420)를 비교하면, 건전성 지표값 1:411 및 건전성 지표값 2:421이 각각 임계값 1:412 및 임계값 2:422를 초과하는 시기가 같다.
도 4의 그래프(410)와 그래프(420)에 나타나 있는 양쪽의 건전성 지표값 1 및 2와 임계값 1 및 2와의 관계가, 플라즈마 처리 장치(100)의 장치 상태의 변화를 잘 나타내고 있다. 즉, 건전성 지표값 1 및 2와 임계값 1 및 2와의 관계가, 플라즈마 처리 장치(100)의 장치 이상을 판정하는데 양호한 지표값이다.
도 4의 그래프(410) 내에는 플라즈마 처리 후의 시료 품질의 악화가 없는데도 불구하고, 건전성 지표값 1이 임계값 1을 초과해서 장치 이상을 나타내는 점이 보여지지만, 이러한 점은, 장치 메인터넌스를 수반하지 않는 이상 혹은 잘못된 정보이며, 그래프(420)의 건전성 지표값과 임계값과의 관계를 참조함으로써 보다 명확하게 판정 가능하다. 즉, 도 3b의 S2005에 나타나 있는 바와 같이, 양쪽의 건전성 지표값 1 및 2와 임계값 1 및 2의 관계를 감시함으로써, 고정밀도의 이상 판정 검지가 가능해진다.
실제의 운용 시에는, 예를 들면, 나타나 있는 바와 같이, 건전성 지표값 1:411 및 건전성 지표값 2:421이, 각각 임계값 1:412 및 임계값 2:422를 미리 설정한 일정한 시간 t:430을 연속적으로 초과했을 경우(도 3b의 S2006의 판정에서 YES인 경우), 표시부(242)에 경고를 표시하고, 장치 정지를 수반하는 메인터넌스를 실시하고, 어느 한쪽의 건전성 지표값만이 임계값을 초과했을 경우에는(도 3b의 S2005의 판정에서 NO인 경우), 스루(through)해서 S2001의 스텝부터의 처리를 계속한다. 혹은, 장치 정지를 수반하지 않는 플라즈마 클리닝을 실시하는 등 사전에 룰화해 두면 된다.
또한, 도 4의 그래프(420)의 건전성 지표값(421)은 지수 함수적으로 증가하고 있으며, 회귀식을 부여하는 것으로 대략 임계값을 초과하는 시기를 예측하는 것이 가능하다. 이 예측한 결과를, 표시부(242)에 표시하도록 해도 된다.
또한, 본 실시예에서 설명한 PCA 및 AKKR에는 산출한 건전성 지표값에 변화를 준 데이터종(변수)의 기여율을 계산하고, 데이터종끼리의 기여율을 비교함으로써 현저하게 변화되고 있는 데이터종을 특정할 수 있고, 장치의 이상 요인(개소)을 식별할 수 있다. 이 식별한 장치의 이상 요인(개소)을, 경고 표시와 함께 표시부(242)에 표시하도록 해도 된다.
본 실시예에 따른 플라즈마 처리 장치의 처리 제어 시스템 구성(200)에 있어서, 사용하는 알고리즘은, 이하와 같이 선정해도 된다.
먼저, 시료의 플라즈마 처리 혹은 그것을 모의(模擬)한 더미에 대한 플라즈마 처리, 또는 시료를 재치하지 않고 실시되는 플라즈마 처리를 연속적으로 실시하고 있는 플라즈마 장치에 있어서, 처리중에 취득된 상기 발광 데이터를 사용하여, 상기 디렉토리부에 저장되어 있는 임의의 알고리즘을 사용하여, 장치의 건전성 지표값 1과 임계값 1을 산출한다.
다음으로, 건전성 지표값 1이 임계값 1을 연속적으로 초과하는 시간 1을 산출한다. 그리고, 마찬가지로 취득된 전기 신호 데이터를 사용하여, 장치의 건전성 지표값 2가 장치를 이상으로 판정하기 위한 임계값 2를 연속적으로 초과하는 시간 2를 산출한 결과가 0.5<시간 1/시간 2 <1.5이 되는 알고리즘을 디렉토리부에서 선정한다.
