TWI672599B - 探索裝置及探索方法 - Google Patents

探索裝置及探索方法 Download PDF

Info

Publication number
TWI672599B
TWI672599B TW106129091A TW106129091A TWI672599B TW I672599 B TWI672599 B TW I672599B TW 106129091 A TW106129091 A TW 106129091A TW 106129091 A TW106129091 A TW 106129091A TW I672599 B TWI672599 B TW I672599B
Authority
TW
Taiwan
Prior art keywords
value
mentioned
area
search
predicted value
Prior art date
Application number
TW106129091A
Other languages
English (en)
Other versions
TW201814557A (zh
Inventor
大森健史
田中潤一
小山光
栗原優
Original Assignee
日立製作所股份有限公司
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 日立製作所股份有限公司 filed Critical 日立製作所股份有限公司
Publication of TW201814557A publication Critical patent/TW201814557A/zh
Application granted granted Critical
Publication of TWI672599B publication Critical patent/TWI672599B/zh

Links

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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D1/00—Measuring arrangements giving results other than momentary value of variable, of general application
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/041—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • 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
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本發明實現半導體處理裝置之運用之效率化。 本發明之探索裝置受理表示半導體處理裝置中設定之條件或藉由半導體處理裝置處理半導體之結果的目標值、與由條件與結果之範圍而規定之探索區域內之條件或結果之中目標值所表示者之基準值的輸入，基於探索區域內之條件之設定值、與將該設定值賦予至半導體處理裝置之情形時之結果之實測值，產生表示條件與結果之關係之預測模型，藉由對預測模型賦予目標值，自預測模型取得預測值，而自探索區域特定預測值之存在區域，判斷與預測值對應之結果之實測值是否較基準值更接近目標值，於判斷為實測值接近目標值之情形時，將預測值設定為基準值，將預測值之存在區域設定為探索區域，於實測值滿足目標值之達成條件之情形時輸出滿足達成條件之預測值。

