KR20230104951A - 센서 맵핑 및 트리거링된 데이터로깅을 포함한 건전성 (health) 에 기초한 모니터링, 평가 및 응답하기 위한 기판 프로세싱 시스템 툴들 - Google Patents
센서 맵핑 및 트리거링된 데이터로깅을 포함한 건전성 (health) 에 기초한 모니터링, 평가 및 응답하기 위한 기판 프로세싱 시스템 툴들 Download PDFInfo
- Publication number
- KR20230104951A KR20230104951A KR1020237019633A KR20237019633A KR20230104951A KR 20230104951 A KR20230104951 A KR 20230104951A KR 1020237019633 A KR1020237019633 A KR 1020237019633A KR 20237019633 A KR20237019633 A KR 20237019633A KR 20230104951 A KR20230104951 A KR 20230104951A
- Authority
- KR
- South Korea
- Prior art keywords
- health index
- sensors
- module
- data
- sensor
- Prior art date
Links
- 230000036541 health Effects 0.000 title claims abstract description 308
- 238000012545 processing Methods 0.000 title claims abstract description 133
- 239000000758 substrate Substances 0.000 title claims abstract description 99
- 238000013507 mapping Methods 0.000 title claims description 65
- 230000001960 triggered effect Effects 0.000 title description 5
- 230000004044 response Effects 0.000 claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 230000007704 transition Effects 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 120
- 230000015556 catabolic process Effects 0.000 claims description 85
- 238000006731 degradation reaction Methods 0.000 claims description 84
- 238000004422 calculation algorithm Methods 0.000 claims description 54
- 238000009826 distribution Methods 0.000 claims description 52
- 230000007423 decrease Effects 0.000 claims description 28
- 230000008859 change Effects 0.000 claims description 21
- 239000000872 buffer Substances 0.000 claims description 19
- 230000009471 action Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000002776 aggregation Effects 0.000 claims description 16
- 238000004220 aggregation Methods 0.000 claims description 16
- 238000013480 data collection Methods 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 230000003247 decreasing effect Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 9
- 238000013459 approach Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000000670 limiting effect Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 44
- 238000012423 maintenance Methods 0.000 description 20
- 238000004088 simulation Methods 0.000 description 18
- 238000004519 manufacturing process Methods 0.000 description 17
- 235000012431 wafers Nutrition 0.000 description 13
- 230000003044 adaptive effect Effects 0.000 description 9
- 230000006866 deterioration Effects 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 239000007789 gas Substances 0.000 description 7
- 239000004065 semiconductor Substances 0.000 description 7
- 238000012546 transfer Methods 0.000 description 7
- 239000012636 effector Substances 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000013024 troubleshooting Methods 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 4
- 230000003139 buffering effect Effects 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 4
- 230000002542 deteriorative effect Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 239000001301 oxygen Substances 0.000 description 4
- 229910052760 oxygen Inorganic materials 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003862 health status Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 230000000630 rising effect Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 238000000231 atomic layer deposition Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000005229 chemical vapour deposition Methods 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 238000005240 physical vapour deposition Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 230000008707 rearrangement Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000009616 inductively coupled plasma Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005468 ion implantation Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- -1 oxides Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 235000012239 silicon dioxide Nutrition 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2851—Testing of integrated circuits [IC]
- G01R31/2894—Aspects of quality control [QC]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- 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
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67276—Production flow monitoring, e.g. for increasing throughput
-
- 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
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
건전성 (health) 모니터링, 평가 및 응답 시스템은 인터페이스 및 제어기를 포함한다. 인터페이스는 기판 프로세싱 시스템 내에 배치된 센서로부터 신호를 수신하도록 구성된다. 제어기는 건전성 인덱스 모듈을 포함한다. 건전성 인덱스 모듈은 윈도우 및 한계 문턱 값을 획득하는 단계; 센서로부터 출력된 신호를 모니터링하는 단계; 신호가 한계 문턱 값을 교차했는지 여부를 결정하는 단계; 건전성 인덱스 컴포넌트를 업데이트하는 단계로서, 건전성 인덱스 컴포넌트는 이진 값이고 신호가 한계 문턱 값을 넘는 것에 응답하여 하이 값 (HIGH value) 과 로우 값 (LOW value) 사이에서 전이되는, 건전성 인덱스 컴포넌트를 업데이트하는 단계; 및 건전성 인덱스 컴포넌트에 기초하여 건전성 인덱스 값을 생성하고 적어도 윈도우의 지속 기간에 걸쳐 건전성 인덱스 값을 100 ％로부터 0 ％로 감소시키는 단계를 포함하는 알고리즘을 수행하도록 구성된다. 제어기는 건전성 인덱스 값에 기초하여 대응책을 수행하도록 구성된다.
Description
본 개시는 기판 프로세싱 시스템 툴들의 건전성 (health) 을 평가하기 위한 시스템들에 관한 것이다.
본 명세서에 제공된 배경기술 기술 (description) 은 본 개시의 맥락을 일반적으로 제시할 목적이다. 이 배경기술 섹션에 기술된 정도의 본 명세서에 명명된 발명자들의 업적, 뿐만 아니라 출원 시 종래 기술로서 달리 인증되지 않을 수도 있는 본 기술의 양태들은 본 개시에 대한 종래 기술로서 명시적으로나 암시적으로 인정되지 않는다.
산업 상 제작 프로세스들에 사용되는 머신들은 종종 플로우 레이트들, 압력들, 회전 속도들 등과 같은 파라미터들을 모니터링하는 센서들로부터 데이터를 수집함으로써 모니터링된다. 알람 제한들은 종종 용인할 수 없는 것으로 간주되는 머신 동작 조건들을 검출하기 위해 파라미터들에 적용된다. 알람 제한들은 피해 (injury), 머신에 대한 손상, 및/또는 제작 결함들을 방지하도록 사용될 수도 있다. 모니터링된 파라미터들 중 하나가 알람 제한을 초과할 때, 알람이 생성될 수도 있고 머신의 동작이 중단될 (halt) 수도 있다. 시간 지연 (time lag) 은 알람이 생성된 때로부터 오퍼레이터들 및/또는 유지 보수 직원이 알람을 인식하게 되고 알람에 응답하고 용인할 수 없는 동작 조건을 처리할 수 있을 때까지 존재한다. 일부 경우들에서, 알람의 원인을 평가하고 이해하기 위해 부가적인 제작 다운타임 (downtime) 이 손실된다. 추가 지연 (delay) 은 시정 조치 (corrective action) 를 수행하고 머신을 적절한 동작 조건으로 되돌리는 데 필요한 필수 인력, 컴포넌트들, 재료들, 장비 등을 조립할 때 발생한다. 머신의 다운타임은 머신의 가용성과 생산성을 감소시킨다. 부가적으로, 용인할 수 없는 동작 조건은 비가역적 결함들을 유발할 수도 있고, 이는 연관된 경제적 손실을 더 증가시킨다.
관련 출원들에 대한 교차 참조
본 출원은 2020년 11월 11일에 출원된, 미국 특허 가출원 번호 제 63/112,386 호의 이익을 주장한다. 상기 출원의 전체 개시는 참조로서 본 명세서에 통합된다.
특정한 실시 예들에 따라, 본 개시는 건전성 (health) 모니터링, 평가 및 응답 시스템이 제공되고 인터페이스 및 제어기를 포함하는 것을 개시한다. 인터페이스는 기판 프로세싱 시스템 내에 배치된 제 1 센서로부터 제 1 신호를 수신하도록 구성된다. 제어기는 건전성 인덱스 모듈을 포함한다. 건전성 인덱스 모듈은 윈도우 및 한계 문턱 값을 획득하는 단계; 제 1 센서로부터 출력된 상기 제 1 신호를 모니터링하는 단계; 상기 제 1 신호가 상기 한계 문턱 값을 교차했는지 여부를 결정하는 단계; 건전성 인덱스 컴포넌트를 업데이트하는 단계로서, 건전성 인덱스 컴포넌트는 이진 값이고 제 1 신호가 한계 문턱 값을 넘는 것에 응답하여 하이 값 (HIGH value) 과 로우 값 (LOW value) 사이에서 전이되는, 건전성 인덱스 컴포넌트를 업데이트하는 단계; 및 건전성 인덱스 컴포넌트에 기초하여 제 1 건전성 인덱스 값을 생성하고 적어도 윈도우의 지속 기간에 걸쳐 제 1 건전성 인덱스 값을 100 ％로부터 0 ％로 감소시키는 단계를 포함하는 알고리즘을 수행하도록 구성된다. 제어기는 제 1 건전성 인덱스 값에 기초하여 대응책을 수행하도록 구성된다.
일부 실시 예들에서, 건전성 인덱스 모듈은 윈도우의 지속 기간에 걸쳐 건전성 인덱스 컴포넌트의 업데이트된 값들의 평균으로서 제 1 건전성 인덱스 값을 생성하도록 구성된다. 건전성 인덱스 컴포넌트의 업데이트된 값들은 알고리즘의 각각의 반복 동안 결정된다.
일부 실시 예들에서, 건전성 인덱스 모듈은 알고리즘의 반복 각각 동안 업데이트된 건전성 인덱스 값을 생성하도록 구성된다. 제어기는 업데이트된 건전성 인덱스 값들에 기초하여 대응책을 수행하도록 구성된다.
일부 실시 예들에서, 건전성 인덱스 모듈은 제 1 신호가 알람 제한에 도달하기 전 또는 도달한 때에 건전성 인덱스 값이 0 ％로 감소하도록 윈도우 및 한계 문턱 값을 선택하도록 구성된다.
일부 실시 예들에서, 건전성 인덱스 모듈은 건전성 인덱스 값이 100 ％에서 0 ％로 감소하는 동안 시간의 양을 연장하도록 알고리즘의 반복들 동안 한계 문턱 값을 적응적으로 조정하도록 구성된다.
일부 실시 예들에서, 건전성 인덱스 모듈은 제 1 신호가 알람 제한과 같기 전 또는 같을 때 건전성 인덱스 값이 0％로 감소하도록 알고리즘의 반복들 동안 한계 문턱 값을 적응적으로 조정하도록 구성된다.
일부 실시 예들에서, 건전성 인덱스 모듈은 제 1 신호의 열화 레이트를 결정하기 위해 유한 임펄스 응답 필터를 구현하고; 및 열화 레이트에 기초하여 한계 문턱 값을 조정하도록 구성된다.
일부 실시 예들에서, 건전성 인덱스 모듈은 제 1 신호의 열화 레이트, 윈도우의 지속 기간, 및 알람 제한에 기초하여 한계 문턱 값을 결정하도록 구성된다.
일부 실시 예들에서, 건전성 인덱스 모듈은 제 1 신호의 가중된 변화들의 합으로서 제 1 신호의 열화 레이트를 추정하고; 그리고 추정된 열화 레이트에 기초하여 한계 문턱 값을 결정하도록 구성된다.
일부 실시 예들에서, 제어기는, 제 1 건전성 인덱스 값이 감소하고, 미리 결정된 레벨에 도달하거나 미리 결정된 범위 내에 있는 것 중 적어도 하나에 응답하여 대응책을 수행하도록 구성된다.
일부 실시 예들에서, 인터페이스는 기판 프로세싱 시스템 내에 배치된 N 개의 센서들로부터 N 개의 신호들을 수신하도록 구성되고, N은 2 이상이고, N 개의 신호들은 제 1 신호를 포함하고, N 개의 센서들은 제 1 센서를 포함한다. 건전성 인덱스 모듈은 N 개의 센서들로부터 각각 출력된 N 개의 신호들을 모니터링하고; 제 1 건전성 인덱스 값을 포함하는 복수의 건전성 인덱스 값들을 결정하기 위해 N 개의 신호들을 평가하고; 그리고 시스템 건전성 인덱스 값을 결정하기 위해 복수의 건전성 인덱스 값들을 집계하도록 (aggregate) 구성된다. 제어기는, 시스템 건전성 인덱스 값이 감소하고, 미리 결정된 레벨에 도달하거나 미리 결정된 범위 내에 있는 것 중 적어도 하나에 응답하여 대응책을 수행하도록 구성된다.
특정한 실시 예들에 따라, 본 개시는 인터페이스 및 제어기를 포함하는 건전성 모니터링, 평가 및 응답 시스템을 개시한다. 인터페이스는 기판 프로세싱 시스템 내에 배치된 N 개의 센서들로부터 데이터를 수신하도록 구성되고, N은 2 이상이다. 제어기는 N 개의 센서들로부터 각각 출력된 데이터의 세트들을 수신하고; 복수의 건전성 인덱스 값들을 결정하기 위해 수신된 데이터의 세트들을 평가하고, 그리고 시스템 건전성 인덱스 값을 결정하기 위해 상기 복수의 건전성 인덱스 값들을 집계하도록 구성되는 건전성 인덱스 모듈을 포함한다. 제어기는 시스템 건전성 인덱스 값이 감소하고, 미리 결정된 레벨에 도달하거나 미리 결정된 범위 내에 있는 것 중 적어도 하나에 응답하여 대응책을 수행하도록 구성된다.
특정한 실시 예들에 따라, 본 개시는 인터페이스 및 제어기를 포함하는 건전성 모니터링, 평가 및 응답 시스템을 개시한다. 인터페이스는 기판 프로세싱 시스템 내에 배치된 N 개의 센서들로부터 데이터를 수신하도록 구성되고, N은 2 이상이다. 제어기는 건전성 인덱스 모듈을 포함한다. 건전성 인덱스 모듈은 센서들로부터 각각 출력된 데이터 세트들을 수신하고; 복수의 건전성 인덱스 값들을 결정하기 위해 데이터 세트들을 평가하고; 시스템 건전성 인덱스 값을 결정하기 위해 건전성 인덱스 값들의 세트를 집계하고; 그리고 시스템 건전성 인덱스 값이 미리 결정된 범위 밖에 있는지 여부를 결정하도록 구성된다. 제어기는 미리 결정된 범위 밖에 있는 시스템 건전성 인덱스 값에 응답하여 대응책을 수행하도록 구성된다.
일부 실시 예들에서, 건전성 인덱스 모듈은 데이터의 세트들에 대해 각각 2 차 다항식들을 결정하고; 그리고 제 2 차 다항식들의 계수들에 기초하여 상기 복수의 건전성 인덱스 값들을 결정하도록 구성된다. 일부 실시 예들에서, 건전성 인덱스 모듈은 계수들을 통계적 분포와 비교하고; 그리고 통계적 분포에 대한 계수들의 비교의 결과들에 기초하여 복수의 건전성 인덱스 값들을 결정하도록 구성된다.
일부 실시 예들에서, 건전성 인덱스 모듈은 계수들의 분포들을 결정하고; 건전성 인덱스 한계들과 분포들을 비교하고; 그리고 건전성 인덱스 한계들에 대한 분포들을 비교하는 결과들에 기초하여 복수의 건전성 인덱스 값들을 결정하도록 구성된다. 일부 실시 예들에서, 건전성 인덱스 모듈은 기판 프로세싱 시스템의 물리적 또는 기능적 분해 중 적어도 하나에 대응하는 건전성 인덱스 계산들의 계층적 구조화에 기초하여 시스템 건전성 인덱스 값을 결정하도록 구성된다.
일부 실시 예들에서, 상기 건전성 인덱스 모듈은 집계 알고리즘 (aggregation algorithm) 을 구현하고 상기 복수의 건전성 인덱스 값들 및 상기 시스템 건전성 인덱스 값을 결정할 때 리던던시 또는 리던던시 결여에 대응하는 부울 연산들 (Boolean operations) 을 사용하도록 구성된다. 일부 실시 예들에서, 상기 건전성 인덱스 모듈은 상기 시스템 건전성 인덱스 값을 생성할 때 상기 기판 프로세싱 시스템의 계층적 레벨 또는 서브-시스템 레벨 중 적어도 하나의 최소 건전성 인덱스 값을 선택하도록 구성된다.
일부 실시 예들에서, 복수의 건전성 인덱스 값들 및 시스템 건전성 인덱스 값 각각은 0 내지 100 ％이다. 일부 실시 예들에서, 제어기는 시스템 건전성 인덱스 값에 기초하여 비정상 (abnormal) 인 것으로 표시되지만, 제어기가 알람을 생성하거나 기판 프로세싱 시스템의 동작을 중단하는 것을 억제하도록 용인할 수 있는 범위 내인, 기판 프로세싱 시스템의 이벤트를 규정하도록 구성된다. 일부 실시 예들에서, 건전성 인덱스 모듈은 N 개의 센서들에 의해 검출될 때 기판 프로세싱 시스템의 이벤트들의 N 개의 각각의 세트들에 기초하여 복수의 건전성 인덱스 값들을 생성하도록 구성된다.
일부 실시 예들에서, 건전성 인덱스 모듈은 이벤트들의 N 개의 각각의 세트들이 규정된 정상 동작 조건들 내에 있는지 여부에 기초하여 복수의 건전성 인덱스 값들을 생성하도록 구성된다. 일부 실시 예들에서, 건전성 인덱스 모듈은 기판 프로세싱 시스템의 결정된 상태들에 의해 규정된 시간 기간 동안 아날로그 센서로부터 획득된 데이터를 사용하고; 시간 기간 동안 기판 프로세싱 시스템 동작의 2 차 값 특성을 컴퓨팅하기 (compute) 위해 수학적 모델을 사용하고; 그리고 2 차 값에 기초하여 시스템 건전성 인덱스 값을 생성하도록 구성된다.
일부 실시 예들에서, 건전성 인덱스 모듈은 규정된 한계 레벨을 넘는 동작 조건의 심각도를 나타내도록 규정된 한계 레벨과 알람 레벨 사이에서 시스템 건전성 인덱스 값을 스케일링하도록 구성된다. 일부 실시 예들에서, 건전성 인덱스 모듈은 비-선형 스케일링 (non-linear scaling) 을 사용한다.
일부 실시 예들에서, 제어기는 기판 프로세싱 시스템의 적어도 일부 및 N 개의 센서들과 연관된 정보를 디스플레이하도록 구성된 센서 맵핑 모듈을 포함한다. 일부 실시 예들에서, 센서 맵핑 모듈은 기판 프로세싱 시스템의 적어도 일부에 걸쳐 센서 식별자들, 센서 상태들, 및 N 개의 건전성 인덱스 값들을 디스플레이하도록 구성된다.
일부 실시 예들에서, 제어기는 계층적 포맷으로 복수의 건전성 인덱스 값들을 디스플레이하도록 구성된 센서 맵핑 모듈을 포함한다. 일부 실시 예들에서, 센서 맵핑 모듈은 기판 프로세싱 시스템 내의 N 개의 센서들의 물리적 위치들을 나타내도록 구성된다.
일부 실시 예들에서, 센서 맵핑 모듈은 시스템 오퍼레이터 입력 또는 수신된 인스트럭션 중 적어도 하나에 기초하여, 기판 프로세싱 시스템의 선택된 계층적 레벨에 대한 복수의 건전성 인덱스 값들 중 하나 이상을 선택적으로 디스플레이하도록 구성된다. 일부 실시 예들에서, 센서 맵핑 모듈은 N 개의 센서들에 대한 이력 (historical) 건전성 인덱스 값들을 디스플레이하도록 구성된다.
일부 실시 예들에서, 센서 맵핑 모듈은 시스템 오퍼레이터 입력 또는 수신된 인스트럭션 중 적어도 하나에 기초하여, 복수의 건전성 인덱스 값들의 집계 레벨을 디스플레이하도록 구성된다. 일부 실시 예들에서, 건전성 인덱스 모듈은, 선택된 시간 기간 동안 정상 상태에서 기판 프로세싱 시스템을 동작시키는 것에 기초하여 정상 동작 한계들을 결정하고 그리고 정상 동작 한계에 기초하여 잠재적인 이슈 또는 결함을 검출하도록 구성된다.
일부 실시 예들에서, 건전성 인덱스 모듈은 복수의 건전성 인덱스 값들을 결정하기 위한 기준으로 상기 기판 프로세싱 시스템의 규정된 동작들 사이의 시간 간격들을 사용하도록 구성된다. 일부 실시 예들에서, 건전성 인덱스 모듈은 복수의 건전성 인덱스 값들 중 어느 것이 계산되는지에 기초하여 데이터의 세트들을 N 개의 값들로 감소시키기 위한 조건들에 기초하여 수학적 모듈을 사용하도록 구성된다. 일부 실시 예들에서, 건전성 인덱스 모듈은 N 개의 센서들에 의해 검출될 때 기판 프로세싱 시스템의 하나 이상의 검출된 이벤트들에 기초하여 그리고 주기적으로 복수의 건전성 인덱스 값들을 결정하도록 구성된다.
일부 실시 예들에서, 건전성 인덱스 모듈은 하나 이상의 검출된 이벤트들에 기초하여 그리고 주기적으로 복수의 건전성 인덱스 값들을 결정하도록 구성된다. 일부 실시 예들에서, 건전성 인덱스 모듈은 기판 프로세싱 시스템의 동작이 알람 제한에 접근하는 정도에 기초하여 복수의 건전성 인덱스 값들을 결정하도록 구성된다.
일부 실시 예들에서, 건전성 인덱스 모듈은 N 개의 정상 동작 범위들과 N 개의 알람 제한들 사이에 각각 위치된 (locate) N 개의 한계들에 기초하여 복수의 건전성 인덱스 값들을 결정하도록 구성된다. 일부 실시 예들에서, 제어기는 데이터로깅 (datalogging) 모듈을 포함하고, 데이터로깅 모듈은 건전성 인덱스 모듈로부터의 인스트럭션들에 기초하여 N 개의 센서들로부터 데이터를 수집하고 저장하도록 구성된다.
일부 실시 예들에서, 데이터로깅 모듈은 N 개의 센서들의 출력 값들의 변화의 레이트들 또는 N 개의 건전성 인덱스 값들 중 적어도 하나에 기초하여, 상기 N 개의 센서들 또는 상기 N 개의 센서들의 서브세트로부터의 데이터 수집을 개시하도록 구성된다. 일부 실시 예들에서, 데이터로깅 모듈은 N 개의 센서들의 출력 값들의 변화의 레이트들 또는 복수의 건전성 인덱스 값들 중 적어도 하나에 기초하여, 데이터 샘플링 레이트를 상승시키고 상승된 속도로 N 개의 센서들로부터 데이터를 수집하도록 구성된다.
일부 실시 예들에서, 건전성 인덱스 모듈은 시스템 건전성 인덱스 값에 기초하여 기판 프로세싱 시스템의 열화를 검출하고; 그리고 열화의 원인을 결정하기 위해 부가적인 데이터를 수집하도록 구성된다. 일부 실시 예들에서, 건전성 모니터링, 평가 및 응답 시스템은 N 개의 센서들을 더 포함한다.
특정한 실시 예들에 따라, 본 개시는 또한 N 개의 센서들, 인터페이스 및 제어기를 포함하는 센서 맵핑 시스템을 개시한다. 복수의 센서들은 기판 프로세싱 시스템의 각각의 파라미터들을 검출하도록 구성되고, 여기서 N은 2 이상이다. 인터페이스는 N 개의 센서들로부터 데이터를 수신하도록 구성된다. 제어기는 센서 맵핑 모듈을 포함한다. 센서 맵핑 모듈은 N 개의 센서들에 대한 센서 정보를 디스플레이하라는 인스트럭션들을 수신하고; N 개의 센서들로부터 각각 출력된 데이터의 N 개의 세트들을 수신하고; 그리고 기판 프로세싱 시스템의 적어도 일부의 뷰 (view) 에 걸쳐 센서 정보와 함께 N 개의 센서들의 위치들을 디스플레이하도록 구성된다.
일부 실시 예들에서, 센서 정보는 현재 센서 값, 이력 총계 값 (aggregate value), 건전성 인덱스 값, 부품 번호, 또는 일련 번호 중 적어도 하나를 포함한다. 일부 실시 예들에서, 센서 맵핑 모듈은 기판 프로세싱 시스템의 적어도 일부의 뷰에 걸쳐 N 개의 센서들의 상태들을 디스플레이하도록 구성된다.
일부 실시 예들에서, 제어기는 N 개의 센서들에 대해 각각 복수의 건전성 인덱스 값들을 생성하도록 구성된 건전성 인덱스 모듈을 더 포함한다. 센서 맵핑 모듈은 기판 프로세싱 시스템의 적어도 일부의 뷰에 걸쳐 복수의 건전성 인덱스 값들을 디스플레이하도록 구성된다. 일부 실시 예들에서, 센서 맵핑 모듈은 건전성 인덱스 모듈로부터 인스트럭션들을 수신하도록 구성되고, 인스트럭션들은 M 개의 센서들의 세트로부터 N 개의 센서들의 선택을 포함하고, M은 N보다 더 크다.
일부 실시 예들에서, 센서 맵핑 모듈은 시스템 오퍼레이터 입력 또는 인스트럭션 신호 중 적어도 하나를 수신하고; 그리고 시스템 오퍼레이터 입력 또는 인스트럭션 신호 중 적어도 하나에 기초하여, N 개의 센서들 중 하나 이상의 센서들로부터 수신된 데이터를 플롯팅하도록 구성된다. 일부 실시 예들에서, 센서 맵핑 모듈은 N 개의 센서들 중 하나에 대한 데이터의 플롯을 디스플레이하라는 입력을 수신하고; 및 N 개의 센서들 중 하나로부터의 데이터를 플롯팅하는 것을 포함하는 그래프를 디스플레이하도록 구성되고, 그래프는 기판 프로세싱 시스템의 적어도 일부의 뷰와 동일한 스크린 상에 도시된다.
일부 실시 예들에서, 센서 맵핑 모듈은 수신된 입력에 기초하여, 기판 프로세싱 시스템의 스크린 레벨 또는 디스플레이된 계층적 레벨 중 적어도 하나를 변화시키도록 구성된다. 일부 실시 예들에서, 센서 맵핑 모듈은 입력에 기초하여, N 개의 센서들에 대한 센서 정보 대신 기판 프로세싱 시스템의 M 개의 센서들에 대한 센서 정보를 디스플레이하도록 구성된다. 일부 실시 예들에서, M 개의 센서들은 N 개의 센서들을 제외한다. 일부 실시 예들에서, M 개의 센서들은 N 개의 센서들 중 하나 이상을 포함한다.
특정한 실시 예들에 따라, 본 개시는 또한 데이터로깅 시스템을 개시한다. 데이터로깅 시스템은 N 개의 센서들, 인터페이스 및 제어기를 포함한다. N 개의 센서들은 기판 프로세싱 시스템의 각각의 파라미터들을 검출하도록 구성되고, N은 2이상이다. 인터페이스는 N 개의 센서들로부터 데이터를 수신하도록 구성된다. 제어기는 데이터로깅 모듈을 포함한다. 데이터로깅 모듈은 N 개의 센서들 및 트리거 정보를 선택하라는 인스트럭션들을 수신하고; N 개의 센서들 또는 다른 센서들 중 적어도 하나를 모니터링하고 트리거 정보에 의해 식별된 하나 이상의 트리거 이벤트들을 검출하고; 그리고 로깅된 데이터를 제공하기 위해 하나 이상의 트리거 이벤트들을 검출하는 것에 응답하여 N 개의 센서들의 출력들을 데이터로깅하도록 구성된다. 제어기는 로깅된 데이터를 분석하도록 구성되고 그리고 로깅된 데이터를 분석한 결과에 기초하여, 대응책을 수행한다.
일부 실시 예들에서, 데이터로깅 모듈은 건전성 인덱스 모듈로부터 인스트럭션들―인스트럭션들은 센서들 및 트리거들의 선택된 세트를 포함함―을 수신하고; 그리고 트리거들에 기초하여, 센서들의 선택된 세트로부터 데이터로깅하도록 (log data) 구성된다. 일부 실시 예들에서, 센서들의 선택된 세트는 N 개의 센서들 중 하나 이상을 포함한다. 일부 실시 예들에서, 센서들의 선택된 세트는 N 개의 센서들을 포함하지 않는다.
