TWI688845B - 處理工具監控 - Google Patents
處理工具監控 Download PDFInfo
- Publication number
- TWI688845B TWI688845B TW105103816A TW105103816A TWI688845B TW I688845 B TWI688845 B TW I688845B TW 105103816 A TW105103816 A TW 105103816A TW 105103816 A TW105103816 A TW 105103816A TW I688845 B TWI688845 B TW I688845B
- Authority
- TW
- Taiwan
- Prior art keywords
- characteristic data
- processing
- enabling
- operable
- facilitating
- Prior art date
Links
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
- G05B19/4065—Monitoring tool breakage, life or condition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
-
- 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
- G05B23/0229—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 knowledge based, e.g. expert systems; genetic algorithms
-
- 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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
- G05B23/0245—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 model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3013—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is an embedded system, i.e. a combination of hardware and software dedicated to perform a certain function in mobile devices, printers, automotive or aircraft systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
- H01L21/02104—Forming layers
- H01L21/02365—Forming inorganic semiconducting materials on a substrate
- H01L21/02612—Formation types
- H01L21/02617—Deposition types
- H01L21/0262—Reduction or decomposition of gaseous compounds, e.g. CVD
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
- G01K13/02—Thermometers specially adapted for specific purposes for measuring temperature of moving fluids or granular materials capable of flow
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L19/00—Details of, or accessories for, apparatus for measuring steady or quasi-steady pressure of a fluent medium insofar as such details or accessories are not special to particular types of pressure gauges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31455—Monitor process status
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33296—ANN for diagnostic, monitoring
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45031—Manufacturing semiconductor wafers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Manufacturing & Machinery (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Power Engineering (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Hardware Redundancy (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
- Tests Of Electronic Circuits (AREA)
Abstract
本發明揭示一種用於監控至少一個處理工具之監控裝置、一種方法及電腦程式產品。用於在處理來自一半導體處理工具之一排出流期間監控至少一個處理工具之該監控裝置包括:接收邏輯,其可操作以接收在該排出流之該處理期間產生之處理特性資料;分離邏輯,其可操作以將該處理特性資料分為與促成該至少一個處理工具之一條件之促成週期相關聯之促成處理特性資料及與未能促成該條件之非促成週期相關聯之非促成處理特性資料;及故障邏輯,其可操作以當判定該條件之一狀態時利用該促成處理特性資料且排除該非促成處理特性資料。如此,當判定該工具之該條件之一狀態時僅使用在促成該工具之該條件之週期期間產生之資料。忽略或省略在未促成該條件之週期期間產生之其他資料,使得可判定該工具之該條件之該狀態之一準確評估。此有助於提供該工具之該條件之該狀態之一準確且更可靠之評估。
Description
本發明係關於一種用於監控至少一個處理工具之監控裝置、一種方法及電腦程式產品。
已知監控處理工具。處理工具(諸如在真空泵抽及消除系統中之該等處理工具)具有一真空泵抽機構及用於驅動真空泵抽機構之一馬達,以及消除及輔助器件。真空泵抽及消除系統可經連接以接納從用於處理晶圓(諸如半導體晶圓)之一半導體處理工具排放之一排出流;半導體處理工具具有(例如)一處理腔室及一轉移腔室。
此等處理工具之一條件在其等之操作期間劣化且需要一維護活動來恢復、修理或維護該等工具。舉例而言,一過濾器可能會被顆粒阻塞且需要維護。現有技術企圖週期性地排程此等維護活動或在事件後排程此等維護活動,但兩者皆為低效率的且具有明顯缺點。
