KR20230120121A - 진단 장치, 진단 방법, 반도체 제조 장치 시스템 및 반도체 장치 제조 시스템 - Google Patents

진단 장치, 진단 방법, 반도체 제조 장치 시스템 및 반도체 장치 제조 시스템 Download PDF

Info

Publication number
KR20230120121A
KR20230120121A KR1020237005510A KR20237005510A KR20230120121A KR 20230120121 A KR20230120121 A KR 20230120121A KR 1020237005510 A KR1020237005510 A KR 1020237005510A KR 20237005510 A KR20237005510 A KR 20237005510A KR 20230120121 A KR20230120121 A KR 20230120121A
Authority
KR
South Korea
Prior art keywords
deterioration
degree
diagnosis
component
sensor waveform
Prior art date
Application number
KR1020237005510A
Other languages
English (en)
Inventor
쇼타 우메다
마사히로 스미야
료지 아사쿠라
Original Assignee
주식회사 히타치하이테크
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 히타치하이테크 filed Critical 주식회사 히타치하이테크
Publication of KR20230120121A publication Critical patent/KR20230120121A/ko

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32917—Plasma diagnostics
    • H01J37/32935—Monitoring and controlling tubes by information coming from the object and/or discharge
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32431—Constructional details of the reactor
    • H01J37/32798—Further details of plasma apparatus not provided for in groups H01J37/3244 - H01J37/32788; special provisions for cleaning or maintenance of the apparatus
    • H01J37/3288—Maintenance
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32917—Plasma diagnostics
    • H01J37/32926—Software, data control or modelling
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Plasma & Fusion (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Hardware Design (AREA)
  • Manufacturing & Machinery (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Automation & Control Theory (AREA)
  • Drying Of Semiconductors (AREA)

Abstract

플라스마 처리 장치의 대상 부품의 보수 요부의 진단에 있어서, 허보 및 놓침이 적은 고정밀도의 진단이 가능해지는 기술을 제공한다. 진단 장치는, 각 플라스마 처리에 있어서의 센서 파형 데이터를 사전에 정의한 복수의 센서 파형 변화 종별마다의 성분으로 분리하고, 분리한 센서 파형 성분마다, 정상 시와 진단 시의 센서 파형 성분 또는 열화 시와 진단 시의 센서 파형 성분에 기초하여 부품의 열화 상태를 나타내는 열화도를 연산하고, 진단 시의 열화도와 사전에 설정한 임계값을 이용하여 부품의 보수 요부를 진단한다. 또한, 진단 장치는, 플라스마 처리마다 연산한 열화도의 시계열 데이터에 대하여 필터링 처리하고, 각 플라스마 처리 장치에 대해서, 부품 보수 시점으로부터 소정 횟수 처리 후의 시점까지의 학습 구간에서의 필터 처리 후의 복수의 열화도를 이용하여 연산하는 분포에 기초하여, 열화 진단에 사용하는 임계값을 설정한다.