일부 실시 예들에서, 데이터로깅 모듈은 트리거들, 문턱 값들 또는 조건들 중 적어도 하나에 기초하여 데이터로깅을 수행하도록 구성된다. 제어기는 기판 프로세싱 시스템의 하나 이상의 동작들이 규정된 정상 동작 조건들 내부 또는 외부에서 발생하는지 여부를 분류하고; 상기 분류에 기초하여 복수의 건전성 인덱스 값들을 생성하고; 그리고 상기 복수의 건전성 인덱스 값들의 집계에 기초하여 상기 대응책을 수행하도록 구성된 건전성 인덱스 모듈을 포함한다.
일부 실시 예들에서, 데이터로깅 모듈은 하나 이상의 트리거 이벤트들 전에 데이터를 버퍼링하고; 그리고 하나 이상의 트리거 이벤트들 전에 설정된 시간 기간 동안 데이터를 저장하도록 구성된다. 일부 실시 예들에서, 데이터로깅 모듈은 하나 이상의 다른 센서들과 연관된 트리거 이벤트들에 기초하여 N 개의 센서들에 대해 데이터로깅하도록 구성된다.
일부 실시 예들에서, 데이터로깅 모듈은 기판 프로세싱 시스템의 검출된 하나 이상의 조건들에 기초하여 N 개의 센서들에 대해 데이터로깅하도록 구성된다. 일부 실시 예들에서, 데이터로깅 모듈은 트리거링 이벤트가 발생할 때마다 설정된 시간 기간 동안 N 개의 센서들로부터 출력된 데이터를 기록함으로써 간헐적인 이벤트들을 캡처하도록 구성된다.
본 개시의 추가 적용 가능 영역들은 상세한 기술 (description), 청구항들 및 도면들로부터 자명해질 것이다. 상세한 기술 및 구체적인 예들은 단지 예시의 목적들을 위해 의도되고, 본 개시의 범위를 제한하도록 의도되지 않는다.
본 개시는 상세한 기술 및 첨부된 도면들로부터 더 완전히 이해될 것이다.
도 1은 본 개시의 특정한 실시 예들에 따른 건전성 (health) 모니터링, 평가 및 응답 (health monitoring, assessing and responding; HMAR) 시스템의 예시적인 부분의 기능적 블록도이다.
도 2는 본 개시의 특정한 실시 예들에 따른 제어기 및 센서들을 포함하는 HMAR 시스템의 또 다른 예시적인 부분이다.
도 3은 본 개시의 특정한 실시 예들에 따른 예시적인 2 차원 센서 정보 및 건전성 인덱스 (health index; HI) 보고 스크린이다.
도 4는 본 개시의 특정한 실시 예들에 따른 예시적인 3 차원 센서 정보 및 HI 보고 스크린이다.
도 5는 본 개시의 특정한 실시 예들에 따른 HI 값들을 획득하기 위한 예시적인 프로세스를 예시한다.
도 6은 본 개시의 특정한 실시 예들에 따른 2 차 다항식 최적합 (best-fit) 곡선을 포함하는 예시적인 파라미터 데이터 플롯이다.
도 7은 도 6의 2 차 다항식 최적합 곡선의 계수에 대한 예시적인 계수 분포 플롯이다.
도 8은 본 개시의 특정한 실시 예들에 따른 파라미터 분포, HI 한계 및 엄격한 제한 (hard limit) 의 예시적인 플롯이다.
도 9는 HI 한계 및 엄격한 제한에 대해 시프팅된 도 8의 파라미터 분포의 예시적인 플롯이다.
도 10은 파라미터 분포에 대응하고 그리고 HI 한계 및 엄격한 제한에 대한 예시적인 표준 편차 확장 플롯이다.
도 11은 본 개시의 특정한 실시 예들에 따른 예시적인 평균 파라미터 분포 플롯이다.
도 12는 본 개시의 특정한 실시 예들에 따른 예시적인 지수 인자 (exponential factor) 분포 플롯이다.
도 13은 본 개시의 특정한 실시 예들에 따른 그래픽 사용자 인터페이스의 예시적인 계층적 HI 다이어그램 스크린이다.
도 14는 본 개시의 특정한 실시 예들에 따른 센서 정보 및 HI 보고 방법을 예시한다.
도 15는 본 개시의 특정한 실시 예들에 따른 데이터로깅 (datalogging) 방법을 예시한다.
도 16은 본 개시의 특정한 실시 예들에 따른 센서 신호의 선형 감소 열화를 예시하는 예시적인 HI 시뮬레이션 그래프이다.
도 17은 본 개시의 특정한 실시 예들에 따른 센서 신호의 선형 증가 열화를 예시하는 예시적인 HI 시뮬레이션 그래프이다.
도 18은 본 개시의 특정한 실시 예들에 따라 노이즈를 도입함에 따라 센서 신호의 선형 증가 열화를 예시하는 예시적인 HI 시뮬레이션 그래프이다.
도 19는 본 개시의 특정한 실시 예들에 따라 노이즈를 도입함에 따라 센서 신호의 선형 증가 열화를 예시하는 샘플링된 지점들을 포함하는 예시적인 HI 시뮬레이션 그래프이다.
도 20은 본 개시의 특정한 실시 예들에 따른 노이즈의 도입 및 적응형 한계 문턱 값과 함께 센서 신호의 선형 감소 열화를 예시하는 예시적인 HI 시뮬레이션 그래프이다.
도 21은 본 개시의 특정한 실시 예들에 따른 HI 값들을 획득하기 위한 또 다른 예시적인 프로세스이다.
도면들에서, 참조 번호들은 유사한 그리고/또는 동일한 엘리먼트들을 식별하기 위해 재사용될 수도 있다.
도 1은 본 개시의 특정한 실시 예들에 따른 건전성 (health) 모니터링, 평가 및 응답 (health monitoring, assessing and responding; HMAR) 시스템의 예시적인 부분의 기능적 블록도이다.
도 2는 본 개시의 특정한 실시 예들에 따른 제어기 및 센서들을 포함하는 HMAR 시스템의 또 다른 예시적인 부분이다.
도 3은 본 개시의 특정한 실시 예들에 따른 예시적인 2 차원 센서 정보 및 건전성 인덱스 (health index; HI) 보고 스크린이다.
도 4는 본 개시의 특정한 실시 예들에 따른 예시적인 3 차원 센서 정보 및 HI 보고 스크린이다.
도 5는 본 개시의 특정한 실시 예들에 따른 HI 값들을 획득하기 위한 예시적인 프로세스를 예시한다.
도 6은 본 개시의 특정한 실시 예들에 따른 2 차 다항식 최적합 (best-fit) 곡선을 포함하는 예시적인 파라미터 데이터 플롯이다.
도 7은 도 6의 2 차 다항식 최적합 곡선의 계수에 대한 예시적인 계수 분포 플롯이다.
도 8은 본 개시의 특정한 실시 예들에 따른 파라미터 분포, HI 한계 및 엄격한 제한 (hard limit) 의 예시적인 플롯이다.
도 9는 HI 한계 및 엄격한 제한에 대해 시프팅된 도 8의 파라미터 분포의 예시적인 플롯이다.
도 10은 파라미터 분포에 대응하고 그리고 HI 한계 및 엄격한 제한에 대한 예시적인 표준 편차 확장 플롯이다.
도 11은 본 개시의 특정한 실시 예들에 따른 예시적인 평균 파라미터 분포 플롯이다.
도 12는 본 개시의 특정한 실시 예들에 따른 예시적인 지수 인자 (exponential factor) 분포 플롯이다.
도 13은 본 개시의 특정한 실시 예들에 따른 그래픽 사용자 인터페이스의 예시적인 계층적 HI 다이어그램 스크린이다.
도 14는 본 개시의 특정한 실시 예들에 따른 센서 정보 및 HI 보고 방법을 예시한다.
도 15는 본 개시의 특정한 실시 예들에 따른 데이터로깅 (datalogging) 방법을 예시한다.
도 16은 본 개시의 특정한 실시 예들에 따른 센서 신호의 선형 감소 열화를 예시하는 예시적인 HI 시뮬레이션 그래프이다.
도 17은 본 개시의 특정한 실시 예들에 따른 센서 신호의 선형 증가 열화를 예시하는 예시적인 HI 시뮬레이션 그래프이다.
도 18은 본 개시의 특정한 실시 예들에 따라 노이즈를 도입함에 따라 센서 신호의 선형 증가 열화를 예시하는 예시적인 HI 시뮬레이션 그래프이다.
도 19는 본 개시의 특정한 실시 예들에 따라 노이즈를 도입함에 따라 센서 신호의 선형 증가 열화를 예시하는 샘플링된 지점들을 포함하는 예시적인 HI 시뮬레이션 그래프이다.
도 20은 본 개시의 특정한 실시 예들에 따른 노이즈의 도입 및 적응형 한계 문턱 값과 함께 센서 신호의 선형 감소 열화를 예시하는 예시적인 HI 시뮬레이션 그래프이다.
도 21은 본 개시의 특정한 실시 예들에 따른 HI 값들을 획득하기 위한 또 다른 예시적인 프로세스이다.
도면들에서, 참조 번호들은 유사한 그리고/또는 동일한 엘리먼트들을 식별하기 위해 재사용될 수도 있다.
기판 프로세싱 시스템의 툴은 로드 포트 모듈 (load port module; LPM), 장비 프론트 엔드 모듈 (equipment front end module; EFEM), 에어록, 진공 이송 모듈 (vacuum transfer module; VTM), 및 기판 프로세싱 스테이션들의 챔버들로 그리고 챔버들로부터 기판들을 이송하기 위한 로봇들을 포함할 수도 있다. LPM, EFEM, 에어록, VTM 및 로봇들은 온도 센서들, 광학 센서들 (카메라들), 압력 센서들, 상대 습도 센서들, 산소 센서들, 로커 밸브 센서들, 진동 센서들, 전류 및 전압 센서들, 등과 같은 수많은 센서들을 가질 수 있다. 센서들은 다양한 디바이스들의 상태들을 체크하고 그리고 툴이 유휴 상태일 때 행해지는 누설 체크들과 같은 기본적인 건전성 (health) 체크 루틴들을 실행하도록 모니터링될 수도 있다. 누설 체크는 컴포넌트들 사이의 계면 및/또는 시일 (seal) 을 통한 유체의 누설의 양의 체크를 지칭할 수도 있다. 이들 타입들의 체크들 중 일부는, 대응하는 프로세싱 시스템이 유휴 상태일 때와 같이, 정상 프로세싱 조건들 밖에서 수행되고 따라서 프로세싱 동안 시스템의 상태들을 반드시 반영하지는 않는다. 체크들 중 일부는 드물게 수행되고 프로세스가 수행되는 것을 지연시킬 수 있다. 시스템 오퍼레이터는 수준 이하의 (subpar) 프로세스 결과들이 발생할 때까지 하드웨어 열화가 발생했다고 결정할 수 없을 수도 있고, 이는 특히 체크들이 드물게 수행된다면 참이다.
툴의 모듈들, 에어록 로봇들, 등 중 하나에 부적절한 동작 조건이 존재할 때, 툴은 셧다운되어야 할 수도 있고 프로세싱 시간은 손실된다. 수많은 센서들, 툴의 복잡성, 및 툴의 피처들 간의 상호 관계로 인해, 무엇이 연장된 다운타임 기간들을 야기하는, 알람 조건을 유발하는 지 식별하고, 위치를 찾고 (locate), 결정하는 것이 어려울 수 있다. 알람 조건은 이슈의 직접적 또는 간접적 결과일 수 있다. 간접적일 때, 알람 조건의 원인의 결정은 결정하는 것이 더 어려울 수 있다.
일부 예들에서, 진단 툴은 하나 이상의 센서들의 파라미터들 대 사용자 인터페이스 상의 시간을 플롯팅할 수도 있다. 종종 플롯팅될 파라미터들에 대응하는 센서들의 위치들의 지표가 없고, 그 보다는, 단순히, 파라미터 명칭들 및 파라미터들의 현재 값들의 표 목록이 있다. 이러한 이유로, 시스템 오퍼레이터는 단순히 사용자 인터페이스를 바라봄으로써 (look at) 센서들의 위치들을 결정할 수 없다. 센서들의 위치를 결정하는 것은 어려울 수 있다. 위치 결정은 소프트웨어에 디스플레이된 명칭과 매칭하는 전기 신호를 식별하기 위해 시스템 오퍼레이터가 소프트웨어 엔지니어와 대화하는 것을 수반할 수도 있다. 이것에는 시스템 오퍼레이터가 (i) 센서의 컴포넌트 번호, 및 (ii) 센서가 툴 내에서 어떤 컴포넌트들에 연결되고 그리고/또는 근방에 있는지를 결정하기 위해 상호 연결부 및/또는 파이핑 및 계측 다이어그램 (instrumentation diagram) 을 체크하는 것이 이어진다. 이어서, 시스템 오퍼레이터는 컴포넌트 번호 및 식별된 컴포넌트들에 기초하여, 센서의 실제 물리적 위치를 찾는데 시간을 보낸다. 센서의 위치를 결정하기 위한 프로세스는 시간 및 노동 집약적일 수 있다.
센서가 어디에 위치되는지 (locate) 알지 못하는 것은 문제 해결 (troubleshoot) 의 어려움을 증가시킬뿐만 아니라 수집된 데이터로부터 도출될 수 있는 가능한 더 넓은 결론들을 모호하게 만든다. 이에 더하여, 용인할 수 없고 그리고/또는 열화된 조건이 존재한다는 것을 검출하기 위해 센서 데이터를 구별하는 것이 어려울 수 있다. 예를 들어, 툴은 많은 상이한 온도 센서들을 가질 수도 있다. 온도 센서들 중 하나가 특히 고온을 판독한다면, 그 온도가 합리적인 범위 내에 있는지 또는 대응하는 컴포넌트가 정상보다 더 고온으로 (hot) 작동한다는 지표인지를 결정하는 것이 어려울 수도 있다. 프로세싱 모듈이 고온으로 실행된다면, 센서 데이터는 아마도 양호하지만, 하나 이상의 다른 조건들이 체크되어야 할 수도 있다. 일부 경우들에서, 잠재적인 거짓 알람 (false alarm) 을 나타내는 문턱 값 리셋 피처가 체크될 수도 있고, ON이면 이슈가 존재하지 않을 가능성이 있다. 그러나, 문턱 값 리셋 피처가 OFF이면, 조건이 존재할 수도 있고 유지 보수가 스케쥴링될 수도 있다. 일부 경우들에서, 프로세싱 모듈이 정상 동작 온도들 이하로 실행된다면, 유지 보수는 센서들의 대응하는 뱅크에 대해 스케쥴링되어야 한다. 이러한 타입들의 조건부 시나리오들의 센서 데이터에 프로세스 제어 제한들을 적용하는 것은 어렵다. 이러한 이유들로 인해, 전통적인 툴들이, 숙련된 기술자가 이슈를 문제 해결하게 하고 센서 데이터 값들을 정확하게 해석하게 하는 것이 중요하다.
데이터를 기록하기 위해, 툴은 센서 데이터 스트림의 진단 트레이스로 하여금 제 1 시스템 오퍼레이터 입력 (예를 들어, 시작 버튼을 누름) 을 통해 시스템 오퍼레이터에 의해 개시되게 할 수도 있다. 기록은 설정된 시간의 양 후 또는 제 2 시스템 오퍼레이터 입력 (예를 들어, 중단 버튼을 누름) 에 응답하여 중단된다. 데이터 기록을 시작하기 위해 버튼을 누르는 것은 시스템 오퍼레이터가 제어된 테스트들을 실행할 때 훌륭하게 작동하지만, 정상 프로세싱 기간들 동안 그리고/또는 연장된 시간의 기간들에 걸쳐 때때로 발생하는 반복된 이벤트들을 캡처하려고 할 때 훌륭하게 작동하지 않는다. 수동 제어들에 기초하여 데이터를 기록하는 것은 또한 많은 양의 불필요한 데이터로 하여금 수집되게 하고, 이는 사용 가능한 메모리를 신속하게 채운다.
본 명세서에 제시된 실시 예들은 툴 (또는 플랫폼) 의 센서들을 모니터링하고, 센서 데이터에 기초하여, 툴의 상태들을 평가하는 시스템 건전성 모니터링, 평가 및 응답 (health monitoring, assessing and responding; HMAR) 시스템을 포함한다. 일부 실시 예들에 따라, 이는 개별 서브-시스템들, 모듈들, 디바이스들, 컴포넌트들, 센서들, 등에 대한 건전성 인덱스 (health index; HI) 값들을 생성하는 것 및 전체 시스템 건전성 인덱스 (system health index; SHI) 값을 생성하는 것을 포함한다. 일부 실시 예들에서, SHI 값은 HI 값들의 집계 (aggregation) 에 기초하여 생성된다. 개별 HI 값 각각은 툴의 잠재적인 고장 모드들의 지식에 기초한 하나 이상의 알고리즘들을 사용하여 결정된다. 이 방법은 많은 양의 이력 데이터를 평가하기 위해 머신 러닝 알고리즘을 사용하는 것과 상이하다. 이력 데이터에 기초한 머신 러닝 알고리즘의 사용은 많은 양의 시스템 메모리 및 컴퓨테이션 (computational) 능력을 필요로 하고 "거의 불가능한 일 (digging for a needle in a haystack)"과 같다. 개시된 집계 방법은 저장되고 평가된 데이터의 양을 상당히 감소시키고 따라서 툴의 상태를 평가하는데 필요한 메모리 사용량 (usage), 데이터 프로세싱 시간 및 컴퓨테이션 능력을 감소시킨다. 일부 실시 예들에서, 툴은 이하에 더 기술된 바와 같이, SHI 값 및/또는 다른 HI 값들에 응답하여 다양한 액션들을 수행할 수도 있다.
시스템은 수집된 센서 데이터를 실시간으로, 즉 정상 프로세싱 동작 및/또는 비정상 프로세싱 동작 동안 평가한다. 정상 프로세싱 기간들 동안 데이터를 수집하고 평가하는 것은 프로세싱 결과들에 영향을 주는 거동의 더 직접적인 측정 및 평가를 제공한다. 연속적인 체킹은 기판들이 툴을 통해 순환되는 동안 그리고 프로세싱 동안 툴 상에서 발생하는 것의 측정을 제공하도록 기판의 프로세싱 시간의 설정된 기간들에 걸쳐 구현된다. 연장된 기간들 동안 연속적으로 실행하면 컴포넌트가 고장날 때를 더 잘 예측할 수 있다. 더 빈번하게 그리고 프로세싱 동안 데이터를 수집하는 것은 데이터가 프로세스 결과들과 동기화되게 한다.
본 명세서에 제시된 실시 예들은 또한 센서들의 식별자들 (identifiers; IDs), 센서들의 위치들, 및 센서들의 상태들을 디스플레이하는 것을 포함하는, 센서 맵핑을 포함한다. 이는 시스템 오퍼레이터로 하여금 사용자 인터페이스 (user interface; UI) 를 단순히 바라봄으로써 모니터링된 센서 각각의 ID, 물리적 위치 (이하 "위치") 및 상태를 신속하고 쉽게 결정하게 한다. 센서들의 데이터 출력 값들은 센서의 ID, 위치 및 상태와 동일한 스크린 및/또는 윈도우 또는 상이한 스크린 및/또는 윈도우 상에서 시간에 대해 도시될 수도 있다. 일부 실시 예들에서, 데이터 값들 대 시간은 센서 ID, 위치 및 현재 상태를 나타내는 박스를 클릭함으로써 플롯을 통해 도시될 수도 있다. 센서들과 연관된 HI 값들이 또한 지시될 수도 있다. 센서 정보는 하나 이상의 UI 스크린들 및/또는 윈도우들을 사용하여 디스플레이될 수도 있다. UI 스크린들 및/또는 윈도우들은 오버레이된 (overlay) 센서 정보가 대응하는 툴 및/또는 툴의 부분들의 그래픽 이미지들을 포함할 수도 있다. 시스템은 대응하는 데이터를 동시에 모니터링하고 볼 (view) 센서들을 선택할 수도 있다. 일부 실시 예들에서, 선택은 시스템 오퍼레이터에 의해 수행된다.
센서들의 위치를 디스플레이하는 것은 시스템 오퍼레이터들로 하여금, 특히 많은 수의 센서들이 툴 상에서 활용될 때 센서 값들과 시스템 성능 사이의 경향들을 신속하고 쉽게 식별하게 한다. 센서들의 위치를 디스플레이하는 것은 또한 엔지니어로 하여금 툴의 이슈를 더 쉽게 문제 해결하게 한다. 전통적으로, 엔지니어는 부적절한 (또는 정상을 벗어난) 센서 판독 값과 연관된 센서를 단순히 추적하고 위치를 찾기 위해 몇 시간을 소비할 수도 있다. 이는 센서의 위치를 결정하기 위해 사람들에게 이메일을 보내고 서류를 샅샅이 찾는 것 (combing through documentation) 을 포함할 수도 있다. 엔지니어는 또한 센서가 툴의 제 1 컴포넌트 상에 있다고 잘못 결정할 수도 있고 제 1 컴포넌트의 문제 해결을 시작할 수도 있고 그리고 나중에 센서가 제 2 (또는 상이한) 컴포넌트 상에 위치된다는 것을 결정할 수도 있다. 엔지니어가 제 2 컴포넌트 대신 제 1 컴포넌트의 문제를 해결하고 있었기 때문에 문제 해결 프로세스를 다시 시작해야 해서 추가 다운타임을 유발한다. 센서들의 위치들을 디스플레이하는 것은 이슈의 근본 원인을 결정하기 위해 센서들을 찾고 이슈를 해결하는 시간을 세이브한다 (save).
일부 실시 예들에서, 데이터로깅 (datalogging) 의 자동 시작 및 중단은 센서 출력들, 특정한 조건들이 존재하거나 가까운 미래에 발생할 수도 있다는 결정, 문턱 값들, 트리거 이벤트들, 등에 기초하여 구현된다. 일부 실시 예들에서, 개시된 시스템은 시스템 오퍼레이터로 하여금 트리거 이벤트의 시작 및 중단을 셋업하게 한다. 데이터로깅은 트리거 이벤트가 발생할 때 자동으로 시작되고 중단된다. 제한들 및 다른 조건들은 예를 들어 데이터 보유 시간을 제한하도록 설정될 수도 있다. 제한들 및 다른 조건들은 또한 데이터로깅이 시작된 때로부터 미리 결정된 시간 기간 후에 중단 트리거가 발생하지 않을 때 데이터로깅의 타임아웃을 유발하도록 설정될 수도 있다. 일부 실시 예들에서, 데이터로깅은 미리 설정된 시간 기간 (예를 들어, 일 (day), 주 (week), 등) 후에 디스에이블될 (disable) 수도 있다. 일부 실시 예들에서, 데이터로깅은 HI 값들 및/또는 대응하는 정보에 기초하여 시작될 수도 있다. 일부 실시 예들에서, 성능이 악화되도록 컴포넌트가 이상하게 거동하거나 열화되기 시작하면, 이어서 시스템은 컴포넌트와 직접적으로 연관되고 그리고/또는 컴포넌트에 의해 간접적으로 영향을 받는 센서들의 데이터로깅을 시작할 수도 있다. 시스템은 또한 분석할 부가적인 데이터를 수집하고, 대응하는 열화되는 양태들을 모니터링하고, 그리고/또는 하나 이상의 이슈들을 검출하도록 이들 센서들의 데이터로깅을 확장할 수도 있다. 자동 데이터로깅은 툴의 저속 및 고속 데이터로깅에 적용될 수도 있다. 일부 실시 예들에서, 툴은 특정한 센서들에 대해 약 20 ㎐에서 저속 데이터로깅을 수행하고 기타 센서들에 대해 고속 데이터로깅 (예를 들어, 약 1 ㎑) 을 수행할 수도 있다. 일부 실시 예들에서, 시스템은 저속 데이터로깅이 수행되는 하나 이상의 센서들의 제 1 세트 및 고속 데이터로깅이 수행되는 하나 이상의 센서들의 제 2 세트를 결정할 수도 있다.
도 1은 프론트 엔드 통합 포드 (front end unified pod; FOUP) (104) 를 갖는 로드 포트 모듈 (load port module; LPM) (102), EFEM 및 로드 록 (이하에서 "EFEM") (106), 에어록 (108), VTM (110), 프로세싱 모듈들 (또는 스테이션들) (112), 전력 록 아웃 및 태그 아웃 시스템 (power lock out and tag out system) (114) 및 제어 스테이션 (116) 을 포함하는 HMAR 시스템 (100) 의 부분을 도시한다. LPM (102), EFEM (106), 에어록 (108), VTM (110) 및 전력 록 아웃 및 태그 아웃 시스템 (114) 은 플랫폼으로 지칭될 수도 있다. 기판들은 처음에 수용되고 FOUP들 (104) 내에 저장되고 다양한 증착, 에칭 및 세정 프로세스들을 수행하기 위해 프로세싱 모듈들 (112) 로 이송된다. VTM (110) 은 스테이션들 (112) 로 그리고 스테이션들 (112) 로부터 웨이퍼들을 이송한다. VTM (110) 은 로봇들 (예시적인 로봇들 (120, 122) 이 도시됨) 및 기판들의 임시 저장을 위한 하나 이상의 버퍼들 (하나의 버퍼 (124) 가 도시됨) 을 포함할 수도 있다. 로봇들은 스테이션들 (112) 및 버퍼(들)로 그리고 스테이션들 (112) 및 버퍼(들)로부터 기판들을 이송한다. 프로세싱 모듈들 (112) 과 조합된 플랫폼은 기판 프로세싱 시스템으로 지칭될 수도 있다. 스테이션들 (112) 각각은 예를 들어, 무선 주파수 (radio frequency; RF) 플라즈마를 사용하여 기판들을 에칭하기 위해 사용될 수도 있다. 스테이션들 (112) 각각은 유도성 커플링 플라즈마 (inductive coupled plasma; ICP) 챔버 또는 전도성 커플링 플라즈마 (conductive coupled plasma; CCP) 챔버와 같은, 프로세싱 챔버를 포함한다. 스테이션들 (112) 은 예를 들어, 전도성 에칭 프로세스 또는 유전체 에칭 프로세스를 수행할 수도 있다.
제어 스테이션 (116) 은 플랫폼 및 프로세싱 스테이션들 (112) 의 동작을 제어할 수도 있다. 제어 스테이션 (116) 은 제어기 (130), 하드웨어 인터페이스 (132), 사용자 인터페이스들 (134), 및 메모리 (136) 를 포함할 수도 있다. 하드웨어 인터페이스 (132) 는 LPM (102), FOUP들 (104), EFEM (106), 에어록 (108), VTM (110), 스테이션들 (112), 전력 록 아웃 및 태그 아웃 시스템 (114), 및 로봇들에 전기적으로 연결될 수도 있다. 제어기 (130) 는 LPM (102), FOUP들 (104), EFEM (106), 에어록 (108), VTM (110), 스테이션들 (112), 전력 록 아웃 및 태그 아웃 시스템 (114), 및 로봇들을 제어하고 모니터링할 수도 있다. 이는 LPM (102), FOUP들 (104), EFEM (106), 에어록 (108), VTM (110), 스테이션들 (112), 전력 록 아웃 및 태그 아웃 시스템 (114), 및 로봇들의 모니터링 센서들을 포함한다. 일부 실시 예들에서, 제어기 (130) 는 범용 컴퓨터/프로세서이다. 일부 실시 예들에서, 제어기 (130) 는 웨이퍼 제조 장비의 센서들 및 프로그램들의 특정한 세트와 상호 작용하거나 명령하도록 구성된 특수 목적 컴퓨터/프로세서이다. 예시적인 센서들이 도 2에 대해 도시되고 기술된다. 사용자 인터페이스들 (134) 은 하나 이상의 터치 스크린들, 키보드, 등과 같은 하나 이상의 디스플레이들을 포함할 수도 있다. 메모리 (136) 는 센서들로부터 수집된 데이터 및 이하에 기술된 바와 같이 기타 데이터 및 정보를 저장할 수도 있다.