因此,期望提供用於監控處理工具之一改良技術。
根據一第一態樣,提供用於在處理來自一半導體處理工具之一排出流期間監控至少一個處理工具之一監控裝置,該監控裝置包括:接收邏輯,其可操作以接收在該排出流之該處理期間產生之處理特性資料;分離邏輯,其可操作以將該處理特性資料分為與促成該至少一個處理工具之一條件之促成週期相關聯之促成處理特性資料及與未能
促成該條件之非促成週期相關聯之非促成處理特性資料;及故障邏輯,其可操作以當判定該條件之一狀態時利用該促成處理特性資料且排除該非促成處理特性資料。
該第一態樣認知現有技術之一問題在於其等依賴於通常取決於將該系統遞送至消費者後或先前維護活動之效能後經過之時間之一固定維護排程。由於當排程一維護活動時該系統之一條件可不需要維護,故此一排程不考慮維護活動之利用及實際需求,或因為已比設想更廣泛使用該系統,所以可存在對一維護活動之一需求。該第一態樣亦認知到,當可量測可於其間操作處理之週期時,此亦可導致不準確之維護活動。
因此,提供一監控裝置。該監控裝置可監控一或多個處理工具。該監控可係在處理一半導體處理工具之一排出流期間。該監控裝置可包括可接收處理特性資料之接收邏輯。可在處理該排出流時產生該處理特性資料。亦可提供分離邏輯。該分離邏輯可基於該處理特性資料在促成該工具之一條件之一週期期間產生或在未能促成該條件之一週期期間產生而分離、分開或分類該特性資料。因此,該處理特性資料可分為促成處理特性資料及非促成處理特性資料。亦可提供故障邏輯。該故障邏輯可在判定該條件之一狀態時利用該促成處理特性資料。該故障邏輯亦可在判定該狀態時排除該非促成處理特性資料。如此,當判定該工具之該條件之一狀態時僅使用在促成該工具之該條件之週期期間產生之資料。忽略或省略在未促成該條件之週期期間產生之其他資料,使得可判定該工具之該條件之該狀態之一準確評估。此有助於提供該工具之該條件之該狀態之一準確且更可靠之評估。
在一項實施例中,該接收包括從該處理工具接收該處理特性資料。因此,可從該處理工具自身接收該資料。
在一項實施例中,該等促成週期包括週期第一可偵測階段且非
促成週期包括第二可偵測階段。因此,該等促成週期及非促成週期可包括該處理工具之該操作或非操作之任何可偵測或可區分階段。
在一項實施例中,該等促成週期包括當發生主動半導體處理時之週期且該等非促成週期包括當未發生主動半導體處理時之週期。因此,該等促成週期可為當發生主動半導體處理時之該等週期,而該等非促成週期可為當未發生主動半導體處理時之該等週期。
在一項實施例中,該等促成週期包括當發生沈積時之週期且該等非促成週期包括當未發生沈積時之週期。因此,針對因該半導體處理工具內之沈積發生之該等條件,該等促成週期可為當發生沈積時之該等週期。
在一項實施例中,該等促成週期包括當發生清洗時之週期。
在一項實施例中,該等非促成週期包括當發生沖洗時之週期。
在一項實施例中,該分離邏輯可操作以藉由將該處理特性資料與一臨限量比較而識別該等促成週期及該等非促成週期。因此,若該特性資料應通過一經選擇之臨限量,則其可識別促成或非促成週期之發生。
在一項實施例中,該分離邏輯可操作以藉由偵測該處理特性資料中之一偏差量而識別該等促成週期及該等非促成週期。
在一項實施例中,該分離邏輯可操作以藉由偵測該處理特性資料中之型樣匹配而識別該等促成週期及該等非促成週期。在一項實施例中,該分離邏輯可操作以藉由該處理特性資料中對於已知程序型樣(通常包含於一程序庫內)之型樣匹配而識別該等促成週期及該等非促成週期。在一項實施例中,該分離邏輯可操作識別該處理特性資料中之新的型樣(通常添加至該程序庫)。因此,可在可與促成週期及/或非促成週期相關聯之該處理特性資料中辨識特定型樣。機器學習型樣匹配演算法之實例包含:C5、K平均數、Kohonen映射(叢集演算法)及
類神經網路。
在一項實施例中,該分離邏輯可操作以藉由判定該處理特性資料是否超越該臨限量達一臨限時間段而識別該等促成週期及該等非促成週期。因此,可藉由被超越達一經選擇臨限時間段之該經選擇臨限量識別該等週期。
在一項實施例中,該分離邏輯可操作以藉由判定一上升邊緣時間、下降邊緣時間、該處理特性資料下之一區域及該處理特性資料之值之間的一差之至少一者而識別該等促成週期及該等非促成週期。因此,可以各種不同方式判定該等週期。
在一項實施例中,該分離邏輯可操作以藉由該處理特性資料之高斯(Gaussian)混合分析而識別該等促成週期及該等非促成週期。
在一項實施例中,該故障邏輯可操作以組合來自該等促成週期之促成處理特性資料以提供經組合之促成處理特性資料。因此,來自該等促成週期之該促成處理特性資料可經組合、聚合或序連在一起以提供經組合之促成處理特性資料。此提供影響該工具之該條件之該狀態之累積資料。
在一項實施例中,該故障邏輯可操作以組合來自該等促成週期之促成處理特性資料之一平均數以提供該經組合之促成處理特性資料。因此,與其組合來自一週期其自身之該特性資料之所有者,不如可替代地組合該資料之一平均數或其他統計上更改之表示;此有助於增加該資料之穩定性。
在一項實施例中,該故障邏輯可操作以外推該經組合之促成處理特性資料以估計未來之促成處理特性資料。因此,可外推該經組合之資料以便估計、計算或近似該促成處理特性資料之該未來值。此使該故障邏輯能夠預測可用於預測何時可需要維護之該資料之該等值。
在一項實施例中,該故障邏輯可操作以外推該經組合之促成處
理特性資料以使用一估計模型來估計未來之促成處理特性資料。
在一項實施例中,該估計模型使用一線性迴歸、一多項式迴歸、一微分比例計算、一基於積分計算、卡爾曼(Kalman)過濾、粒子濾波及基於案例式推理之至少一者來估計該未來促成處理特性資料。該估計模型可使用各種數學模型化技術,該等技術可與基於經驗之技術(諸如基於案例式推理)組合。為改良準確度,可使用組合來自不同技術之輸出以判定剩餘使用壽命之最佳估計之一確證層。在此階段期間廣泛應用概率推理。
在一項實施例中,該估計模型可操作以外推該經組合之促成處理特性資料以針對一第一週期使用一線性迴歸、一多項式迴歸、一微分比例計算、一基於積分計算、卡爾曼濾波、粒子濾波及基於案例式推理之至少一者且針對一第二週期使用該線性迴歸、該多項式迴歸、該微分比例計算、該基於積分計算、卡爾曼濾波、粒子濾波及基於案例式推理之至少另一者來估計未來促成處理特性資料。因此,可使用不同技術之一組合,該等技術之各者可在該第一或該第二週期期間係更合適的。
在一項實施例中,該估計模型可操作以使用貝氏(Bayesian)估計技術及該未來促成處理特性資料與後續接收之處理特性資料之間的一差來遞迴校準。因此,可將該預測未來特性資料與從遞迴校準之估計模型之後續接收之該實際特性資料比較以便改良其估計之準確度。
在一項實施例中,該故障邏輯可操作以在非促成週期期間將一基於時間校正因數應用至該未來促成處理特性資料。因此,針對其等之狀態甚至在不發生促成週期時更改之該等條件,可在該等週期期間校正該經估計之未來資料。舉例而言,一些條件之該狀態在清洗期間改變,(從而)通常降低該條件之該狀態之劇烈度。藉由應用一基於時間校正,此等條件可經調適以使該等預測甚至更準確。
在一項實施例中,該故障邏輯可操作以判定當該未來促成處理特性資料超越一故障臨限時之一故障條件。因此,該故障邏輯判定當該經估計之未來特性資料超越或超過一經選擇故障臨限時該狀態為一故障。
在一項實施例中,該故障邏輯可操作以提供數個促成週期之一指示直至該未來促成處理特性資料超越該故障臨限。因此,該故障邏輯指示直至該經估計之未來促成特性資料超越或超過該故障臨限保留有多少促成週期(剩餘使用壽命)。此使該故障邏輯能夠將直至可能發生一故障還保留有多少促成週期之指示提供至操作者。
