Nothing Special   »   [go: up one dir, main page]

JP2022043780A - パラメータ選択方法および情報処理装置 - Google Patents

パラメータ選択方法および情報処理装置 Download PDF

Info

Publication number
JP2022043780A
JP2022043780A JP2020149241A JP2020149241A JP2022043780A JP 2022043780 A JP2022043780 A JP 2022043780A JP 2020149241 A JP2020149241 A JP 2020149241A JP 2020149241 A JP2020149241 A JP 2020149241A JP 2022043780 A JP2022043780 A JP 2022043780A
Authority
JP
Japan
Prior art keywords
parameters
parameter
unit
measurement data
result data
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
JP2020149241A
Other languages
English (en)
Inventor
英章 松井
Hideaki Matsui
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tokyo Electron Ltd
Original Assignee
Tokyo Electron Ltd
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 Tokyo Electron Ltd filed Critical Tokyo Electron Ltd
Priority to JP2020149241A priority Critical patent/JP2022043780A/ja
Priority to KR1020237009678A priority patent/KR20230056720A/ko
Priority to PCT/JP2021/030817 priority patent/WO2022050111A1/ja
Priority to US18/042,644 priority patent/US20230357931A1/en
Publication of JP2022043780A publication Critical patent/JP2022043780A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C16/00—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes
    • C23C16/44—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating
    • C23C16/52—Controlling or regulating the coating process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C16/00—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes
    • C23C16/44—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating
    • C23C16/455—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating characterised by the method used for introducing gases into reaction chamber or for modifying gas flows in reaction chamber
    • C23C16/45523—Pulsed gas flow or change of composition over time
    • C23C16/45525—Atomic layer deposition [ALD]
    • C—CHEMISTRY; METALLURGY
    • C23—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; CHEMICAL SURFACE TREATMENT; DIFFUSION TREATMENT OF METALLIC MATERIAL; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL; INHIBITING CORROSION OF METALLIC MATERIAL OR INCRUSTATION IN GENERAL