도 2는 LPM (102), EFEM (106), 에어록 (108), VTM (110), 스테이션들 (112), 전력 록 아웃 및 태그 아웃 시스템 (114), 및 제어 스테이션 (116) 을 포함하는 HMAR 시스템 (100) 의 부분 (200) 을 도시한다. 부분 (200) 은 또한 센서 맵핑 시스템 및/또는 데이터로깅 시스템으로 지칭될 수도 있다. 부분 (200) 은 또한 로봇들 (120, 122) 을 포함할 수도 있는 로봇들 (202) 을 포함한다. LPM (102), EFEM (106), 에어록 (108), VTM (110), 스테이션들 (112), 전력 록 아웃 및 태그 아웃 시스템 (114), 및 로봇들 (202) 은 각각의 센서들 (210, 212, 214, 216, 218, 220, 222) 을 포함할 수도 있다. LPM (102) 의 센서들 (210) 은 압력 센서들, 진동 센서들, 등을 포함할 수도 있다. 센서들 (210) 은 예를 들어, 압축 건조 공기 (compressed dry air; CDA) 압력 센서 및 도어 진동 센서를 포함할 수 있다.
EFEM (106) 의 센서들 (212) 은 압력 센서들, 온도 센서들, 상대 습도 (relative humidity; RH) 센서들, 산소 센서들, 농도 센서들, 진동 센서들, 플로우 레이트 센서들, 속도 센서들, 입자 센서들, 등을 포함할 수도 있다. 센서들 (212) 은 카메라들; 프레임 진동 센서들; 팬 필터 유닛 플로우 레이트 센서들; 팬 속도 센서들; 인쇄 회로 기판 (printed circuit board; PCB) 온도 센서, RH 센서 및 압력 진동 센서; 질소 온도 센서들; 질소 압력 센서들; 등을 포함할 수도 있다. 에어록 (108) 의 센서들 (214) 은 압력 센서들, 산소 센서들, 진동 센서들, RH 센서들, 온도 센서들, 입자 센서들, 등을 포함할 수도 있다. 센서들 (214) 은 카메라들, 도어 진동 센서들, 도어 CDA 압력 센서들, 등을 포함할 수도 있다.
VTM (110) 의 센서들 (216) 은 압력 센서들, 온도 센서들, RH 센서들, 산소 센서들, 진동 센서들, 등을 포함할 수도 있다. 센서들 (216) 은 카메라들; 로커 밸브 진동 센서들; 및 PCB 온도 센서, RH 센서 및 압력 진동 센서를 포함할 수도 있다. 센서들 (216) 은 로커 밸브들 상에 있는 가속도계들을 포함할 수도 있다. 스테이션들 (112) 의 센서들 (218) 은 온도 센서들, 압력 센서들, 농도 센서들, 전압 센서들, 전류 센서들, 등을 포함할 수도 있다. 전력 록 아웃 및 태그 아웃 시스템 (114) 의 센서들 (220) 은 온도 센서들, 진동 센서들, 등을 포함할 수도 있다. 로봇들 (202) 의 센서들 (222) 은 온도 센서들, 진공 압력, 진동 센서들, 포지션 센서들, 전압 센서들, 전류 센서들, 등을 포함할 수도 있다. 센서들 (210, 212, 214, 216, 218, 220, 222) 및/또는 연관된 하드웨어는 제어기 (130) 에 의해 제공될 수도 있고 그리고/또는 제어기 (130) 에 의해 수신될 수도 있는 연관된 아날로그 입력들, 디지털 입력들, 아날로그 출력들, 및/또는 디지털 출력들을 가질 수도 있다. 센서들 (210, 212, 214, 216, 218, 220, 222) 의 일부 예들이 상기 언급되었지만, 센서들 (210, 212, 214, 216, 218, 220, 222) 은 기타 센서들, 예컨대 카메라들 및/또는 기타 센서를 포함할 수도 있다.
일부 실시 예들에서, 제어기 (130) 는 HI 모듈 (230), 센서 맵핑 모듈 (232) 및 데이터로깅 모듈 (234) 을 포함한다. HI 모듈 (230) 은 센서들 (210, 212, 214, 216, 218, 220, 222), 및 기타 컴포넌트들 및/또는 디바이스들과 같은 컴포넌트들 및/또는 디바이스들의 HI 값들을 결정한다. HI 모듈 (230) 은 또한 플랫폼 및/또는 프로세싱 모듈들 (112) 을 포함할 수도 있는, 모듈들, 서브-시스템들 및 기판 프로세싱 시스템에 대한 HI 값들을 결정한다. HI 값들이 결정될 수도 있는 방법의 예시적인 실시 예들이 도 5 내지 도 13에 대해 이하에 기술된다. 도 13은 기판 프로세싱 시스템의 상이한 계층적 레벨들에 대한 HI 값들을 갖는 예시적인 계층적 다이어그램을 도시한다.
센서 맵핑 모듈 (232) 은 메모리 (136) 에 저장되는 센서 정보를 결정한다. 메모리 (136) 는 센서 식별자들 (identifiers; IDs) (242), 센서 상태들 (244), 및 센서 HI 값들 (246) 을 포함하는 센서 정보 (240); 센서 데이터 (248); 기타 HI 값들 (250); 및 알고리즘들 (252) 을 저장한다. 기타 HI 값들 (250) 은 시스템, 모듈, 디바이스 및/또는 컴포넌트 HI 값들을 포함할 수도 있다. 센서 상태들 (244) 은 현재 동작 상태 또는 파라미터들 (예를 들어, 온도) 과 같은 센서들 (210, 212, 214, 216, 218, 220, 222) 의 현재 출력들일 수도 있다. 센서 정보 (240) 는 이력 총계 값 (aggregate value) 과 같은 다른 센서 정보를 포함할 수도 있다. 센서 ID들 (242) 은 부품 번호, 일련 번호, 고유 라벨, 또는 이들의 임의의 조합들을 포함할 수도 있다. 알고리즘들 (252) 은 제어기 (130) 에 의해 실행되는, 본 명세서에 개시된 임의의 알고리즘들을 포함할 수도 있다.
동작 동안, HI 모듈 (230) 은 일부 실시 예들에 따른 데이터로깅 동작들을 수행하기 위한 인스트럭션들을 데이터로깅 모듈 (234) 에 제공할 수도 있다. 인스트럭션들은 모니터링할 센서들, 센서들로부터 데이터를 수집하기 위한 기간들, 데이터를 수집하기 위한 빈도, 수집 사이즈, 분해능 (또는 샘플링 레이트들), 등을 포함할 수도 있다. 데이터로깅 모듈 (234) 은 수신된 인스트럭션들에 기초하여 선택된 센서들로부터 데이터를 수집하는 것을 포함하는 데이터로깅을 수행할 수도 있다. 이어서 HI 모듈 (230) 은 데이터로깅 모듈 (234) 에 의해 수집된 데이터를 수신할 수도 있다. HI 모듈 (230) 은 또한 센서 정보 및 데이터 플롯팅을 디스플레이하기 위한 인스트럭션들을 센서 맵핑 모듈 (232) 에 제공할 수도 있다. 이는 센서 ID들, 제공된 센서 ID들과 연관된 정보 및/또는 데이터를 디스플레이하기 위한 기간들, 센서 정보 및/또는 데이터를 디스플레이할지 여부, 복수의 센서들로부터 데이터를 플롯팅할지 여부, 등을 제공하는 것을 포함할 수도 있다. HI 모듈 (230) 은 센서 맵핑 모듈 (232) 로부터 센서 레이아웃 맵들 및 값들을 수신할 수도 있다. 센서 맵핑 모듈 (232) 은 센서들의 위치들, 센서 상태 값들 (예를 들어, 데이터로깅 모듈 (234) 로부터 로깅된 데이터), HI 모듈 (230) 로부터의 한계들 및/또는 조건들, 등을 나타내는 입력들을 수신할 수도 있다.
HI 모듈 (230) 은 정상 프로세스 조건들, 비정상 프로세스 조건들 및/또는 다른 조건들 동안 센서 데이터 추적을 수행할 수도 있다. 이는 툴이 유휴 상태인 동안 그리고/또는 프로세싱 동안 발생할 수도 있다. 이는 미리 결정된, 주기적, 랜덤, 및/또는 세미-랜덤 (semi-random) 추적을 포함할 수도 있다. 일부 실시 예들에서, HI 모듈 (230) 은 센서 데이터 평가 (시간이 흐름에 따른 델타들, 경향들, 등) 를 추적하고 결정한다. HI 모듈 (230) 은 개별적으로 추적된 센서 각각의 데이터; 동일한 프로세싱 스테이션의 센서들로부터의 데이터; 상이한 프로세싱 스테이션의 센서들로부터의 데이터; 상이한 프로세싱 모듈들의 센서들로부터의 데이터; 복수의 툴들이 모니터링될 때 상이한 툴들의 센서들로부터의 데이터; 및 상기 언급된 임의의 조합들의 상관을 제공한다. 일부 실시 예들에서, HI 모듈 (230) 은 특정한 조건들이 존재하는지 여부를 평가할 때 데이터 곡선들의 기울기들, 기울기 결정을 위한 타이밍, 상이한 센서들의 가중치들, 등을 결정한다.
일부 실시 예들에서, HI 모듈 (230) 은 또한 로컬 및/또는 세미-로컬 기반, 스테이션 기반, 디바이스 기반, 모듈 기반, 프로세싱 모듈 기반, 그리고/또는 툴 기반일 수도 있는 집계를 수행한다. 집계는 유사한 및/또는 상이한 센서들, 관련된 센서들 및/또는 관련되지 않은 센서들의 그룹, 등에 대한 것일 수도 있다. HI 모듈 (230) 은 이하에 더 기술된 바와 같이, 최저 상관 값 및/또는 집계 값을 선택한다. HI 모듈 (230) 은 파라미터들 및 HI 값들의 분포들, 평균들, 표준 편차들, 및 시프트들을 모니터링한다. HI 모듈 (230) 은 동일한 컴포넌트들, 디바이스들, 모듈들, 서브-시스템들, 프로세싱 스테이션들; 및 상이한 컴포넌트들, 디바이스들, 모듈들, 서브-시스템들, 프로세싱 스테이션들에 대한 집계 값들을 상관시킨다. 일부 실시 예들에서, HI 모듈 (230) 은 집계 값들을 비교하고 최저 집계 값을 선택하는 것을 포함할 수도 있는, 건전성 인덱스 스코어링을 제공하도록 파라미터들 및 집계 값들을 평가하고 상관시킨다.
HI 모듈 (230) 은 경향 인식; 열화 인식; 회귀 분석; 조기 경고 지표들; 센서들, 스테이션들, 프로세싱 모듈들, 툴들 등의 상태 보고; 및 문제 해결 결과들을 결정하고 보고하기 위한 동작들을 더 수행한다. HI 모듈 (230) 은 데이터 수집을 위한 센서(들), 수행될 하나 이상의 액션들에 대한 타이밍, 및 샘플링 주파수를 포함하는 데이터로깅을 위한 인스트럭션들을 생성한다. HI 모듈 (230) 은 카테고리 한계 셋팅, 알람 제한 셋팅을 포함하는 리셋팅 및 업데이팅, 리셋팅 및 업데이팅 (포커싱, 확장 및/또는 시프팅); 결정 한계 셋팅, 리셋팅 및 업데이팅 (포커싱, 확장 및/또는 시프팅); 정상 동작 범위 셋팅, 리셋팅 및 업데이팅 (포커싱, 확장 및/또는 시프팅); 시스템 오퍼레이터 입력들에 기초한 셋팅 조정들; 등을 포함한다. 이는 기준 셋팅 및/또는 업데이팅을 포함한다. HI 모듈 (230) 은 또한 건전성 상태 보고들, 경고 보고들, 예방적 유지 보수 지표들, 셧다운 지표들, 셧다운 동작들, 등을 제공하는 것을 포함하는 상관들 및 집계들의 결과들에 기초하여 예방적 유지 보수 및/또는 대응책 동작들을 수행할 수도 있다. 일 예로서, 지표들, 건전성 상태 보고들은 하나 이상의 건전성 지표 값들, 데이터 플롯들, 센서 위치 정보, 센서 출력 값들, 및/또는 본 명세서에 개시된 다른 상태 정보를 포함하는 건전성 상태 지표들을 포함할 수도 있다. HI 모듈 (230) 은 열화 예측들, 보고 및 예방적 유지 보수 및/또는 대응책 개시를 위해 상호 작용들, 업데이팅 모델들, 한계들, 등 찾기 위해 데이터 스트림들을 비교할 수도 있다. HI 모듈 (230) 은 또한 데이터 저장량을 최소화하기 위해 데이터 중복 제거 및/또는 세정을 수행할 수도 있다.
센서 맵핑 모듈 (232) 은 센서들을 식별하고 라벨링하고; 센서들의 위치들을 결정하고; 센서들의 출력 상태들을 나타내고; 일부 실시 예들에 따른 센서 위치들 및 기타 센서 정보들의 2 차원 (2D) 및/또는 3 차원 (3D) 맵핑 및 그래픽 디스플레이를 제공한다. 센서 맵핑 모듈 (232) 은 또한 센서 선택 (예를 들어, 센서 위치가 도시되고 시간이 흐름에 따른 센서 출력의 그래프를 디스플레이하는 디스플레이의 부분을 클릭함) 에 응답하여 선택된 센서(들)로부터 데이터를 플롯팅할 수도 있다. 데이터는 선택된 시간 기간들에 기초하여 플롯팅될 수도 있고 그리고/또는 플롯팅된 센서 데이터의 슬라이딩 윈도우로서 디스플레이될 수도 있다. 복수의 센서들로부터의 데이터는 동일한 그래프 및/또는 동일한 윈도우에 타임 스탬핑되고 플롯팅될 수도 있다. 센서 맵핑 모듈 (232) 은 미리 결정된 데이터로깅/디스플레이 계획에 기초하여 상이한 시간 기간들 동안 상이한 센서들의 세트들에 대한 그래픽 디스플레이 및/또는 데이터 플롯팅을 셋팅할 수도 있다. 이는 시스템 오퍼레이터 입력들에 기초하여 설정 및/또는 조정될 수도 있다. 디스플레이된 센서 정보는 경고들 및/또는 경보들을 포함할 수도 있다. 모니터링되는 센서 각각으로부터 상이한 데이터 세트가 수집될 수도 있다. 따라서, 복수의 센서들이 모니터링될 때, 복수의 데이터 세트들이 수집된다.
센서 맵핑 모듈 (232) 은 디스플레이된 센서 정보의 위치들 및/또는 값들을 컬러 코딩할 수도 있다. 이는 값들이 미리 결정된 한계들/범위들 내에 있는지, 한계들 근처에 있는지, 또는 미리 결정된 한계들/범위들 외부에 있는지 여부를 나타내도록 행해질 수도 있다. 이는 또한 예를 들어, 복수의 온도 센서들이 모니터링될 때 가상 열 맵 (virtual heat map) 를 제공하도록 또는 대안적으로 행해질 수도 있다. 상관 값 및/또는 집계 값은 플롯팅될 수도 있고 시스템 오퍼레이터 입력들에 기초할 수도 있다.
데이터로깅 모듈 (234) 은 일부 실시 예들에 따라 하나 이상의 트리거링 이벤트들 및/또는 미리 결정된 멀티-이벤트 조건 세트들에 기초하여 선택된 센서(들)로부터 데이터 수집의 멀티-센서 시간 기반 트리거링 및 이벤트 기반 트리거링을 수행한다. 일 실시 예에서, 선택된 센서(들)로부터 사전 이벤트 트리거링 데이터 수집이 수행된다. 이벤트 및 사전-이벤트 트리거링은 시스템 오퍼레이터 입력들에 기초하여 수행될 수도 있다. 데이터로깅의 타임아웃은 트리거 중단 이벤트가 검출되지 않을 때 그리고/또는 미리 결정된 양의 데이터가 수집될 때 발생할 수도 있다. 데이터로깅 모듈 (234) 은 미리 결정된 데이터로깅 계획에 기초하여 상이한 시간 기간들 동안 상이한 센서들의 세트들에 대한 데이터로깅을 설정한다. 이는 시스템 오퍼레이터 입력들에 기초하여 설정 및/또는 조정될 수도 있다. 데이터로깅 모듈 (234) 은 데이터 버퍼링 및 루프된 버퍼링을 수행할 수도 있고 이벤트와 직접적으로 연관된 센서들로부터 그리고/또는 이벤트와 간접적으로 관련된 다른 센서들로부터 데이터를 수집할 수도 있다. 데이터로깅 모듈 (234) 은 미리 결정된 총 수의 동일한 특정한 이벤트가 센서(들)의 미리 결정된 세트에 의해 데이터 수집을 트리거링하도록 발생되었는지 여부를 설정하고 추적한다. 데이터로깅 모듈 (234) 은 데이터로깅을 계속해서 수행하는 동안 (즉, 수집 및/또는 캡처될 때) 실시간으로 데이터를 보고할 수도 있다. 트리거링 이벤트들 및/또는 멀티-이벤트 조건 세트들의 수 및 타입들은 HI 모듈 (230) 로부터의 인스트럭션들에 기초하여 좁혀지고, 유지되고 그리고/또는 확장될 수도 있다.
제어기 (130) 는 일부 실시 예들에 따라 수집된 센서 정보 및 생성된 HI 값들에 기초하여 다양한 디바이스들의 상태들을 모니터링하고 제어할 수도 있다. 일부 실시 예들에서, HI 값은 수집된 데이터의 세트 각각에 대해 생성된다. 도 2는 LPM 도어 액추에이터들 (251), EFEM 팬 모터들 (253), 에어록 밸브들 (254), 로봇 모터들 (256) 및 VTM 밸브들 (258) 을 포함하는 일부 예시적인 디바이스들을 도시한다. 다른 디바이스들이 포함되고, 모니터링되고, 제어될 수도 있다. 디바이스들은 또한 트리거 이벤트들, 초과되는 문턱 값들 및/또는 충족되는 다른 조건들에 기초하여 제어될 수도 있다. 디바이스들은 수행되는 대응책들의 일부로서 제어될 수도 있다.
도 3은 예를 들어, 도 1의 사용자 인터페이스들 (134) 중 하나 상에 디스플레이될 수도 있는 2D 센서 정보 및 HI 보고 스크린 (300) 을 도시한다. 스크린 (300) 은 일 예로서 제공되고, 센서들의 물리적 위치들 및 센서 정보를 도시하는 다른 스크린들이 또한 도시될 수도 있다. 일 실시 예에서, 시스템 오퍼레이터는 볼 스크린을 선택할 수 있고 센서의 위치를 쉽게 핀포인팅하기 (pinpoint) 위해 센서 및 주변 시스템 하드웨어의 물리적 위치를 "줌 인"할 수 있다. 스크린들은 하드웨어의 2D 뷰들 또는 3D 뷰들을 포함할 수도 있다. 예시적인 3D 뷰가 도 4에 도시된다. 일 실시 예에서, 수많은 센서들 (예를 들어, 20 개 보다 많은 센서들) 이 구현되고 기판 프로세싱 시스템 전반에 걸친 온도들 및 검출된 온도들의 각각의 위치들을 나타내는 열 맵으로서 사용된다. 다양한 다른 파라미터 맵들이 또한 상이한 온도들의 열 맵과 함께 표시될 수도 있다.
도 3의 스크린 (300) 은 LPM (102), FOUP들 (104), EFEM (106), 에어록 (108), VTM (110), 스테이션들 (112), 전력 록 아웃 및 태그 아웃 시스템 (114), 로봇들 (120, 122), 및 버퍼 (124) 를 포함하는 기판 프로세싱 시스템의 오버헤드 뷰이다. 복수의 예시적인 센서 정보 블록들 (302) 이 도시된다. 센서 정보 블록들 (302) 은 센서 ID들, 센서 상태 값들, 및 HI 값들을 포함한다. 예시적인 센서 ID들 (S1 내지 S6), 센서 상태 온도 값들 (T1 내지 T6), 센서 상태 모터 전류 값 (C1), 및 HI 값들 (HI1 내지 HI6) 이 도시된다. 센서 정보 블록들은 예들로서 제공된다. 임의의 수의 센서 정보 블록들이 도시될 수도 있다. 센서 정보 블록들의 수 및 센서 정보 블록들의 내용은 시스템 오퍼레이터에 의해 커스터마이징될 수도 있다. 디바이스들, 모듈들, 서브-시스템들 및/또는 기판 프로세싱 시스템에 대한 집계된 HI 값들이 또한 디스플레이될 수도 있다. 기판 프로세싱 시스템에 대한 전체 SHI 값을 나타내는 예시적인 SHI 값 블록 (304) 이 도시된다.
도 4는 3D 센서 정보 및 HI 보고 스크린 (400) 을 도시한다. 스크린 (400) 은 FOUP들 (104), EFEM (106), 무선 주파수 생성기들 (410) 및 가스 박스들 (412) 을 갖는 프로세싱 모듈들 (112), 및 전력 록 아웃 및 태그 아웃 시스템 (114) 을 포함하는 기판 프로세싱 시스템을 도시한다. 예시적인 센서 정보 블록들 (420) 및 SHI 상태 블록 (422) 이 도시된다. 시스템 오퍼레이터는 시간이 흐름에 따른 센서 출력의 플롯을 디스플레이하기 위해 센서 정보 블록들 (420) 중 하나를 탭하거나 (tap) 클릭할 수도 있다. 센서 (S7) 에 대한 예시적인 플롯 (424) 이 도시된다. 일 실시 예에서, 시스템 오퍼레이터는 특정한 위치를 클릭할 수 있고 그 위치 및/또는 근방의 센서들의 플롯들이 제공된다. 일부 실시 예들에서, 시간이 흐름에 따른 복수의 센서들의 플롯팅된 출력들을 포함하는 단일 그래프가 제공될 수도 있다. 이는 시스템 오퍼레이터로 하여금 대응하는 파라미터들의 변화들을 보고 이슈가 존재하는지 여부 및 이슈의 원인을 결정하게 한다.
일 실시 예에서, 도 3 및 도 4 및/또는 다른 센서 정보 스크린들은 각각의 센서들의 위치들을 식별하는 도트들을 포함한다. 두 개의 도트들 (430, 432) 이 도 4에 도시된다. 일부 실시 예들에서, 3D 스크린은 센서들을 갖는 회색으로 처리된 컴퓨터 이용 설계 (computer aided design; CAD) 모델 및 적색으로 도시된 대응하는 위치들을 포함할 수도 있다. 일부 실시 예들에서, UI는 센서들의 각각의 값들을 갖거나 갖지 않는 센서들의 표로 작성된 목록을 디스플레이할 수도 있다. 사용자는 표로 작성된 목록에서 하나 이상의 엔트리들 (예를 들어, 센서 ID들) 을 클릭하고 그리고/또는 선택할 수도 있다. 이것이 발생할 때, UI는 도 3 및 도 4에 도시된 스크린들 중 하나로 (그리고 그 반대로) 전이할 수도 있다. 또한, 일부 실시 예들에서, 도 2의 제어기 (130) 는 이전에 선택된 센서(들)에 기초하여 모니터링 및/또는 체크할 다른 센서들을 추천한다. 추천은 위치 기반, 센서 타입 기반, 동작 조건 기반일 수 있다. 예를 들어, 도 4의 (432) 를 클릭할 때, 제어기 (130) 는 사용자가 클릭한 곳 근방의 센서들을 보여주는 스크린을 "팝업"할 수도 있다. 이는 기술자들로 하여금 클릭이 발생한 지점을 둘러싼 주변 센서들의 상태를 신속하게 체크하게 하는, 근방 영역에 부가적인 센서들 및/또는 다른 센서들을 보여주는 것을 포함할 수도 있다. 또 다른 실시 예에서, "토글" 피처는 다른 센서들의 추천을 인에이블하고 디스에이블하도록 포함된다.
센서 데이터는 상기 기술된 바와 같이 시간이 흐름에 따라 플롯팅될 수도 있다. 일 실시 예에서, 플롯팅은 특정한 시간에 그리고 특정한 요일에 시작되도록 설정될 수도 있다. 다른 센서들 데이터 플롯팅은 상이한 시간 및 요일에 시작될 수도 있다. 또 다른 실시 예에서, 센서 정보는 컬러 코딩된다 (color code). 이는 센서 ID들, 센서 상태들, 및 센서 HI 값들을 컬러 코딩하는 것을 포함할 수도 있다. 센서 상태들은 열 맵을 제공하도록 컬러 코딩될 수도 있다. 일부 실시 예들에서, 색상은 센서 상태 값, 센서에 대한 타겟 (또는 사양) 값, 및/또는 상이한 색상 경사도들을 나타내기 위한 센서 상태 값과 타겟 값 사이의 차에 기초하여 선택될 수도 있다. 예를 들어, 센서 X가 23 ℃ (20 내지 23 ℃의 대응하는 사양) 를 나타내고 센서 Y가 30 ℃ (28 내지 32 ℃의 대응하는 사양) 이면, 센서 X는 센서 Y보다 더 저온이다. 센서 X의 센서 상태는 색상 스케일 상에서 더 청색을 향한 색상으로 표현될 수도 있는 한편, 센서 Y의 센서 상태는 색상 스케일 상에서 더 적색을 향한 색상일 수도 있다. 일부 실시 예들에서, 센서 X는 대응하는 사양과 비교하여 고온이고 더 적색을 향한 색상을 갖는 센서 상태를 갖는다. 센서 Y는 대응하는 사양의 중간에 있고, 색상 스케일 상에서 중심에 위치된 녹색을 갖는 센서 상태를 갖는다.
도 5는 특정한 실시 예들에 따라 HI 값들을 획득하기 위한 예시적인 프로세스를 도시한다. 이하에 기술된 계산들 중 적어도 일부는 보조 컴퓨터 또는 서버에 의해 오프라인으로 또는 이하에 기술된 바와 같이 수행될 수도 있다. 수집된 데이터는 기술된 바와 같이 활용될 수도 있고 그리고/또는 미래의 계산들을 위해 온보드 (onboard) 및/또는 오프보드 (onboard) 메모리에 대조되고 저장될 수도 있다. 방법은 도 1 내지 도 4의 실시 예들에 대해 수행될 수도 있다. 방법의 동작들은 제어기 (130) 의 HI 모듈 (230) 에 의해 수행될 수도 있고, 반복적으로 수행될 수도 있고, (500) 에서 시작될 수도 있다. (502) 에서, HI 모듈 (230) 은 기판 프로세싱 시스템의 안전하고 적절한 동작을 위해 주기적으로 그리고/또는 연속적으로 체크하고, 보고하고, 응답하도록 트리거들, 문턱 값들, 조건들, HI (또는 파라미터 분포) 한계들 및/또는 제한들의 제 1 세트를 결정할 수도 있다. 트리거들은 센서들의 하나 이상의 세트들의 모니터링을 시작하고 중단할 때의 지표들을 포함할 수도 있고, 여기서 센서들의 세트 각각은 하나 이상의 센서들을 포함한다. 센서 데이터는 문턱 값들과 비교될 수도 있다. 알람들 및 경고 메시지들은 하나 이상의 모니터링된 파라미터들이 설정된 문턱 값들을 초과할 때 생성될 수도 있다. 문턱 값들은 파라미터 문턱 값들뿐만 아니라 HI 한계들 및/또는 파라미터 최소 제한 및 최대 제한을 포함할 수도 있다. 조건들 각각은 하나 이상의 파라미터들이 하나 이상의 미리 결정된 값들, 레벨들 및/또는 미리 결정된 범위들 내에 있는지 여부를 체크하는 것을 포함할 수도 있다. 트리거들, 문턱 값들, 조건들, 및/또는 제한들의 디폴트 세트가 사용될 수도 있다. 본 명세서에 참조된 시스템들 중 하나 및/또는 시스템 오퍼레이터는 대안적으로 사용될 수도 있는 트리거들, 문턱 값들, 조건들, HI 한계들 및/또는 제한들의 커스터마이징된 세트를 생성할 수도 있다. 본 명세서에 참조된 HI 모듈 (230) 및/또는 다른 모듈들은 시간이 흐름에 따라 트리거들, 문턱 값들, 조건들, HI 한계들 및/또는 제한들을 변화시킬 수도 있다.