Description

진단 장치, 진단 방법, 반도체 제조 장치 시스템 및 반도체 장치 제조 시스템
본 발명은 플라스마에 의해 반도체 웨이퍼를 가공하는 플라스마 처리 장치의 진단 장치, 진단 방법, 반도체 제조 장치 시스템 및 반도체 장치 제조 시스템에 관한 것이다.
플라스마 처리 장치는 반도체의 웨이퍼 위에 미세 형상을 형성하기 위하여, 물질을 플라스마화 하고, 그 물질의 작용에 의해 웨이퍼 상의 물질을 제거하는 플라스마 처리를 행하는 장치이다. 플라스마 처리 장치에서는, 통상, 웨이퍼의 처리 매수 등을 기준으로 하여 정기적으로 장치 내의 클리닝이나 부품의 교환 등의 보수를 실시한다. 그러나, 경년 변화나 사용 방법에 따른 반응 부산물의 축적 등에 수반하는 부품의 열화에 의해, 계획 외의 보수 작업이 발생할 수 있다. 계획 외 보수로 인한 비(非)가동 시간을 삭감하기 위하여, 부품의 열화 상태를 순차 모니터링하여, 그 열화 상태에 따라서 클리닝이나 부품 교환 등의 대책을 취하는 것이 요구된다.
이와 같은 조기 대책을 실현하기 위하여, 플라스마 처리 장치의 진단 장치에서는, 플라스마 처리 장치에 부가한 복수의 상태 센서로부터 플라스마 처리마다 순차 취득한 복수의 센서 항목으로 이루어지는 시계열 신호인 센서 파형 데이터를 이용해서, 부품의 열화 상태를 나타내는 열화도를 추정하고, 열화도에 기초하여 보수 요부를 진단하고, 필요에 따라서 알람을 발보(發報)하는 것이 행해진다. 예를 들어, 국제 공개 제2018/061842호(특허문헌 1)에는, 「이상(異常) 검지 장치는, 관측값을 정리한 요약값에 대해서 통계 모델링을 적용함으로써, 요약값으로부터 노이즈를 제거한 상태를 추측하고, 당해 추측에 기초하여 한 주기 앞의 요약값을 예측한 예측값을 생성한다. 이상 검지 장치는, 예측값에 기초하여, 감시 대상 장치의 이상 유무를 검지한다.」라는 기재가 있다. 또한, 일본국 특개2012-9064호 공보에는 「정확한 이상 검출과 함께, 실제적인 프로세스 감시에 적절한 이상 진단 성능을 실현한 학습형 프로세스 이상 진단 장치」라는 기재가 있다.
국제 공개 제2018/061842호 일본국 특개2012-9064호 공보
그러나, 플라스마 처리 장치의 진단에 있어서, 선행 기술에서는 허보(虛報) 또는 놓침이 다발할 수 있기 때문에, 진단 결과에 기초한 효과적인 대책이 곤란하다.
플라스마 처리 장치에서는, 플라스마 처리 횟수에 따라서 장치 상태가 변화할 수 있기 때문에, 그에 따라 예를 들어 센서 파형 데이터도 오프셋 변화할 수 있다. 한편, 부품 열화에 수반하여 상기 변화와는 별도로 센서 파형 형상에 변화를 나타냈을 경우, 선행 기술에서는 부품 열화와 관련한 센서 파형 변화가 관련이 없는 센서 파형 변화에 묻혀 버려, 열화 징후를 정확하게 파악하지 못해 허보 혹은 놓침이 발생될 수 있다.
또한, 플라스마 처리 장치에서는, 처리 이력의 차이 등에 기인하여 센서 파형 데이터 및 본 데이터로부터 산출되는 열화도에 장치간 차(差)가 발생할 수 있다. 이 때문에, 복수 장치에서 공통의 임계값을 이용해서 열화 진단하는 선행 기술에서는 허보 또는 놓침이 발생할 수 있다. 또한, 플라스마 처리 장치에서는 처리 간격이 짧고, 각 처리에서의 센서 파형 데이터 모두에 대하여 열화 징후를 확인할 수 있다고는 할 수 없으며, 열화 징후가 단속적으로 출현하는 경우도 있다. 이러한 경우에, 열화도의 증가가 노이즈인지의 여부의 판단, 즉 열화 상태인지 아닌지의 판단이 곤란하다. 처리마다 동적으로 임계값을 설정하는 선행 기술에서는 노이즈의 영향을 받기 쉽고 허보가 발생할 수 있다.
상기 과제를 해결하기 위해서, 예를 들어 청구범위에 기재된 구성을 채용한다.
본 발명은 상기 과제를 해결하는 수단을 복수 포함하고 있지만, 그 일례를 든다면, 진단 장치는, 플라스마 처리 장치군의 보수 대상 부품의 보수 필요 요부(要否)를 진단하고, 또한, 플라스마 처리마다, 플라스마 처리 장치의 각 부품이 적어도 하나 구비하는 상태 센서군으로부터 취득한 센서 파형 데이터를 이용해서 연산한 부품의 열화 상태를 나타내는 열화도 및 사전에 설정한 상기 열화도의 임계값을 이용해서 진단을 행한다. 또한, 진단 장치는, 센서 파형 데이터를 사전에 정의한 복수의 센서 파형 변화 종별(種別)마다의 성분으로 분리하고, 분리한 센서 파형 성분마다, 정상 시와 진단 시의 센서 파형 성분 또는 열화 시와 진단 시의 센서 파형 성분에 기초하여 열화도를 연산한다.
