TWI783298B - 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
TWI783298B
TWI783298B TW109140319A TW109140319A TWI783298B TW I783298 B TWI783298 B TW I783298B TW 109140319 A TW109140319 A TW 109140319A TW 109140319 A TW109140319 A TW 109140319A TW I783298 B TWI783298 B TW I783298B
Authority
TW
Taiwan
Prior art keywords
aforementioned
value
search
data
semiconductor processing
Prior art date
Application number
TW109140319A
Other languages
English (en)
Other versions
TW202121266A (zh
Inventor
大森健史
中田百科
石川昌義
栗原優
Original Assignee
日商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 日商日立製作所股份有限公司 filed Critical 日商日立製作所股份有限公司
Publication of TW202121266A publication Critical patent/TW202121266A/zh
Application granted granted Critical
Publication of TWI783298B publication Critical patent/TWI783298B/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/026—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system using a predictor
    • 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
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06N5/046—Forward inferencing; Production systems
    • 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
    • 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
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Geometry (AREA)
  • Computational Linguistics (AREA)
  • General Factory Administration (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

[課題] 謀求在半導體處理裝置中之運用的效率化。 [解決手段] 探索裝置，係具備有處理器和記憶體，並對於賦予至半導體處理裝置處之條件進行探索，處理器，係受理藉由半導體處理裝置而使半導體被作了處理後的加工結果、和對應於該加工結果之條件、和藉由半導體處理裝置而對於半導體作處理之目標值、以及探索區域，基於探索區域內之前述條件之設定值、和在將該設定值賦予至半導體處理裝置處的情況時之前述加工結果，來產生代表條件與加工結果之間之關係的預測模型，根據預測值來實施驗證實驗，並將該驗證實驗之結果作為實測值來取得，當實測值為達成目標值的情況時，係將預測值作為條件之設定值而輸出，當並未達成前述目標值的情況時，係將預測值和實測值追加至條件之設定值與加工結果中並對於預測模型作更新。

