WO2021157453A1 - プロセス推定システム、プロセスデータ推定方法及びプログラム - Google Patents

プロセス推定システム、プロセスデータ推定方法及びプログラム Download PDF

Info

Publication number
WO2021157453A1
WO2021157453A1 PCT/JP2021/002898 JP2021002898W WO2021157453A1 WO 2021157453 A1 WO2021157453 A1 WO 2021157453A1 JP 2021002898 W JP2021002898 W JP 2021002898W WO 2021157453 A1 WO2021157453 A1 WO 2021157453A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
sensor
process data
sensor data
virtual sensor
Prior art date
Application number
PCT/JP2021/002898
Other languages
English (en)
French (fr)
Inventor
直茂 伏見
英章 松井
Original Assignee
東京エレクトロン株式会社
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 東京エレクトロン株式会社 filed Critical 東京エレクトロン株式会社
Priority to KR1020227029981A priority Critical patent/KR20220133991A/ko
Priority to US17/759,638 priority patent/US20230115637A1/en
Publication of WO2021157453A1 publication Critical patent/WO2021157453A1/ja

Links

Images

Classifications

    • 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
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K7/00—Measuring temperature based on the use of electric or magnetic elements directly sensitive to heat ; Power supply therefor, e.g. using thermoelectric elements
    • G01K7/42—Circuits effecting compensation of thermal inertia; Circuits for predicting the stationary value of a temperature
    • G01K7/427—Temperature calculation based on spatial modeling, e.g. spatial inter- or extrapolation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • 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
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • 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
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/31—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to form insulating layers thereon, e.g. for masking or by using photolithographic techniques; After treatment of these layers; Selection of materials for these layers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Definitions

