JP2009500853A - プロセス環境における動的パラメータのモニタリングに用いる自己訂正型多変量解析 - Google Patents

Abstract

プロセスをモニタする方法及び装置が提供される。プロセス・モニタリングは、（ｉ）プロセス環境の多変量解析基準モデルを、プロセス環境のモニタされるパラメータに対応するデータから生成するステップと、（ｉｉ）モニタされるパラメータの少なくとも１つを、プロセス環境の成熟と相関するものとして指定するステップと、（ｉｉｉ）少なくとも１つの指定されたパラメータを含むモニタされるパラメータと対応する現在のプロセス・データを収集するステップと、（ｉｖ）少なくとも１つの指定されたパラメータの現在のプロセス・データに基づいて多変量解析基準モデルをスケーリングし、プロセス環境の成熟を説明するステップと、を含む。この方法は、更に、プロセス環境の現在の状態を表す１又は複数の現在の多変量解析プロセス計量を現在のデータから生成するステップと、現在のプロセス計量とスケーリングされた基準モデルとを比較して、プロセス環境の現在の状態が受入可能かどうかを判断するステップとを含む。

Description

技術分野及び背景技術

多変量解析（ＭＶＡ）は、多くのモニタされたパラメータを含むプロセスのモニタリング、特に、故障検出において有効なツールであることがわかっている。多変量解析は、パラメータの共分散及び相関で見られるプロセス変化を検出する。ＭＶＡは、典型的には基準として役立つ既知の受入可能な作業条件に基づいたプロセス基準モデルの構造を必要とする。

基準モデルは、測定されたプロセス・パラメータから構築できる。一般に、このモデルは、個別のプロセス・ステップの個々の時間依存的なモデルに分割し、次に、全過程を要約する上位レベルのモデルに再構築できる。

プロセスのための故障検出の以後のインプリメンテーション（実装）はすべて、同じ方法（つまりモデル化プロセス・ステップ及び上位レベルモデルへの要約）で同じ測定されたパラメータを比較し、基準モデルが基づく既知の受入可能なプロセスからの統計的に著しい偏差を決定する。ＭＶＡの効果的な実行は、大部分が、モデルの質に依存する。

発明の概要

ＭＶＡを用いて、故障検出から利益を得ることができるプロセスは、本質的に動的である。時間経過と共に、プロセスの性能は、エージング（経年劣化）によりドリフトする。例えば、半導体プロセスでは、チャンバ・ウォール上に生じる積層（デポジット）の結果として、プロセスに関係するプラズマの性質に影響を及ぼす内部ＲＦ電磁場の分布に差を生じさせることがある。したがって、プロセスが成熟すると、ＭＶＡ基準モデルは、欠陥の検知に関して効率的でなくなる。この原因は、このモデルが、新たな作業条件をモデルとは統計的に有意に異なるものと考慮し、プロセスのエージングすなわち成熟を計算に入れないからである。

それほど成熟したプロセス中のＭＶＡの効果的な実行は、時間にわたって工程偏差により、プロセスの変化と比較して、成熟によりプロセスの変化を認識することを機構の定義に要求する。図１の例で示されるように、プロセス成熟は典型的には定期保守と一致するサイクルに繰り返すある標準パターンに従う。ＭＶＡ結果は理想化されたランプの形をしている成熟パスとしてプロセス老化を図解する。他のプロセスは違い特性成熟パスを持っていることがある。しかし、パスの特定の輪郭は些細である。

図２は、先行技術によるプロセス・エージングを説明するＭＶＡ基準モデルを生成する方法を図解するプロセス成熟のダイアグラムである。この方法は、単一のサイクルをわたってプロセス成熟を説明するプロセス・サンプルの選択を説明する基準モデルを作成することを特に含む。例えば、図２を参照すると、プロセス成熟経路に沿った点５ａ、５ｂ、・・・、５ｎ（集合的に５とする）において選択されたデータ・サンプルを用いて、プロセスの復旧が理想的でない場合でも、以後の成熟経路に沿ってプロセス・アラーム（故障の指示）を生じさせない基準モデルが作成される。そのようなモデルの短所は、それはそうであるべきであるが、ポイントで５ｃ示された可動域によって定義された出来事が、欠陥であると恐らく確認されないであろうということである。

別の既知のモデリング溶液は故障検出に使用された基準モデルへの周期的な最新版である。しかし、この解決策は、正規過程時間を犠牲にして行なわれた頻繁なメンテナンスを要求する多くのモデルを要求するだろう。ＭＶＡ故障検出はプロセス漂流及び正常な欠陥の両方に強健なことがあるが、ＭＶＡのインプリメンテーションは重要な人間の仲裁を要求し、次のモデル最新版のインプリメンテーションに関するヒューマンエラーのポテンシャルに先行することができる。

本発明は、プロセスの多変量解析への自己修正メカニズムとしてプロセス自体の性質を組込む方法に導かれる。頻繁に、プロセス成熟がＭＶＡ結果中の漂流で帰着するもののようなプロセスでは、ＭＶＡ漂流結果と関連する個別工程パラメータは識別することができる。例えば、半導体プロセスが成熟するとともに、ウエハのエッチング速度は関連方法で変わるパラメータであると確認されることがある。別の例として、半導体プロセスが成熟するとともに、ガス流速はオリフィスのデポジット（積層物）により変わることがある。

プロセス成熟と関連するパラメータは「初期条件」としてＭＶＡモデル内に定義することができる。これらの初期条件はその成熟カーブに沿ったプロセスの現在状況に関してモデルに通知するために用いることができる。プロセスがモニタされるごとに、ＭＶＡモデルは、プロセス成熟パスに沿って、プロセスがどこでそれ自体を見つけるか決めるために前のプロセスイベントからの関連パラメータを評価する。その後、ＭＶＡモデラーは、実プロセス漂流を補うためにＭＶＡのコントロールスレショルドを調節することができる。
その方法では、モデルは、既知の成熟過程により正常運転条件からの可動域と運転条件の変化を区別することができる。