Description

探索裝置及探索方法
本發明，係有關於探索出解的探索裝置以及探索方法。
為了提昇半導體裝置之性能，係導入有構成半導體裝置之新的材料，同時，半導體裝置之構造係複雜化。又，在半導體裝置之加工中，係要求有奈米等級之精確度。又，為了提昇半導體裝置之生產性，係要求能夠在維持有該精確度的狀態下而盡可能地持續進行量產處理。為了滿足此些要求，半導體裝置係需要能夠以極高的精確度來對於多種的材料以及構造進行加工。故而，對於半導體裝置進行處理之半導體處理裝置的控制範圍係擴大，並被追加有多數的控制參數。藉由使用半導體處理裝置，係在維持高生產性的狀態下而生產出高性能的半導體裝置。
另一方面，為了充分地導出半導體處理裝置之性能，係有必要針對各種半導體處理裝置之每一者而分別決定從數種至多達數十種的輸入參數。進而，在1個的工程中，係存在有多數之步驟，並有必要在各步驟之每一者中對於輸入參數作變更。故而，想要找出能夠得到目標之加工結果的輸入參數之組合一事，係變得非常困難。因此，起因於加工條件之開發的長期化，開發成本係增大。進而，高難度的工程數量係增加，具有能夠對應此狀態的高度知識和技術之頂級工程師的數量係為不足。
為了達成生產性之維持以及提昇，係有必要取得在進行半導體裝置之量產中的半導體處理裝置之狀態以及加工結果的資料。在半導體處理裝置中，係搭載有以取得此些之資料作為目的的複數之感測器以及監測器。為了實施用以對於在進行半導體裝置之量產中的半導體處理裝置之狀態以及加工結果的資料變動作修正之控制，係有必要對於感測器資料以及監測器資料與加工結果之間之關係進行解析並找出控制用參數。為了進行奈米等級之加工控制，被搭載在半導體處理裝置中之感測器以及製造狀況的監測器之數量係增加，並且資料之取得的頻率亦係增加。起因於此，所取得的資料量係增大。故而，所需要之高精確度的半導體處理裝置之控制方法之開發，係需要進行大量的資料之解析以及控制性能之檢證，而變得極為困難。
如同半導體裝置一般之先進裝置的製造，係為了確保生產性，而對於半導體處理裝置之熟化方法的開發有所要求。所謂半導體處理裝置之熟化方法，係為用以達成半導體處理裝置間之性能差異之抑制、量產中之加工特性之歷時變化之修正以及將在半導體處理裝置之維修中所無法完全修正的半導體處理裝置間之性能差異縮小之方法。半導體處理裝置之熟化方法的開發，係由具有高度之知識和技術的頂級工程師來實施。但是，在半導體裝置之製造中的晶圓處理枚數以及高難度的工程數量係持續增加，頂級工程師之人數不足的問題係日益深刻化。因此，僅能夠取得資料但是並沒有餘裕來進行解析的工程係增加。
基於以上狀況，對於半導體處理裝置，係要求有能夠使半導體處理裝置自身自動性地導出半導體處理裝置之性能的功能以及對於導出半導體處理裝置之性能的工程師作支援之功能。
專利文獻1，係揭示有一種技術，其係使用基於生物學所致之自主學習系統，來針對當對於製造工具之配方(recipe)增量性地或者是隨機性地作了變更時的資料進行學習，並產生利用該結果來作了調節的配方。 [先前技術文獻] [專利文獻]
[專利文獻1]日本特表2013-518449號公報
[發明所欲解決之課題]
例如，半導體處理裝置之輸入參數，係為對於半導體處理裝置之動作作決定的參數，並存在有像是氣體種類、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、劑量、光量之類的輸入參數。半導體處理裝置之輸出參數，係為對於在半導體處理裝置之處理中或者是處理後的處理對象物(處理結果)作監視或者是計測所得到的參數，並存在有代表CD(Critical Dimension)、堆積膜厚、ER(Etch Rate)、加工形狀、遮罩選擇比乃至於此些之晶圓面内分布以及均勻性之類的加工結果之輸出參數。又，作為與此些之加工結果間具有關連性的感測器資料以及監測器資料，係亦存在有光反射頻譜、電漿光頻譜、晶圓射入電流、晶圓電壓、晶圓溫度、裝置零件溫度乃至於代表此些之空間分布以及均勻性的資料。感測器資料以及監測器資料，亦係身為輸出參數。
為了對於半導體處理裝置之輸入輸出關係進行解析，係需要能夠對於1輸入1輸出～多輸入多輸出之輸入輸出資料進行解析。而，為了得到滿足目的之輸出結果的輸入參數之組合，係有需要對於由輸入參數以及輸出參數所成之廣大的裝置參數空間進行探索。
例如，對於作為所探索之輸入參數而選擇了2種的使用氣體之各別流量、氣體壓力、放電電力、晶圓施加偏壓電力之基本的5種類之輸入參數的情況作考慮。各輸入參數之控制範圍，係如同下述一般。假設採用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]之典型的範圍。另外，在對於各參數作變更時的最小幅度之典型性之值，係如同下述一般。兩氣體流量之該值係為1[sccm]、氣體壓力之該值係為0.1[Pa]、放電電力之該值係為1[W]、偏壓電力之該值係為1[W]。
於此情況，若是對於在裝置參數之空間全體中的輸入參數之控制範圍的全部組合(亦即是探索條件數量)作概略計算，則係成為100×100×100×1000×100＝1011 。當在1次的探索中所耗費的時間係為1分鐘程度的情況時，在全部探索條件數量之探索中係會耗費10萬年以上，而並不可能實行。
又，若是將在1組的探索中之各輸入參數的每一者之值的設定數設為10個，則在探索中的輸入參數之組合係成為105 。當在1次的探索中所耗費的時間係為1分鐘程度的情況時，在1組的探索中係成為需要2個月以上的時間。為了反覆進行探索以及探索結果之解析並到達目標解，係需要將在1組之探索中所需要的時間降低至就算是長也為數天以內，更理想係降低至1小時以下。故而，為了到達目標解，於探索中之輸入參數的設定、亦即是探索區域之決定，係成為極為重要。
當將在1組的探索中之探索條件數量設為100條件，並將探索時間設為1小時，並且藉由反覆進行此探索來在1天中對於2000條件進行了探索的情況時，在1天中係探索了裝置參數空間之條件數1011 中的0.000002%之區域。在將此持續進行了1個月的情況時，亦即是當實行了6萬組之探索的情況時，係成為探索了裝置參數空間中之0.00006%之區域。故而，當在1組之探索中的探索區域為狹窄的情況時，在對於探索區域隨機性地作了變更的情況時，能夠到達最適解之可能性係為極低。又，當存在有重複之探索區域的情況時，為了到達最適解所需要的時間係變得更長。
進而，半導體處理裝置之輸入輸出關係，在大多數的情況中係為非線性，在裝置參數空間中係存在有多數的局部解。因此，能夠藉由1次的資料解析以及推測來發現到滿足輸出參數之值的輸入參數之值的情況，係極為稀少。若是針對在裝置參數空間中之1%之探索區域中而存在有1個左右的局部解的情況作考慮，則若是將探索區域設為狹窄區域，並對於探索區域隨機性作選擇，則就算是能夠到達探索區域內或者是其之近旁的最佳解，也有99%之機率會成為到達局部解。故而，係有必要以能夠有效率地避開局部解或者是以使在到達局部解之後能夠到達解的可能性變高的方式，來決定探索區域。
然而，上述之專利文獻1之技術，在進行資料學習時，由於係僅是將配方增量或隨機地作變更，因此，係有著能夠到達身為會成為解之輸入參數的最佳解之可能性為極低的問題。換言之，係有著會使到達成為相較於最佳解而為較差的結果之局部解之可能性變得極高的問題。
本發明之目的，係在於謀求在半導體處理裝置中之運用的效率化。 [用以解決課題之手段]
在本案中所揭示之發明的其中一個側面之探索裝置，係具備有處理器和記憶體，並對於賦予至半導體處理裝置處之條件進行探索，其特徵為：前述處理器，係受理藉由前述半導體處理裝置而使半導體被作了處理後的加工結果、和身為對應於該加工結果之對於前述半導體處理裝置之輸入參數之條件、和藉由前述半導體處理裝置而對於前述半導體作處理之目標值、以及藉由前述條件與前述加工結果之間的範圍所規定之探索區域，前述處理器，係基於前述探索區域內之前述條件之設定值、和在將該設定值賦予至前述半導體處理裝置處的情況時之前述加工結果，來產生代表前述條件與前述加工結果之間之關係的預測模型，前述處理器，係藉由將前述所受理了的目標值賦予至前述預測模型處，來根據前述預測模型而算出預測值，前述處理器，係將前述預測值送訊至前述半導體處理裝置處，並將前述半導體處理裝置之驗證實驗之結果作為實測值來取得，前述處理器，係判定前述實測值是否達成前述目標值，當達成前述目標值的情況時，係將前述預測值作為前述條件之設定值而輸出，當並未達成前述目標值的情況時，係將前述預測值和實測值追加至前述條件之設定值與前述加工結果中並對於前述預測模型作更新。 [發明之效果]
若依據本發明之代表性的實施形態，則係能夠謀求在半導體處理裝置中之運用的效率化以及處理的最適化。前述記載內容以外之課題、構成以及效果，係藉由以下之實施例的說明而成為更加明瞭。
以下，根據所添附之圖面，對本發明之實施形態作說明。 [實施例1]
＜輸入參數之探索例＞ 圖1，係為對於輸入參數之探索例作展示之說明圖。圖1，係針對當對於在半導體處理裝置中而能夠得到滿足目標之輸出資料(上述之輸出參數之值)的輸入資料(上述之輸入參數之值)進行探索時之對於半導體處理裝置的輸入輸出資料(輸入資料和輸出資料間之組合)的例子作展示。
於此，所謂半導體處理裝置，係為對於半導體或包含半導體之半導體裝置進行處理的裝置。半導體處理裝置，具體而言，例如，係包含光微影裝置、成膜裝置、圖案加工裝置、離子植入裝置、加熱裝置、洗淨裝置。光微影裝置，係包含曝光裝置、電子線描繪裝置、X線描繪裝置。成膜裝置，例如，係包含CVD(Chemical Vapor Deposition)、PVD(Physical Vapor Deposition)、蒸鍍裝置、濺鍍裝置、熱氧化裝置。圖案加工裝置，例如，係包含濕蝕刻裝置、乾蝕刻裝置、電子束加工裝置、雷射加工裝置。離子植入裝置，係包含電漿摻雜裝置、離子束摻雜裝置。加熱裝置，例如係包含電阻加熱裝置、燈管加熱裝置、雷射加熱裝置。洗淨裝置，係包含液體洗淨裝置、超音波洗淨裝置。
圖1，係對於以X1軸以及X2軸之2軸而具備有2維之座標平面的圖表100作展示。將與該座標平面相正交之軸作為Y軸。X1軸，係為成為對於半導體處理裝置之輸入的輸入參數X1之座標軸，X2軸，係為成為對於半導體處理裝置之輸入的輸入參數X2之座標軸。在X1軸處，係被描繪有身為輸入參數X1之值的輸入資料x1n(n＝1、2、3、…)，在X2軸處，係被描繪有身為輸入參數X2之值的輸入資料x2n。圖表100，係將在藉由輸入資料x1n以及x2n所決定的各區域中之Y軸之輸出資料，以等高線來作表現。作為其中一例，係將包含輸出資料y1之區域作為最大值(亦即是，最佳解)，並將y13之區域作為最小值。又，在圖表100中，X1軸係被作3分割，並設為區域x1a、x1b、x1c。同樣的，在圖表100中，X2軸係被作3分割，並設為區域x2a、x2b、x2c。
例如，當作為目標，而對於輸出資料會成為最高的區域、亦即是對於能夠得到輸出資料y1的輸入資料x1n以及x2n之組合進行探索的情況時，作為解析方法，係只要取得裝置參數空間之輸出資料yn的斜率，並朝向會使輸出資料yn變得更大的方向來進行探索即可。
但是，當此時之輸出資料並未包含藉由x1a且x2b所決定的區域之輸出資料的情況時，探索會朝向成為局部解之頂點的輸出資料y4’前進。又，若是依據於此結果而決定應探索之輸入參數，則會成為集中性地取得y4’近旁之輸出資料，並發現到會得到y4’自身或者是非常接近該y4’之輸出資料的輸入參數。亦即是，就算是反覆進行使用有藉由此探索所取得的輸入參數之值的解析以及由更進一步之探索所致之輸出參數之值之取得，也無法發現到對應於輸出資料y1之最佳解的輸入資料。
又，當在輸出資料y1之周邊或其他之區域中存在有多數之局部解的情況時，若是相對於裝置參數空間之寬廣程度而所取得的輸入參數之值係為少，則探索會陷入至局部解中，無法發現到輸出資料y1的可能性係變高。又，假設作為所推測出之解的存在之區域，係推測出x13且x23之區域。之後，亦同樣的，若是如同專利文獻1一般地而將探索區域限定於如同x13且s23之一部分一般的微小之區域，則由於輸出資料yn之斜率係為非常小，因此在直到到達輸出資料y處為止所需要的探索次數係變得龐大，而會有使探索失敗的可能性。又，也會有起因於輸出資料yn之斜率被在輸出資料yn中所包含之雜訊而蓋過一事而導致探索失敗的可能性。由於若是身為解析對象之輸出資料yn的品質為差則解的推測也必然性地會成為不良的結果，因此，為了使探索成功，係有必要指定用以取得能夠接近解的品質良好之資料之探索空間。
在圖1中，係使用有x1n、x2n以及yn之3個的參數。在實際的半導體處理裝置中，由於係具有多數的輸入輸出參數，因此，係對於將圖1之各軸的指標作了多維向量化的廣大之裝置參數空間進行探索。故而，為了從此種廣大的裝置參數空間來取得能夠以良好效率而接近解之品質良好的資料，係有必要對於裝置參數空間作指定。又，半導體處理裝置之輸入輸出關係，在大多數的情況中係為非線性，在裝置參數空間中係存在有多數的局部解。
在本實施例中，係在對於半導體處理裝置之輸入輸出資料之解析結果作了考慮之後，自動性地決定用以對於裝置參數空間進行探索之實驗條件，並自動性地進行實驗結果(加工結果)之驗證，而反覆地進行此些之自動動作。藉由此，來對於裝置參數空間進行探索並有效率地取得最佳解。亦即是，係有效率地發現能夠得到「代表作為目標之半導體處理裝置之狀態以及加工結果的輸出參數之值」之「輸入參數之值」。
＜系統構成例＞ 圖2，係為對於半導體製造系統之系統構成例作展示之說明圖。半導體製造系統200，係具備有半導體處理裝置201、和裝置控制系統202、和監測系統203、和感測器系統204、和資料庫205、以及自動控制系統(探索裝置)206。
半導體處理裝置201，係如同上述一般，為對於晶圓等之基板或半導體裝置進行處理的裝置。半導體處理裝置201，係被與裝置控制系統202、監測系統203以及感測器系統204作連接。
裝置控制系統202，係為在進行半導體處理裝置201之稼動以及處理時對於半導體處理裝置201作控制者。裝置控制系統202，係具備有GUI等之輸入介面，並藉由經由輸入介面所輸入的輸入參數之值，來對於半導體處理裝置201之實行作控制。又，裝置控制系統202，係具備有網路介面，並經由網路介面來從外部之電腦以及資料庫205而取得輸入參數之值。
裝置控制系統202，係具備有配方設定控制器221、和裝置基本設定控制器222、以及設定錯誤檢測系統223。配方設定控制器221，係在半導體處理裝置201中，設定對於半導體處理裝置201之處理中之動作作決定的輸入參數以及該輸入參數之值。裝置基本設定控制器222，係在半導體處理裝置201中，設定半導體處理裝置201所用以稼動之輸入參數以及該輸入參數之值。
設定錯誤檢測系統223，係在由裝置基本設定控制器222所致之輸入參數之設定時，判定是否能夠實際在半導體處理裝置201中設定輸入參數。具體而言，例如，設定錯誤檢測系統223，係判定所輸入了的輸入參數是否落在可進行輸入的範圍內，或者是判定其是否身為會成為能夠進行半導體處理裝置201之動作的輸入參數之值之組合。當檢測出了不可能進行設定之輸入參數之值或者是其之組合的情況時，設定錯誤檢測系統223，係作為設定錯誤，而對於工程師或者是半導體處理裝置201所被作連接之上位之系統進行報告。在發生了設定錯誤時，係將所輸入了的輸入參數之變更的中止或者是使用有所輸入了的輸入參數之值之處理的中止，作為日誌資料而作記錄。
監測系統203，係為對於在半導體處理裝置201處之處理中或者是處理後的處理對象物(加工結果)作監視或者是計測並取得監測資料之系統。監測系統203，係包含光學式監測器、使用有電子顯微鏡之加工尺寸計測裝置、使用有紅外光之溫度計測裝置、使用有凱文探針力顯微鏡(Kelvin probe Force Microscopy)之缺陷檢測裝置、對於處理對象物之電性特性進行評價的探針裝置。監測系統203，例如，係藉由針對當對於處理對象物而射入了光、雷射光以及X線時的反射、透過、吸收以及偏光頻譜進行計測，來將處理對象物之加工形狀、處理對象膜之厚度以及加工缺陷作為監測資料而取得之。監測系統203，係並不需要直接被與半導體處理裝置201作連接，亦可藉由將處理對象搬運至監測系統203處來取得計測結果，並將該結果保存在資料庫205中。進而，係亦可將處理對象之一部分作為斷片而取出，並藉由將該斷片搬運至監測系統203處來取得計測結果，並且將該結果保存在資料庫205中。
監測系統203，係對於在處理時對於處理對象物而產生作用的電漿、氣體、液體等之在處理中所使用的媒體以及藉由處理所產生的生成物作監視。此些之媒體以及生成物，係為與處理對象物直接發生作用或者是起因於該作用之結果所產生之物。監測系統203，係包含使用有光頻譜計測之電漿發光監測器、使用有紅外分光計測之處理室內之堆積物監測器、使用有質量分析器之從處理對象所放出的原子以及分子監測器、使用有探針的處理室內之電性特性監測器。由此些之監測器所致之監視，係可即時性並且於處理中來當場對於能夠對處理結果間接性地進行評價的監測資料作計測。
感測器系統204，係為取得代表半導體處理裝置201之裝置狀態的感測器資料之系統。感測器系統204，係為感測器之集合體。感測器資料，係包含電壓、電流、功率等之電源輸出值、整合器內之電容器和線圈等之可變電性元件之值、各種使用氣體之流量、裝置軀體和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、處理以及裝置之動作時序及動作時刻。
資料庫205，係將藉由裝置控制系統202所設定的各種輸入參數之值、身為從半導體處理裝置201而來之處理結果的輸出參數之值、監測系統203以及感測器系統204所取得的監測資料以及感測器資料作保存。又，資料庫205，係將學習資料作保存。所謂學習資料，係身為成為在過去被賦予至半導體處理裝置201處的輸入參數之值(輸入資料)和從半導體處理裝置201所輸出的輸出參數之值(輸出資料)之組的輸入輸出資料。資料庫205，係亦可為將所保存的各種資料藉由相異之記憶裝置302來作保存的分散型資料庫205。係亦可建構出將在各系統中所處理的資訊分別保存在各別之系統內的形態之分散型之資料庫。
自動控制系統206，係使用在資料庫205中所保存的資料，來對於滿足目標之解進行探索。滿足目標之解，係為在半導體處理裝置201之稼動中所被使用的輸入參數之值、以及在處理中之半導體處理裝置201之動作中所被使用的輸入參數之值，此兩者中之至少其中一者之參數之值。自動控制系統206，係具備有目標設定控制器261、和自主探索系統262、以及非安定動作檢測系統263。
目標設定控制器261，係作為探索開始時之初期值，而受理作為目標之輸入參數之值、輸出參數之值、探索結果與目標之間之差異或者是乖離之容許值的輸入。又，目標設定控制器261，係能夠受理在探索中而實行1個的條件之時間的上限、探索次數、1組的探索之合計時間之上限、探索全體之合計時間之上限、探索結果之解析時間之上限、解析資料數量之上限的輸入。又，目標設定控制器261，係能夠進行針對各輸入參數之探索之可否的設定、所探索之輸入參數之控制範圍的上限值以及下限值之設定、用以對於所探索的之輸入參數之控制範圍作限定之值之設定。進而，目標設定控制器261，係能夠受理包含有過去之結果的探索開始前之最佳解之輸入、為了得到該解所使用的解析對象資料之輸入、對於藉由該解析所得到的目標與輸入參數的關係作說明之模型函數之輸入。
自主探索系統262，係取得對於目標設定控制器261所輸入的內容，並對於1個以上的參數，而設定將能夠探索的輸入參數之控制範圍分成2個以上的區域之分割區域。如同前述一般，為了反覆進行探索以及探索結果之解析並到達目標解，係需要將在1組之探索中所需要的時間降低至就算是長也為數天以內，更理想係降低至1小時以下。亦即是，若是將1組之探索的探索條件數量設為Ns，並將1組之探索的探索時間設為Ts[min]，並且將在1個檢索條件中所需要的時間設為t1[min]，則探索次數係成為數式(1.1)。
Figure 02_image001
在將1組之探索設為1天以內的情況時，係只要以會成為Ts≦1440的方式來決定探索條件數量Ns即可，在設為1小時以内的情況時，係只要以會成為Ts≦60的方式來決定探索條件數量Ns即可。
為了使探索條件數量Ns增加，將對於探索結果進行評價的感測器以及監測器之計測時間縮短一事係為有效。特別是，在探索實驗中使用能夠即時性地進行計測之感測器以及監測器一事，係為有效。
又，如同前述一般，藉由以感測器以及監測器來對於成為能夠對處理結果間接性地進行評價的資料之作用於處理對象物處之媒體以及起因於處理所產生的生成物之特性作計測，係能夠即時性地在處理中而當場進行計測。
隨著在探索中所變更的輸入參數之種類的增加，探索時間Ts係急遽地增大。例如，在將輸入參數之種類的數量Da設為Da＝10，並將各參數之區域分割數量A設為A＝3的情況時，在對於全部的參數之組合進行探索的情況時之探索條件數量Ns，係成為數式(1.2)。
Figure 02_image003
探索條件數量Ns係一直增加至59049。於此種情況時，較理想，係對於會被預測為存在有解之各輸入參數之值作預測，並將該預測值作為中心條件，來對於在探索時能夠同時作變更的輸入參數之數量作限制。藉由此，探索條件數量Ns以及探索時間Ts係成為能夠實行之值。在對於中心條件作預測時，係能夠利用過去之探索結果或者是工程師的知識。或者是，係亦可作為探索之初期值而賦予適當的中心條件，並開始進行探索。
又，進而，係亦能夠在被包含於已取得之學習資料中的資料之中，將與目標之間之差異為最小(最為接近目標)之條件作為中心條件。作為代表學習資料與目標之間的差異之值，係可使用各參數之誤差的總和。誤差，係能夠使用各參數之差分、絕對值或者是平方誤差等來作計算。
例如，當針對輸入參數之10個種類中的5個種類，而指定有被推測為存在有解之分割區域的情況時，藉由對於其他的5個種類作變更，下一次的探索條件數量Ns，係能夠一直減少至Ns＝35 ＝243。又，係將10種類的輸入參數中之能夠一次作變更的輸入參數之種類的數量設為Dc。探索條件數量Ns，係使用組合數學之記號C來藉由數式(1.3)而求取出來。
Figure 02_image005
藉由對於能夠一次作變更的輸入參數作限定，係能夠將探索條件數量Ns縮小。例如，若是將能夠變更的輸入參數之種類的數量Dc設為Dc＝1，則探索條件數量Ns係為Ns＝21，同樣的，若是將Dc設為Dc＝2，則Ns係能夠一直縮小至Ns＝201。進而，係亦可將在輸入參數的種類之中之數個的輸入參數處而指定被推測為存在有解的分割區域之方法、和對於能夠一次作變更的參數之種類作指定的方法，此兩者作組合。
非安定動作檢測系統263，係在探索實行時，將雖然半導體處理裝置201能夠繼續進行處理動作但是處理會成為非安定的情況檢測出來。在實行輸入參數之輸入的前一階段處，設定錯誤檢測系統223係確認輸入參數是否能夠輸入。但是，半導體處理裝置201內之機器所作為控制對象的媒體以及零件，係具有非線性，並且進而藉由將該些作組合來實行處理。故而，係會有設定錯誤檢測系統223並無法檢測出設定錯誤(輸入參數之輸入不可)，而在實際實行了處理時才發現到會成為動作不安定之輸入參數的可能性。
又，由於若是輸入參數變得越多，則裝置參數空間係越擴大，因此，當在裝置參數空間中存在有局部性之非安定動作區域的情況時，無法事先檢測出來的可能性係會變高。
故而，當非安定動作檢測系統263在半導體處理裝置201之處理中檢測出了半導體處理裝置201之非安定動作的情況時，半導體處理裝置201，係將在成為了非安定動作時的輸入參數以及其之值作保存，並進而對於工程師或者是半導體處理裝置201所被作連接之上位之系統進行報告。藉由此，係能夠對於由半導體處理裝置201之非安定動作所導致的在處理以及探索中之動作不良作判斷或者是預測。
當檢測出了非安定動作的情況時，於處理結束後，係實施用以使半導體處理裝置201回復至定常動作之序列，但是，藉由立即停止處理並實施用以使半導體處理裝置201回復至定常動作之序列，探索係被繼續。
作為此種非安定動作，係存在有在處理中之局部性的異常放電或放電強度之震動、急遽的成膜速度變動或膜質變動、氣體壓力之震動、投入電力之瞬間性的增減或震動等。前述之發光頻譜監測器、堆積物監測器、質量分析監測器、電性特性監測器、壓力監測器等的能夠即時性而在處理中當場進行計測的監測器，係檢測出非安定動作。