  • This disclosure relates to process estimation systems, process data estimation methods and programs.
  • a substrate processing apparatus that supplies a desired gas into a processing container and performs a desired treatment (for example, a film forming process) on a substrate placed on a mounting table provided in the processing container, the amount of film formed, etc.
  • a desired treatment for example, a film forming process
  • Patent Document 1 the simulation model is modified as needed based on the actual data, and the simulation is performed in parallel with the operation of the actual plant in real time, so that the state of the actual plant is sequentially reflected in the simulation model with high accuracy.
  • a plant operation support device that can predict the operation of an actual plant.
  • the present disclosure provides a process estimation system, a process data estimation method and a program for optimally estimating process data.
  • an input unit for inputting actual sensor data detected by a sensor of a board processing device, and a virtual sensor of a virtual sensor based on the actual sensor data and a physical model.
  • a process estimation system including a virtual sensor data generation unit that generates data and a process data estimation unit that estimates process data based on the virtual sensor data is provided.
  • the cross-sectional schematic diagram which shows an example of the substrate processing apparatus.
  • the block diagram which shows an example of the process estimation system which concerns on 1st Embodiment.
  • the schematic diagram which shows an example of the physical model used in the virtual sensor data generation part.
  • An example of a graph comparing the results of a physical model with experimental values.
  • An example of a graph comparing the results of a physical model with experimental values.
  • the schematic diagram which shows an example of the reaction model used in the process data estimation part.
  • An example of a graph comparing the results of the reaction model with the experimental values An example of a graph comparing the results of the reaction model with the experimental values.
  • the block diagram which shows an example of the process estimation system which concerns on 2nd Embodiment.
  • the block diagram which shows an example of the process estimation system which concerns on 3rd Embodiment.
  • FIG. 1 is a schematic cross-sectional view showing an example of the substrate processing apparatus 1.
  • the substrate processing device 1 includes a chamber 2, a mounting table 3, a gas supply device 4, an exhaust device 5, and a control device 6.
  • the chamber 2 is divided into a processing space 21 and an exhaust space 22.
  • a mounting table 3 on which the substrate W is mounted is provided below the processing space 21.
  • a shower head 23 that supplies gas into the processing space 21 is provided above the processing space 21.
  • the gas supply device 4 includes a gas supply source 41, a mass flow controller 42, and an on-off valve 43, and supplies gas to the shower head 23.
  • the exhaust device 5 exhausts gas from the exhaust space 22 of the chamber 2.
  • the mounting table 3 is provided with a temperature sensor S1 for measuring the temperature of the mounting table 3.
  • the chamber 2 is provided with a temperature sensor S2 for measuring the temperature of the wall portion of the chamber 2.
  • the gas supply device 4 is provided with a flow rate sensor S3 for measuring the flow rate of the gas supplied to the chamber 2.
  • the chamber 2 is provided with a pressure sensor S4 for detecting the pressure in the exhaust space 22.
  • a temperature sensor that directly detects the temperature of the substrate W for example, a temperature sensor that directly detects the temperature of the gas in the processing space 21, and each part of the chamber 2 (for example, a shower).
  • a temperature sensor that directly detects the temperature of the head 23) and a pressure sensor that directly detects the pressure of the gas in the processing space 21 are not provided.
  • the substrate processing device 1 may be provided with a temperature adjusting mechanism (not shown).
  • a heater (not shown) may be provided on the wall portion of the chamber 2.
  • the mounting table 3 may be provided with a heater (not shown).
  • the mounting table 3 may be provided with a flow path (not shown) through which a heat transfer medium such as brine passes.
  • the substrate processing device 1 applies a voltage between the upper electrode (shower head 23) and the lower electrode (mounting table 3) to generate plasma of the gas supplied from the shower head 23 into the processing space 21.
  • a plasma generator (not shown) may be provided.
  • the power supply line (not shown) to which the voltage is applied may be provided with a voltmeter (voltage sensor) and / or an ammeter (current sensor).
  • an observation window (not shown) may be provided in the chamber 2, and an emission spectroscopic analyzer (not shown) for detecting the emission intensity of plasma through the observation window may be provided as a sensor.
  • the control device 6 controls the gas supply device 4, the exhaust device 5, and the like. As a result, the substrate processing apparatus 1 can perform the desired processing on the substrate W mounted on the mounting table 3.
  • the gas supply device 4 transfers precursor gas (for example, SiH 4 and Si 2 H 6 ) from the shower head 23 into the processing space 21.
  • precursor gas for example, SiH 4 and Si 2 H 6
  • Supply In the precursor gas in the processing space 21, a decomposition reaction (gas phase reaction) occurs. A part of the precursor gas is adsorbed on the surface of the substrate W. Further, the remaining portion of the precursor gas is exhausted from the processing space 21 by the exhaust device 5 via the exhaust space 22. Further, the gas supply device 4 supplies the reaction gas (for example, NH 3 ) from the shower head 23 into the processing space 21.
  • the precursor adsorbed on the surface of the substrate W reacts, and a film forming process (for example, SiN film) is applied to the surface of the substrate W.
  • FIG. 2 is a configuration diagram showing an example of the process estimation system 100 according to the first embodiment.
  • the process estimation system 100 estimates the process data based on the detected values of the sensors (S1 to S4) of the substrate processing device 1.
  • the substrate processing device 1 is a film forming apparatus that performs a film forming process on the substrate W
  • the process data is the film forming amount (deposition rate) will be described as an example.
  • the process estimation system 100 may be mounted on the control device 6 of the substrate processing device 1, for example.
  • the process estimation system 100 includes an actual sensor data input unit 110, a virtual sensor data generation unit 120, a process data estimation unit 130, and a process data output unit 140.
  • the actual sensor data input unit 110 inputs the actual measurement data of each sensor (S1 to S4) of the substrate processing device 1.
  • a log for example, heat input amount
  • a temperature adjusting mechanism (not shown) may be input to the actual sensor data input unit 110.
  • the virtual sensor data generation unit 120 generates virtual sensor data based on the actual sensor data and the physical model 121.
  • the virtual sensor is a virtual sensor that detects the physical quantity of the measurement point where the sensor is not provided in the substrate processing device 1.
  • a temperature sensor that detects the temperature of the substrate W a temperature sensor that detects the temperature of the shower head 23, a temperature sensor that detects the temperature of the gas in the processing space 21, and the pressure of the gas in the processing space 21. It may include a pressure sensor or the like to detect.
  • the fact that the virtual sensor data generation unit 120 generates the value of the virtual sensor is also referred to as the virtual sensor detecting the value.
  • FIG. 3 is a schematic diagram showing an example of the physical model 121 used in the virtual sensor data generation unit 120.
  • a virtual sensor a case of a temperature sensor that detects the temperature of the substrate W will be described as an example. Further, a thermo-fluid model is used as the physical model 121.
  • the detected temperature T W detected temperature T SH temperature sensor for detecting the temperature of the shower head 23 (virtual sensor), the temperature of the gas in the processing space 21 of the temperature sensor (virtual sensor) for detecting the temperature of the substrate W the detected temperature T gAS temperature sensor for detecting the (virtual sensor), the detected pressure P gAS pressure sensor for detecting the pressure of the gas in the processing space 21 (virtual sensors) of the temperature sensor S1 for detecting the temperature of the mounting table 3
  • the detection temperature is TST .
  • the heat Q rad due to radiation from the shower head 23 to the substrate W can be expressed by the equation (1) using the constant ⁇ , the heat transfer area A, and the emissivity ⁇ .
  • the heat Q conv due to convection from the gas 7 in the processing space 21 to the substrate W can be expressed by the equation (2) using the heat transfer coefficient h conv due to convection and the heat transfer area A.
  • the heat Q tcr due to the contact heat transfer from the mounting table 3 to the substrate W can be expressed by the equation (3) using the heat transfer coefficient h and the heat transfer area A.
  • the temperature change of the substrate W can be expressed by the equation (4) using the heat capacity C of the substrate W.
  • the virtual sensor data generation unit 120 based on a physical model 121, and generates a detection temperature T W of the temperature sensor for detecting the temperature of the substrate W (virtual sensor).
  • the virtual sensor data generation unit 120 the detection of the temperature sensor for detecting the detected temperature T SH, the temperature of the gas in the processing space 21 of a temperature sensor for detecting the temperature of the shower head 23 (virtual sensor) (virtual sensors)
  • the temperature T GAS and the detection pressure P GAS of the pressure sensor (virtual sensor) that detects the pressure of the gas in the processing space 21 are also generated based on the physical model 121, respectively.
  • the virtual sensor data generation unit 120 is based on the actual measurement data of each sensor (S1 to S4) of the substrate processing device 1 input by the actual sensor data input unit 110 and the physical model 121, and the value of the virtual sensor ( Virtual sensor data) is generated.
  • FIGS. 4A and 4B are examples of graphs comparing the results of the physical model 121 with the experimental values.