Description

探索裝置及探索方法
本發明係關於一種探索解之探索裝置及探索方法。
為了提高半導體器件之性能而導入構成半導體器件之新材料，同時半導體器件之構造複雜化。又，於半導體器件之加工中，要求奈米級之精度。又，為了提高半導體器件之生產性，要求儘可能地於維持該精度之狀態下持續進行量產處理。為了滿足該等要求，半導體器件需要可極高精度地加工多種材料及構造。因此，處理半導體器件之半導體處理裝置之控制範圍擴大，追加多個控制參數。藉由使用半導體處理裝置，而一面維持較高之生產性，一面生產高性能之半導體器件。 另一方面，為了充分引出半導體處理裝置之性能，必須針對每一半導體處理裝置決定數種甚至數十種之輸入參數。進而於1個製程內有多個步驟，必須針對每一該步驟變更輸入參數。因此，查明獲得目標之加工結果之輸入參數之組合極為困難。 為了維持及提高生產性，必須取得量產半導體器件之過程中之半導體處理裝置之狀態及加工結果之資料。將以取得該等資料為目的之複數個感測器及監視器搭載於半導體處理裝置。為了實施用以修正量產半導體器件之過程中之半導體處理裝置之狀態及加工結果的資料變動之控制，必須對感測器資料及監視器資料與加工結果之關係進行解析，找出控制用參數。為了進行奈米級之加工控制，而搭載於半導體處理裝置之感測器及製造狀況之監視器之數量增加，資料取得之頻度亦增加。藉此，所取得之資料量增大。因此，所需要之高精度之半導體處理裝置之控制方法的開發需要龐大之資料之解析及控制性能之驗證，因而極為困難。 如半導體器件般之尖端器件之製造為了確保生產性，要求開發半導體處理裝置之老化方法。所謂半導體處理裝置之老化方法，係指半導體處理裝置間之性能差之抑制、量產中之加工特性之經時變化之修正、及縮小半導體處理裝置之維護中無法完全修正之半導體處理裝置間之性能差的方法。半導體處理裝置之老化方法之開發係藉由具有高度之知識與技術之高級工程師而實施。然而，半導體器件之製造中之晶圓處理片數及高難度之製程數持續增加，高級工程師之人數不足變得越來越嚴重。因此，僅取得資料而無暇解析之製程增加。因此，對半導體處理裝置要求半導體處理裝置自身自動地引出半導體處理裝置之性能之功能、及支援引出半導體處理裝置之性能之工程師之功能。 專利文獻1揭示如下技術，即，使用基於生物學之自律學習系統，進行將製造工具之配方漸進地或隨機地變更時之資料學習，利用其結果產生經調節之配方。 [先前技術文獻] [專利文獻] [專利文獻1]日本專利特表2013-518449號公報
[發明所欲解決之問題] 例如，半導體處理裝置之輸入參數係決定半導體處理裝置之動作之參數，有氣體種類、氣體流量、壓力、投入電力、電壓、電流、處理時間、加熱溫度、冷卻溫度、摻雜量、光量之類的輸入參數。半導體處理裝置之輸出參數係藉由對半導體處理裝置之處理中或已處理之處理對象物(處理結果)進行監視或計測而獲得之參數，有CD(Critical Dimension，臨界尺寸)、沈積膜厚、ER(Etch Rate，蝕刻速率)、加工形狀、遮罩選擇比、進而表示該等之晶圓面內分佈及均勻性之類的加工結果之輸出參數。又，作為與該等加工結果有關聯之感測器資料及監視器資料，亦有光反射光譜、電漿光光譜、晶圓入射電流、晶圓電壓、晶圓溫度、裝置零件溫度、進而表示該等之空間分佈及均勻性之資料。感測器資料及監視器資料亦又為輸出參數。 為了對半導體處理裝置之輸入輸出關係進行解析，必須可對1輸入1輸出至多輸入多輸出之輸入輸出資料進行解析。而且，為了獲得滿足目的之輸出結果之輸入參數之組合，必須探索包括輸入參數及輸出參數之廣闊裝置參數空間。 例如，考慮選擇使用氣體為2種之各流量、氣體壓力、放電電力、晶圓施加偏壓電力的基本之5種輸入參數作為探索之輸入參數之情形。各輸入參數之控制範圍如以下所述。設為兩氣體流量之控制範圍為100～200[sccm]，氣體壓力之控制範圍為1～10[Pa]，放電電力之控制範圍為500～1500[W]，偏壓電力之控制範圍為0～100[W]之典型性之範圍。再者，變更各參數時之最小幅度之典型性之值如以下所述。兩氣體流量之該值為1[sccm]，氣體壓力之該值為0.1[Pa]，放電電力之該值為1[W]，偏壓電力之該值為1[W]。 於該情形時，若估算裝置參數空間全體中之輸入參數之控制範圍之所有組合，即探索條件數，則成為100×100×100×1000×100＝1011 。於探索1次所花費之時間為1分鐘左右之情形時，所有探索條件數之探索花費10萬年以上，無法執行。 又，若於探索1組量中將每一輸入參數之值之設定數設為10個，則探索中之輸入參數之組合成為105 。於探索1次之時間為1分鐘左右之情形時，1組量之探索需要2個月以上之時間。為了重複探索及探索結果之解析並到達目標之解，即便於探索1組所花費之時間較長之情形時亦必須設為數天以下，較理想的是1小時以下。因此，為了到達目標之解，探索中之輸入參數之設定，即探索區域之決定極為重要。 於將探索1組中之探索條件數設為100個條件，又將探索時間設為1小時，藉由重複該探索而於1天探索2000個條件之情形時，裝置參數空間之條件數1011 中於1天探索0.000002%之區域。於將其持續1個月之情形時，即於執行探索6萬組之情形時，會探索裝置參數空間中0.00006%之區域。因此，於探索1組中之探索區域較窄之情形時，於將探索區域隨機地變更之情形時，可到達最佳之解之可能性極低。又，於存在重複之探索區域之情形時，到達最佳之解所需要之時間變得更長。 進而，半導體處理裝置之輸入輸出關係於大半之情形時為非線性，於裝置參數空間存在多個局部解。因此，藉由1次之資料解析及推斷而發現滿足輸出參數之值的輸入參數之值極罕見。當考慮於裝置參數空間中1%之探索區域存在1個左右之局部解之情形時，若將探索區域設為較窄之區域，且隨機地選擇探索區域，則即便可到達探索區域內或其附近之最佳之解，亦會以99%之機率到達局部解。因此，必須以高效率地避免局部解、或於局部解到達後可到達解之可能性變高之方式決定探索區域。 然而，上述專利文獻1之技術存在如下問題：於資料學習時，只不過將配方漸進地或隨機地變更，故而可到達成為解之輸入參數即最佳解之可能性極低。換言之，存在到達成為與最佳解比較較差之結果之局部解之可能性極高的問題。 本發明之目的在於實現半導體處理裝置中之運用之效率化。 [解決問題之技術手段] 本案中揭示之發明之一態樣之探索裝置及探索方法之特徵在於：受理表示處理半導體之半導體處理裝置中設定之條件或藉由上述半導體處理裝置而處理上述半導體之結果的目標值、及由上述條件與上述結果之範圍而規定之探索區域內之上述條件或上述結果之中上述目標值所表示者之基準值的輸入，基於上述探索區域內之上述條件之設定值、與將該設定值賦予至上述半導體處理裝置之情形時之上述結果之實測值，產生表示上述條件與上述結果之關係之預測模型，藉由對所產生之預測模型賦予所輸入之目標值，自上述預測模型取得預測值，而自上述探索區域特定上述預測值之存在區域，判斷與上述預測值對應之上述結果之實測值是否較基準值更接近上述目標值，於判斷為與上述預測值對應之上述結果之實測值接近上述目標值之情形時，將上述預測值設定為上述基準值，將上述預測值之存在區域設定為上述探索區域，於與上述預測值對應之上述結果之實測值滿足上述目標值之達成條件的情形時輸出滿足上述達成條件之預測值。 [發明之效果] 根據本發明之代表性的實施形態，可實現半導體處理裝置中之運用之效率化及處理之最佳化。除上述以外之課題、構成及效果係藉由以下之實施例之說明而明瞭。
＜輸入參數之探索例＞ 圖1係表示輸入參數之探索例之說明圖。圖1係表示於半導體處理裝置中探索獲得滿足目標之輸出資料(上述之輸出參數之值)之輸入資料(上述之輸入參數之值)時的相對於半導體處理裝置之輸入輸出資料之輸入資料與輸出資料之組合之例。 此處，所謂半導體處理裝置係指處理半導體或包含半導體之半導體器件之裝置。半導體處理裝置具體而言例如包含微影裝置、製膜裝置、圖案加工裝置、離子注入裝置、加熱裝置、洗淨裝置。微影裝置包含曝光裝置、電子束描畫裝置、X射線描畫裝置。製膜裝置例如包含CVD(Chemical Vapor Deposition，化學氣相沈積裝置)、PVD(Physical Vapor Deposition，物理氣相沈積裝置)、蒸鍍裝置、濺鍍裝置、熱氧化裝置。圖案加工裝置例如包含濕式蝕刻裝置、乾式蝕刻裝置、電子束加工裝置、雷射加工裝置。離子注入裝置包含電漿摻雜裝置、離子束摻雜裝置。加熱裝置例如包含電阻加熱裝置、燈加熱裝置、雷射加熱裝置。洗淨裝置包含液體洗淨裝置、超音波洗淨裝置。 圖1係表示於X1軸及X2軸之2個軸具有二維之座標平面之曲線圖100。將與該座標平面正交之軸設為Y軸。X1軸係成為向半導體處理裝置之輸入之輸入參數X1之座標軸，X2軸係成為向半導體處理裝置之輸入之輸入參數X2之座標軸。於X1軸描繪作為輸入參數X1之值之輸入資料x1n(n＝1、2、3、…)，於X2軸描繪作為輸入參數X2之值之輸入資料x2n。曲線圖100係以等高線表現由輸入資料x1n及x2n決定之各區域中之Y軸之輸出資料。作為例，將包含輸出資料y1之區域設為最大值(即，最佳解)，將y13之區域設為最小值。又，於曲線圖100中，X1軸被3分割，設為區域x1a、x1b、x1c。同樣地，於曲線圖100中，X2軸被3分割，設為區域x2a、x2b、x2c。 例如，於作為目標而探索輸出資料最高之區域，即獲得輸出資料y1之輸入資料x1n及x2n之組合之情形時，作為解析方法取得裝置參數空間之輸出資料yn之斜率，且向輸出資料yn變得更大之方向推進探索即可。 然而，於此時之輸出資料不包含由x1a且x2b決定之區域之輸出資料之情形時，探索朝向成為局部解之頂點之輸出資料y4'。又，若根據該結果決定應探索之輸入參數，則集中地取得y4'附近之輸出資料，發現獲得y4'本身或與其非常接近之輸出資料之輸入參數。即，即便重複使用由該探索取得之輸入參數之值之解析與利用進一步探索取得輸出參數之值，亦無法發現與輸出資料y1對應之最佳解之輸入資料。 又，於輸出資料y1之周邊或其他區域存在多個局部解之情形時，若相對於裝置參數空間之寬廣而所取得之輸入參數之值較少，則探索陷於局部解，無法發現輸出資料y1之可能性變高。又，作為推斷之存在解之區域而推斷x13且x23之區域。然後若亦如專利文獻1般將探索區域限定於x13且x23之一部分般之微小區域，則輸出資料yn之斜率非常小，故而直至到達輸出資料y1為止之探索次數變得龐大而存在探索失敗之可能性。又，由於輸出資料yn之斜率湮沒於輸出資料yn中所包含之雜訊，故而存在探索失敗之可能性。若作為解析對象之輸出資料yn之質量較差，則必然為解之推斷亦成為較差之結果，故而為了使探索成功，必須指定用以取得接近解之質量良好之資料之探索空間。 於圖1中，使用x1n、x2n及yn之3個參數。於實際之半導體處理裝置中具有多個輸入輸出參數，故而探索使圖1之各軸之指標多維向量化之廣闊之裝置參數空間。因此，為了自此種廣闊之裝置參數空間取得可高效率地接近解之質量良好之資料，必須指定裝置參數空間。又，半導體處理裝置之輸入輸出關係於大部分之情形時為非線性，於裝置參數空間存在多個局部解。 於本實施例中，自動地決定用以於考慮到半導體處理裝置之輸入輸出資料之解析結果的基礎上探索裝置參數空間之實驗條件，自動地進行實驗結果之驗證，重複該等自動動作。藉此，探索裝置參數空間而有效率地取得最佳解。即，有效率地發現獲得表示作為目標之半導體處理裝置之狀態及加工結果之輸出參數之值的輸入參數之值。 ＜系統構成例＞ 圖2係表示半導體製造系統之系統構成例之說明圖。半導體製造系統200具有半導體處理裝置201、裝置控制系統202、監視器系統203、感測器系統204、資料庫205、及自動控制系統(探索裝置)206。 半導體處理裝置201如上所述，係處理晶圓等基板或半導體器件之裝置。半導體處理裝置201連接於裝置控制系統202、監視器系統203及感測器系統204。 裝置控制系統202係於進行半導體處理裝置201之運轉及處理時對半導體處理裝置201進行控制之系統。裝置控制系統202具有GUI(Graphical User Interface，圖形使用者介面)等輸入介面，利用經由輸入介面而輸入之輸入參數之值對半導體處理裝置201之執行進行控制。