＜探索裝置之硬體構成例＞ 圖3，係為對於探索裝置300之硬體構成例作展示之區塊圖。探索裝置300，係從探索區域而探索出成為解之輸入參數之值。自動控制系統206，係為探索裝置300之其中一例。探索裝置300，係具備有處理器301、和記憶裝置302、和輸入裝置303、和輸出裝置304、以及通訊介面(通訊IF305)。處理器301、記憶裝置302、輸入裝置303、輸出裝置304以及通訊IF305，係藉由匯流排而被作連接。處理器301，係對於探索裝置300作控制。記憶裝置302，係成為處理器301之作業區域。又，記憶裝置302，係身為記憶各種程式和資料的非暫時性或暫時性記憶媒體。作為記憶裝置302，例如，係存在有ROM(Read Only Memory)、RAM(Random Access Memory)、HDD(Hard Disk Drive)、快閃記憶體。輸入裝置303，係輸入資料。作為輸入裝置303，例如，係存在有鍵盤、滑鼠、觸控面板、數字鍵、掃描器。輸出裝置304，係輸出資料。作為輸出裝置304，例如，係存在有顯示器、印表機。通訊IF305，係與網路作連接，並將資料作送受訊。
＜探索裝置300之機構性構成例＞ 圖4，係為對於探索裝置300之功能性構成例作展示之區塊圖。探索裝置300，係具備有輸入部401、和產生部402、和特定部403、和判斷部404、和設定部405、和輸出部406、和決定部407、和分割部408、以及檢測部409。各構成401～409，具體性而言，例如，係為藉由使處理器301實行被記憶在圖3中所示之記憶裝置302中的程式所實現之功能。
輸入部401，係藉由使用者操作或者是從資料庫205而來之讀入，而受理各種資料之輸入。具體而言，例如，輸入部401，係受理設定在對於半導體裝置進行處理的半導體處理裝置201中之條件值的輸入。所謂設定在半導體處理裝置201中之條件，係為上述之輸入參數。輸入參數，具體而言，例如，係包含有氣體種類、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、劑量、光量。
又，輸入部401，係受理代表藉由半導體處理裝置201而使半導體被作了處理後的加工結果之目標值的輸入。所謂藉由半導體處理裝置201而使半導體被作了處理後的加工結果，係為上述之輸出參數。輸出參數，具體而言，例如，係包含由半導體處理裝置201所致之半導體之處理結果(加工結果)、和關連於半導體處理裝置201之裝置狀態的資料。由半導體處理裝置201所致之半導體之處理結果，具體而言，例如，係包含CD(Critical Dimension)、堆積膜厚、ER(Etch Rate)、加工形狀、遮罩選擇比乃至於此些之晶圓面内分布以及均勻性。半導體處理裝置201之處理結果、以及關連於半導體處理裝置201之裝置狀態的資料，具體而言，例如，係包含光反射頻譜、電漿光頻譜、晶圓射入電流、晶圓電壓、晶圓溫度、裝置零件溫度乃至於代表此些之空間分布以及均勻性的資料(感測器資料以及監測器資料)。所謂代表藉由半導體處理裝置201而使半導體被作了處理後的加工結果之目標值，係為使用者所要求的半導體處理裝置201之輸出參數之值。
又，輸入部401，係受理在藉由條件(輸入參數)和加工結果(輸出參數)之範圍所被規定的探索區域內之條件之基準值的輸入。所謂探索區域，係為藉由輸入參數之控制範圍和半導體處理裝置201之輸出參數之控制範圍所被規定的對於輸入參數之值作探索之區域。具體而言，例如，係為圖1中所示之探索區域A。所謂條件之基準值，係為輸入參數之基準值。具體而言，例如，係為在過去所得到的輸入參數之值。
又，輸入部401，係受理在探索區域內之加工結果之基準值的輸入。所謂加工結果之基準值，係為當輸入參數之基準值被賦予至半導體處理裝置201處的情況時之半導體處理裝置201之輸出參數之值。
產生部402，係基於探索區域內之條件之設定值和當將該設定值賦予至半導體處理裝置201處的情況時之加工結果之實測值，來產生代表條件與加工結果之間之關係的預測模型。所謂條件之設定值，例如，係為作為學習資料所準備了的輸入參數之值。所謂加工結果之實測值，係為當作為學習資料所準備了的輸入參數之值(條件之設定值)被賦予至半導體處理裝置201處的情況時之半導體處理裝置201之輸出參數之值。所謂預測模型，係為代表輸入參數與輸出參數之間的關係之函數。產生部402，係藉由類神經網路、支援向量機等之可對應於多輸入多輸出之迴歸分析、相關分析、主成分分析、複迴歸分析等的統計分析，來產生代表探索區域內之條件的設定值與輸出的實測值之間之關係的預測模型。
特定部403，係藉由對於藉由產生部402所產生了的預測模型而賦予藉由輸入部401所輸入了的目標值，來從預測模型而取得與目標值相對應之預測值，並從探索區域中而特定出預測值之存在區域。又，當並未取得預測值之存在區域之輸出參數的情況時，產生部402，係針對各分割區域之每一者，而分別取得當將在分割區域內之條件的設定值賦予至半導體處理裝置201處的情況時之輸出之實測值。
當目標值係身為半導體處理裝置201之輸出參數之值的情況時，特定部403，係藉由對於預測模型而賦予該輸出參數之值，來作為與目標值相對應之預測值而從預測模型取得輸入參數之值。之後，特定部403，係從探索區域而特定出身為預測值之輸入參數之值的存在區域。具體而言，例如，在圖1中，當目標值係身為輸出參數之值y12的情況時，與該目標值y12相對應之預測值，係為藉由圖1之目標值y12之等高線所特定出的輸入參數X1、X2之值。故而，特定部403，係從探索區域A而特定出藉由目標值y12之等高線所特定出的輸入參數X1、X2之值之存在區域A1、A2、A3、A8、A9。
判斷部404，係判斷與預測值相對應之目標值是否較藉由輸入部401所輸入了的加工結果之基準值而更接近目標值。具體而言，例如，判斷部404，係在探索區域A中，求取出和預測值相對應之目標值與目標值之間之距離(第1距離)、和加工結果之基準值與目標值之間之距離(第2距離)。距離，例如，係為歐幾里德距離。判斷部404，當第1距離為較第2距離而更短的情況時，係判斷與預測值相對應之目標值為較加工結果之基準值而更接近目標值。判斷部404，當第1距離係並非為較第2距離而更短的情況時，係判斷與預測值相對應之目標值並非為較加工結果之基準值而更接近目標值。
設定部405，當藉由判斷部404而判斷與預測值相對應之目標值係較加工結果之基準值而更接近目標值的情況時，係將預測值以及與預測值相對應之目標值設定為條件之基準值以及加工結果之基準值，並將藉由特定部403所特定出的預測值之存在區域設定為探索區域。藉由此，基準值係接近目標值，並且探索區域亦係被縮小至預測值之存在區域。
輸出部406，當預測值為滿足了目標值之達成條件的情況時，係將滿足了達成條件的預測值輸出。所謂達成條件，例如，係為目標值之容許範圍。輸出部406，係可將滿足了達成條件的預測值，顯示在身為輸出裝置304之其中一例的顯示器上，亦可經由通訊IF305來送訊至外部裝置處，亦可保存在記憶裝置302或資料庫205中。
決定部407，當藉由判斷部404而判斷與預測值相對應之目標值係並非為較加工結果之基準值而更接近目標值的情況時，係將預測值以及與預測值相對應之目標值決定為除外資料(圖6之步驟S601，於後再述)。所謂除外資料，係為不可賦予至預測模型處之輸入參數之值。
又，於此情況，設定部405，係將把藉由決定部407所決定了的除外資料去除後之資料，設定為學習資料。藉由此，產生部402，係能夠使用並不存在有除外資料之學習資料。故而，係能夠謀求身為解之輸入參數之值的探索速度之提昇。
又，決定部407，當藉由判斷部404而判斷與預測值相對應之目標值係並非為較加工結果之基準值而更接近目標值的情況時，係亦可將預測值之存在區域決定為除外區域(圖6之步驟S602，於後再述)。所謂除外區域，係為預測模型所不可輸出的輸入參數之值之區域。
又，於此情況，設定部405，係將從探索區域而把藉由決定部407所決定了的除外區域去除後之剩餘區域，設定為探索區域。藉由此，係能夠將僅會得到並非接近於目標值之加工結果的預測值之範圍除外，而將探索區域縮小。故而，係能夠謀求身為解之輸入參數之值的探索速度之提昇。
分割部408，係將探索區域分割成複數之區域。具體而言，例如，分割部408，係如同圖1中所示一般，將探索區域A分割成9個的區域(分割區域)A1～A9。於此情況，產生部402，係針對各分割區域之每一者，而分別取得當將在分割區域內之條件的設定值賦予至半導體處理裝置201處的情況時之輸出之實測值。之後，產生部402，係基於在各分割區域處之條件之設定值和輸出之實測值，來產生預測模型。藉由使用複數之半導體處理裝置201，係能夠針對各分割區域之每一者而平行地取得實測值，而能夠謀求預測模型之產生速度的提升。
又，設定部405，當藉由判斷部404而判斷與預測值相對應之目標值係並非為較加工結果之基準值而更接近目標值的情況時，係亦可將預測值以及與預測值相對應之目標值，並不設定為條件之基準值以及加工結果之基準值地，來將預測值之存在區域設定為探索區域(圖6之步驟S604～S606，於後再述)。藉由此，係能夠藉由將探索區域更進一步細分化，來實行更為詳細之解的探索，並確認是否有漏掉解的情況。
又，決定部407，當如同上述一般地，藉由判斷部404而判斷與預測值相對應之目標值係並非為較加工結果之基準值而更接近前述目標值的情況時，係亦可將預測值以及與預測值相對應之目標值決定為除外資料。於此情況，產生部402，係亦可基於從實測值而將除外資料去除後的剩餘之實測值、和從設定值而將與剩餘之實測值相對應之設定值去除後的剩餘之設定值，來產生預測模型(圖7，於後再述)。藉由此，係能夠謀求身為解之輸入參數之值的探索速度之提昇。
又，決定部407，當如同上述一般地，藉由判斷部404而判斷與預測值相對應之目標值係並非為較加工結果之基準值而更接近目標值的情況時，係亦可將預測值之存在區域決定為除外區域。於此情況，產生部402，係亦可基於在從探索區域而將除外區域去除後的剩餘之探索區域內之條件之設定值和當將該設定值賦予至半導體處理裝置201處的情況時之輸出之實測值，來產生預測模型(圖8，於後再述)。藉由此，係能夠謀求身為解之輸入參數之值的探索速度之提昇。
檢測部409，係基於半導體處理裝置201之輸出、和特定之輸出臨限值，來檢測出半導體處理裝置201之非安定動作。檢測部409，係相當於非安定動作檢測系統263。於此情況，輸出部406，係將由檢測部409所致之檢測結果輸出。
＜半導體處理裝置201之控制處理程序例＞ 圖5，係為對於半導體處理裝置201之控制處理程序例作展示之流程圖1。探索裝置300，係受理作為目標的從半導體處理裝置201而來之輸出值(輸出參數之目標值)、以及探索設定之輸入(步驟S501)。所謂探索設定，例如，係為探索結果與目標值之間之差或者是乖離之容許值、在探索中而實行1個的條件之時間的上限、探索次數、1組的探索之合計時間之上限、探索全體之合計時間之上限、探索結果之解析時間之上限、解析資料數量之上限、從半導體處理裝置201而來之輸出資料之取得頻率的臨限值、從半導體處理裝置201而來之輸出資料(輸出參數之值)的取得時間之上限、從半導體處理裝置201而來之輸出資料數量之下限。
接著，探索裝置300，係受理成為基礎之解的輸入以及關連於該解之資訊的輸入(步驟S502)。具體而言，例如，探索裝置300，係受理在過去所使用了的輸入參數以及在使用了該輸入參數時的輸出參數、探索開始前之最佳解(輸入參數之值)以及在使用了最佳解時之輸出參數、探索開始前之輸出參數之目標值、對於輸入參數與輸出參數之間之關係作說明的模型函數之輸入。
接著，探索裝置300，係將在步驟S502中所輸入了的最佳解，作為最佳解OS1而作保存(步驟S503)。當並不存在解的情況時，係設定代表距離解而為最遠一事的記號或值。
接著，探索裝置300，係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，係進行針對各輸入參數之探索之可否的設定、所探索之輸入參數之控制範圍的上限值以及下限值、用以對於所探索之輸入參數之控制範圍作限定之值(例如，上限值或下限值)之設定。又，探索裝置300，係對於藉由設定錯誤檢測系統223而判斷為設定錯誤的輸入參數之控制範圍作參照，並決定探索區域。進而，探索裝置300，係對於藉由非安定動作檢測系統263所檢測出的輸入參數作參照，並決定探索區域。又，非安定動作檢測系統263，係保持有在過去而半導體處理裝置201之動作成為了無法動作或非安定動作的輸入參數之組合或者是各輸入參數範圍之值，探索裝置300係能夠使用此來決定探索區域。
例如，在圖1中，當作為輸入參數之種類而選擇了X1、X2之2個的輸入參數的情況時，若是將輸入參數X1之控制範圍設為[x11，x1n]，並將輸入參數X2之控制範圍設為[x21，x2n]，則圖1中所示之全部範圍的區域A係成為探索區域。
步驟S501～S504之目標設定控制器261的輸入以及設定內容，係被遞交至自主探索系統262處，藉由接下來所說明之步驟S505～S510之處理程序，自主探索係被實行。
探索裝置300，係對於探索區域進行分割(步驟S505)。具體而言，例如，探索裝置300，係對於1個以上的輸入參數，而將能夠探索的輸入參數之控制範圍分割成2個以上的區域。將被作了分割的區域，稱作分割區域。當探索條件數量變多或者是預測到係無法在所期望之時間內而結束探索的情況時，係可藉由使用在輸入參數的種類之中之數個的輸入參數處而指定被推測為存在有解的分割區域之方法、和對於能夠一次作變更的參數之種類作指定的方法，來對於探索區域作限定，或者是將探索條件數量減少。又，係可藉由將此些之2個的方法作組合，來對於探索區域作限定，或者是將探索條件數量減少。
例如，在圖1中，當作為輸入參數之種類而選擇了X1、X2之2個的輸入參數的情況時，若是將輸入參數X1之控制範圍[x11，x1n]分割為x1a、x1b、x1c，並將輸入參數X2之控制範圍[x21，x2n]分割為x2a、x2b、x2c，則係能夠得到圖1中所示之9個的分割區域A1～A9。
探索裝置300，係對於各分割區域之每一者而進行自主探索(步驟S506)。具體而言，例如，探索裝置300，係藉由使用有分割區域以及探索條件之自主探索，而將在各探索條件下的半導體處理裝置201之輸入輸出資料作為探索結果而取得之。所謂輸入輸出資料，係為被賦予至半導體處理裝置201處的輸入參數之值(輸入資料)和從半導體處理裝置201所得到的輸出參數之值(輸出資料)之組。
具體而言，例如，探索裝置300，係針對各分割區域之每一者，而選擇滿足探索條件之輸入參數之值，並將所選擇了的輸入參數之值賦予至半導體處理裝置201處。之後，探索裝置300，係取得從半導體處理裝置201而來之輸出資料(輸出參數之值)。此輸入參數之值和與該值相對應之輸出參數之值的組合，係身為探索結果。
又，於此情況，非安定動作檢測系統263，係在自主探索實行時，將雖然半導體處理裝置201能夠繼續進行處理動作但是半導體處理裝置201之處理會成為非安定的情況檢測出來。當檢測出了非安定動作的情況時，於處理結束後，係實施用以使半導體處理裝置201回復至定常動作之序列，但是，係藉由立即停止處理並實施用以使半導體處理裝置201回復至定常動作之序列，而繼續由目標設定控制器261所致之自主探索。
探索裝置300，係將各分割區域之每一者的探索結果保存在資料庫205中(步驟S507)。具體而言，例如，探索裝置300，係針對各分割區域之每一者，而將身為在自主探索(步驟S506)中所使用了的輸入參數之值和使用該輸入參數之值所取得了的半導體處理裝置201之輸出參數之值的組之輸入輸出資料，作為各分割區域之每一者的探索結果而保存在資料庫205中。
探索裝置300，係產生用以預測會滿足目標(目標輸出)之解(輸入參數)的預測模型(步驟S508)。具體而言，例如，探索裝置300，係使用在步驟S507中而保存在資料庫205中的學習資料，來將代表半導體處理裝置201之輸入輸出資料之關係的函數作為預測模型而產生之。作為對於輸入輸出資料之關係進行解析之方法，係可使用類神經網路、支援向量迴歸、使用有核方法(Kernel methods)之迴歸等的可對應於多輸入多輸出之迴歸分析。又，係可使用相關分析、主成分分析、複迴歸分析等之統計解析。
在預測模型之產生中，作為輸出資料，例如，係使用有對於半導體處理裝置201之處理結果而取得間接性的計測值之感測器資料以及監測器資料。係會有輸出資料之取得頻率為較在探索設定中所規定的頻率而更低或者是較在探索設定中所規定的取得時間而更長，而導致能夠藉由探索所取得的輸出資料數量變得較在探索設定中所規定之輸出資料數量而更少的情況。於此情況，係只要與輸出資料之取得數量作比較並取得能夠取得更多的資料數量之感測器資料以及監測器資料即可。藉由此，係能夠針對相對於輸出資料之感測器資料以及監測器資料的關係和相對於感測器資料以及監測器資料之輸入資料的關係而進行解析。又，藉由使用此些之雙方的解析結果，係能夠求取出相對於輸出資料之輸入資料的關係。
探索裝置300，係推測出存在有解的分割區域(步驟S509)。當推測為存在有解的區域內之輸出資料為已取得的情況時(步驟S5090A：Yes)，探索裝置300，係從所推測出的分割區域中而特定出最佳解OS2，並將所特定出的最佳解OS2保存在資料庫205中(步驟S510)。又，當推測為存在有解的區域內之輸出資料為未取得的情況時(步驟S5090A：No)，探索裝置300，係實行所推測出的區域內之自主探索(步驟S5060A)，並取得推測為存在有解的區域內之輸出資料、亦即是取得探索結果，並且保存在資料庫205中(步驟S5070A)。此些之自主探索以及結果之保存，係為與步驟S506以及步驟S507相同之處理。步驟S509之處理，係存在有2種的方法。其中1個，係為對於預測模型而賦予在步驟S501中所賦予了的輸出參數之目標值之方法(第1推測方法)。
在第1推測方法中，具體而言，例如，探索裝置300，係對於在步驟S508中所得到的預測模型，而代入在步驟S501中所賦予了的輸出參數之目標值，藉由此，來對於會成為滿足輸出參數之目標值的解之輸入資料(輸入參數之值)進行推測。之後，探索裝置300，係推測出存在有會成為解之輸入資料的分割區域。例如，當預測模型係身為代表圖1之輸入輸出關係之函數的情況時，若是作為輸出參數之目標值而被賦予有y6，則作為分割區域A1～A9中之存在有解之分割區域，係被推測出A1、A4、A7之3個的分割區域。當在A1、A4、A7之各分割區域中而輸出資料為未取得的情況時，如同前述一般，步驟S5060A以及步驟S5070A係被實行。
在步驟S510中，探索裝置300，係特定出存在有藉由已取得之輸出資料而存在有與目標值y6相等之輸出資料的分割區域、存在有輸出資料與目標值之間之差或乖離為較容許值(在S501中所被賦予之容許值)而更小之輸出資料的分割區域、或者是存在有最為接近目標值y6之輸出資料的分割區域，並將此分割區域決定為存在有最佳解OS2之區域(以下，稱作特定之分割區域)。當被特定出有複數之可能會成為特定之分割區域的分割區域的情況時，探索裝置300，係將該些之全部決定為存在有最佳解OS2之分割區域。或者是，探索裝置300，係將該些之複數之分割區域中的輸出資料與目標值之間之差或乖離為較容許值(在S501中所被賦予之容許值)而更小之輸出資料的能夠取得之數量為最多之分割區域，決定為存在有最佳解OS2之分割區域。在上述之例的情況時，當所取得了的輸出資料為與預測模型所代表的圖1相同的情況時，能夠得到與y6相等或者是接近於y6之值的分割區域A1、A4、A7之全部、或者是分割區域A4，係被決定為特定之分割區域。探索裝置300，係將當在特定之分割區域中而得到了與輸出資料之目標值相等之輸出資料、輸出資料與目標值之間之差或乖離為較容許值(在S501中所被賦予之容許值)而更小之輸出資料、或者是最為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。
另外1個的步驟S509之處理，係為當無法藉由對於預測模型而代入在步驟S501中所賦予了的輸出參數之目標值來直接求取出會成為滿足輸出參數之目標值的解之輸入參數的情況時，所能夠適用的方法(第2推測方法)。第2推測方法，係為將一次所對於預測模型賦予的輸入參數作為1組，並對於預測模型而賦予多數的輸入參數之組，而對於推測輸出參數作計算，並取得能夠得到最為接近目標輸出之加工結果的輸入參數之組之方法。例如，探索裝置300，係針對各分割區域之每一者，而分別作成1個以上的被包含在各分割區域中之輸入參數之組，並將此賦予至預測模型處，而能夠對於此時之輸出參數作計算。作為得到各分割區域之每一者的代表性之推測輸出之方法，係可使用作為被包含在分割區域中之輸入參數之組而使用會成為分割區域內的中心座標之值的方法。
在將極為多數的輸入參數之組賦予至預測模型處並對於推測輸出進行計算的情況中，當計算時間會成為龐大的情況時，如同使用上述之式(1.1)～式(1.3)所述一般，探索裝置300，係能夠藉由決定賦予至預測模型處之輸入參數的中心條件，並對於能夠從該中心條件起而變更的輸入參數之種類作限制，來對於計算時間作抑制。又，藉由對於從中心條件起而能夠一次作變更的輸入參數之數量作限定，係能夠對於計算時間作抑制。藉由此，探索裝置300，係能夠在對於賦予至預測模型處之輸入參數之組的數量作削減的同時，亦得到能夠得到更為接近於目標輸出的結果之輸入參數。在設定中心條件時，係能夠利用過去之探索結果或者是工程師的知識。或者是，係可將全部探索區域之中心座標作為中心條件。
在第2推測方法中，具體而言，探索裝置300，係對於在步驟S508中所得到的預測模型，而代入輸入參數之組之值，藉由此，來取得會成為預測值之輸出參數之值。例如，當預測模型係身為代表圖1之輸入輸出關係之函數的情況時，作為對於預測模型的輸入參數之值，若是賦予(x11，x21)、(x11，x22)、(x11，x23)、(x12，x21)、(x12，x22)、(x12，x23)、(x13，x21)、(x13，x22)、(x13，x23)、(x1n，x21)、(x1n，x22)、(x1n，x23)，則係能夠得到對應於各輸入參數之推測輸出參數。
當與此些之各輸入參數相對應之輸出參數為未取得的情況時(步驟S5090A：Yes)，探索裝置300，係使用各輸入參數而實行自主探索(步驟S5060A)，並取得推測為存在有解的區域內之輸出資料、亦即是取得探索結果，並且保存在資料庫205中(步驟S5070A)。此些之自主探索以及結果之保存，係為與步驟S506以及步驟S507相同之處理。又，當與各輸入參數相對應之輸出參數為已取得的情況時(步驟S5090A：No)，係移行至步驟S510。
而，在步驟S510中，探索裝置300，例如，係在分割區域中，將得到了成為與輸出資料之目標值最為接近的預測值之輸出參數之值的輸入參數之值，決定為最佳解OS2。例如，當所取得了的輸出資料為與預測模型所代表的圖1相同的情況時，當輸出參數之目標值為y10的情況時，與輸入參數之值(x13，x23)相對應的輸出參數之值y10係成為最為接近之值。故而，最佳解OS2，係成為(x13，x23)。另外，關於要適用第1推測方法以及第2推測方法中之何者之方法一事，係預先被作設定。
探索裝置300，係判斷最佳解OS2之值是否身為能夠得到較最佳解OS1之值而更為接近目標的輸出參數之解(步驟S511)。而，當最佳解OS2之值係身為能夠得到較最佳解OS1之值而更為接近目標的輸出參數之解的情況時(步驟S511：Yes)，係移行至步驟S512，當並非如此的情況時(步驟S511：No)，係移行至步驟S601(圖6)。
在步驟S511：Yes的情況時，探索裝置300，係藉由將最佳解OS2設定為最佳解OS1，來對於最佳解OS1作更新(步驟S512)。又，探索裝置300，係藉由將更新後的最佳解OS1之分割區域設定為探索區域，來對於探索區域作更新(步驟S514)。
之後，探索裝置300，係判斷目標是否被達成(步驟S514)。當目標被達成的情況時(步驟S514：Yes)，探索裝置300，係結束控制處理。另一方面，當目標並未被達成的情況時(步驟S514：No)，係移行至步驟S505或步驟S601(圖6)處。關於是要移行至步驟S505或步驟S601之何者處一事，係可預先被作設定，亦可在每次而由使用者來作選擇。另外，當身為目標未達成(步驟S514：No)並且移行至步驟S505處的情況時，探索裝置300，係成為將步驟S513之更新後的探索區域作分割(步驟S505)。
在步驟S514中，具體而言，例如，當對應於更新後之最佳解OS1的輸出參數係為與目標值相等或者是與目標值之間之差為落於容許範圍內的情況時，探索裝置300，係判斷為目標達成(步驟S514：Yes)。又，就算是對應於更新後之最佳解OS1的輸出參數並非為與目標值相等或者是與目標值之間之差並非為容許範圍內，當經過了在步驟S501處所設定的探索時間的情況時，係判斷為達成了目標(步驟S514：Yes)。另一方面，當對應於更新後之最佳解OS1的輸出參數並非為與目標值相等或者是與目標值之間之差並非為容許範圍內，並且尚未經過在步驟S501處所設定的探索時間的情況時，係判斷為目標未達成(步驟S514：No)。