  • FIG. 4A shows the temperature dependence of the temperature difference between the substrate W and the mounting table 3 when the pressure of the processing space 21 is constant (700 Pa) and the temperature of the mounting table 3 is changed.
  • FIG. 4B shows the pressure dependence of the temperature difference between the substrate W and the mounting table 3 when the temperature of the mounting table 3 is constant (500 ° C.) and the pressure of the processing space 21 is changed.
  • the results of the physical model 121 are shown by white circles and solid line graphs, and the experimental values are shown by black circles.
  • the result by the physical model 121 reproduces the tendency of the temperature difference between the substrate W and the mounting table 3 with respect to the temperature of the mounting table 3 and the pressure of the processing space 21. That is, the virtual sensor data generated by the virtual sensor data generation unit 120 preferably reproduces the tendency of the actually measured values.
  • the process data estimation unit 130 estimates the process data (deposition amount, film formation rate) based on the virtual sensor data and the reaction model 131.
  • the virtual sensor data generated by the virtual sensor data generation unit 120 is input to the process data estimation unit 130.
  • the process data estimation unit 130 may be configured to estimate the process data based on the actual sensor data, the virtual sensor data, and the reaction model 131. That is, the data to be used (actual sensor data, virtual sensor data) may be selected according to the reaction model 131 of the process data to be estimated.
  • FIG. 5 is a schematic diagram showing an example of the reaction model 131 used in the process data estimation unit 130.
  • the reaction model 131 has a gas phase reaction model 132 and a surface reaction model 133.
  • the gas phase reaction model 132 estimates the decomposition amount of the precursor gas in the processing space 21 based on the gas pressure (virtual sensor data) and the gas temperature (virtual sensor data) in the processing space 21.
  • the surface reaction model 133 has an adsorption amount of the precursor gas adsorbed on the surface of the substrate W, in other words, based on the decomposition amount of the precursor gas estimated by the gas phase reaction model 132 and the temperature of the substrate W (virtual sensor data).
  • the film thickness (deposition rate) formed on the surface of the substrate W is estimated as process data 134.
  • FIGS. 6A and 6B are examples of graphs comparing the results of the reaction model 131 with the experimental values.
  • Figure 6A it illustrates the use of a SiH 4 gas as a precursor gas.
  • FIG. 6B shows a case where Si 2 H 6 gas is used as the precursor gas.
  • the horizontal axis shows the film formation rate estimated by the reaction model 131, and the vertical axis shows the film formation rate based on the measured value.
  • the recipe of the substrate processing apparatus 1 in FIG. 6A is shown.
  • the process data output unit 140 outputs the process data estimated by the process data estimation unit 130.
  • the virtual sensor data is suitable based on the actual sensor data detected by each sensor (S1 to S4) of the substrate processing device 1 and the physical model 121. Can be generated in. Further, according to the process estimation system 100, the process data (deposition amount, film formation rate) can be suitably estimated based on the generated virtual sensor data and the reaction model 131.
  • virtual sensor data is generated. This allows the virtual sensor data to be used for factor analysis of process results.
  • process data can be suitably estimated even under process conditions outside the range of a known data set obtained in advance by experiments or the like.
  • the process data (deposition amount, film formation rate) with respect to the process conditions in the substrate processing apparatus 1
  • the process data estimated by the process estimation system 100 may be added. ..
  • the process data under the process conditions between the measured values can be estimated, so that the number of data on the response surface can be increased.
  • the actual man-hours can be reduced.
  • the process estimation system 100 processes one substrate W as an initial value of the virtual sensor.
  • the final virtual sensor data at the time of this may be inherited.
  • the previous value may be inherited.
  • the temperature of the replaced substrate W and the temperature and pressure of the gas in the processing space 21 that are sequentially supplied do not have to be taken over.
  • the process estimation system 100 may take over the cumulative value (cumulative film thickness) of the process data based on the process data (film thickness) in the substrate processing apparatus 1. For example, when the film is formed on the substrate W, the film is also formed on the inner wall surface of the chamber 2.
  • the process estimation system 100 can appropriately generate virtual sensor data in consideration of the state of the inner wall surface of the chamber 2 and estimate the process data.
  • FIG. 7 is a configuration diagram showing an example of the process estimation system 200 according to the second embodiment.
  • the process estimation system 200 estimates the process data based on the detected values of the sensors (S1 to S4) of the substrate processing device 1.
  • the process estimation system 200 includes an actual sensor data input unit 110, a virtual sensor data generation unit 120, a process data estimation unit 230, and a process data output unit 140.
  • the process data estimation unit 230 has a learning model generation unit 231.
  • a data set of known actual sensor data and process data is input to the process estimation system 200.
  • the virtual sensor data generation unit 120 generates virtual sensor data in the data set.
  • the learning model generation unit 231 performs machine learning using a data set of virtual sensor data (and real sensor data) and process data as teacher data, and generates a trained model 232.
  • the process estimation system 200 generates virtual sensor data in the virtual sensor data generation unit 120 when the actual sensor data is input. Then, the process data estimation unit 230 estimates the process data based on the virtual sensor data (and the actual sensor data) and the trained model 232.
  • the trained model 232 is generated using the data set of the virtual sensor data (and the actual sensor data) and the process data as the teacher data, and the generated learning. Estimate process data based on completed model 232.
  • the virtual sensor data having a high correlation with the process data can be used as the virtual sensor data used as the teacher data, the estimation accuracy of the process data by the trained model 232 can be improved.
  • FIG. 8 is a configuration diagram showing an example of the process estimation system 300 according to the third embodiment.
  • the process estimation system 300 estimates the process data based on the detected values of the sensors (S1 to S4) of the substrate processing device 1.
  • the process estimation system 300 includes an actual sensor data input unit 110, a virtual sensor data generation unit 120, process data estimation units 130 and 230, a process data determination unit 335, and a process data output unit 140.
  • the process estimation system 300 When the actual sensor data is input, the process estimation system 300 generates the virtual sensor data in the virtual sensor data generation unit 120. Then, the process data estimation unit 130 estimates the process data based on the virtual sensor data (and the actual sensor data) and the reaction model 131. Further, the process data estimation unit 230 estimates the process data based on the virtual sensor data (and the actual sensor data) and the trained model 232.
  • the process data determination unit 335 determines the process data based on the process data estimated by the process data estimation unit 130 and the process data estimated by the process data estimation unit 230. For example, the average value of the process data estimated by the process data estimation unit 130 and the process data estimated by the process data estimation unit 230 is determined as the process data.
  • the final process data can be determined based on the process data estimated by the plurality of process data estimation units 130 and 230. , The estimation accuracy of process data can be improved.
  • the substrate processing device 1 can be applied to various substrate processing devices such as a thermal CVD device, a plasma CVD device, a thermal ALD device, and a plasma ALD device.
  • the actual sensor data input to the actual sensor data input unit 110 has been described as being the detection value of the temperature sensor S1, the detection value of the temperature sensor S2, the detection value of the flow rate sensor S3, and the detection value of the pressure sensor S4. It is not limited to this.
  • the actual sensor data may include detection values of sensors (voltage sensor, current sensor, emission spectrum analyzer, etc.) provided in the substrate processing device 1.
  • the virtual sensor data generated by the virtual sensor data generation unit 120 has been described as assuming that the temperature of the substrate W, the temperature of the shower head 23, the temperature of the gas in the processing space 21, and the pressure of the gas in the processing space 21. However, it is not limited to this.
  • the virtual sensor data may include a plasma sensor that measures the ion concentration, electron density, electron temperature, radical concentration or self-bias of the plasma generated in the processing space 21.
  • the process data has been described as being a film formation amount (film formation rate), it is not limited to this.
  • the step coverage of the film may be used.
  • the process data may be an etching amount (etching rate). Further, it may be the number of particles or the number of defects of the substrate W after processing regardless of the processing content of the substrate processing apparatus 1.
  • Process estimation system 110 Actual sensor data input unit 120 Virtual sensor data generation unit 121 Physical model 130 Process data estimation unit 131 Reaction model 132 Gas phase reaction model 133 Surface reaction model 134 Process data 140 Process data output unit 200 Process estimation system 230 Process data estimation unit 231 Learning model generation unit 232 Learning Finished model 300 Process estimation system 335 Process data determination unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Manufacturing & Machinery (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Automation & Control Theory (AREA)
  • Chemical Vapour Deposition (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