또, 본 실시예에 따른 플라즈마 처리 장치의 처리 제어 시스템 구성(200)에 있어서는, 웨이퍼 처리마다 반복 실시되어 각각에서 제어값이 다른 다단 스텝의 플라즈마 처리중에 집록된 장치 신호 데이터를, 반복마다 데이터의 시계열 파형을 비교하여, 신호 파형이 장기적으로 변화되고 있는 부분만을 추출하는 수단을 구비해서 구성해도 된다.
또한, 본 실시예에 따른 플라즈마 처리 장치의 처리 제어 시스템 구성(200)에 있어서는, 데이터 집록부(210)에 장치 신호 데이터의 고주파 성분을 제거하는 수단(미도시)을 구비하고, 연산부(220)에서는, 고주파 성분이 제거된 송달 신호 데이터를 사용하여 건전성 지표값 1 및 2와, 임계값 1 및 2를 구하도록 구성해도 된다.
또한, 본 실시예에 따른 플라즈마 처리 장치의 처리 제어 시스템 구성(200)에 있어서는, 연산부(220)에, 산출된 건전성 지표값에 대하여 각 데이터종의 기여율을 산출하고, 건전성 지표값 1 및 2의 변화에 대하여 기여한 데이터종을 특정하는 기능을 구비하고, 기여율이 높은 데이터종만을 사용하여 건전성 지표값 1 및 2를 재계산하도록 구성해도 된다.
또한, 본 실시예에 따른 플라즈마 처리 장치의 처리 제어 시스템 구성(200)에 있어서는, 연산부(220)에는, 산출된 건전성 지표값 1 및 2에 대하여 각 데이터종의 기여율을 산출하는 기여율 산출 기구를 구비하고, 기여율 산출 기구에서 산출한 결과에 의거하여 건전성 지표값 1 및 2의 변화에 대하여 기여한 데이터종을 특정하여, 표시부(242)에 표시함으로써 건전성 지표값 1 및 2의 변화 요인을 밝히도록 구성해도 된다.
또한, 본 실시예에 따른 플라즈마 처리 장치의 처리 제어 시스템 구성(200)에 있어서는, 연산부(220)에, 산출한 건전성 지표값 1 및 2에 대하여 선형 또는 비선형의 회귀식을 부여하여, 건전성 지표값 1 및 2가 각각 임계값 1 및 2를 초과하는 시기를 산출하는 기구를 구비하고, 판정부에서의 실제의 이상 검지 시기보다 이전에 이상을 예측하도록 구성해도 된다.
이상에서 설명한 바와 같이, 본 실시예에 따르면, 시료를 처리하는 처리실을 갖는 플라즈마 처리 장치에 있어서, 항상, 장치로부터 출력되는 장치 신호 데이터를 집록하고, 장치 상태의 이상을 고정밀도로 검지하고, 또한 이상 요인을 특정하고, 또한 메인터넌스를 요하는 시기를 예측하는 장치 상태 감시·예측 시스템에 의해, 장치 상태 감시 및 예측 후의 플라즈마 처리나 장치 메인터넌스를 최적으로 실시할 수 있다.
이상, 본 발명자에 의해 이루어진 발명을 실시예에 의거하여 구체적으로 설명했지만, 본 발명은 상기 실시예에 한정되는 것이 아니며, 그 요지를 일탈하지 않는 범위에서 여러가지로 변경 가능함은 물론이다. 예를 들면, 상기한 실시예는 본 발명을 이해하기 쉽게 설명하기 위해서 상세하게 설명한 것이며, 반드시 설명한 모든 구성을 구비하는 것에 한정되는 것이 아니다. 또한, 상기에 설명한 실시예의 구성의 일부에 대해서, 다른 공지의 구성의 추가·삭제·치환을 하는 것이 가능하다.
100…플라즈마 처리 장치 101…처리실 102…샤워 플레이트 103…유전체창 104…가스 공급 장치 105…솔레노이드 코일 106…마그네트론 107…도파관 108…진공 배기관 109…기판 전극(시료대) 110…웨이퍼(시료) 111…직류 전원 112…고주파 전원 113…고주파 정합기 114…어스 전극 200…플라즈마 처리 장치의 처리제어시스템 구성 210…데이터 집록부 220…연산부 230…판정부 240…제어부.