또한, 진단 장치는, 플라스마 처리마다 연산한 열화도의 시계열 데이터에 대하여 필터링 처리하고, 각 플라스마 처리 장치에 대해서, 부품 보수 시점으로부터 소정 횟수 처리 후의 시점까지의 학습 구간에서의 필터 처리 후의 복수의 열화도를 이용해서 연산하는 분포에 기초하여, 열화 진단에 이용하는 임계값을 설정한다.
본 발명에 따르면, 플라스마 처리 장치군의 부품의 보수 요부의 진단에 있어서, 허보 및 놓침이 적은 고정밀도의 진단을 실현할 수 있고, 진단 결과에 기초한 효과적인 대책이 가능해진다.
상기 이외의 과제, 구성 및 효과는, 이하의 실시형태의 설명에 의해 명확해진다.
도 1은, 일 실시형태에 따른 플라스마 처리 장치 및 진단 장치의 전체 구성도.
도 2는, 일 실시형태에 따른 진단 처리의 흐름의 일례를 나타내는 플로차트.
도 3은, 일 실시형태에 따른 센서 파형 기억부에 저장하는 데이터의 일례를 나타내는 도면.
도 4는, 일 실시형태에 따른 분리한 센서 파형 종별의 예를 설명하기 위한 도면.
도 5는, 센서 파형 데이터의 복수 요인에 의한 복수 센서 파형 변화 종별이 혼재하는 일례를 설명하기 위한 도면.
도 6은, 처리마다의 열화도의 시계열 데이터에 노이즈와 단속적인 열화 징후의 출현이 혼재하는 일례 및 열화도 필터 처리 후의 열화도의 시계열 데이터의 일례를 나타내는 도면.
도 7은, 일 실시형태에 따른 열화 진단 정보의 표시 화면의 일례로서 열화도의 추이를 나타내는 도면.
도 8은, 일 실시형태에 따른 열화 진단 정보의 표시 화면의 일례로서 센서 파형 성분의 비교를 나타내는 도면.
도 9는, 다른 실시형태에 따른 플라스마 처리 장치 및 진단 장치의 전체 구성도.
이하, 본 발명의 실시형태에 대해서, 도면을 참조하면서 설명한다. 또한, 실시형태를 설명하기 위한 전체 도면에 있어서, 동일한 부분에는 원칙적으로 동일한 부호를 부여하고, 그 반복의 설명은 생략한다.
[실시예]
(1) 플라스마 처리 장치
도 1의 구성도에 나타내는 바와 같이, 본 실시예에서의 플라스마 처리 장치군(1)은, 미리 설정한 플라스마 처리 조건에 따라, 플라스마(100)를 발생시켜서 웨이퍼(시료(101))를 플라스마 처리한다. 플라스마 처리 장치군(1)은, 반도체 제조 장치로서의 플라스마 처리 장치(10, 11)를 포함한다. 또한, 플라스마 처리 장치(10, 11)는, 플라스마 처리 장치(10, 11)의 내부의 챔버(반응실) 내의 상태나 부품의 상태를 센서하기 위한 상태 센서군(102)을 가지며, 플라스마 처리 중 또는 아이들(idle) 중의 센서값(예를 들어, 온도나 압력)의 측정값을 센서 파형 데이터로서 취득할 수 있다.
(2) 진단 장치
도 1의 구성도에 나타내는 바와 같이, 진단 장치(2)는, 플라스마 처리 장치군(1)의 각 플라스마 처리 장치(10, 11)에 대응하는 센서 파형 데이터의 취득이나 연산 처리를 실행하는 실행부(31) 및 실행부(31)의 처리에 필요한 정보를 저장하는 기억부(32)로 구성되는 계산기군(계산기(30), 계산기(40), ...)을 구비한다. 또한, 진단 장치(2)는, 실행부(31)의 연산 조건의 설정이나 진단 결과의 분석을 행하는 분석부(51), 분석부(51)의 처리에 필요한 정보를 저장하는 기억부(52) 및 표시부(53)로 구성되는 서버(50)를 구비한다. 플라스마 처리 장치군(1)은 계산기군(계산기(30), 계산기(40), ...)과 직접 또는 네트워크를 통해 접속되어 있다. 또한, 계산기군(계산기(30), 계산기(40), ...)과 서버(50)는 네트워크를 통해 접속되어 있다. 이것에 의해, 각 계산기는 각 플라스마 처리 장치로부터 취득한 센서 파형 데이터를 이용한 연산을 실행부(31)에서 고속으로 행할 수 있다. 또한, 서버(50)는, 플라스마 처리 장치군(1)에 걸치는 열화도 연산 조건의 설정이나 진단 결과의 분석 및 표시가 가능해진다.
실행부(31)는, 이 예에서는, 전(前)처리부(310), 센서 파형 분리부(311), 열화 진단부(312), 열화도 연산부(313), 열화도 필터부(314), 장치별 열화도 학습부(315)를 포함한다. 기억부(32)는, 이 예에서는, 센서 파형 기억부(320), 열화도 기억부(321)를 포함한다.
분석부(51)는, 이 예에서는, 열화도 연산 조건 설정부(510), 진단 결과 분석부(511)를 포함한다. 기억부(52)는, 이 예에서는, 열화 진단 정보 기억부(520), 보수 정보 기억부(521), 열화 시 센서 파형 성분 기억부(522)를 포함한다.