プロセスデータを好適に推定するプロセス推定システム、プロセスデータ推定方法及びプログラムを提供する。　基板処理装置のセンサで検出された実センサデータを入力する入力部と、前記実センサデータ及び物理モデルに基づいて、仮想センサの仮想センサデータを生成する仮想センサデータ生成部と、前記仮想センサデータに基づいて、プロセスデータを推定するプロセスデータ推定部と、を備える、プロセス推定システム。

Description

プロセス推定システム、プロセスデータ推定方法及びプログラム
　本開示は、プロセス推定システム、プロセスデータ推定方法及びプログラムに関する。
　処理容器内に所望のガスを供給して、処理容器内に設けられた載置台に載置された基板に所望の処理（例えば、成膜処理等）を施す基板処理装置において、成膜量等のプロセスデータを推定するプロセス推定システムが求められている。
　特許文献１には、実データをもとにシミュレーションモデルを随時修正し、リアルタイムで実プラントの動作と並行してシミュレーションを行うことによって、実プラントの状態を逐次にシミュレーションモデルに反映し、高精度に実プラントの動作を予測できるプラント運転支援装置が開示されている。
特許第４７８９２７７号公報
　一の側面では、本開示は、プロセスデータを好適に推定するプロセス推定システム、プロセスデータ推定方法及びプログラムを提供する。
　上記課題を解決するために、一の態様によれば、基板処理装置のセンサで検出された実センサデータを入力する入力部と、前記実センサデータ及び物理モデルに基づいて、仮想センサの仮想センサデータを生成する仮想センサデータ生成部と、前記仮想センサデータに基づいて、プロセスデータを推定するプロセスデータ推定部と、を備える、プロセス推定システムが提供される。
　一の側面によれば、プロセスデータを好適に推定するプロセス推定システム、プロセスデータ推定方法及びプログラムを提供することができる。
基板処理装置の一例を示す断面模式図。 第１実施形態に係るプロセス推定システムの一例を示す構成図。 仮想センサデータ生成部で用いる物理モデルの一例を示す模式図。 物理モデルによる結果と実験値とを比較するグラフの一例。 物理モデルによる結果と実験値とを比較するグラフの一例。 プロセスデータ推定部で用いる反応モデルの一例を示す模式図。 反応モデルによる結果と実験値とを比較するグラフの一例。 反応モデルによる結果と実験値とを比較するグラフの一例。 第２実施形態に係るプロセス推定システムの一例を示す構成図。 第３実施形態に係るプロセス推定システムの一例を示す構成図。
　以下、図面を参照して本開示を実施するための形態について説明する。各図面において、同一構成部分には同一符号を付し、重複した説明を省略する場合がある。
　［基板処理装置］
　まず、ウェハ等の基板Ｗに所望の処理（例えば、成膜処理）を施す基板処理装置１について図１を用いて説明する。図１は、基板処理装置１の一例を示す断面模式図である。
　基板処理装置１は、チャンバ２と、載置台３と、ガス供給装置４と、排気装置５と、制御装置６と、を備える。
　チャンバ２は、処理空間２１と、排気空間２２に区画されている。処理空間２１の下方には、基板Ｗを載置する載置台３が設けられている。処理空間２１の上方には、処理空間２１内にガスを供給するシャワーヘッド２３が設けられている。
　ガス供給装置４は、ガス供給源４１、マスフローコントローラ４２、開閉弁４３を備え、シャワーヘッド２３にガスを供給する。排気装置５は、チャンバ２の排気空間２２からガスを排気する。
　載置台３には、載置台３の温度を測定する温度センサＳ１が設けられている。また、チャンバ２には、チャンバ２の壁部の温度を測定する温度センサＳ２が設けられている。また、ガス供給装置４には、チャンバ２に供給するガスの流量を測定する流量センサＳ３が設けられている。また、チャンバ２には、排気空間２２内の圧力を検出する圧力センサＳ４が設けられている。
　なお、図１に示す基板処理装置１においては、例えば、基板Ｗの温度を直接検出する温度センサ、処理空間２１内のガスの温度を直接検出する温度センサ、チャンバ２の各パーツ（例えば、シャワーヘッド２３）の温度を直接検出する温度センサ、処理空間２１内のガスの圧力を直接検出する圧力センサは、設けられていない。
　また、基板処理装置１は、温度調整機構（図示せず）を備えていてもよい。例えば、チャンバ２の壁部には、ヒータ（図示せず）が設けられていてもよい。また、載置台３には、ヒータ（図示せず）が設けられていてもよい。また、載置台３には、ブライン等の熱搬送媒体が通流する流路（図示せず）が設けられていてもよい。また、基板処理装置１は、上部電極（シャワーヘッド２３）と下部電極（載置台３）との間に電圧を印加して、処理空間２１にシャワーヘッド２３から供給されたガスのプラズマを生成するプラズマ生成装置（図示せず）を備えていてもよい。この場合、電圧を印加する給電ライン（図示せず）には、電圧計（電圧センサ）および／または電流計（電流センサ）が設けられていてもよい。また、チャンバ２に観測窓（図示せず）を設け、観測窓を介してプラズマの発光強度を検出する発光分光分析装置（図示せず）をセンサとして設けてもよい。
　制御装置６は、ガス供給装置４、排気装置５等を制御する。これにより、基板処理装置１は、載置台３に載置された基板Ｗに所望の処理を施すことができる。
　例えば、基板処理装置１が基板Ｗに成膜処理を施す成膜装置である場合、ガス供給装置４はプリカーサガス（例えば、ＳｉＨ４、Ｓｉ２Ｈ６）をシャワーヘッド２３から処理空間２１内に供給する。処理空間２１内のプリカーサガスにおいては、分解反応（気相反応）が生じる。プリカーサガスの一部は、基板Ｗの表面に吸着される。また、プリカーサガスの残部は、排気空間２２を介して、排気装置５によって、処理空間２１から排気される。また、ガス供給装置４は反応ガス（例えば、ＮＨ３）をシャワーヘッド２３から処理空間２１内に供給する。これにより、基板Ｗの表面に吸着されたプリカーサが反応して、基板Ｗの表面に成膜処理（例えば、ＳｉＮ膜）が施される。
［プロセス推定システム］
　次に、第１実施形態に係るプロセス推定システム１００について、図２を用いて説明する。図２は、第１実施形態に係るプロセス推定システム１００の一例を示す構成図である。プロセス推定システム１００は、基板処理装置１の各センサ（Ｓ１～Ｓ４）の検出値に基づいて、プロセスデータを推定する。ここでは、基板処理装置１は基板Ｗに成膜処理を施す成膜装置であるものとし、プロセスデータは成膜量（成膜レート）である場合を例に説明する。なお、プロセス推定システム１００は、例えば、基板処理装置１の制御装置６に実装されてもよい。
　プロセス推定システム１００は、実センサデータ入力部１１０と、仮想センサデータ生成部１２０と、プロセスデータ推定部１３０と、プロセスデータ出力部１４０と、を備える。
　実センサデータ入力部１１０は、基板処理装置１の各センサ（Ｓ１～Ｓ４）の実測データが入力される。なお、実センサデータ入力部１１０には、温度調整機構（図示せず）のログ（例えば、入熱量等）が入力されてもよい。
　仮想センサデータ生成部１２０は、実センサデータ及び物理モデル１２１に基づいて、仮想センサのデータを生成する。ここで、仮想センサとは、基板処理装置１においてセンサが設けられていない測定箇所の物理量を検出する仮想的なセンサである。例えば、仮想センサとして、基板Ｗの温度を検出する温度センサ、シャワーヘッド２３の温度を検出する温度センサ、処理空間２１内のガスの温度を検出する温度センサ、処理空間２１内のガスの圧力を検出する圧力センサ等を含んでもよい。なお、本願では、仮想センサデータ生成部１２０が仮想センサの値を生成することを、仮想センサが値を検出するともいう。
　図３は、仮想センサデータ生成部１２０で用いる物理モデル１２１の一例を示す模式図である。ここでは、仮想センサとして、基板Ｗの温度を検出する温度センサの場合を例に説明する。また、物理モデル１２１として、熱流体モデルを用いる。
　ここで、基板Ｗの温度を検出する温度センサ（仮想センサ）の検出温度ＴＷ、シャワーヘッド２３の温度を検出する温度センサ（仮想センサ）の検出温度ＴＳＨ、処理空間２１内のガスの温度を検出する温度センサ（仮想センサ）の検出温度ＴＧＡＳ、処理空間２１内のガスの圧力を検出する圧力センサ（仮想センサ）の検出圧力ＰＧＡＳ、載置台３の温度を検出する温度センサＳ１の検出温度ＴＳＴとする。
　シャワーヘッド２３から基板Ｗへの輻射による熱Ｑradは、定数σ、伝熱面積Ａ、放射率εを用いて、式（１）によって表すことができる。処理空間２１内のガス７から基板Ｗへの対流による熱Ｑconvは、対流による熱伝達率ｈconv、伝熱面積Ａを用いて、式（２）によって表すことができる。載置台３から基板Ｗへの接触伝熱による熱Ｑtcrは、熱伝達率ｈ、伝熱面積Ａを用いて、式（３）によって表すことができる。また、基板Ｗの温度変化は、基板Ｗの熱容量Ｃを用いて、式（４）によって表すことができる。
Figure JPOXMLDOC01-appb-M000001
  