Claims (8)

  1. 시료가 플라즈마 처리되는 처리실을 구비하며 해석 장치에 의해 상태가 예측되는 플라즈마 처리 장치에 있어서,
    상기 해석 장치는, 제 1 알고리즘을 사용하여 상기 플라즈마 처리 장치로부터 얻어진 제 1 데이터를 해석하는 것에 의해 구해진 제 1 건전성 지표값과 제 2 알고리즘을 사용하여 상기 플라즈마 처리 장치로부터 얻어진 제 2 데이터를 해석하는 것에 의해 구해진 제 2 건전성 지표값에 의거하여 상기 플라즈마 처리 장치의 상태를 예측하고,
    상기 제 2 알고리즘은, 상기 제 2 건전성 지표값에 의한 상기 상태를 이상(異常)으로 하는 상기 플라즈마 처리의 제 2 시간이 상기 제 1 건전성 지표값에 의한 상기 상태를 이상으로 하는 상기 플라즈마 처리의 제 1 시간으로부터 소정 시간을 감산한 시간 내지 상기 제 1 시간에 상기 소정 시간을 가산한 시간의 범위 내의 시간이 되는 알고리즘인 것을 특징으로 하는 플라즈마 처리 장치.
  2. 제 1 항에 있어서,
    상기 제 1 데이터는, 상기 플라즈마 처리중의 플라즈마로부터 얻어진 발광 데이터이며,
    상기 제 2 데이터는, 상기 제 1 데이터와 다른 데이터인 것을 특징으로 하는 플라즈마 처리 장치.
  3. 제 2 항에 있어서,
    상기 제 1 알고리즘으로서 PCA(Principal Component Analysis)를 사용하고,
    상기 제 2 알고리즘으로서 AAKR(Auto Associative Kernel Regression)을 사용하는 것을 특징으로 하는 플라즈마 처리 장치.
  4. 제 2 항에 있어서,
    상기 해석 장치는, 상기 제 2 데이터로부터 고주파 성분을 제거한 후, 상기 제 2 알고리즘을 사용하여 상기 고주파 성분을 제거한 데이터를 해석하는 것을 특징으로 하는 플라즈마 처리 장치.
  5. 시료가 플라즈마 처리되는 처리실을 구비하는 플라즈마 처리 장치의 상태를 예측하는 플라즈마 처리 장치 상태 예측 방법에 있어서,
    제 1 알고리즘을 사용하여 상기 플라즈마 처리 장치로부터 얻어진 제 1 데이터를 해석하는 것에 의해 구해진 제 1 건전성 지표값과 제 2 알고리즘을 사용하여 상기 플라즈마 처리 장치로부터 얻어진 제 2 데이터를 해석하는 것에 의해 구해진 제 2 건전성 지표값에 의거하여 상기 플라즈마 처리 장치의 상태를 예측하고,
    상기 제 2 알고리즘은, 상기 제 2 건전성 지표값에 의한 상기 상태를 이상으로 하는 상기 플라즈마 처리의 제 2 시간이 상기 제 1 건전성 지표값에 의한 상기 상태를 이상으로 하는 상기 플라즈마 처리의 제 1 시간으로부터 소정 시간을 감산한 시간 내지 상기 제 1 시간에 상기 소정 시간을 가산한 시간의 범위 내의 시간이 되는 알고리즘인 것을 특징으로 하는 플라즈마 처리 장치 상태 예측 방법.
  6. 제 5 항에 있어서,
    상기 제 1 데이터는, 상기 플라즈마 처리중의 플라즈마로부터 얻어진 발광 데이터이며,
    상기 제 2 데이터는, 상기 제 1 데이터와 다른 데이터인 것을 특징으로 하는 플라즈마 처리 장치 상태 예측 방법.
  7. 제 6 항에 있어서,
    상기 제 1 알고리즘으로서 PCA(Principal Component Analysis)를 사용하고,
    상기 제 2 알고리즘으로서 AAKR(Auto Associative Kernel Regression)을 사용하는 것을 특징으로 하는 플라즈마 처리 장치 상태 예측 방법.
  8. 제 6 항에 있어서,
    상기 제 2 데이터로부터 고주파 성분을 제거한 후, 상기 제 2 알고리즘을 사용하여 상기 고주파 성분을 제거한 데이터를 해석하는 것을 특징으로 하는 플라즈마 처리 장치 상태 예측 방법.
KR1020170180656A 2017-09-20 2017-12-27 플라즈마 처리 장치 및 플라즈마 처리 장치 상태 예측 방법 KR102033438B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JPJP-P-2017-179668 2017-09-20
JP2017179668A JP6676020B2 (ja) 2017-09-20 2017-09-20 プラズマ処理装置及びプラズマ処理装置状態予測方法