又，裝置控制系統202具有網路介面，經由網路介面而自外部之電腦及資料庫205取得輸入參數之值。 裝置控制系統202具有配方設定控制器221、裝置基本設定控制器222、及設定錯誤檢測系統223。配方設定控制器221係將決定半導體處理裝置201之處理中之動作之輸入參數及其值設定於半導體處理裝置201。裝置基本設定控制器222係將用於半導體處理裝置201運轉之輸入參數及其值設定於半導體處理裝置201。 設定錯誤檢測系統223係於利用裝置基本設定控制器222設定輸入參數時，判定實際上是否能夠對半導體處理裝置201設定輸入參數。具體而言，例如，設定錯誤檢測系統223判定所輸入之輸入參數是否為能夠輸入之範圍內，又，是否為半導體處理裝置201能夠動作之輸入參數之值之組合。於檢測到無法設定之輸入參數之值或其組合之情形時，設定錯誤檢測系統223將此作為設定錯誤向工程師或連接有半導體處理裝置201之上位之系統報告。於產生設定錯誤時，作為日誌資料記錄所輸入之輸入參數之變更中止、或中止使用所輸入之輸入參數之值之處理。 監視器系統203係對利用半導體處理裝置201之處理中或已處理之處理對象物(處理結果)進行監視或計測而取得監視器資料之系統。監視器系統203包含光學式監視器、使用電子顯微鏡之加工尺寸計測裝置、使用紅外光之溫度計測裝置、使用凱爾文探針力顯微鏡之缺陷檢測裝置、對處理對象物之電氣特性進行評估之探針儀裝置。監視器系統203例如藉由對使光、雷射光及X射線向處理對象物入射時之反射、透過、吸收及偏光光譜進行計測，而取得處理對象物之加工形狀、處理對象膜之厚度及加工缺陷作為監視器資料。監視器系統203無須直接連接於半導體處理裝置201，亦可藉由將處理對象向監視器系統203搬運而取得計測結果，且將其結果保存於資料庫205。 監視器系統203對在處理時向處理對象物作用之電漿、氣體、液體等之處理所使用之介質、及藉由處理而產生之產物進行監視。該等介質及產物係與處理對象物直接作用、或該作用之結果所產生之物。監視器系統203包含使用光譜計測之電漿發光監視器、使用紅外分光計測之處理室內之沈積物監視器、使用質量分析器之自處理對象釋出之原子及分子監視器、及使用探針之處理室內之電氣特性監視器。利用該等監視器進行之監視可即時且於處理中當場計測可間接地評估處理結果之監視器資料。 感測器系統204係取得表示半導體處理裝置201之裝置狀態之感測器資料之系統。感測器系統204係感測器之集合體。感測器資料包含電壓、電流、功率等電源輸出值、匹配器內之電容器或線圈等可變電氣元件之值、各種使用氣體之流量、裝置軀體或裝置構成零件之溫度、處理室內之壓力、壓力控制閥之開度、閥開閉狀態、氣體排氣速度、處理及裝置之動作時序及動作時刻。 資料庫205保存藉由裝置控制系統202設定之各種輸入參數之值、來自半導體處理裝置201之處理結果即輸出參數之值、監視器系統203及感測器系統204所取得之監視器資料及感測器資料。又，資料庫205保存學習資料。所謂學習資料是指過去賦予至半導體處理裝置201之輸入參數之值(輸入資料)與自半導體處理裝置201輸出之輸出參數之值(輸出資料)之成組的輸入輸出資料。資料庫205可為將所保存之各種資料由不同之記憶器件302保存之分散型資料庫205。亦可建構將由各系統處理之資訊保存於各個系統內之形式之分散型之資料庫。 自動控制系統206使用保存於資料庫205之資料，探索滿足目標之解。滿足目標之解係半導體處理裝置201之運轉所使用之輸入參數之值、及處理中之半導體處理裝置201之動作所使用之輸入參數的值中之至少一參數值。自動控制系統206具有目標設定控制器261、自律探索系統262、及不穩定動作檢測系統263。 目標設定控制器261係作為探索開始前之初始值，受理設為目標之輸入參數之值、輸出參數之值、探索結果與目標之差或背離之容許值之輸入。又，目標設定控制器261可受理於探索中執行1個條件之時間之上限、探索次數、探索1組之合計時間之上限、探索全體之合計時間之上限、探索結果之解析時間之上限、解析資料數之上限之輸入。又，目標設定控制器261可對各輸入參數設定可否探索、及設定探索輸入參數之控制範圍之上限值及下限值、用以限定探索之輸入參數之控制範圍之值。進而，目標設定控制器261可受理包含過去結果之探索開始前之最佳之解、用以獲得該解而使用之解析對象資料、說明自該解析獲得之目標與輸入參數之關係的模型函數之輸入。 自律探索系統262係取得向目標設定控制器261輸入之內容，相對於1個以上之參數，設定將能夠探索之輸入參數之控制範圍分為2個以上之區域之分割區域。如上所述，為了重複探索及探索結果之解析並到達目標之解，即便於探索1組所花費之時間較長之情形時亦必須為數天以下，較理想的是1小時以下。即，若將探索1組之探索條件數設為Ns，將探索1組之探索時間設為Ts[min]，將檢索1條件所需要之時間設為t1[min]，則探索次數成為式(1.1)。 Ts＝t1・Ns・・・(1.1) 於將探索1組設為1日以內之情形時，只要以Ts≦1440之方式，於設為1小時以內之情形時，只要以Ts≦60之方式決定探索條件數Ns即可。 為了增加探索條件數Ns，有效的是使評估探索結果之感測器及監視器之計測時間變短。尤其，有效的是於探索實驗中即時使用能夠計測之感測器及監視器。 又，如上所述，藉由利用感測器及監視器計測成為可間接地評估處理結果之資料之向處理對象物作用之介質及藉由處理產生之產物的特性，可即時且於處理中當場進行計測。 隨著於探索中變更之輸入參數之種類增加，而探索時間Ts急遽地增大。例如，於將輸入參數之種類之數量Da設為Da＝10，將各參數之區域分割數量A設為A＝3之情形時，探索所有參數之組合之情形時之探索條件數Ns成為式(1.2)。 Ns＝ADa ・・・・(1.2) 探索條件數Ns增加至59049。於此種情形時，較佳為對預測為存在解之各輸入參數之值進行預測，將該預測值設為中心條件，限制與探索時同時能夠變更之輸入參數之數量。藉此，探索條件數Ns及探索時間Ts成為能夠執行之值。於預測中心條件時，可利用過去之探索結果或工程師之知識。或者，作為探索之初始值，亦可賦予適當之中心條件而開始探索。 例如，於對10種輸入參數中之5種指定了推斷為存在解之分割區域之情形時，藉由變更其他5種，可使下次之探索條件數Ns減少至Ns＝35 ＝243。又，將10種輸入參數中一次能夠變更之輸入參數之種類之數量設為Dc。探索條件數Ns使用組合理論之符號C自式(1.3)求出。 [數1]藉由限定一次能夠變更之輸入參數，可使探索條件數Ns變小。例如，若將能夠變更之輸入參數之種類之數量Dc設為Dc＝1則探索條件數Ns為Ns＝21，同樣地若將Dc設為Dc＝2，則Ns可減小至Ns＝201。進而，亦可將於輸入參數之種類中之幾個輸入參數指定推斷為存在解之分割區域之方法、與指定一次能夠變更之參數之種類之方法組合。 不穩定動作檢測系統263係於執行探索時，檢測半導體處理裝置201雖能夠繼續處理動作，但處理變得不穩定之情形。於執行輸入參數之輸入之前階段中，設定錯誤檢測系統223確認是否能夠輸入輸入參數。然而，半導體處理裝置201內之機器作為控制對象之介質及零件具有非線性性，進而藉由將其等加以組合而執行處理。因此，存在如下可能性，即，設定錯誤檢測系統223無法檢測到設定錯誤(無法輸入輸入參數)，於實際上執行處理時才發現變得動作不穩定之輸入參數。 又，輸入參數越多，則裝置參數空間越擴大，故而於在裝置參數空間中存在局部性的不穩定動作區域之情形時，事前無法檢測到之可能性變高。 因此，於不穩定動作檢測系統263於半導體處理裝置201之處理中檢測到半導體處理裝置201之不穩定動作之情形時，半導體處理裝置201保存成為不穩定動作時之輸入參數及其值，進而向工程師或連接有半導體處理裝置201之上位之系統報告。藉此，可判斷或預測由半導體處理裝置201之不穩定動作所引起之處理及探索中之動作不良。 於檢測到不穩定動作之情形時，於處理完成後實施用以使半導體處理裝置201向穩定動作狀態恢復之序列，或使處理立即停止而實施用以使半導體處理裝置201向穩定動作狀態恢復之序列，藉此繼續探索。 作為此種不穩定動作，有處理中之局部性的異常放電或放電強度之振動、急遽之製膜速度變動或膜質變動、氣體壓力之振動、投入電力之瞬間性的增減或振動等。上述發光光譜監視器、沈積物監視器、質量分析監視器、電氣特性監視器、壓力監視器等能夠即時且於處理中當場進行計測之監視器檢測不穩定動作。 ＜探索裝置之硬體構成例＞ 圖3係表示探索裝置300之硬體構成例之方塊圖。探索裝置300係自探索區域探索成為解之輸入參數之值。自動控制系統206係探索裝置300之一例。探索裝置300具有處理器301、記憶器件302、輸入器件303、輸出器件304、及通信介面(通信IF305)。處理器301、記憶器件302、輸入器件303、輸出器件304、及通信IF305係藉由匯流排而連接。處理器301對探索裝置300進行控制。記憶器件302成為處理器301之作業區域。又，記憶器件302係記憶各種程式或資料之非暫時性的或暫時性的記錄介質。作為記憶器件302，例如有ROM(Read Only Memory，唯讀記憶體)、RAM(Random Access Memory，隨機存取記憶體)、HDD(Hard Disk Drive，硬碟驅動器)、快閃記憶體。輸入器件303輸入資料。作為輸入器件303，例如有鍵盤、滑鼠、觸控面板、數字小鍵盤、掃描儀。輸出器件304輸出資料。作為輸出器件304，例如有顯示器、印表機。通信IF305與網路連接，發送接收資料。 ＜探索裝置300之機構性構成例＞ 圖4係表示探索裝置300之功能性構成例之方塊圖。探索裝置300具有輸入部401、產生部402、特定部403、判斷部404、設定部405、輸出部406、決定部407、分割部408、及檢測部409。各構成401～409具體而言，例如係藉由使處理器301執行記憶於圖3所示之記憶器件302之程式而實現之功能。 輸入部401藉由使用者操作或自資料庫205之讀入而受理各種資料之輸入。具體而言，例如輸入部401受理設定於處理半導體器件之半導體處理裝置201之條件值之輸入。所謂設定於半導體處理裝置201之條件係指上述之輸入參數。輸入參數具體而言包含例如氣體種類、氣體流量、壓力、投入電力、電壓、電流、處理時間、加熱溫度、冷卻溫度、摻雜量、及光量。 又，輸入部401受理表示藉由半導體處理裝置201而處理半導體之結果之目標值之輸入。所謂藉由半導體處理裝置201而處理半導體之結果係指上述輸出參數。輸出參數具體而言包含例如利用半導體處理裝置201之半導體之處理結果及與半導體處理裝置201之裝置狀態相關之資料。利用半導體處理裝置201處理之半導體之處理結果具體而言包含例如CD(Critical Dimension)、沈積膜厚、ER(Etch Rate)、加工形狀、遮罩選擇比、進而該等之晶圓面內分佈及均勻性。半導體處理裝置201之處理結果、及與半導體處理裝置201之裝置狀態相關之資料，具體而言包含例如光反射光譜、電漿光光譜、晶圓入射電流、晶圓電壓、晶圓溫度、裝置零件溫度、進而表示該等之空間分佈及均勻性之資料(感測器資料及監視器資料)。所謂表示藉由半導體處理裝置201而處理半導體之結果之目標值係指使用者要求之半導體處理裝置201之輸出參數之值。 又，輸入部401受理藉由條件(輸入參數)與結果(輸出參數)之範圍而規定之探索區域內的條件之基準值之輸入。所謂探索區域係指藉由輸入參數之控制範圍與半導體處理裝置201之輸出參數之控制範圍而規定，且探索輸入參數之值之區域。具體而言，例如係圖1所示之探索區域A。所謂條件之基準值係指輸入參數之基準值。具體而言，例如係過去獲得之輸入參數之值。 又，輸入部401受理探索區域內之結果之基準值之輸入。所謂結果之基準值係指將輸入參數之基準值賦予至半導體處理裝置201之情形時的半導體處理裝置201之輸出參數之值。 產生部402基於探索區域內之條件之設定值與將該設定值賦予至半導體處理裝置201之情形時之結果之實測值，產生表示條件與結果之關係的預測模型。所謂條件之設定值例如係指作為學習資料準備之輸入參數之值。所謂結果之實測值係指將作為學習資料準備之輸入參數之值(條件之設定值)賦予至半導體處理裝置201之情形時的半導體處理裝置201之輸出參數之值。