圖6，係為對於半導體處理裝置201之控制處理程序例作展示之流程圖2。探索裝置300，係將在步驟S509處所得到的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，係將推測區域內之輸入資料(輸入參數之值)以及輸出資料(輸出參數)，決定為除外資料。除外資料，係為存在有在今後之處理中而被除外的可能性之資料(從成為實際之解析對象的資料而除外一事，係在圖7之S703或者是圖6～圖8之S608處而實施)。同樣的，探索裝置300，係將在步驟S510處所得到的分割區域，決定為除外區域(步驟S602)。除外區域，係為存在有在今後之處理中而被除外的可能性之區域(從成為實際之解析對象的資料而除外一事，係在圖8之S803或者是圖6～圖8之S608處而實施)。
之後，探索裝置300，係判斷是否要對於在步驟S509處所得到的分割區域作分割(步驟S603)。在進行分割的情況時(步驟S603：Yes)，係移行至步驟S604處，當並不進行分割的情況時(步驟S603：No)，係移行至步驟S608處。
在步驟S603處，具體而言，例如，探索裝置300，係根據從使用者來的分割指示輸入之有無，來判斷是否要對於分割區域作分割。又，探索裝置300，係亦可強制性地對於探索區域進行分割(步驟S603：Yes)。
之後，探索裝置300，係與步驟S508同樣的，產生預測模型(步驟S604)。接著，探索裝置300，係與步驟S509同樣的，推測出在步驟S603處所被分割了的分割區域群中之存在有解的分割區域(步驟S605)。將被推測出的分割區域，稱作推測分割區域。之後，探索裝置300，係在步驟S6090A、S6060A、S6070A處，實行與步驟S5090A、S5060A、S5070A相同之處理。具體而言，例如，當推測為存在有解的區域內之輸出資料為已取得的情況時(步驟S6090：Yes)，探索裝置300，係從所推測出的分割區域中而特定出最佳解OS3，並將所特定出的最佳解OS3保存在資料庫205中(步驟S606)。又，同樣的，當推測為存在有解的區域內之輸出資料為未取得的情況時(步驟S6090：No)，探索裝置300，係實行所推測出的區域內之自主探索(步驟S6060A)，並取得推測為存在有解的區域內之輸出資料、亦即是取得探索結果，並且保存在資料庫205中(步驟S6070A)。
之後，與步驟S511同樣的，探索裝置300，係判斷對應於最佳解OS3之輸出參數之值是否身為較對應於最佳解OS1之輸出參數之值而更為接近目標的解(步驟S607)。而，當對應於最佳解OS3之輸出參數之值係身為較對應於最佳解OS1之輸出參數之值而更為接近目標之解的情況時(步驟S607：Yes)，係移行至步驟S512，當並非如此的情況時(步驟S607：No)，係移行至步驟S608。在步驟S608中，探索裝置300，係藉由從探索區域而將除外區域去除、或者是藉由進行除外區域之去除以及除外資料之去除，來對於探索區域作更新(步驟S608)，並移行至步驟S505處。
圖7，係為對於半導體處理裝置201之控制處理程序例作展示之流程圖3。流程圖3，係為圖6中所示之流程圖2的其他之處理例。另外，針對與圖6相同之處理，係附加相同之步驟編號，並省略其說明。探索裝置300，在步驟S601之後，探索裝置300，係判斷是否要將在步驟S601處所決定了的除外資料去除(步驟S703)。當去除並進行解析的情況時(步驟S703：Yes)，係移行至步驟S604，當並不去除地而進行解析的情況時(步驟S703：No)，係移行至步驟S608。
在步驟S703處，具體而言，例如，探索裝置300，係根據從使用者而來的去除指示輸入之有無，來判斷是否要將除外資料去除而進行解析。又，探索裝置300，係亦可強制性地將除外資料去除並進行解析(步驟S703：Yes)。
之後，探索裝置300，係並不使用除外資料地，而產生分割區域之預測模型(步驟S604)，並實行步驟S605、S6090A、S6060A、S6070A、S606、S607、S608。
圖8，係為對於半導體處理裝置201之控制處理程序例作展示之流程圖4。流程圖4，係為圖6中所示之流程圖2的其他之處理例。另外，針對與圖6相同之處理，係附加相同之步驟編號，並省略其說明。探索裝置300，在步驟S602之後，探索裝置300，係判斷是否要將在步驟S602處所決定了的除外區域去除並進行解析(步驟S803)。當去除並進行解析的情況時(步驟S803：Yes)，係移行至步驟S604，當並不去除地而進行解析的情況時(步驟S803：No)，係移行至步驟S608。
在步驟S803處，具體而言，例如，探索裝置300，係根據從使用者而來的去除指示輸入之有無，來判斷是否要將除外區域內之解(輸入參數之值)去除而進行解析。又，探索裝置300，係亦可強制性地將除外區域去除並進行解析(步驟S803：Yes)。
之後，探索裝置300，係與步驟S604同樣的，產生分割區域之預測模型(步驟S604)。亦即是，探索裝置300，係並不使用除外區域內之解(輸入參數之值)地，而推測出在步驟S603處所被分割了的分割區域群中之存在有解的分割區域(步驟S605)。將被推測出的分割區域，稱作推測分割區域。之後，探索裝置300，係實行步驟S6090A、S6060A、S6070A、S606、S607、S608。
另外，在本控制處理中，當資料之解析、保存、傳輸等的規模變大而使其之實行時間成為較對於1個條件進行探索之時間而更長的情況時，係能夠與該些之實行平行地而繼續進行探索。此時，係使在探索條件中所變更的輸入參數數量、同時進行變更的輸入參數數量、探索區域之分割數量中的1者以上作增加。藉由此，來使探索條件數量增加，藉由對此條件進行探索，係能夠對於實行解析等的時間作利用並使探索結果增加。特別是，在資料之解析中所需要的時間，係存在有數分鐘～數小時以上的情況，藉由在該解析中繼續進行探索，係能夠使探索速度提昇。
＜半導體處理裝置201之控制處理之適用例1＞ 接著，針對在半導體裝置的量產前之半導體處理裝置201之維修中而用以對於半導體處理裝置201之裝置差異進行修正的控制處理之適用例作展示。於此，作為對於機體差異作抑制之處理程序作說明之例，將半導體處理裝置201設為進行放電處理之蝕刻裝置。又，於此，係將實行放電處理時之輸入參數，稱作配方。在進行放電處理之蝕刻裝置中，作為成為修正對象之輸出，係可列舉出處理結果或者是在處理中所使用的放電之特性。作為修正之方法，係存在有以能夠得到與成為基準的蝕刻裝置同一之輸出的方式來對於其他的蝕刻裝置進行修正之方法、或者是以使複數之蝕刻裝置之輸出成為均一的方式來進行修正之方法。
圖9，係為對於機體差異抑制方法作展示之流程圖。圖9，具體而言，例如，為了進行代表在半導體裝置的量產前之半導體處理裝置201之維修處理程序例的裝置差異之修正，探索裝置300係在維修後開始放電資料之取得。
首先，探索裝置300，係使用用以進行基本性的放電處理之配方，來進行基準配方放電，並取得此時之輸入輸出資料。又，係進行由在量產中所使用之配方所致之放電，並取得此時之輸出資料(輸出參數之值)(步驟S901)。步驟S901，係為對應於步驟S501～S504之處理。
接著，探索裝置300，係對於裝置差異修正配方進行探索(步驟S902)。步驟S902，係為對應於步驟S505～S507之處理。之後，探索裝置300，係實行使用有步驟S902所探索的裝置差異修正配方之裝置差異修正(步驟S903)。步驟S903，係為對應於步驟S508～S513、圖6～圖8之處理的處理。當並未達成修正目標的情況時(步驟S904：No)，係回到步驟S902，當達成了修正目標的情況時(步驟S904：Yes)，係結束處理。步驟S904，係為對應於步驟S514之處理。
另外，係亦可藉由使用複數之同一的蝕刻裝置來平行地進行探索，而使探索速度提昇。此時，藉由使用經由圖9之處理程序來使裝置差異被作了修正的複數之蝕刻裝置，係能夠將可探索到滿足目標之解的可能性提高。進而，係成為能夠將所探索到的解展開於該些之複數之裝置上並進行修正。
如此這般，藉由在半導體處理裝置201之維修後實行由探索裝置300所致之探索方法，係能夠使半導體處理裝置201之輸出參數之值朝向成為基準的輸出參數之值而接近(自動機體差異修正功能)。
＜半導體處理裝置201之控制處理之適用例2＞ 接著，針對在半導體裝置的量產處理中，用以對於歷時變化進行修正的控制處理之適用例作展示。
圖10，係為對於歷時變化修正方法作展示之流程圖。在圖10中，係與圖9相同的，作為對於對歷時變化作修正之處理程序作說明之例，將半導體處理裝置201設為在處理中使用放電的蝕刻裝置。在量產前放電資料中，為了進行量產中之歷時變化之修正，探索裝置300，首先係對於蝕刻裝置賦予用以進行基本性的放電處理之基準配方，來進行基準配方放電，並取得此時之輸出資料(輸出參數之值)(步驟S1011)。步驟S1001，係為對應於步驟S501～S504之處理。
接著，探索裝置300，係對於裝置差異修正候補配方進行探索(步驟S1002)。在步驟S1012中，係藉由過去之量產時的輸入輸出資料之解析結果，來使用能夠對於修正對象之歷時變化作預測的輸出資料或感測器資料以及監測器資料。之後，探索裝置300，係在量產開始前之蝕刻裝置中，實行用以使此些之能夠對於歷時變化作預測的資料一直變動至歷時變化後之值的裝置差異修正候補配方之探索。步驟S1002，係為對應於步驟S505～S507之處理。
接著，探索裝置300，係實行裝置差異修正(步驟S1013)。在步驟S1013中，探索裝置300，係將在並未發生歷時變化的狀態下所使用的基本之量產用配方與藉由步驟S1012所探索到的裝置差異修正候補配方作比較，並使在裝置差異修正候補配方中而被作了變更的輸入參數成為明瞭。藉由此，在量產前的階段中，係成為能夠產生對於修正對象之輸入參數與輸出參數之間之關係作說明的函數，又，係能夠根據該關係來產生成為修正候補之配方。步驟S1003，係為對應於步驟S508～S513、圖6～圖8之處理的處理。之後，量產處理係開始。
在步驟S1013之後，若是半導體裝置之量產處理被開始，則晶圓係被導入至處理室中(步驟S1021)，蝕刻裝置係對於晶圓進行蝕刻(步驟S1022)。蝕刻(步驟S1022)，係由1個步驟或複數步驟所構成。當蝕刻(步驟S1022)為複數步驟的情況時，各步驟之蝕刻，係對於放電條件作變更而被實行。在蝕刻(步驟S1022)的結束後，晶圓係被搬出至處理室外(步驟S1023)。之後，為了將在蝕刻中所產生並堆積於處理室表面上的反應性生成物除去，係實行電漿清淨(步驟S1024)。若是存在有下一個晶圓(步驟S1025：Yes)，則係回到步驟S1021，若是並不存在有下一個晶圓(步驟S1025：No)，則係移行至量産後放電資料取得步驟。
量產中之蝕刻裝置的輸入輸出資料，係被保存於資料庫205中，探索裝置300，係平行地對於輸入輸出資料而即時性地持續進行解析。藉由此，係能夠在量產中而繼續進行能夠對於修正對象之歷時變化作預測的輸出資料或者是感測器資料以及監測器資料的推測。又，探索裝置300，係藉由將實行同一之量產處理的複數之蝕刻裝置之輸入輸出資料作集中，而能夠使資料數量增加。
當在量產後或者是在從量產開始起而經過了所指定的時間後時而取得了放電資料的情況時，探索裝置300，係實行對於歷時變化進行修正的配方之探索(步驟S1031)。具體而言，例如，探索裝置300，係將在步驟S1011、S1012中所取得的資料、被作了解析的輸入輸出資料之關係、以及修正候補配方，作為步驟S502之輸入來使用，並對於歷時變化修正配方進行探索。步驟S1031，係為對應於步驟S505～S507之處理。
之後，探索裝置300，係使用身為探索結果之歷時變化修正配方，而進行修正結果之檢證(步驟S1032)。步驟S1032，係為對應於步驟S508～S513、圖6～圖8之處理的處理。
又，在步驟S1031、S1032之實行前，探索裝置300，係亦可對於在半導體裝置之量產中所取得的輸出資料進行解析，並推測出能夠對於修正對象之歷時變化作預測的輸出資料或感測器資料以及監測器資料，並且實行步驟S1012。藉由此，係能夠產生對於修正對象之輸入參數與輸出參數之間之關係作說明的函數，又，係能夠根據該關係來產生成為修正候補之配方。藉由將此些之結果使用在步驟S502中，探索裝置300，係能夠實行步驟S1031、S1032。
進而，作為在上述探索中之步驟S502之輸入，係亦可使用工程師的知識、使用對於在修正中而被頻繁地使用的輸入參數作了變更之配方、以及使用在使用該配方而進行了放電時的輸入輸出資料及其解析結果。
而，當並未達成修正目標的情況時(步驟S1033：No)，係回到步驟S1031，當達成了修正目標的情況時(步驟S1033：Yes)，係結束處理。步驟S1033，係為對應於步驟S514之處理。在實行圖10中所示之探索時，係亦可藉由使用複數之實施了同一之量產處理的量產後之蝕刻裝置來平行地進行探索，而使探索速度提昇。進而，所探索到的解(輸入參數)，係能夠展開於實行同一之量產處理的複數之蝕刻裝置上並實行修正。
如此這般，藉由在半導體之量產後實行由探索裝置300所致之探索方法，係能夠對於量產中之半導體處理裝置201之輸出參數之值的歷時變化作修正(自動歷時變化修正功能)。
如此這般，探索裝置300，係對於半導體處理裝置之輸入參數之值以及輸出參數之值自動進行解析，並在對於該解析結果作了考慮之後，自動性地決定用以對於輸入參數之值進行探索之實驗條件。之後，探索裝置300，係藉由自動地進行該實驗結果之檢證，並反覆進行此些之自動動作，而能夠自動性地探索能夠得到作為目標之裝置狀態以及處理結果(輸出參數之值)的輸入參數之值。藉由此，半導體處理裝置201自身係能夠自動性地導出裝置性能，並且係能夠對於用以導出裝置性能之控制模型的開發以及進行裝置參數(輸入參數和輸出參數之組合)之選擇的工程師有所支援。
如同以上所說明一般，本實施例之探索裝置300，係具備有：輸入部401，係受理代表被設定於對於半導體進行處理的半導體處理裝置201處之條件或者是藉由半導體處理裝置201而使半導體被作了處理後的加工結果之目標值、和在藉由條件與加工結果間之範圍所規定的探索區域內之條件或者是加工結果中之目標值所代表的基準值，此些之輸入；和產生部402，係基於探索區域內之條件之設定值、和在將該設定值賦予至半導體處理裝置201處的情況時之加工結果之實測值，來產生代表條件與加工結果之間之關係的預測模型；和特定部403，係藉由對於經由產生部402所產生的預測模型而賦予藉由輸入部401所被輸入的目標值，來從預測模型而取得預測值，並從探索區域中而特定出預測值之存在區域；和判斷部404，係判斷與預測值相對應之前述加工結果之實測值是否較藉由輸入部401所輸入了的基準值而更接近目標值；和設定部405，係當藉由判斷部404而判斷與預測值相對應之前述加工結果之實測值為更接近目標值的情況時，將預測值設定為基準值，並將藉由特定部所特定出來的預測值之存在區域設定為探索區域；和輸出部406，係當與預測值相對應之前述加工結果之實測值滿足了目標值之達成條件的情況時，輸出滿足了達成條件之預測值。
藉由此，係能夠謀求到達關連於半導體處理裝置201之輸入輸出之最佳解的精確度之提昇。故而，係能夠謀求在半導體處理裝置201中之運用的效率化以及處理的最適化。
又，探索裝置300，當藉由判斷部404而判定與從預測模型所得到的預測值相對應之前述加工結果之實測值並非為接近目標值的情況時，係藉由決定部407而將預測值之存在區域內的預測值以及與預測值相對應之前述加工結果之實測值決定為除外資料，並藉由設定部405來將從探索區域而把藉由除外資料以及在得到了該除外資料的情況時所賦予至半導體處理裝置201處之目標值而特定出的除外區域去除後之剩餘區域，設定為探索區域。藉由此，係能夠將存在有並非為接近目標值之預測值與目標值之間的組合之除外區域，從最新的探索區域而去除，而能夠謀求到達最佳解的精確度之提昇。
又，探索裝置300，係藉由分割部408而將探索區域分割成複數之區域，當藉由判斷部404而判定與預測值相對應之前述加工結果之實測值為接近目標值的情況時，係藉由特定部403來將預測值設定為基準值，並從複數之分割區域之中，特定出預測值之存在區域。藉由此，係能夠容易地特定出預測值之存在區域，而能夠謀求探索速度之提昇。
又，探索裝置300，係藉由分割部408而將探索區域分割成複數之區域，並藉由產生部402，來針對各分割區域之每一者，而分別取得在將分割區域內之條件之設定值賦予至半導體處理裝置201處的情況時之加工結果之實測值，並且藉由產生部402，來基於在各分割區域中之條件之設定值和加工結果之實測值，而產生預測模型。藉由此，藉由使用複數之半導體處理裝置201，係能夠針對各分割區域之每一者而平行地取得實測值，而能夠謀求預測模型之產生速度的高速化。
又，探索裝置300，當藉由判斷部404而判定與預測值相對應之前述加工結果之實測值並非為接近目標值的情況時，係藉由決定部407而將在預測值之存在區域內所取得的資料決定為除外資料，並藉由產生部402，來基於從實測值而去除了除外資料之後之特定之實測值、以及在從設定值而將當得到了除外資料的情況時所賦予至半導體處理裝置201處之設定值去除後之特定之設定值，而產生預測模型。又，係能夠將存在有並非為接近目標值之預測值與設定值之間的組合之除外區域，從預測值之候補而去除，而能夠謀求預測模型的精確度之提昇。故而，藉由所產生的預測模型，係能夠得到更佳之預測值。
又，探索裝置300，係藉由檢測部409，來基於加工結果之實測值、和特定之輸出臨限值，來檢測出半導體處理裝置201之非安定動作，並藉由輸出部406，來將由檢測部409所致之檢測結果輸出。藉由此，係能夠促使使用者決定探索之繼續的可否。 [實施例2]
本實施例2，係除了前述實施例1之區域分割之外，更進而基於預測模型而進行驗證實驗，並探索出滿足目標之最適之解。因此，在本實施例2中，係將驗證實驗之結果(加工結果)追加至學習資料中並反覆實施預測模型之更新直到滿足目標為止，並且進而藉由將目標逐漸朝向最終目標而進行更新，而對於最適之解進行探索。關於半導體製造系統，係為與前述實施例1相同之構成，關於處理之內容，係針對與前述實施例1相異的部份進行說明。
＜輸入參數之探索例＞ 圖11，係為對於輸入參數之探索例作展示之說明圖。圖11，係與前述實施例1之圖1相同的，針對當對於在半導體處理裝置中而能夠得到滿足目標之輸出資料(輸出參數之值)的輸入資料(上述之輸入參數之值)進行探索時之對於半導體處理裝置的輸入資料和輸出資料間之組合的例子作展示。
在本實施例2中，係對於探索裝置300賦予圖中之初期資料點(圓形記號)的參數而產生預測模型，並將由預測模型所致之預測結果作為圖中之第1次預測點(三角記號)而算出。探索裝置300，係藉由半導體處理裝置201，而以第1次預測點之資料來實施驗證實驗，並將驗證實驗結果(加工結果)作為學習資料，而對於預測模型進行更新。
探索裝置300，係根據追加了前一次的驗證實驗結果後之學習資料而對於預測模型進行更新，並將由預測模型所致之預測結果作為圖中之第2次預測點(四角記號)而算出。藉由反覆進行上述之處理直到驗證實驗之結果(加工結果)滿足目標為止，係能夠對於最適之解進行探索。
在前述實施例1之圖4中所示之各功能部，在本實施例2中係設為如同下述一般之功能。特定部403，係藉由對於藉由產生部402所產生了的預測模型而賦予藉由輸入部401所輸入了的目標值，來從預測模型而取得複數之與目標值相對應之預測值。之後，特定部403，係取得在將各預測值作為設定值而賦予至了半導體處理裝置201處的情況時之各輸出之實測值。
當目標值係身為半導體處理裝置201之輸出參數之值的情況時，特定部403，係藉由對於預測模型而賦予該輸出參數之值，來作為與目標值相對應之預測值而從預測模型取得輸入參數之值。
具體而言，例如，在圖11中，當目標值係身為輸出參數之值y12的情況時，與該目標值y12相對應之預測值，係為藉由圖11之目標值y12之等高線所特定出的輸入參數X1、X2之值。故而，特定部403，係從探索區域A而特定出藉由目標值y12之等高線所特定出的輸入參數X1、X2((x11，x21)、(x12，x21)、(x13，x21)等)。
判斷部404，係與前述實施例1相同，而判斷與預測值相對應之目標值是否較藉由輸入部401所輸入了的加工結果之基準值而更接近目標值。
設定部405，當藉由判斷部404而判斷與預測值相對應之目標值係較加工結果之基準值而更接近目標值的情況時，係將預測值以及與預測值相對應之目標值設定為條件之基準值以及加工結果之基準值。
輸出部406，係與前述實施例1相同，當預測值為滿足了目標值之達成條件的情況時，係將滿足了達成條件的預測值輸出。
決定部407，當藉由判斷部404而判斷與預測值相對應之目標值係並非為較加工結果之基準值而更接近目標值的情況時，係將預測值以及與預測值相對應之目標值決定為除外資料(圖13之步驟A601，於後再述)。所謂除外資料，係為不可賦予至預測模型處之輸入參數之值。
又，於此情況，設定部405，係將把藉由決定部407所決定了的除外資料去除後之資料，設定為學習資料。藉由此，產生部402，係能夠使用並不存在有除外資料之學習資料。故而，係能夠謀求身為解之輸入參數之值的探索速度之提昇。
又，決定部407，當藉由判斷部404而判斷與預測值相對應之目標值係並非為較加工結果之基準值而更接近目標值的情況時，係亦可將預測值之周邊區域決定為除外區域(圖13之步驟A602，於後再述)。所謂除外區域，係為預測模型所不可輸出的輸入參數之值之區域。進而，係亦可將在預測值之周邊區域中所包含的已取得之資料，決定為除外資料。
又，於此情況，設定部405，係將從探索區域而把藉由決定部407所決定了的除外區域去除後之剩餘區域，設定為探索區域。藉由此，係能夠將僅會得到並非接近於目標值之加工結果的預測值之範圍除外，而將探索區域縮小。故而，係能夠謀求身為解之輸入參數之值的探索速度之提昇。
分割部408，係與前述實施例1相同，而將探索區域分割成複數之區域。
又，決定部407，當如同上述一般地，藉由判斷部404而判斷與預測值相對應之目標值係並非為較加工結果之基準值而更接近目標值的情況時，係亦可將預測值以及與預測值相對應之目標值決定為除外資料。於此情況，產生部402，係與前述實施例1之圖9相同的，亦可基於從實測值而將除外資料去除後的剩餘之實測值、和從設定值而將與剩餘之實測值相對應之設定值去除後的剩餘之設定值，來產生預測模型。藉由此，係能夠謀求身為解之輸入參數之值的探索速度之提昇。
又，決定部407，當如同上述一般地，藉由判斷部404而判斷與預測值相對應之目標值係並非為較加工結果之基準值而更接近目標值的情況時，係亦可將預測值之周邊區域決定為除外區域。於此情況，產生部402，係與前述實施例1之圖6相同的，亦可基於在從探索區域而將除外區域去除後的剩餘之探索區域內之條件之設定值和當將該設定值賦予至半導體處理裝置201處的情況時之輸出之實測值，來產生預測模型。藉由此，係能夠謀求身為解之輸入參數之值的探索速度之提昇。
檢測部409，係與前述實施例1相同，而基於半導體處理裝置201之輸出、和特定之輸出臨限值，來檢測出半導體處理裝置201之非安定動作。
＜半導體處理裝置201之控制處理程序例＞ 圖12，係為對於本實施例2中之半導體處理裝置201之控制處理程序例作展示之流程圖。圖中之步驟A501～A504，係與前述實施例1之圖5之步驟S501～S504相同。探索裝置300，係受理作為目標的從半導體處理裝置201而來之輸出值(輸出參數之目標值)、以及探索設定之輸入(步驟A501)。
接著，探索裝置300，係受理成為基礎之解的輸入以及關連於該解之資訊的輸入(步驟A502)。
接著，探索裝置300，係將在步驟A502中所輸入了的最佳解，作為最佳解OS1而作保存(步驟A503)。當並不存在解的情況時，係設定代表距離解而為最遠一事的記號或值。
接著，探索裝置300，係將基本探索區域設定為探索區域(步驟A504)。
例如，在圖11中，當作為輸入參數之種類而選擇了X1、X2之2個的輸入參數的情況時，若是將輸入參數X1之控制範圍設為[x11，x1n]，並將輸入參數X2之控制範圍設為[x21，x2n]，則圖11中所示之全部範圍的區域A係成為探索區域。
步驟A501～A504之目標設定控制器261的輸入以及設定內容，係被遞交至自主探索系統262處，藉由接下來所說明之步驟A505～A509之處理程序，自主探索或者是由工程師來下達探索實行或繼續之可否的指示之形態的半自動探索係被實行。