成熟カーブがプロセスの特性で、プロセス・パラメータが成熟カーブを備えたその相関物と分かられる限り、成熟カーブの性質は些細である。初期条件のインプリメンテーションは、自己へのＭＶＡモデルを許可する、正規過程条件からの工程偏差を識別するその能力を維持している間、現在の成熟条件に順応する。モデル頑強性を維持するために初期条件を用いることは、頻繁なモデル最新版の、及び頻繁なモデル・バージョン管理を維持する必要からの必要を削除する。

あるひとつの側面では、本発明は、プロセスをモニタする方法及び装置であって、プロセス環境の多変量解析基準モデルを前記プロセス環境のモニタされたパラメータに対応するデータから生成するステップ又は構造と、前記モニタされたパラメータの少なくとも１つを前記プロセス環境の成熟と相関するものとして識別するステップ又は構造と、前記少なくとも１つの識別されたパラメータを含む前記モニタされたパラメータと対応する現在のプロセス・データを収集するステップ又は構造と、前記少なくとも１つの識別されたパラメータの現在のプロセス・データに基づいて前記多変量基準モデルをスケーリングし前記プロセス環境の成熟を説明するステップ又は構造と、を含むことを特徴とする。

特定の実施例は、前記多変量解析基準モデルをスケーリングするのに用いられる前記少なくとも１つの識別されたパラメータの重み付けをするステップ又は構造を更に含むことを特徴とする。

特定の実施例は、前記プロセス環境の現在の状態を表す１又は複数の現在の多変量解析プロセス計量を前記現在のプロセス・データから生成するステップ又は構造と、前記１又は複数の現在のプロセス計量と前記スケーリングされた基準モデルとを比較して前記プロセス環境の現在の状態が受入可能かどうかを判断するステップ又は構造とを更に含むことを特徴とする。

特定の実施例は、計量値と前記プロセス環境の状態を表す前記計量に関するスレショルド値の組とを生成するステップ又は構造であって、前記スレショルド値の組は前記プロセス環境の以後の状態と関連する受入可能な計量値の範囲を定義する、ステップ又は構造を更に含むことを特徴とする。

特定の実施例は、前記少なくとも１つの識別されたパラメータの現在のプロセス・データに基づいて前記基準モデルのスレショルド値の組をスケーリングし前記プロセス環境の成熟を説明するステップ又は構造を更に含むことを特徴とする。

特定の実施例は、前記プロセス環境の現在の状態を表す１又は複数の現在の多変量解析プロセス計量を前記現在のプロセス・データから生成するステップ又は構造と、前記１又は複数の現在の多変量解析プロセス計量とスレショルド値の前記スケーリングされた組とを比較して、前記プロセス環境の現在の状態が受入可能かどうかを判断するステップ又は構造とを更に含むことを特徴とする。

別の側面によると、本発明は、半導体プロセスをモニタする方法又は装置であって、半導体プロセス・チャンバの多変量解析基準モデルを前記半導体プロセス・チャンバのモニタされたパラメータに対応するデータから生成するステップ又は構造と、前記モニタされたパラメータの少なくとも１つを、前記半導体プロセス・チャンバの成熟と相関するものとして識別するステップ又は構造と、前記少なくとも１つの識別されたパラメータを含む前記プロセス・チャンバに関する前記モニタされたパラメータと対応する現在のプロセス・データを収集するステップ又は構造と、前記少なくとも１つの識別されたパラメータの現在のプロセス・データに基づいて前記多変量基準モデルをスケーリングし前記半導体プロセス・チャンバの成熟を説明するステップ又は構造と、を含むことを特徴とする。

特定の実施例によると、前記多変量解析基準モデルをスケーリングするのに用いられる前記少なくとも１つの識別されたパラメータの重み付けをするステップ又は構造を更に含むことを特徴とする。

特定の実施例によると、前記半導体プロセス・チャンバの現在の状態を表す１又は複数の現在の多変量解析プロセス計量を、前記現在のプロセス・データから生成するステップと、前記１又は複数の現在の多変量解析プロセス計量と前記スケーリングされた基準モデルとを比較して前記プロセス環境の現在の状態が受入可能かどうかを判断するステップと、を更に含むことを特徴とする。

本発明は、プロセス環境において動的パラメータをモニタする際に用いられる自己訂正型の多変量解析の方法を特色とする。例示目的のため、本発明の実施例を、半導体プロセス環境において用いる場合に即して説明する。当業者であれば、本発明の実施例を容易に応用可能である別のプロセス環境を容易に想到するはずである。

典型的な半導体プロセスでは、一連のシリコンウェハが、材料の積層、エッチング又は他の処理ステップの目的で、プロセス・チャンバを通過する。そのようなプロセスについては、多変量解析を用いて、プロセス環境の特性とウエハ自体の特性との関係に基づき処理されたウエハの品質を評価することができる。そのような解析を遂行するため、プロセス環境の基準モデルが、ＭＶＡを用いて生成される。ＭＶＡ基準モデルは、後の（以後の）プロセス環境状態と結果的な後の処理されたウエハが受入可能基準を満足するかどうかを判断する根拠として用いられる。本発明の利点は、「初期条件」として識別されたプロセス・パラメータの組がプロセスのエージング（経年劣化）と相関することにある。したがって、複数の基準モデル又は故障検出には比較的能率が悪く有効でない単一の一般化された基準モデルを生成する代わりに、単一の基準モデルを生成し、その後で初期条件パラメータの値に基づいてスケーリングを行い、プロセス・エージングを説明することができる。スケーリングには、初期条件に基づく任意の解析的な調整が含まれる。