여기에서, 진단 장치(2)(계산기(30) 또는 계산기(40))와 반도체 제조 장치 (10 또는 11)가 네트워크를 통해 접속되어 반도체 제조 장치 시스템이 구성된다. 또한, 진단 장치(2)(계산기(30) 또는 계산기(40), 서버(50))와 반도체 제조 장치(10 또는 11)가 네트워크를 통해 접속되어 반도체 장치 제조 시스템이 구성된다. 진단 장치(2)(계산기(30) 또는 계산기(40), 서버(50))는, 부품의 열화 상태를 나타내는 열화도를 이용해서 반도체 제조 장치(10 또는 11)의 부품의 보수 요부를 진단하기 위한 애플리케이션이 실장된 플랫폼를 구비한다.
(3) 진단 처리
도 2를 참조해서, 진단 장치(2)가 행하는 플라스마 처리 장치군(1)의 대상 부품의 보수 요부의 진단 처리의 일례에 대해서 설명한다. 또한, 도 2는 1회의 플라스마 처리마다의 처리의 플로를 나타내고 있다.
우선, 계산기(30)가 플라스마 처리 종료 시에 당해 플라스마 처리에 있어서의 센서 파형 데이터(41)를 취득하여, 센서 파형 기억부(320)에 저장한다(S1). 도 3은, 저장하는 센서 파형 데이터의 일례를 나타내고 있다. 센서 파형 데이터(41)는 복수의 센서 항목(33)으로 이루어져 있고, 대응하는 센서 항목(33)의 열의 센서 파형 데이터의 열에, 취득한 센서값을 저장한다. 또한, 센서값과 함께, 예를 들어, 장치 ID(34), 처리 ID(35), 처리 조건 ID(36), 처리 일시(37) 등의 플라스마 처리 내용이나 대상을 특정하는 식별 정보를 저장한다. 장치 ID(34)는, 플라스마 처리를 행한 플라스마 처리 장치(10)를 식별하기 위한 정보이다. 처리 ID(35)는, 플라스마 처리를 행한 웨이퍼를 식별하기 위한 정보이다. 처리 조건 ID(36)는, 플라스마 처리를 행할 때의 플라스마 처리 장치(10)의 설정이나 공정 스텝(1회의 플라스마 처리를 더 복수의 공정으로 분할한 것)을 식별하기 위한 정보이다.
다음으로, 전처리부(310)가, 센서 파형 기억부(320)로부터 진단 대상 부품의 진단에 이용하는 센서 항목의 센서 파형 데이터를 취득하여 전처리를 행한다(S2). 전처리에서는, 열화도 연산 조건 설정부(510)에서 사전 설정한 내용에 따라, 예를 들어, 센서 파형 데이터로부터 진단에 이용하는 처리 조건 ID(34)의 추출이나 플라스마 처리 시간 내의 시간 구간의 추출, 센서 파형 데이터(41)의 표준화나 결손값 제거를 행한다.
다음으로, 센서 파형 분리부(311)가, 센서 파형 데이터(41)를 사전에 정의 한 센서 파형 변화 종별마다의 성분으로 분리한다(S3). 도 4를 이용해서, 센서 파형 데이터(41)를 오프셋 성분(42), 트렌드 성분(43), 노이즈 성분(44)으로 분리하는 일례를 설명한다. 오프셋 성분 (42)은, 센서 파형 데이터(41)의 오프셋 항을 나타내는 성분이고, 예를 들어 처리 시간(TP)에 걸친 센서값(SV)의 평균값으로서 연산한다. 이어서, 센서 파형 데이터(41)로부터 오프셋 성분(42)을 감산한 성분에 대해서, 칼만 필터나 마르코프 연쇄 몬테카를로법(MCMC) 등의 시계열 데이터에 적용 가능한 모델링 방법을 적용하여, 트렌드 성분(43)을 연산한다. 노이즈 성분(44)은, 센서 파형 데이터(41)로부터의 오프셋 성분(42)과 트렌드 성분(43)의 감산에 의해 연산한다. 또, 센서 파형의 분리 시에는, 장치 상태의 변화 등에 기인하는 부품 열화와 관련이 없는 센서 파형 변화 종별과 부품의 열화 징후와 관련된 센서 파형 변화 종별을 분리할 수 있으면 되고, 분리하는 센서 파형 변화 종별, 그 수 및 분리하는 방법은 특히 한정되지 않는다.
다음으로, 센서 파형 분리부(311)는, 도 3에 나타내는 바와 같이, 분리한 센서 파형 데이터(41)의 각 성분(42, 43, 44)을 성분마다 센서 파형 기억부(320)에 저장한다(S4).
다음으로, 열화도 연산부(313)는, 진단 대상 부품의 진단에 이용하는 센서 항목의 센서 파형 성분에 관해서, 레퍼런스가 되는 센서 파형 성분 데이터와의 비교 연산에 의해, 해당 처리 시점에 대응하는 열화도를 연산하여, 열화도 기억부(321)에 저장한다(S5). 레퍼런스가 되는 센서 파형 성분 데이터는, 예를 들어, 대상 부품 보수 직후부터 지정 처리 횟수까지의 기간의 플라스마 처리에 있어서의 센서 파형 성분군을 정상 시의 레퍼런스로 할 수 있다. 이것에 의해, 레퍼런스와의 비유사도로서 열화도를 연산할 수 있다. 또한, 대상 부품의 보수 직전 기간의 플라스마 처리에 있어서의 센서 파형 성분군을, 열화 시 센서 파형 성분 기억부(522)에 저장해 두고, 열화 시의 레퍼런스로 할 수도 있다. 이것에 의해, 레퍼런스와의 유사도로서 열화도를 연산할 수 있다. 레퍼런스와의 비유사도나 유사도로서 열화도를 연산하는 방법에는 기계 학습 방법을 적용할 수 있고, 예를 들어, 시계열 데이터에 대한 k 근방법이나 특이 스펙트럼 변환법, 서포트 벡터 머신 등의 방법을 이용할 수 있다.