    • C23C—COATING METALLIC MATERIAL; COATING MATERIAL WITH METALLIC MATERIAL; SURFACE TREATMENT OF METALLIC MATERIAL BY DIFFUSION INTO THE SURFACE, BY CHEMICAL CONVERSION OR SUBSTITUTION; COATING BY VACUUM EVAPORATION, BY SPUTTERING, BY ION IMPLANTATION OR BY CHEMICAL VAPOUR DEPOSITION, IN GENERAL
    • C23C16/00—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes
    • C23C16/44—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating
    • C23C16/455—Chemical coating by decomposition of gaseous compounds, without leaving reaction products of surface material in the coating, i.e. chemical vapour deposition [CVD] processes characterised by the method of coating characterised by the method used for introducing gases into reaction chamber or for modifying gas flows in reaction chamber
    • C23C16/45523—Pulsed gas flow or change of composition over time
    • C23C16/45525—Atomic layer deposition [ALD]
    • C23C16/45527—Atomic layer deposition [ALD] characterized by the ALD cycle, e.g. different flows or temperatures during half-reactions, unusual pulsing sequence, use of precursor mixtures or auxiliary reactants or activations
    • 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
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/02104—Forming layers
    • H01L21/02107—Forming insulating materials on a substrate
    • H01L21/02225—Forming insulating materials on a substrate characterised by the process for the formation of the insulating layer
    • H01L21/0226—Forming insulating materials on a substrate characterised by the process for the formation of the insulating layer formation by a deposition process
    • H01L21/02263—Forming insulating materials on a substrate characterised by the process for the formation of the insulating layer formation by a deposition process deposition from the gas or vapour phase
    • H01L21/02271—Forming insulating materials on a substrate characterised by the process for the formation of the insulating layer formation by a deposition process deposition from the gas or vapour phase deposition by decomposition or reaction of gaseous or vapour phase compounds, i.e. chemical vapour deposition