Publications (2)

Publication Number Publication Date
KR20190032980A true KR20190032980A (ko) 2019-03-28
KR102033438B1 KR102033438B1 (ko) 2019-10-17

Family

ID=65719403

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170180656A KR102033438B1 (ko) 2017-09-20 2017-12-27 플라즈마 처리 장치 및 플라즈마 처리 장치 상태 예측 방법

Country Status (4)

Country Link
US (2) US10886110B2 (ko)
JP (1) JP6676020B2 (ko)
KR (1) KR102033438B1 (ko)
TW (1) TWI683333B (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102252144B1 (ko) * 2021-03-31 2021-05-17 (주)알티엠 플라즈마의 동작을 확인하는 전자 장치 및 그 동작 방법
KR20230025976A (ko) * 2021-08-17 2023-02-24 명지대학교 산학협력단 장비 데이터를 이용하는 플라즈마 공정 진단 시스템 및 방법

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102103143B1 (ko) * 2018-03-14 2020-04-22 (주)아이티공간 구동부의 정밀 예지 보전방법
JP6990634B2 (ja) * 2018-08-21 2022-02-03 株式会社日立ハイテク 状態予測装置及び半導体製造装置
US20210358785A1 (en) * 2020-05-12 2021-11-18 Advanced Energy Industries, Inc. Event monitoring and characterization
JP7437262B2 (ja) * 2020-07-31 2024-02-22 株式会社日立ハイテク 荷電粒子線装置および電気ノイズの計測方法
CN113762475B (zh) * 2021-08-27 2023-08-15 核工业西南物理研究院 一种等离子体破裂预测器的预测依据可视化方法
CN116230576B (zh) * 2023-05-08 2023-07-07 粤芯半导体技术股份有限公司 快速建立暗场缺陷扫描检测体系的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002100611A (ja) 2000-09-22 2002-04-05 Hitachi Ltd プラズマ処理装置および処理方法
JP2004039952A (ja) 2002-07-05 2004-02-05 Tokyo Electron Ltd プラズマ処理装置の監視方法およびプラズマ処理装置
US20060155410A1 (en) * 2005-01-10 2006-07-13 Applied Materials Inc. Spilt-phase chamber modeling for chamber matching and fault detection
JP4570736B2 (ja) 2000-07-04 2010-10-27 東京エレクトロン株式会社 運転状態の監視方法
KR20110073527A (ko) * 2008-09-19 2011-06-29 어플라이드 머티어리얼스, 인코포레이티드 자체­진단형 반도체 장비