探索裝置300，係產生用以預測會滿足目標(目標輸出)之解(輸入參數)的預測模型(步驟A505)。具體而言，例如，探索裝置300，係使用在步驟A505中而保存在資料庫205中的資料(例如，初期資料)，來將代表半導體處理裝置201之輸入輸出資料之關係的函數作為預測模型而產生之。所謂輸入輸出資料，係為被賦予至半導體處理裝置201處的輸入參數之值(輸入資料)和從半導體處理裝置201所得到的輸出參數之值(輸出資料)之組。另外，作為對於輸入輸出資料之關係進行解析之方法，係與前述實施例1相同的，可使用類神經網路、支援向量迴歸、使用有核方法(Kernel methods)之迴歸等的可對應於多輸入多輸出之迴歸分析。又，係可使用相關分析、主成分分析、複迴歸分析等之統計解析。
在預測模型之產生中，作為輸出資料，例如，係使用有對於半導體處理裝置201之加工結果而取得間接性的計測值之感測器資料以及監測器資料。係會有輸出資料之取得頻率為較在探索設定中所規定的頻率而更低或者是較在探索設定中所規定的取得時間而更長，而導致能夠藉由探索所取得的輸出資料數量變得較在探索設定中所規定之輸出資料數量而更少的情況。於此情況，係只要與在探索設定中所規定的輸出資料之取得數量作比較並取得能夠取得更多的資料數量之感測器資料以及監測器資料即可。藉由此，係能夠針對相對於輸出資料之感測器資料以及監測器資料的關係和相對於感測器資料以及監測器資料之輸入資料的關係而進行解析。又，藉由使用此些之雙方的解析結果，係能夠求取出相對於輸出資料之輸入資料的關係。
又，在預測模型之產生中，係亦可將處理對象之一部分作為斷片而取出，並藉由將該斷片搬運至監測系統203處來取得計測結果(加工結果)，並且將作為其結果而保存在資料庫205中之資料，作為輸出結果而使用之。此時，當為了進行處理對象之斷片化以及資料之取得所需要的時間為隨機或者是會成為長時間的情況時，係只要將從半導體處理裝置201而來之輸出資料(輸出參數之值)的取得時間之上限設為充分長的時間即可。或者是，藉由並不設定輸出資料之取得時間的上限地而將結束了取得的訊號另外送訊至探索裝置300處，係能夠繼續進行處理。
接著，探索裝置300，係使用所產生了的預測模型，而對於用以得到能夠獲得目的之解或者是接近於目的之解的加工結果之參數作預測，並作為預測結果而作保存(步驟A506)。
例如，在圖11中，當作為輸入參數之種類而選擇了X1、X2之2個的輸入參數的情況時，使用作為用以作成解析模型之資料而被賦予了圖11中之初期資料(A1～A9)的情況，來針對預測結果之輸出作說明。又，此時之目標，係在於探索出輸出參數y會成為最大的輸入參數X1、X2。
探索裝置300，係使用初期資料，來將求取初期之輸入輸出關係的迴歸模型作為預測模型而產生之。如同前述一般，若是將輸入參數X1之控制範圍分割為[x11，x1n]，並將輸入參數X2之控制範圍分割為[x21，x2n]，則圖表100之區域數量，係成為n2 。在將X1、X2作16分割的情況時，區域數量係成為n2 ＝256。在圖11中，由於初期資料數量係為9點，因此，係成為取得有全部區域之約3.5%的資料。
故而，由於係並無法得知在圖表100中所示之Y之正確的分布，因此，作為從預測模型所得到的預測結果，係極為難以藉由1次的預測而探索出能夠得到最佳解y1的X1以及X2之組合(x15，x210)。又，如同前述一般，當輸入參數空間被多維向量化而成為廣大的情況時，最佳解之探索係變得更為困難。
為了藉由1次的預測而探索出最佳解，係有必要取得對於探索空間內之全部區域有所網羅的資料並進行解析，但是，如同前述一般，隨著參數數量的增加，由於參數之組合係變得龐大，因此，全部區域之探索的探索時間係變得龐大，而變得極為難以實施。
為了在避免此些之問題的同時亦以良好效率來對於解進行探索，係只要藉由(a)模型作成用資料之取得、(b)預測模型之作成、(c)預測結果之取得、(d)進行預測結果之驗證實驗，並進而進行(a’)將驗證實驗資料追加至模型作成用資料中，而反覆進行預測和驗證即可。亦即是，係只要使用圖11中之初期資料，而進行(a)～(d)，並將圖11中之第1次預測資料(＝驗證資料)作為模型作成用資料而追加至資料庫205中，並且反覆進行(b)、(c)、(d)，更進而持續反覆進行(a’)～(d)即可。
此些之(a)、(b)、(c)、(d)，係對應於圖12之A502、A505、A506、A507之各別的步驟。又，(a’)係對應於步驟A508。
具體而言，例如，探索裝置300，係將預測條件作為探索條件，來藉由自主探索，而將在各探索條件下的半導體處理裝置201之輸入輸出資料作為驗證實驗結果、亦即是作為探索結果而取得之。
具體而言，例如，探索裝置300，係針對各分割區域之每一者，而選擇滿足探索條件之輸入參數之值，並將所選擇了的輸入參數之值賦予至半導體處理裝置201處。之後，探索裝置300，係取得從半導體處理裝置201而來之輸出資料(輸出參數之值)。此輸入參數之值和與該值相對應之輸出參數之值的組合，係身為探索結果。
又，於此情況，非安定動作檢測系統263，係在自主探索實行時，將雖然半導體處理裝置201能夠繼續進行處理動作但是半導體處理裝置201之處理會成為非安定的情況檢測出來。當檢測出了非安定動作的情況時，於處理結束後，係實施用以使半導體處理裝置201回復至定常動作之序列，或是立即停止處理並實施用以使半導體處理裝置201回復至定常動作之序列，藉此繼續由目標設定控制器261所致之自主探索。
探索裝置300，係將探索結果保存在資料庫205中(步驟A508)。具體而言，例如，探索裝置300，係將身為在自主探索(步驟A507)中所使用了的輸入參數之值和使用該輸入參數之值所取得了的半導體處理裝置201之輸出參數之值的組之輸入輸出資料，作為探索結果而保存在資料庫205中。
若是步驟A506之1次所預測的點之數量為1點以上，則係能夠反覆進行上述(a)或(a’)～(d)。但是，當預測的點之數量為1點的情況時，直到到達最終性的最佳解為止，係成為1個1個地來經過根據模型所預測到的局部解，若是局部解變得越多，則探索越會長期化。
又，當相對於在驗證實驗中之1點的資料之取得所需要的時間而預測模型之作成與預測結果之輸出的合計時間為更長的情況時，若是將預測點的數量設為1點，則直到預測結果被輸出為止，半導體處理裝置201均係成為待機狀態。由於在每次反覆進行前述之(a’)～(d)時均會發生此待機時間，因此探索係會長期化。
故而，藉由預先求取出複數之預測資料點，係成為能夠在預測模型之作成以及預測結果之輸出中而進行驗證實驗，而能夠使探索更加有效率。
又，藉由將預測資料設為複數點，由於係能夠得到在對於更廣範圍之探索區域作了考慮時的最佳解，因此，係能夠在避開能夠成為最終性之最佳解的可能性為低之局部解的同時，亦以良好效率來進行探索。
在步驟A507以及A508中所取得的資料，由於係身為至今為止均未取得之新的資料，因此，藉由將本資料提供給工程師，係能夠對於工程師所進行的解析以及結果之掌握進行支援。
因此，當存在有工程師所要求的資料之更新速度、亦即是存在有應對於資料進行更新之時間寬幅的情況時，較理想，係配合於該時間寬幅來對於步驟S507之探索時間作設定。所謂工程師所要求的應對於資料進行更新之時間，例如，係為24小時、8小時、1小時、30分鐘等。
故而，係能夠配合於工程師之資料更新要求時間，來增加步驟A506之預測結果的輸出數量、亦即是增加預測資料數量。例如，當工程師要求有每1小時之資料更新，而在1次的探索中需要耗費10分鐘的情況時，較理想，係配合於此，而將預測資料點的數量設為6點。
藉由此，係能夠有效率地進行圖12之探索以及工程師之解析。在步驟A505之預測模型之作成中，係被作成有依存於在預測模型之作成中所採用的解析手法、例如依存於類神經網路、支援向量迴歸、使用有核方法(Kernel methods)之迴歸手法的預測模型。各種解析模型，係相對於輸入輸出資料之種類、該些資料所具有的分布特性、資料數量，而在各種模型中分別存在有擅長與不擅長之處，預測精確度係會有所變化。因此，在使用單一之預測引擎的情況時，係會有該預測引擎所取得的輸入輸出資料為不適當的情況，探索時間係會長期化。故而，藉由使用複數種類之預測模型(預測引擎)並求取出複數之預測資料，係能夠對應於多樣化之輸入輸出資料，並且將能夠輸出更為良好之預測結果的可能性提高。
另外，當已取得了與作為預測結果而被輸出之資料相對應的驗證實驗資料的情況時，藉由並不進行該資料之驗證實驗，係能夠將探索更加有效率化。
接著，根據所取得的資料而特定出最佳解OS2，並將所特定出的最佳解OS2保存在資料庫205中(步驟A509)。
步驟A505～A509之處理，係存在有2種的方法。其中1個，係為對於預測模型而賦予在步驟S501中所賦予了的輸出參數之目標值之方法(第1推測方法)。
在第1推測方法中，具體而言，例如，探索裝置300，係對於在步驟A505中所得到的預測模型，而代入在步驟A501中所賦予了的輸出參數之目標值，藉由此，來對於會成為滿足輸出參數之目標值的解之輸入資料(輸入參數之值)進行推測。
探索裝置300，係在步驟A507中，進行所預測了的輸入資料之驗證實驗，並將其結果所取得的輸出資料，在步驟A508處保存於資料庫205中。
在步驟A509中，探索裝置300，係根據已取得的輸出資料，而特定出能夠取得與目標值相等之輸出資料的輸入參數、和能夠取得輸出資料與目標值之間之差或乖離為較容許值(在S501中所被賦予之容許值)而更小之輸出資料的輸入參數、或者是能夠取得最為接近目標值之輸出資料的輸入參數，並將此些之輸入參數中的最為接近目標值者，決定為最佳解OS2。
在第1推測方法中，係使用可唯一性地求取出能夠得到輸出參數之目標值的輸入參數之預測模型。於此情況，預測結果係成為1個資料。
為了增加預測點之數量，係只要對於預測模型，而賦予在輸出參數之目標值的容許範圍中之上限值、下限值、目標值與上限值之中間值、在將目標值與上限值之間作了均等分割時之值、目標值與下限值之中間值、在將目標值與下限值之間作了均等分割時之值即可。進而，如同前述一般，藉由使用複數之預測模型，係能夠將預測點之數量增加。
於上述之例的情況時，係使用圖11中之初期資料而作成預測模型，並作為目標值而對於預測模型賦予y1，來進行預測，當在驗證實驗中所取得了的輸出資料為與預測模型所展示的圖11相同的情況時，在作為第1次預測點之輸出資料而取得了(x16，x211(圖11之資料(I)))的情況時，能夠得到至今為止所取得了的輸出資料中之成為最佳者的y5之輸入參數(x16，x211)，係成為最佳解OS2。
另外1個的步驟A505～A509之處理，係為當無法藉由對於預測模型而代入在步驟A501中所賦予了的輸出參數之目標值來直接求取出會成為滿足輸出參數之目標值的解之輸入參數的情況時，所能夠適用的方法(第2推測方法)。
此係為將一次所對於預測模型賦予的輸入參數作為1組，並對於預測模型而賦予多數的輸入參數之組，而對於推測輸出參數作計算，並取得能夠得到最為接近目標輸出之加工結果的輸入參數之組之方法。在作成了預測模型之後，例如，如同圖11中所示一般，將圖表100之探索區域分割成A1～A9等，並針對各分割區域之每一者，而分別作成1個以上的被包含在各分割區域中之輸入參數之組，並將此賦予至預測模型處，藉由此，係能夠對於此時之輸出參數作計算。作為得到各分割區域之每一者的代表性之推測輸出之方法，係可使用作為被包含在分割區域中之輸入參數之組而使用會成為分割區域內的中心座標之值的方法。
在將極為多數的輸入參數之組賦予至預測模型處並對於推測輸出進行計算的情況中，當計算時間會成為龐大的情況時，如同使用上述之式(1.1)～式(1.3)所述一般，係能夠藉由決定賦予至預測模型處之輸入參數的中心條件，並對於能夠從該中心條件起而變更的輸入參數之種類作限制，來對於計算時間作抑制。又，藉由對於從中心條件起而能夠一次作變更的輸入參數之數量作限定，係能夠對於計算時間作抑制。藉由此，係能夠在對於賦予至預測模型處之輸入參數之組的數量作削減的同時，亦得到能夠得到更為接近於目標輸出的加工結果之輸入參數。在設定中心條件時，係能夠利用過去之探索結果或者是工程師的知識。或者是，係可將全部探索區域之中心座標作為中心條件。
在第2推測方法中，具體而言，探索裝置300，係對於在步驟A506中所得到的預測模型，而代入輸入參數之組之值，藉由此，來取得會成為預測值之輸出參數之值。例如，若是使用圖11之初期資料而作成預測模型，並作為對於預測模型的輸入參數之值，而賦予(x11，x21)、(x11，x22)、(x11，x23)、(x12，x21)、(x12，x22)、(x12，x23)、(x13，x21)、(x13，x22)、(x13，x23)、(x1n，x21)、(x1n，x22)、(x1n，x23)，則係能夠得到對應於各輸入參數之推測輸出參數。
從此些之推測輸出參數之中，而特定出能夠取得推測輸出資料與目標值之間之差或乖離為較容許值(在S501中所被賦予之容許值)而更小之輸出資料的輸入參數、或者是能夠取得最為接近目標值之推測輸出資料的輸入參數，並將此些之推測輸出資料以及輸入參數，作為預測結果而作保存。
圖11之第1次預測點，係為當使用初期資料而作成預測模型，並將目標值設為y1，並且將y6以上設為容許值時的預測結果之例。在此例中，由於係根據非常少的數量之初期資料來進行預測，因此，被預測為會成為y6以上之值的各點，係與圖11中所示之實際的輸出值相異。
接著，係取得第1次預測點之實際的資料。之後，使用初期資料以及第1次預測點之輸出資料，預測模型係被作更新。由被更新後的預測模型所致之預測結果之例，係為圖11中之第2次預測點。在第1次預測結果之輸出資料中所包含的最佳解，係能夠得到輸出y5(x16，x211)。相對於此，藉由在初期資料中追加第1次預測以及預測點之驗證實驗資料(輸出資料)，在第2次預測以及預測點之驗證實驗資料中，係得到有身為更為接近目標之y1的輸出結果之(x14，x210(圖11之資料(II)))。
藉由反覆進行上述處理，係能夠得到滿足身為目標值之輸出y1的輸入參數。又，藉由對於直到得到成為目標之結果為止所需要的資料數量作抑制，係能夠有效率地進行探索。
而，在步驟A509中，探索裝置300，例如，係將得到了成為與輸出資料之目標值最為接近的輸出參數之值的輸入參數之值，決定為最佳解OS2。另外，關於要適用第1推測方法以及第2推測方法中之何者之方法一事，係預先被作設定。
探索裝置300，係判斷最佳解OS2之值是否身為能夠得到較最佳解OS1之值而更為接近目標的輸出參數之解(步驟A510)。而，當最佳解OS2之值係身為能夠得到較最佳解OS1之值而更為接近目標的輸出參數之解的情況時(步驟A510：Yes)，係移行至步驟A511，當並非如此的情況時(步驟A510：No)，係移行至步驟A601(圖13)。
探索裝置300，係判斷最佳解OS2之值是否身為能夠得到較最佳解OS1之值而更為接近目標的輸出參數之解(步驟A510)。而，當最佳解OS2之值係身為能夠得到較最佳解OS1之值而更為接近目標的輸出參數之解的情況時(步驟A510：Yes)，係移行至步驟A511，當並非如此的情況時(步驟A510：No)，係移行至步驟A601(圖13)。
在步驟A510：Yes的情況時，探索裝置300，係藉由將最佳解OS2設定為最佳解OS1，來對於最佳解OS1作更新(步驟A511)。
之後，探索裝置300，係判斷現在的目標是否被達成(步驟A510)。當現在的目標被達成的情況時(步驟A512：Yes)，探索裝置300，係移行至步驟A513，並判斷最終的目標是否被達成。另一方面，當現在的目標並未被達成的情況時(步驟A512：No)，係移行至步驟A505處。
之後，探索裝置300，係判斷最終的目標是否被達成(步驟A513)。當最終的目標被達成的情況時(步驟A513：Yes)，探索裝置300，係結束控制處理。另一方面，當目標並未被達成的情況時(步驟A513：No)，係移行至步驟A514處。並進行目標之更新。
在步驟A512中，具體而言，例如，當對應於更新後之最佳解OS1的輸出參數係為與現在的目標值相等或者是與現在的目標值之間之差為落於容許範圍內的情況時，探索裝置300，係判斷為達成了現在的目標(步驟A512：Yes)。又，就算是對應於更新後之最佳解OS1的輸出參數並非為與現在的目標值相等或者是與現在的目標值之間之差並非為容許範圍內，當經過了在步驟A501處所設定的探索時間的情況時，係判斷為達成了目標(步驟A512：Yes)。另一方面，當對應於更新後之最佳解OS1的輸出參數並非為與現在的目標值相等或者是與現在的目標值之間之差並非為容許範圍內，並且尚未經過在步驟A501處所設定的探索時間的情況時，係判斷為目標未達成(步驟A512：No)。
在步驟A513中，具體而言，例如，當對應於更新後之最佳解OS1的輸出參數係為與最終的目標值相等或者是與最終的目標值之間之差為落於容許範圍內的情況時，探索裝置300，係判斷為達成了最終的目標(步驟A513：Yes)。又，就算是對應於更新後之最佳解OS1的輸出參數並非為與最終的目標值相等或者是與最終的目標值之間之差並非為容許範圍內，當經過了在步驟A501處所設定的探索時間的情況時，係判斷為達成了目標(步驟A513：Yes)。另一方面，當對應於更新後之最佳解OS1的輸出參數並非為與最終的目標值相等或者是與最終的目標值之間之差並非為容許範圍內，並且尚未經過在步驟A501處所設定的探索時間的情況時，係判斷為目標未達成(步驟A513：No)。
在步驟A514中，係進行探索結果與目標值之間之差或者是乖離之容許值的更新。在進行A505～A512之處理時，在從最初起便賦予最終性之目標的情況時、或者是在作為探索結果與目標值之間之差或者是乖離之容許值而賦予了非常小的值的情況時，獲得更佳之最佳解OS2的難易度係上升，而有著無法發現解的可能性。為了避免此狀況，在探索之初期階段中，係能夠作為現在的目標而賦予與最終目標相異之其他目標。當該現在的目標被達成，並且並未滿足最終目標的情況時(步驟A513：No)，在步驟A514處，藉由使目標值階段性地接近最終目標值，係可提高能夠發現達成最終性的目標之解的可能性。
又，當作為現在的目標，來作為探索結果與目標值之間之差或者是乖離之容許值而賦予大的值，而且該現在的目標係被達成，並且並未滿足最終目標的情況時(步驟A513：No)，藉由使目標值階段性地接近最終目標值，係可提高能夠發現達成最終性的目標之解的可能性。
作為從初期目標起而至最終目標的階段性之更新方法，係只要準備複數之成為初期目標與最終目標之間之值的目標值，並作為最初之現在的目標，而賦予初期目標，並且在每次現在的目標被達成時，將朝向最終目標而接近的目標值作為現在的目標值而進行更新即可。或者是，係亦可作為最初之現在的目標，而賦予初期目標，並準備以一定之比例來逐漸接近最終目標的複數之目標值，而使用之。
另外，在上述資料中，雖係針對已取得初期資料的情況來作了說明，但是，當並不存在有初期資料的情況時，係可使用前述實施例1之區域分割方法，來取得初期資料。或者是，係亦可使用實驗計劃法，來決定初期資料取得用之條件，並取得初期資料。所謂區域分割方法，係為包含有設定基本探索區域並對於探索區域進行分割並且針對各分割區域之每一者而實施自主探索的各步驟之在前述實施例1之圖5中的步驟S501～步驟S507之處理方法。
圖13，係為對於半導體處理裝置201之控制處理程序例作展示之流程圖。探索裝置300，當圖12之步驟A510之判斷結果為No的情況時，係移行至圖13之A601。在步驟A601處，係針對直到步驟A505為止所得到的資料，而將直到最佳解OS1、或者是直到最佳解OS1被更新為止所得到的資料，決定為除外資料。
最佳解OS1之更新，具體而言，例如，係指將在直到得到了圖11之第1次預測資料點為止的時間點處之OS1，藉由第2次預測資料點之資料取得來設定為新的最佳解OS1的處理。在此例的情況中，直到最佳解OS1被更新為止所得到的資料，係為第2次預測資料點，在步驟A601中，係被決定為除外資料。
另外，以下，針對將最佳解OS1作為除外資料之對象的情況作說明。在步驟A601中，具體而言，例如，探索裝置300，係將最佳解OS1之輸入資料(輸入參數之值)以及輸出資料(輸出參數)，決定為除外資料。除外資料，係為存在有在今後之處理中而被除外的可能性之資料。
接著，探索裝置300，係將在步驟A601處所決定的除外資料之周邊區域，決定為除外區域(步驟A602)。除外區域，係為存在有在今後之處理中而被除外的可能性之區域。
以下，與在步驟A601中之說明相同的，針對將最佳解OS1作為除外資料之對象的情況作說明。
作為除外資料之周邊區域之決定方法，係可使用從最佳解OS1之各參數而以特定之比例來作了變化之值。亦即是，例如，若是將作變化之比例設為1%，則只要設為最佳解OS1之各參數±1%即可，又，若是設為±5%，則只要設為最佳解OS1之各參數±5%即可。又，亦可針對最佳解OS之各參數的每一者，而分別對於此比例作設定。又，作為比例之設定方法，係亦可使用相對於各參數所能夠成為之值的範圍之比例。亦即是，若是最佳解OS1之參數A的能夠成為之範圍為0～200，並將作變化的比例設為3%，則當最佳解OS1之參數A之值為150的情況時，150±6係成為最佳解OS1之參數A的除外區域。
探索裝置300，在步驟A602之後，係判斷是否要將在步驟A601處所決定了的除外資料去除(步驟A603)。當去除的情況時(步驟A603：Yes)，係移行至步驟A604處，當並不去除的情況時(步驟A603：No)，係移行至步驟A605處。
在步驟A603處，具體而言，例如，探索裝置300，係根據從使用者而來的去除指示輸入之有無，來判斷是否要將除外資料去除。又，探索裝置300，係亦可強制性地將除外資料去除(步驟A603：Yes)。
探索裝置300，在步驟A603之後，探索裝置300，係判斷是否要將在步驟A602處所決定了的除外區域中之資料去除(步驟A604)。在對於去除的情況時(步驟A604：Yes)、並不去除的情況時(步驟A604：No)作了決定之後，係移行至步驟A605處。
在步驟A604處，具體而言，例如，探索裝置300，係根據從使用者而來的去除指示輸入之有無，來判斷是否要將除外區域內之資料去除。又，探索裝置300，係亦可強制性地將除外區域內之資料去除(步驟S803：Yes)。
探索裝置300，當在步驟A603中將除外區域之解從解中去除而並不進行解析的情況時(步驟A603：No)，係移行至步驟A605處，並在步驟A605處，將除外區域中之資料去除，之後，移行至步驟A505處。
又，在步驟A601中，係亦可採用使用有前實施例1之圖6、圖7以及圖8之區域分割方法的除外資料以及除外區域之指定方法。前述實施例1之圖5～圖8的流程圖內之「A」、「B」、「C」、「D」，「A」係對應於步驟A601：No，「B」以及「C」係對應於步驟A604以及步驟A605～步驟A505，「D」係對應於步驟A511～步驟A512之各流程。
在本控制處理中，當資料之解析、保存、傳輸等的規模變大而使其之實行時間成為較對於1個條件進行探索之時間而更長的情況時，係能夠與該些之實行平行地而繼續進行探索。此時，係使在探索條件中所變更的輸入參數數量、同時進行變更的輸入參數數量、探索區域之分割數量中的1者以上作增加。藉由此，來使探索條件數量增加，藉由對此條件進行探索，係能夠對於實行解析等的時間作利用並使探索結果增加。特別是，在資料之解析中所需要的時間，係存在有數分鐘～數小時以上的情況，藉由在該解析中繼續進行探索，係能夠使探索速度提昇。
＜半導體處理裝置201之控制處理之適用例1＞ 接著，針對在半導體裝置的量產前之半導體處理裝置201之維修中而用以對於半導體處理裝置201之裝置差異進行修正的控制處理之適用例作展示。於此，作為對於機體差異作抑制之處理程序作說明之例，將半導體處理裝置201設為進行放電處理之蝕刻裝置。又，於此，係將實行放電處理時之輸入參數，稱作配方。在進行放電處理之蝕刻裝置中，作為成為修正對象之輸出，係可列舉出處理結果或者是在處理中所使用的放電之特性。作為修正之方法，係存在有以能夠得到與成為基準的蝕刻裝置同一之輸出的方式來對於其他的蝕刻裝置進行修正之方法、或者是以使複數之蝕刻裝置之輸出成為均一的方式來進行修正之方法。
關於機體差異抑制方法，係與前述實施例1之圖9相同，探索裝置300，係開始維修後放電資料之取得。
首先，探索裝置300，係使用用以進行基本性的放電處理之配方，來進行基準配方放電，並取得此時之輸入輸出資料。又，係進行由在量產中所使用之配方所致之放電，並取得此時之輸出資料(輸出參數之值)(圖9之步驟S901)。步驟S901，係為對應於步驟A501～A504之處理。
在基準配方放電中，係能夠與前述實施例1之圖9相同的，使用區域分割方法來設定配方，並取得此時之輸入輸出資料。或者是，係可使用實驗計劃法來設定配方，並取得此時之輸入輸出資料。
接著，探索裝置300，係對於裝置差異修正配方之候補進行預測(圖9之步驟S902)。步驟S902，係為對應於本實施例2之步驟A505～A506之處理。