    • H01L21/0228—Forming insulating materials on a substrate characterised by the process for the formation of the insulating layer formation by a deposition process deposition from the gas or vapour phase deposition by decomposition or reaction of gaseous or vapour phase compounds, i.e. chemical vapour deposition deposition by cyclic CVD, e.g. ALD, ALE, pulsed CVD
    • 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
    • H01L21/302—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to change their surface-physical characteristics or shape, e.g. etching, polishing, cutting
    • H01L21/306—Chemical or electrical treatment, e.g. electrolytic etching
    • H01L21/3065—Plasma etching; Reactive-ion etching
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Data Mining & Analysis (AREA)
  • Organic Chemistry (AREA)
  • Metallurgy (AREA)
  • Mechanical Engineering (AREA)
  • Materials Engineering (AREA)
  • General Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Plasma & Fusion (AREA)
  • Mathematical Physics (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Drying Of Semiconductors (AREA)

Abstract

【課題】基板の処理結果に高い影響を与えるパラメータを効率的に選択することができるパラメータ選択方法および情報処理装置を提供する。【解決手段】パラメータ選択方法は、ａ）基板処理装置におけるプロセスに関する複数のセンサの計測データにおける複数のパラメータと、計測データに対応するプロセスの結果データとを取得することと、ｂ）取得した複数のパラメータを特定の括り方で複数のグループに分類することと、ｃ）複数のグループそれぞれについて、結果データに高い影響を与えるパラメータを閾値に基づいて選択することと、ｄ）グループごとに選択されたパラメータについて、グループ間のトーナメント形式でｃ）を繰り返すことと、ｅ）ｄ）により選択されたパラメータ間の相関解析により、結果データと相関性の高いパラメータを選択することと、の各処理をコンピュータが実行する。【選択図】図２

Description

本開示は、パラメータ選択方法および情報処理装置に関する。
基板処理装置では、プロセスのレシピに基づいて基板に対する処理を行っている。レシピは、複数のステップで構成され、例えばステップごとに圧力や温度等の各種パラメータを制御することで、最適な処理結果を得ることができる。各種パラメータの設定値は、ステップごとに異なる場合があるため、基板処理装置に設けた複数のセンサの計測データをステップごとに様々な統計処理を行った統計データを基板ごとに管理している。統計データは、複数のセンサについてステップごとに様々な統計処理を行うと、１００万個を超えるような多量のデータを扱うことになる。このような統計データの利用としては、統計データから予測値を生成して異常を検知することが提案されている。
国際公開第２０１８／０６１８４２号
本開示は、基板の処理結果に高い影響を与えるパラメータを効率的に選択することができるパラメータ選択方法および情報処理装置を提供する。
本開示の一態様によるパラメータ選択方法は、ａ）基板処理装置におけるプロセスに関する複数のセンサの計測データにおける複数のパラメータと、計測データに対応するプロセスの結果データとを取得することと、ｂ）取得した複数のパラメータを特定の括り方で複数のグループに分類することと、ｃ）複数のグループそれぞれについて、結果データに高い影響を与えるパラメータを閾値に基づいて選択することと、ｄ）グループごとに選択されたパラメータについて、グループ間のトーナメント形式でｃ）を繰り返すことと、ｅ）ｄ）により選択されたパラメータ間の相関解析により、結果データと相関性の高いパラメータを選択することと、の各処理をコンピュータが実行する。
本開示によれば、基板の処理結果に高い影響を与えるパラメータを効率的に選択することができる。