　このように、仮想センサデータ生成部１２０は、物理モデル１２１に基づいて、基板Ｗの温度を検出する温度センサ（仮想センサ）の検出温度ＴＷを生成する。同様に、仮想センサデータ生成部１２０は、シャワーヘッド２３の温度を検出する温度センサ（仮想センサ）の検出温度ＴＳＨ、処理空間２１内のガスの温度を検出する温度センサ（仮想センサ）の検出温度ＴＧＡＳ、処理空間２１内のガスの圧力を検出する圧力センサ（仮想センサ）の検出圧力ＰＧＡＳについても、それぞれ物理モデル１２１に基づいて、生成する。換言すれば、仮想センサデータ生成部１２０は、実センサデータ入力部１１０で入力された基板処理装置１の各センサ（Ｓ１～Ｓ４）の実測データ及び物理モデル１２１に基づいて、仮想センサの値（仮想センサデータ）を生成する。
　図４Ａ及び図４Ｂは、物理モデル１２１による結果と実験値とを比較するグラフの一例である。図４Ａでは、処理空間２１の圧力を一定（７００Ｐａ）として、載置台３の温度を変化させた場合における、基板Ｗと載置台３との温度差の温度依存性を示す。図４Ｂでは、載置台３の温度を一定（５００℃）として、処理空間２１の圧力を変化させた場合における、基板Ｗと載置台３との温度差の圧力依存性を示す。また、物理モデル１２１による結果を白抜き丸印及び実線のグラフで示し、実験値を黒塗り丸印で示す。
　図４Ａ及び図４Ｂに示すように、物理モデル１２１による結果は、載置台３の温度及び処理空間２１の圧力に対する基板Ｗと載置台３との温度差の傾向を再現している。即ち、仮想センサデータ生成部１２０によって生成される仮想センサデータは、実測値の傾向を好適に再現している。
　図２に戻り、プロセスデータ推定部１３０は、仮想センサデータと反応モデル１３１に基づいて、プロセスデータ（成膜量、成膜レート）を推定する。ここでプロセスデータ推定部１３０には、仮想センサデータ生成部１２０で生成された仮想センサデータが入力される。また、プロセスデータ推定部１３０は、実センサデータ及び仮想センサデータと反応モデル１３１に基づいて、プロセスデータを推定する構成であってもよい。即ち、推定するプロセスデータの反応モデル１３１に応じて、用いるデータ（実センサデータ、仮想センサデータ）を選択すればよい。
　図５は、プロセスデータ推定部１３０で用いる反応モデル１３１の一例を示す模式図である。反応モデル１３１は、気相反応モデル１３２と、表面反応モデル１３３と、を有する。
　気相反応モデル１３２は、処理空間２１内のガスの圧力（仮想センサデータ）及びガスの温度（仮想センサデータ）に基づいて、処理空間２１内のプリカーサガスの分解量を推定する。
　表面反応モデル１３３は、気相反応モデル１３２で推定したプリカーサガスの分解量及び基板Ｗの温度（仮想センサデータ）に基づいて、基板Ｗの表面に吸着されるプリカーサの吸着量、換言すれば、基板Ｗの表面に成膜される膜厚（成膜レート）をプロセスデータ１３４として推定する。
　図６Ａ及び図６Ｂは、反応モデル１３１による結果と実験値とを比較するグラフの一例である。図６Ａでは、プリカーサガスとしてＳｉＨ４ガスを用いた場合を示す。図６Ｂでは、プリカーサガスとしてＳｉ２Ｈ６ガスを用いた場合を示す。横軸は反応モデル１３１によって推定された成膜レートを示し、縦軸は実測値による成膜レートを示す。
　なお、図６Ａにおける基板処理装置１のレシピを示す。
　成膜時間：１２０～６００ｓ
　処理空間２１内の圧力：９～４０Ｔｏｒｒ
　基板Ｗの温度：５５０～６００℃
　ＳｉＨ４＋Ａｒ流量：１２０～９０４０ｓｃｃｍ
　ＳｉＨ４分率：０．０１～０．７５
　Ｇａｐ（処理空間２１から排気空間２２への隙間部の幅）６～２０ｍｍ
　また、図６Ｂにおける基板処理装置１のレシピを示す。
　成膜時間：１８０～１８００ｓ
　処理空間２１内の圧力：９～４０Ｔｏｒｒ
　基板Ｗの温度：４００～５３０℃
　Ｓｉ２Ｈ６＋Ａｒ流量：１２０～１８０００ｓｃｃｍ
　Ｓｉ２Ｈ６分率：０．００２～０．７５
　Ｇａｐ（処理空間２１から排気空間２２への隙間部の幅）６～３０ｍｍ
　図６Ａに示す例において、決定係数Ｒ２～０．８５であった。また、図６Ｂに示す例において、決定係数Ｒ２～０．８２であった。即ち、プロセスデータ推定部１３０で推定されたプロセスデータ（成膜量、成膜レート）と、実験値のプロセスデータ（成膜量、成膜レート）との相関関係は、決定係数Ｒ２＞０．８で一致することが確認できた。即ち、プロセスデータ推定部１３０によって推定されるプロセスデータ（成膜量、成膜レート）は、実測値の傾向を好適に再現している。
　図２に戻り、プロセスデータ出力部１４０は、プロセスデータ推定部１３０で推定したプロセスデータを出力する。
　以上のように、第１実施形態に係るプロセス推定システム１００によれば、基板処理装置１の各センサ（Ｓ１～Ｓ４）で検出した実センサデータと物理モデル１２１に基づいて、仮想センサデータを好適に生成することができる。また、プロセス推定システム１００によれば、生成した仮想センサデータと反応モデル１３１に基づいて、プロセスデータ（成膜量、成膜レート）を好適に推定することができる。
　また、第１実施形態に係るプロセス推定システム１００によれば、仮想センサデータが生成される。これにより、仮想センサデータを、プロセス結果の要因分析に用いることができる。
　また、第１実施形態に係るプロセス推定システム１００によれば、予め実験等により得られた既知のデータセットの範囲よりも外側のプロセス条件においても、好適にプロセスデータを推定することができる。
　また、基板処理装置１におけるプロセス条件に対するプロセスデータ（成膜量、成膜レート）の応答曲面を作成する際、実測値だけでなく、プロセス推定システム１００で推定されたプロセスデータを加えてもよい。これにより、実測値間のプロセス条件におけるプロセスデータを推定することができるので、応答曲面のデータ数を増やすことができる。また、実測工数を削減することができる。
　また、基板処理装置１において、一の基板Ｗに処理を施した後、次の基板Ｗに処理を施す際、プロセス推定システム１００は、仮想センサの初期値として、一の基板Ｗに処理を施した際の最終仮想センサデータを引き継いでもよい。例えば、基板処理装置１の部品（シャワーヘッド２３）の温度を検出する仮想温度センサにおいて、前回値を引き継いでもよい。なお、交換された基板Ｗの温度、順次供給される処理空間２１内のガスの温度及び圧力は、引き継がなくてもよい。また、プロセス推定システム１００は、基板処理装置１におけるプロセスデータ（膜厚）に基づいて、プロセスデータの累積値（累積膜厚）を引き継いでもよい。例えば、基板Ｗに成膜した際、チャンバ２内壁面にも成膜される。この膜は、クリーニング処理等により除去されるまで累積されることとなる。これにより、例えば、図３に示す物理モデル１２１において、伝熱量が変化する。プロセス推定システム１００は、プロセスデータの累積値（累積膜厚）を引き継ぐことにより、チャンバ２内壁面の状態を加味して、好適に仮想センサデータを生成し、プロセスデータを推定することができる。