図３は、基準ＭＶＡモデルを生成する方法を図解している流れ図（フロー・チャート）である。ステップ１０で、プロセス環境のモニタされたパラメータに関する履歴データが収集される。例えば、半導体プロセスでは、モニタされたパラメータは、ウエハＩＤ、エッチング速度、ガス流速、圧力、ＲＦパワー、質量分析データ、赤外分光光度法、温度、及びプロセス・チャンバとプロセスの物理的性質について記述するそれ以外のパラメータの中のうちのいずれか１つ又は複数を含む。そのようなデータは、一連のウエハ処理のために集めることができ、ウエハＩＤに従って編成することができる。

ステップ２０では、履歴データの組が、ＭＶＡ基準モデルの生成に用いられるために選択される。半導体プロセスでは、選択された履歴データは、処理されたウエハに関する外部での試験を通じて受入可能であると考えられるウエハに対応するデータだけを含む。例えば、履歴データが４５枚だけが受入可能であると考えられる５０枚のウエハに対して集められる場合、履歴データの組は、４５枚の受入可能なウエハに対応するデータに制限される。

ステップ３０では、１又は複数のモニタされたパラメータが、モデルの生成で用いられる「初期条件」として指定される。初期条件とは、そのプロセスの正常なエージングすなわち成熟と相関するプロセスのモニタされたパラメータである。したがって、プロセスが成熟するとともに、最初の基準モデルは、初期条件パラメータの値の変化に基づいてモデルをスケーリングすることにより修正できる。言いかえれば、初期条件は、その成熟パスに沿ったプロセス成熟の状態を示す。初期条件パラメータの決定は、特定のプロセスについての知識に基づいて、又は、プロセスのライフサイクルにわたるモニタされたパラメータの経験的な解析によって行うことができる。例えば、半導体プロセスの場合には、初期条件は、エッチング速度及び／又はガス流速を含む。

ステップ４０では、ＭＶＡ基準モデルは、選択された履歴データと指定された初期条件とに基づいて生成される。一般に、データの多変量解析を用いるモデルの生成は、この技術分野では公知である。結果的に生じるＭＶＡ基準モデルは、多数のプロセス・パラメータに関する履歴データを、受入可能なプロセス環境を表す独立した抽象的な計量（metrics、計量）（例えばＭＶＡの結果）のより小さな組に圧縮する。それぞれの抽象的な計量は、更に、基準値から逸脱する受入可能な計量値の範囲を定義する制御スレショルド値と関連付けられる。これらのスレショルドは、以後のプロセス環境や続いて処理されたウエハが受入可能な基準を満たすかどうかを判断するための基礎として用いられる。

例えば、図４は、ステート・ダイアグラム（状態遷移図）であり、プロセスの成熟と、１つの実施例による最初の基準モデルの対応するＭＶＡの結果及びスレショルドとを図解している。具体的には、ＭＶＡ結果６ａは基準モデルの例示的な計量であり、他方で、ＭＶＡの結果６ｂ及び６ｃはプロセス環境の続いてモデル化された状態に対する受入可能なＭＶＡの結果の範囲に対応する定義されたスレショルドである。

ある実施例によると、ＭＶＡ基準モデルは、スウェーデンのウメアに本店があるユー計量社（ＵＭｅｔｒｉｃｓ）から市販されているＭＶＡソフトウェアであるＳＩＭＣＡ Ｐ＋又はＳＩＭＣＡ ＱＭ＋を用いて生成することができる。この技術分野で既知である他の多変量解析ソフトウェア、ハードウェア又は他のテクニックを用いることができる。いったん基準モデルが提供されれば、それを用いてプロセス環境の現在状況を評価できる。

図５は、ある実施例によるＭＶＡ基準モデルを用いて、プロセス環境の現在状況を分析（解析）する方法を図解するフローダイアグラムである。

ステップ５０では、処理環境のモニタされたパラメータに関する現在のデータが、集められる。モニタされたパラメータは、基準モデルを生成するためにモニタされたパラメータと同じであるのが好ましい。ただし、この場合、データは、単一の処理イベントに関して収集される。例えば、半導体プロセスでは、データは、単一のウエハの処理（例えばエッチング又は材料の積層）のために集められる。モニタされたパラメータは、「初期条件」パラメータとして先に指定された１又は複数のパラメータを含む。

ステップ６０では、ＭＶＡ基準モデルの制御スレショルド値は、初期条件パラメータのために集めたデータその関係でスケーリングがなされる。上述したように、初期条件パラメータは、プロセスのエージングすなわち成熟と相関関係を有する。言いかえれば、プロセスは、したがってＭＶＡ基準モデルは、１又は複数の初期条件が変化するにつれて、その成熟パスに沿ってエージングが進行する。したがって、プロセス・エージングによって新しい基準モデルを作成しなければならない代わりに、オリジナルの基準モデルは、単に、個々の抽象的な計量に対するその制御スレショルドをスケーリングすることができる。制御スレショルド値は、初期条件パラメータの実際値との関係で、又は、初期条件パラメータの実際値に基づいて導かれた値との関係でスケーリングされ、プロセスの自然老化を説明することができる。

例えば、図６は、プロセス成熟を図解する状態遷移図であり、また、ある実施例に従ってプロセス成熟を説明するスケーリングの後の基準モデルの対応するＭＶＡ結果及びスレショルドである。具体的には、ＭＶＡ結果６ａは、基準モデルの最初の計量であり、他方で、ＭＶＡ結果６ｂ’及び６ｃ’はプロセス環境の続いて測定された状態に関する受入可能なＭＶＡ結果の新たな範囲に対応するスケーリングされたスレショルドである。したがって、図２に示されるように、プロセス環境の現在状況がＭＶＡ結果５ｃに対応し、ＭＶＡ結果のスレショルド範囲が６ｂ’と６ｃ’との間にある場合には、故障が検出されることになる。