図１は、本開示の一実施形態における情報処理システムの一例を示すブロック図である。 図２は、本開示の一実施形態における情報処理装置の一例を示すブロック図である。 図３は、解析対象ランの一例を示す図である。 図４は、計測データの括り方の一例を示す図である。 図５は、プロセスステップによる括り方の場合におけるシーケンスの一例を示す図である。 図６は、選択されたパラメータの結果データへの寄与度の一例を示すグラフである。 図７は、モデル式を用いたパラメータの検証結果の一例を示す図である。 図８は、ＡＬＤサイクルによる括り方の場合におけるシーケンスの一例を示す図である。 図９は、選択されたパラメータの結果データへの寄与度の一例を示すグラフである。 図１０は、モデル式を用いたパラメータの検証結果の一例を示す図である。 図１１は、本実施形態におけるパラメータ選択処理の一例を示すフローチャートである。 図１２は、本実施形態におけるパラメータ選択処理の一例を示すフローチャートである。 図１３は、パラメータ選択プログラムを実行するコンピュータの一例を示す図である。
以下に、開示するパラメータ選択方法および情報処理装置の実施形態について、図面に基づいて詳細に説明する。なお、以下の実施形態により開示技術が限定されるものではない。
基板処理装置に設けた複数のセンサの計測データをステップごとに様々な統計処理を行った多量の統計データについて分析を行う場合、専門家が過去の知見に基づいて探索するため、分析が完了するまでの数ヶ月単位の時間がかかることになる。例えば、基板の処理結果に高い影響を与えるセンサに対応するパラメータを特定するには、多数のセンサの計測データから探索を行うことが求められるが、基板の処理結果に高い影響を与えるパラメータを容易に選択することは困難である。そこで、基板の処理結果に高い影響を与えるパラメータを効率的に選択することが期待されている。
［情報処理システム１の構成］
図１は、本開示の一実施形態における情報処理システムの一例を示すブロック図である。図１に示す情報処理システム１は、基板処理装置１０と、測定装置２０と、情報処理装置１００とを有する。基板処理装置１０および測定装置２０と、情報処理装置１００との間は、例えば有線または無線ＬＡＮ（Local Area Network）で接続される。なお、基板処理装置１０、測定装置２０および情報処理装置１００は、それぞれ複数であってもよい。
基板処理装置１０は、処理対象の基板に対して、複数の処理ガスを切り替えて、基板に対してほぼ単分子層である薄い単位膜の積層を繰り返す原子層堆積法（ＡＬＤ：Atomic Layer Deposition）のプロセスを行うように構成された成膜装置である。基板処理装置１０は、例えば、成膜時にプラズマを用いるＰＥＡＬＤ（Plasma Enhanced Atomic Layer Deposition）により、基板に対して成膜を行う。基板処理装置１０は、基板に対するプロセスの実行時に、基板の温度、チャンバ内の圧力、ガス流量、高周波電源、バルブの駆動、ロボットの動作等の状態を計測する複数のセンサを有する。基板処理装置１０は、これら複数のセンサで計測したデータや、各部の動作状態を表す動作情報等の各種情報を計測データとして情報処理装置１００に送信する。
測定装置２０は、基板処理装置１０で基板に対する処理が終了した際に、例えば、一度に複数枚の基板に対して処理がなされた場合は、複数枚の基板の中から任意の枚数を抜き取って膜厚を測定する。測定装置２０は、測定結果をプロセスの結果データとして情報処理装置１００に送信する。
情報処理装置１００は、基板処理装置１０から計測データを受信して取得する。また、情報処理装置１００は、測定装置２０から結果データを受信して取得する。情報処理装置１００は、取得した計測データと、結果データとに基づいて、結果データに高い影響を与える計測データのパラメータを選択する。なお、情報処理装置１００は、基板処理装置１０と一体的になるように組み込まれてもよい。
［情報処理装置１００の構成］
図２は、本開示の一実施形態における情報処理装置の一例を示すブロック図である。情報処理装置１００は、通信部１１０と、表示部１１１と、操作部１１２と、記憶部１２０と、制御部１３０とを有する。なお、情報処理装置１００は、図２に示す機能部以外にも既知のコンピュータが有する各種の機能部、例えば各種の入力デバイスや音声出力デバイス等の機能部を有することとしてもかまわない。
通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。通信部１１０は、基板処理装置１０および測定装置２０と有線または無線で接続され、基板処理装置１０および測定装置２０との間で情報の通信を司る通信インタフェースである。通信部１１０は、基板処理装置１０から計測データを受信する。また、通信部１１０は、測定装置２０から結果データを受信する。通信部１１０は、受信した計測データおよび結果データを制御部１３０に出力する。
表示部１１１は、各種情報を表示するための表示デバイスである。表示部１１１は、例えば、表示デバイスとして液晶ディスプレイ等によって実現される。表示部１１１は、制御部１３０から入力された表示画面等の各種画面を表示する。