所謂預測模型係指表示輸入參數與輸出參數之關係之函數。產生部402係藉由神經式網路、支持向量機(support vector machine)等能夠應對多輸入多輸出之回歸分析或相關分析、主成分分析、多回歸分析等統計分析，產生表示探索區域內之條件之設定值與輸出之實測值之關係的預測模型。 特定部403係藉由對由產生部402產生之預測模型賦予由輸入部401輸入之目標值，而自預測模型取得與目標值對應之預測值，自探索區域特定預測值之存在區域。又，於未取得預測值之存在區域之輸出參數之情形時，產生部402針對每一分割區域取得將分割區域內之條件之設定值賦予至半導體處理裝置201之情形時的輸出之實測值。 於目標值為半導體處理裝置201之輸出參數之值之情形時，特定部403藉由對預測模型賦予該輸出參數之值，而自預測模型取得輸入參數之值作為與目標值對應之預測值。而且，特定部403自探索區域特定作為預測值之輸入參數之值之存在區域。具體而言，例如，於圖1中，於目標值為輸出參數之值y12之情形時，與該目標值y12對應之預測值係藉由圖1之目標值y12之等高線而特定的輸入參數X1、X2之值。因此，特定部403自探索區域A特定藉由目標值y12之等高線而特定之輸入參數X1、X2之值的存在區域A1、A2、A3、A8、A9。 判斷部404判斷與預測值對應之目標值是否較藉由輸入部401輸入之結果之基準值更接近目標值。具體而言，例如，判斷部404於探索區域A中，求出與預測值對應之目標值與目標值之間之距離(第1距離)、及結果之基準值與目標值之間之距離(第2距離)。距離例如係歐幾里得距離。判斷部404於第1距離較第2距離更短之情形時，判斷為與預測值對應之目標值較結果之基準值更接近目標值。判斷部404於第1距離不較第2距離更短之情形時，判斷為與預測值對應之目標值不較結果之基準值更接近目標值。 設定部405於藉由判斷部404判斷為與預測值對應之目標值較結果之基準值更接近目標值之情形時，將預測值及與預測值對應之目標值設定為條件之基準值及結果之基準值，將由特定部403特定之預測值之存在區域設定為探索區域。藉此，基準值接近目標值，探索區域亦限定於預測值之存在區域。 輸出部406於預測值滿足目標值之達成條件之情形時輸出滿足達成條件之預測值輸出。所謂達成條件例如係指目標值之容許範圍。輸出部406既可將滿足達成條件之預測值顯示於作為輸出器件304之一例的顯示器，亦可經由通信IF305而發送至外部裝置，亦可保存於記憶器件302或資料庫205。 決定部407於藉由判斷部404判斷為與預測值對應之目標值不較結果之基準值更接近目標值之情形時，將預測值及與預測值對應之目標值決定為除外資料(將於圖6之步驟S601中後述)。所謂除外資料係指不可賦予至預測模型之輸入參數之值。 又，於該情形時，設定部405將除由決定部407決定之除外資料以外之資料設定為學習資料。藉此，產生部402可使用不存在除外資料之學習資料。因此，可實現作為解之輸入參數之值的探索速度之提高。 又，決定部407於藉由判斷部404判斷為與預測值對應之目標值不較結果之基準值更接近目標值之情形時，亦可將預測值之存在區域決定為除外區域(將於圖6之步驟S602中後述)。所謂除外區域係指預測模型不可輸出之輸入參數之值之區域。 又，於該情形時，設定部405將如下殘存區域設定為探索區域，該殘存區域係自探索區域將由決定部407決定之除外區域除外所得者。藉此，可將僅獲得不接近目標值之結果之預測值的範圍除外而限定探索區域。因此，可實現作為解之輸入參數之值的探索速度之提高。 分割部408將探索區域分割為複數個區域。具體而言，例如分割部408如圖1所示，將探索區域A分割為9個區域(分割區域)A1～A9。於該情形時，產生部402針對每一分割區域取得將分割區域內之條件之設定值賦予至半導體處理裝置201的情形時之輸出之實測值。而且，產生部402基於各分割區域中之條件之設定值與輸出之實測值而產生預測模型。藉由使用複數個半導體處理裝置201，可針對每一分割區域並列地取得實測值，從而可實現預測模型之產生速度之提高。 又，設定部405於藉由判斷部404判斷為與預測值對應之目標值不較結果之基準值更接近目標值之情形時，亦可不將預測值及與預測值對應之目標值設定為條件之基準值及結果之基準值，將預測值之存在區域設定為探索區域(將於圖6之步驟S604～S606中後述)。藉此，藉由使探索區域進而細分化，可執行更詳細之解之探索，確認是否沒有看漏解。 又，決定部407如上所述，於藉由判斷部404判斷為與預測值對應之目標值不較結果之基準值更接近上述目標值之情形時，亦可將預測值及與預測值對應之目標值決定為除外資料。於該情形時，產生部402亦可基於自實測值將除外資料除外之殘餘之實測值、與自設定值將與殘餘之實測值對應之設定值除外的殘餘之設定值，產生預測模型(於圖7中後述)。藉此，可實現作為解之輸入參數之值的探索速度之提高。 又，決定部407如上所述，於藉由判斷部404判斷為與預測值對應之目標值不較結果之基準值更接近目標值之情形時，亦可將預測值之存在區域決定為除外區域。於該情形時，產生部402亦可基於自探索區域將除外區域除外之殘餘之探索區域內之條件的設定值、與將該設定值賦予至半導體處理裝置201之情形時之輸出之實測值，產生預測模型(於圖8中後述)。藉此，可實現作為解之輸入參數之值的探索速度之提高。 檢測部409基於半導體處理裝置201之輸出與特定之輸出閾值而檢測半導體處理裝置201之不穩定動作。檢測部409相當於不穩定動作檢測系統263。於該情形時，輸出部406輸出檢測部409之檢測結果。 ＜半導體處理裝置201之控制處理順序例＞ 圖5係表示半導體處理裝置201之控制處理順序例之流程圖1。探索裝置300受理來自作為目標之半導體處理裝置201之輸出值(輸出參數之目標值)、及探索設定之輸入(步驟S501)。所謂探索設定例如係指探索結果與目標值之差或背離之容許值、於探索中執行1個條件之時間之上限、探索次數、探索1組之合計時間之上限、探索全體之合計時間之上限、探索結果之解析時間之上限、解析資料數之上限、來自半導體處理裝置201之輸出資料之取得頻度之閾值、來自半導體處理裝置201之輸出資料(輸出參數之值)之取得時間之上限、來自半導體處理裝置201之輸出資料數之下限。 其次，探索裝置300受理成為基礎之解之輸入及與該解相關的資訊之輸入(步驟S502)。具體而言，例如探索裝置300受理過去實際使用過之輸入參數及使用該輸入參數時之輸出參數、探索開始前之最佳之解(輸入參數之值)及使用最佳之解時之輸出參數、探索開始前之輸出參數之目標值、說明輸入參數與輸出參數之關係之模型函數之輸入。 其次，探索裝置300將於步驟S502中輸入之最佳之解作為最佳解OS1加以保存(步驟S503)。於沒有解之情形時，設定表示距解最遠之符號或值。 其次，探索裝置300將基本探索區域設定為探索區域(步驟S504)。具體而言，例如探索裝置300對各輸入參數設定可否探索、及設定探索之輸入參數之控制範圍之上限值及下限值、用以限定探索之輸入參數之控制範圍之值(例如，上限值或下限值)。又，探索裝置300參照藉由設定錯誤檢測系統223判斷為設定錯誤之輸入參數之控制範圍而決定探索區域。進而，探索裝置300參照藉由不穩定動作檢測系統263檢測到之參數而決定探索區域。又，不穩定動作檢測系統263保持過去半導體處理裝置201無法動作或動作變得不穩定之輸入參數的組合或各輸入參數範圍之值，探索裝置300可使用其決定探索區域。 例如，於圖1中，於作為輸入參數之種類而選擇X1、X2之2個輸入參數之情形時，若將輸入參數X1之控制範圍設為[x11、x1n]，將輸入參數X2之控制範圍設為[x21、x2n]，則圖1所示之整個範圍之區域A成為探索區域。 將步驟S501～S504之目標設定控制器261之輸入及設定內容交給自律探索系統262，按照接下來說明之步驟S505～S510之順序而執行自動探索。 探索裝置300分割探索區域 (步驟S505)。具體而言，例如，探索裝置300對於1個以上之輸入參數，將能夠探索之輸入參數之控制範圍分割為2個以上之區域。將所分割之區域稱為分割區域。於探索條件數變多，預測於所期望之時間內無法完成探索之情形時，藉由使用在輸入參數之種類中之幾個輸入參數指定推斷為存在解之分割區域之方法、及指定一次能夠變更之輸入參數之種類之方法，可限定探索區域，或減少探索條件數。又，藉由將該等2個方法組合，可限定探索區域，或減少探索條件數。 例如，於圖1中，於作為輸入參數之種類而選擇X1、X2之2個輸入參數之情形時，若將輸入參數X1之控制範圍[x11、x1n]分割為x1a、x1b、x1c，將輸入參數X2之控制範圍[x21、x2n]分割為x2a、x2b、x2c，則獲得圖1所示之9個分割區域A1～A9。 探索裝置300針對每一分割區域執行自律探索(步驟S506)。具體而言，例如探索裝置300藉由使用分割區域及探索條件之自律探索，而取得各探索條件下之半導體處理裝置201之輸入輸出資料作為探索結果。所謂輸入輸出資料係指賦予至半導體處理裝置201之輸入參數之值(輸入資料)與自半導體處理裝置201獲得的輸出參數之值(輸出資料)之組。 具體而言，例如探索裝置300針對每一分割區域，選擇滿足探索條件之輸入參數之值，將所選擇之輸入參數之值賦予至半導體處理裝置201。且，探索裝置300取得來自半導體處理裝置201之輸出資料(輸出參數之值)。該輸入參數之值及與該值對應之輸出參數之值組合為探索結果。 又，於該情形時，不穩定動作檢測系統263於執行自律探索時，檢測如下情形：半導體處理裝置201雖能夠繼續處理動作、但半導體處理裝置201之處理變得不穩定。於檢測到不穩定動作之情形時，於處理完畢後實施用以將半導體處理裝置201恢復到穩定動作狀態之序列，或將處理立即停止而執行用以將半導體處理裝置201恢復到穩定動作狀態之序列，藉此繼續進行目標設定控制器261之自律探索。 探索裝置300將每一分割區域之探索結果保存於資料庫205(步驟S507)。具體而言，例如探索裝置300針對每一分割區域，將自律探索(步驟S506)中使用之輸入參數之值、與使用該輸入參數之值取得之半導體處理裝置201之輸出參數之值的組、即輸入輸出資料，作為每一分割區域之探索結果保存於資料庫205。 探索裝置300產生用以預測滿足目標(目標輸出)之解(輸入參數)之預測模型(步驟S508)。具體而言，例如探索裝置300使用步驟S507中保存於資料庫205之學習資料，產生表示半導體處理裝置201之輸入輸出資料之關係之函數作為預測模型。作為解析輸入輸出資料之關係之方法，可使用神經式網路、支持向量回歸、使用核(kernel)方法之回歸等能夠應對多輸入多輸出之回歸分析。又，可使用相關分析、主成分分析、多回歸分析等統計解析。 於預測模型之產生中，作為輸出資料，例如使用取得對半導體處理裝置201之處理結果之間接性計測值之感測器資料及監視器資料。輸出資料之取得頻度低於由探索設定規定之頻度、或較由探索設定規定之取得時間更長，可藉由探索取得之輸出資料數會有少於由探索設定規定之輸出資料數之情形。於該情形時，只要取得與輸出資料之取得數相比能夠取得較多之資料數之感測器資料及監視器資料即可。藉此，可對感測器資料及監視器資料相對於輸出資料之關係、或輸入資料相對於感測器資料及監視器資料之關係進行解析。又，藉由使用該等兩者之解析結果，可求出輸入資料相對於輸出資料之關係。 探索裝置300推斷存在解之分割區域(步驟S509)。於已經取得推斷為存在解之區域內之輸出資料之情形時(步驟S5090A：是)，探索裝置300自所推斷之分割區域中特定最佳解OS2，將所特定之最佳解OS2保存於資料庫205(步驟S510)。又，於未取得推斷為存在解之區域內之輸出資料之情形時(步驟S5090A：否)，探索裝置300執行所推斷之區域內之自律探索(步驟5060A)，取得推斷為存在解之區域內之輸出資料、即探索結果並保存於資料庫205(步驟5070A)。該等自律探索及結果之保存係與步驟506及步驟507相同之處理。步驟S509之處理有2種方法。1種係對預測模型賦予在步驟S501賦予之輸出參數之目標值之方法(第1推斷方法)。 