在一項實施例中,該故障邏輯可操作以判定當該未來促成處理特性資料超越一對應故障臨限時之故障條件之複數個強度。因此,該故障邏輯可提供故障條件之數個不同強度或劇烈度。
在一項實施例中,該故障邏輯可操作以提供數個促成週期之一指示直至該未來促成處理特性資料超越該等故障臨限之各者。因此,該故障邏輯可為該操作者指示何時預期可發生故障條件之此等不同劇烈度之各者。
在一項實施例中,使用來自一標稱操作處理特性資料值之一經選擇偏差來設定各故障臨限。將瞭解,各種不同方式可用來設定各臨限。
在一項實施例中,該故障邏輯可操作以識別當該非促成處理特性資料在該等非促成週期期間偏差超過一經選擇量時之一故障條件。因此,該故障邏輯亦可當非促成特性資料在該等非促成週期期間偏差或改變超過一經選擇臨限量時識別故障。
在一項實施例中,該處理工具包括一真空泵及一消除裝置之至少一者。
在一項實施例中,該處理特性資料包括該處理工具及排出流之
一者之一溫度、該處理工具內之該排出流之一壓力、該處理工具之一功率消耗及通過該處理工具之一流速之至少一者。將瞭解,可利用各種不同可量測特性資料。
根據一第二態樣,提供在處理來自一半導體處理工具之一排出流期間監控至少一個處理工具之一方法,該方法包括:接收在該排出流之該處理期間產生之處理特性資料;將該處理特性資料分為與促成該至少一個處理工具之一條件之促成週期相關聯之促成處理特性資料及與未能促成該條件之非促成週期相關聯之非促成處理特性資料;且當判定該條件之一狀態時利用該促成處理特性資料且排除該非促成處理特性資料。
在一項實施例中,該接收包括從該處理工具接收該處理特性資料。
在一項實施例中,該等促成週期包括週期第一可偵測階段且非促成週期包括第二可偵測階段。因此,該等促成週期及非促成週期可包括該處理工具之該操作或非操作之任何可偵測或可區分階段。
在一項實施例中,該等促成週期包括當發生主動半導體處理時之週期且該等非促成週期包括當未發生主動半導體處理時之週期。
在一項實施例中,該等促成週期包括當發生沈積時之週期且該等非促成週期包括當未發生沈積時之週期。
在一項實施例中,該等促成週期包括當發生清洗時之週期。
在一項實施例中,該等非促成週期包括當發生沖洗時之週期。
在一項實施例中,該分離包括藉由將該處理特性資料與一臨限量比較而識別該等促成週期及該等非促成週期。
在一項實施例中,該分離包括藉由偵測該處理特性資料中之一偏差量而識別該等促成週期及該等非促成週期。
在一項實施例中,該分離包括藉由偵測該處理特性資料中之型
樣匹配而識別該等促成週期及該等非促成週期。
在一項實施例中,該分離包括藉由判定該處理特性資料是否超越該臨限量達一臨限時間段而識別該等促成週期及該等非促成週期。
在一項實施例中,該分離包括藉由判定一上升邊緣時間、下降邊緣時間、該處理特性資料下之一區域及該處理特性資料之值之間的一差之至少一者而識別該等促成週期及該等非促成週期。
在一項實施例中,該分離包括藉由該處理特性資料之高斯混合分析而識別該等促成週期及該等非促成週期。
在一項實施例中,該利用包括組合來自該等促成週期之促成處理特性資料以提供經組合之促成處理特性資料。
在一項實施例中,該利用包括組合來自該等促成週期之促成處理特性資料之一平均數以提供該經組合之促成處理特性資料。
在一項實施例中,該利用包括外推該經組合之促成處理特性資料以估計未來之促成處理特性資料。
在一項實施例中,該利用包括外推該經組合之促成處理特性資料以使用一估計模型來估計未來之促成處理特性資料。
在一項實施例中,該估計模型之該使用包括使用一線性迴歸、一多項式迴歸、一微分比例計算、一基於積分計算、卡爾曼濾波、粒子濾波及基於案例式推理之至少一者來估計該未來促成處理特性資料。
在一項實施例中,該估計模型之該使用包括外推該經組合之促成處理特性資料以針對一第一週期使用一線性迴歸、一多項式迴歸、一微分比例計算、一基於積分計算、卡爾曼濾波、粒子濾波及基於案例式推理之至少一者且針對一第二週期使用該線性迴歸、該多項式迴歸、該微分比例計算、該基於積分計算、卡爾曼濾波、粒子濾波及基於案例式推理之至少另一者來估計未來促成處理特性資料。
在一項實施例中,該方法包括使用貝氏估計技術及該未來促成處理特性資料與後續接收之處理特性資料之間的一差來遞迴校準該估計模型。
在一項實施例中,該利用包括在非促成週期期間將一基於時間校正因數應用至該未來促成處理特性資料。
在一項實施例中,該利用包括判定當該未來促成處理特性資料超越一故障臨限時之一故障條件。
在一項實施例中,該利用包括提供數個促成週期之一指示直至該未來促成處理特性資料超越該故障臨限。
在一項實施例中,該利用包括判定當該未來促成處理特性資料超越一對應故障臨限時之故障條件之複數個強度。
在一項實施例中,該利用包括提供數個促成週期之一指示直至該未來促成處理特性資料超越該等故障臨限之各者。
在一項實施例中,該方法包括使用來自一標稱操作處理特性資料值之一經選擇偏差來設定各故障臨限。
在一項實施例中,該利用包括識別當該非促成處理特性資料在該等非促成週期期間偏差超過一經選擇量時之一故障條件。
在一項實施例中,該處理工具包括一真空泵及一消除裝置之至少一者。
在一項實施例中,該處理特性資料包括該處理工具及排出流之一者之一溫度、該處理工具內之該排出流之一壓力、該處理工具之一功率消耗及通過該處理工具之一流速之至少一者。
根據一第三態樣,提供一電腦程式產品,其可當在一電腦上執行時操作以執行該第二態樣之方法步驟。
進一步及較佳態樣在隨附獨立請求項及附屬請求項中陳述。該等附屬請求項之特徵可酌情與該等獨立請求項之特徵組合,且可為除
在申請專利範圍中具體陳述外之組合。
在一裝置特徵描述為可操作以提供一功能的情況下,將瞭解此包含提供該功能或經調適或構形以提供該功能之一裝置特徵。
20‧‧‧半導體處理工具
25‧‧‧導管
30‧‧‧消除裝置
35A‧‧‧真空泵
35B‧‧‧真空泵
37‧‧‧器件
39‧‧‧洗滌器件
40‧‧‧監控裝置
50‧‧‧資料儲存器
60‧‧‧分析邏輯
200‧‧‧資料
210‧‧‧資料
220‧‧‧資料
230‧‧‧資料
現將參考隨附圖式進一步描述本發明之實施例,在圖式中:圖1繪示根據一項實施例之一半導體處理裝置;圖2繪示藉由圖1中展示之監控裝置執行之主要處理步驟;圖3繪示從一泵接收之實例特性資料,該資料包含在數周之一週期內繪製之升壓器功率及排氣壓力兩者;圖4繪示在數小時之一週期內之圖3之資料之一部分;圖5繪示一高斯混合分佈方法,其以半導體循環中之多個模式為特徵;圖6A更詳細繪示使用一臨限過濾該特性資料以包含識別為與程序相關之資料且排除識別為與此等程序無關之資料之特性資料之過濾;圖6B繪示基於遠離一閒置條件之一移動使用重複型樣匹配來過濾該特性資料;圖7繪示對僅過濾資料之另一高斯混合模型分析;圖8A為表示平均排氣壓力對比程序計數之一圖;圖8B展示一些資料之一簡單外推;圖9繪示用於估計剩餘使用壽命之一線性迴歸技術之結果;圖10繪示使用一多項式迴歸之經估計之剩餘壽命預期;圖11繪示一微分及比例計算方法來估計剩餘處理步驟之數量;圖12繪示使用一基於積分技術之經估計之剩餘使用壽命;圖13繪示排氣壓力、經估計之剩餘程序數量及三個不同警示或警告臨限;
圖14繪示泵及消除系統外部之一問題之故障識別;透過消費者程序之分段實現該識別;圖15繪示一基於動態模型方法之關鍵概念;圖16展示基於步驟數量之粒子濾波架構;圖17繪示應用至一消除TPU故障實例之粒子濾波;圖18繪示從在兩個不同時間形成之長期預測產生之RUL機率分佈函數;圖19提供內容背景且為提供資料之初始TPU故障實例,基於該資料形成長期預測;及圖20繪示分離步驟,緊接著離散、單獨數學及基於經驗技術,其等接著輸入至產生RUL之一具有更多資訊之確證預測之一確證引擎。