操作部１１２は、情報処理装置１００のユーザから各種操作を受け付ける入力デバイスである。操作部１１２は、例えば、入力デバイスとして、キーボードやマウス等によって実現される。操作部１１２は、ユーザによって入力された操作を操作情報として制御部１３０に出力する。なお、操作部１１２は、入力デバイスとして、タッチパネル等によって実現されるようにしてもよく、表示部１１１の表示デバイスと、操作部１１２の入力デバイスとは、一体化されるようにしてもよい。
記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子、ハードディスクや光ディスク等の記憶装置によって実現される。記憶部１２０は、計測データ記憶部１２１と、結果データ記憶部１２２と、モデル式記憶部１２３と、選択パラメータ記憶部１２４とを有する。また、記憶部１２０は、制御部１３０での処理に用いる情報を記憶する。
計測データ記憶部１２１は、基板処理装置１０における基板に対するプロセスの実行ごと（ランごと）に各種センサで計測されたデータ、および、各部の動作状態を表す動作情報のデータである計測データを記憶する。なお、本実施形態では、計測データのうち、各項目、例えば温度や圧力等の項目を、それぞれパラメータとして表している。計測データは、ＡＬＤプロセスの場合、例えば、縦軸をラン数、横軸を各ステップおよび各サイクルにおけるパラメータとした、表形式のデータを用いることができる。
結果データ記憶部１２２は、測定装置２０で測定された基板の処理結果を表すデータ、例えば膜厚を基板と対応付けて記憶する。図３は、解析対象ランの一例を示す図である。図３では、区間３０に示すランＲ１～Ｒ４９が解析対象ランであり、各ランにおけるバッチ処理の複数の基板から、トップ、センター、ボトムの３箇所の基板Ｗ１～Ｗ３における膜厚をグラフ化している。結果データ記憶部１２２は、例えば、各ランにおける基板Ｗ１～Ｗ３の膜厚を基板Ｗ１～Ｗ３と対応付けて、結果データとして記憶する。
図２の説明に戻る。モデル式記憶部１２３は、結果データと相関性が高いとして選択された各パラメータ間の相関解析の結果に基づくモデル式を記憶する。モデル式は、例えば、目的変数を膜厚とし、説明変数を各パラメータとして、最小二乗法等の線形回帰モデルを用いたものである。なお、モデル式は、選択されたパラメータが所定の結果を満たすか否かを検証するために用いるものである。
選択パラメータ記憶部１２４は、結果データに高い影響を与えるとして、最終的に選択されたパラメータを記憶する。
制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）、ＧＰＵ（Graphics Processing Unit）等によって、内部の記憶装置に記憶されているプログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されるようにしてもよい。
制御部１３０は、取得部１３１と、分類部１３２と、第１選択部１３３と、第２選択部１３４と、検証部１３５と、統合部１３６とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図２に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。
取得部１３１は、通信部１１０を介して、基板処理装置１０から計測データを受信して取得する。また、取得部１３１は、通信部１１０を介して、測定装置２０から結果データを受信して取得する。すなわち、取得部１３１は、基板処理装置１０におけるプロセスに関する複数のセンサの計測データにおける複数のパラメータと、複数のパラメータに対応するプロセスの結果データとを取得する。取得部１３１は、取得した計測データおよび結果データを、それぞれ計測データ記憶部１２１および結果データ記憶部１２２に記憶するとともに、分類部１３２に対して分類指示を出力する。
分類部１３２は、取得部１３１から分類指示が入力されると、計測データにおける複数のパラメータを予め定めたルールに基づき複数のグループに分類する方法である括り方について、複数種類の括り方から、特定の括り方を選択する。なお、分類部１３２は、検証部１３５から変更した複数種類の括り方で分類をやり直すように指示された場合、複数種類の括り方を従前の括り方から変更して特定の括り方を選択する。複数種類の括り方としては、例えば、ＡＬＤプロセスにおけるプロセスステップに基づく括り、および、ＡＬＤプロセスにおけるＡＬＤサイクルに基づく括りが挙げられる。また、複数種類の括り方としては、例えば、温度、圧力、ガス流量、バルブ駆動、および、ロボット動作のうち、２つ以上に基づく括りを用いるようにしてもよい。さらに、複数種類の括り方としては、例えば、温度、圧力、ガス流量、バルブ駆動、および、ロボット動作から、ランダムに選択された２つ以上の種類に基づく括りを用いるようにしてもよい。
分類部１３２は、選択した特定の括り方で、計測データを複数のグループに分類する。また、分類部１３２は、第２選択部１３４から特定の括り方が指示された場合、指示された特定の括り方で、計測データを複数のグループに分類する。