(504) 에서, HI 모듈 (230) 은 센서들 중 모니터링 및/또는 타이밍 (시작 시간 및 중단 시간 및/또는 트리거 이벤트들) 할 제 1 센서들의 세트를 결정할 수도 있다. 이는 센서들의 최초 디폴트 세트 또는 시스템 오퍼레이터 선택된 센서들의 세트일 수도 있다.
(506) 에서, HI 모듈 (230) 은 현재 모니터링된 센서들로부터 센서 데이터를 수집한다.
(508) 에서, HI 모듈 (230) 은 센서들로부터 수집된 데이터의 세트(들)에 최적합 (best-fit) 곡선 2 차 다항식(들)을 적용할 수도 있다. 2 차 다항식 최적합 곡선이 수집된 센서 데이터의 세트 각각에 대해 결정될 수도 있다. 도 6은 센서 데이터 및 2 차 다항식 최적합 곡선 (600) 을 포함하는 파라미터 데이터 플롯을 도시한다. 일부 실시 예들에서, 플롯은 로드 록 내의 압력과 연관될 수도 있고 누설 레이트 (leak up rate) 를 나타낸다. 곡선은 예를 들어, 식 1을 사용하여 표현될 수도 있고, 여기서 p는 압력이고, t는 시간이고, 
, 
, 그리고 
는 계수들이다.
(510) 에서, HI 모듈 (230) 은 각각의 센서들에 대한 2 차 다항식들의 계수들의 각각의 세트를 메모리에 저장할 수도 있다.
(512) 에서, HI 모듈 (230) 은 대응하는 파라미터들에 대한 계수들의 통계적 분포 (예를 들어, 정규 분포) 에 계수들의 세트들을 비교할 수도 있고 또는 대안적으로 (514) 에서, HI 모듈 (230) 은 HI (또는 파라미터 분포) 한계들에 대한 계수들의 분포들을 조사할 수도 있다. 도 7은 도 6의 2 차 다항식 최적합 곡선의 계수에 대한 예시적인 계수 분포 플롯을 도시한다. 계수 분포 플롯은 시간이 흐름에 따라 계수 각각에 대해 생성될 수도 있다. 계수들을 정규 분포와 비교하는 것은 HI 값을 결정하기 위한 빠른 계산을 제공한다. 이는 예를 들어 플롯팅된 데이터의 제공된 곡선의 모든 데이터를 다른 곡선들 및/또는 이력 데이터들의 큰 세트와 비교하는 것보다 더 빠르다.
(516) 에서, HI 모듈 (230) 은 센서 데이터의 분포들을 생성할 수도 있다. 도 8은 하나 이상의 HI (또는 파라미터 분포) 한계들 및/또는 하나 이상의 엄격한 제한들에 대한 예시적인 파라미터 (또는 가변) 분포를 도시한다. 도 9는 HI 한계 및 엄격한 제한에 대해 시프팅된 도 8의 파라미터 분포를 도시한다. 이는 시간이 흐름에 따라 발생할 수도 있고 열화로 인해 발생할 수도 있다.
(518) 에서, HI 모듈 (230) 은 하나 이상의 HI (또는 파라미터 분포) 한계들에 대한 파라미터들의 대수 변환들의 지수 인자들 (exponential factors) 의 분포들을 생성할 수도 있다. 예시적인 VTM 도어 시일의 열화는 이 접근법을 사용하여 검출될 수도 있다. 시간이 흐름에 따른 압력의 2-파라미터 모델은 방정식 2 또는 방정식 3을 사용하고 적분하여 식 4를 제공할 수도 있고, 여기서 로그 변환은 절편 (intercept) P0 및 지수 인자 알파 (α) 를 갖는 단순한 선형 모델을 제공한다.
도 12는 지수 인자 알파 α의 예시적인 분포를 도시한다.
(520) 에서, HI 모듈 (230) 은 모듈들, 디바이스들, 및/또는 컴포넌트들의 HI 값들을 결정할 수도 있다. HI 값을 결정하기 위해 복수의 상이한 기법들이 사용될 수도 있다. HI 값은 센서 각각에 대해 결정될 수도 있다. 센서들 및/또는 컴포넌트들보다 더 많은 HI 값들이 제공될 수도 있다. 이는 복수의 센서들 및/또는 컴포넌트들의 HI 값들이 하나 이상의 부가적인 HI 값들을 제공하도록 집계될 수도 있기 때문이다.
HI 값은 이벤트들의 총 수 (또는 카운트) 에 대한 정상 값들의 총 수 (또는 카운트) 로서 결정될 수도 있다. 정상 값은 정상 동작을 위한 미리 결정된 동작 범위 내에 있는 센서 출력 값 및/또는 열화된 또는 정상 미만 (below normal) 성능 동작과 연관된 하나 이상의 미리 결정된 문턱 값들을 초과하지 않는 센서 출력 값을 지칭한다. 유사하게, 시스템, 모듈, 디바이스, 및/또는 컴포넌트의 동작의 정상 상태는 시스템, 모듈, 디바이스 및/또는 컴포넌트와 연관된 하나 이상의 센서들이 정상 동작과 연관된 각각의 미리 설정된 동작 범위 내에 있을 때를 지칭할 수도 있다. 하나 이상의 센서들의 출력 값들은 열화된 또는 정상 성능 동작 미만과 연관된 하나 이상의 미리 결정된 문턱 값들을 초과하지 않을 수도 있다.
이는 동작들 (508, 510, 512, 514, 516, 518) 중 어느 것이 수행되는지에 기초하여 구현될 수도 있다. 동작 (512) 가 수행되면, HI 값은 계수들과 계수들의 정규 분포 사이의 차들에 기초할 수도 있다. 일부 실시 예들에서, 동작 (514) 가 수행된다면, HI 모듈 (230) 은 HI 한계들 내에 또는 HI (또는 파라미터 분포) 한계 위에 또는 아래에 있는 대응하는 계수 분포의 백분율에 기초하여 각각의 HI 값을 결정할 수도 있다. 예시적인 낮은 HI (또는 파라미터 분포) 한계 (700) 및 높은 HI (또는 파라미터 분포) 한계 (702) 가 도 7에 도시된다.
동작 (516) 이 수행되면, HI 한계들 내 파라미터 분포의 백분율에 기초하여 HI 값이 생성될 수도 있다. 도 8은 특정한 파라미터에 대한 예시적인 HI (또는 파라미터 분포) 상한 및 예시적인 엄격한 제한을 도시한다. 동작 (518) 이 수행되면, HI 값은 상기 유사하게 기술된 바와 같이 지수 인자 및/또는 대응하는 HI (또는 파라미터 분포) 한계들의 분포에 기초하여 결정될 수도 있다. 도 9는 높은 HI (또는 파라미터 분포) 한계에 더 가까운 도 8의 분포의 드리프트를 예시한다. 드리프트는 열화에 의해 유발될 수 있다. 도 10은 도 8의 분포의 표준 편차의 상승을 예시하기 위해 도시되고, 이는 또한 HI (또는 파라미터 분포) 한계 및 엄격한 제한에 대해 도시된다. 열화로 인해 표준 편차의 상승이 발생할 수 있다. 대응하는 HI 값은 표준 편차가 상승함에 따라 감소한다.
HI 값들을 결정하기 위해 다른 기법들이 구현될 수도 있다. 일부 실시 예들에서, 누설 레이트가 모니터링될 수도 있고 플롯팅된 곡선의 평균 기울기가 결정될 수도 있다. HI 값은 곡선의 평균 기울기에 기초하여 결정될 수도 있다. 시간이 흐름에 따라 누설이 악화됨에 따라, HI 값은 이 변화를 나타낼 것이다.
복수의 HI 값들이 특정한 컴포넌트, 디바이스 또는 모듈과 연관될 때, 가장 낮은 HI 값은 일부 실시 예들에 따라 컴포넌트, 디바이스 또는 모듈에 대한 HI 값으로서 선택된다. 이는 의미있는 최종 결과를 제공한다. 대안으로서 HI 값들이 평균된다면, 더 많은 HI 값들이 비교될수록, 평균 HI 값은 컴포넌트, 디바이스 및/또는 모듈의 건전성를 결정하는 한 덜 의미가있을 것이다.
(522) 에서, HI 모듈 (230) 은 기판 프로세싱 시스템의 SHI 값을 결정한다. 이는 컴포넌트들, 디바이스들, 모듈들 및/또는 서브-시스템들의 최저 HI 값을 선택하는 것을 포함할 수도 있다. 도 13은 도시된 시스템, 모듈, 디바이스 및 컴포넌트 레벨들을 갖는 예시적인 계층적 다이어그램 스크린 (1300) 을 도시한다. 시스템 레벨은 SHI 값을 포함한다. 모듈 레벨은 VTM, EFEM, 로봇, 에어록 및 프로세싱 모듈에 대해 집계된 HI 값을 포함한다. 디바이스 레벨은 VTM, EFEM, 로봇들, 에어록, 및 프로세싱 모듈들과 연관된 다양한 디바이스들에 대해 집계된 HI 값들을 포함한다. 컴포넌트 레벨은 디바이스들 각각의 다양한 컴포넌트들에 대해 집계된 HI 값들을 포함한다. 계층적 다이어그램 스크린 (1300) 은 계층적 포맷의 HI 값들의 예시적인 디스플레이이다. 상이한 레벨들에 대한 HI 값들이 도시되고, 더 낮은 레벨의 집계된 HI 값들과 HI 값들 사이의 관계들이 도시된다. 다른 계층적 다이어그램 스크린들 (1300) 이 도시될 수도 있다. 일 실시 예에서, 계층적 다이어그램 스크린들 (1300) 이 기판 프로세싱 시스템의 선택된 상이한 영역들에 대해 디스플레이된다.
(524) 에서, HI 모듈 (230) 은 하나 이상의 트리거들 및/또는 문턱 값들이 충족되는지 그리고/또는 하나 이상의 조건들이 충족되는지 여부를 결정할 수도 있다. 그렇다면, 동작 (526) 이 수행될 수도 있고, 그렇지 않으면 동작 (506) 이 수행될 수도 있다.
(526) 에서, HI 모듈 (230) 은 하나 이상의 대응책들을 수행할 수도 있다. 이는 도 1의 하나 이상의 사용자 인터페이스들 (134) 상에 디스플레이될 수도 있는, 하나 이상의 알람들 및/또는 경고 메시지들을 생성하는 것을 포함할 수도 있다. 이는 또한 하나 이상의 디바이스들, 모듈들 및/또는 시스템들을 셧다운하는 것을 포함할 수도 있다. 이는 또한 챔버 폐쇄, 도어 개방, 챔버 배기, 로봇 셧다운 등을 포함할 수도 있다.
(528) 에서, HI 모듈 (230) 은 동작들을 계속할지 여부를 결정할 수도 있다. 그렇다면, 동작 (530) 이 수행될 수도 있고, 그렇지 않으면 방법은 (534) 에서 종료될 수도 있다. 충족되는 트리거들, 문턱 값들 및/또는 조건들이 열화와 연관되고 시스템이 적어도 미리 결정된 레벨들의 성능으로 안전하게 동작할 수 있다면, 동작 (530) 이 수행될 수도 있다.
(530) 에서, HI 모듈 (230) 은 이 방법의 후속하는 반복들에서 체크하기 위해 트리거들, 문턱 값들, 조건들, HI 한계들 및/또는 제한들의 제 2 세트를 결정할 수도 있다. 트리거들, 문턱 값들, 조건들, HI (또는 파라미터 분포) 한계들 및/또는 제한들의 제 1 세트는 이전에 충족된 트리거들, 문턱 값들 및/또는 조건들 및/또는 시간이 흐름에 따른 파라미터 값들의 변화들에 기초하여 변화될 수도 있다. 트리거들, 문턱 값들, 조건들, HI (또는 파라미터 분포) 한계들 및/또는 제한들의 제 1 세트는 또한 시스템 오퍼레이터 입력들에 기초하여 변화될 수도 있다. 모듈, 디바이스 및/또는 컴포넌트가 열화를 겪는 것일 때, 트리거들, 문턱 값들, 조건들, HI (또는 파라미터 분포) 한계들 및/또는 제한들이 설정될 수도 있고 대응하는 센서들이 더 자주 그리고/또는 더 긴 시간의 기간들 동안 모니터링될 수도 있다. 이에 더하여, 수집된 데이터의 분해능은 이들 센서들에 대해 증가될 수도 있다. 제 2 센서 세트는 (532) 에서 선택된다. 동작 (506) 은 동작 (532) 에 후속하여 수행될 수도 있다.
상기 기술된 정보에 더하여, 다른 정보가 또한 생성된 HI 값들에 기초하여 결정되고 보고될 수도 있다. 일부 실시 예들에서, 신뢰성 모델은 HI 값들에 기초하여 컴포넌트, 디바이스, 모듈 및/또는 시스템의 잔여 유효 수명 (remaining useful life; RUL) 에 대해 생성될 수도 있다. HI 값들 및/또는 다른 정보는 시간이 흐름에 따라 모니터링될 수도 있고 열화 이벤트들 및/또는 컴포넌트들, 디바이스들, 모듈들, 및/또는 시스템들의 열화의 지표로서 사용될 수도 있다. 열화는 연장된 시간의 기간들에 걸쳐 천천히 발생할 수 있다. 상이한 센서 데이터 스트림들 사이의 상호 작용들은 복수의 상이한 센서들로부터의 출력들을 모니터링할 때 검출될 수도 있다. 다른 정보는 센서 데이터, 파라미터의 레이트 변화를 제공하기 위한 파라미터 곡선 모델의 1 차 도함수 (derivative), 및/또는 다른 정보를 포함할 수도 있다. 일부 실시 예들에서, 누설 레이트는 컴포넌트의 열화가 발생했는지 여부를 결정하기 위해 시간이 흐름에 따라 모니터링되고 평가될 수도 있다.
일부 실시 예들에서, 로봇의 건전성은 시간이 흐름에 따른 상이한 센서들에 대해 표로 수집된 이진 데이터 지점들에 기초하여 결정될 수도 있다. 메모리 (136) 의 선입선출 (first-in-first-out; FIFO) 버퍼들 (또는 다른 버퍼들) 은 센서들로부터 데이터를 저장하도록 사용될 수도 있다. HI 값은 센서 및/또는 대응하는 컴포넌트 또는 디바이스 각각에 대해 결정될 수도 있다. HI 값들 각각은 대응하는 버퍼의 값들의 평균으로서 결정될 수도 있다. 일부 실시 예들에서, 버퍼 각각은 각각의 센서에 대해 50 개의 값들을 저장할 수도 있고, 값들 각각은 0 또는 1이다. 예를 들어, 로봇 이동이 발생할 때 값들의 행이 표에 입력될 수도 있다. HI 값은 1 인 버퍼 내 값들의 백분율일 수도 있다. 모터의 건전성은 각각의 센서들의 출력들에 기초하여 생성될 수도 있는, 모터에 대한 대응하는 HI 값들의 최소값일 수도 있다. 대응하는 센서들에 대한 이진 값들, 합계들 및 모터 HI 값들을 포함하는 예시적인 표가 아래에 도시된다. 이진 값들은 파라미터가 정상 동작을 위해 대응하는 미리 결정된 범위 내에 있는지 여부를 나타낼 수도 있다. HI 값들의 최소값인 모터에 대한 총 HI 값이 또한 도시된다.
| 모니터링된 동작들 (moves) | 온도1 | 온도2 | Z-포지션 | W1 - 로터 속도 | W2 - 로터 속도 |
| 동작1 | 1 | 1 | 1 | 0 | 1 |
| 동작2 | ↓ | ↓ | ↓ | ↓ | ↓ |
| … | |||||
| 동작5 | |||||
| 동작6 | |||||
| ↓ | ↓ | ↓ | ↓ | ↓ | |
| FIFO 셀 50 | 1 | 1 | 1 | 0 | 1 |
| FIFO 셀 49 | 1 | 1 | 0 | 1 | 1 |
| FIFO 셀 48 | 1 | 1 | 1 | 1 | 1 |
| FIFO 셀 47 | 1 | 1 | 1 | 0 | 1 |
| FIFO 셀 46 | 1 | 1 | 1 | 1 | 1 |
| … | … | … | … | … | … |
| FIFO 셀 3 | 1 | 1 | 1 | 1 | 1 |
| FIFO 셀 2 | 1 | 1 | 1 | 1 | 0 |
| FIFO 셀 1 | 1 | 1 | 1 | 1 | 1 |
| 합계 | 48 | 50 | 49 | 47 | 49 |
| 모터 건전성 인덱스들 | 96 ％ | 100 ％ | 98 ％ | 94 ％ | 98 ％ |
| 로봇 건전성 인덱스 | 94 ％ | ||||
본 명세서에 개시된 상기 기술된 방법 및 다른 특징들은 시스템 오퍼레이터로 하여금 센서들의 위치들을 결정하고 센서들과 연관된 데이터 및 정보를 모니터링할 수 있게 함으로써 이슈를 신속하고 쉽게 문제 해결하게 한다. HI 값들이 모니터링될 수도 있고 이슈의 원인이 결정될 수도 있다. 건전성 인덱스 값들은 또한 유지 보수가 스케쥴링되어야 할 때를 결정하도록 사용될 수도 있다. HI 모듈 (230) 은 충족된 트리거들, 문턱 값들, 및 조건들 및 시간이 흐름에 따른 파라미터들 및 HI 값들의 변화들에 기초하여 필요한 유지 보수의 타입들 및 유지 보수를 스케쥴링할 때에 관한 추천들을 제공할 수도 있다. 특정한 세트들의 HI 값들이 열화되기 시작할 때, 각각의 이슈들이 검출될 수도 있고 HI 모듈 (230) 은 이슈들의 지표들 및 이슈들을 시정하기 위해 제안된 유지 보수를 제공할 수도 있다. 동작이 시간이 흐름에 따라 변화하고 파라미터들, 분포들, 등이 문턱 값들, 한계들 또는 제한들을 향해 드리프트하고 알람들이 생성될 수도 있다. 이는 최초 100 ％로부터 감소하는 HI 값을 포함할 수도 있다. 초과되는 알람 문턱 값은 동작을 중지하고 (cease) 툴을 중단하라는 지표일 수도 있다. HI 값들은 발생할 이슈들 및/또는 시스템, 모듈, 디바이스 및/또는 컴포넌트 성능의 예측으로서 사용될 수도 있다.
HI 값들은 컴포넌트, 디바이스, 모듈, 시스템, 이력 데이터 및/또는 동작, 열화 및/또는 검출된 이슈 등에 따라 매시간, 매일, 매월 생성될 수도 있다. 데이터 수집의 빈도는 이슈, 잠재적 이슈, 및/또는 열화 이벤트가 검출된다면 증가될 수도 있다. HI 모듈 (230) 은 생성된 HI 값들에 기초하여 컴포넌트, 디바이스, 모듈 및/또는 시스템의 추정된 잔여 유효 수명을 나타낼 수도 있다.
머신 (예를 들어, 디바이스, 모듈, 또는 시스템) 의 정상 동작 조건은 통상적으로 정상 동작의 통상적인 범위 내에 남아 있는, 측정 가능한 파라미터들을 특징으로 한다. 특정한 파라미터에 대한 알람 조건들은 대응하는 정상 동작 범위로부터 상당한 거리로 설정될 수도 있다. 따라서, 비정상적이고 정상 동작 범위를 벗어나지만 알람 조건을 유발하고 머신을 중단시키기에 불충분하게 벗어나는 것으로 특징화될 수도 있는 동작의 범위가 있다.
이러한 알람 조건들은 몇 시간, (i) (즉, 매우 짧은 시간의 기간에 일어나는) 치명적인 특성 또는 (ii) 며칠, 몇 주 또는 그 이상의 시간 프레임들에 걸쳐 발생할 수도 있는 열화 특성으로 광범위하게 분류할 수 있다. 더 긴 열화 시간의 이러한 후자의 경우에서, 열화가 연관된 파라미터들에 의해 지시되는 경우가 종종 있다. 파라미터들은 정상 동작 범위를 벗어날 수도 있고 알람 문턱 값들을 향해 시간이 흐름에 따라 변화할 수도 있다. 상기 기술된 방법은 HI 값들의 컴퓨테이션 (computation) 에 의한 이러한 조건들의 검출을 포함한다.
HI 값들은 정상 동작 조건들과 알람 조건들 사이의 파라미터 공간에서 영역을 특징화하는 데 사용된다. 이러한 방식으로, 머신이 용인할 수 있는 것으로 간주되는 조건 (즉, 알람 조건들 내) 에서 여전히 동작하는 동안 머신 오퍼레이터들은 머신 열화를 인식하게 될 수 있다. 이러한 방식으로, 머신 오퍼레이터들은 머신 생산성에 영향을 주지 않고, 머신을 평가할 수 있고, 유지 보수 동작을 스케쥴링할 수 있고, 유지 보수 동작에 필요한 모든 필요한 툴들, 재료들, 및 인력들을 모을 (assemble) 수 있다. 건전성 인덱스 컴퓨테이션들은 0 ％ 내지 100 ％ 범위의 메트릭에서, 정상 조건들로부터 시스템 동작의 편차의 정도를 특징화하도록 사용되며, 여기서 100 ％의 값은 정상 (또는 양호한) 머신 동작으로 간주된다.
이러한 건전성 인덱스 컴퓨테이션 결과들을 제공하기 위한 일 방법은 하나 이상의 한계들을 확립하는 것을 포함한다. 이는 비정상적인 동작의 영역들로부터 정상 동작의 파라미터 영역들을 분리하도록 기능하지만 알람 조건을 유발하기 불충분하게 벗어나는, 머신 파라미터 공간에 수치적 레벨들을 제공하는 것을 포함할 수도 있다. 머신 파라미터들은 이벤트 기반 분류와 연속 기반 분류의 두 가지 분류로 나뉠 수도 있다. 이벤트-기반 파라미터들에 대해, 이러한 이벤트 각각은 파라미터에 대한 정상 동작 범위 내 또는 정상 동작 범위 밖으로 분류될 수도 있다. 건전성 인덱스 값은 이러한 이벤트들 (예를 들어, 50 개의 이러한 이벤트들) 의 집계로서 계산될 수도 있고, HI 값은 정상 동작 범위 내에서 발생하는 이러한 이벤트들의 분율 (fraction) 이다.
이벤트-기반 건전성 인덱스 값의 일 예는 밸브를 개방하기 위한 시간의 양 동안 제공된 HI 값이다. 밸브는 밸브의 개방 상태 및 폐쇄 상태를 나타내는 신호들을 제공하는 센서들을 가질 수도 있다. 폐쇄에서 개방으로 전이하는 시간은 이들 신호들로부터 컴퓨팅된다. 일부 평균 실행 시간 주변에 정상 가변성이 있을 수도 있고 한계 값 또는 값들이 이 정상 동작 범위 밖이지만 알람 제한들 내로 설정될 수도 있다. 건전성 인덱스 값은 이전 이벤트들의 세트 (예를 들어, 50 개의 이벤트들) 에 대해 컴퓨팅된 정상 동작들의 분율이다.
보다 복잡한 실시 예는 격리된 진공 챔버에서 압력 상승과 같은 과도 (transient) 프로세스 변수를 수반한다. 이러한 머신 상태는 정상 머신 동작 동안 주기적으로 존재할 수도 있다. 시간 기간은 챔버가 완전히 격리된 채로 남아 있는 시간으로 규정될 수 있다. 언급된 시간 기간 동안, 진공이 불완전하기 때문에 압력은 통상적으로 드리프트 업 (또는 상승) 할 수도 있다. 그러나, 시일 열화의 경우, 이러한 압력 상승의 레이트는 시간이 흐름에 따라 상승할 수도 있다.
격리된 상태 동안 가압된 챔버는 압력 센서로부터 획득될 수도 있다. 획득된 데이터는 압력 대 시간의 2 차 선형 모델에 의해 모델링될 수도 있고, 이에 따라 누설 레이트의 추정치를 제공할 수도 있다. 이러한 누설 레이트 추정치는 상기 주어진 밸브 타이밍 예 및 계산된 건전성 인덱스 값과 유사한 방식으로 처리될 수도 있다.
일부 실시 예들에서, 한계는 컴포넌트의 온도에 대한 정상 동작 조건들로부터 벗어나지만, 알람 조건들 내에 설정될 수도 있다. HI 값은 이 한계 값과 알람 값 사이에서 연속적으로 스케일링될 수도 있다. 이러한 방식으로, 한계의 정상 측 상의 동작 조건은 100 ％의 HI 값을 발생시킨다. HI 값은 머신 파라미터 값이 알람 조건에 가까워짐에 따라 감소되고, 이 지점에서 건전성 인덱스 값은 0 ％이다.
연속적인 과도 파라미터들의 일부 경우들에서, 트리거링 이벤트는 제어기 (130) 의 제어 하에 있지 않고, 오히려 머신 제어 동작들로부터 간접적으로 발생하는 프로세스 변수에서 발생한다. 이와 같이, 이들 프로세스 변수들은 HI 값의 계산을 위해 모니터링된 파라미터가 획득되는 시간 간격을 규정하기 위한 트리거들로서 사용될 수도 있다. 일부 실시 예들에서, 압력 파라미터의 데이터 획득은 트리거 레벨 이상으로 상승하는 플로우 레이트 값에 의해 트리거링될 수도 있고, 이러한 플로우 레이트는 머신 제어기의 직접적인 제어 하에 있지 않다.
부가적으로, HI 레벨의 변화는 부가적인 정보의 수집을 개시하기 위한 트리거로서 사용될 수도 있다. 이러한 트리거는 HI 값이 80 ％ 미만으로 떨어질 때와 같이 특정한 레벨에서 개시될 수도 있고, 또는 일부 기간 (예를 들어, 1 주일) 동안 HI 값의 변화 레이트일 수도 있다. 일부 실시 예들에서, HI 밸브는 특정한 레벨 (예를 들어, 90 ％) 이하로 열화될 수도 있고 제어기 (130) 는 통상적으로 데이터가 수집되지 않을 연장된 시간 기간 동안 진동 센서로부터 데이터의 수집을 개시하도록 트리거링된다. 진동 센서는 밸브에 장착되고 센서로부터 데이터가 통상적으로 주기적으로만 수집될 수도 있다. 이러한 부가적인 정보는 연관된 HI 값 열화에 대한 원인을 진단하기 위한 보조물 (aid) 로서 수집된다.
대안적으로, HI 값은 센서 데이터를 수집하도록 기능하는 짧은 진단 프로그램의 스케줄링 및 실행을 트리거링하도록 사용될 수도 있다. 센서 데이터는 HI 값의 열화를 진단하기 위해 정보를 제공할 수도 있다. 이러한 짧은 진단 프로그램은 정상 시스템 동작 동안 실행 가능하지 않은 테스트 조건들을 실행하기 위해 시간의 짧은 기간 동안 대응하는 머신이 오프라인 (off-line) 되게 할 수도 있다. 제어기 (130) 는 제품 미스프로세싱 (misprocessing) 을 방지하기 위해 머신이 오프-라인되거나 시정 조치 (corrective action) 가 필요한지 여부를 결정하도록 이러한 진단 정보를 사용할 수도 있다.