在更詳細討論實施例之前,將首先提供一概述。實施例提供監控處理一排出流之一或多個處理工具之條件、狀況或狀態之一技術。通常,在藉由一半導體處理工具之處理期間從該半導體處理工具提供排出流。
在處理排出流之同時從處理工具接收資料(亦可在不接收排出流之同時接收資料)。資料提供藉由該處理工具量測或藉由其經歷之處理特性,諸如排出流之特性或性質或處理工具其自身之操作特性或性質。
接著,此資料經分為或分類為兩個不同分類群組之一者。第一群組識別促成處理工具之一特定條件之資料(促成資料)。第二群組為不促成處理工具之特定條件之資料(非促成資料)。如此,在被接收之所有特性資料中,當判定該條件之狀態時僅使用特性資料與藉由處理工具執行之一些處理相關且影響處理工具之條件或狀態之該部分,由
於已判定剩餘資料未能促成該條件,故排除剩餘資料。藉由排除非促成資料,可形成條件之一準確評估。
將瞭解,可利用各種不同技術來識別該等促成及非促成週期。此等週期可藉由半導體處理工具其自身標記或可從藉由處理工具量測之特性或從在處理期間處理工具其等自身之特性推斷。
通常,促成週期將為當主動處理半導體時之該等週期,諸如沈積週期。此等週期通常將對處理工具具有一不利影響,通常導致一些故障。藉由判定工具之條件之狀態,可預測故障的可能性且估計可執行多少處理步驟或循環直至可能會發生一故障。此使預防維護能夠被計畫且執行,且降低處理期間發生故障之可能性,此發生故障否則可導致對部分經處理之半導體之損害且導致損耗。此外,應特別注意透過程序循環內之各種階段之分段,可判定在任何給定階段期間何時存在一顯著參數改變。此可導致在正常條件期間監控設備之改良之指紋且因此能夠追蹤工作條件中之重要改變及偏差。
圖1繪示根據一項實施例之一半導體處理裝置(一般為10)。在發生半導體處理時期內提供一半導體處理工具20。此半導體處理可包括半導體之生長、半導體層之生長、半導體層之植入及/或結合半導體材料之其他結構之產生。提供一消除裝置30,其與半導體處理工具20耦合且經由一導管25接納一排出流。消除裝置30操作以在經處理之排出流通向大氣之前移除或改變有害材料之成分或降低該等材料之濃度至可接受位準。消除裝置30通常將包含一或多個真空泵35A、35B以及一燃燒器、電漿炬或類似器件37及一或多個洗滌器件39,如在此領域中為人熟知。將瞭解,真空泵35A、35B可經並行配置且饋送至器件37中。
提供一監控裝置40,其與消除裝置30耦合以從消除裝置之組件
接收資料。若半導體處理工具20亦提供資料,則此亦藉由監控裝置40接收。
消除裝置之組件其等自身可用作一感測器或可提供若干感測器。舉例而言,一真空泵可用來充當提供資料之一程序感測器,可分析該資料以便偵測且分類在消除裝置30內及/或在其他設備中之上游或下游開始發生之設備故障。通常,可透過使用其他資料確證而識別此等故障,如將在下文中更詳細解釋。使用此資料,亦可執行分析來按照剩餘程序循環之數量估計設備(諸如泵)之剩餘使用壽命,而與程序工具資料無關。
此分析通常對所接收資料利用視窗化及模型化技術以便在設備故障之前粗略偵測及分類設備問題之一範圍。藉由監控裝置40完成此分析,監控裝置40包括資料儲存器50,其用於儲存所接收資料以及藉由分析邏輯60(通常使用一或多個模型)執行之資料處理之結果。
接著,監控裝置40提供消除裝置30及/或半導體處理工具20之條件之一指示,其接著可用於通知是否已發生一故障、是否已發生自正常操作之一偏差及/或提供剩餘多少循環之一指示直至預期發生一故障。
在概述中,圖2繪示藉由監控裝置40執行之主要處理步驟。
在步驟S1,監控裝置40從消除裝置30及/或半導體處理工具20接收資料。在接收超過一組資料的情況下(通常各組與一不同特性相關),通常單獨儲存此等資料組。
在步驟S2,資料經分析且接著(通常)分為兩個不同類別。第一類別為視為未促成裝置之組件之條件之資料且第二類別為視為促成裝置之條件之資料。舉例而言,促成裝置之條件之資料通常將為在主動處理之週期期間接收之該資料,而在當不發生主動處理時之週期期間接
收之該資料將為非促成資料。可以各種不同方式執行為識別不同週期且接著分類該等週期內之資料之此分離,如將在下文中更詳細解釋。
一旦已分離該資料,則在步驟S3,接著分析分離資料以便識別是否已發生一故障或偏差(通常自一指定指紋條件偏差)及/或提供可能具有多長時間之一指示直至發生一故障。如上文提及,此接著可用於維護計畫及排程。
現將描述監控器裝置之操作之一詳細實例。儘管下列實例利用來自消除裝置30內之泵之參數或特性,但將瞭解,同樣可使用來自其他組件之參數或特性。同樣地,儘管下列實例利用來自泵之升壓器功率及排氣壓力,但將瞭解與泵其自身或排出流相關之其他參數可經提供有(例如)升壓器反相器速度、入口壓力等等。
為(例如)實現準確泵程序特徵化,在程序循環內需要充分資料取樣以擷取各種氣體負載條件。藉由經時分析泵參數之分佈及其等定序,則可特徵化在半導體循環之關鍵階段之程序行為,諸如是否發生一程序步驟或一清洗步驟。一般言之,一階段由泵抽一氣體達一特定時間量構成。每次施加一沈積氣體負載至泵時,泵之功率消耗以及其之排氣壓力增加。各沈積氣流含有促成排氣阻塞之雜質及碎屑。因此,可使用升壓器功率之增加來偵測且特徵化氣體負載。清洗傾向於在一沈積高氣體負載之後。一較低氣體負載及相關聯功率消耗在清洗期間發生。接著可區分僅為「清洗」之氣體負載與為「程序」之氣體負載。一旦已及時偵測且特徵化各程序,則可瞭解程序期間排氣壓力之多少。進一步採取本原理,可透過半導體程序之分段分段其他類型之故障。舉例而言,若在清洗期間發生腐蝕,則可分段清洗期間之時間,及因此促成腐蝕之時間。
圖3繪示從一泵接收之實例特性資料,該資料包含在數周之一週期內繪製之升壓器功率及排氣壓力兩者。圖4繪示在數小時之一週期內之此資料之一部分。
如可見,每一氣體負載使功率消耗增加且使排氣壓力同步增加,但功率中之每一峰值不與同一程序相關聯;一些此等峰值與沖洗步驟相關,一些峰值與清洗相關。在此實例中,當功率達到取決於升壓器功率之振幅分佈所選擇之一給定臨限時偵測一峰值。由於信號為方形,故振幅分佈具有兩個模式(高及低)。將臨限設定在較高功率振幅之90%處。各峰值之特徵為其寬度、振幅、開始時間、結束時間及下一峰值之前的時間。
儘管各種不同方法可使該資料能夠被分為與一程序相關之資料及與一程序無關之資料(諸如在一清洗期間),但一項實施例利用特徵化半導體循環中之多個模式之一高斯混合分佈方法,如在圖5中繪示。如在圖5中可見,該分佈展示兩個峰值群組,具有非常短持續時間(通常低於100秒)之峰值群組及具有非常長持續時間(通常大於100秒)之峰值群組。
在此實例中,所偵測到之峰值之數量為5190。短峰值識別為沖洗步驟,而長峰值識別為「程序」。此分類接著使與程序無關之特性資料能夠被過濾掉,且因此在此實施例中,過濾由僅考慮長峰值構成。
在其他實施例中,資料分離不基於臨限,但替代地基於在遠離一閒置或標稱條件之一移動後偵測特性資料中之型樣。此型樣匹配或識別通常依賴於統計或高斯混合模型表示且可一起利用若干不同性質(諸如長度、平均值、標準差、曲線下面積等等)。可預定義或學習此等型樣。特性資料與型樣之匹配可利用不同距離度量及匹配程序。
將瞭解,實施例亦可利用技術(諸如不同y軸範圍內之寬度分佈或使用正規化及分異化資料兩者之寬度分佈)。
圖6A更詳細繪示使用臨限技術來包含識別為與程序相關之資料且排除識別為與此等程序無關之資料之特性資料之過濾。
圖6B更詳細繪示使用型樣匹配技術來包含識別為與程序相關之資料且排除識別為與此等程序無關之資料之特性資料之過濾。構成促成及非促成資料之資料將取決於預測之故障條件之類型及故障機構。