이와 같이, 분리한 센서 파형 성분을 이용하여 열화도를 연산함으로써, 열화 징후와 관련이 없는 센서 파형 변화에 묻혀 버려 종래 올바르게 파악하지 못했던 열화 징후를 올바르게 파악하는 것이 가능해진다. 도 5는, 센서 파형 데이터의 복수 요인에 의한 복수 센서 파형 변화 종별이 혼재하는 일례를 나타내는 도면이다. 횡축은 처리 수(54)이다. 정상 시(55)와 열화 시(56)의 센서 파형 데이터(41)를 비교하여, 열화 시(56)는 오프셋 성분 변화(57)와 노이즈 성분 변화(58)가 혼재하고 있다. 이 오프셋 성분 변화(57)가 장치 상태의 변화에 기인하는 센서 파형 변화이고, 노이즈 성분 변화(58)가 열화 징후를 나타내는 센서 파형 변화인 경우, 센서 파형 성분 분리 전의 센서 파형 데이터(41)를 이용해서 열화도를 연산하면, 열화도에 양쪽의 변화의 영향이 혼재해 버려, 열화 징후를 올바르게 파악할 수 없다. 이 경우, 열화도 계산에 사용하는 센서 파형 성분으로서 노이즈 성분(44)을 사용함으로써 열화 징후를 올바르게 파악하는 것이 가능해진다.
다음으로, 계산기(30)는, 임계값의 설정, 즉 열화도의 학습에 충분한 센서 파형 데이터(41)가 축적되었는지를 지정된 플라스마 처리 횟수가 경과했는지의 여부에 의해 판단한다(S6).
지정된 플라스마 처리 횟수가 경과한 경우(Yes), 열화도 필터부(314)가, 플라스마 처리마다 연산한 복수의 열화도의 시계열 데이터에 대하여 필터링 처리를 행한다(S7). 예를 들어, 도 6의 좌측의 열화도(60)의 시계열 데이터(61)의 그래프(62)에서는, 처리 ID(35)의 왕성한 정상 시(63)의 구간에 있어서 노이즈에 의한 저(低)빈도의 열화도 증가(64)가 있다. 한편, 열화 시(65)의 구간에 있어서는, 열화 징후가 고(高)빈도로 출현하고 있으며, 고빈도이면서 또한 단속적인 열화도 증가(66)가 있다. 이러한 열화도의 시계열 데이터에 대하여, 도 6의 우측의 그래프(67)와 같이, 저빈도의 열화도 증가(64)의 부분은 노이즈로 간주하여 열화도의 증가를 억제하고, 고빈도의 열화도 증가(66)의 부분은 열화 징후로 간주하여 계속적으로 열화도가 높은 값을 취하는 열화도 필터를 적용한다. 이것에 의해, 임계값을 이용한 보수 요부의 진단에 있어서, 노이즈와 단속적인 열화 징후 출현의 상태를 구별할 수 있고, 허보(虛報)를 줄이는 것이 가능해진다. 열화도 필터에 이용할 수 있는 방법으로서는 여러 가지 존재하지만, 예를 들어, 칼만 필터의 트렌드항을 이용하는 방법, 순차적으로 칼만 필터를 적용하여 그 오차(誤差)항을 이용하는 방법, 평활화(平滑化)의 방법을 이용할 수 있다.
지정된 플라스마 처리 횟수가 경과하지 않은 경우(S6: No), 센서 파형 데이터의 취득(S1)으로 이행한다.
열화도의 시계열 데이터에 대한 열화도 필터 처리 후에, 진단에 사용하는 임계값이 미설정인지의 여부를 판정한다(S8). 임계값이 미설정이 아닌(설정 완료) 경우(No), S10으로 이행한다. 임계값이 미설정인 경우(Yes)는, 장치별 열화도 학습부(315)가 임계값 설정을 행한다(S9). 우선, 장치별 열화도 학습부(315)는, 열화도 필터 처리 후의 열화도의 시계열 데이터에 있어서, 보수 직후부터 지정 처리 횟수까지의 학습 구간의 열화도군을 추출한다. 다음으로, 열화도군의 확률 분포를 추정하고, 예를 들어 설정한 신뢰 구간에 있어서의 열화도의 값을 해당 플라스마 처리 장치의 대상 부품의 진단에 사용하는 임계값으로서 설정한다. 분포 추정에 있어서는, 정규 분포로 근사할 수 있다면 정규 분포로 추정하고, 근사할 수 없다면, 예를 들어 MCMC 등의 비정규 분포의 추정 방법을 이용하여 비정규 분포로 추정한다. 본 구성에서의 본 처리에 의하면, 플라스마 처리 장치마다, 대상 부품의 보수 직후부터 보수까지의 기간마다 임계값을 자동 설정하기 때문에, 장치간 차의 영향이나 임계값이 진부화(陳腐化)되어 진단 정밀도가 악화하는 영향을 제거하는 것이 가능해진다.