　次に、第２実施形態に係るプロセス推定システム２００について、図７を用いて説明する。図７は、第２実施形態に係るプロセス推定システム２００の一例を示す構成図である。プロセス推定システム２００は、基板処理装置１の各センサ（Ｓ１～Ｓ４）の検出値に基づいて、プロセスデータを推定する。
　プロセス推定システム２００は、実センサデータ入力部１１０と、仮想センサデータ生成部１２０と、プロセスデータ推定部２３０と、プロセスデータ出力部１４０と、を備える。
　プロセスデータ推定部２３０は、学習モデル生成部２３１を有する。ここで、プロセス推定システム２００には、既知の実センサデータとプロセスデータとのデータセットが入力される。仮想センサデータ生成部１２０は、データセットにおける仮想センサデータを生成する。学習モデル生成部２３１は、仮想センサデータ（及び実センサデータ）とプロセスデータとのデータセットを教師データとして機械学習を行い、学習済モデル２３２を生成する。
　これにより、プロセス推定システム２００は、実センサデータが入力されると、仮想センサデータ生成部１２０で仮想センサデータを生成する。そして、プロセスデータ推定部２３０は、仮想センサデータ（及び実センサデータ）と学習済モデル２３２に基づいて、プロセスデータを推定する。
　以上のように、第２実施形態に係るプロセス推定システム２００によれば、仮想センサデータ（及び実センサデータ）とプロセスデータとのデータセットを教師データとして学習済モデル２３２を生成し、生成した学習済モデル２３２に基づいて、プロセスデータを推定する。ここで、教師データとして用いる仮想センサデータとしてプロセスデータと相関性の高い仮想センサデータを用いることができるので、学習済モデル２３２によるプロセスデータの推定精度を向上させることができる。
　次に、第３実施形態に係るプロセス推定システム３００について、図８を用いて説明する。図８は、第３実施形態に係るプロセス推定システム３００の一例を示す構成図である。プロセス推定システム３００は、基板処理装置１の各センサ（Ｓ１～Ｓ４）の検出値に基づいて、プロセスデータを推定する。
　プロセス推定システム３００は、実センサデータ入力部１１０と、仮想センサデータ生成部１２０と、プロセスデータ推定部１３０，２３０と、プロセスデータ決定部３３５と、プロセスデータ出力部１４０と、を備える。
　プロセス推定システム３００は、実センサデータが入力されると、仮想センサデータ生成部１２０で仮想センサデータを生成する。そして、プロセスデータ推定部１３０は、仮想センサデータ（及び実センサデータ）と反応モデル１３１に基づいて、プロセスデータを推定する。また、プロセスデータ推定部２３０は、仮想センサデータ（及び実センサデータ）と学習済モデル２３２に基づいて、プロセスデータを推定する。
　プロセスデータ決定部３３５は、プロセスデータ推定部１３０で推定されたプロセスデータと、プロセスデータ推定部２３０で推定されたプロセスデータと、に基づいて、プロセスデータを決定する。例えば、プロセスデータ推定部１３０で推定されたプロセスデータと、プロセスデータ推定部２３０で推定されたプロセスデータとの平均値をプロセスデータとして決定する。
　以上のように、第３実施形態に係るプロセス推定システム３００によれば、複数のプロセスデータ推定部１３０，２３０で推定されたプロセスデータに基づいて、最終的なプロセスデータを決定することができるので、プロセスデータの推定精度を向上させることができる。
　以上、本実施形態に係る基板処理装置１のプロセス推定システム１００～３００について説明したが、これに限られるものではない。
　基板処理装置１は、熱ＣＶＤ装置、プラズマＣＶＤ装置、熱ＡＬＤ装置、プラズマＡＬＤ装置等、種々の基板処理装置に適用することができる。
　実センサデータ入力部１１０に入力される実センサデータは、温度センサＳ１の検出値、温度センサＳ２の検出値、流量センサＳ３の検出値、圧力センサＳ４の検出値であるものとして説明したが、これに限られるものではない。実センサデータは、基板処理装置１に設けられるセンサ（電圧センサ、電流センサ、発光分光分析装置等）の検出値等を含んでもよい。
　また、仮想センサデータ生成部１２０が生成する仮想センサデータは、基板Ｗの温度、シャワーヘッド２３の温度、処理空間２１内のガスの温度、処理空間２１内のガスの圧力
であるものとして説明したが、これに限られるものではない。仮想センサデータは、処理空間２１内に生成されるプラズマのイオン濃度、電子密度、電子温度、ラジカル濃度またはセルフバイアスを測定するプラズマセンサを含んでもよい。
　また、プロセスデータは、成膜量（成膜レート）であるものとして説明したが、これに限られるものではない。例えば、成膜の段差被覆性（カバレッジ）であっても良い。また、基板処理装置１は基板Ｗにエッチング処理を施すエッチング装置である場合には、プロセスデータはエッチング量（エッチングレート）であってもよい。さらに、基板処理装置１の処理内容にかかわらず処理後の基板Ｗのパーティクル数または欠陥数であってもよい。
　尚、本願は、２０２０年２月７日に出願した日本国特許出願２０２０－２０１２９号に基づく優先権を主張するものであり、これらの日本国特許出願の全内容を本願に参照により援用する。
１　　　基板処理装置
２　　　チャンバ
３　　　載置台
４　　　ガス供給装置
５　　　排気装置
６　　　制御装置
７　　　ガス
２１　　処理空間
２２　　排気空間
２３　　シャワーヘッド
４１　　ガス供給源
４２　　マスフローコントローラ
４３　　開閉弁
１００　プロセス推定システム
１１０　実センサデータ入力部
１２０　仮想センサデータ生成部
１２１　物理モデル
１３０　プロセスデータ推定部
１３１　反応モデル
１３２　気相反応モデル
１３３　表面反応モデル
１３４　プロセスデータ
１４０　プロセスデータ出力部
２００　プロセス推定システム
２３０　プロセスデータ推定部
２３１　学習モデル生成部
２３２　学習済モデル
３００　プロセス推定システム
３３５　プロセスデータ決定部