ステップ７０で図５を再度参照すると、単一のプロセス・イベントに関してモニタされたパラメータに関して収集されたデータは、プロセス環境の現在状況を表すＭＶＡプロセス計量を生成するのに用いられる。現在のプロセス・モデルは、基準モデルと同じ方法で生成される。例えば、半導体プロセスでは、結果的な現在プロセス解析は、単一のウエハの処理中のウェハ・プロセス・チャンバに関するデータを、現在のプロセス環境を表す独立した抽象的な計量のより小さな組に圧縮する。

ステップ８０では、現在のプロセス・モデルの１又は複数の抽象的な計量が、スケーリングされプロセス・エージングを説明する基準モデルにおいて定義されている対応するスレショルド範囲と比較される。半導体プロセスでは、現在のモデルの計量が基準モデルの定義されたスレショルド範囲の中に入る場合には、対応するプロセス環境と結果的な対応する処理済のウエハは、受入可能であるとは考えられず、それに従ってウエハは廃棄される。

図７は、ある実施例によるプロセス環境における動的パラメータの解析で用いられる自動訂正型の多変量解析基準モデリングをインプリメントするプロセス・モニタを図解するシステム・ダイアグラムである。このシステムは、プロセス環境１００とプロセス・モニタ２００とを含む。図解されている実施例では、プロセス環境１００は、材料の積層、エッチング又はそれ以外の半導体プロセスのためにウエハ１０５が入るウエハ処理チャンバである。

プロセス・モニタ２００は、ＭＶＡモジュール２１０と、プロセス・インタフェース２２０と、ユーザ・インタフェース２４０と、データベース２３０とを含む。ユーザ・インタフェース２４０は、プロセス・インタフェース２２０を介して、ＭＶＡモジュール２１０とデータベース２３０との動作を制御する。プロセス・インタフェース２２０は、プロセス環境１００のモニタされたパラメータに関するデータを集め、そのデータをウエハＩＤに従ってデータベース２３０に格納する。ある実施例では、プロセス・モニタ２００は、米国マサチューセッツ州ウィルミントン所在のＭＫＳインスツルメンツから市販されているＴＯＯＬｗｅｂ（登録商標）故障検出及び分類（ＦＤＣ）システムを用いてインプリメントすることができる。

プロセスのＭＶＡ基準モデルを生成するために、受入可能な処理済みウエハに関連する履歴データが、ユーザ・インタフェース２４０を介して選択される。プロセス・インタフェース２２０は、データベース２３０から選択された履歴データを検索し、それをＭＶＡモジュール２１０へ送る。１又は複数のプロセス・パラメータの組が、ユーザ・インターフェース２４０を介して初期条件として指定され、これも、プロセス・インタフェース２２０を介して、ＭＶＡモジュール２１０へ転送される。

ＭＶＡモジュール２２０は、既知の多変量解析法を用いて、ＭＶＡ基準モデルを生成する。特に、生成されたＭＶＡ基準モデルは、多くのプロセス・パラメータに関する履歴データを、受入可能なプロセス環境を表す独立し抽象的な計量のより小さな組に圧縮する。抽象的な計量は、それぞれが、基準値から逸脱するが受入可能な計量値の範囲を定義する制御スレショルド値の組と関連付けられる。これらのスレショルド値は、以後のプロセス環境と以後の処理済みウエハとが受入可能基準を満足するかどうかを判断する基礎として用いられる。ＭＶＡモジュールは、ユーメトリクス社から市販されているＳＩＭＣＡ Ｐ＋又はＳＩＭＣＡ ＱＭ＋ＭＶＡソフトウェアを用いて、インプリメントすることができる。基準モデル又はＭＶＡモジュール２１０に格納された基準モデルへのインデクスは、プロセス・インタフェース２２０に返される。

ＭＶＡ基準モデルをプロセス環境の故障検出に用いるため、ユーザ・インタフェース２４０は、ウエハ処理イベントのような個別処理イベントのバッチ用データを収集するように、プロセス・インタフェース２２０に命令する。それぞれのイベントについて、プロセス・インタフェース２２０は、プロセス・イベント・データを集め、そのデータをウエハＩＤに従ってデータベース２３０に格納する。プロセス・インタフェース２２０は、平行して、プロセス・イベントに関して収集したデータを、指定された初期条件パラメータの値を含めて、ＭＶＡモジュール２１０へ送り、プロセス環境１００の現在状況を表すＭＶＡ結果を計算する。ＭＶＡモジュール２１０は、現在の結果を生成し、１又は複数の初期条件パラメータ値に関連する基準モデルの抽象的な計量に関連するスレショルドをスケーリングして、プロセス・エージングを説明する。

次に、ＭＶＡモジュール２１０は、現在の解析の計量と、基準モデルの訂正されたスレショルドとを比較する。計量が基準モデルのスケーリングされたスレショルド範囲に含まれる場合には、対応するプロセス環境と、半導体プロセスにおける対応する処理済のウエハは受入可能であると考えられる。現在の計量が定義されたスレショルド範囲に含まれない場合には、対応するプロセス環境と、対応する処理済のウエハは受入可能でないと考えられ、プロセス技術者に、ユーザ・インターフェース２４０を介してプロセス・インタフェース２２０からウエハを廃棄するようにとの警告がなされる。

図８−１０は、多変量解析のための自己訂正型の基準モデルを用いたドリフト訂正の実例を図解している。図８は、静的な基準モデルを用いて、シリコンウェハの１期間にわたる半導体プロセスを表わす多変量解析（ＭＶＡ）グラフである。半導体プロセスは、ホテリングのＴ^２多変量解析（ＭＶＡ）を用いて解析される。グラフ３００は、Ｘ軸に沿って定義されたウエハの１周期にわたるＹ軸に沿った半導体プロセスのＴ^２計量値を図解している。