다음으로, 열화 진단부(312)가, 당해 플라스마 처리에서의 열화도 필터 적용 후의 열화도와 S9에서 설정한 임계값을 비교하여, 임계값을 넘은 경우는 얼러트(alert)한다(S10). 또한, 열화 진단부(312)는, 대상으로 한 부품 ID, 사용한 센서 항목(33), 사용한 센서 파형 성분(42, 43, 44), 진단 대상의 장치 ID(34), 처리 ID(35)마다의 열화도의 값, 임계값에 대한 열화도의 비율 등의 진단에 관한 정보를 열화 진단 정보 기억부(520)에 저장하고, 필요에 따라서 표시부(53)에서 진단 결과를 확인 가능하게 하기 위해서 진단 결과를 표시부(53)에 표시한다.
도 7은, 열화 진단 정보의 표시 화면(70)의 일례로서 열화도의 추이를 나타내는 도면이다. 복수의 플라스마 처리 장치(10, 11)에 대해서, 열화도 연산에 이용한 (부품 ID, 센서 항목, 센서 파형 성분)의 조합마다 열화도의 추이 상황과 임계값 설정을 일람할 수 있다. 또한, 열화도가 임계값을 넘은 경우에는 D10과 같이 얼러트를 표시한다. 유저는 이것을 보고, 플라스마 처리 장치군(1)의 대상 부품의 열화 상태를 일원적으로 관리할 수 있고, 발보된 알람에 기초하여 보수 대상 부품에 대한 조기 보수를 행함으로써 계획외 보수에 의한 플라스마 처리 장치군(1)의 비가동 시간 삭감에 연결할 수 있다.
도 8은, 열화 진단 정보의 표시 화면(80)의 일례로서 센서 파형 성분의 비교를 나타내는 도면이다. 장치 ID, 부품 ID, 센서 항목, 센서 파형 성분을 지정함으로써, 열화도 연산의 근원인 각 처리 ID에 있어서의 센서 파형 성분 데이터를 일람 비교할 수 있다. 유저는 이것을 보고, 예를 들어, 열화도가 큰 경우에 센서 파형 성분에 어떠한 변화가 생기고 있는지 센서 파형 성분마다 확인할 수 있고, 열화도 연산 조건의 설정 개선 등에 활용할 수 있다.
이상, 실시예에 대해서 설명했지만, 본 발명은 상기 실시예에 한정되는 것이 아니며, 그 요지를 일탈하지 않는 범위에서 여러 가지 변경이 가능하다. 일례를 들면, 서버(50)의 설치가 곤란한 경우는, 전체 구성으로서 도 9와 같이 서버(50)의 분석부(51), 기억부(52), 표시부(53)를 계산기(B30), 계산기(B40)에 갖게 하는 구성으로 해도 된다.
실시예에 따른 진단 장치, 진단 방법, 반도체 제조 장치 시스템 및 반도체 장치 제조 시스템의 특징은, 이하와 같이 정리할 수 있다.
1) 부품의 열화 상태를 나타내는 열화도를 이용해서 반도체 제조 장치의 부품의 보수 요부가 진단되는 진단 장치는,
취득된 센서 파형이 복수의 파형 변화 종별마다의 성분으로 분리되고,
분리된 파형 변화 종별마다의 성분를 기초로 열화도가 구해진다.
2) 1)에 있어서,
파형 변화 종별마다의 성분은, 오프셋 성분, 트렌드 성분 또는 노이즈 성분으로 분리된다.
3) 1)에 있어서,
파형 변화 종별마다의 성분은, 노이즈 성분으로 분리된다.
4) 1)에 있어서,
연산된 열화도의 시계열 데이터가 필터링 처리되어,
필터링 처리된 열화도를 이용해서 연산된 분포를 기초로 보수 요부의 진단에 사용되는 임계값이 구해진다.
5) 1)에 있어서,
열화도를 입력값으로 하고, 정규 분포 또는 마르코프 연쇄 몬테카를로법을 이용한 기계 학습에 의해 비정규 분포가 추정되고,
정규 분포 또는 상기 비정규 분포의 우도(尤度)를 기초로 상기 보수 요부의 진단에 사용되는 임계값이 구해진다.
6) 반도체 제조 장치 시스템은, 반도체 제조 장치와 네트워크를 통해 접속된 상기 1)의 진단 장치를 구비한다.
7) 반도체 제조 장치가 네트워크를 통해 접속되고, 부품의 열화 상태를 나타내는 열화도를 이용해서 상기 반도체 제조 장치의 부품의 보수 요부를 진단하기 위한 애플리케이션이 실장된 플랫폼를 구비하는 반도체 장치 제조 시스템에 있어서,
취득된 센서 파형을 복수의 파형 변화 종별마다의 성분으로 분리하는 스텝과, 분리된 파형 변화 종별마다의 성분을 기초로 열화도를 구하는 스텝이 애플리케이션에 의해 실행된다.
8) 부품의 열화 상태를 나타내는 열화도를 이용해서 반도체 제조 장치의 부품의 보수 요부를 진단하는 진단 방법에 있어서,
취득된 센서 파형을 복수의 파형 변화 종별마다의 성분으로 분리하는 공정과, 상기 분리된 파형 변화 종별마다의 성분을 기초로 열화도를 구하는 공정을 갖는다.
이상의 진단 장치, 진단 방법, 반도체 제조 장치 시스템 및 반도체 장치 제조 시스템에 의해, 플라스마 처리 장치군의 부품의 보수 요부의 진단에 있어서, 허보 및 놓침이 적은 고정밀도의 진단을 실현할 수 있고, 진단 결과에 기초한 효과적인 대책이 가능해진다.
1: 플라스마 처리 장치군 2: 진단 장치
30: 계산기 50: 서버
311: 센서 파형 분리부 314: 열화도 필터부
315: 장치별 열화도 학습부 522: 열화 시 센서 파형 성분 기억부