Claims (10)

  1. 　基板処理装置のセンサで検出された実センサデータを入力する入力部と、
    　前記実センサデータ及び物理モデルに基づいて、仮想センサの仮想センサデータを生成する仮想センサデータ生成部と、
    　前記仮想センサデータに基づいて、プロセスデータを推定するプロセスデータ推定部と、を備える、
    プロセス推定システム。
  2. 　前記プロセスデータ推定部は、前記実センサデータ及び前記仮想センサデータに基づいて、プロセスデータを推定する、
    請求項１に記載のプロセス推定システム。
  3. 　前記センサは、温度センサ、ガス流量センサ、圧力センサ、電圧センサ、電流センサ、発光分光分析装置の少なくともいずれかを含む、
    請求項１または請求項２に記載のプロセス推定システム。
  4. 　前記物理モデルは、熱流体モデルである、
    請求項１乃至請求項３のいずれか１項に記載のプロセス推定システム。
  5. 　前記基板処理装置は、基板に成膜処理を施す成膜処理装置であって、
    　前記プロセスデータは、前記基板に成膜される膜の膜厚である、
    請求項１乃至請求項４のいずれか１項に記載のプロセス推定システム。
  6. 　前記プロセスデータ推定部は、
    　前記仮想センサデータ及び反応モデルに基づいて、前記プロセスデータを推定する、
    請求項１乃至請求項５のいずれか１項に記載のプロセス推定システム。
  7. 　前記プロセスデータ推定部は、
    　前記仮想センサデータと前記プロセスデータとのデータセットを教師データとして、機械学習を行い学習済モデルを生成する機械学習部を備える、
    請求項１乃至請求項６のいずれか１項に記載のプロセス推定システム。
  8. 　前記プロセスデータ推定部は、
    　前記仮想センサデータ及び前記学習済モデルに基づいて、前記プロセスデータを推定する、
    請求項７に記載のプロセス推定システム。
  9. 　基板処理装置のプロセスデータを推定するプロセスデータ推定方法であって、
    　基板処理装置のセンサで検出された実センサデータを入力する工程と、
    　前記実センサデータ及び物理モデルに基づいて、仮想センサの仮想センサデータを生成する工程と、
    　前記仮想センサデータに基づいて、プロセスデータを推定する工程と、を有する、
    プロセスデータ推定方法。
  10. 　請求項９に記載のプロセスデータ推定方法をコンピュータに実行させる、プログラム。
PCT/JP2021/002898 2020-02-07 2021-01-27 プロセス推定システム、プロセスデータ推定方法及びプログラム WO2021157453A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020227029981A KR20220133991A (ko) 2020-02-07 2021-01-27 프로세스 추정 시스템, 프로세스 데이터 추정 방법 및 기록 매체
US17/759,638 US20230115637A1 (en) 2020-02-07 2021-01-27 Process estimation system, process data estimation method, and recording meduim