このグラフは、また、臨界極限３１０、３２０、３３０を識別して、ウエハ処理チャンバのようなプロセス環境の不十分な動作条件についてオペレーターに警告する。例えば、このプロセスの臨界極限（critical limits）は、「警告極限」として形成された９５％の臨界極限３１０と、９９％の臨界極限３２０と、警告レベル３３０とを含む。警告レベル３３０は、警戒極限（warning limit）のほぼ２倍に設定され、半導体プロセスと関連する誤差条件を示している。Ｔ^２計量値がアラームレベル３３０を超過する場合には、システムのオペレータ又は自動プロセスが、ウエハ処理チャンバを清浄化するなどの修正処置をとる。

例示的なグラフ３００に示されるように、ホテリングのＴ^２多変量解析は、半導体プロセスがほとんど制御から逸脱していることを示し、受入可能な限界３１０、３２０、３３０の範囲から逸脱する深刻なドリフトが、プロセス環境の定期的な維持管理の間に現われている。しかし、実際は、半導体プロセスは、制御から逸脱してはいない。もっと正確に言えば、検知されたドリフトは、正常な過程エージング及び成熟により生じる。しかし、多変量解析法は「よい」ウエハの小さな組に関連したプロセス・パラメータから生成された静的な基準モデルを用いているので、基準モデルは、プロセスの正常な周期的ドラフトを説明しない。正常の過程エージング及び成熟により引き起こされるどんな逸脱も、エラー条件として検出される。したがって、この基準モデルは、正常なドリフト・プロセスを表現しない。

ウエハ・セットを拡張する必要なくプロセス・ドリフトを補うためには、半導体プロセスのホテリングのＴ^２多変量解析と相関する特定のプロセス・パラメータが識別される。図９Ａは、処理されたウエハの１周期にわたる選択されたプロセス・パラメータの実際値を図解するグラフである。この例では、選択されたプロセス・パラメータは、ステージ・ヒータ電力である。グラフ４００に示されるように、選択されたパラメータの実際値は、周期的なのこぎり歯パターンに従ってドリフトする。このパタンは、多変量解析グラフ３００の、のこぎり歯パタンに似ている。したがって、選択されたプロセス・パラメータは、初期条件として機能し、半導体プロセスにおける内在的なドリフトに関して、多変量解析基準モデルを補正するのに適している。特定の実施例では、選択されたプロセス・パラメータは、１又は複数のプロセス・パラメータから導かれる。

図９Ａの選択されたプロセス・パラメータの実際値はいくぶんノイズを含むので指数的に重み付けがなされた移動平均（ＥＷＭＡ）信号を生成して、元の信号の自然な分散をフィルタリングによって除去し、プロセス・パラメータにおける変化を示す「よりきれいな」指示を得ることができる。例えば、図９Ｂは、、図９Ａの選択されたプロセス・パラメータ値のサンプルに対する指数的に重み付けされた移動平均（ＥＷＭＡ）信号に関するチャートである。示されているように、信号４１０は、選択されたプロセス・パラメータに関するウエハ概要データによる実際のウエハを図解している。信号４２０は、ＥＷＭＡを用いた同じ概要データに関する平滑化された傾向である。当業者に知られている他の平滑化関数を利用することもできる。あるいは、相関が強いパラメータが見つかる場合、それは深刻なランダムノイズによって影響を受けることはなく、選択されたプロセス・パラメータ自体の実際値を、平滑化された傾向データの代わりに、モデルに対する補償値として用いることができる。

９Ｃは、ウエハ間における、選択されたプロセス・パラメータの変化を図解するグラフである。グラフ５００のＸ軸に沿って識別された各ウエハについて、前のウエハからの選択されたプロセス・パラメータの実際の又は平滑化されｔ値の変化を表すデルタ値の対応する組が、Ｙ軸に沿って識別される。例えば、ウエハ番号８では、デルタ値の組は、前のウエハ番号７に関するプロセス・パラメータの滑らかにされた要約統計における変化を表わす最初のデルタ値５１０ｂを含んでいる。デルタ値５１０ａ及び５１０ｃは、デルタ値５００ｂに関する選択されたプロセス・パラメータの自然な分散の現実的な範囲に対応する上限及び下限を識別する。次に、これらのデルタ値は、チャンバによって処理される次のウエハのためのモデルをスケーリング及び補正をするために、ＭＶＡ基準モデルに与えられる。こうして、これらのデルタ値は、プロセス・ドリフトを予期してＭＶＡモデルに対する補償値となっている。この補償がインプリメントされる場合、ＭＶＡモデルはプロセス・ドリフトに気づいており、ホテリングのＴ^２パラメータを適切に修正する。デルタ値５２０に関しては、これらの値は、以前の及び以後のデルタ値の組からの著しい上昇である。そのような偏差は、他のエラー条件のノイズに起因する可能性がある。そのような場合、デルタ値４２０は、基準モデルをスケーリングするのには使用されない。もっと正確に言えば、デルタ値５２０の直前のデルタ値が、再度用いられる。デルタ値５２０の後に続くデルタ値が値の上昇を維持する場合、システムは、この条件について人間のオペレータに警報し、緩やかな変化からの逸脱を予想しているのかどうかの確認を求める。