在此實例中,資料200識別為與程序沈積步驟A相關聯,資料210識別為與程序沈積步驟B相關聯且資料230識別為與清洗步驟(其等一般在程序沈積步驟A及B結尾處進行)相關聯,該等資料之各者為促成資料,此係由於該資料指示該等週期期間之工具操作將促成一特定最終故障條件。包含識別為與沖洗步驟相關聯之資料220之剩餘資料為非促成資料,此係由於該等週期期間之工具操作不可能促成特定最終故障條件。
一旦已分離特性資料,則可分析該資料。舉例而言,可接著對經過濾之資料執行另一高斯混合模型分析,如在圖7中展示。此分析顯示所偵測之峰值之數量約為1196。在此實例中,可自半導體處理工具20獲得資訊,該資訊指示在週期內執行之程序之數量,該數量在此實例中為1128。此展示特徵化在一合理程度上係準確的。
儘管可在後續處理中利用特性資料,但在此實施例中,替代地利用各程序期間之平均值。將瞭解,亦可執行其他統計預處理。由於已知程序開始及結束點,故已知該週期內之排氣壓力且可針對該特性程序發生計算壓力平均值。
圖8A為表示平均排氣壓力對比程序計數之一圖。自此圖上之資料可判定下一阻塞故障之前的剩餘使用壽命(RUL),其經表示為剩餘
處理步驟之數量之一函數。存在可用於使用程序沈積步驟之數量來估計RUL之各種不同方法。通常,設定表示器件之一故障點之特定參數之一警示限制或危害區。此危害區可因安全性約束或先前經驗而設定且可看作人工介入視為必要的之點。
在此特定例項中,危害區約為700Pa。泵之服務發生於程序計數159、634及972處。服務之間的程序數量為475(Delta 2)及338(Delta 3)。
圖8B展示可用於藉由判定程序循環之數量估計RUL直至超越壓力臨限之一些資料之一簡單外推。
圖9繪示用於估計RUL之一線性迴歸技術之結果。此技術由使用五個點外推排氣壓力以估計下列線性方程式之參數「增益」及「偏移」構成:Pressure(t)=Gain×t+Offset...(方程式1)
根據下列計算排氣阻塞之前剩餘之程序之數量:LifeRemaining(t)=(Limit-Pressure(t))/(Gain(t))...(方程式2)
可見,藉由線性外推估計之剩餘之程序數量歸因於排氣壓力之急劇下降而不穩定且持續波動。在壓力增加為恒定的之週期期間,經估計之剩餘程序數量可係相當準確的。此技術尤其適於特定故障區。
圖10繪示使用一多項式迴歸之經估計之剩餘壽命預期。此技術由使用五個點外推排氣壓力以估計下列多項式方程式之參數「A」、「B」、「C」及「偏移」構成:Pressure(t)=A.(t^2)+B.t+C...(方程式3)
藉由多項式外推估計之剩餘之程序數量歸因於排氣壓力之急劇下降而亦係不穩定且持續波動。然而,再一次當壓力增加恒定時,剩
餘程序數量係合理地準確的。
圖11繪示一微分及比例計算方法來估計剩餘處理步驟之數量。再一次,剩餘程序數量歸因於排氣壓力之急劇下降而不穩定且持續波動。
LifeRemaining(t)=[Limit-Pressure(t)]×Gain...(方程式4)
準確度取決於恒定之增益。
圖12繪示使用一基於積分技術之經估計之剩餘使用壽命。服務之間的排氣壓力之積分為:
Area_1=0.9853 e+05
Area_2=2.6409 e+05
Area_3=2.2636 e+05
注意,Delta 2明顯大於Delta 3(大28%)。然而,注意面積2大於面積3(大14%),但不與對應Delta一樣大。
藉由計算速率=面積/△,吾人獲得:0.0056(速率1);及0.0067(速率2)。
可見,該等速率非常接近(0.0061 +/- 0.005)。
方法由將剩餘使用壽命表達為表示一給定數量程序之一面積構成。根據下列計算剩餘使用壽命:LifeRemaining(t)=(cteArea-ʃ(Pressure(t)+Offset)dt)/cteArea×cteProcess...方程式5
如可見,不管壓力值增加、穩定且接著再次斜升,在服務之前的剩餘程序數量穩定地減小。可藉由調整表示可自一個服務減小至下一服務之壽命預期之面積而改良準確度。壓力並不根據程序步驟(尤
其在一先前服務後)一致增加之事實產生相關於RUL估計之一些不確定性。然而,該值確實在達到一臨界面積或質量後斜升。剩餘之程序之即時數量可報告為在每小時程序數量中表達之一處理速率。
在波動方面,基於積分計算供應最佳解決方案。在精確度方面,線性迴歸似乎為最合適的。因此,判定排氣阻塞之前剩餘之程序數量之模型可取決於警示位準在此等兩個計算之間切換。此意謂,可使用積分及一迴歸/外推/基於模型方法之一組合(例如,在此事件視界處之一基於模型方法之一切換)。此等技術可使用(例如)粒子濾波器、卡爾曼濾波器及類似物。當使用此等模型化技術/數學技術之組合時,可利用信賴及概率之量測,如在圖15至圖20中繪示。
圖15繪示基於遞迴貝氏估計技術之使用之基於動態模型方法之關鍵概念。
圖16展示基於具有一分離步驟之該等步驟之數量以及狀態估計及長期預測之產生之粒子濾波架構。
圖17繪示應用至一消除TPU故障實例(具有狀態估計及長期預測之產生)之粒子濾波。
圖18繪示從在兩個不同時間形成之長期預測產生之RUL機率分佈函數。
圖19提供內容背景且為提供資料之初始TPU故障實例,基於該資料形成長期預測。
圖20繪示根據一項實施例之分離步驟,緊接著離散、單獨數學及基於經驗技術,其等接著輸入至產生RUL之一具有更多資訊之確證預測之一確證引擎,注意各自離散演算法之細微差別。
圖13繪示排氣壓力、經估計之剩餘程序數量及三個不同警示或警告臨限。在此實例中,當估計在需要一服務之前分別剩餘200、100
及50個程序時給出一警示指示。
藉由理解在不同半導體程序模式期間之泵或其他參數行為及半導體循環如何影響不同故障類型,亦可判定在消除裝置30外側是否可能發生一故障。實際上,可自真空泵35A、35B中之感測器偵測處理工具20或消除裝置30中之故障。然而,資料通常需要與使用下游資訊證實以突出故障之性質。舉例而言,考慮處理工具20之腔室中之一洩漏,腔室中之壓力增加(此藉由閒置期間排氣壓力之上升確認),如在圖14中展示。同樣地,舉例而言,考慮一阻塞。取決於阻塞之性質,各種參數可增加。然而,不管參數,阻塞直接因程序沈積步驟而惡化。考慮在程序清洗期間而非在程序步驟期間,泵阻塞參數增加之情況,此表示發生一不同問題(一洩漏)。故當參數趨勢可有助於識別阻塞時,藉由覆蓋半導體循環資訊,可判定該故障是否在別處。
因此,可見實施例使用泵或其他器件特徵化半導體循環且理解循環對已知故障的影響。此方法一些程度上依賴於泵程序特性之驗證。然而,一旦經訓練,此方法應完全獨立於基於單獨工具程序之資料。
儘管本文已參考隨附圖式詳細揭示本發明之繪示性實施例,但應理解,本發明不限於該等精確實施例,且可在不脫離隨附申請專利範圍及其等等效物所定義之本發明之範疇之情況下藉由熟習此項技術者影響其中之各種改變及修改。
20‧‧‧半導體處理工具
25‧‧‧導管
30‧‧‧消除裝置
35A‧‧‧真空泵
35B‧‧‧真空泵
37‧‧‧器件
39‧‧‧洗滌器件
40‧‧‧監控裝置
50‧‧‧資料儲存器
60‧‧‧分析邏輯
Claims (15)
- 一種用於在處理來自一半導體處理工具之一排出流期間監控至少一個處理工具之監控裝置,該監控裝置包括:接收邏輯,其可操作以接收在該排出流之該處理期間產生之處理特性資料;分離邏輯,其可操作以將該處理特性資料分為與促成該至少一個處理工具之一條件之促成週期相關聯之促成處理特性資料及與未能促成該條件之非促成週期相關聯之非促成處理特性資料;及故障邏輯,其可操作以當判定該條件之一狀態時利用該促成處理特性資料且排除該非促成處理特性資料。