於第1推斷方法中，具體而言，例如探索裝置300藉由對在步驟S508獲得之預測模型代入在步驟S501賦予之輸出參數之目標值，而推斷成為滿足輸出參數之目標值之解之輸入資料(輸入參數之值)。然後，探索裝置300特定成為解之輸入資料存在之分割區域。例如，於預測模型為表示圖1之輸入輸出關係之函數之情形時，若作為輸出參數之目標值賦予y6，則作為分割區域A1～A9中存在解之分割區域，推斷A1、A4、A7之3個分割區域。於在A1、A4、A7之各分割區域中未取得輸出資料之情形時，如上所述執行步驟5060A及步驟5070A。 於步驟S510中，探索裝置300自已經取得之輸出資料特定與目標值y6相等之輸出資料存在之分割區域、輸出資料與目標值之差或背離小於容許值(在S501賦予之容許值)之輸出資料存在之分割區域、或最接近目標值y6之輸出資料存在之分割區域，將該分割區域決定為存在最佳解OS2之區域(以下，稱為特定之分割區域)。於特定有複數個可成為特定之分割區域之分割區域之情形時，探索裝置300將其等全部決定為存在最佳解OS2之分割區域。或者，探索裝置300將其等複數個分割區域中可取得輸出資料與目標值之差或背離小於容許值(在S501賦予之容許值)之輸出資料的數量最多之分割區域決定為存在最佳解OS2之分割區域。於上述例之情形時，於所取得之輸出資料與預測模型所示之圖1相同之情形時，將獲得與y6相等或接近y6之值之分割區域A1、A4、A7全部決定為特定之分割區域，或者將分割區域A4決定為特定之分割區域。探索裝置300將於特定之分割區域中獲得與輸出參數之目標值相等、輸出資料與目標值之差或背離小於容許值(由S501賦予之容許值)、或最接近目標值之輸出資料時的輸入參數之值決定為最佳解OS2。 另1個步驟S509之處理係可應用於如下情形之方法(第2推斷方法)，即，無法藉由對預測模型代入在步驟S501賦予之輸出參數之目標值，而直接求出成為滿足輸出參數之目標值之解之輸入參數。第2推斷方法係如下方法，即，將對預測模型一次賦予之輸入參數設為一組，對預測模型賦予多個輸入參數之組而計算推斷輸出參數，取得獲得最接近目標輸出之結果之輸入參數之組。例如，探索裝置300可針對每一分割區域將各分割區域中所包含之輸入參數之組形成1個以上，且將其賦予至預測模型，計算此時之輸出參數。作為獲得每一分割區域之代表性的推斷輸出之方法，作為分割區域中所包含之輸入參數之組，可使用成為分割區域內之中心座標之值。 於將極多個輸入參數之組賦予至預測模型而計算推斷輸出之情形時計算時間巨大，於此情形時，如使用上述式(1.1)～式(1.3)所述，探索裝置300藉由決定賦予至預測模型之輸入參數之中心條件，限制自該中心條件能夠變更之輸入參數之種類，從而可抑制計算時間。又，藉由限制自中心條件一次能夠變更之參數之數量而可抑制計算時間。藉此，探索裝置300可一面削減賦予至預測模型之輸入參數之組之數量，一面獲得取得更接近目標輸出之結果之輸入參數。於設定中心條件時，可利用過去之探索結果或工程師之知識。或者，可將所有探索區域之中心座標設為中心條件。 於第2推斷方法中，具體而言，探索裝置300藉由對在步驟S508獲得之預測模型代入輸入參數之組之值，而取得成為預測值之輸出參數之值。例如，於預測模型為表示圖1之輸入輸出關係之函數之情形時，作為向預測模型輸入之輸入參數之值，若賦予(x11、x21)、(x11、x22)、(x11、x23)、(x12、x21)、(x12、x22)、(x12、x23)、(x13、x21)、(x13、x22)、(x13、x23)、(x1n、x21)、(x1n、x22)、(x1n、x23)，則可獲得與各輸入參數對應之推斷輸出參數。 於未取得與該等各輸入參數對應之輸出參數之情形時(步驟S5090A：是)，探索裝置300使用各輸入參數執行自律探索(步驟5060A)，取得推斷為存在解之區域內之輸出資料、即探索結果並保存於資料庫205(步驟5070A)。該等自律探索及結果之保存係與步驟506及步驟507相同之處理。又，於已經取得與各輸入參數對應之輸出參數之情形時(步驟S5090A：否)，移行至步驟S510。 然後，於步驟S510中，探索裝置300例如於分割區域中，將如下輸入參數之值決定為最佳解OS2，該輸入參數之值係獲得成為與輸出參數之目標值最接近之預測值的輸出參數之值。例如，於所取得之輸出資料與預測模型所示之圖1相同之情形時，當輸出參數之目標值為y10之情形時，與輸入參數之值(x13、x23)對應之輸出參數的值y10成為最接近之值。因此，最佳解OS2成為(x13、x23)。再者，應用第1推斷方法及第2推斷方法中之哪一方法係預先設定。 探索裝置300判斷最佳解OS2之值是否為獲得較最佳解OS1之值更接近目標之輸出參數之解(步驟S511)。然後，於最佳解OS2之值為獲得較最佳解OS1之值更接近目標之輸出參數的解之情形時(步驟S511：是)，移行至步驟S512，於並非如此之情形時(步驟S511：否)，移行至步驟S601(圖6)。 於步驟S511：是之情形時，探索裝置300藉由將最佳解OS2設定為最佳解OS1而更新最佳解OS1(步驟S512)。又，探索裝置300藉由將更新後之最佳解OS1之分割區域設定為探索區域而更新探索區域(步驟S514)。 然後，探索裝置300判斷是否達成目標(步驟S514)。於達成目標之情形時(步驟S514：是)，探索裝置300結束控制處理。另一方面，於未達成目標之情形時(步驟S514：否)，移行至步驟S505或步驟S601(圖6)。移行至步驟S505或步驟S601(圖6)之哪一者既可預先設定，亦可每次由使用者選擇。再者，於未達成目標(步驟S514：否)且移行至步驟S505之情形時，探索裝置300分割步驟S513之更新後之探索區域 (步驟S505)。 於步驟S514中，具體而言，例如於與更新後之最佳解OS1對應之輸出參數與目標值相等或與目標值之差為容許範圍內之情形時，探索裝置300判斷為達成目標(步驟S514：是)。又，即便與更新後之最佳解OS1對應之輸出參數不與目標值相等或與目標值之差不為容許範圍內，當經過在步驟S501設定之探索時間之情形時，判斷為達成目標(步驟S514：是)。另一方面，於與更新後之最佳解OS1對應之輸出參數不與目標值相等或與目標值之差不為容許範圍內，且未經過在步驟S501設定之探索時間之情形時，判斷為未達成目標(步驟S514：否)。 圖6係表示半導體處理裝置201之控制處理順序例之流程圖2。探索裝置300將在步驟S509獲得之分割區域內之探索資料決定為除外資料(步驟S601)。具體而言，例如探索裝置300將推斷區域內之輸入資料(輸入參數之值)及輸出資料(輸出參數)決定為除外資料。除外資料係有被以後之處理除外之可能性之資料(自成為實際之解析對象之資料除外係於圖7之S703、或圖6～圖8之S608實施)。同樣地，探索裝置300將在步驟S510獲得之分割區域決定為除外區域(步驟S602)。除外區域係有被以後之處理除外之可能性之區域(自成為實際之解析對象之資料除外係於圖8之S803、或圖6～圖8之S608實施)。 然後，探索裝置300判斷是否分割在步驟S509獲得之分割區域 (步驟S603)。於分割之情形時(步驟S603：是)，移行至步驟S604，於不分割之情形時(步驟S603：否)，移行至步驟S608。 於步驟S603中，具體而言，例如探索裝置300根據來自使用者之分割指示輸入之有無而判斷是否將分割區域分割。又，探索裝置300亦可強制性地將分割區域分割(步驟S603：是)。 然後，探索裝置300與步驟S508相同，產生預測模型(步驟S604)。其次，探索裝置300與步驟S509相同，推斷於步驟S603分割之分割區域群中存在解之分割區域(步驟S605)。將所推斷之分割區域稱為推斷分割區域。而且，探索裝置300於步驟S6090A、S6060A、S6070A中，執行與步驟S5090A、S5060A、S5070A相同之處理。具體而言，例如，於已經取得推斷為存在解之區域內之輸出資料之情形時(步驟S6090：是)，探索裝置300自所推斷之分割區域中特定最佳解OS3，且將所特定之最佳解OS3保存於資料庫205(步驟S606)。又，同樣地，於未取得推斷為存在解之區域內之輸出資料之情形時(步驟S6090：否)，探索裝置300執行所推斷之區域內之自律探索(步驟S6060A)，取得推斷為存在解之區域內之輸出資料、即探索結果並保存於資料庫205(步驟S6070A)。 然後，與步驟S511相同，探索裝置300判斷與最佳解OS3對應之輸出參數之值是否為較與最佳解OS1對應之輸出參數之值接近目標的解(步驟S607)。然後，於與最佳解OS3對應之輸出參數之值為較與最佳解OS1對應之輸出參數之值接近目標的解之情形時(步驟S607：是)，移行至步驟S512，於並非如此之情形時(步驟S607：否)，移行至步驟S608。於步驟S608中，探索裝置300藉由自探索區域將除外區域除外，或將除外區域除外及將除外資料除外而更新探索區域(步驟S608)，移行至步驟S505。 圖7係表示半導體處理裝置201之控制處理順序例之流程圖3。流程圖3係圖6所示之流程圖2之其他處理例。再者，關於與圖6相同之處理，標註相同步驟編號並省略說明。探索裝置300於步驟S601之後，探索裝置300判斷是否將在步驟S601決定之除外資料除外(步驟S703)。於除外並進行解析之情形時(步驟S703：是)，移行至步驟S604，於未除外而進行解析之情形時(步驟S703：否)，移行至步驟S608。 於步驟S703中，具體而言，例如探索裝置300根據來自使用者之除外指示輸入之有無而判斷是否將除外資料除外並進行解析。又，探索裝置300亦可強制性地將除外資料除外而進行解析(步驟S703：是)。 然後，探索裝置300不使用除外資料而產生分割區域之預測模型(步驟S604)，執行步驟S605、S6090A、S6060A、S6070A、S606、S607、S608。 圖8係表示半導體處理裝置201之控制處理順序例之流程圖4。流程圖4係圖6所示之流程圖2之其他處理例。再者，關於與圖6相同之處理，標註相同步驟編號並省略說明。探索裝置300於步驟S602之後，探索裝置300判斷是否將在步驟S602決定之除外區域除外而進行解析(步驟S803)。於除外而進行解析之情形時(步驟S803：是)，移行至步驟S604，於並不除外而進行解析之情形時(步驟S803：否)，移行至步驟S608。 於步驟S803中，具體而言，例如探索裝置300根據來自使用者之除外指示輸入之有無而判斷是否將除外區域內之解(輸入參數之值)除外而進行解析。又，探索裝置300亦可強制性地將除外區域除外而進行解析(步驟S803：是)。 然後，探索裝置300與步驟S604相同，產生分割區域之預測模型(步驟S604)。其次，探索裝置300不使用除外區域內之解(輸入參數之值)，推斷在步驟S603分割之分割區域群中存在解之分割區域(步驟S605)。將所推斷之分割區域稱為推斷分割區域。然後，探索裝置300執行步驟S6090A、S6060A、S6070A、S606、S607、S608。 再者，於本控制處理中，於資料之解析、保存、傳送等之規模變大，其執行時間較探索1個條件之時間變長之情形時，能夠與該等之執行並列地繼續探索。此時，使探索條件中變更之輸入參數數量、同時變更之輸入參數數量、探索區域之分割數中之1者以上增加。藉此，使探索條件數增加，可藉由探索該條件而利用執行解析等之時間使探索結果增加。尤其，存在資料之解析所需要之時間成為數分鐘至數小時以上之情形，於該解析中繼續探索，藉此可提高探索速度。 ＜半導體處理裝置201之控制處理之應用例1＞ 其次，表示於半導體器件之量產前之半導體處理裝置201之維護中，用以修正半導體處理裝置201之裝置差之控制處理之應用例。此處作為說明機器差抑制之順序之例，使半導體處理裝置201為進行放電處理之蝕刻裝置。又，此處將執行放電處理時之輸入參數稱為配方。於進行放電處理之蝕刻裝置中，作為成為修正對象之輸出，可列舉處理結果或處理中所使用之放電之特性。作為修正之方法，有以獲得與成為基準之蝕刻裝置相同之輸出之方式修正其他蝕刻裝置的方法，或以複數個蝕刻裝置之輸出變得均勻之方式修正之方法。 圖9係表示機器差抑制方法之流程圖。