スケーリングは、初期条件に基づく任意の解析的な調整を含む。例えば、多変量解析では、半導体プロセスのようなプロセスが、超平面（hyper plane）と称されるｎ次元平面においてモデル化される。「よい」ウエハの初期の組に対するプロセスのモニタされた値は超平面に写像され、ＭＶＡ基準モデルを生成するような「クラウド（雲）」又は点の組（点集合）が得られるようにする。ＭＶＡモデルは、すべての正常なプロセス分散がデータの中で表わされるように、十分に大きなデータセットから構築される。ＭＶＡ基準モデルは、正常なプロセス行動を表す。超空間の中の代表的なデータ点は、データ点に最もよく適合する超平面の上に射影される。いったんモデルが定義されると、初期条件として指定された１又は複数のプロセス・パラメータを用いて、モデルの中の中心における適切なシフトが定義され、プロセスの質に影響しないプロセス・ドリフトが補償される。プロセス・ドリフトに従ってこのＭＶＡモデルをスケーリングするために、特定の物理パラメータに対する値についてのウエハ間の変化を用いることができ、中心点の移動をモデル化する関数に入力される初期条件として定義されたデルタ値が定義され、ドリフトが説明される。モデルの中心はプロセス・ドリフトを補償するように移動することができるが、訂正されたモデルの中心に対するモデル・スレショルドは訂正する必要がない。

スケーリングは選択されたプロセス・パラメータに基づいて計算しプロセス・ドリフトを補償することを含むが、任意の特定のパラメータの重要性に重み付けを行い多変量解析への影響を加重する又は軽減することができるという別の側面が多変量解析の中に存在する。したがって、プロセス・ドリフトを補償するように初期条件として選択されたプロセス・パラメータは、十分なドリフト補償を提供するような重み付けが可能である。初期条件が複数存在する場合には、指定されたプロセス・パラメータは、相対的な重み付けを行って、２つ以上の初期条件が有する可能性がある相互作用をすべて補償することが可能である。

図１０は、図９Ｃのデルタ値を用いて補正された自己訂正型のＭＶＡ基準モデルを用いて、シリコンウェハの１周期にわたる半導体プロセスを表わす多変量解析（ＭＶＡ）グラフである。この補償されたホテリングのＴ^２グラフ６００は、図８の補償されていないグラフ３００を生成するのに用いられたのと同じデータから生成される。示されているように、グラフ６００は、ホテリングのＴ２値のドリフトの減少を含む。また、ほとんどのウエハは、２ｘ９５％のＴ２臨界値よりも下にあり、これは、典型的なアラームレベル３３０である。既存のアラーム３１０、３２０及び３３０は、モニタされているツールによって定期的な保守の必要の指示として、利用することができる。

前の例において、単一のプロセス・パラメータは、初期条件として識別されているが、プロセス・ドリフトが複数の独立な原因によって引き起こされる場合がある。そのような場合には、多変量解析モデルは、複数の初期条件を用いて補正が可能である（対応する直交プロセス・パラメータの選択を要求して）。

上述のテクニックは、ディジタル電子回路、コンピュータ・ハードウェア、ファームウェア、ソフトウェア、又はそれらの組合せにおいてインプリメントできる。そのインプリメンテーションは、電子的ではないがフィルタリングと同じ結果を奏する別の形式を有する場合もある。そのようなインプリメンテーションは、例えば機械可読な記憶装置の中のコンピュータ・プログラム・プロダクト（情報媒体において有体物として具体化されたコンピュータ・プログラム）における場合や、伝搬される信号において実現される場合もあり、プログラマブルなプロセッサ、コンピュータ、複数のコンピュータなどのデータ処理装置によって実行される、それらの動作によって制御される。

コンピュータプログラムは、プログラミング言語の任意の形式で書くことができる。これには、コンパイルされた又はインタプリットされた言語を含む。コンピュータ・プログラムは、スタンドアロン・プログラム又はモジュール、コンポーネント、サブルーチン、計算環境において用いるのに適したそれ以外の形態でありうる。コンピュータ・プログラムは、１つのサイトにおいて又は通信ネットワークによって相互接続複数のサイトにおいて実行される場合があるし、１つのコンピュータ又は多数のコンピューター上で実行される場合もある。

方法ステップは、入力データに作用し出力を生成することによってコンピュータ・プログラムを実行し本発明の機能を実行させるプログラマブルなプロセッサによって実行される。方法ステップは、また、装置をそのようにインプリメントすることができるように、例えばＦＰＧＡやＡＳＩＣなどの特定の用途向きの論理回路によって実行しうる。モジュールとは、機能を現するコンピュータ・プログラム及び／又はプロセッサ／特定回路の一部を意味する。

コンピュータ・プログラムの実行に適したプロセッサは、例示であるが、汎用及び専用のマイクロプロセッサを含み、任意の種類のデジタル・コンピュータの任意の１又は複数のプロセッサを含む。一般に、プロセッサは、ＲＯＭ又はＲＡＭから、又はその両方から、命令及びデータを受け取る。コンピューターの必須要素は、命令を実行するプロセッサと、命令とデータとを格納する１又は複数のメモリ・デバイスとである。一般に、コンピュータは、磁気ディスク、磁気光学ディスク又は光ディスクなどのデータを記憶する１又は複数の大量記憶装置を含む。あるいは、そのような大量記憶装置との間でデータのやりとりをするように構成されている。データ及び命令の伝送は、通信ネットワークを介してなされる。

コンピュータ・プログラムの命令及びデータを具体化するのに適した情報媒体は、次のような不揮発性のメモリを含む。すなわち、ＥＰＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ、磁気ディスク、内部ハードディスク、取外し可能ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭなどである。プロセッサとメモリとは、特定用途向けの論理回路によって補助されることがあるし、その中に組み込まれる場合もある。