일부 실시 예들에서, HI 값들은 문제 해결 및 진단의 시작점들을 제공하고, 따라서 이와 같이 시정 조치를 수행하기 위해 머신이 오프라인될 지 여부에 관한 결정들을 통보하기 (inform) 위해 서비스 직원들 및 시스템 오퍼레이터들에 의해 조사될 수도 있다. 복잡한 머신들은 수많은 센서들을 가질 수 있고, 이 센서들 중 각각은 머신의 동작에 대한 특정한 정보를 획득하도록 명확하게 (specifically) 위치된다. HI 값은 하나 이상의 센서 입력들을 수반할 수도 있다. HI 값들은 대응하는 센서들 및 위치들을 명확하게 식별하기 위해 상기 기술된 바와 같이 기타 센서 정보와 함께 도시될 수도 있다. 이는 HI 계산에 채용된 센서들 및 센서들이 물리적으로 위치되는 위치를 명확하게 한다 (clarify). 센서들의 위치들을 나타내기 위해 그래픽 이미지가 제공될 수도 있다. 이는 머신의 개략도 및/또는 그림 표현 (pictorial representation) 에서 센서들을 강조하는 것을 포함할 수도 있다.
건전성 인덱스 값들의 타입들
복수의 상이한 타입들의 HI 값들이 계산될 수도 있다. 일부 실시 예들에서, 이들은 2 개의 일반적인 타입들: 정상 동작이 규정되는 카테고리 (categorical) 타입 및 정상 동작이 명확하게 규정되지 않는 비-카테고리 (non-categorical) 타입으로 분리된다. 카테고리 방법은 정상 동작이 규정될 수 있고 정상 동작으로부터의 이탈이 검출될 수 있는 경우들에 적용된다. 간단한 예는 밸브 작동을 포함한다. 밸브가 50,000 회 동작되고 0.5 초의 평균 작동 시간을 갖고 시간이 흐름에 따라 값이 커짐에 따라 컴포넌트 열화가 나타날 것으로 예상된다면, 값들은 "정상" 또는 "비정상" (또는 "의심스러운 (suspicious)")으로 분류될 수도 있다. 하드 알람 (hard alarm) 이 제 1 문턱 값에서 제공될 수도 있고 머신은 값이 제 1 문턱 값보다 더 높은 제 2 문턱 값에 도달하면 중단될 수도 있다. 제 2 문턱 값은 견딜 수 없는 (intolerable) 레벨로 열화된 문제 또는 쓰루풋 레벨과 연관될 수도 있다. 제 2 문턱 값이 충족되는 지점까지의 임의의 동작 시간은 정상으로 간주될 수도 있고 동작이 계속되도록 허용될 수도 있지만, "플래그"는 제 1 문턱 값이 충족될 때 생성될 수도 있다. 충족되는 제 1 문턱 값은 컴포넌트가 열화되고 있고 그 결과가 조사된다는 것을 나타낸다. 제 1 문턱 값 및 제 2 문턱 값은 또한 HI 값들과 관련하여 사용될 수도 있고 유사한 동작들이 수행될 수도 있다.
2 차 다항식 곡선 피트 (curve fit) 를 사용하는 것을 포함하는 상기 곡선-피팅 실시 예는 곡선 및/또는 플롯팅된 데이터를 단일 HI 값으로 감소시키도록 사용된 신호 노이즈 관리 기법으로 지칭될 수도 있다. HI 값은 정상 (또는 양호) 범위에 대응하는 윈도우와 비교된다. 제 1 카테고리 방법은 정상 동작이 규정될 수 있을 때 사용된다. 성능이 상한 또는 하한 문턱 값 및/또는 제한을 향해 시프팅하면, 일정 형태의 열화가 발생할 가능성이 있다. 이는 머신이 가까운 미래에 셧다운되고 그리고/또는 동작하지 않을 것임을 나타낼 수도 있다. 즉, 시스템 동작은 비정상적인 (또는 "나쁜") 방향으로 경향이 있는 거동을 나타내고, HI 모듈 (230) 에 의해 구현될 수도 있는, 중단될 머신의 동작을 발생시킬 수도 있는 알람 조건을 향하는 경향이 있다.
카테고리 방법에서 HI 값은 "정상" 동작의 기술에 기초하여 생성된다. 일부 실시 예들에서, 제작 테스트들을 통과한 새로 제작된 밸브의 밸브 작동들이 정상 동작을 결정하고 규정하도록 사용될 수도 있다. HI 값은 설계에서 고려되고 따라서 비정상적인 것으로 간주되지 않는 일부 자연적 가변성이 할당될 수도 있다. 하나 이상의 알람 제한들이 HI 값과 관련하여 사용될 수도 있다. 알람 제한들은 정상 동작 훨씬 밖이고 툴 동작 중단을 필요로 하도록 충분히 벗어날 수도 있다. HI 값 계산의 목적은 스케쥴링되지 않은 시스템 셧다운을 유발하는 정도 전에 서브-시스템 열화를 시스템 오퍼레이터에게 통보하는 것이다.
카테고리 HI 알고리즘은 정상 동작 범위와 알람 제한(들) 사이에 설정되는 결정 한계를 확립한다. 알고리즘은 이벤트가 발생하는 한계의 측면에 의해 이벤트를 분류하고, 한계의 "정상" 측에 남아 있는 분율으로서 HI를 계산한다. 한계가 정상 동작 범위로부터 상대적으로 멀리 설정된다면, HI 값은 동작이 일부 상당한 분율의 이벤트들로 하여금 한계의 알람 측 상에 있게 하는 시간까지 100 ％이다. 이는 HI 값이 0을 향해 열화 (또는 감소) 하게 한다. 실제로, 한계가 정상 동작으로부터 더 멀어질수록 HI 열화가 관찰되기 전의 시간 범위 내에 HI 값이 더 길어질 것이다. 그러나, 정상 동작 범위에보다 더 가깝게 설정된 한계는 100 ％ 근방의 변동들이 제공되지만, 보다 민감하고 시기 적절한 HI 열화 값을 제공한다.
"정상" 동작의 영역은 고객들이 채용하는 특정한 동작 조건들에 의해 가변할 수도 있다. 이들은 주변 팹 조건들의 상대 습도 및 온도, 또는 통상적인 것보다 더 많이 가스를 배출할 (outgas) 수도 있는 프로세싱된 특정한 웨이퍼들을 포함하거나 기초할 수도 있다. 따라서 "정상" 동작의 영역은 항상 보편적일 수 없고 따라서 알고리즘에 하드 코딩될 수 있다고 예상될 수 있다. 따라서, 카테고리 방법은 이들 변화들을 설명하기 위해 적응할 수도 있다.
HI 컴퓨테이션을 위한 적응형 알고리즘
최초 상태에서, 서브-시스템은 제작 테스트를 통과할 수도 있고, 설치 팀에 의해 설치되고 검증될 수도 있고, 생산 배치를 위해 준비될 수도 있다. 서브-시스템은 공지된 정상 상태에 있고 서브-시스템의 이러한 특성화는 "정상" 동작을 확립하도록 실행될 수도 있다. 특성화 한계는 동작 열화에 대한 요구된 감도의 시스템 오퍼레이터의 판단에 따라 설정될 수도 있다.
대안적으로, 알고리즘은 정상 동작 범위를 훨씬 벗어난 알람 레벨 (예를 들어, 80 ％의 시험 HI 레벨) 근방의 최초 한계 값을 선택하는 적응형일 수도 있다. 이어서, 동작이 진행됨에 따라, 알고리즘은 정상 동작 조건들을 향해 내측으로 시험 레벨을 설정할 수도 있다. 시험 레벨에서 한계 교차들의 발생에 기초하여, 최초 한계 값은 정상 동작 범위를 향해 내측으로 이동될 수도 있다. 이 프로세스는 특정한 문턱 값 레벨이 시도 한계 레벨에서 관찰될 때까지 진행될 수도 있고, 이 시간에 알고리즘은 이 시험 프로세스를 중단하고 결과적인 한계 레벨이 되도록 카테고리화 한계를 조정한다. 카테고리 방법은 서브-시스템을 새로운 "정상" 상태로 리셋하는 서비스 동작의 이벤트에서 리셋 가능할 수도 있다. 이어서 알고리즘은 상기 기술된 바와 같이 새로운 카테고리화 한계 레벨을 제공하도록 프로세스를 자동으로 반복한다. 이 적응형 프로세스는 HI 값의 의도된 기능이 절충되지 않도록, 서브-시스템의 열화 시간 범위 내에서 훌륭하게 발생한다고 예상된다. 한계는 열화 조건들에 적응하지 않도록, 정상 동작을 향해 내측으로만 이동될 수도 있다.
제 2 비-카테고리 방법은 적절한 툴 동작을 위해 윈도우 제한들 내에 남아 있어야 하지만, 허용된 윈도우 제한들 내의 값들이 다른 어떤 것들보다 낫거나 나쁘지 않은 아날로그 신호들과 같은 다른 상황들을 고려한다. 일부 실시 예들에서, 특정한 센서 데이터가 수집될 수도 있지만, 정상 동작은 대응하는 센서에 의해 제공된 데이터에 대해 결정되지 않았다. 상한이 설정될 수도 있지만, 상한 아래의 모든 데이터는 열화 레벨에 관한 한 동일한 것으로 간주될 수도 있다. 이 센서 데이터에 기초하여 열화 지표를 제공하기 위해, 데이터의 이동 평균 (running average) 이 결정될 수도 있고 대응하는 HI 값이 일부 범위에 걸쳐 스케일링될 수도 있다. 일부 실시 예들에서, 센서 (예를 들어, 상대 습도 센서) 의 엄격한 제한 (hard limit) 은 60 ％로 설정될 수도 있다. 0 ％의 HI 값은 알람 제한 값이기 때문에 60 ％를 초과하는 값들에 대해 할당될 수도 있다. 상대 습도 센서 신호가 보통 40 ％미만으로 실행된다면, 40 ％ 미만의 모든 값에는 100 ％의 HI 값이 할당된다. 40 ％ 내지 60 ％의 값들에서, 상대 습도 센서 신호의 실행 평균 값은 40 ％ 내지 60 ％로부터 선형으로 스케일링된 HI 값을 제공하도록 결정된다. 이는 이동 평균이 예를 들어, 45 ％ (또는 40 ％로부터 60 ％까지의 25 ％) 이면, HI 값이 75 ％로 설정되도록 행해진다. 그 결과, RH 값이 알람 제한을 향해 상승하고 있다는 것이 지시될 수도 있고 조사를 보증할 (warrant) 수도 있다.
제공된 건전성 인덱스 피처들
다양한 HI 피처들이 HI 모듈 (230) 에 의해 구현될 수도 있다. 머신 동작들을 집계하는 알고리즘은 HI 모듈 (230) 에 의해 실행될 수도 있다. 알고리즘은 이러한 동작들이 머신 HI 값을 제공하기 위해 미리 규정된 정상 동작 조건들 내에서 발생하는지 또는 외부에서 발생하는지의 분류에 기초하여 머신 동작들을 집계할 수도 있다. 다른 특징들에서, 머신의 물리적 및/또는 기능적 분해에 대응하는 HI 계산들의 계층적 구조화가 구현된다. 다른 특징들에서, 집계 알고리즘이 머신 서브-시스템 각각 내에서 리던던시 또는 리던던시의 결여에 대응하는 부울 연산들을 사용하는 HI 모듈 (230) 에 의해 실행된다. 일 실시 예에서, 부울 값 (예를 들어, 0 또는 1, 참 또는 거짓), 등) 이 제 1 HI 값이 제 2 HI 값보다 더 작은 지 여부에 기초하여 제공될 수도 있다. 이 부울 값에 기초하여 더 작은 HI 값이 선택될 수도 있다. 또 다른 실시 예에서, 데이터 값들 및/또는 HI 값들의 리던던시를 결정할 때 유사한 부울 값들이 제공될 수도 있다. 2 개의 값들이 매칭되고 그리고/또는 동일한 값을 나타낸다면, 값 중 하나는 제거된다 (또는 버려진다). 다른 특징들에서, 부울 집계 알고리즘이 미리 결정된 서브-시스템 레벨에서 HI 모듈 (230) 에 의해 실행되고, 이는 미리 결정된 서브-시스템 레벨에서 더 낮은 레벨의 HI 값들의 최소값으로의 집계를 발생시킨다. 다른 특징들에서, 알고리즘이 0 ％ 내지 100 ％의 HI 값들을 발생시키는 컴퓨테이션을 포함하는 HI 모듈 (230) 에 의해 실행되고, 100 ％ 레벨 또는 100 ％로부터 미리 결정된 범위는 정상 조건들 하에서 머신 동작으로서 해석된다.
다른 특징들에서, 알고리즘이 규정된 머신 이벤트를 정상 머신 동작 또는 비정상 머신 동작 내에 있지만, 용인할 수 있는 동작 범위 제한들 내에 있는 것 (즉, 머신 동작에서 생성될 알람 및/또는 중지를 보증하지 않음) 으로 분류하는 HI 모듈 (230) 에 의해 실행된다.
다른 특징들에서, 알고리즘이 통계적으로 의미있는 충분한 사이즈의 이벤트들의 세트에 기초하여 HI 값을 컴퓨팅하는 HI 모듈 (230) 에 의해 실행된다. 다른 특징들에서, HI 값의 컴퓨테이션을 위한 데이터 세트를 규정하도록 최종 미리 결정된 수 (예를 들어, 50 개) 의 이벤트들이 평가된다. 다른 특징들에서, 알고리즘이 데이터 세트 내에서 정상 동작 내에 있는 것으로 결정된 관찰된 이벤트들의 분율인 HI 값을 생성하는 HI 모듈 (230) 에 의해 실행된다.
다른 특징들에서, 알고리즘이 미리 결정된 머신 상태들에 의해 규정된 시간 기간에 걸쳐 아날로그 센서로부터 획득된 데이터를 처음으로 사용하고; 그리고 이어서 규정된 시간 기간 동안 머신 동작의 2 차 값 특성을 컴퓨팅하도록 수학적 모델을 사용한다. 이어서, 이 2 차 값은 본 명세서에 개시된 임의의 HI 컴퓨테이션들에 사용된다. 다른 특징들에서, 알고리즘이 한계 레벨을 넘어서는 머신 동작 조건의 심각도를 나타내도록 규정된 한계 레벨과 알람 레벨 사이에서 HI 값을 스케일링하는 HI 모듈 (230) 에 의해 실행된다. 다른 특징들에서, 유사한 알고리즘이 비선형 스케일링을 사용하는 HI 모듈 (230) 에 의해 실행된다. 선형 스케일링은 상이한 HI 값들이 동일한 양 및/또는 동일한 생성물에 의해 변경될 때를 지칭할 수도 있다. 비선형 스케일링은 상이한 범위들의 상이한 HI 값들이 상이하게 변경될 때를 지칭할 수도 있다. 예를 들어, 제 1 범위의 제 1 HI 값들은 제 2 범위의 제 2 HI 값들과 상이하게 변경될 수도 있다. 일 예로서, 제 1 범위의 HI 값들은 제 2 범위의 HI 값들과 상이한 양들만큼 곱해지고 그리고/또는 시프팅될 수도 있다.
다른 특징들에서, 머신의 기능적 또는 물리적 구성에 대응하는 HI 값들은 사용자 인터페이스 상에 디스플레이된다. 일 실시 예에서, 머신의 전체 계층 또는 머신의 일부는 대응하는 HI 값들로 디스플레이된다. 다른 특징들에서, 머신 오퍼레이터 입력들이 수신되고 입력들에 기초하여, HI 값들의 하나 이상의 계층적 레벨들이 은닉되고, HI 값들의 하나 이상의 다른 계층적 레벨들이 디스플레이된다. HI 메트릭들의 다양한 레벨이 머신 오퍼레이터의 재량 (discretion) 에 따라 디스플레이될 수도 있다. 예시적인 HI 메트릭들은 "일주일 동안 매일", "1 개월 동안 매주", 그리고 "이전 3 개월"이다. HI 메트릭들의 이력 값들이 디스플레이될 수도 있다. HI 메트릭들의 다양한 집계 레벨들이 디스플레이될 수도 있고 그리고/또는 머신 오퍼레이터로부터의 입력들에 기초하여 선택적으로 디스플레이될 수도 있다. HI 값들 및/또는 메트릭들과 연관된 센서들의 물리적 위치들은 또한 상기 기술된 바와 같이 디스플레이될 수도 있다.
다른 특징들에서, 알고리즘이 통계적으로 유효한 한계 또는 비정상적인 동작으로부터 정상 동작을 구분하는 (delineate) 한계들을 생성하기에 충분한 시간 동안 공지된 정상 상태의 머신을 동작시키는 것에 기초하여 정상 동작의 한계들을 결정하는 HI 모듈 (230) 에 의해 실행된다. 다른 특징들에서, 알고리즘이 HI 결정을 위한 기준으로서 훌륭하게 규정된 머신 동작들 사이의 시간 간격을 사용하는 HI 모듈 (230) 에 의해 실행된다.
다른 특징들에서, 알고리즘이 특정한 머신 동작 조건들 하에서 센서에 의해 생성된 데이터를 시간 기간 동안 사용하는 HI 모듈 (230) 에 의해 실행되고, 이어서 데이터를 단일 값으로 감소시키기 위해 데이터에 수학적 모델을 적용한다. 단일 값은 HI 계산의 기준으로서 사용된다. 다른 특징들에서, 알고리즘이 데이터의 양을 단일 값으로 감소시키기 위해 다변수 (multivariate) 수학적 모델에서 결합된 복수의 아날로그 신호들을 사용하는 HI 모듈 (230) 에 의해 실행된다. 단일 값은 HI 계산의 기준으로서 사용된다. 다른 특징들에서, 알고리즘이 이러한 모델들에서 사용하기 위해 반드시 동시에 발생하지는 않는 복수의 아날로그 신호들을 사용하는 HI 모듈 (230) 에 의해 실행된다. 다른 특징들에서, 알고리즘은 주기적으로 (예를 들어, 매 시간) HI 값을 컴퓨팅하는 HI 모듈 (230) 에 의해 실행된다.
다른 특징들에서, 머신 이벤트의 발생 각각에 대해 이벤트-기반 HI 값을 컴퓨팅하는 알고리즘이 HI 모듈 (230) 에 의해 실행된다. 다른 특징들에서, 이러한 이벤트는 HI 모듈 (230) 의 명령 하에 머신 상태에 의해 규정된다. 다른 특징들에서, 이러한 이벤트는 프로세스 변수의 머신 상태에 의해 규정된다. 다른 특징들에서, 머신 상태는 상수 값 위 또는 아래의 편위 (excursion) 를 포함할 수도 있는 프로세스 변수의 것이다. 다른 특징들에서, 머신 상태는 프로세스 변수이고 상수 값 위 또는 아래의 교차하는 변화 레이트를 포함할 수도 있다. 다른 특징들에서, 머신 상태는 부울 연산으로 결합된 복수의 프로세스 변수들을 활용한다. 다른 특징들에서, 머신 상태는 산술 연산들에 의해 복수의 프로세스 변수들의 조합으로서 정의된다. 다른 특징들에서, 머신 상태는 수학적 모델에서 복수의 프로세스 변수들을 채용하는 것으로 규정된다.
다른 특징들에서, 알고리즘이 발생들의 샘플링된 서브세트에 대한 HI 값을 컴퓨팅하는 HI 모듈 (230) 에 의해 실행된다. 다른 특징들에서, 알고리즘이 머신 서브-시스템에 대한 HI 값을 컴퓨팅하는 HI 모듈 (230) 에 의해 실행된다. HI 값은 머신 동작이 알람 제한에 접근하는 정도를 나타낸다. 다른 특징들에서, 알고리즘이 연속적으로 값을 매긴 센서 판독 값을 채용하고 센서 데이터의 범위에 걸쳐 HI 값을 컴퓨팅하는 HI 모듈 (230) 에 의해 실행된다. 다른 특징들에서, 알고리즘이 정상 머신 동작과 알람 제한 사이에 위치된 미리 결정된 한계 값을 활용하는 HI 모듈 (230) 에 의해 실행된다. 다른 특징들에서, 알고리즘이 HI 값이 한계에서 100 ％이고 알람 레벨에서 0 ％ 이도록 한계와 알람 레벨 사이에서 HI 값을 선형으로 스케일링하는 HI 모듈 (230) 에 의해 실행된다.
다른 특징들에서, 알고리즘이 하나 이상의 부가적인 센서들의 데이터 수집을 개시하기 위해 HI 레벨 또는 변화 레이트를 사용하는 HI 모듈 (230) 에 의해 실행된다. 이 데이터 수집은 표준 동작보다 더 높은 데이터 레이트일 수도 있다. 부가적인 데이터 수집은 HI 값 데이터를 증가시키고 시정 유지 보수 동작들의 수행에 관한 결정들을 더 잘 통보하도록 사용된다. 다른 특징들에서, 알고리즘이 짧은 진단 프로그램의 실행을 개시하거나 스케쥴링하기 위해 HI 레벨, 또는 변화 레이트를 사용하는 HI 모듈 (230) 에 의해 실행된다. 진단 프로그램은 원래의 HI 값과 연관된 열화를 진단하는데 유익할 수도 있는 센서 데이터를 수집하도록 기능한다. 짧은 진단 프로그램은 정상 시스템 동작 동안 실행 가능하지 않은 테스트 조건들을 실행하기 위해 시간의 짧은 기간 동안 머신이 오프라인되게 할 수도 있다.
도 14는 특정한 실시 예들에 따른 센서 정보 및 HI 보고 방법을 도시한다. 방법은 센서 맵핑 모듈 (232) 에 의해 구현될 수도 있고 반복적으로 수행될 수도 있다. 방법은 (1400) 에서 시작할 수도 있다. (1402) 에서, 센서 맵핑 모듈 (232) 은 도 3 및 도 4에 도시된 것과 같은 맵핑 스크린을 디스플레이하라는 입력이 수신되었는지 여부를 결정할 수도 있다. 맵핑 스크린을 디스플레이하라는 입력이 수신되었다면, 동작 (1404) 이 수행될 수도 있다. (1404) 에서, 센서 맵핑 모듈 (232) 은 처음에 센서들의 디폴트 세트에 대한 센서 정보 및/또는 HI 값들을 갖는 디폴트 스크린을 보여줄 수도 있다. 일 실시 예에서, 미리 선택된 센서 정보를 갖는 미리 저장된 커스터마이징된 스크린이 디스플레이된다.
(1406) 에서, 센서 맵핑 모듈 (232) 은 하나 이상의 센서들에 대한 하나 이상의 플롯들을 보여주라는 입력이 수신되었는지 여부를 결정할 수도 있다. 입력은 시스템 오퍼레이터로부터 또는 HI 모듈 (230) 로부터 수신될 수도 있다. 그렇다면, 동작 (1408) 이 수행될 수도 있다. (1408) 에서, 센서 맵핑 모듈 (232) 은 하나 이상의 플롯들이 현재 디스플레이된 맵핑 스크린에 디스플레이되는지 여부를 결정할 수도 있다. 그렇다면, 동작 (1410) 이 수행될 수도 있고, 그렇지 않으면 동작 (1412) 이 수행된다. (1410) 에서, 센서 맵핑 모듈 (232) 은 플롯(들)과 연관된 대응하는 센서들 근방의 현재 디스플레이된 맵핑 스크린 상에, 도 4에 그 일 예가 도시된 하나 이상의 플롯들을 디스플레이한다. (1412) 에서, 센서 맵핑 모듈 (232) 은 디스플레이할 하나 이상의 플롯들을 갖는 또 다른 스크린을 디스플레이한다.
(1414) 에서, 센서 맵핑 모듈 (232) 은 현재 스크린 레벨을 변화시키라는 입력이 수신되었는지 여부를 결정한다. 입력은 시스템 오퍼레이터로부터 또는 HI 모듈 (230) 로부터 일 수도 있다. 일부 실시 예들에서, 현재 스크린은 시스템 레벨 스크린일 수도 있고 시스템 오퍼레이터는 서브-시스템, 모듈, 디바이스 또는 컴포넌트 레벨 스크린을 보도록 요청할 수도 있다. 그렇다면, 동작 (1416) 이 수행될 수도 있다. (1416) 에서, 센서 맵핑 모듈 (232) 은 스크린 레벨을 변화시키고 선택된 스크린 레벨 및 선택된 시스템의 영역과 연관된 센서 정보를 보여준다.
(1418) 에서, 센서 맵핑 모듈 (232) 은 모니터링된 센서들을 변화시키라는 입력이 수신되었는지 여부를 결정한다. 입력은 시스템 오퍼레이터로부터 또는 HI 모듈 (230) 로부터 수신될 수도 있다. 이는 도시된 스크린 레벨에 대해 현재 디스플레이되는 센서들의 수 및 타입들을 변화시키는 것을 포함할 수도 있다. 그렇다면, 동작 (1420) 가 수행된다. (1420) 에서, 센서 맵핑 모듈 (232) 은 모니터링할 센서들 및/또는 HI 값들의 업데이트된 세트를 선택한다. (1422) 에서, 센서 맵핑 모듈 (232) 은 센서들 및 HI 값들의 업데이트된 세트에 대한 센서 정보를 보여주는 스크린을 디스플레이한다.
제어기 (130) 및/또는 센서 맵핑 모듈 (232) 은 프로세스 성능에 영향을 주는 관련 센서들을 결정하기 위해 머신 러닝 알고리즘을 사용할 수도 있다. 머신 러닝 알고리즘이 특정한 센서가 프로세싱 모듈의 입자 성능에 가장 관련된 센서임을 나타내면, 이는 시스템 오퍼레이터에게 지시될 수도 있고 시스템 오퍼레이터는 그 결론과 일치하는 물리적 메커니즘을 조사할 수도 있다. 시스템 오퍼레이터는 물리적 시스템을 바라보고 센서 출력들이 의미하는 바를 평가하는 머신 러닝 결과들을 해석할 수도 있다. 센서 정보 및 데이터 플롯팅은 시스템 오퍼레이터로 하여금 데이터의 경향에 대한 가설 (hypothesis) 을 만들게 한다. 센서들의 물리적 위치들을 디스플레이하는 것은 시스템 오퍼레이터로 하여금 데이터의 경향들을 발견하게 하는 데 있어서 배리어를 감소시킨다.
데이터로깅 및 트리거링
기판 프로세싱 시스템에 의한 동작들 및 동작들에 대한 응답들은 밀리초 내지 시간 범위의 시간 스케일로 발생할 수도 있다. 센서의 디폴트 샘플링 레이트는 20 ㎐일 수도 있고, 이는 신호 당 20 X 3600 X 24 = 1.7 백만 (million; M) 데이터 포인트/일을 생성한다. 샘플링 레이트가 1 ㎑로 증가되면, 이는 하루에 50 배 또는 86 M 데이터 포인트를 제공한다. 데이터의 양은 더 많은 센서 신호가 모니터링될수록 증가한다. 복수의 시간, 일 및/또는 주의 데이터가 생성될 수도 있지만, 실제 관심 있는 (of interest) 시간 윈도우는 단지 몇 초 길이일 수도 있다. 이는 관심 있는 실제 데이터를 찾는 것을 어렵게 한다. 또한, 그렇게 많은 데이터의 수집은 많은 양의 대역폭을 요구할 수 있다.