Claims (8)

  1. 부품의 열화 상태를 나타내는 열화도를 이용해서 반도체 제조 장치의 부품의 보수 요부(要否)가 진단되는 진단 장치에 있어서,
    취득된 센서 파형이 복수의 파형 변화 종별마다의 성분으로 분리되고,
    상기 분리된 파형 변화 종별마다의 성분을 기초로 열화도가 구해지는 것을 특징으로 하는 진단 장치.
  2. 제1항에 있어서,
    상기 파형 변화 종별마다의 성분은, 오프셋 성분, 트렌드 성분 또는 노이즈 성분으로 분리되는 것을 특징으로 하는 진단 장치.
  3. 제1항에 있어서,
    상기 파형 변화 종별마다의 성분은, 노이즈 성분으로 분리되는 것을 특징으로 하는 진단 장치.
  4. 제1항에 있어서,
    상기 구해진 열화도의 시계열 데이터가 필터링 처리되고, 상기 필터링 처리된 열화도를 이용해서 연산된 분포를 기초로 상기 보수 요부의 진단에 사용되는 임계값이 구해지는 것을 특징으로 하는 진단 장치.
  5. 제1항에 있어서,
    상기 열화도를 입력값으로 하고, 정규 분포 또는 마르코프 연쇄 몬테카를로법을 이용한 기계 학습에 의해 비정규 분포가 추정되고,
    상기 정규 분포 또는 상기 비정규 분포의 우도를 기초로 상기 보수 요부의 진단에 사용되는 임계값이 구해지는 것을 특징으로 하는 진단 장치.
  6. 반도체 제조 장치가 네트워크를 통해 접속되고 제1항에 기재된 진단 장치를 구비하는 것을 특징으로 하는 반도체 제조 장치 시스템.
  7. 반도체 제조 장치가 네트워크를 통해 접속되고, 부품의 열화 상태를 나타내는 열화도를 이용해서 상기 반도체 제조 장치의 부품의 보수 요부를 진단하기 위한 애플리케이션이 실장된 플랫폼를 구비하는 반도체 장치 제조 시스템에 있어서,
    취득된 센서 파형을 복수의 파형 변화 종별마다의 성분으로 분리하는 스텝과,
    상기 분리된 파형 변화 종별마다의 성분을 기초로 열화도를 구하는 스텝이 상기 애플리케이션에 의해 실행되는 것을 특징으로 하는 반도체 장치 제조 시스템.
  8. 부품의 열화 상태를 나타내는 열화도를 이용해서 반도체 제조 장치의 부품의 보수 요부를 진단하는 진단 방법에 있어서,
    취득된 센서 파형을 복수의 파형 변화 종별마다의 성분으로 분리하는 공정과,
    상기 분리된 파형 변화 종별마다의 성분을 기초로 열화도를 구하는 공정
    을 갖는 것을 특징으로 하는 진단 방법.
KR1020237005510A 2022-02-07 2022-02-07 진단 장치, 진단 방법, 반도체 제조 장치 시스템 및 반도체 장치 제조 시스템 KR20230120121A (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/004679 WO2023148967A1 (ja) 2022-02-07 2022-02-07 診断装置、診断方法、半導体製造装置システム及び半導体装置製造システム