之後，探索裝置300，係使用在步驟S902處所預測的裝置差異修正配方，而實行兼作為驗證實驗之裝置差異修正(圖9之步驟S903)。步驟S903，係為對應於步驟A507～A511、圖13之處理的處理。當並未達成修正目標的情況時(步驟S904：No)，係回到步驟S902，當達成了修正目標的情況時(步驟S904：Yes)，係結束處理。步驟S904，係為對應於步驟A512以及A513之處理。
另外，係亦可藉由使用複數之同一的蝕刻裝置來平行地進行探索，而使探索速度提昇。此時，藉由使用經由圖9之處理程序來使裝置差異被作了修正的複數之蝕刻裝置，係能夠將可探索到滿足目標之解的可能性提高。進而，係成為能夠將所探索到的解展開於該些之複數之裝置上並進行修正。
如此這般，藉由在半導體處理裝置201之維修後實行由探索裝置300所致之探索方法，係能夠使半導體處理裝置201之輸出參數之值朝向成為基準的輸出參數之值而接近(自動機體差異修正功能)。
＜半導體處理裝置201之控制處理之適用例2＞ 接著，在半導體裝置的量產處理中，用以對於歷時變化進行修正的控制處理，係與前述實施例1之圖10相同。
在本實施例2中，係與前述實施例1之圖9相同的，作為對於對歷時變化作修正之處理程序作說明之例，將半導體處理裝置201設為在處理中使用放電的蝕刻裝置。在量產前放電資料取得中，為了進行量產中之歷時變化之修正，探索裝置300，首先係對於蝕刻裝置賦予用以進行基本性的放電處理之基準配方，來進行基準配方放電，並取得此時之輸出資料(輸出參數之值)(步驟S1011)。步驟S1011，係為對應於步驟A501～A504之處理。
在基準配方放電中，係能夠使用前述實施例1之區域分割方法來設定配方，並取得此時之輸入輸出資料。或者是，係可使用實驗計劃法來設定配方，並取得此時之輸入輸出資料。
接著，探索裝置300，係對於裝置差異修正候補配方進行預測(步驟S1012)。在步驟S1012中，係藉由過去之量產時的輸入輸出資料之解析結果，來使用能夠對於修正對象之歷時變化作預測的輸出資料或感測器資料以及監測器資料。之後，探索裝置300，係在量產開始前之蝕刻裝置中，實行用以使此些之能夠對於歷時變化作預測的資料一直變動至歷時變化後之值的裝置差異修正候補配方之預測。步驟S1012，係為對應於步驟A505～A506之處理。
之後，探索裝置300，係使用在步驟S1012處所預測的裝置差異修正配方，而實行兼作為驗證實驗之裝置差異修正(步驟S1013)。
在步驟S1013中，探索裝置300，係將在並未發生歷時變化的狀態下所使用的基本之量產用配方與藉由步驟S1012所探索到的裝置差異修正候補配方作比較，並使在裝置差異修正候補配方中而被作了變更的參數成為明瞭。藉由此，在量產前的階段中，係成為能夠產生對於修正對象之輸入參數與輸出參數之間之關係作說明的函數，又，係能夠根據該關係來產生成為修正候補之配方。步驟S1013，係為對應於步驟A507～A511、圖13之處理的處理。之後，量產處理係開始。
在步驟S1013之後，若是半導體裝置之量產處理被開始，則晶圓係被導入至處理室中(步驟S1021)，蝕刻裝置係對於晶圓進行蝕刻(步驟S1022)。蝕刻(步驟S1022)，係由1個步驟或複數步驟所構成。當蝕刻(步驟S1022)為複數步驟的情況時，各步驟之蝕刻，係對於放電條件作變更而被實行。在蝕刻(步驟S1022)的結束後，晶圓係被搬出至處理室外(步驟S1023)。之後，為了將在蝕刻中所產生並堆積於處理室表面上的反應性生成物除去，係實行電漿清淨(步驟S1024)。若是存在有下一個晶圓(步驟S1025：Yes)，則係回到步驟S1021，若是並不存在有下一個晶圓(步驟S1025：No)，則係移行至量産後放電資料取得步驟。
量產中之蝕刻裝置的輸入輸出資料，係被保存於資料庫205中，探索裝置300，係平行地對於輸入輸出資料而即時性地持續進行解析。藉由此，係能夠在量產中而繼續進行能夠對於修正對象之歷時變化作預測的輸出資料或者是感測器資料以及監測器資料的推測。又，探索裝置300，係藉由將實行同一之量產處理的複數之蝕刻裝置之輸入輸出資料作集中，而能夠使資料數量增加。
當在量產後或者是在從量產開始起而經過了所指定的時間後時而取得了放電資料的情況時，探索裝置300，係實行對於歷時變化進行修正的配方之候補之預測(步驟S1031)。具體而言，例如，探索裝置300，係將在步驟S1011、S1012中所取得的資料、被作了解析的輸入輸出資料之關係、以及修正候補配方，作為步驟S502之輸入來使用，並對於歷時變化修正配方之候補進行預測。步驟S1031，係為對應於步驟A505～A506之處理。
之後，探索裝置300，係使用在步驟S1031處所預測的歷時修正配方，而實行兼作為驗證實驗之修正，亦即是進行修正結果之驗證(步驟S1032)。步驟S1032，係為對應於步驟A507～A511、圖13之處理的處理。
又，在步驟S1031、S1032之實行前，探索裝置300，係亦可對於在半導體裝置之量產中所取得的輸出資料進行解析，並推測出能夠對於修正對象之歷時變化作預測的輸出資料或感測器資料以及監測器資料，並且實行步驟S1012。藉由此，係能夠產生對於修正對象之輸入參數與輸出參數之間之關係作說明的函數，又，係能夠根據該關係來產生成為修正候補之配方。藉由將此些之結果使用在步驟S502中，探索裝置300，係能夠實行步驟S1031、S1032。
進而，作為在上述處理中之步驟A502之輸入，係亦可使用工程師的知識、使用對於在修正中而被頻繁地使用的輸入參數作了變更之配方、以及使用在使用該配方而進行了放電時的輸入輸出資料及其解析結果。
而，當並未達成修正目標的情況時(步驟S1033：No)，係回到步驟S1031，當達成了修正目標的情況時(步驟S1033：Yes)，係結束處理。步驟S1033，係為對應於步驟A512以及A513之處理。在實行圖10中所示之探索時，係亦可藉由使用複數之實施了同一之量產處理的量產後之蝕刻裝置來平行地進行探索，而使探索速度提昇。進而，所探索到的解(輸入參數)，係能夠展開於實行同一之量產處理的複數之蝕刻裝置上並實行修正。
如此這般，藉由在半導體之量產後實行由探索裝置300所致之探索方法，係能夠對於量產中之半導體處理裝置201之輸出參數之值的歷時變化作修正(自動歷時變化修正功能)。
＜半導體處理裝置201之控制處理之適用例3＞ 接著，針對在半導體裝置的處理中，用以將加工形狀最適化的控制處理之適用例作展示。
圖14，係為對於加工形狀之最適化方法的概要作展示之流程圖。在圖14中，係與圖10相同的，將半導體處理裝置201之例，設為在處理中使用放電的蝕刻裝置。
又，作為在加工形狀之最適化中的輸入輸出資料之例，係將裝置之輸入資料設為配方，並將輸出資料設為加工形狀資料，來進行說明。
首先，探索裝置300，係使用能夠對於加工對象膜進行蝕刻之基本性的配方，來進行蝕刻，並將此時之輸入輸出資料作為初期資料而取得之(步驟A901)。步驟A901，係為對應於圖12中所示之步驟A501～A504之處理。
在上述之初期資料之取得中，係能夠使用與前述實施例1相同之區域分割方法來設定配方，並取得在使用該配方來進行了蝕刻時之輸入輸出資料。或者是，係可使用實驗計劃法來設定配方，並取得在使用該配方來進行了蝕刻時之輸入輸出資料。
接著，係對於探索裝置300而賦予有成為目標之加工形狀(步驟A902)。之後，探索裝置300，係對於加工形狀最適化配方之候補進行預測(步驟A903)。
步驟A902，係為對應於步驟A502之處理，步驟A903，係為對應於步驟A505～A506之處理。
之後，探索裝置300，係使用在步驟A903處所預測的加工形狀最適化配方，而實行驗證實驗，並將驗證實驗結果A9030作輸出(步驟A904)。之後，係判定驗證實驗結果是否滿足了目標值(步驟A905)。
步驟A904以及A905，係為對應於步驟A507～A511、圖13之處理的處理。當並未達成目標的情況時(步驟S905：No)，係將藉由驗證實驗所取得的資料(驗證實驗結果A9030)追加至資料庫中，藉由此，來對於資料作更新(步驟A906)，並回到步驟A903。
當達成了修正目標的情況時(步驟A905：Yes)，係結束處理。步驟A905，係為對應於步驟A512以及A513之處理。
對於在步驟A901中所使用的初期資料，係可輸入圖15中所示之複數之配方和在使用該些之各配方而進行了蝕刻時的加工形狀資料。藉由使用包含有多樣性的蝕刻形狀之初期資料，在進行使用有預測模型的解之預測時，係成為能夠針對在配方參數空間內之何者的區域中而存在有實現目標形狀之配方參數一事來以良好的效率進行預測。
在初期資料A9010中，係如同圖15中所示一般，展示有錐狀形狀(條件1)、圓弧形狀(條件2、4)、逆錐狀形狀(條件3)、底切(undercut)形狀(條件1、2、4、5、N)，作為其他形狀，係存在有蝕刻完全未進展的蝕刻擋止形狀、弓形狀(弓型形狀)、遮罩被作蝕刻之形狀等。例如，當初期資料中之形狀僅有1種的情況時，在根據該資料所求取出的預測模型中，係難以對於滿足其他形狀之解作預測。因此，較理想，係初期資料中包含有此些形狀中之至少2種以上、更理想為3種以上。
另外，圖15，係為對於初期資料A9010之其中一例作展示之圖。初期資料A9010，係藉由與條件1～N相對應之加工結果1～N之對所構成，加工結果1～N，係代表加工對象的剖面形狀之例。
作為在步驟A902中所使用的目標資料，例如，係被賦予有如同圖16中所示之目標資料A9020一般的垂直加工形狀。另外，圖16，係為對於目標資料A9020之其中一例作展示之圖。對於目標資料A9020為藉由加工前之加工對象的剖面形狀和目標的剖面形狀所構成之例作展示。
步驟A903的驗證實驗結果之例，係如同在圖17中所示之驗證實驗結果A9030所示一般，於此情況，係得到有相較於在初期資料中所包含之形狀而更為接近目標形狀的輸出(加工形狀)，此係對應於步驟A510：Yes。另外，圖17，係為對於驗證實驗結果A9030之其中一例作展示之圖。驗證實驗結果A9030，係藉由與驗證條件a～e相對應之驗證結果a～e之對所構成，驗證結果a～e，係代表加工對象的剖面形狀之例。
另外，係亦可藉由使用複數之同一的蝕刻裝置來平行地進行探索，而使探索速度提昇。此時，藉由使用經由與前述實施例1之圖10相同的處理程序來使裝置差異被作了修正的複數之蝕刻裝置，係能夠將可探索到滿足目標之解的可能性提高。進而，係成為能夠將所探索到的解展開於該些之複數之裝置上並對於能夠得到最適當的加工形狀之配方進行探索。
圖18、圖19，係為使用電子顯微鏡而取得了加工後的剖面形狀之例，圖18係為溝或者是孔加工之剖面形狀，圖19係為線或者是柱(pillar形狀)加工的剖面形狀。作為初期資料，係可直接使用剖面之畫像。又，如同在圖18、圖19中所示一般，係可將(1)遮罩頂部寬幅、(2)遮罩底部寬幅、(3)遮罩厚度、(4)加工部頂部寬幅、(5)加工部中央部之寬幅、(6)加工底之寬幅、(7)加工部最大寬幅、(8)加工深度、(9)微小溝之寬幅、(10)底切寬幅、(11)底切深度、(12)表面粗度、(13)遮罩消耗、(14)基底層貫穿深度、(15)缺口寬幅、(16)缺口高度等之計測值，作為加工形狀資料來使用之。又，各值，雖係以能夠取得更加正確之值為理想，但是，係可使用大/中/小、○/△/×、或者是將此些以0/1/2等之作了離散化的數值來作表現之值，並使用此些資料。
如此這般，藉由在半導體處理裝置201之維修後實行由探索裝置300所致之探索方法，係能夠使半導體處理裝置201之輸出參數之值朝向作為目標的輸出參數之值而接近(裝置輸出最適化功能)。
圖20以及圖21，係為探索裝置300之身為使用者介面的GUI之例。
圖20，係為用以對於解析對象之初期資料進行指定的初期設定畫面110。在初期設定畫面110中，首先係以檔案名稱而輸入有輸入資料(裝置輸入資料)111、和輸出資料112、以及目標資料(目標值)113。作為解析對象之初期資料，雖然亦能夠指定將輸入輸出資料作了統整的檔案，但是，此時，係有必要對於檔案內部而記載對於輸入參數和輸出參數作判別的識別符。
在進行了上述之資料指定之後，藉由點擊實行鍵114，各資料係被讀入，並被保存在資料庫205中。又，在初期設定畫面110中，係亦可顯示代表檔案保存之進展的指示器、進展程度、直到結束保存為止的時間、從開始保存起之經過時間。
在圖20之實行鍵114被作了點擊之後，係移行至圖21之用以進行探索條件之設定以及探索之實行的探索畫面120。在探索畫面120中，首先係以檔案名稱而輸入有探索設定121。又，係能夠以檔案名稱來輸入藉由驗證實驗所取得的輸入資料122和輸出資料123。
在探索畫面120中，係亦可顯示在成為學習對象之資料中所包含的學習資料數量124、學習循環數量125、輸入參數數量126、輸出參數數量127。學習循環數量125，係為對於預測模型產生用之學習資料之組而進行了取得的次數，在每次進行驗證實驗並將其結果所取得的輸入資料122和輸出資料123作為追加學習資料而追加至資料庫205中時，係被作1的加算。
若是探索設定條件被指定，則在區域128中係顯示有中心條件之候補，而能夠從被作了顯示的中心條件中，選擇要作為中心條件而採用何者。藉由對於中心條件作選擇並對於探索(預測)鍵129作點擊，預測係開始，在預測中或者是預測結束後，預測結果係被顯示在區域130處。
在探索畫面120中，係亦可顯示預測之進展程度、從開始預測起之經過時間、繼續進行預測之剩餘時間、以及完成了預測之解的候補之數量。又，係亦可顯示直到結束預測為止的推測時間。
在探索畫面120中，作為預測結果，係將所預測到的輸入與輸出之其中一者或者是雙方作顯示，而能夠對於驗證實驗之候補作選擇。藉由對於驗證實驗作選擇並對於驗證實驗鍵131作點擊，驗證實驗係開始。在探索畫面120中，係亦可顯示驗證實驗之進展程度、從開始驗證實驗起之經過時間、以及繼續進行驗證實驗之剩餘時間。
又，係亦可顯示於上述操作中所選擇了的驗證實驗之數量、已結束的驗證實驗之數量和剩餘之數量、以及直到驗證實驗結束為止的推測時間。在驗證實驗結束之後，藉由將驗證實驗結果追加至前述之追加學習資料中，來反覆進行預測以及驗證實驗，藉由此，學習循環係進行，探索係被繼續。
中心條件之候補以及驗證實驗之候補的選擇、還有預測以及驗證實驗之開始，係可由工程師來下達指示。或者是，藉由在探索設定輸入中，預先對於中心條件之候補以及驗證實驗之候補的選擇手法作指定，係可自動性地對於候補作選擇。又，當輸出資料為能夠使用感測器或監測器而自動取得的情況時，係能夠自動開始預測以及驗證實驗。
圖22，係為在以自動來進行中心條件之候補以及驗證實驗之候補的選擇還有預測以及驗證實驗之開始的情況時之探索畫面140，在進行了探索設定輸入141之後，藉由對於自主探索鍵142作點擊，探索係自動性地被繼續。
如此這般，探索裝置300，係對於半導體處理裝置201之輸入參數之值以及輸出參數之值自動進行解析，並在對於該解析結果作了考慮之後，自動性地決定用以對於輸入參數之值進行探索之實驗條件。之後，探索裝置300，係藉由自動地進行該實驗結果之檢證，並反覆進行此些之自動動作，而能夠自動性地探索能夠得到作為目標之裝置狀態以及處理結果(輸出參數之值)的輸入參數之值。藉由此，半導體處理裝置201自身係能夠自動性地導出裝置性能，並且係能夠對於用以導出裝置性能之控制模型的開發以及進行裝置參數(輸入參數和輸出參數之組合)之選擇的工程師有所支援。
如同以上所說明一般，本實施例之探索裝置300，係具備有：輸入部401，係受理代表被設定於對於半導體進行處理的半導體處理裝置201處之條件或者是藉由半導體處理裝置201而使半導體被作了處理後的結果之目標值、和在藉由條件與加工結果間之範圍所規定的探索區域內之條件或者是加工結果中之目標值所代表的基準值，此些之輸入；和產生部402，係基於探索區域內之條件之設定值、和在將該設定值賦予至半導體處理裝置201處的情況時之加工結果之實測值，來產生代表條件與加工結果之間之關係的預測模型；和特定部403，係藉由對於經由產生部402所產生的預測模型而賦予藉由輸入部401所被輸入的目標值，來從預測模型而取得預測值；和判斷部404，係判斷預測值是否較藉由輸入部所輸入了的基準值而更接近目標值；和設定部405，係當藉由判斷部404而判斷與預測值相對應之目標值為更接近目標值的情況時，將預測值設定為基準值，並將藉由特定部所特定出來的預測值之存在區域設定為探索區域；和輸出部406，係當預測值滿足了目標值之達成條件的情況時，輸出滿足了達成條件之預測值。
藉由此，係能夠謀求到達關連於半導體處理裝置201之輸入輸出之最佳解的精確度之提昇。故而，係能夠謀求在半導體處理裝置201中之運用的效率化以及處理的最適化。
又，探索裝置300，當藉由判斷部404而判定與從預測模型所得到的預測值相對應之目標值並非為接近目標值的情況時，係藉由決定部407而將預測值以及作為與預測值相對應之輸出資料所取得了的資料，決定為除外資料，並藉由設定部405來將從探索區域而把除外資料以及在得到了該除外資料的情況時所設定的除外區域去除後之剩餘區域，設定為探索區域。藉由此，係能夠將存在有並非為接近目標值之預測值與目標值之間的組合之除外區域，從最新的探索區域而去除，而能夠謀求到達最佳解的精確度之提昇。
又，探索裝置300，係藉由分割部408而將探索區域分割成複數之區域，當藉由判斷部404而判定預測值為接近目標值的情況時，係藉由特定部403來將預測值設定為基準值，並從複數之分割區域之中，特定出預測值之存在區域。藉由此，係能夠容易地特定出預測值之存在區域，而能夠謀求探索速度之提昇。
又，探索裝置300，係藉由分割部408而將探索區域分割成複數之區域，並藉由產生部402，來針對各分割區域之每一者，而分別取得在將分割區域內之條件之設定值賦予至半導體處理裝置201處的情況時之加工結果之實測值，並且藉由產生部402，來基於在各分割區域中之條件之設定值和加工結果之實測值，而產生預測模型。藉由此，藉由使用複數之半導體處理裝置201，係能夠針對各分割區域之每一者而平行地取得實測值，而能夠謀求預測模型之產生速度的高速化。
又，探索裝置300，當藉由判斷部404而判定與預測值相對應之目標值並非為接近目標值的情況時，係藉由決定部407而將預測值以及作為與預測值相對應之輸出資料而取得了的資料決定為除外資料，並藉由產生部402，來基於從實測值而去除了除外資料之後之特定之實測值、以及在從設定值而將當得到了除外資料的情況時所賦予至半導體處理裝置201處之設定值去除後之特定之設定值，而產生預測模型。又，係能夠將存在有並非為接近目標值之預測值與設定值之間的組合之除外區域，從預測值之候補而去除，而能夠謀求預測模型的精確度之提昇。故而，藉由所產生的預測模型，係能夠得到更佳之預測值。
又，探索裝置300，係藉由檢測部409，來基於加工結果之實測值、和特定之輸出臨限值，來檢測出半導體處理裝置201之非安定動作，並藉由輸出部406，來將由檢測部409所致之檢測結果輸出。藉由此，係能夠促使使用者決定探索之繼續的可否。
另外，本發明係並不被限定於前述之實施例，而亦包含有在所添附之申請專利範圍的要旨內之各種的變形例以及同等之構成。例如，前述之實施例，係為為了對於本發明作易於理解之說明，而詳細地作了說明者，本發明係並不被限定於絕對需要具備有前述所說明了的所有之構成者。又，亦可將某一實施例之構成的一部分置換為其他實施例之構成。又，亦可在某一實施例之構成中追加其他實施例之構成。又，係亦可針對各實施例之構成的一部分，而進行其他之構成的追加、削除或置換。
又，前述之各構成、功能、處理部、處理手段等，係亦可將該些之一部分或全部，例如藉由以積體電路來進行設計等，而藉由硬體來實現之，亦可藉由使處理器對於實現各者之功能的程式進行解釋並實行，而藉由軟體來實現之。
實行各功能之程式、表、檔案等的資訊，係可儲存在記憶體、硬碟、SSD(Solid State Drive)等之記憶裝置、或者是IC(Integrated Circuit)卡、SD卡、DVD (Digital Versatile Disc)之記錄媒體中。
又，控制線或資訊線，係僅對於在說明上所需要者作展示，而並非絕對為對於在安裝中所需要的全部之控制線或資訊線作展示者。實際上，可以考慮為幾乎所有的構成均有被相互作連接。
＜補充說明＞ 作為在申請專利範圍中所記載之內容以外的本發明之觀點之代表性的內容，係可列舉出下述之內容。
＜16＞ 如申請專利範圍第12項所記載之探索方法，其中，前述第2步驟，係將前述探索區域分割成複數之區域，將在把於前述被作了分割的分割區域內之前述條件之設定值賦予至前述半導體處理裝置處的情況時之前述實測值，針對各前述分割區域之每一者而分別取得之，基於在前述各分割區域中之前述條件之設定值與前述實測值，來產生前述預測模型。
＜17＞ 如申請專利範圍第12項所記載之探索方法，其中，前述第5步驟，當判定與前述預測值相對應之前述實測值並非為接近前述目標值的情況時，係將前述預測值決定為除外資料，並基於從前述實測值而將前述除外資料去除後的特定之實測值、和基於從前述設定值而將得到了前述除外資料的情況時所賦予至前述半導體處理裝置處之設定值去除之後的特定之設定值，來產生前述預測模型。
＜18＞ 如申請專利範圍第12項所記載之探索方法，其中，係更進而包含有：第6步驟，係使前述探索裝置，基於前述實測值、和特定之輸出臨限值，來檢測出前述半導體處理裝置之非安定動作，並將檢測結果輸出。
＜19＞ 如申請專利範圍第12項所記載之探索方法，其中，前述第3步驟，係在由前述預測模型所致之一次的預測中，取得複數之預測值。
＜20＞ 如申請專利範圍第12項所記載之探索方法，其中，前述第2步驟，係在預測模型之最初的產生後，在前述探索區域中進行探索，並使用探索結果來對於前述預測模型作更新。
＜21＞ 如申請專利範圍第12項所記載之探索方法，其中，前述第3步驟，係使用複數之種類的預測模型來進行預測，並從各預測模型而取得各別之預測值。
＜22＞ 如申請專利範圍第12項所記載之探索方法，其中，前述第1步驟，係產生用以輸入前述加工結果和前述條件以及前述目標值之畫面，並經由該畫面來受理前述加工結果和前述條件以及前述目標值。
200:半導體製造系統 201:半導體處理裝置 202:裝置控制系統 203:監測系統 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:自主探索系統 263:非安定動作檢測系統 300:探索裝置 301:處理器 302:記憶裝置 303:輸入裝置 304:輸出裝置 305:通訊IF 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]係對於本發明之實施例1作展示，並為對於輸入參數之探索例作展示之說明圖。 [圖2]係對於本發明之實施例1作展示，並為對於半導體製造系統之系統構成例作展示之說明圖。 [圖3]係對於本發明之實施例1作展示，並為對於探索裝置的硬體構成例作展示之區塊圖。 [圖4]係對於本發明之實施例1作展示，並為對於探索裝置的功能性構成例作展示之區塊圖。 [圖5]係對於本發明之實施例1作展示，並為對於半導體處理裝置之控制處理程序例作展示之流程圖1。 [圖6]係對於本發明之實施例1作展示，並為對於半導體處理裝置之控制處理程序例作展示之流程圖2。 [圖7]係對於本發明之實施例1作展示，並為對於半導體處理裝置之控制處理程序例作展示之流程圖3。 [圖8]係對於本發明之實施例1作展示，並為對於半導體處理裝置之控制處理程序例作展示之流程圖4。 [圖9]係對於本發明之實施例1作展示，並為對於機體差異抑制方法作展示之流程圖。 [圖10]係對於本發明之實施例1作展示，並為對於歷時變化修正方法作展示之流程圖。 [圖11]係對於本發明之實施例2作展示，並為對於輸入參數之探索例作展示之說明圖。 [圖12]係對於本發明之實施例2作展示，並為對於半導體處理裝置之控制處理程序例作展示之流程圖。 [圖13]係對於本發明之實施例2作展示，並為對於半導體處理裝置之控制處理程序例作展示之流程圖。 [圖14]係對於本發明之實施例2作展示，並為對於加工形狀之最適化方法作展示之流程圖。 [圖15]係對於本發明之實施例2作展示，並為對於初期資料之其中一例作展示之說明圖。 [圖16]係對於本發明之實施例2作展示，並為對於目標資料之其中一例作展示之說明圖。 [圖17]係對於本發明之實施例2作展示，並為對於驗證實驗結果之其中一例作展示之說明圖。 [圖18]係對於本發明之實施例2作展示，並為對於加工形狀之其中一例作展示之剖面圖。 [圖19]係對於本發明之實施例2作展示，並為對於加工形狀之其中一例作展示之剖面圖。 [圖20]係對於本發明之實施例2作展示，並為對於初期設定畫面作展示之說明圖。 [圖21]係對於本發明之實施例2作展示，並為對於探索畫面作展示之說明圖。 [圖22]係對於本發明之實施例2作展示，並為對於自主探索用之探索畫面作展示之說明圖。