圖9具體而言例如表示半導體器件之量產前之半導體處理裝置201之維護處理順序例。為了進行裝置差之修正，探索裝置300開始取得維護後放電資料。 首先，探索裝置300使用用以進行基本的放電處理之配方進行基準配方放電，取得此時之輸入輸出資料。又，進行利用量產中所使用之配方之放電，取得此時之輸出資料(輸出參數之值)(步驟S901)。步驟S901係與步驟S501～S504對應之處理。 其次，探索裝置300探索裝置差修正配方(步驟S902)。步驟S902係與步驟S505～S507對應之處理。然後，探索裝置300執行使用步驟S902所探索到之裝置差修正配方之裝置差修正(步驟S903)。步驟S903係與步驟S508～S513、圖6～圖8之處理對應之處理。於未達成修正目標之情形時(步驟S904：否)，返回至步驟S902，於達成修正目標之情形時(步驟S904：是)，結束處理。步驟S904係與步驟S514對應之處理。 再者，亦可藉由使用複數個相同之蝕刻裝置並列地推進探索而提高探索速度。此時，藉由使用按照圖9之順序修正裝置差之複數個蝕刻裝置，可提高能探索滿足目標之解之可能性。進而，可將所探索之解於該等複數個裝置中展開進行修正。 如此，藉由於半導體處理裝置201之維護後執行利用探索裝置300之探索方法，可使半導體處理裝置201之輸出參數之值接近成為基準之輸出參數之值(自動機器差修正功能)。 ＜半導體處理裝置201之控制處理之應用例2＞ 其次，表示於半導體器件之量產處理中用以修正經時變化之控制處理之應用例。 圖10係表示經時變化修正方法之流程圖。於圖10中，與圖9同樣地，作為說明修正經時變化之順序之例，使半導體處理裝置201為於處理中使用放電之蝕刻裝置。於取得量產前放電資料中，為了進行量產中之經時變化之修正，探索裝置300首先將用以進行基本的放電處理之基準配方賦予至蝕刻裝置進行基準配方放電，取得此時之輸出資料(輸出參數之值)(步驟S1011)。步驟S1011係與步驟S501～S504對應之處理。 其次，探索裝置300探索裝置差修正候補配方(步驟S1012)。於步驟S1012中，使用根據過去量產時之輸入輸出資料之解析結果可預測修正對象之經時變化的輸出資料或感測器資料及監視器資料。然後，探索裝置300於量產開始前之蝕刻裝置中，執行用以使可預想該等之經時變化之資料變動至經時變化後之值為止之裝置差修正候補配方之探索。步驟S1012係與步驟S505～S507對應之處理。 其次，探索裝置300執行裝置差修正(步驟S1013)。於步驟S1013中，探索裝置300將未產生經時變化之狀態中所使用之基本之量產用配方、與在步驟S1012探索之裝置差修正候補配方進行比較，使利用裝置差修正候補配方變更之輸入參數變得明確。藉此，於量產前之階段，能夠產生說明修正對象之輸入參數與輸出參數之關係的函數，又，可根據該關係產生成為修正候補之配方。步驟S1013係與步驟S508～S513、圖6～圖8之處理對應之處理。然後，開始量產處理。 於步驟S1013之後，當開始半導體器件之量產處理時，將晶圓導入至處理室(步驟S1021)，蝕刻裝置對晶圓進行蝕刻(步驟S1022)。蝕刻(步驟S1022)係包括1個步驟或複數個步驟。於蝕刻(步驟S1022)為複數個步驟之情形時，各步驟之蝕刻係變更放電條件而執行。於蝕刻(步驟S1022)完成之後，將晶圓向處理室外搬出(步驟S1023)。然後，為了將於蝕刻中產生且沈積於處理室表面之反應性產物去除，而實施電漿清洗(步驟S1024)。若有下一個晶圓(步驟S1025：是)，則返回至步驟S1021，若無下一個晶圓(步驟S1025：否)，則移行至取得量產後放電資料。 將量產中之蝕刻裝置之輸入輸出資料保存於資料庫205，探索裝置300並列地即時持續解析輸入輸出資料。藉此，能夠於量產中持續推斷可預測修正對象之經時變化之輸出資料或感測器資料及監視器資料。又，探索裝置300藉由將執行相同之量產處理之複數個蝕刻裝置之輸入輸出資料加以彙集，而可使資料數增加。 於量產後或自量產開始經過指定時間時取得放電資料之情形時，探索裝置300執行修正經時變化之配方之探索(步驟S1031)。具體而言，例如，探索裝置300將在步驟S1011、S1012取得之資料、所解析之輸入輸出資料之關係、及修正候補配方作為步驟S502之輸入而使用，探索經時變化修正配方。步驟S1031係與步驟S505～S507對應之處理。 然後，探索裝置300使用作為探索結果之經時變化修正配方進行修正結果之驗證(步驟S1032)。步驟S1032係與步驟S508～S513、圖6～圖8之處理對應之處理。 又，於執行步驟S1031、S1032之前，探索裝置300亦可對在半導體器件之量產中取得之輸出資料進行解析，推斷可預測修正對象之經時變化之輸出資料或感測器資料及監視器資料，執行步驟S1012。藉此，可產生說明修正對象之輸入參數與輸出參數之關係之函數，又可根據該關係產生成為修正候補之配方。藉由於步驟S502使用該等結果，探索裝置300可執行步驟S1031、S1032。 進而，作為上述探索中之步驟S502之輸入，亦可使用利用工程師之知識來變更頻繁地用於修正之輸入參數而得之配方、及使用該配方放電時之輸入輸出資料與其解析結果。 然後，於未達成修正目標之情形時(步驟S1033：否)，返回至步驟S1031，於達成修正目標之情形時(步驟S1033：是)，結束處理。步驟S1033係與步驟S514對應之處理。於執行圖10所示之探索時，可藉由使用複數個實施相同量產處理之量產後之蝕刻裝置並列地推進探索而提高探索速度。進而，所探索之解(輸入參數)能夠於執行相同量產處理之複數個蝕刻裝置中展開而執行修正。 如此，藉由於半導體量產後執行探索裝置300之探索方法，可修正量產中之半導體處理裝置201之輸出參數之值的經時變化(自動經時變化修正功能)。 如此，探索裝置300對半導體處理裝置201之輸入參數之值及輸出參數之值進行自動解析，考慮到該解析結果而自動地決定用以探索輸入參數之值之實驗條件。而且，探索裝置300自動地進行該實驗結果之驗證，藉由重複該等自動動作而可自動地探索獲得作為目標之裝置狀態及處理結果(輸出參數之值)之輸入參數之值。藉此，半導體處理裝置201本身可自動地引出裝置性能，此外可支援用以引出裝置性能之控制模型開發或進行裝置參數(輸入參數與輸出參數之組合)之選定之工程師。 如以上所說明般，本實施例之探索裝置300具有：輸入部401，其受理表示處理半導體之半導體處理裝置201中設定之條件或藉由半導體處理裝置201處理半導體之結果的目標值、與由條件與結果之範圍而規定之探索區域內之條件或結果之中目標值所表示者之基準值的輸入；產生部402，其基於探索區域內之條件之設定值、與將該設定值賦予至半導體處理裝置201之情形時之結果之實測值，產生表示條件與結果之關係之預測模型；特定部403，其藉由對由產生部402產生之預測模型賦予由輸入部401輸入之目標值，自預測模型取得預測值，而自探索區域特定預測值之存在區域；判斷部404，其判斷與預測值對應之上述結果之實測值是否較由輸入部401輸入之基準值更接近目標值；設定部405，其於藉由判斷部404而判斷為與預測值對應之上述結果之實測值接近目標值之情形時，將預測值設定為基準值，將藉由特定部而特定出之預測值之存在區域設定為探索區域；及輸出部406，其於與預測值對應之上述結果之實測值滿足目標值之達成條件的情形時輸出滿足達成條件之預測值。 藉此，可實現向與半導體處理裝置201之輸入輸出相關之最佳解的到達精度之提高。因此，可實現半導體處理裝置201中之運用之效率化及處理之最佳化。 又，探索裝置300於藉由判斷部404而判斷為與自預測模型獲得之預測值對應之上述結果之實測值不接近目標值的情形時，藉由決定部407而將預測值之存在區域內之預測值及與預測值對應之上述結果之實測值決定為除外資料，藉由設定部405而將如下殘存區域設定為探索區域，該殘存區域係自探索區域將藉由除外資料與於獲得該除外資料之情形時賦予至半導體處理裝置201之目標值而特定的除外區域除外所得者。藉此，可將不接近目標值之預測值與目標值之組合存在之除外區域自最新之探索區域除外，從而可實現向最佳解之到達精度之提高。 又，探索裝置300藉由分割部408而將探索區域分割為複數個區域，於藉由判斷部404而判斷為與預測值對應之上述結果之實測值接近目標值之情形時，藉由特定部403而將預測值設定為基準值，自複數個分割區域中特定預測值之存在區域。藉此，可容易地特定預測值之存在區域，從而可實現探索速度之提高。 又，探索裝置300藉由分割部408而將探索區域分割為複數個區域，藉由產生部402而針對每一分割區域取得將分割區域內之條件之設定值賦予至半導體處理裝置201之情形時的結果之實測值，藉由產生部402而基於各分割區域中之條件之設定值與結果之實測值產生預測模型。藉此，藉由使用複數個半導體處理裝置201，可針對每一分割區域並列地取得實測值，從而可實現預測模型之產生速度之高速化。 又，探索裝置300於藉由判斷部404而判斷為與預測值對應之上述結果之實測值不接近目標值之情形時，藉由決定部407而將於預測值之存在區域內取得之資料決定為除外資料，藉由產生部402基於自實測值將除外資料除外之特定之實測值、與自設定值將獲得除外資料之情形時賦予至半導體處理裝置201之設定值除外的特定之設定值而產生預測模型。又，可將不接近目標值之預測值與設定值之組合存在之除外區域自預測值之候補除外，從而可實現預測模型之精度提高。因此，藉由所產生之預測模型而可獲得更佳之預測值。 又，探索裝置300藉由檢測部409基於結果之實測值與特定之輸出閾值，檢測半導體處理裝置201之不穩定動作，藉由輸出部406輸出檢測部409之檢測結果。藉此，可提醒使用者可否繼續探索。 再者，本發明並不限定於上述實施例，包含隨附之申請專利範圍之主旨內之各種變化例及同等之構成。例如，上述實施例係用以容易理解地說明本發明而詳細地說明者，本發明並非一定限定於具備所說明之所有構成者。又，亦可將某實施例之構成之一部分置換為其他實施例之構成。又，亦可對某實施例之構成添加其他實施例之構成。又，對各實施例之構成之一部分亦可進行追加其他構成、刪除、或置換。 又，上述各構成、功能、處理部、處理機構等既可藉由將其等之一部分或全部以例如積體電路之形式設計等而以硬體實現，亦可藉由處理器解釋並執行實現各個功能之程式而以軟體實現。 實現各功能之程式、表格、檔案等資訊可儲存於記憶體、硬碟、SSD(Solid State Drive，固態驅動器)等記憶裝置、或IC(Integrated Circuit積體電路)卡、SD(Secure Digital，安全數位)卡、DVD(Digital Versatile Disc，數位多功能光碟)之記錄介質。 又，控制線或資訊線示出說明上認為必要者，未必示出安裝上必要之所有控制線或資訊線。實際上可認為幾乎所有構成相互連接。
100‧‧‧曲線圖
200‧‧‧半導體製造系統
201‧‧‧半導體處理裝置
202‧‧‧裝置控制系統
203‧‧‧監視器系統
204‧‧‧感測器系統
205‧‧‧資料庫
206‧‧‧自動控制系統
221‧‧‧配方設定控制器
222‧‧‧裝置基本設定控制器
223‧‧‧設定錯誤檢測系統
261‧‧‧目標設定控制器
262‧‧‧自律探索系統
263‧‧‧不穩定動作檢測系統
300‧‧‧探索裝置
301‧‧‧處理器
302‧‧‧記憶器件
303‧‧‧輸入器件
304‧‧‧輸出器件
305‧‧‧通信介面
401‧‧‧輸入部
402‧‧‧產生部
403‧‧‧特定部
404‧‧‧判斷部
405‧‧‧設定部
406‧‧‧輸出部
407‧‧‧決定部
408‧‧‧分割部
409‧‧‧檢測部
圖1係表示輸入參數之探索例之說明圖。 圖2係表示半導體製造系統之系統構成例之說明圖。 圖3係表示探索裝置之硬體構成例之方塊圖。 圖4係表示探索裝置之功能性構成例之方塊圖。 圖5係表示半導體處理裝置之控制處理順序例之流程圖1。 圖6係表示半導體處理裝置之控制處理順序例之流程圖2。 圖7係表示半導體處理裝置之控制處理順序例之流程圖3。 圖8係表示半導體處理裝置之控制處理順序例之流程圖4。 圖9係表示機器差抑制方法之流程圖。 圖10係表示經時變化修正方法之流程圖。