分類部１３２は、計測データを分類すると、計測データ記憶部１２１および結果データ記憶部１２２を参照し、計測データのうち、結果データが欠損している場合の計測データと、欠損を所定値以上含む計測データとを除外し、さらに正規化する。分類部１３２は、正規化した計測データについて、パラメータ間の相関係数に基づいて多重共線性を低減させる。分類部１３２は、例えば、ヒータパワーと温度といった相関係数が高いパラメータを１つに絞ることで多重共線性を低減させる。分類部１３２は、分類され多重共線性を低減させた計測データを第１選択部１３３に出力する。
図４は、計測データの括り方の一例を示す図である。図４では、計測データ３１について、プロセスステップに基づく括りとして、１つ目のパージで括る括り方３２と、ＡＬＤサイクルに基づく括りとして、ＡＬＤの一層分を括る括り方３３とを示している。このように、本実施形態では、同じ計測データに対して異なる切り口で括ることで、結果データに高い影響を与えるパラメータの見落としを抑えることができる。
図２の説明に戻る。第１選択部１３３は、分類部１３２から複数のグループに分類され多重共線性を低減させた計測データが入力されると、複数のグループそれぞれについて、グループごとに計測データを結合する。第１選択部１３３は、例えば、図４に示すように、プロセスステップがパージ、吸着、パージおよび反応の４つのグループに分類されている場合、各グループ内の計測データを結合して、各グループに対応する４つの計測データを生成する。第１選択部１３３は、結果データ記憶部１２２を参照し、グループごとに特徴選択処理を行い、結果データに高い影響を与える計測データのパラメータを閾値に基づいて選択する。特徴選択処理としては、例えば、フィルタ法、ラッパー法および組み込み法といった手法を用いることができる。第１選択部１３３は、例えば、ラッパー法を用いた特徴選択処理により、モデルの精度、つまり結果データへの影響度が所定の閾値より高いパラメータを選択する。
第１選択部１３３は、各グループで選択されたパラメータの計測データを結合する。なお、第１選択部１３３は、全グループで選択されたパラメータの計測データを結合してもよいし、各グループで選択されたパラメータの計測データを、さらにグループ分けを行って、グループごとに特徴選択処理を繰り返すようにしてもよい。つまり、第１選択部１３３は、複数のグループのうち特定のグループどうしを比較して、望ましい方のグループを選択し、選択したグループどうしを比較してさらに望ましいクループを選択することを繰り返すトーナメント形式でグループごとに特徴選択処理を繰り返すようにしてもよい。第１選択部１３３は、例えば、４つのグループで選択されたパラメータの計測データを結合する。第１選択部１３３は、結合した計測データに対して特徴選択処理（例えばラッパー法。）を行い、結果データへの影響度が所定の閾値より高いパラメータを選択する。第１選択部１３３は、選択したパラメータを第２選択部１３４に出力する。
第２選択部１３４は、第１選択部１３３から選択されたパラメータが入力されると、結果データ記憶部１２２を参照し、線形回帰モデル等の統計的アルゴリズムを用いて、結果データとの相関解析を行い、結果データと相関性の高いパラメータを選択する。なお、相関解析には、遺伝的アルゴリズム等の機械学習を用いてもよい。第２選択部１３４は、選択したパラメータを検証部１３５に出力するとともに、相関解析の結果に基づくモデル式をモデル式記憶部１２３に記憶する。
第２選択部１３４は、選択したパラメータを検証部１３５に出力すると、複数種類の括り方のうち、未処理の括り方があるか否かを判定する。第２選択部１３４は、未処理の括り方があると判定した場合、未処理の括り方から、次に処理する特定の括り方を選択し、選択した特定の括り方で計測データを複数のグループに分類するように分類部１３２に対して指示する。一方、第２選択部１３４は、未処理の括り方がないと判定した場合、検証部１３５に検証を指示する。
検証部１３５には、第２選択部１３４から特定の括り方それぞれに対応する、選択されたパラメータが入力される。検証部１３５には、例えば、プロセスステップに基づく括り方に対応する選択された各パラメータと、ＡＬＤサイクルに基づく括り方に対応する選択された各パラメータとが入力される。検証部１３５は、第２選択部１３４から検証を指示されると、モデル式記憶部１２３を参照し、特定の括り方それぞれに対応するモデル式を用いて、それぞれ選択されたパラメータを検証する。検証部１３５は、選択された各パラメータを説明変数とし、結果データを目的変数としたモデル式を検証する。検証部１３５は、例えば、モデル式に基づく予測値と実測値とをスキャッタ図を用いて検証する。検証部１３５は、検証結果が所定の結果を満たすか否かを判定する。検証部１３５は、例えば、決定係数が所定値（例えば０．７）以上であれば、検証結果が所定の結果を満たすと判定する。