Claims (14)

  1. 一種探索裝置，係具備有處理器和記憶體，並對於賦予至半導體處理裝置處之條件進行探索，其特徵為：前述處理器，係受理藉由前述半導體處理裝置而使半導體被作了處理後的加工結果、和身為對應於該加工結果之對於前述半導體處理裝置之輸入參數之條件、和藉由前述半導體處理裝置而對於前述半導體作處理之目標值、以及藉由前述條件與前述加工結果之間的範圍所規定之探索區域，前述處理器，係基於前述探索區域內之前述條件之設定值、和在將該設定值賦予至前述半導體處理裝置處的情況時之前述加工結果，來產生代表前述條件與前述加工結果之間之關係的預測模型，前述處理器，係藉由將前述所受理了的目標值賦予至前述預測模型處，來根據前述預測模型而算出預測值，前述處理器，係將前述預測值送訊至前述半導體處理裝置處，並將前述半導體處理裝置之驗證實驗之結果作為實測值來取得，前述處理器，係判定前述實測值是否達成前述目標值，當達成前述目標值的情況時，係將前述預測值作為前述條件之設定值而輸出，當並未達成前述目標值的情況時，係將前述預測值和實測值追加至前述條件之設定值與前述加工結果中並對於前述預測模型作更新， 前述處理器，係基於前述實測值、和特定之輸出臨限值，來檢測出前述半導體處理裝置之非安定動作，並當檢測出前述非安定動作的情況時，將成為了前述非安定動作時之前述輸入參數以及其之值作保存並進行報告，並且實施用以使前述半導體處理裝置回復至定常動作狀態之序列。
  2. 如請求項1所記載之探索裝置，其中，前述處理器，係判定前述實測值是否達成前述目標值，當達成前述目標值的情況時，係將前述目標值朝向最終目標值而階段性地作更新，並反覆進行前述預測模型之更新，直到前述最終目標值被達成為止。
  3. 如請求項1所記載之探索裝置，其中，身為對於前述半導體處理裝置之輸入參數之條件，係作為前述條件之範圍，而包含有可對於前述半導體處理裝置作輸入的上限與下限。
  4. 如請求項1所記載之探索裝置，其中，前述處理器，係將前述探索區域分割成複數之區域，當判定與前述預測值相對應之前述實測值為接近前述目標值的情況時，係將前述預測值設定為基準值，並從前述被作了分割的複數之分割區域之中，特定出前述預測值之存在區域。
  5. 如請求項1所記載之探索裝置，其中，前述處理器，係將前述探索區域分割成複數之區域，將在把於前述被作了分割的分割區域內之前述條件之設定 值賦予至前述半導體處理裝置處的情況時之前述實測值，針對各前述分割區域之每一者而分別取得之，基於在前述各分割區域中之前述條件之設定值與前述實測值，來產生前述預測模型。
  6. 如請求項1所記載之探索裝置，其中，前述處理器，當判定與前述預測值相對應之前述實測值並非為接近前述目標值的情況時，係將前述預測值決定為除外資料，並基於從前述實測值而將前述除外資料去除後的特定之實測值、和將當基於前述設定值而得到了前述除外資料的情況時所賦予至前述半導體處理裝置處之設定值去除之後的特定之設定值，來產生前述預測模型。
  7. 如請求項1所記載之探索裝置，其中，前述處理器，係在由前述預測模型所致之一次的預測中，取得複數之預測值。
  8. 如請求項1所記載之探索裝置，其中，前述處理器，係在預測模型之最初的產生後，在前述探索區域中進行探索，並使用探索結果來對於前述預測模型作更新。
  9. 如請求項1所記載之探索裝置，其中，前述處理器，係使用複數之種類的預測模型來進行預測，並從各預測模型而取得各別之預測值。
  10. 如請求項1所記載之探索裝置，其中，前述處理器，係產生用以輸入前述加工結果和前述條件以及前述目標值之畫面，並經由該畫面來受理前述加工 結果和前述條件以及前述目標值。
  11. 一種探索方法，係使具備有處理器和記憶體之探索裝置對於賦予至半導體處理裝置處之條件進行探索，其特徵為，係具備有：第1步驟，係使前述探索裝置，受理藉由前述半導體處理裝置而使半導體被作了處理後的加工結果、和身為對應於該加工結果之對於前述半導體處理裝置之輸入參數之條件、和藉由前述半導體處理裝置而對於前述半導體作處理之目標值、以及藉由前述條件與前述加工結果之間的範圍所規定之探索區域；和第2步驟，係使前述探索裝置，基於前述探索區域內之前述條件之設定值、和在將該設定值賦予至前述半導體處理裝置處的情況時之前述加工結果，來產生代表前述條件與前述加工結果之間之關係的預測模型；和第3步驟，係使前述探索裝置，藉由將前述所受理了的目標值賦予至前述預測模型處，來根據前述預測模型而算出預測值；和第4步驟，係使前述探索裝置，將前述預測值送訊至前述半導體處理裝置處，並將前述半導體處理裝置之驗證實驗之結果作為實測值來取得；和第5步驟，係使前述探索裝置，判定前述實測值是否達成前述目標值，當達成前述目標值的情況時，係將前述預測值作為前述條件之設定值而輸出，當並未達成前述目標值的情況時，係將前述預測值和實測值追加至前述條件 之設定值與前述加工結果中並對於前述預測模型作更新；和第6步驟，係使前述處理器，基於前述實測值、和特定之輸出臨限值，來檢測出前述半導體處理裝置之非安定動作，並當檢測出前述非安定動作的情況時，將成為了前述非安定動作時之前述輸入參數以及其之值作保存並進行報告，並且實施用以使前述半導體處理裝置回復至定常動作狀態之序列。
  12. 如請求項11所記載之探索方法，其中，前述第5步驟，係判定前述實測值是否達成前述目標值，當達成前述目標值的情況時，係將前述目標值朝向最終目標值而階段性地作更新，並反覆進行前述預測模型之更新，直到前述最終目標值被達成為止。
  13. 如請求項11所記載之探索方法，其中，身為對於前述半導體處理裝置之輸入參數之條件，係作為前述條件之範圍，而包含有可對於前述半導體處理裝置作輸入的上限與下限。
  14. 如請求項11所記載之探索方法，其中，前述第5步驟，係將前述探索區域分割成複數之區域，當判定與前述預測值相對應之前述實測值為接近前述目標值的情況時，係將前述預測值設定為基準值，並從前述被作了分割的複數之分割區域之中，特定出前述預測值之存在區域。
TW109140319A 2017-08-24 2018-03-23 探索裝置及探索方法 TWI783298B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017161467A JP6778666B2 (ja) 2017-08-24 2017-08-24 探索装置及び探索方法
JP2017-161467 2017-08-24