- 如請求項1之裝置,其中該等促成週期包括當發生主動半導體處理時之週期且該等非促成週期包括當未發生主動半導體處理時之週期。
- 如請求項1或2之裝置,其中該等促成週期包括當發生沈積時之週期且該等非促成週期包括當未發生沈積時之週期。
- 如請求項1或2之裝置,其中該分離邏輯可操作以藉由將該處理特性資料與一臨限量比較、偵測一偏差量及型樣匹配之至少一者而識別該等促成週期及該等非促成週期。
- 如請求項1或2之裝置,其中該故障邏輯可操作以組合來自該等促成週期之促成處理特性資料以提供經組合之促成處理特性資料。
- 如請求項5之裝置,其中該故障邏輯可操作以外推該經組合之促成處理特性資料以估計未來之促成處理特性資料。
- 如請求項5之裝置,其中該故障邏輯可操作以外推該經組合之促 成處理特性資料以使用一估計模型來估計未來之促成處理特性資料。
- 如請求項7之裝置,其中該估計模型可操作以外推該經組合之促成處理特性資料以針對一第一週期使用一線性迴歸、一多項式迴歸、一微分比例計算、一基於積分計算、卡爾曼濾波、粒子濾波及基於案例式推理之至少一者且針對一第二週期使用該線性迴歸、該多項式迴歸、該微分比例計算、該基於積分計算、卡爾曼濾波、粒子濾波及基於案例式推理之至少另一者來估計未來促成處理特性資料。
- 如請求項7之裝置,其中該估計模型可操作以使用該未來促成處理特性資料與後續接收之處理特性資料之間的一差以遞迴地進行校準。
- 如請求項5之裝置,其中該故障邏輯可操作以在非促成週期期間將一基於時間校正因數應用至該未來促成處理特性資料。
- 如請求項5之裝置,其中該故障邏輯可操作以判定當該未來促成處理特性資料超越一故障臨限時之一故障條件。
- 如請求項5之裝置,其中該故障邏輯可操作以提供數個促成週期之一指示直至該未來促成處理特性資料超越該故障臨限。
- 如請求項1或2之裝置,其中該故障邏輯可操作以識別當該非促成處理特性資料在該等非促成週期期間偏差超過一經選擇量時之一故障條件。
- 一種在處理來自一半導體處理工具之一排出流期間監控至少一個處理工具之方法,該方法包括:接收在該排出流之該處理期間產生之處理特性資料;將該處理特性資料分為與促成該至少一個處理工具之一條件之促成週期相關聯之促成處理特性資料及與未能促成該條件之 非促成週期相關聯之非促成處理特性資料;及當判定該條件之一狀態時利用該促成處理特性資料且排除該非促成處理特性資料。
- 一種用於在處理來自一半導體處理工具之一排出流期間監控至少一個處理工具之電腦程式產品,其可操作以當在一電腦上執行時可執行如請求項14之方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1502312.0 | 2015-02-12 | ||
GB1502312.0A GB2535456A (en) | 2015-02-12 | 2015-02-12 | Processing tool monitoring |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201640244A TW201640244A (zh) | 2016-11-16 |
TWI688845B true TWI688845B (zh) | 2020-03-21 |
Family
ID=52781461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW105103816A TWI688845B (zh) | 2015-02-12 | 2016-02-04 | 處理工具監控 |
Country Status (10)
Country | Link |
---|---|
US (1) | US10802941B2 (zh) |
EP (1) | EP3256922B1 (zh) |
JP (1) | JP6937698B2 (zh) |
KR (1) | KR102609260B1 (zh) |
CN (1) | CN107533572B (zh) |
GB (1) | GB2535456A (zh) |
MY (1) | MY196961A (zh) |
SG (2) | SG10201908440SA (zh) |
TW (1) | TWI688845B (zh) |
WO (1) | WO2016128709A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI729500B (zh) | 2019-09-18 | 2021-06-01 | 財團法人工業技術研究院 | 電腦可讀取紀錄媒體、資料處理方法及資料處理系統 |
TWI833251B (zh) * | 2022-06-21 | 2024-02-21 | 南亞科技股份有限公司 | 失效模式分析系統及失效模式分析方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1650623A1 (en) * | 2004-10-25 | 2006-04-26 | Ford Motor Company | Method for managing machine tool data |
US20060259198A1 (en) * | 2003-11-26 | 2006-11-16 | Tokyo Electron Limited | Intelligent system for detection of process status, process fault and preventive maintenance |
US20080010030A1 (en) * | 2004-12-17 | 2008-01-10 | Korea Research Institute Of Standards And Science | Trend Monitoring and Diagnostic Analysis Method for a Vacuum Pump and a Trend Monitoring and Diagnostic Analysis Method for Vacuum Pump and a Trend Monitoring and Diagnostic Analysis System Therefor and Computer-Readable Storage Media Including a Computer Program Which Performs the Method |
US20080294382A1 (en) * | 2007-05-21 | 2008-11-27 | Samsung Electronics Co., Ltd. | Method and apparatus for pump fault prediction |
US20120253500A1 (en) * | 2004-06-07 | 2012-10-04 | James Robert Smith | Method of controlling operation of a processing system |
WO2012157603A1 (ja) * | 2011-05-16 | 2012-11-22 | 住友重機械工業株式会社 | ショベル、その監視装置及びショベルの出力装置 |