検証部１３５は、検証結果が所定の結果を満たさないと判定した場合、選択されたパラメータを採用せず、複数種類の括り方を変更する。検証部１３５は、例えば、プロセスステップの括り方やＡＬＤサイクルの括り方を変更する。検証部１３５は、変更した複数種類の括り方で分類をやり直すように分類部１３２に指示する。一方、検証部１３５は、検証結果が所定の結果を満たすと判定した場合、選択されたパラメータの検証を所定回数繰り返したか否かを判定する。検証部１３５は、検証を所定回数繰り返していないと判定した場合、選択されたパラメータを採用し、複数種類の括り方を変更する。検証部１３５は、変更した複数種類の括り方で分類をやり直すように分類部１３２に指示する。検証部１３５は、検証を所定回数繰り返したと判定した場合、特定の括り方ごとに選択されたパラメータを統合部１３６に出力する。
統合部１３６は、検証部１３５から特定の括り方ごとに選択されたパラメータが入力されると、入力された特定の括り方ごとに選択されたパラメータを統合する。例えば、統合部１３６は、プロセスステップの括り方で５つ、ＡＬＤサイクルの括り方で７つのパラメータが選択され、重複するパラメータが３つあった場合、９つのパラメータを統合結果のパラメータとする。統合部１３６は、統合結果のパラメータを、結果データに高い影響を与えるパラメータとして選択し、最終的な結果として選択パラメータ記憶部１２４に記憶する。
［トーナメント形式によるパラメータ選択］
ここで、図５から図１０を用いて、計測データをプロセスステップによる括りと、ＡＬＤサイクルによる括りとを用いたトーナメント形式により、それぞれ結果データに高い影響を与えるパラメータを選択する場合について説明する。
図５は、プロセスステップによる括り方の場合におけるシーケンスの一例を示す図である。ここでは、ＡＬＤプロセスとしてステップ「０」～「１０」を１サイクルとして所定の回数繰り返し実行されるものとする。図５の例では、分類部１３２は、まず、計測データの「０」～「１０」までのステップをパージ、吸着、パージおよび反応の各プロセスステップのグループに括って分類する（ステップＳ１１）。なお、当初の計測データにおけるパラメータの数は、例えば「２１０３３」であったとする。第１選択部１３３は、各プロセスステップの計測データを結合する（ステップＳ１２）。つまり、第１選択部１３３は、ステップ「１０」，「０」，「１」を１つ目のパージのグループに対応する結合Ｄ１１に結合し、ステップ「２」，「３」，「４」を吸着のグループに対応する結合Ｄ１２に結合する。同様に、第１選択部１３３は、ステップ「５」，「６」，「７」を２つ目のパージのグループに対応する結合Ｄ１３に結合し、ステップ「８」，「９」を反応のグループに対応する結合Ｄ１４に結合する。
第１選択部１３３は、計測データの結合Ｄ１１～Ｄ１４に対して、それぞれ特徴選択により結果データに高い影響を与えるパラメータとして、選択Ｐ１１～Ｐ１４を選択する（ステップＳ１３）。ここでは、結果データ、例えば膜厚に高い影響を与えるパラメータを、ある程度絞り込むフィルタリングの１回目を行っている。１回目のフィルタリング後の選択Ｐ１１～Ｐ１４のパラメータ数は、例えば「６０」に絞り込まれたとする。第１選択部１３３は、選択されたパラメータである選択Ｐ１１～Ｐ１４に対応する計測データを結合して結合Ｄ１５とする（ステップＳ１４）。第１選択部１３３は、計測データの結合Ｄ１５に対して、特徴選択により結果データに高い影響を与えるパラメータとして、選択Ｐ１５を選択する（ステップＳ１５）。ここでは、結合Ｄ１５に対して、結果データに高い影響を与えるパラメータを、さらに絞り込むフィルタリングの２回目を行っている。２回目のフィルタリング後の選択Ｐ１５のパラメータ数は、例えば「２６」に絞り込まれたとする。第２選択部１３４は、選択されたパラメータである選択Ｐ１５の結果データとの相関解析を行い、結果データと相関性の高いパラメータである選択Ｐ１６を選択する（ステップＳ１６）。相関解析後の選択Ｐ１６のパラメータ数は、例えば「４」に絞り込まれたとする。
図６は、選択されたパラメータの結果データへの寄与度の一例を示すグラフである。図６に示すグラフ３５は、図５のステップＳ１６で選択された選択Ｐ１６の内訳である。つまり、選択Ｐ１６は、結果データと相関性の高いパラメータＳＰ１～ＳＰ４の４つのパラメータである。グラフ３５からは、パラメータＳＰ１～ＳＰ４の中では、パラメータＳＰ１とパラメータＳＰ３の結果データへの寄与度が高いことがわかる。
図７は、モデル式を用いたパラメータの検証結果の一例を示す図である。図７に示すグラフ３６は、結果データと相関性の高いパラメータＳＰ１～ＳＰ４の４つのパラメータについて、モデル式を用いて検証した結果を示している。グラフ３６に示すように、検証結果は、決定係数Ｒ２＝０．７０３であり、所定値（本実施形態では０．７）以上であるので、この場合、検証結果が所定の結果を満たしている。
図８は、ＡＬＤサイクルによる括り方の場合におけるシーケンスの一例を示す図である。ここでは、ＡＬＤプロセスとして複数のステップからなる処理が１サイクルとして所定の回数繰り返し実行されるものとする。図８の例では、分類部１３２は、まず、計測データの「１」～「１７」までのサイクルを前半、中盤および後半の各ＡＬＤサイクルのグループに括って分類する（ステップＳ２１）。第１選択部１３３は、各ＡＬＤサイクルの計測データを結合する（ステップＳ２２）。なお、当初の計測データにおけるパラメータの数は、例えば「２１０３３」であったとする。つまり、第１選択部１３３は、サイクル「１」～「３」を１つ目の前半のグループに対応する結合Ｄ２１に結合し、サイクル「４」～「１０」を中盤のグループに対応する結合Ｄ２２に結合する。同様に、第１選択部１３３は、サイクル「１１」～「１７」を後半のグループに対応する結合Ｄ２３に結合する。