Publications (2)

Publication Number Publication Date
TW202121266A TW202121266A (zh) 2021-06-01
TWI783298B true TWI783298B (zh) 2022-11-11

Family

ID=65435978

Family Applications (2)

Application Number Title Priority Date Filing Date
TW109140319A TWI783298B (zh) 2017-08-24 2018-03-23 探索裝置及探索方法
TW107110006A TWI723255B (zh) 2017-08-24 2018-03-23 探索裝置及探索方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
TW107110006A TWI723255B (zh) 2017-08-24 2018-03-23 探索裝置及探索方法

Country Status (4)

Country Link
US (1) US10627788B2 (zh)
JP (1) JP6778666B2 (zh)
KR (2) KR102144373B1 (zh)
TW (2) TWI783298B (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7121506B2 (ja) 2018-03-14 2022-08-18 株式会社日立ハイテク 探索装置、探索方法及びプラズマ処理装置
JP7137943B2 (ja) 2018-03-20 2022-09-15 株式会社日立ハイテク 探索装置、探索方法及びプラズマ処理装置
US11934159B2 (en) * 2018-10-30 2024-03-19 Aspentech Corporation Apparatus and methods for non-invasive closed loop step testing with controllable optimization relaxation
WO2021010413A1 (ja) * 2019-07-16 2021-01-21 株式会社神戸製鋼所 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び成膜装置
JP6737944B1 (ja) * 2019-07-16 2020-08-12 株式会社神戸製鋼所 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び成膜装置
JP2021017649A (ja) * 2019-07-16 2021-02-15 株式会社神戸製鋼所 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び成膜装置
JP7224265B2 (ja) * 2019-09-18 2023-02-17 株式会社荏原製作所 機械学習装置、基板処理装置、学習済みモデル、機械学習方法、機械学習プログラム
JP7254950B2 (ja) * 2019-09-30 2023-04-10 富士フイルム株式会社 探索装置、探索方法、探索装置の作動プログラム、及びフロー反応設備
CN113287123A (zh) 2019-12-03 2021-08-20 株式会社日立高新技术 搜索装置、搜索程序以及等离子处理装置
USD977504S1 (en) * 2020-07-22 2023-02-07 Applied Materials, Inc. Portion of a display panel with a graphical user interface
US11688616B2 (en) 2020-07-22 2023-06-27 Applied Materials, Inc. Integrated substrate measurement system to improve manufacturing process performance
JP2022026701A (ja) * 2020-07-31 2022-02-10 株式会社神戸製鋼所 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び制御装置
CN112687564B (zh) * 2020-12-18 2024-01-26 北京华卓精科科技股份有限公司 掺杂半导体的激活率计算方法、装置及电子设备
JP7204017B1 (ja) 2021-03-01 2023-01-13 株式会社日立ハイテク 実験ポイント推薦装置、実験ポイント推薦方法及び半導体装置製造システム
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
JP2023068859A (ja) 2021-11-04 2023-05-18 株式会社日立製作所 計算機システム及び装置条件の探索支援方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020128805A1 (en) * 2000-12-26 2002-09-12 Insyst Intelligent Systems Ltd. Model predictive control (MPC) system using DOE based model
US20040225377A1 (en) * 2002-11-15 2004-11-11 Yuri Kokotov Method, system and medium for controlling manufacture process having multivariate input parameters
US20050267607A1 (en) * 2004-05-28 2005-12-01 Applied Materials, Inc. Dynamic offset and feedback threshold
US20060212156A1 (en) * 2001-09-06 2006-09-21 Junichi Tanaka Method of monitoring and/or controlling a semiconductor manufacturing apparatus and system therefor

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
JP4677679B2 (ja) 2001-03-27 2011-04-27 株式会社デンソー 製品の製造プロセスにおける特性調整方法
JP3708031B2 (ja) * 2001-06-29 2005-10-19 株式会社日立製作所 プラズマ処理装置および処理方法
US8396582B2 (en) * 2008-03-08 2013-03-12 Tokyo Electron Limited Method and apparatus for self-learning and self-improving a semiconductor manufacturing tool
JP5696354B2 (ja) * 2009-08-21 2015-04-08 日本電気株式会社 信頼度判断装置
TWI575392B (zh) * 2011-07-20 2017-03-21 台灣積體電路製造股份有限公司 參數化模型的建立方法及系統
JP5779482B2 (ja) 2011-11-15 2015-09-16 株式会社日立ハイテクノロジーズ プラズマ処理装置およびプラズマ処理方法
JP2013161913A (ja) * 2012-02-03 2013-08-19 Tokyo Electron Ltd プラズマ処理装置及びプラズマ処理方法
US8948495B2 (en) * 2012-08-01 2015-02-03 Kla-Tencor Corp. Inspecting a wafer and/or predicting one or more characteristics of a device being formed on a wafer
US10430719B2 (en) * 2014-11-25 2019-10-01 Stream Mosaic, Inc. Process control techniques for semiconductor manufacturing processes
JP2017146255A (ja) * 2016-02-19 2017-08-24 ルネサスエレクトロニクス株式会社 半導体装置の製造方法
JP6608344B2 (ja) * 2016-09-21 2019-11-20 株式会社日立製作所 探索装置および探索方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020128805A1 (en) * 2000-12-26 2002-09-12 Insyst Intelligent Systems Ltd. Model predictive control (MPC) system using DOE based model
US20060212156A1 (en) * 2001-09-06 2006-09-21 Junichi Tanaka Method of monitoring and/or controlling a semiconductor manufacturing apparatus and system therefor
US20040225377A1 (en) * 2002-11-15 2004-11-11 Yuri Kokotov Method, system and medium for controlling manufacture process having multivariate input parameters
US20050267607A1 (en) * 2004-05-28 2005-12-01 Applied Materials, Inc. Dynamic offset and feedback threshold

Also Published As

Publication number Publication date
JP2019040984A (ja) 2019-03-14
KR102144373B1 (ko) 2020-08-13
TW201913461A (zh) 2019-04-01
TW202121266A (zh) 2021-06-01
JP6778666B2 (ja) 2020-11-04
US20190064751A1 (en) 2019-02-28
US10627788B2 (en) 2020-04-21
KR20190022289A (ko) 2019-03-06
KR102295211B1 (ko) 2021-08-31
TWI723255B (zh) 2021-04-01
KR20200096895A (ko) 2020-08-14

Similar Documents

Publication Publication Date Title
TWI783298B (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
TWI672599B (zh) 探索裝置及探索方法
US20130173332A1 (en) Architecture for root cause analysis, prediction, and modeling and methods therefor
US20230138127A1 (en) Information processing method and information processing apparatus including acquiring a time series data group measured duirng a processing cycle for a substrate
US20130080372A1 (en) Architecture and methods for tool health prediction
JP6754878B2 (ja) 探索装置および探索方法
JP2011054804A (ja) 半導体製造装置の管理方法およびシステム
US20130030760A1 (en) Architecture for analysis and prediction of integrated tool-related and material-related data and methods therefor
TW202240735A (zh) 用於半導體製造設備之處理控制的自適應模型訓練
US20240037442A1 (en) Generating indications of learning of models for semiconductor processing
US20240045399A1 (en) Analysis of multi-run cyclic processing procedures
KR20240067834A (ko) 피처 모델들을 사용한 프로세스 레시피 생성 및 매칭
TW202343176A (zh) 用於製造設備的診斷工具與工具之匹配方法
KR20240104086A (ko) 제조 시스템의 다중 레벨 rf 펄스 모니터링 및 rf 펄싱 파라미터 최적화