Publications (1)

Publication Number Publication Date
KR20230120121A true KR20230120121A (ko) 2023-08-16

Family

ID=87552003

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237005510A KR20230120121A (ko) 2022-02-07 2022-02-07 진단 장치, 진단 방법, 반도체 제조 장치 시스템 및 반도체 장치 제조 시스템

Country Status (5)

Country Link
JP (1) JP7442013B2 (ko)
KR (1) KR20230120121A (ko)
CN (1) CN116897411A (ko)
TW (1) TW202333073A (ko)
WO (1) WO2023148967A1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012009064A (ja) 2011-09-05 2012-01-12 Toshiba Corp 学習型プロセス異常診断装置、およびオペレータ判断推測結果収集装置
WO2018061842A1 (ja) 2016-09-27 2018-04-05 東京エレクトロン株式会社 異常検知プログラム、異常検知方法および異常検知装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010283000A (ja) * 2009-06-02 2010-12-16 Renesas Electronics Corp 半導体製造における装置異常の予兆検知方法
JP6841980B2 (ja) * 2019-07-30 2021-03-10 株式会社日立ハイテク 装置診断装置、プラズマ処理装置及び装置診断方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012009064A (ja) 2011-09-05 2012-01-12 Toshiba Corp 学習型プロセス異常診断装置、およびオペレータ判断推測結果収集装置
WO2018061842A1 (ja) 2016-09-27 2018-04-05 東京エレクトロン株式会社 異常検知プログラム、異常検知方法および異常検知装置

Also Published As

Publication number Publication date
JPWO2023148967A1 (ko) 2023-08-10
JP7442013B2 (ja) 2024-03-01
TW202333073A (zh) 2023-08-16
CN116897411A (zh) 2023-10-17
WO2023148967A1 (ja) 2023-08-10

Similar Documents

Publication Publication Date Title
EP2015186B1 (en) Diagnostic systems and methods for predictive condition monitoring
JP4071449B2 (ja) センサ異常検出方法及びセンサ異常検出装置
JP5454671B2 (ja) 故障原因診断システムおよびその方法
EP2905665A2 (en) Information processing apparatus, diagnosis method, and program
AU2002246994A1 (en) Diagnostic systems and methods for predictive condition monitoring
EP0351833B1 (en) Plant fault diagnosis system
JP6655926B2 (ja) 異常診断システム
KR102073810B1 (ko) 머신러닝을 이용하여 함정 추진 장비의 고장을 예측하는 방법 및 시스템
JP2000259223A (ja) プラント監視装置
WO2018022351A1 (en) Methods and apparatus for predicting and preventing failure of in vitro diagnostic instruments
CN107263830B (zh) 成形系统
TWI738411B (zh) 裝置診斷裝置、電漿處理裝置及裝置診斷方法
JP2006146459A (ja) 半導体デバイスの製造方法および製造システム
KR20230120121A (ko) 진단 장치, 진단 방법, 반도체 제조 장치 시스템 및 반도체 장치 제조 시스템
KR20180126311A (ko) 대상 시스템의 상태 진단 및 원인 분석 시스템 및 방법
JP6201038B2 (ja) プラント事故時運転支援装置
JP3178954B2 (ja) プラント監視装置
WO2020204043A1 (ja) 高炉の異常判定装置、高炉の異常判定方法、及び高炉の操業方法
JP2004165282A (ja) 製造プロセスにおける装置状態判別システム及び製造プロセス安定化システム
JP7127477B2 (ja) 学習方法、装置及びプログラム、並びに設備の異常診断方法
JP2005033090A (ja) 製造プロセスにおける装置状態判別システム及び製造プロセス安定化システム
KR102303406B1 (ko) 산업설비의 이상유무 진단장치 및 방법
KR20230012453A (ko) 진단 장치 및 진단 방법 그리고 플라스마 처리 장치 및 반도체 장치 제조 시스템
JPH0423131A (ja) 故障診断システム
JP7153585B2 (ja) 異常原因推定方法、および、異常原因推定装置