Claims (14)

  1. 一種探索裝置，其特徵在於具有： 輸入部，其受理以下輸入：表示處理半導體之半導體處理裝置中設定之條件或藉由上述半導體處理裝置處理上述半導體之結果的目標值，及由上述條件與上述結果之範圍而規定之探索區域內之上述條件或上述結果之中上述目標值所表示者之基準值； 產生部，其基於上述探索區域內之上述條件之設定值、與將該設定值賦予至上述半導體處理裝置之情形時之上述結果之實測值，產生表示上述條件與上述結果之關係之預測模型； 特定部，其藉由對由上述產生部產生之預測模型賦予由上述輸入部輸入之目標值，自上述預測模型取得預測值，而自上述探索區域特定上述預測值之存在區域； 判斷部，其判斷與上述預測值對應之上述結果之實測值是否較由上述輸入部輸入之基準值更接近上述目標值； 設定部，其於藉由上述判斷部而判斷為與上述預測值對應之上述結果之實測值接近上述目標值之情形時，將上述預測值設定為上述基準值，將藉由上述特定部而特定出之上述預測值之存在區域設定為上述探索區域；及 輸出部，其於與上述預測值對應之上述結果之實測值滿足上述目標值之達成條件的情形時輸出滿足上述達成條件之預測值。
  2. 如請求項1之探索裝置，其具有決定部，該決定部於藉由上述判斷部而判斷為與上述預測值對應之上述結果之實測值不接近上述目標值之情形時，將上述預測值之存在區域內之預測值及與預測值對應的上述結果之實測值決定為除外資料， 上述設定部係將自上述探索區域將除外區域除外之殘存區域設定為上述探索區域，上述除外區域係由藉由上述決定部而決定之除外資料與於獲得該除外資料之情形時賦予至上述半導體處理裝置之目標值而特定。
  3. 如請求項1之探索裝置，其具有將上述探索區域分割為複數個區域之分割部， 上述特定部於藉由上述判斷部而判斷為與上述預測值對應之上述結果之實測值接近上述目標值的情形時，將上述預測值設定為上述基準值，自藉由上述分割部而獲得之複數個分割區域中特定藉由上述特定部而特定出的上述預測值之存在區域。
  4. 如請求項1之探索裝置，其具有將上述探索區域分割為複數個區域之分割部， 上述產生部針對每一上述分割區域取得將藉由上述分割部分割而得之分割區域內之上述條件之設定值賦予至上述半導體處理裝置的情形時之上述結果之實測值，基於上述各分割區域中之上述條件之設定值與上述結果之實測值而產生上述預測模型。
  5. 如請求項1之探索裝置，其中上述設定部於藉由上述判斷部而判斷為與上述預測值對應之上述結果之實測值不接近上述目標值的情形時，不將上述預測值設定為上述基準值，而將上述預測值之存在區域設定為上述探索區域。
  6. 如請求項1之探索裝置，其具有決定部，該決定部係於藉由上述判斷部而判斷為與上述預測值對應之上述結果之實測值不接近上述目標值的情形時，將上述預測值之存在區域內之預測值決定為除外資料， 上述產生部基於將上述除外資料自上述實測值除外之特定之實測值、與將於獲得上述除外資料之情形時賦予至上述半導體處理裝置之設定值自上述設定值除外的特定之設定值，產生上述預測模型。
  7. 如請求項1之探索裝置，其具有檢測部，該檢測部基於上述結果之實測值與特定之輸出閾值，檢測上述半導體處理裝置之不穩定動作， 上述輸出部輸出上述檢測部之檢測結果。
  8. 一種探索方法，其特徵在於，其係探索裝置所執行者，且 上述探索裝置執行： 輸入處理，其受理以下輸入：表示處理半導體之半導體處理裝置中設定之條件或藉由上述半導體處理裝置處理上述半導體之結果的目標值、與由上述條件與上述結果之範圍而規定之探索區域內之上述條件或上述結果之中上述目標值所表示者之基準值； 產生處理，其基於上述探索區域內之上述條件之設定值、與將該設定值賦予至上述半導體處理裝置之情形時之上述結果之實測值，產生表示上述條件與上述結果之關係之預測模型； 特定處理，其藉由對由上述產生部產生之預測模型賦予藉由上述輸入處理而輸入之目標值，自上述預測模型取得預測值，而自上述探索區域特定上述預測值之存在區域； 判斷處理，其判斷與上述預測值對應之上述結果之實測值是否較藉由上述輸入處理而輸入之基準值更接近上述目標值； 設定處理，其於藉由上述判斷處理而判斷為上述預測值接近上述目標值之情形時，將上述預測值設定為上述基準值，將藉由上述特定處理而特定之上述預測值之存在區域設定為上述探索區域；及 輸出處理，其於上述預測值滿足上述目標值之達成條件之情形時輸出滿足上述達成條件之預測值。
  9. 如請求項8之探索方法，其中上述探索裝置執行決定處理， 該決定處理係於藉由上述判斷處理而判斷為與上述預測值對應之上述結果之實測值不接近上述目標值的情形時，將上述存在區域內之預測值及與預測值對應之上述結果之實測值決定為除外資料， 於上述設定處理中，上述探索裝置將自上述探索區域將除外區域除外之殘存區域設定為上述探索區域，上述除外區域係由藉由上述決定處理而決定之除外資料與於獲得該除外資料之情形時賦予至上述半導體處理裝置之目標值而特定。
  10. 如請求項8之探索方法，其中上述探索裝置執行分割處理， 該分割處理係將上述探索區域分割為複數個區域， 於上述特定處理中，上述探索裝置係於藉由上述判斷處理而判斷為與上述預測值對應之上述結果之實測值接近上述目標值之情形時，將上述預測值設定為上述基準值，自藉由上述分割處理分割而得之複數個分割區域中特定藉由上述特定處理而特定出之上述預測值之存在區域。
  11. 如請求項8之探索方法，其中上述探索裝置執行分割處理， 該分割處理係將上述探索區域分割為複數個區域， 於上述產生處理中，上述探索裝置針對每一上述分割區域取得將藉由上述分割處理分割而得之分割區域內之上述條件之設定值賦予至上述半導體處理裝置的情形時之上述結果之實測值，基於上述各分割區域中之上述條件之設定值與上述結果之實測值而產生上述預測模型。
  12. 如請求項8之探索方法，其中於上述設定處理中， 上述探索裝置於藉由上述判斷處理而判斷為與上述預測值對應之上述結果之實測值不接近上述目標值的情形時，不將上述預測值設定為上述基準值，而將上述預測值之存在區域設定為上述探索區域。
  13. 如請求項8之探索方法，其中上述探索裝置執行決定處理， 該決定處理係於藉由上述判斷處理而判斷為與上述預測值對應之上述結果之實測值不接近上述目標值的情形時，將上述預測值之存在區域內之預測值決定為除外資料， 於上述產生處理中，上述探索裝置基於將上述除外資料自上述實測值除外之特定之實測值、與將於獲得上述除外資料之情形時賦予至上述半導體處理裝置之設定值自上述設定值除外的特定之設定值，產生上述預測模型。
  14. 如請求項8之探索方法，其中上述探索裝置執行檢測處理， 該檢測處理基於上述結果之實測值與特定輸出閾值，檢測上述半導體處理裝置之不穩定動作， 於上述輸出處理中，上述探索裝置輸出上述檢測處理之檢測結果。
TW106129091A 2016-09-21 2017-08-28 探索裝置及探索方法 TWI672599B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016184386A JP6608344B2 (ja) 2016-09-21 2016-09-21 探索装置および探索方法
JP??2016-184386 2016-09-21