「モジュール」及び「機能」という用語は、この出願では、限定は意味しないが、あるタスクを行なうソフトウェア又はハードウェア・コンポーネントを含む。モジュールは、アドレス指定可能な記憶媒体に存在するように構成できるし、１又は複数のプロセッサにおいて実行するように構成されている。モジュールは、汎用集積回路（ＩＣ）、ＦＰＧＡ又はＡＳＩＣを用いて、全体的に又は部分的にインプリメントできる。したがって、モジュールは、例示であるが、ソフトウエア・コンポーネント、オブジェクト指向のソフトウエア・コンポーネント、クラス・コンポーネント及びタスク・コンポーネント、プロセス、機能、属性、手順、サブルーチン、プログラムコードのセグメント、ドライバ、ファームウェア、マイクロコード、回路、データ、データベース、データ構造、テーブル、アレー、変数を含む。コンポーネント及びモジュールにおいて提供される機能は、より少数のコンポーネント及びモジュールにへ組み合み可能であるし、別のコンポーネント及びモジュールに分離することも可能である。

以上では本発明発明を好適実施例を参照して示し説明してきたが、当業者には明らかであるように、特許請求の範囲によって画定される本発明の範囲から逸脱することなく、形式及び細部において様々な変更が可能である。

本発明の上述した及びそれ以外の目的、特徴及び効果は、本発明の好適実施例に関する以上の説明から明らかであろう。なお、添附の図面では、異なる複数の図面を通じて同一の構成要素には同一の参照番号が付されている。また、これらの図面は、寸法通りではなく、むしろ、本発明の原理を説明することに重点がおかれている。
プロセスの成熟の循環性（cyclic nature）を図解する図である。 ＭＶＡ基準モデルを生成して先行技術によってプロセスのエージング（経年劣化）を説明する方法を図解するプロセス成熟の図である。 あるひとつの実施例による基準ＭＶＡモデル生成方法を図解する流れ図である。 あるひとつの実施例による初期基準モデルに関するプロセス成熟と対応するＭＶＡ結果及びスレショルド値とを図解するステート・ダイアグラムである。 あるひとつの実施例によるＭＶＡ基準モデルを用いたプロセス環境の現在状態解析方法を図解する流れ図である。 あるひとつの実施例によるプロセス成熟とスケーリングの後で基準モデルの対応するＭＶＡ結果及びスレショルドとを図解してプロセス成熟を説明するステート・ダイアグラムである。 あるひとつの実施例によるプロセス環境における動的パラメータの解析で用いる自己訂正型の多変量解析基準モデルを実現するプロセス・モニタを図解するシステム図である。 静的な基準モデルを用いたシリコン・ウエハの１周期にわたる半導体プロセスを表す多変量解析（ＭＶＡ）グラフである。 処理されたウエハの１周期にわたる選択されたプロセス・パラメータの実際値を図解するグラフである。 図９Ａの選択されたプロセス・パラメータ値のサンプルに対する指数的に重み付けされた移動平均（ＥＷＭＡ）のチャートである。 選択されたプロセス・パラメータにおけるウエハごとの変化を図解するグラフである。 図９Ｃのデルタ値により補償された自己訂正ＭＶＡ基準モデルを用いたシリコン・ウエハの１周期にわたる半導体プロセスを表す多変量解析（ＭＶＡ）グラフである。

Claims (20)