일 실시 예에서, 관심 있는 데이터만이 수집되고 관심 있는 시간 윈도우 전에 관심 없는 (uninteresting) (또는 무관한) 데이터를 무시하도록 트리거가 사용된다. 일부 실시 예들에서, 매칭 네트워크의 불안정성은 가스 플로우가 변화되는 프로세스 시퀀스 동안 검출될 수도 있다. 트리거는 가스 플로우를 변화시키는 가스 명령에 기초하여 설정될 수도 있다. 트리거 값은 (i) 질량 유량 제어기로 전송되거나 질량 유량 제어기로부터 판독된 아날로그 값, 또는 (ii) 밸브 개방과 연관된 디지털 이벤트일 수도 있다. 데이터는 트리거 이벤트에 응답하여 수집될 수도 있다. 일부 실시 예들에서, 가스 명령 후 20 초에 문제가 발생할 수도 있다. 지연된 트리거는 15 초 지연으로 설정될 수도 있고 데이터는 10 초 동안 버퍼링될 수도 있다. 그 결과, 데이터는 트리거 이벤트 전 10 초 동안 그리고 그 후 일정 시간 동안 캡처될 수도 있다. 일 실시 예에서, 복수의 이벤트들이 트리거 지점을 규정하도록 사용될 수도 있다. 이벤트들은 예를 들어, 이진 신호 (밸브가 개방 상태로 전이) 및 아날로그 신호 (질량 유량 제어기 출력 플로우 레이트가 300 sccm (분당 표준 입방 센티미터 (standard cubic centimeters per minute)) 이상으로 상승함) 를 통해 모니터링될 수도 있다. 일부 실시 예들에서, 제어기 (130) 는 간헐적인 트리거 이벤트 및/또는 하나 이상의 조건들이 발생할 때를 모니터링하고 검출할 수도 있고 트리거링 이벤트 및/또는 하나 이상의 조건들이 발생하는 것에 응답하여 데이터를 버퍼링할 수도 있다. 조건(들)은 트리거링 이벤트 전에 발생할 수도 있다. 트리거링 이벤트는 아크 이벤트 (arcing event) 일 수도 있다.
도 15는 특정한 실시 예들에 따른 데이터로깅 방법을 도시한다. 이 방법은 데이터로깅 모듈 (234) 에 의해 구현될 수도 있고 반복적으로 수행될 수도 있다. 방법은 (1500) 에서 시작될 수도 있다. (1502) 에서, 데이터로깅 모듈 (234) 은 HI 모듈 (230) 로부터의 시스템 오퍼레이터 입력들 및/또는 인스트럭션들에 기초하여 모니터링할 센서들을 선택할 수도 있다. (1504) 에서, 데이터로깅 모듈 (234) 은 데이터 수집들 기간들, 버퍼 기간들, 트리거 이벤트 시간들 및/또는 본 명세서에 참조된 다른 정보들을 획득할 수도 있다. 이는 메모리로부터, HI 모듈 (230) 로부터의 인스트럭션들 및/또는 사용자 입력들일 수도 있다.
(1506) 에서, 데이터로깅 모듈 (234) 은 시작 타이밍 트리거가 만족되었는지 여부를 결정할 수도 있다. 그렇다면, 동작 (1508) 이 수행될 수도 있다. (1508) 에서, 데이터로깅 모듈 (234) 은 HI 모듈 (230) 에 의해 액세스 가능한 데이터를 수집하고 저장하기 위해 데이터로깅을 수행한다. 데이터로깅은 시작 트리거에 도달하고 중단 트리거들에 기초하여 종료될 수도 있는 선택된 센서들에 대해 수행될 수도 있다.
(1510) 에서, 데이터로깅 모듈 (234) 은 HI 모듈 (230) 로부터 인스트럭션 신호가 수신될 때, 동작 (1512) 를 수행할 수도 있고, 그렇지 않으면 동작 (1506) 을 수행할 수도 있다. HI 모듈로부터의 인스트럭션 신호는 추적할 센서들, 시작 시간 및 중단 시간, 버퍼 기간들, 분해능 레이트/샘플링 레이트, 데이터 수집의 빈도, 트리거 이벤트들, 등과 같은 수정된 센서 트래킹 정보를 나타낼 수도 있다.
(1512) 에서, 데이터로깅 모듈 (234) 은 HI 모듈 (230) 로부터 수신된 센서 추적 정보에 기초하여, 모니터링할 센서들, 데이터 수집 기간들, 버퍼 기간들, 분해능 레이트/샘플링 레이트, 데이터 수집의 빈도, 트리거 이벤트들, 등을 업데이트할 수도 있다.
(1514) 에서, 데이터로깅 모듈 (234) 은 하나 이상의 시스템 조건 트리거들이 만족되었는지 여부를 결정할 수도 있다. 그렇다면, 동작 (1516) 이 수행될 수도 있고, 그렇지 않으면 동작 (1506) 이 수행될 수도 있다. (1516) 에서, 데이터로깅 모듈 (234) 은 수정된 시작 시간 및 중단 시간에 기초하여 부가적인 데이터를 수집하고 저장할 수도 있고, 여기서 데이터는 HI 모듈 (230) 에 액세스 가능하다.
기판 프로세스의 시작 시 데이터를 수집하는 일부 데이터로깅 방법들의 문제는 수집된 모든 데이터에서 짧은 과도를 픽킹 아웃하는 (pick out) 데 어려움이 있다는 것이다. 또한, 신호의 밀리초 미만 (sub-millisecond) 부분에서 발생을 모니터링한다면, 고속 데이터 레이트와 많은 양의 대역폭 및 메모리가 필요하다. 상기 기술된 방법에서와 같이 트리거 이벤트의 데이터 수집을 개시함으로써, 의심되는 발생에 가깝게 그리고 발생 전에 시간이 픽킹될 (pick) 수도 있다. 그 결과, 관련 없는 데이터의 수집을 최소화하거나 관련 없는 데이터를 수집하지 않고 관련 데이터가 수집된다. 부가적으로, 모니터링된 센서 신호가 버퍼링된다면, 트리거 시작은 모니터링할 이벤트 전에, 이벤트 직후 수집을 종료하고 버퍼링된 데이터를 판독함으로써 제공될 수도 있다. 일부 실시 예들에서, 이는 트리거링 가능한 이벤트 후 시간 윈도우 내에서 발생하는 것으로 공지되었지만 정확한 시간은 알려지지 않은 아크 이벤트를 모니터링할 때 구현된다. 선택 가능한 (optional) 트리거가 데이터 기록을 인에이블하도록 사용될 수도 있고 루프된 버퍼가 아크 이벤트에 대해 캡처된 데이터를 저장하도록 사용될 수도 있다.
논리 연산자들을 사용하는 트리거들이 또한 설정될 수도 있고, 복수의 트리거 이벤트들이 발생할 때 또는 하나 이상의 조건들이 존재할 때 (예를 들어, 트리거 ON 이벤트 A 또는 신호 X) 액션들이 수행될 수도 있다. 데이터로깅은 이벤트들의 하나 이상의 조합에서 트리거링 ON될 수도 있고 발생하는 것으로 의심되는 잠재적인 원인 및 결과 관계들을 조사하기 위해 몇몇 신호들의 데이터를 수집할 수도 있다. 트리거들은 또한 이진 이벤트들 (예를 들어, 서브-시스템에 대한 전력-ON 명령, 도달될 신호의 레벨, 트리거 레벨 위로 상승하는 압력, 등) 에 대해 규정될 수도 있다. 간헐적인 이벤트들을 캡처하기 위해, 데이터는 트리거링 이벤트가 미리 결정된 수의 발생들까지 발생할 때마다 기록될 수도 있다. 이어서 대응하는 툴은 무인으로 (unattended) 실행될 수도 있고 이벤트들이 캡처될 때 노트를 게시할 수도 있다. 이는 발생들 사이에 시간들이 있는 이벤트들에 유용하다.
전체 시스템 및/또는 머신에 대한 SHI 값을 제공하는 것을 포함하는, 상기 기술된 실시 예들은 고장 및/또는 이슈의 신속한 검출을 허용한다. 이에 대한 일 이유는 SHI 결정의 주파수가 높을 수도 있고 시스템 동작 동안 제공될 수도 있다는 것이다. SHI 값은 시스템이 유휴 상태에 있지 않을 때 그리고 종종 최소 메모리 사용량 및 프로세싱 전력으로 결정될 수 있다. SHI 접근법은 공지된 잠재적인 고장 모드들 및 유지 보수의 스케줄링을 둘러싼 데이터의 더 효율적인 캡처를 허용한다. 특정한 모듈의 하드웨어의 총체적 상태 및 상태는 예방적 유지 보수를 스케쥴링할 뿐만 아니라 프로세스 결과 또는 장비 상태에 부정적 영향을 줄 수도 있는 이슈들을 신속하게 식별하도록 모니터링되고 사용된다. 일부 예들에서, 집계는 신속하고 쉬운 인간 검출 및 이해를 위해 수행되고 제시된다. 일부 예들에서, 집계된 정보는 전체 시스템의 유용한 수명을 연장하기 위해 작업의 재분배 또는 모듈들의 재구성/재배열을 용이하게 하도록 사용될 수도 있다. 어떤 특정한 툴들 및 모듈들이 열화를 나타내기 시작하는지 아는 것은 시스템 오퍼레이터들로 하여금 전체 업타임 (uptime) 을 증가시키고 프로세스 결과들을 개선하기 위해 제조 환경에서 유지 보수를 스케쥴링하고 기판들을 라우팅하게 한다.
일부 실시 예들에서, 상기 기술된 방법들은 에어록이 펌프 다운을 완료하고 VTM 도어가 개방되기 전에 적어도 5 초의 정지 (pause) 가 있을 때 구현될 수도 있다. 압력 데이터가 로깅되고 2 차 다항식이 계수들의 분포와 다항식의 계수들을 비교하도록 적용된다. 시스템은 프로세스 제어 제한들에 기초하여 응답한다. 가능한 응답들은 경고 게시, 건전성 인덱스 스코어 변경, 또는 단순히 데이터를 저장하고 시스템 오퍼레이터에게 지표를 제공하지 않는 것을 포함한다. 체크들의 이러한 타입들은 정상 사이클링 동안 수행될 수도 있다. 일 실시 예에서, 최적합 2 차 다항식을 제공하도록 수행된 계산에서 사용되고 그리고/또는 수집된 모든 압력 값들보다는 최적합 2 차 다항식의 계수들만이 저장된다 (save). 계수들만 저장하면 특히 수백 개의 알고리즘을 실행할 때 필요한 메모리가 크게 감소한다. 기술된 기법들은 임의의 연속적인 데이터 트레이스에 적용될 수도 있다. 일부 실시 예들에서, 기술된 기법들은 단일 이상치들 (outliers) 에 대한 느린 시프트들을 허용하고 위양성 보고 (예를 들어, 툴이 비정상 건전성에 있지만 툴이 시간의 긴 기간 동안 고장나지 않음을 보고함) 및 위음성 보고 (예를 들어, 툴이 정상적으로 동작하고 있고 툴이 실제로 고장남을 보고함) 에 대한 가능성을 최소화한다.
일부 실시 예들에서, 기술된 센서 맵핑 및 센서 정보 디스플레이는 시스템에 대한 광범위한 결론들이 결정되게 한다. 일부 실시 예들에서, 20 개 보다 많은 온도 센서들이 포함될 수도 있고 기판 프로세싱 시스템 상의 각각의 지점들로부터 온도 데이터가 수집된다. 환경 조건이 기판 프로세싱 시스템의 후면 절반에서 발생하면, 조건이 발생한 곳 근방 또는 다른 곳에서 온도 센서들은 비정상적인 판독 값들을 가질 수도 있다. 일부 실시 예들에서, VTM은 기판 프로세싱 시스템의 모든 프로세싱 모듈들이 실행될 때 평균적으로 정상보다 5 ℃ 더 높은 온도들을 나타낼 수도 있다. 기판 프로세싱 시스템의 후면 절반 상의 프로세싱 모듈들이 정상 성능과 동일하거나 더 나쁜 성능 및/또는 전방 프로세싱 모듈들보다 더 나쁜 성능을 제공하는지 여부가 결정될 수도 있다. 그렇다면, 이슈들이 시스템의 후면 절반에 존재한다는 결정이 이루어질 수도 있다.
일부 실시 예들에서, 데이터로깅은 기판들 (또한 웨이퍼들로 지칭됨) 의 400 개 이상의 FOUP들을 사이클링하는 며칠 밤마다 한번 수행될 수도 있고, FOUP 각각은 25 개의 기판들을 홀딩할 수도 있다. 로드 록 상의 밸브들의 타이밍이 오프셋되고 펌프 다운 후 압력 스파이크를 생성할 때 에러가 검출될 수도 있다. 밸브 시퀀스를 캡처하고 에러를 이해하기 위한 예시적인 분해능은 20 ㎐ 이상의 샘플링 주파수로 설정될 수도 있다. 일부 실시 예들에서, 데이터로깅은 로드 록이 펌핑 다운될 때마다 1 초의 고속 데이터를 캡처하도록 수행될 수도 있다. 이는 시스템 오퍼레이터가 시작 및/또는 중단 버튼을 누를 필요 없이 행해질 수도 있다. 고속 데이터가 캡처되는 기간은 적용 예에 대해 커스터마이징될 (customize) 수도 있다. 고속 데이터의 데이터로깅은 펌프 다운 각각 동안 설정된 기간 동안 발생할 수도 있고 로드 록 압력에 기초하여 자동화되고 트리거링될 수도 있다. 이는 밸브 시퀀스로 하여금 (i) 적절한 밸브 시퀀싱이 발생하는지, 그리고 (ii) 이슈가 있다면, 이슈의 원인을 결정하도록 모니터링되게 한다. 이벤트-트리거링된-로깅 동안 저장된 데이터의 양은 연장된 시간의 기간들 동안 연속적인 데이터로깅보다 10 내지 100 배 더 적은 데이터일 수도 있다. 연장된 기간에 걸쳐 20 ㎐에서 연속적인 데이터로깅이 이벤트가 캡처되게 할 수도 있지만, 본 명세서에 개시된 기법들을 사용하여, 이벤트는 전체 간격치의 데이터 (full intervals worth of data) 를 수집하는 것과 반대로 선택된 간격들 (예를 들어, 매 분마다 데이터의 1 초) 을 수집함으로써 캡처될 수 있다.
시스템 건전성 인덱스 계산을 위해, 로깅된 데이터의 양을 감소시키는 것은 HI 값들을 생성하는데 필요한 메모리 사용량 및 프로세싱 전력을 감소시킨다. HI 값들은 열화 (예를 들어, 밸브 열화) 또는 다른 동작 이상 (abnormality) 의 검출을 허용하도록 생성될 수도 있다. 더 상세한 이슈 및 원인 검출을 위해 밸브 개방 및 폐쇄를 위한 고속 데이터가 기록될 수도 있다. 데이터가 많은 컴포넌트들에 대해 추적된다면, 개시된 데이터로깅 실시 예들은 저장될 데이터의 양이 상당히 감소되게 한다. 모든 데이터가 대안적으로 연장된 기간에 걸쳐 연속적으로 로깅될 수도 있지만, 이 다량의 수집된 데이터를 저장하고 분석하기 위해 다량의 메모리 및 고속 프로세싱이 필요하다. 필요한 메모리 및 프로세싱 장비의 양 (amount) 은 비용이 많이 든다. 개시된 데이터로깅 시스템은 필요한 메모리 및 프로세싱 전력의 양을 크게 감소시킨다.
개시된 시작 및 중단 트리거들의 이점은 고속 데이터가 툴 상의 데이터 스토리지를 충진하지 않고 정상 툴 동작들 동안 사용될 수도 있다는 것이다. 정상 동작 동안 산발적으로 (sporadically) 오류가 발생하는 경우들은 종종 복제하고 문제를 해결하기 가장 어렵다. 고속 데이터로깅 및 버퍼링은 에러의 근본 원인을 더 신속하게 찾기 위해 정상 툴 동작 동안 사용될 수도 있다. 이슈의 원인을 결정하기 위해 일상적으로 수집되지 않는 부가 데이터가 수집될 수도 있다. 도 2의 HI 모듈 (230) 은 이전에 수집된 그리고/또는 부가적으로 수집된 데이터에 기초하여 이슈의 원인을 결정할 수도 있다. HI 모듈 (230) 은 또한 예를 들어, 유지 보수 동작들, 디바이스 또는 컴포넌트 교체, 소프트웨어 업데이트들, 시스템 수정들, 따를 단계별 루틴들, 등을 포함하여 이슈를 시정하기 위해 수행될 수도 있는 하나 이상의 서비스 동작들에 관한 추천을 제공할 수도 있다. 고속 데이터로깅 및 버퍼링이 웨이퍼 각각에 대한 전이들을 캡처하도록 수행될 수도 있다. 디지털 입력들 및 출력들 및/또는 아날로그 입력 문턱 값들에 기초하여 트리거들을 사용하는 것은 무엇을 로깅할 지 더 선택적으로 결정하게 한다.
HI 계산 및 노이즈 보상
도 16 내지 도 21에 관해 기술된 이하의 동작들은 예를 들어, 도 2의 건전성 인덱스 모듈 (230) 에 의해 수행될 수도 있다. 건전성 인덱스 값들은 리드 타임 (lead time) 이 너무 짧지 않고 너무 길지 않도록 규정되고 결정된다. 리드 타임은 (i) 센서 신호가 열화를 나타내는 것으로 결정될 때와 (ii) 센서에 대한 알람 제한에 도달할 때 사이의 시간의 양을 지칭한다. 센서 신호는 열화로 인해 가까운 미래에 알람 제한에 도달할 것이다.
도 16은 센서로부터 센서 신호 (SIG) 의 선형 감소 열화를 예시하는 예시적인 HI 시뮬레이션 그래프 (1600) 를 도시한다. 센서 신호 (SIG) 는 본 명세서에 언급된 임의의 센서 신호를 지칭할 수도 있다. 동일한 동작 조건에 대해, 센서는 열화로 인해 시간이 흐름에 따라 상이한 출력 값들을 제공할 수도 있다. 이는 센서의 열화; 센서의 캘리브레이션 열화; 센서에 의해 모니터링되는 디바이스, 컴포넌트 및/또는 시스템의 동작의 열화; 및/또는 센서에 의해 모니터링되는 디바이스, 컴포넌트 및/또는 시스템의 캘리브레이션의 열화로 인한 것일 수도 있다.
HI 시뮬레이션 그래프 (1600) 는 한계 문턱 값 (Sb), 알람 제한 (Sa), 건전성 인덱스 컴포넌트 곡선 (health index component curve; HIC), 및 건전성 인덱스 곡선 (HI) 를 더 포함한다. 한계 문턱 값 (Sb) 은 신호 (SIG) 에 의해 교차될 때 건전성 인덱스 컴포넌트 곡선 (HIC) 으로 하여금 0과 1 사이에서 전이하게 하는 문턱 값을 제공한다. 한계 문턱 값 (Sb) 은 신호 (SIG) 가 한계 문턱 값 (Sb) 과 같거나, 한계 문턱 값 (Sb) 이하로 떨어지거나, 또는 한계 문턱 값 (Sb) 이상으로 증가할 때 교차된다. 건전성 인덱스 컴포넌트 (HIC) 는 이진 값이고 따라서 0 또는 1 일 수도 있다. 이는 신호 라인 (SIG) 이 대략 25의 이벤트 카운트에서 한계 문턱 값 (Sb) 을 교차할 때 건전성 인덱스 컴포넌트 곡선 (HIC) 이 1에서 0으로 전이하는 것에 의해 도 16에 도시된다. 1과 0 사이의 전이에서 짧은 시간 지연이 있고, 이는 2 이벤트 카운트들만큼 많을 수도 있다. 이벤트 카운트는 초, 분, 시간, 일, 주 등을 지칭할 수도 있다. 이 전이는 세그먼트 (1602) 에 의해 도시된다. 도시된 바와 같은 선형 열화에 대해, 신호 (SIG) 가 한계 문턱 값 (Sb) 을 교차할 때, 건전성 인덱스 곡선 (HI) 은 1의 값으로부터 0의 값으로 감소한다. 이 건전성 인덱스 곡선 (HI) 의 감소 레이트는 미리 결정된 윈도우 사이즈에 의존하고, 이는 도시된 예에서 20 이벤트 카운트들이다. 신호 (SIG) 가 알람 제한 (Sa) 을 교차할 때 알람이 생성될 수도 있고, 이 지점에서 센서와 연관된 (예를 들어, 센서에 의해 모니터링되는) 디바이스 및/또는 시스템은 예를 들어, 프로세싱될 기판 및/또는 다른 아이템들에 대한 열화 및/또는 추가 열화를 방지하도록 셧다운 (또는 턴 오프) 될 수도 있다.
적어도 2 개의 파라미터들은 건전성 인덱스 값을 계산할 때 입력들로서 제공되고, 설정되고 그리고/또는 미리 결정될 수도 있다. 이들 파라미터들은 이동 평균 윈도우 (moving average window; MA) 및 한계 문턱 값 (Sb) 을 포함할 수도 있다. 이동 평균 윈도우는 이진 건전성 인덱스 컴포넌트 값이 결정될 수도 있는 다수의 이벤트들을 지칭한다. 건전성 인덱스 컴포넌트 곡선 (HIC) 은 시간이 흐름에 따라 플롯팅된 건전성 인덱스 컴포넌트 값들의 플롯이다. 마지막 미리 결정된 수의 이벤트 카운트들에 대해 결정된 건전성 인덱스 컴포넌트 값들은 업데이트된 건전성 인덱스 값을 제공하도록 평균될 수도 있다. 건전성 인덱스 곡선 (HI) 의 지점 각각은 이 방식으로 결정될 수도 있다.
MA 및 Sb의 선택은 (i) 고장 그리고/또는 알람 제한 (Sa) 이 신호 (SIG) 에 의해 도달되는 시간 전에 주어진 경고 시간의 양, 및 (ii) 고장 그리고/또는 또는 알람 제한 (Sa) 에 도달하는 시간에서의 건전성 인덱스 값을 결정한다. 일 실시 예에서, 고장 시간은 신호 (SIG) 가 알람 제한 (Sa) 에 도달할 때이다. 일 실시 예에서, 건전성 인덱스 값은 신호 (SIG) 가 알람 제한 (Sa) 에 도달할 때 또는 신호 (SIG) 가 알람 제한 (Sa) 에 도달하기 전에 0으로 감소한다. 값들 (MA 및 Sb) 은 신호 (SIG) 가 건전성 인덱스 값 (HI) 이 0에 도달하는 알람 제한 (Sa) 에 얼마나 앞서 도달할 지를 변경하도록 조정될 수도 있다.
단순한 모델이 신호 (SIG) 에 의해 표현된 열화가 선형인 때에 대해 도 16에 도시된다. 이 경우, 신호 (SIG) 가 한계 레벨 이하로 교차함에 따라 (예를 들어, Sb = 7.5) 건전성 인덱스 컴포넌트 곡선 (HIC) 은 1에서 0으로 토글한다 (toggle) (즉, 전이한다). 도시된 예에서, 이는 이벤트 카운트 25에서 발생한다. 건전성 인덱스 곡선 (HI) 은 이동 평균 윈도우 (MA) 와 연관된 시간에 걸쳐 선형으로 감소한다. 도시된 예에서, 한계 문턱 값 (Sb) 은 건전성 인덱스 곡선 (또는 건전성 인덱스 값) (HI) 이 50의 고장 이벤트 카운트 시간 6 개 전, 고장 이벤트 카운트 45에서 0으로 감소하도록 설정된다.
한계 문턱 값 (Sb) 은 신호 (SIG) 가 Sa와 같은 시간 쯤에 HI가 0으로 감소하도록 설정될 수도 있다. 이는 고장 시간 tf로 지칭된다. 고장 시간 tf는 식 (5) 로 나타낼 수도 있고, 여기서, 이 예에서, Sa=5이고, S0는 최초 또는 "정상" 신호 레벨이고 (이 예에서, S0는 10과 같음), 그리고 Rs는 신호 유닛들/이벤트 카운트의 신호 열화 레이트이다 (이 예에서, Rs는 -1/10과 같음).
HI가 100 ％ (또는 1) 로부터 감소하기 시작할 때로부터 신호 (SIG) 가 한계 문턱 값 (Sb) 으로 감소할 때까지의 지연 시간이 있고, 이는 식 6으로 나타낼 수도 있다.
대입 및 재배열 후, 식 7과 식 8은 참이다.
알람 제한 (Sa) 은 설계 요건들에 기초하여 설정될 수도 있고 열화 레이트 Rs는 모니터링되는 센서, 컴포넌트, 디바이스 및/또는 시스템 및 대응하는 동작 환경의 특성이다. MA의 값은 HI가 100 ％에서 0 ％로 감소하는 이벤트 카운트들의 관점에서 "경고 윈도우"를 설정한다. 일 실시 예에서, 평균화 윈도우 (MA) 는 이벤트들의 수보다는 시간에 따른다. 또 다른 실시 예에서, 평균화 윈도우 (MA) 의 지속 기간은 셧다운을 위한 적절한 계획 시간을 제공하기 위해 2 주이다. 이 시간 기간 동안, 시스템은 캘리브레이션, 수리 및/또는 교체가 필요한 부품(들)을 결정하고; 부품(들)을 주문 및 배송하고; 유지 보수를 수행하기 위해 셧다운 이벤트를 스케쥴링하고; 셧다운 이벤트에 대한 임의의 다른 준비들을 수행하도록 진단될 수 있다.
도 17은 센서 신호 (SIG) 의 선형 증가 열화를 예시하는 예시적인 HI 시뮬레이션 그래프 (1700) 를 도시한다. 신호 (SIG) 는 연속적인 곡선과 반대로, 샘플링된 값들의 플롯으로서 도시된다. 열화는 센서 신호를 감소시키지 않고 증가시킬 수 있다. 도 17은 증가하는 예를 도시한다. HI 시뮬레이션 그래프 (1700) 는 한계 문턱 값 (Sb), 알람 제한 (Sa), 건전성 인덱스 컴포넌트 곡선 (HIC), 및 건전성 인덱스 곡선 (HI) 를 더 포함한다. 이 예에서, 건전성 인덱스 곡선 (HI) 은 신호 (SIG) 가 한계 문턱 값 (Sb) 을 교차할 때 감소하기 시작하고 신호 (SIG) 가 알람 제한 (Sa) 을 교차할 때 0 ％로 감소한다.
도 18은 노이즈의 도입과 함께 센서 신호 (SIG) 의 선형 증가 열화를 예시하는 예시적인 HI 시뮬레이션 그래프 (1800) 를 도시한다. 노이즈는 신호 (SIG) 로 하여금 더 이상 선형이 되지 않게 하지만, 도시된 예에 있어서, 신호 (SIG) 는 상향 선형 경향을 갖는다. 이는 실제 신호의 더 사실적 표현이다.
HI 시뮬레이션 그래프 (1800) 는 한계 문턱 값 (Sb), 알람 제한 (Sa), 건전성 인덱스 컴포넌트 곡선 (HIC), 및 건전성 인덱스 곡선 (HI) 를 더 포함한다. 신호 (SIG) 의 상승 경향은 대략 0.5에서 시작하여 +1/10에서 선형으로 상승한다. 도시된 예에서, Sb = 0.8 및 Sa = 1 그리고 표준 편차 σ = 0.05를 갖는 가우스 노이즈가 부가된다. 신호 (SIG) 가 한계 문턱 값 (Sb) 를 여러 번 교차함에 따라 HIC 곡선은 0과 1 사이에서 여러 번 토글한다는 것을 주의한다. 이는 HI 곡선이 0에 도달하는 것을 지연시키는 효과를 갖고, 예를 들어, HI 곡선이 이벤트 카운트 당 대략 -0.023의 레이트로 감소하고 대략 이벤트 카운트 50에서 0에 도달하는 대신, HI 곡선은 도시된 바와 같이 이벤트 카운트 56에서 0에 도달한다. 또한 알람 레벨 (Sa) 은 대략 20 ％ 및 10 ％의 각각의 HI 값들을 사용하여 t = 43에서 그리고 다시 t = 47에서 짧게 브리칭된다 (breech) 는 것을 주의한다. t = 43에서 교차하는 것은 노이즈로 인한 것이고 거짓 알람을 발생시킬 수 있다. 그러나, HI 곡선이 모니터링되고 HIC 값들이 HI 곡선을 제공하도록 평균화되기 때문에, HI 곡선은 t = 56이 될 때까지 0에 도달하지 않는다. 그 결과, 실제 알람 제한은 t = 56에서 교차된 것으로 간주될 수도 있다. 이는 알람이 일시적으로 해제되고 HI 곡선이 0에 도달할 때까지 생산을 계속하게 한다. 생산이 t = 43에서 중단되면, 다운타임이 증가할 가능성이 있고 대응하는 부품들의 완전한 유효 수명이 실현되지 않을 수도 있고, 즉, 단축될 수도 있다.