Publications (2)

Publication Number Publication Date
TW201814557A TW201814557A (zh) 2018-04-16
TWI672599B true TWI672599B (zh) 2019-09-21

Family

ID=61620586

Family Applications (2)

Application Number Title Priority Date Filing Date
TW108126247A TWI745723B (zh) 2016-09-21 2017-08-28 探索裝置
TW106129091A TWI672599B (zh) 2016-09-21 2017-08-28 探索裝置及探索方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
TW108126247A TWI745723B (zh) 2016-09-21 2017-08-28 探索裝置

Country Status (4)

Country Link
US (2) US10734261B2 (zh)
JP (1) JP6608344B2 (zh)
KR (2) KR102017604B1 (zh)
TW (2) TWI745723B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018036991A (ja) * 2016-09-02 2018-03-08 株式会社日立製作所 センサデータ検索システム、センサデータ検索方法及び管理計算機
US10909965B2 (en) 2017-07-21 2021-02-02 Comcast Cable Communications, Llc Sound wave dead spot generation
JP6778666B2 (ja) * 2017-08-24 2020-11-04 株式会社日立製作所 探索装置及び探索方法
JP7017985B2 (ja) * 2018-06-05 2022-02-09 株式会社日立製作所 システム及び処理条件の決定方法
KR102541743B1 (ko) * 2018-09-03 2023-06-13 가부시키가이샤 프리퍼드 네트웍스 학습 장치, 추론 장치 및 학습 완료 모델
JP6724267B1 (ja) * 2018-09-03 2020-07-15 株式会社Ｐｒｅｆｅｒｒｅｄ Ｎｅｔｗｏｒｋｓ 学習装置、推論装置、学習モデルの生成方法及び推論方法
JP2020070470A (ja) * 2018-10-31 2020-05-07 旭化成株式会社 学習処理装置、学習処理方法、化合物半導体の製造方法およびプログラム
JP7229018B2 (ja) * 2018-12-28 2023-02-27 Ｐａｃｒａｆｔ株式会社 不健全性予見装置、不健全性予見方法、プログラム、及びコンピュータ読み取り可能な記録媒体
JP7218624B2 (ja) * 2019-03-08 2023-02-07 富士通株式会社 データ処理プログラム及びデータ処理方法
US11879897B2 (en) * 2019-05-30 2024-01-23 Thermo Finnigan Llc Operating a mass spectrometer utilizing mass spectral database search
JP6890632B2 (ja) * 2019-06-27 2021-06-18 東京エレクトロン株式会社 データ処理装置、データ処理方法及びプログラム
US11600536B2 (en) 2019-07-04 2023-03-07 Hitachi High-Tech Corporation Dimension measurement apparatus, dimension measurement program, and semiconductor manufacturing system
JP7288870B2 (ja) * 2020-02-05 2023-06-08 株式会社日立製作所 画像を生成するシステム
KR20220125208A (ko) * 2021-03-01 2022-09-14 주식회사 히타치하이테크 실험 포인트 추천 장치, 실험 포인트 추천 방법 및 반도체 장치 제조 시스템
US20230012173A1 (en) 2021-07-08 2023-01-12 Hitachi High-Tech Corporation Process recipe search apparatus, etching recipe search method and semiconductor device manufacturing system

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6381564B1 (en) * 1998-05-28 2002-04-30 Texas Instruments Incorporated Method and system for using response-surface methodologies to determine optimal tuning parameters for complex simulators
TW511128B (en) * 2001-09-04 2002-11-21 Hitachi Ltd Method of monitoring and/or controlling a semiconductor manufacturing apparatus and a system therefor
US20090047658A1 (en) * 2007-04-05 2009-02-19 Mulvey Matthew C Methods and compositions for determining the pathogenic status of infectious agents
TW201500950A (zh) * 2013-03-14 2015-01-01 Coventor Inc 於三維虛擬製造環境中使用材料特定行爲參數之多蝕刻製程

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5646870A (en) * 1995-02-13 1997-07-08 Advanced Micro Devices, Inc. Method for setting and adjusting process parameters to maintain acceptable critical dimensions across each die of mass-produced semiconductor wafers
JP3262092B2 (ja) * 1999-01-07 2002-03-04 日本電気株式会社 不良分布解析システム、方法及び記録媒体
JP2000252179A (ja) * 1999-03-04 2000-09-14 Hitachi Ltd 半導体製造プロセス安定化支援システム
JP2006074067A (ja) * 2005-11-08 2006-03-16 Hitachi Ltd プラズマ処理装置および処理方法
JP2007165721A (ja) * 2005-12-15 2007-06-28 Omron Corp プロセス異常分析装置及びプログラム
US8924904B2 (en) * 2007-05-24 2014-12-30 Applied Materials, Inc. Method and apparatus for determining factors for design consideration in yield analysis
US7873585B2 (en) * 2007-08-31 2011-01-18 Kla-Tencor Technologies Corporation Apparatus and methods for predicting a semiconductor parameter across an area of a wafer
US8396582B2 (en) * 2008-03-08 2013-03-12 Tokyo Electron Limited Method and apparatus for self-learning and self-improving a semiconductor manufacturing tool
US8494798B2 (en) * 2008-09-02 2013-07-23 Mks Instruments, Inc. Automated model building and batch model building for a manufacturing process, process monitoring, and fault detection
US8111903B2 (en) * 2008-09-26 2012-02-07 International Business Machines Corporation Inline low-damage automated failure analysis
JP5417358B2 (ja) * 2011-02-28 2014-02-12 株式会社日立ハイテクノロジーズ 画像処理装置、及び画像処理を行うためのコンピュータープログラム
US8843875B2 (en) * 2012-05-08 2014-09-23 Kla-Tencor Corporation Measurement model optimization based on parameter variations across a wafer
JP2012212919A (ja) * 2012-06-22 2012-11-01 Hitachi Kokusai Electric Inc 基板処理管理装置
US9543171B2 (en) * 2014-06-17 2017-01-10 Lam Research Corporation Auto-correction of malfunctioning thermal control element in a temperature control plate of a semiconductor substrate support assembly that includes deactivating the malfunctioning thermal control element and modifying a power level of at least one functioning thermal control element

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6381564B1 (en) * 1998-05-28 2002-04-30 Texas Instruments Incorporated Method and system for using response-surface methodologies to determine optimal tuning parameters for complex simulators
TW511128B (en) * 2001-09-04 2002-11-21 Hitachi Ltd Method of monitoring and/or controlling a semiconductor manufacturing apparatus and a system therefor
US20090047658A1 (en) * 2007-04-05 2009-02-19 Mulvey Matthew C Methods and compositions for determining the pathogenic status of infectious agents
TW201500950A (zh) * 2013-03-14 2015-01-01 Coventor Inc 於三維虛擬製造環境中使用材料特定行爲參數之多蝕刻製程

Also Published As

Publication number Publication date
KR20180032174A (ko) 2018-03-29
KR102017604B1 (ko) 2019-09-03
US20180082873A1 (en) 2018-03-22
JP6608344B2 (ja) 2019-11-20
TW201814557A (zh) 2018-04-16
TW201939312A (zh) 2019-10-01
US20200328101A1 (en) 2020-10-15
TWI745723B (zh) 2021-11-11
JP2018049936A (ja) 2018-03-29
US10734261B2 (en) 2020-08-04
KR20190104115A (ko) 2019-09-06
KR102039394B1 (ko) 2019-11-04

Similar Documents

Publication Publication Date Title
TWI672599B (zh) 探索裝置及探索方法
TWI723255B (zh) 探索裝置及探索方法
TWI737959B (zh) 探索裝置、探索方法及電漿處理裝置
KR20220133228A (ko) 반도체-제작 프로세스들을 위한 성능 예측기들
CN115803858A (zh) 半导体制造设备的预测性维护
JP6754878B2 (ja) 探索装置および探索方法
TW202346959A (zh) 用於製造設備的診斷工具與工具之匹配和比較下鑽分析方法
TW202240735A (zh) 用於半導體製造設備之處理控制的自適應模型訓練
US11585764B1 (en) Multi-level RF pulse monitoring and RF pulsing parameter optimization at a manufacturing system
TW202347063A (zh) 製程控制旋鈕估計
TW202343176A (zh) 用於製造設備的診斷工具與工具之匹配方法
CN118020083A (zh) 使用缺陷模型估计缺陷风险并优化处理配方