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002003441A1 (fr) 2000-07-04 2002-01-10 Tokyo Electron Limited Procede de surveillance de fonctionnement pour appareil de traitement
JP2003197609A (ja) * 2001-12-27 2003-07-11 Tokyo Electron Ltd プラズマ処理装置の監視方法及びプラズマ処理装置
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
JP4448335B2 (ja) * 2004-01-08 2010-04-07 東京エレクトロン株式会社 プラズマ処理方法及びプラズマ処理装置
US7829468B2 (en) 2006-06-07 2010-11-09 Lam Research Corporation Method and apparatus to detect fault conditions of plasma processing reactor
US7565220B2 (en) * 2006-09-28 2009-07-21 Lam Research Corporation Targeted data collection architecture
JP2009044125A (ja) * 2007-04-12 2009-02-26 Tokyo Electron Ltd サポートベクトルマシンを用いて制御ツールを制御する方法
JP4882917B2 (ja) * 2007-08-21 2012-02-22 パナソニック株式会社 プラズマ処理装置
JP5582823B2 (ja) * 2010-02-26 2014-09-03 東京エレクトロン株式会社 自動整合装置及びプラズマ処理装置
JP6220319B2 (ja) * 2014-07-17 2017-10-25 株式会社日立ハイテクノロジーズ データ解析方法及びプラズマエッチング方法並びにプラズマ処理装置
JP6553398B2 (ja) * 2015-05-12 2019-07-31 株式会社日立ハイテクノロジーズ プラズマ処理装置、データ処理装置およびデータ処理方法
JP6276732B2 (ja) * 2015-07-03 2018-02-07 横河電機株式会社 設備保全管理システムおよび設備保全管理方法
JP6731634B2 (ja) * 2016-03-10 2020-07-29 パナソニックＩｐマネジメント株式会社 プラズマ処理装置およびプラズマ処理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4570736B2 (ja) 2000-07-04 2010-10-27 東京エレクトロン株式会社 運転状態の監視方法
JP2002100611A (ja) 2000-09-22 2002-04-05 Hitachi Ltd プラズマ処理装置および処理方法
JP2004039952A (ja) 2002-07-05 2004-02-05 Tokyo Electron Ltd プラズマ処理装置の監視方法およびプラズマ処理装置
US20060155410A1 (en) * 2005-01-10 2006-07-13 Applied Materials Inc. Spilt-phase chamber modeling for chamber matching and fault detection
KR20110073527A (ko) * 2008-09-19 2011-06-29 어플라이드 머티어리얼스, 인코포레이티드 자체­진단형 반도체 장비

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102252144B1 (ko) * 2021-03-31 2021-05-17 (주)알티엠 플라즈마의 동작을 확인하는 전자 장치 및 그 동작 방법
KR20230025976A (ko) * 2021-08-17 2023-02-24 명지대학교 산학협력단 장비 데이터를 이용하는 플라즈마 공정 진단 시스템 및 방법

Also Published As

Publication number Publication date
TWI683333B (zh) 2020-01-21
US10886110B2 (en) 2021-01-05
JP2019057548A (ja) 2019-04-11
US12080529B2 (en) 2024-09-03
TW201916087A (zh) 2019-04-16
US20190088455A1 (en) 2019-03-21
US20210082673A1 (en) 2021-03-18
JP6676020B2 (ja) 2020-04-08
KR102033438B1 (ko) 2019-10-17

Similar Documents

Publication Publication Date Title
KR20190032980A (ko) 플라즈마 처리 장치 및 플라즈마 처리 장치 상태 예측 방법
JP4464276B2 (ja) プラズマ処理方法及びプラズマ処理装置
KR101215367B1 (ko) 에칭 장치, 분석 장치, 에칭 처리 방법, 및 에칭 처리 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체
US6733618B2 (en) Disturbance-free, recipe-controlled plasma processing system and method
TWI684843B (zh) 電漿處理裝置及狀態預測裝置
US12050455B2 (en) State prediction apparatus and semiconductor manufacturing apparatus
US20040181299A1 (en) Prediction method and apparatus of a processing result
KR100455559B1 (ko) 측정 가능한 장비 신호들을 이용한 공정수행 인-라인모니터링을 위한 방법 및 시스템
US7389203B2 (en) Method and apparatus for deciding cause of abnormality in plasma processing apparatus
US11404253B2 (en) Plasma processing apparatus and analysis method for analyzing plasma processing data
US7630064B2 (en) Prediction method and apparatus for substrate processing apparatus
JP4836994B2 (ja) 半導体処理装置
JP2003068717A (ja) 半導体処理装置
KR100446926B1 (ko) 반도체제조장치의 감시 및 제어방법과 그 실시장치
KR101529827B1 (ko) 플라즈마 식각 공정의 식각 종료점 검출 방법
JP2007250902A (ja) 基板処理装置の予測方法及び予測装置
JP2005051269A (ja) 半導体処理装置
KR20180089201A (ko) 플라즈마 공정의 식각 종료점 진단방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right