1. プロセスをモニタする方法であって、
   プロセス環境の多変量解析基準モデルを、前記プロセス環境のモニタされたパラメータに対応するデータから生成するステップと、
   前記モニタされたパラメータの少なくとも１つを、前記プロセス環境の成熟と相関するものとして識別するステップと、
   前記少なくとも１つの識別されたパラメータを含む前記モニタされたパラメータと対応する現在のプロセス・データを収集するステップと、
   前記少なくとも１つの識別されたパラメータの現在のプロセス・データに基づいて前記多変量基準モデルをスケーリングし、前記プロセス環境の成熟を説明するステップと、
   を含むことを特徴とする方法。
2. 請求項１記載の方法において、
   前記プロセス環境の現在の状態を表す１又は複数の現在の多変量解析プロセス計量を、前記現在のプロセス・データから生成するステップと、
   前記１又は複数の現在のプロセス計量と前記スケーリングされた基準モデルとを比較して、前記プロセス環境の現在の状態が受入可能かどうかを判断するステップと、
   を更に含むことを特徴とする方法。
3. 請求項１記載の方法において、前記基準モデルを生成するステップは、
   計量値と前記プロセス環境の状態を表す前記計量に関するスレショルド値の組とを生成するステップであって、前記スレショルド値の組は前記プロセス環境の以後の状態と関連する受入可能な計量値の範囲を定義する、ステップと、
   を含むことを特徴とする方法。
4. 請求項３記載の方法において、前記基準モデルをスケーリングするステップは、
   前記少なくとも１つの識別されたパラメータの現在のプロセス・データに基づいて前記基準モデルのスレショルド値の組をスケーリングし、前記プロセス環境の成熟を説明するステップを含むことを特徴とする方法。
5. 請求項４記載の方法において、
   前記プロセス環境の現在の状態を表す１又は複数の現在の多変量解析プロセス計量を、前記現在のプロセス・データから生成するステップと、
   前記１又は複数の現在の多変量解析プロセス計量とスレショルド値の前記スケーリングされた組とを比較して、前記プロセス環境の現在の状態が受入可能かどうかを判断するステップと、
   を更に含むことを特徴とする方法。
6. 半導体プロセスをモニタする方法であって、
   半導体プロセス・チャンバの多変量解析基準モデルを、前記半導体プロセス・チャンバのモニタされたパラメータに対応するデータから生成するステップと、
   前記モニタされたパラメータの少なくとも１つを、前記半導体プロセス・チャンバの成熟と相関するものとして識別するステップと、
   前記少なくとも１つの識別されたパラメータを含む前記プロセス・チャンバに関する前記モニタされたパラメータと対応する現在のプロセス・データを収集するステップと、
   前記少なくとも１つの識別されたパラメータの現在のプロセス・データに基づいて前記多変量基準モデルをスケーリングし、前記半導体プロセス・チャンバの成熟を説明するステップと、
   を含むことを特徴とする方法。
7. 請求項６記載の方法において、
   前記半導体プロセス・チャンバの現在の状態を表す１又は複数の現在の多変量解析プロセス計量を、前記現在のプロセス・データから生成するステップと、
   前記１又は複数の現在の多変量解析プロセス計量と前記スケーリングされた基準モデルとを比較して、前記プロセス環境の現在の状態が受入可能かどうかを判断するステップと、
   を更に含むことを特徴とする方法。
8. プロセスをモニタする装置であって、
   プロセス環境の多変量解析基準モデルを前記プロセス環境のモニタされたパラメータに対応するデータから生成することができ、更に、前記モニタされたパラメータの少なくとも１つの識別を、前記プロセス環境の成熟と相関するものとして受け取ることができる多変量解析モジュールと、
   前記少なくとも１つの識別されたパラメータを含む前記モニタされたパラメータと対応する現在のプロセス・データを収集することができるプロセス・インターフェースと、
   を備えており、前記多変量解析モジュールは、前記少なくとも１つの識別されたパラメータの現在のプロセス・データに基づいて前記多変量基準モデルをスケーリングし、前記プロセス環境の成熟を説明できることを特徴とする装置。
9. 請求項８記載の装置において、前記多変量解析モジュールは、前記プロセス環境の現在の状態を表す１又は複数の現在の多変量解析プロセス計量を前記現在のプロセス・データから生成し、更に、前記１又は複数の現在のプロセス計量と前記スケーリングされた基準モデルとを比較して前記プロセス環境の現在の状態が受入可能かどうかを判断できることを特徴とする装置。
10. 請求項８記載の装置において、前記多変量解析モジュールは計量値と前記プロセス環境の状態を表す前記計量に関するスレショルド値の組とを生成することができ、前記スレショルド値の組は前記プロセス環境の以後の状態と関連する受入可能な計量値の範囲を定義することを特徴とする装置。
11. 請求項１０記載の装置において、前記多変量解析モジュールは、前記少なくとも１つの識別されたパラメータの現在のプロセス・データに基づいて前記基準モデルのスレショルド値の組をスケーリングし前記プロセス環境の成熟を説明できることを特徴とする装置。
12. 請求項１１記載の装置において、前記多変量解析モジュールは、前記プロセス環境の現在の状態を表す１又は複数の現在の多変量解析プロセス計量を前記現在のプロセス・データから生成し、更に、前記１又は複数の現在の多変量解析プロセス計量とスレショルド値の前記スケーリングされた組とを比較して前記プロセス環境の現在の状態が受入可能かどうかを判断できることを特徴とする装置。
13. 半導体プロセスをモニタする装置であって、
    半導体プロセス・チャンバの多変量解析基準モデルを前記半導体プロセス・チャンバのモニタされたパラメータに対応するデータから生成することができ、前記モニタされたパラメータの少なくとも１つの識別を前記半導体プロセス・チャンバの成熟と相関するものとして受け取ることができる多変量解析モジュールと、
    前記少なくとも１つの識別されたパラメータを含む前記プロセス・チャンバに関する前記モニタされたパラメータと対応する現在のプロセス・データを収集することができるプロセス・インターフェースと、
    を備えており、前記多変量解析モジュールは、前記少なくとも１つの識別されたパラメータの現在のプロセス・データに基づいて前記多変量基準モデルをスケーリングし、前記半導体プロセス・チャンバの成熟を説明できることを特徴とする装置。
14. 請求項１３記載の装置において、前記多変量解析モジュールは、前記半導体プロセス・チャンバの現在の状態を表す１又は複数の現在の多変量解析プロセス計量を前記現在のプロセス・データから生成し、更に、前記１又は複数の現在の多変量解析プロセス計量と前記スケーリングされた基準モデルとを比較して前記プロセス環境の現在の状態が受入可能かどうかを判断できることを特徴とする装置。
15. プロセス・モニタであって、
    所望のプロセス環境の多変量解析基準モデルを、前記所望のプロセス環境のモニタされたパラメータに対応するデータから生成する手段と、
    前記モニタされたパラメータの少なくとも１つを、前記プロセス環境の成熟と相関するものとして識別する手段と、
    前記少なくとも１つの識別されたパラメータを含む前記モニタされたパラメータと対応する現在のプロセス・データを収集する手段と、
    前記少なくとも１つの識別されたパラメータの現在のプロセス・データに基づいて前記多変量基準モデルをスケーリングし、前記プロセス環境の成熟を説明する手段と、
    を備えていることを特徴とするプロセス・モニタ。
16. 請求項１記載の方法において、前記多変量解析基準モデルをスケーリングするのに用いられる前記少なくとも１つの識別されたパラメータの重み付けをするステップを更に含むことを特徴とする方法。
17. 請求項６記載の方法において、前記多変量解析基準モデルをスケーリングするのに用いられる前記少なくとも１つの識別されたパラメータの重み付けをするステップを更に含むことを特徴とする方法。
18. 請求項８記載の装置において、前記多変量解析モジュールは、前記多変量解析基準モデルをスケーリングするのに用いられる前記少なくとも１つの識別されたパラメータの重み付けをすることができることを特徴とする装置。
19. 請求項１３記載の装置において、前記多変量解析モジュールは、前記多変量解析基準モデルをスケーリングするのに用いられる前記少なくとも１つの識別されたパラメータの重み付けをすることができることを特徴とする装置。
20. 請求項１５記載のプロセス・モニタにおいて、前記多変量解析基準モデルをスケーリングするのに用いられる前記少なくとも１つの識別されたパラメータの重み付けをする手段ｆを更に備えていることを特徴とするプロセス・モニタ。

Images