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020020129A JP7458808B2 (ja) 2020-02-07 2020-02-07 プロセス推定システム、プロセスデータ推定方法及びプログラム
JP2020-020129 2020-02-07

Publications (1)

Publication Number Publication Date
WO2021157453A1 true WO2021157453A1 (ja) 2021-08-12

Family

ID=77200602

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/002898 WO2021157453A1 (ja) 2020-02-07 2021-01-27 プロセス推定システム、プロセスデータ推定方法及びプログラム

Country Status (4)

Country Link
US (1) US20230115637A1 (ja)
JP (1) JP7458808B2 (ja)
KR (1) KR20220133991A (ja)
WO (1) WO2021157453A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023026895A1 (ja) * 2021-08-24 2023-03-02 東京エレクトロン株式会社 基板処理装置、モデルデータ生成装置、基板処理方法、およびモデルデータ生成方法
WO2024009902A1 (ja) * 2022-07-04 2024-01-11 東京エレクトロン株式会社 情報処理方法、コンピュータプログラム及び情報処理装置
JP7467824B1 (ja) 2022-12-06 2024-04-16 株式会社東京精密 温度制御装置、温度制御方法、プログラム、プローバ及び学習モデル生成方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023114127A (ja) * 2022-02-04 2023-08-17 株式会社荏原製作所 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法
KR102662731B1 (ko) * 2022-02-25 2024-05-03 주식회사 아진 가상 센서를 이용해 제어 구간 설정을 하는 온도 제어 시스템 및 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007507888A (ja) * 2003-09-30 2007-03-29 東京エレクトロン株式会社 半導体製造プロセスを制御するために第１の原理シミュレーションを用いたシステム及び方法。
JP2009049305A (ja) * 2007-08-22 2009-03-05 Omron Corp 酸化膜厚推定方法及び装置並びにプログラム
JP2015018879A (ja) * 2013-07-09 2015-01-29 東京エレクトロン株式会社 基板処理方法及び制御装置
US10424520B1 (en) * 2018-09-26 2019-09-24 Kokusai Electric Corporation Method of manufacturing semiconductor device

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4789277B2 (ja) 2004-04-22 2011-10-12 横河電機株式会社 プラント運転支援装置
JP2018174030A (ja) 2017-03-31 2018-11-08 東邦瓦斯株式会社 エンジンにおける点火プラグの劣化判定装置及び劣化判定方法
JP7017985B2 (ja) 2018-06-05 2022-02-09 株式会社日立製作所 システム及び処理条件の決定方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007507888A (ja) * 2003-09-30 2007-03-29 東京エレクトロン株式会社 半導体製造プロセスを制御するために第１の原理シミュレーションを用いたシステム及び方法。
JP2009049305A (ja) * 2007-08-22 2009-03-05 Omron Corp 酸化膜厚推定方法及び装置並びにプログラム
JP2015018879A (ja) * 2013-07-09 2015-01-29 東京エレクトロン株式会社 基板処理方法及び制御装置
US10424520B1 (en) * 2018-09-26 2019-09-24 Kokusai Electric Corporation Method of manufacturing semiconductor device

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023026895A1 (ja) * 2021-08-24 2023-03-02 東京エレクトロン株式会社 基板処理装置、モデルデータ生成装置、基板処理方法、およびモデルデータ生成方法
WO2024009902A1 (ja) * 2022-07-04 2024-01-11 東京エレクトロン株式会社 情報処理方法、コンピュータプログラム及び情報処理装置
JP7467824B1 (ja) 2022-12-06 2024-04-16 株式会社東京精密 温度制御装置、温度制御方法、プログラム、プローバ及び学習モデル生成方法

Also Published As

Publication number Publication date
JP2021125654A (ja) 2021-08-30
JP7458808B2 (ja) 2024-04-01
KR20220133991A (ko) 2022-10-05
US20230115637A1 (en) 2023-04-13

Similar Documents

Publication Publication Date Title
WO2021157453A1 (ja) プロセス推定システム、プロセスデータ推定方法及びプログラム
JP6615195B2 (ja) プラズマ処理設備における内表面調整評価のためのシステム及び方法
JP5544060B2 (ja) プラズマ特性を求める方法
KR100474227B1 (ko) 반도체 장치의 제조 방법
US6192287B1 (en) Method and apparatus for fault detection and control
US20080251104A1 (en) Systems and Methods for Determination of Endpoint of Chamber Cleaning Processes
JP5825492B2 (ja) プラズマプロセスによる加工形状の予測システム、方法及びプログラム
JP4464276B2 (ja) プラズマ処理方法及びプラズマ処理装置
US20060211253A1 (en) Method and apparatus for monitoring plasma conditions in an etching plasma processing facility
US20060027566A1 (en) Multi-parameter process and control method
JP7141471B2 (ja) シーズニングプロセスの終点を検出するための方法および装置
KR20210000731A (ko) 공간적으로 분해된 웨이퍼 온도 제어를 위한 가상 센서
KR20210146826A (ko) 플라즈마 처리 방법 및 플라즈마 처리 장치
JP4739709B2 (ja) 成膜装置のクリーニング方法
TWI276162B (en) Multi-variable analysis model forming method of processing apparatus, multi-variable analysis method for processing apparatus, control apparatus of processing apparatus, and control system of processing apparatus
Knizikevičius Statistical insights into the reaction of fluorine atoms with silicon
JP4220378B2 (ja) 処理結果の予測方法および処理装置
JP2003303777A (ja) プラズマ成膜装置及びクリーニング方法
Wieland et al. Environmental-friendly fluorine mixture for CVD cleaning processes to replace C2F6, CF4 and NF3
TWI834662B (zh) 用於檢測陳化製程的終點的方法與設備
CN108231518A (zh) 用于腔室清洁终点的虚拟传感器
KR20090062886A (ko) 내플라즈마 평가방법
TW202329281A (zh) 可用於模型訓練的掃描自由基感測器
JP2010010171A (ja) プラズマ処理装置およびプラズマ処理条件の取得方法ならびにプラズマ処理方法
JP2003115516A (ja) 水分測定用ウェーハ、水分計の較正方法および熱処理炉の状態評価方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21750626

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20227029981

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21750626

Country of ref document: EP

Kind code of ref document: A1