도 19는 노이즈의 도입과 함께 센서 신호 (SIG) 의 선형 증가 열화를 예시하는 샘플링된 지점들을 포함하는 예시적인 HI 시뮬레이션 그래프 (1900) 를 도시한다. 센서 신호 (SIG) 는 연속적인 곡선이 아니라 샘플링된 지점들의 플롯으로 도시된다. HI 시뮬레이션 그래프 (1900) 는 한계 문턱 값 (Sb), 알람 제한 (Sa), 건전성 인덱스 컴포넌트 곡선 (HIC), 및 건전성 인덱스 곡선 (HI) 를 더 포함한다. 알 수 있는 바와 같이, 건전성 인덱스 컴포넌트 곡선 (HIC) 은 한계 문턱 값 (Sb) 에 걸친 신호들 (SIG) 의 교차로 인해 1과 0 사이에서 토글한다. 가우스 노이즈가 신호 (SIG) 에 부가되었다. HI 0 시간은 밀려나고 (push out) 신호가 노이즈 컴포넌트로 인해 조기에 알람 발생 (alarm out) 가능성이 방지된다. 건전성 인덱스 곡선은 건전성 인덱스 컴포넌트 곡선 (HIC) 의 평균으로 인해 노이즈에 강하다.
적응형 HI 전략
열화 레이트 Rs는 추정될 수 있다. 추정은 센서 신호의 노이즈 컴포넌트에 크게 의존할 수도 있다. 노이즈가 있는 신호의 도함수를 취하면 노이즈가 더 많은 결과를 얻을 수 있다. 이러한 이유로, 평활화 (smoothing) 방법이 수행될 수 있다. 일 예로서, 미리 결정된 시간 기간에 걸친 신호 값들이 평균될 수도 있다. 최초 시간 t0으로부터 최초 시간 t0 이후 시간 t1까지의 시간 기간을 고려한다. 이 기간 동안, 센서 신호는 값 SIG0에서 값 SIG1으로 열화될 수도 있다. 
의 추정치는 식 9로 나타낼 수도 있다.
일 실시 예에서, 목적은 신호 (SIG) 의 열화 레이트 (Rs) 를 추정하고 경고 윈도우 (MA) 를 유지하기 위해 한계 레벨 (Sb) 을 변경하도록 열화 레이트 Rs를 사용하는 것이다. HI 계산을 위한 3 개의 잠재적인 경우들이 있다: (i) 신호 (SIG) 가 알람 조건을 향해 상승하는 열화 조건; (ii) 신호가 알람 조건을 향해 하강하는 열화 조건; 및 (iii) 양방향 알람 조건이 존재하는 결합된 경우.
적응형 HI 계산은 알람 제한 (Sa), 한계 문턱 값 (Sb), 및 이동 평균 윈도우 (MA) 를 사용한다. 도 16에 도시된 바와 같이, 신호 열화가 선형인 단순 모델을 갖는 단순한 시뮬레이션을 고려한다. 이 경우, HI 컴포넌트 곡선 (HIC) 은 신호 (SIG) 가 이벤트 (시간) 25에서 발생하는 한계 문턱 값 이하로 교차함에 따라 (Sb = 7.5) 1에서 0으로 토글한다. HI 곡선은 이동 평균 윈도우 (MA) 의 길이와 동일한 시간 윈도우에 걸쳐 선형으로 감소한다. 이들 조건들에서, 선입선출 (first-in-first-out) 버퍼는 이벤트 26에서 시작하여 0들로 충진하여 버퍼로부터 1들을 푸시 아웃한다. 한계 문턱 값 (Sb) 은 HI가 이벤트 50에서 고장 시간, 5 개의 이벤트 전인 이벤트 45에서 0으로 감소하도록 이 시뮬레이션에서 설정된다. HIC 값들은 측정 각각에 대해 평가된다. 신호 (SIG) 가 한계 문턱 값 (Sb) 와 알람 제한 (Sa) 사이이면 HIC = 0이고, 그렇지 않으면 1이다.
일 실시 예에서, 프로젝팅된 (project) 고장 시간은 HI가 0에 가깝거나 같을 때에 정렬된다. 이렇게 하면 방정식 10이 산출된다.
여기서 Rs의 값은 음수이므로 Sb ≥ Sa이다. 알람 제한 (Sa) 이 정상 신호 레벨보다 높을 때, Rs > 0이어서 Sb는 Sa보다 더 작을 것이다. 이 예에서, MA 및 Sb인 2 개의 세트 파라미터가 있다.
이 단순한 시뮬레이션에서, MA는 HI가 100 ％ 내지 0 ％ 동안 전이하는 "경고 윈도우"와 같다. 상기 시뮬레이션에서 열화 레이트는 일정하고 단조롭지만, 신호 (SIG) 는 알람 제한 (Sa) 을 향해 완전히 교차하고 이동하기 전에 일정한 시간 기간 동안 한계 문턱 값 (Sb) 을 여러 번 교차하게 하는 상당한 노이즈 컴포넌트를 전달할 수도 있다. 따라서, HIC 값들은 단순히 1에서 0으로 감소하는 것이 아니라 일정 시간 동안 토글할 것이다. HI 곡선에 대한 효과는 시간에 따라 늘어난다는 것이다. MA가 너무 길게 설정되면, 100 ％로부터의 HI 브레이크 다운은 무시될 수도 있고 또는 서비스 동작이 너무 일찍 수행될 것이고, 잠재적으로 부품 서비스 수명을 희생시킬 것이다. 일 실시 예에서, MA의 선택은, (i) 신호 (SIG) 가 알람 제한 (Sa) 를 완전히 가로지르고, 그리고/또는 (ii) 신호 (SIG) 의 경향이 알람 제한 (Sa) 에 도달하기 전에 또는 (i) 신호 (SIG) 가 알람 제한 (Sa) 를 완전히 가로지르고, 그리고/또는 (ii) 신호 (SIG) 의 경향이 알람 제한 (Sa) 에 도달할 때 HI 값이 0으로 감소하도록 보수적이다 (conservative).
MA 값은 즉각적인 계획을 명령할 고장의 적절한 경고를 제공하도록 대략 2주의 동작으로 설정될 수도 있다. HI 계산들은 이벤트들에 기초하여 수행될 수도 있다. 이것이 발생할 때, 예상되는 이벤트 레이트의 추정치가 이벤트들을 달력 시간으로 변환하도록 이루어진다. 대안적으로, 이벤트들로 표현된 MA는 일정한 시간 윈도우를 유지하면서 가변하게 될 수도 있다. 일 실시 예에서, 최소 20 개의 이벤트들이 포함되고, 이는 한 번에 5 ％의 단계들에서 감소하는 HI 값을 발생시킨다 (에이지 포인트들 (age points) 로서 지칭됨). 또 다른 실시 예에서, 50 개의 이벤트들의 MA가 사용된다.
열화 레이트를 추정하기 위한 2 개의 예시적인 방법들이 이하에 기술된다. 제 1 방법은 단순 이동 평균 윈도우 (또는 경고 윈도우) 를 포함한다. 제 2 방법은 이동 윈도우 내에서 삼각 유한 임펄스 응답 (finite impulse response; FIR) 필터 가중치를 사용하는 커널 기법이다. 제 2 방법은 제 1 방법보다 신호 노이즈에 더 강성이다.
단순 이동 평균 윈도우 방법은 경고 윈도우 (MA) 내에 속하는 측정 값들에 대한 평균 스텝 변화, 
SIG로서 열화 레이트 Rs를 추정하는 것을 포함한다. 20 엘리먼트 스팬 (element span) (즉, MA = 20 
SIG 엘리먼트들) 에 대해, 열화 레이트 Rs는 식 11을 사용하여 추정될 수 있다.
MA = 20보다 더 긴 스팬이 노이즈가 있는 신호들에 사용될 수도 있다. MA 값은 가변적일 수도 있고 상한 (upper bound) 및 하한 (lower bound) 을 가질 수도 있다.
삼각 FIR 필터 가중 방법은 윈도우 내의 모든 값들을 동일하게 가중하는 것을 포함하는, 단순 이동 평균 윈도우 방법과 달리, 경고 윈도우 (MA) 내의 값들을 상이하게 가중하는 것을 포함한다. 삼각 가중 방법에서 가중치들은 합이 1이 되도록 정규화된다. 8-엘리먼트 윈도우의 경우 가중치들은 합계 = 20인 [1,2,3,4,4,3,2,1]이고, 따라서 제 1 가중치는 1/20, 제 2 가중치는 2/20, 등이다. 10-엘리먼트 윈도우의 경우 가중치들은 합계 = 30인 [1,2,3,4,5,5,4,3,2,1]이다. 따라서 일반적으로 Rs에 대한 추정치는 식 12로 나타낼 수도 있고, 여기서 
SIGi = SIG0 - SIG1이다.
따라서, n 개의 가장 최근의 
SIG 값들이 버퍼링되고 이어서 가중된 합이 계산된다. 윈도우 길이가 가변되면, 복수의 가중치 세트가 저장된다. 일 실시 예에서 그리고 열화 레이트가 "역추적하는 것 (backtrack)"을 방지하기 위해, 열화 레이트는 |Rs[i]| ≥ |Rs[i - 1]|일 경우 Rs[i]이다.
양방향 알람 제한들은 열화 레이트가 반전되도록 신호 (SIG) 가 어느 방향 (증가하는 방향 또는 감소하는 방향) 으로든 열화될 수 있을 때 사용될 수도 있다. 4 개의 가능한 경우들이 있지만, |Rs[i]| ≤ |Rs[i - 1]|일 경우 열화는 "백 오프되고 (back off)" Rs[i - 1]가 유지된다. 다른 2 개의 경우들은 방향에 관계 없이 적용되는 (저장되고 사용되는) "강한" 변화들로 간주된다.
도 20은 노이즈의 도입 및 적응형 한계 문턱 값 (Sb) 과 함께 센서 신호 (SIG) 의 선형 감소 열화를 예시하는 HI 시뮬레이션 그래프 (2000) 를 도시한다. 알 수 있는 바와 같이, 적응형 한계 문턱 값 (Sb) 은 고정된 파라미터가 아니라 가변하고 그리고 알람 제한 (Sa), 열화 레이트 (Rs) 및 이동 평균 윈도우 (MA) 에 기초한다. 문턱 값 (Sb) 은 상기 식 10을 사용하여 결정될 수도 있다. 그래프 (2000) 는 알람 제한 (Sa), 건전성 인덱스 컴포넌트 곡선 (HIC), 및 건전성 인덱스 곡선 (HI) 을 포함한다.
한계 문턱 값 (Sb) 은 신호 (SIG) 가 알람 제한 (Sa) 에 도달하기 전 또는 도달할 때 건전성 인덱스 곡선 (HI) 이 0으로 감소하도록 시간이 흐름에 따라 조정된다. 일 실시 예에서, 적응형 알고리즘은 신호 (SIG) 의 기울기를 반복적으로 결정하고 신호 (SIG) 가 알람 제한 (Sa) 을 가로지르는 곳으로 프로젝팅함으로써 시간이 흐름에 따라 한계 문턱 값 (Sb) 을 가변시킨다. 이어서 한계 문턱 값 (Sb) 은 이 프로젝션 (projection) 에 기초하여 조정된다.
도 21은 삼각 FIR 필터 가중된 방법을 포함하는, HI 값들을 획득하기 위한 예시적인 프로세스를 도시한다. 프로세스 및/또는 이의 부분들은 반복적으로 수행될 수도 있다. 프로세스는 (2100) 에서 시작될 수도 있다. (2102) 에서, 도 2의 건전성 인덱스 모듈 (230) 은 이동 평균 (또는 경고) 윈도우 사이즈 (MA) 및 최초 한계 문턱 값 (Sb) 을 결정, 설정, 선택 그리고/또는 획득한다. 건전성 인덱스 모듈 (230) 은 예를 들어, 윈도우 (MA) 에 대한 시간이 대략 2 주 ± 1 내지 2 일과 같도록 설정할 수도 있다. 이는 이벤트 카운트 주파수에 기초하여 윈도우 MA, 또는 이벤트 카운트들의 수를 설정하는 것을 포함할 수도 있다. MA는 사용자 설정 가능한 파라미터일 수도 있다. 건전성 인덱스 모듈 (230) 은 또한 윈도우 (MA) 에 대한 최초 시작점을 설정한다.
(2104) 에서, 건전성 인덱스 모듈 (230) 은 센서 신호 (SIG) 의 샘플들 (n) 을 추적한다. 건전성 인덱스 모듈 (230) 은 MA의 시간 스팬을 따라 확산된 
SIG의 이전의 n 개의 측정 값들을 유지할 수도 있고, 여기서 n은 1보다 더 큰 정수이다.
이하의 동작들 (2106, 2108) 은 동작들 (2110, 2112) 과 병행하여 그리고 동작들 (2114, 2116) 과 병행하여 수행될 수도 있다.
(2106) 에서, 건전성 인덱스 모듈 (230) 은 센서 신호 (SIG) 가 한계 문턱 값 (Sb) 를 교차했는지 여부를 결정한다. 그렇다면, 동작 (2108) 이 수행될 수도 있고, 그렇지 않으면 동작 (2104) 이 수행될 수도 있다. (2108) 에서, 건전성 인덱스 모듈 (230) 은 HIC 값을 0과 1 사이에서 전이시킨다.
(2110) 에서, 건전성 인덱스 모듈 (230) 은 윈도우의 시간 프레임에 걸쳐 건전성 인덱스 컴포넌트 (HIC) 값들의 이동 평균 HI 값을 생성한다. 건전성 인덱스 모듈 (230) 은 마지막으로 결정된 문턱 값 한계 Sb에 대해 FIFO 버퍼에 저장된 이벤트 분류 값들 (HIC 값들을 참조함) 의 이동 평균으로서 이동 평균 HI 값을 계산할 수도 있다.
(2112) 에서, 건전성 인덱스 모듈 (230) 은 이전에 계산된 이동 평균 HI 값들과 함께 이동 평균 HI 값을 저장한다. 일 예로서, 30 일의 이동 평균 HI 값들은 미래의 평가를 위해 저장될 수도 있다.
(2114) 에서, 건전성 인덱스 모듈 (230) 은 신호 열화 레이트 Rs를 추정한다. 이는 상기 식 10을 사용하여 달성될 수도 있고, 신호 (SIG) 의 기울기에 기초하여 알람 제한이 신호 (SIG) 에 의해 충족될 때를 추정하는 것을 포함할 수도 있다. 건전성 인덱스 모듈 (230) 은 
SIG의 가장 최근 n 개의 값들의 가중 합산으로서 Rs를 추정한다. (2116) 에서, 건전성 인덱스 모듈 (230) 은 상기 기술된 바와 같이, 추정된 신호 열화 레이트 Rs에 기초하여 한계 문턱 값 (Sb) 을 수정한다.
(2120) 에서, 건전성 인덱스 모듈 (230) 은 대응책으로서, 신호 (SIG) 가 열화 및 알람 제한 (Sa) 이 신호 (SIG) 에 의해 충족될 때의 추정을 나타내는 것을 나타내는 정보 메시지를 생성한다. 이는 알람 제한이 가까운 미래에 충족될 것임을 사용자에게 경고하고 유지 보수를 위해 셧다운 이벤트를 스케쥴링하도록 사용자에게 소프트 알람을 생성하는 것을 포함할 수도 있다. 이는 미래의 셧다운 이벤트의 지속 기간을 최소화하기 위한 액션들을 허용한다.
(2122) 에서, 건전성 인덱스 모듈 (230) 은 또 다른 이벤트 카운트가 있는지 여부를 결정한다. 그렇다면, 동작 (2124) 가 수행되고, 그렇지 않으면 방법은 (2126) 에서 종료될 수도 있다. (2124) 에서, 건전성 인덱스 모듈 (230) 은 윈도우 시작 지점을 증분한다 (increment).
본 명세서에 개시된 방법들 및 프로세스들의 상기 기술된 동작들은 예시적인 예들을 의미한다. 동작들은 적용 예에 따라 순차적으로, 동기화되어, 동시에, 연속적으로, 오버랩되는 시간 기간들 동안 또는 상이한 순서로 수행될 수도 있다. 또한, 임의의 동작들이 구현 예 및/또는 이벤트들의 시퀀스에 따라 수행되지 않거나 스킵될 수도 있다.
또 다른 예로서, 건전성 인덱스 모니터링은 상기 기술된 바와 같이 수행될 수도 있고 엔드 이펙터 상의 기판 미끄러짐 (slippage) 을 검출하도록 사용된 센서들에 적용될 수도 있다. 이들 센서들로부터의 디지털/아날로그 센서 데이터는 본 명세서에 개시된 건전성 인덱스 알고리즘, 방법 및/또는 프로세스를 사용하여 미끄러짐을 검출하도록 사용될 수도 있다. 이는 기판에 대한 손상을 방지하도록 행해질 수도 있다. 센서들은 기판이 이동되는 경로를 따라 상이한 위치에서 엔드 이펙터 상의 기판의 배치를 검출하도록 사용될 수도 있다. 기판은 상이한 챔버들 및/또는 에어록들 사이에서 엔드 이펙터에 의해 이동될 수도 있다. 엔드 이펙터에 대한 기판의 중심에 대해 의도된 포지션에 대한 기판의 중심에 대한 배치 (또는 포지션) 가 결정될 수도 있다. 이 결정은 예를 들어, 기판이 에어록 및/또는 챔버 (예를 들어, 프로세싱 챔버) 로 들어가고 그리고/또는 나갈 때마다 이루어질 수도 있다. 언급된 포지션들의 차 및 이 차의 변화는 위치로부터 위치로 이동될 때 미끄러짐 및 미끄러짐의 양이 변화하는지 여부를 나타낸다. 0보다 더 큰 차는 기판이 엔드 이펙터에 대해 올바른 포지션에 있지 않고 그리고/또는 미끄러졌다는 것을 나타낼 수 있다. 건전성 인덱스 모니터링은 센서들, 엔드 이펙터, 및/또는 또 다른 컴포넌트(들) 및/또는 디바이스(들)의 유지 보수가 필요한지 여부를 결정하도록 사용될 수도 있다.
전술한 기술은 본질적으로 단지 예시이고, 어떠한 방식으로도 본 개시, 이의 적용 예, 또는 사용들을 제한하도록 의도되지 않는다. 본 개시의 광범위한 교시들은 다양한 형태들로 구현될 수 있다. 따라서, 본 개시가 특정한 실시 예들을 포함하지만, 본 개시의 진정한 범위는 다른 수정들이 도면들, 명세서 및 이하의 청구항들의 연구 시 자명해질 것이기 때문에 이렇게 제한되지 않아야 한다. 방법의 하나 이상의 단계들은 본 개시의 원리들을 변경하지 않고 상이한 순서로 (또는 동시에) 실행될 수도 있다는 것이 이해되어야 한다. 또한, 실시 예들 각각이 특정한 피처들을 갖는 것으로 상기 기술되었지만, 본 개시의 임의의 실시 예에 대해 기술된 이들 피처들 중 임의의 하나 이상의 피처들은, 조합이 명시적으로 기술되지 않아도, 임의의 다른 실시 예들의 피처들로 및/또는 임의의 다른 실시 예들의 피처들과 조합하여 구현될 수 있다. 즉, 기술된 실시 예들은 상호 배타적이지 않고, 하나 이상의 실시 예들의 또 다른 실시 예들과의 치환들이 본 개시의 범위 내에 남는다.
엘리먼트들 간 (예를 들어, 모듈들, 회로 엘리먼트들, 반도체 층들, 등 간) 의 공간적 관계 및 기능적 관계는, "연결된 (connected)", "인게이지된 (engaged)", "커플링된 (coupled)", "인접한 (adjacent)", "옆에 (next to)", "~의 상단에 (on top of)", "위에 (above)", "아래에 (below)" 및 "배치된 (disposed)"을 포함하는, 다양한 용어들을 사용하여 기술된다. "직접적 (direct)"인 것으로 명시적으로 기술되지 않는 한, 제 1 엘리먼트와 제 2 엘리먼트 간의 관계가 상기 개시에서 기술될 때, 이 관계는 제 1 엘리먼트와 제 2 엘리먼트 사이에 다른 중개하는 엘리먼트들이 존재하지 않는 직접적인 관계일 수 있지만, 또한 제 1 엘리먼트와 제 2 엘리먼트 사이에 (공간적으로 또는 기능적으로) 하나 이상의 중개하는 엘리먼트들이 존재하는 간접적인 관계일 수 있다. 본 명세서에 사용된 바와 같이, 구 A, B 및 C 중 적어도 하나는 비배타적인 논리 OR를 사용하여, 논리적으로 (A 또는 B 또는 C) 를 의미하는 것으로 해석되어야 하고, "적어도 하나의 A, 적어도 하나의 B 및 적어도 하나의 C"를 의미하는 것으로 해석되지 않아야 한다.
일부 구현 예들에서, 제어기는 상기 기술된 실시 예들의 일부일 수도 있는 시스템의 일부이다. 이러한 시스템들은, 프로세싱 툴 또는 툴들, 챔버 또는 챔버들, 프로세싱용 플랫폼 또는 플랫폼들 및/또는 특정 프로세싱 컴포넌트들 (웨이퍼 페데스탈, 가스 플로우 시스템, 등) 을 포함하는, 반도체 프로세싱 장비를 포함할 수 있다. 이들 시스템들은 반도체 웨이퍼 또는 기판의 프로세싱 이전에, 프로세싱 동안에, 그리고 프로세싱 이후에 그들의 동작을 제어하기 위한 전자 장치들과 통합될 수도 있다. 전자 장치는 시스템들 또는 시스템의 서브 파트들 또는 다양한 컴포넌트들을 제어할 수도 있는 "제어기 (controller)"로서 지칭될 수도 있다. 제어기는, 시스템의 프로세싱 요건들 및/또는 타입에 따라서, 프로세싱 가스들의 전달, 온도 셋팅들 (예를 들어, 가열 및/또는 냉각), 압력 셋팅들, 진공 셋팅들, 전력 셋팅들, 무선 주파수 (RF) 생성기 셋팅들, RF 매칭 회로 셋팅들, 주파수 셋팅들, 플로우 레이트 셋팅들, 유체 전달 셋팅들, 포지션 및 동작 셋팅들, 툴 및 다른 이송 툴들 및/또는 특정 시스템과 연결되거나 인터페이싱된 로드 록들 내외로의 웨이퍼 이송들을 포함하는, 본 명세서에 개시된 프로세스들 중 임의의 프로세스들을 제어하도록 프로그래밍될 수도 있다.
일반적으로 말하면, 제어기는 인스트럭션들을 수신하고, 인스트럭션들을 발행하고, 동작을 제어하고, 세정 동작들을 가능하게 하고, 엔드포인트 측정들을 가능하게 하는, 등을 하는 다양한 집적 회로들, 로직, 메모리 및/또는 소프트웨어를 갖는 전자 장치로서 규정될 수도 있다. 집적 회로들은 프로그램 인스트럭션들을 저장하는 펌웨어의 형태의 칩들, 디지털 신호 프로세서들 (DSPs), ASICs (Application Specific Integrated Circuits) 로서 규정되는 칩들 및/또는 프로그램 인스트럭션들 (예를 들어, 소프트웨어) 을 실행하는 하나 이상의 마이크로프로세서들, 또는 마이크로제어기들을 포함할 수도 있다. 프로그램 인스트럭션들은 반도체 웨이퍼 상에서 또는 반도체 웨이퍼에 대한 특정 프로세스를 수행하기 위한 동작 파라미터들을 규정하는, 다양한 개별 셋팅들 (또는 프로그램 파일들) 의 형태로 제어기와 통신하는 또는 시스템과 통신하는 인스트럭션들일 수도 있다. 일부 실시 예들에서, 동작 파라미터들은 하나 이상의 층들, 재료들, 금속들, 옥사이드들, 실리콘, 실리콘 다이옥사이드, 표면들, 회로들 및/또는 웨이퍼의 다이들의 제조 동안에 하나 이상의 프로세싱 단계들을 달성하도록 프로세스 엔지니어들에 의해서 규정된 레시피의 일부일 수도 있다.
제어기는, 일부 구현 예들에서, 시스템과 통합되거나, 시스템에 커플링되거나, 그렇지 않으면 시스템에 네트워킹되거나, 또는 이들의 조합으로 될 수 있는 컴퓨터에 커플링되거나 이의 일부일 수도 있다. 일부 실시 예들에서, 제어기는 웨이퍼 프로세싱의 원격 액세스를 가능하게 할 수 있는 팹 (fab) 호스트 컴퓨터 시스템의 전부 또는 일부이거나 "클라우드" 내에 있을 수도 있다. 컴퓨터는 제조 동작들의 현 진행을 모니터링하거나, 과거 제조 동작들의 이력을 조사하거나, 복수의 제조 동작들로부터 경향들 또는 성능 계측치들을 조사하거나, 현 프로세싱의 파라미터들을 변경하거나, 현 프로세싱을 따르는 프로세싱 단계들을 설정하거나, 새로운 프로세스를 시작하기 위해서, 시스템으로의 원격 액세스를 인에이블할 수도 있다. 일부 실시 예들에서, 원격 컴퓨터 (예를 들어, 서버) 는 로컬 네트워크 또는 인터넷을 포함할 수도 있는 네트워크를 통해 시스템에 프로세스 레시피들을 제공할 수 있다. 원격 컴퓨터는 차후에 원격 컴퓨터로부터 시스템으로 전달될 파라미터들 및/또는 셋팅들의 입력 또는 프로그래밍을 가능하게 하는 사용자 인터페이스를 포함할 수도 있다. 일부 실시 예들에서, 제어기는 하나 이상의 동작들 동안 수행될 프로세싱 단계들 각각에 대한 파라미터들을 특정하는, 데이터의 형태의 인스트럭션들을 수신한다. 파라미터들은 제어기가 제어하거나 인터페이싱하도록 구성되는 툴의 타입 및 수행될 프로세스의 타입에 특정적일 수도 있다는 것이 이해되어야 한다. 따라서 상기 기술된 바와 같이, 제어기는 본 명세서에 기술된 프로세스들 및 제어들과 같이, 예를 들어 공통 목적을 향해 함께 네트워킹되고 작동하는 하나 이상의 개별 제어기들을 포함함으로써, 분산될 수도 있다. 이러한 목적들을 위한 분산형 제어기의 일 예는 챔버 상의 프로세스를 제어하도록 조합되는 (예를 들어, 플랫폼 레벨에서 또는 원격 컴퓨터의 일부로서) 원격으로 위치한 하나 이상의 집적 회로들과 통신하는 챔버 상의 하나 이상의 집적 회로들일 수 있다.
비한정적으로, 예시적인 시스템들은 플라즈마 에칭 챔버 또는 모듈, 증착 챔버 또는 모듈, 스핀-린스 (spin-rinse) 챔버 또는 모듈, 금속 도금 챔버 또는 모듈, 세정 챔버 또는 모듈, 베벨 에지 에칭 챔버 또는 모듈, 물리적 기상 증착 (physical vapor deposition; PVD) 챔버 또는 모듈, 화학적 기상 증착 (chemical vapor deposition; CVD) 챔버 또는 모듈, 원자 층 증착 (atomic layer deposition; ALD) 챔버 또는 모듈, 원자 층 에칭 (atomic layer etch; ALE) 챔버 또는 모듈, 이온 주입 챔버 또는 모듈, 추적 (track) 챔버 또는 모듈 및 반도체 웨이퍼들의 제작 및/또는 제작 시에 사용되거나 연관될 수도 있는 임의의 다른 반도체 프로세싱 시스템들을 포함할 수도 있다.