TW201439694A (zh) * | 2013-04-12 | 2014-10-16 | Mitsubishi Electric Corp | 可程式邏輯控制器的周邊裝置及除錯支援程式 |
TWI464552B (zh) * | 2011-03-14 | 2014-12-11 | Omron Tateisi Electronics Co | 控制裝置、控制方法、控制程式、記錄媒體 |
CN104350440A (zh) * | 2012-06-08 | 2015-02-11 | 应用材料公司 | 用于监测及控制制造设备的集成控制器方案 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5212645A (en) * | 1990-07-19 | 1993-05-18 | General Electric Company | Flexible real-time, multi-tasking architecture for tool condition monitoring |
US5834642A (en) * | 1997-07-25 | 1998-11-10 | International Business Machines Corporation | Downstream monitor for CMP brush cleaners |
JP2000283056A (ja) * | 1999-03-26 | 2000-10-10 | Hitachi Ltd | 真空ポンプ異常監視システム |
JP3351398B2 (ja) * | 1999-08-09 | 2002-11-25 | 株式会社村田製作所 | データ通信装置 |
US7054786B2 (en) * | 2000-07-04 | 2006-05-30 | Tokyo Electron Limited | Operation monitoring method for treatment apparatus |
JP4138267B2 (ja) | 2001-03-23 | 2008-08-27 | 株式会社東芝 | 半導体製造装置、真空ポンプの寿命予測方法及び真空ポンプの修理タイミング決定方法 |
US6954883B1 (en) * | 2002-01-11 | 2005-10-11 | Advanced Micro Devices, Inc. | Method and apparatus for performing fault detection using data from a database |
JP2005527983A (ja) * | 2002-05-29 | 2005-09-15 | 東京エレクトロン株式会社 | データハンドリング、ストレージ及び操作のための方法とシステム |
JP2004186445A (ja) * | 2002-12-03 | 2004-07-02 | Omron Corp | モデル化装置及びモデル解析方法並びにプロセス異常検出・分類システム及びプロセス異常検出・分類方法並びにモデル化システム及びモデル化方法並びに故障予知システム及びモデル化装置の更新方法 |
JP2006172364A (ja) * | 2004-12-20 | 2006-06-29 | Fujitsu Ten Ltd | モデル予測制御装置 |
JP4983575B2 (ja) * | 2007-11-30 | 2012-07-25 | パナソニック株式会社 | プラズマ処理装置およびプラズマ処理方法 |
US9110452B2 (en) * | 2011-09-19 | 2015-08-18 | Fisher-Rosemount Systems, Inc. | Inferential process modeling, quality prediction and fault detection using multi-stage data segregation |
EP2762831B1 (en) | 2013-02-05 | 2020-04-29 | Hexagon Technology Center GmbH | Dynamical monitoring of a coordinate measuring machine using recursive filtering |
-
2015
- 2015-02-12 GB GB1502312.0A patent/GB2535456A/en not_active Withdrawn
-
2016
- 2016-01-13 SG SG10201908440S patent/SG10201908440SA/en unknown
- 2016-01-13 JP JP2017542399A patent/JP6937698B2/ja active Active
- 2016-01-13 CN CN201680021553.2A patent/CN107533572B/zh active Active
- 2016-01-13 EP EP16701072.7A patent/EP3256922B1/en active Active
- 2016-01-13 US US15/549,927 patent/US10802941B2/en active Active
- 2016-01-13 SG SG11201706299UA patent/SG11201706299UA/en unknown
- 2016-01-13 MY MYPI2017702940A patent/MY196961A/en unknown
- 2016-01-13 KR KR1020177022448A patent/KR102609260B1/ko active IP Right Grant
- 2016-01-13 WO PCT/GB2016/050080 patent/WO2016128709A1/en active Application Filing
- 2016-02-04 TW TW105103816A patent/TWI688845B/zh active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060259198A1 (en) * | 2003-11-26 | 2006-11-16 | Tokyo Electron Limited | Intelligent system for detection of process status, process fault and preventive maintenance |
US20120253500A1 (en) * | 2004-06-07 | 2012-10-04 | James Robert Smith | Method of controlling operation of a processing system |
EP1650623A1 (en) * | 2004-10-25 | 2006-04-26 | Ford Motor Company | Method for managing machine tool data |