상술한 바와 같이, 툴에 의해서 수행될 프로세스 단계 또는 단계들에 따라서, 제어기는, 반도체 제작 공장 내의 툴 위치들 및/또는 로드 포트들로부터/로드 포트들로 웨이퍼들의 컨테이너들을 이동시키는 재료 이송 시에 사용되는, 다른 툴 회로들 또는 모듈들, 다른 툴 컴포넌트들, 클러스터 툴들, 다른 툴 인터페이스들, 인접 툴들, 이웃하는 툴들, 공장 도처에 위치한 툴들, 메인 컴퓨터, 또 다른 제어기, 또는 툴들 중 하나 이상과 통신할 수도 있다.
Claims (62)
- 건전성 (health) 모니터링, 평가 및 응답 시스템에 있어서
기판 프로세싱 시스템 내에 배치된 제 1 센서로부터 제 1 신호를 수신하도록 구성된 인터페이스; 및
건전성 인덱스 모듈을 포함하는 제어기를 포함하고,
상기 건전성 인덱스 모듈은,
윈도우 및 한계 문턱 값을 획득하는 단계,
상기 제 1 센서로부터 출력된 상기 제 1 신호를 모니터링하는 단계,
상기 제 1 신호가 상기 한계 문턱 값을 교차했는지 여부를 결정하는 단계,
건전성 인덱스 컴포넌트를 업데이트하는 단계로서, 상기 건전성 인덱스 컴포넌트는 이진 값이고 상기 제 1 신호가 상기 한계 문턱 값을 넘는 것에 응답하여 하이 값 (HIGH value) 과 로우 값 (LOW value) 사이에서 전이되는, 상기 건전성 인덱스 컴포넌트를 업데이트하는 단계, 및
상기 건전성 인덱스 컴포넌트에 기초하여 제 1 건전성 인덱스 값을 생성하고 적어도 상기 윈도우의 지속 기간에 걸쳐 상기 제 1 건전성 인덱스 값을 100 ％로부터 0 ％로 감소시키는 단계를 포함하는 알고리즘을 수행하도록 구성되고, 그리고
상기 제어기는 상기 제 1 건전성 인덱스 값에 기초하여 대응책을 수행하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 1 항에 있어서,
상기 건전성 인덱스 모듈은 상기 윈도우의 지속 기간에 걸쳐 상기 건전성 인덱스 컴포넌트의 업데이트된 값들의 평균으로서 상기 제 1 건전성 인덱스 값을 생성하도록 구성되고; 그리고
상기 건전성 인덱스 컴포넌트의 상기 업데이트된 값들은 상기 알고리즘의 각각의 반복 동안 결정되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 1 항에 있어서,
상기 건전성 인덱스 모듈은 상기 알고리즘의 반복 각각 동안 업데이트된 건전성 인덱스 값을 생성하도록 구성되고; 그리고
상기 제어기는 상기 업데이트된 건전성 인덱스 값들에 기초하여 상기 대응책을 수행하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 1 항에 있어서,
상기 건전성 인덱스 모듈은 상기 제 1 신호가 알람 제한에 도달하기 전 또는 도달한 때에 상기 건전성 인덱스 값이 0 ％로 감소하도록 상기 윈도우 및 상기 한계 문턱 값을 선택하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 1 항에 있어서,
상기 건전성 인덱스 모듈은 상기 건전성 인덱스 값이 100 ％로부터 0 ％로 감소하는 동안 시간의 양을 연장하도록 상기 알고리즘의 반복들 동안 상기 한계 문턱 값을 적응적으로 조정하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 1 항에 있어서,
상기 건전성 인덱스 모듈은 상기 제 1 신호가 알람 제한과 같기 전 또는 같을 때 상기 건전성 인덱스 값이 0％로 감소하도록 상기 알고리즘의 반복들 동안 상기 한계 문턱 값을 적응적으로 조정하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 1 항에 있어서,
상기 건전성 인덱스 모듈은,
상기 제 1 신호의 열화 레이트를 결정하기 위해 유한 임펄스 응답 필터를 구현하고; 그리고
상기 열화 레이트에 기초하여 상기 한계 문턱 값을 조정하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 1 항에 있어서,
상기 건전성 인덱스 모듈은 상기 제 1 신호의 열화 레이트, 상기 윈도우의 지속 기간, 및 알람 제한에 기초하여 상기 한계 문턱 값을 결정하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 1 항에 있어서,
상기 건전성 인덱스 모듈은,
상기 제 1 신호의 가중된 변화들의 합으로서 상기 제 1 신호의 열화 레이트를 추정하고; 그리고
상기 추정된 열화 레이트에 기초하여 상기 한계 문턱 값을 결정하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 1 항에 있어서,
상기 제어기는, 상기 제 1 건전성 인덱스 값이 감소하고, 미리 결정된 레벨에 도달하거나 미리 결정된 범위 내에 있는 것 중 적어도 하나에 응답하여 상기 대응책을 수행하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 1 항에 있어서,
상기 인터페이스는 상기 기판 프로세싱 시스템 내에 배치된 N 개의 센서들로부터 N 개의 신호들을 수신하도록 구성되고, N은 2 이상이고, 상기 N 개의 신호들은 상기 제 1 신호를 포함하고, 상기 N 개의 센서들은 상기 제 1 센서를 포함하고;
상기 건전성 인덱스 모듈은,
상기 N 개의 센서들로부터 각각 출력된 상기 N 개의 신호들을 모니터링하고,
상기 제 1 건전성 인덱스 값을 포함하는 복수의 건전성 인덱스 값들을 결정하도록 상기 N 개의 신호들을 평가하고, 그리고
시스템 건전성 인덱스 값을 결정하기 위해 상기 복수의 건전성 인덱스 값들을 집계하도록 (aggregate) 구성되고, 그리고
상기 제어기는 상기 시스템 건전성 인덱스 값이 감소하고, 미리 결정된 레벨에 도달하거나 미리 결정된 범위 내에 있는 것 중 적어도 하나에 응답하여 상기 대응책을 수행하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 건전성 (health) 모니터링, 평가 및 응답 시스템에 있어서
기판 프로세싱 시스템 내에 배치된 N 개의 센서들로부터 데이터를 수신하도록 구성된 인터페이스로서, N은 2 이상인, 상기 인터페이스; 및
건전성 인덱스 모듈을 포함하는 제어기를 포함하고,
상기 건전성 인덱스 모듈은,
상기 N 개의 센서들로부터 각각 출력된 데이터의 세트들을 수신하고,
복수의 건전성 인덱스 값들을 결정하기 위해 수신된 데이터의 세트들을 평가하고, 그리고
시스템 건전성 인덱스 값을 결정하기 위해 상기 복수의 건전성 인덱스 값들을 집계하도록 구성되고, 그리고
상기 제어기는 상기 시스템 건전성 인덱스 값이 감소하고, 미리 결정된 레벨에 도달하거나 미리 결정된 범위 내에 있는 것 중 적어도 하나에 응답하여 대응책을 수행하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 건전성 인덱스 모듈은,
상기 N 개의 센서들로부터 수신된 데이터 세트들에 대해 각각 2 차 다항식들을 결정하고; 그리고
상기 결정된 제 2 차 다항식들의 계수들에 기초하여 상기 하나 이상의 건전성 인덱스 값들을 결정하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 13 항에 있어서,
상기 건전성 인덱스 모듈은,
상기 계수들을 통계적 분포와 비교하고; 그리고
상기 통계적 분포에 대한 상기 계수들의 상기 비교의 결과들에 기초하여 상기 복수의 건전성 인덱스 값들을 결정하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 13 항에 있어서,
상기 건전성 인덱스 모듈은,
상기 계수들의 분포들을 결정하고;
건전성 인덱스 한계들과 상기 분포들을 비교하고; 그리고
상기 건전성 인덱스 한계들에 대한 상기 분포들을 비교하는 결과들에 기초하여 상기 하나 이상의 건전성 인덱스 값들을 결정하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 건전성 인덱스 모듈은 상기 기판 프로세싱 시스템의 물리적 또는 기능적 분해 중 적어도 하나에 대응하는 건전성 인덱스 계산들의 계층적 구조화에 기초하여 상기 시스템 건전성 인덱스 값을 결정하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 건전성 인덱스 모듈은 집계 알고리즘 (aggregation algorithm) 을 구현하고 상기 복수의 건전성 인덱스 값들 및 상기 시스템 건전성 인덱스 값을 결정할 때 리던던시 또는 리던던시 결여에 대응하는 부울 연산들 (Boolean operations) 을 사용하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 건전성 인덱스 모듈은 상기 시스템 건전성 인덱스 값을 생성할 때 상기 기판 프로세싱 시스템의 계층적 레벨 또는 서브-시스템 레벨 중 적어도 하나의 최소 건전성 인덱스 값을 선택하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 복수의 건전성 인덱스 값들 및 상기 시스템 건전성 인덱스 값 각각은 0 내지 100 ％인, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 제어기는 상기 시스템 건전성 인덱스 값에 기초하여 비정상 (abnormal) 인 것으로 표시되지만, 상기 제어기가 알람을 생성하거나 상기 기판 프로세싱 시스템의 동작을 중단하는 것을 억제하도록 용인할 수 있는 범위 내인, 상기 기판 프로세싱 시스템의 이벤트를 규정하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 건전성 인덱스 모듈은 상기 N 개의 센서들에 의해 검출될 때 상기 기판 프로세싱 시스템의 이벤트들의 N 개의 각각의 세트들에 기초하여 상기 복수의 건전성 인덱스 값들을 생성하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 21 항에 있어서,
상기 건전성 인덱스 모듈은 이벤트들의 상기 N 개의 각각의 세트들이 규정된 정상 동작 조건들 내에 있는지 여부에 기초하여 상기 복수의 건전성 인덱스 값들을 생성하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 건전성 인덱스 모듈은,
상기 기판 프로세싱 시스템의 결정된 상태들에 의해 규정된 시간 기간 동안 아날로그 센서로부터 획득된 데이터를 사용하고;
상기 시간 기간 동안 기판 프로세싱 시스템 동작의 2 차 값 특성을 컴퓨팅하기 (compute) 위해 수학적 모델을 사용하고; 그리고
상기 2 차 값에 기초하여 상기 시스템 건전성 인덱스 값을 생성하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 건전성 인덱스 모듈은 상기 규정된 한계 레벨을 넘는 동작 조건의 심각도를 나타내도록 규정된 한계 레벨과 알람 레벨 사이에서 상기 시스템 건전성 인덱스 값을 스케일링하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 24 항에 있어서,
상기 건전성 인덱스 모듈은 비-선형 스케일링 (non-linear scaling) 을 사용하는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 제어기는 상기 기판 프로세싱 시스템의 적어도 일부 및 상기 N 개의 센서들과 연관된 정보를 디스플레이하도록 구성된 센서 맵핑 모듈을 포함하는, 건전성 모니터링, 평가 및 응답 시스템. - 제 26 항에 있어서,
상기 센서 맵핑 모듈은 상기 기판 프로세싱 시스템의 상기 적어도 일부에 걸쳐 센서 식별자들, 센서 상태들, 및 상기 복수의 건전성 인덱스 값들을 디스플레이하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 26 항에 있어서,
상기 센서 맵핑 모듈은 계층적 포맷으로 상기 복수의 건전성 인덱스 값들을 디스플레이하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 26 항에 있어서,
상기 센서 맵핑 모듈은 상기 기판 프로세싱 시스템 내의 상기 N 개의 센서들의 물리적 위치들을 나타내도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 26 항에 있어서,
상기 센서 맵핑 모듈은 적어도 수신된 인스트럭션에 기초하여, 상기 기판 프로세싱의 선택된 계층적 레벨에 대한 상기 복수의 건전성 인덱스 값들 중 하나 이상을 선택적으로 디스플레이하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 26 항에 있어서,
상기 센서 맵핑 모듈은 상기 N 개의 센서들에 대한 이력 (historical) 건전성 인덱스 값들을 디스플레이하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 26 항에 있어서,
상기 센서 맵핑 모듈은 수신된 인스트럭션에 기초하여, 건전성 인덱스 값들의 집계 레벨을 디스플레이하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 건전성 인덱스 모듈은,
선택된 시간 기간 동안 정상 상태에서 상기 기판 프로세싱 시스템을 동작시키는 것에 기초하여 정상 동작 한계들을 결정하고; 그리고
상기 정상 동작 한계에 기초하여 잠재적인 이슈 또는 결함을 검출하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 건전성 인덱스 모듈은 상기 복수의 건전성 인덱스 값들을 결정하기 위한 기준으로서 상기 기판 프로세싱 시스템의 규정된 동작들 사이의 시간 간격들을 사용하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 건전성 인덱스 모듈은 상기 수신된 데이터를 상기 복수의 건전성 인덱스 값들 중 어느 것이 계산되는지에 기초하여 값들의 세트로 감소시키기 위한 조건들에 기초하여 수학적 모듈을 사용하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 건전성 인덱스 모듈은 상기 N 개의 센서들에 의해 검출될 때 상기 기판 프로세싱 시스템의 하나 이상의 검출된 이벤트들에 기초하여 그리고 주기적으로 상기 복수의 건전성 인덱스 값들을 결정하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 건전성 인덱스 모듈은 상기 기판 프로세싱 시스템의 동작이 알람 제한에 접근하는 정도에 기초하여 상기 복수의 건전성 인덱스 값들을 결정하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 건전성 인덱스 모듈은 각각의 파라미터 분포 한계들에 기초하여 상기 복수의 건전성 인덱스 값들을 결정하도록 구성되고; 그리고
상기 파라미터 분포 한계들 각각은 대응하는 파라미터에 대한 정상 동작 범위와 알람 제한 사이에 위치되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 제어기는 데이터로깅 (datalogging) 모듈을 포함하고, 상기 데이터로깅 모듈은 상기 N 개의 센서들로부터 데이터를 수집하고 저장하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 39 항에 있어서,
상기 데이터로깅 모듈은 상기 N 개의 센서들의 출력 값들의 변화의 레이트들 또는 복수의 건전성 인덱스 값들 중 적어도 하나에 기초하여, 상기 N 개의 센서들 또는 상기 N 개의 센서들의 서브세트로부터의 데이터 수집을 개시하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 39 항에 있어서,
상기 데이터로깅 모듈은 상기 N 개의 센서들의 출력 값들의 변화의 레이트들 또는 상기 복수의 건전성 인덱스 값들 중 적어도 하나에 기초하여, 데이터 샘플링 레이트를 상승시키고, 그리고 상기 상승된 데이터 레이트로 상기 N 개의 센서들 또는 상기 N 개의 센서들의 서브세트로부터 데이터를 수집하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 건전성 인덱스 모듈은,
상기 시스템 건전성 인덱스 값에 기초하여 상기 기판 프로세싱 시스템의 열화를 검출하고; 그리고
상기 검출된 열화의 원인을 결정하기 위해 부가적인 데이터를 수집하도록 구성되는, 건전성 모니터링, 평가 및 응답 시스템. - 제 12 항에 있어서,
상기 N 개의 센서들을 더 포함하는, 건전성 모니터링, 평가 및 응답 시스템. - 기판 프로세싱 시스템의 각각의 파라미터들을 검출하도록 구성된 N 개의 센서들로서, N은 2이상인, 상기 N 개의 센서들;
상기 N 개의 센서들로부터 데이터를 수신하도록 구성된 인터페이스; 및
센서 맵핑 모듈을 포함하는 제어기를 포함하고, 상기 센서 맵핑 모듈은,
상기 N 개의 센서들에 대한 센서 정보를 디스플레이하라는 인스트럭션들을 수신하고,
상기 N 개의 센서들로부터 각각 출력된 데이터를 수신하고, 그리고
상기 기판 프로세싱 시스템의 적어도 일부의 뷰 (view) 에 걸쳐 상기 센서 정보와 함께 상기 N 개의 센서들의 위치들을 디스플레이하도록 구성되는, 센서 맵핑 시스템. - 제 44 항에 있어서,
상기 센서 정보는 현재 센서 값, 이력 총계 값, 건전성 인덱스 값, 부품 번호, 또는 일련 번호 중 적어도 하나를 포함하는, 센서 맵핑 시스템. - 제 44 항에 있어서,
상기 센서 맵핑 모듈은 상기 기판 프로세싱 시스템의 상기 적어도 일부의 뷰에 걸쳐 상기 N 개의 센서들 중 적어도 하나의 상태를 디스플레이하도록 구성되는, 센서 맵핑 시스템. - 제 44 항에 있어서,
상기 제어기는 상기 N 개의 센서들에 대해 각각 복수의 건전성 인덱스 값들을 생성하도록 구성된 건전성 인덱스 모듈을 더 포함하고; 그리고
상기 센서 맵핑 모듈은 상기 기판 프로세싱 시스템의 적어도 일부의 상기 뷰에 걸쳐 상기 복수의 건전성 인덱스 값들을 디스플레이하도록 구성되는, 센서 맵핑 시스템. - 제 47 항에 있어서,
상기 센서 맵핑 모듈은 상기 건전성 인덱스 모듈로부터 인스트럭션들을 수신하도록 구성되고, 상기 인스트럭션들은 M 개의 센서들의 세트로부터 상기 N 개의 센서들의 선택을 포함하고, M은 N보다 더 큰, 센서 맵핑 시스템. - 제 44 항에 있어서,
상기 센서 맵핑 모듈은,
인스트럭션 신호를 수신하고; 그리고
상기 인스트럭션 신호에 기초하여, 상기 N 개의 센서들 중 하나 이상으로부터 수신된 데이터를 플롯팅하도록 구성되는, 센서 맵핑 시스템. - 제 44 항에 있어서,
상기 센서 맵핑 모듈은,
상기 N 개의 센서들 중 하나에 대한 데이터의 플롯을 디스플레이하라는 입력을 수신하고; 그리고
상기 N 개의 센서들 중 하나로부터의 데이터를 플롯팅하는 것을 포함하는 그래프를 디스플레이하도록 구성되고, 상기 그래프는 상기 기판 프로세싱 시스템의 상기 적어도 일부의 상기 뷰와 동일한 스크린 상에 도시되는, 센서 맵핑 시스템. - 제 44 항에 있어서,
상기 센서 맵핑 모듈은 수신된 입력에 기초하여, 상기 기판 프로세싱 시스템의 스크린 레벨 또는 디스플레이된 계층적 레벨 중 적어도 하나를 변화시키도록 구성되는, 센서 맵핑 시스템. - 제 44 항에 있어서,
상기 센서 맵핑 모듈은 입력에 기초하여, 상기 N 개의 센서들에 대한 상기 센서 정보 대신 상기 기판 프로세싱 시스템의 M 개의 센서들에 대한 센서 정보를 디스플레이하도록 구성되고, M은 2 이상인, 센서 맵핑 시스템. - 제 52 항에 있어서,
상기 M 개의 센서들은 상기 N 개의 센서들을 제외하는, 센서 맵핑 시스템. - 제 52 항에 있어서,
상기 M 개의 센서들은 상기 N 개의 센서들 중 하나 이상을 포함하는, 센서 맵핑 시스템. - 기판 프로세싱 시스템의 각각의 파라미터들을 검출하도록 구성된 N 개의 센서들로서, N은 2이상인, 상기 N 개의 센서들;
상기 N 개의 센서들로부터 데이터를 수신하도록 구성된 인터페이스; 및
데이터로깅 모듈을 포함하는 제어기를 포함하고, 상기 데이터로깅 모듈은,
상기 N 개의 센서들 및 트리거 정보 중 하나 이상을 선택하라는 인스트럭션들을 수신하고,
상기 N 개의 센서들 중 적어도 하나를 모니터링하고 상기 트리거 정보에 의해 식별된 하나 이상의 트리거 이벤트들을 검출하고, 그리고
로깅된 데이터를 제공하기 위해 상기 하나 이상의 트리거 이벤트들을 검출하는 것에 응답하여 상기 N 개의 센서들 중 상기 선택된 하나 이상의 출력들을 데이터로깅하도록 구성되고,
상기 제어기는 상기 로깅된 데이터를 분석하도록 구성되고 그리고 상기 로깅된 데이터를 분석한 결과에 기초하여, 대응책을 수행하는, 데이터로깅 시스템. - 제 55 항에 있어서,
상기 데이터로깅 모듈은,
건전성 인덱스 모듈로부터 인스트럭션들―상기 인스트럭션들은 센서들 및 트리거들의 선택된 세트를 포함함―을 수신하고; 그리고
상기 트리거들에 기초하여, 상기 센서들의 선택된 세트로부터 데이터로깅하도록 (log data) 구성되는, 데이터로깅 시스템. - 제 56 항에 있어서,
상기 센서들의 선택된 세트는 상기 N 개의 센서들을 포함하지 않는, 데이터로깅 시스템. - 제 55 항에 있어서,
상기 데이터로깅 모듈은 트리거들, 문턱 값들 또는 조건들 중 적어도 하나에 기초하여 데이터로깅을 수행하도록 구성되고; 그리고
상기 제어기는,
상기 기판 프로세싱 시스템의 하나 이상의 동작들이 규정된 정상 동작 조건들 내부 또는 외부에서 발생하는지 여부를 분류하고,
상기 분류된 하나 이상의 동작들에 기초하여 복수의 건전성 인덱스 값들을 생성하고, 그리고
상기 복수의 건전성 인덱스 값들의 집계에 기초하여 대응책을 수행하도록 구성되는 건전성 인덱스 모듈을 포함하는, 데이터로깅 시스템. - 제 55 항에 있어서,
상기 데이터로깅 모듈은,
상기 하나 이상의 트리거 이벤트들 전에 데이터를 버퍼링하고; 그리고
상기 하나 이상의 트리거 이벤트들 전에 설정된 시간 기간 동안 데이터를 저장하도록 구성되는, 데이터로깅 시스템. - 제 55 항에 있어서,
상기 데이터로깅 모듈은 하나 이상의 다른 센서들과 연관된 트리거 이벤트들에 기초하여 상기 N 개의 센서들에 대해 데이터로깅하도록 구성되는, 데이터로깅 시스템. - 제 55 항에 있어서,
상기 데이터로깅 모듈은 상기 기판 프로세싱 시스템의 검출된 하나 이상의 조건들에 기초하여 상기 N 개의 센서들에 대해 데이터로깅하도록 구성되는, 데이터로깅 시스템. - 제 55 항에 있어서,
상기 데이터로깅 모듈은 트리거링 이벤트가 발생할 때마다 설정된 시간 기간 동안 상기 N 개의 센서들로부터 출력된 데이터를 기록함으로써 간헐적인 이벤트들을 캡처하도록 구성되는, 데이터로깅 시스템.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202063112386P | 2020-11-11 | 2020-11-11 | |
| US63/112,386 | 2020-11-11 | ||
| PCT/US2021/072198 WO2022104315A1 (en) | 2020-11-11 | 2021-11-03 | Substrate processing system tools for monitoring, assessing and responding based on health including sensor mapping and triggered datalogging |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230104951A true KR20230104951A (ko) | 2023-07-11 |
Family
ID=81601767
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237019633A KR20230104951A (ko) | 2020-11-11 | 2021-11-03 | 센서 맵핑 및 트리거링된 데이터로깅을 포함한 건전성 (health) 에 기초한 모니터링, 평가 및 응답하기 위한 기판 프로세싱 시스템 툴들 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US20230400508A1 (ko) |
| EP (1) | EP4244638A1 (ko) |
| JP (1) | JP2023549166A (ko) |
| KR (1) | KR20230104951A (ko) |
| CN (1) | CN116472463A (ko) |
| TW (1) | TW202235895A (ko) |
| WO (1) | WO2022104315A1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102022113608A1 (de) * | 2022-05-30 | 2023-11-30 | E.ON Digital Technology GmbH | Kontroll- und Überwachungsverfahren und /-vorrichtung für eine Industrieanlage |
| JP2024041512A (ja) * | 2022-09-14 | 2024-03-27 | 株式会社東芝 | 異常検知装置、方法およびプログラム |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7813828B2 (en) * | 2007-04-02 | 2010-10-12 | Hitachi Kokusai Electric Inc. | Substrate processing system and group management system |
| US8473089B2 (en) * | 2009-06-30 | 2013-06-25 | Lam Research Corporation | Methods and apparatus for predictive preventive maintenance of processing chambers |
| JP6368453B2 (ja) * | 2011-06-24 | 2018-08-01 | 株式会社日立国際電気 | 基板処理装置、及び基板処理装置のデータ解析方法並びにプログラム |
| KR101560967B1 (ko) * | 2014-02-26 | 2015-10-15 | (주)우광에스디에스 | 설비 직결형 실시간 모니터링 고장 진단장치 및 그에 따른 고장 진단방법 |
| US10677837B2 (en) * | 2016-06-01 | 2020-06-09 | Kyzen Corporation | System and method for electrical circuit monitoring |
-
2021
- 2021-11-03 JP JP2023527963A patent/JP2023549166A/ja active Pending
- 2021-11-03 WO PCT/US2021/072198 patent/WO2022104315A1/en active Application Filing
- 2021-11-03 CN CN202180076097.2A patent/CN116472463A/zh active Pending
- 2021-11-03 US US18/034,834 patent/US20230400508A1/en active Pending
- 2021-11-03 EP EP21893054.3A patent/EP4244638A1/en active Pending
- 2021-11-03 KR KR1020237019633A patent/KR20230104951A/ko unknown
- 2021-11-09 TW TW110141597A patent/TW202235895A/zh unknown
Also Published As
| Publication number | Publication date |
|---|---|
| EP4244638A1 (en) | 2023-09-20 |
| WO2022104315A1 (en) | 2022-05-19 |
| JP2023549166A (ja) | 2023-11-22 |
| US20230400508A1 (en) | 2023-12-14 |
| TW202235895A (zh) | 2022-09-16 |
| CN116472463A (zh) | 2023-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11133204B2 (en) | Chamber matching with neural networks in semiconductor equipment tools | |
| KR100756728B1 (ko) | 반도체 처리 기술 | |
| US8849615B2 (en) | Method and system for semiconductor process control and monitoring by using a data quality metric | |
| US7062411B2 (en) | Method for process control of semiconductor manufacturing equipment | |
| US8682466B2 (en) | Automatic virtual metrology for semiconductor wafer result prediction | |
| US8185230B2 (en) | Method and apparatus for predicting device electrical parameters during fabrication | |
| JP4615222B2 (ja) | ライン末端データマイニングとプロセスツールデータマイニングとの相関 | |
| KR20230104951A (ko) | 센서 맵핑 및 트리거링된 데이터로깅을 포함한 건전성 (health) 에 기초한 모니터링, 평가 및 응답하기 위한 기판 프로세싱 시스템 툴들 | |
| KR101066973B1 (ko) | 플라즈마처리장치 | |
| CN108829933A (zh) | 一种半导体制造设备的预测性维护与健康管理的方法 | |
| US20030045009A1 (en) | Method of monitoring and/or controlling a semiconductor manufacturing apparatus and a system therefor | |
| CN103137513B (zh) | 集成电路制造设备状态监测系统和方法 | |
| CN113383282A (zh) | 校正离子注入半导体制造工具中的部件故障 | |
| US20070043534A1 (en) | System and method for electronic diagnostics of a process vacuum environment | |
| US8510610B2 (en) | Method and system of compressing raw fabrication data for fault determination | |
| He et al. | Statistics pattern analysis based virtual metrology for plasma etch processes | |
| Collart et al. | Predictive Maintenance Practices for Cryogenic Pumps in Semiconductor Manufacturing | |
| US7849366B1 (en) | Method and apparatus for predicting yield parameters based on fault classification | |
| US20240184281A1 (en) | Machine monitoring system and machine monitoring method | |
| Scanlan et al. | Knowledge-based process control for fault detection and classification | |
| CN117121169A (zh) | 装置诊断系统、装置诊断装置、半导体装置制造系统以及装置诊断方法 | |
| JPH0951200A (ja) | リアルタイム品質管理方法 | |
| IE83920B1 (en) | A method of fault detection in manufacturing equipment |