US20080010030A1 (en) * | 2004-12-17 | 2008-01-10 | Korea Research Institute Of Standards And Science | Trend Monitoring and Diagnostic Analysis Method for a Vacuum Pump and a Trend Monitoring and Diagnostic Analysis Method for Vacuum Pump and a Trend Monitoring and Diagnostic Analysis System Therefor and Computer-Readable Storage Media Including a Computer Program Which Performs the Method |
US20080294382A1 (en) * | 2007-05-21 | 2008-11-27 | Samsung Electronics Co., Ltd. | Method and apparatus for pump fault prediction |
TWI464552B (zh) * | 2011-03-14 | 2014-12-11 | Omron Tateisi Electronics Co | 控制裝置、控制方法、控制程式、記錄媒體 |
WO2012157603A1 (ja) * | 2011-05-16 | 2012-11-22 | 住友重機械工業株式会社 | ショベル、その監視装置及びショベルの出力装置 |
JPWO2012157603A1 (ja) | 2011-05-16 | 2014-07-31 | 住友重機械工業株式会社 | ショベル、その監視装置及びショベルの出力装置 |
CN104350440A (zh) * | 2012-06-08 | 2015-02-11 | 应用材料公司 | 用于监测及控制制造设备的集成控制器方案 |
TW201439694A (zh) * | 2013-04-12 | 2014-10-16 | Mitsubishi Electric Corp | 可程式邏輯控制器的周邊裝置及除錯支援程式 |
Non-Patent Citations (1)
Title |
---|
J * |
Also Published As
Publication number | Publication date |
---|---|
SG10201908440SA (en) | 2019-11-28 |
EP3256922B1 (en) | 2021-07-28 |
CN107533572A (zh) | 2018-01-02 |
SG11201706299UA (en) | 2017-09-28 |
TW201640244A (zh) | 2016-11-16 |
GB2535456A9 (en) | 2016-09-28 |
JP6937698B2 (ja) | 2021-09-22 |
EP3256922A1 (en) | 2017-12-20 |
MY196961A (en) | 2023-05-15 |
GB2535456A (en) | 2016-08-24 |
KR102609260B1 (ko) | 2023-12-01 |
KR20170116036A (ko) | 2017-10-18 |
GB201502312D0 (en) | 2015-04-01 |
CN107533572B (zh) | 2022-07-19 |
JP2018513547A (ja) | 2018-05-24 |
WO2016128709A1 (en) | 2016-08-18 |
US20180032419A1 (en) | 2018-02-01 |
US10802941B2 (en) | 2020-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4138267B2 (ja) | 半導体製造装置、真空ポンプの寿命予測方法及び真空ポンプの修理タイミング決定方法 | |
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 | |
US9972517B2 (en) | Anomaly detection system and method of manufacturing semiconductor device | |
US7805394B2 (en) | Apparatus and method for the analysis of a process having parameter-based faults | |
KR101573296B1 (ko) | 비정상 데이터 예측 방법 및 이 방법을 수행하기 위한 프로그램이 저장된 컴퓨터 판독가능한 저장매체 | |
CN109960232B (zh) | 领先辅助参数的选择方法和设备维护预诊断的方法 | |
TWI688845B (zh) | 處理工具監控 | |
KR20210017651A (ko) | 반도체 제조 공정에서 고장 검출 및 불량 원인 진단을 위한 방법 | |
TW201727073A (zh) | 真空泵之判斷系統及真空泵 | |
JP2010015205A (ja) | 半導体製造装置の異常診断システムおよび方法 | |
JP2010283000A (ja) | 半導体製造における装置異常の予兆検知方法 | |
KR20190077137A (ko) | 인프라 설비 가동 데이터 자동분석방법 및 시스템 | |
CN107066424B (zh) | 用于确定操作涡轮机的风险的系统与方法 | |
KR20220027939A (ko) | 진단 회로를 구비한 진공 시스템 및 진공 시스템의 건강 상태를 모니터링하는 방법 및 컴퓨터 프로그램 | |
EP3950966B1 (en) | Blast furnace abnormality assessment device, blast furnace abnormality assessment method, and blast furnace operation method | |
CN113191506A (zh) | 一种考虑设备检测不确定性情况下的非周期视情维修方法 | |
Goto et al. | On-line residual life prediction including outlier elimination for condition based maintenance | |
TWI841756B (zh) | 具有診斷電路之真空系統及用於監測該真空系統之健全之方法及電腦程式 | |
CN117972614B (zh) | 一种移动电源充放电过程中的温度实时监测方法 | |
RU2794126C1 (ru) | Устройство для определения неисправности доменной печи, способ определения неисправности доменной печи и способ эксплуатации доменной печи | |
TW202409757A (zh) | 基板處理系統內的保護帶 | |
TW202409758A (zh) | 基板處理系統中的保護帶 | |
TW202411797A (zh) | 基板處理系統中的保護帶 | |
CN114252273A (zh) | 一种燃气轮机排温异常的在线检测方法 | |
KR20220111451A (ko) | 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법 |