第１選択部１３３は、計測データの結合Ｄ２１～Ｄ２３に対して、それぞれ特徴選択により結果データに高い影響を与えるパラメータとして、選択Ｐ２１～Ｐ２３を選択する（ステップＳ２３）。ここでは、図５のステップＳ１３と同様にフィルタリングの１回目を行っている。１回目のフィルタリング後の選択Ｐ２１～Ｐ２３のパラメータ数は、例えば「４１」に絞り込まれたとする。第１選択部１３３は、選択されたパラメータである選択Ｐ２１～Ｐ２３に対応する計測データを結合して結合Ｄ２４とする（ステップＳ２４）。第１選択部１３３は、計測データの結合Ｄ２４に対して、特徴選択により結果データに高い影響を与えるパラメータとして、選択Ｐ２４を選択する（ステップＳ２５）。ここでは、結合Ｄ２４に対して、図５のステップＳ１５と同様にフィルタリングの２回目を行っている。２回目のフィルタリング後の選択Ｐ２４のパラメータ数は、例えば「２２」に絞り込まれたとする。第２選択部１３４は、選択されたパラメータである選択Ｐ２４の結果データとの相関解析を行い、結果データと相関性の高いパラメータである選択Ｐ２５を選択する（ステップＳ２６）。相関解析後の選択Ｐ２５のパラメータ数は、例えば「６」に絞り込まれたとする。
図９は、選択されたパラメータの結果データへの寄与度の一例を示すグラフである。図９に示すグラフ３７は、図８のステップＳ２６で選択された選択Ｐ２５の内訳である。つまり、選択Ｐ２５は、結果データと相関性の高いパラメータＳＰ５～ＳＰ１０の６つのパラメータである。グラフ３７からは、パラメータＳＰ５～ＳＰ１０の中では、パラメータＳＰ５とパラメータＳＰ８の結果データへの寄与度が高いことがわかる。
図１０は、モデル式を用いたパラメータの検証結果の一例を示す図である。図１０に示すグラフ３８は、結果データと相関性の高いパラメータＳＰ５～ＳＰ１０の６つのパラメータについて、モデル式を用いて検証した結果を示している。グラフ３８に示すように、検証結果は、決定係数Ｒ２＝０．７５６３であり、所定値（本実施形態では０．７）以上であるので、この場合、検証結果が所定の結果を満たしている。
［パラメータ選択方法］
次に、本実施形態の情報処理装置１００の動作について説明する。図１１および図１２は、本実施形態におけるパラメータ選択処理の一例を示すフローチャートである。
情報処理装置１００の取得部１３１は、基板処理装置１０から計測データを受信して取得する。また、取得部１３１は、測定装置２０から結果データを受信して取得する（ステップＳ１０１）。取得部１３１は、取得した計測データおよび結果データを、それぞれ計測データ記憶部１２１および結果データ記憶部１２２に記憶するとともに、分類部１３２に対して分類指示を出力する。
分類部１３２は、取得部１３１から分類指示が入力されると、計測データにおける複数のパラメータを複数のグループに分類するための括り方について、複数種類の括り方から、特定の括り方を選択する（ステップＳ１０２）。分類部１３２は、選択した特定の括り方で、計測データを複数のグループに分類する（ステップＳ１０３）。
分類部１３２は、計測データを分類すると、計測データ記憶部１２１および結果データ記憶部１２２を参照し、計測データのうち、結果データが欠損しているデータを削除する（ステップＳ１０４）。また、分類部１３２は、欠損を所定値以上含む計測データ削除する（ステップＳ１０５）。このとき、欠損が所定値未満の計測データについては欠損を補完する。なお、欠損の補完方法は、前後データの中間値や平均値などの一般的な手法を用いることができる。さらに、分類部１３２は、計測データを正規化する（ステップＳ１０６）。分類部１３２は、正規化した計測データについて、パラメータ間の相関係数に基づいて、多重共線性を低減させる（ステップＳ１０７）。分類部１３２は、分類され多重共線性を低減させた計測データを第１選択部１３３に出力する。
第１選択部１３３は、分類部１３２から複数のグループに分類され多重共線性を低減させた計測データが入力されると、複数のグループそれぞれについて、グループごとに計測データを結合する（ステップＳ１０８）。第１選択部１３３は、結果データ記憶部１２２を参照し、グループごとに特徴選択により結果データに高い影響を与える計測データのパラメータを選択する（ステップＳ１０９）。第１選択部１３３は、各グループで選択されたパラメータの計測データを結合する（ステップＳ１１０）。第１選択部１３３は、結合した計測データに対して、特徴選択により結果データに高い影響を与えるパラメータを選択する（ステップＳ１１１）。第１選択部１３３は、選択したパラメータを第２選択部１３４に出力する。
第２選択部１３４は、第１選択部１３３から選択されたパラメータが入力されると、結果データ記憶部１２２を参照し、結果データとの相関解析を行い、結果データと相関性の高いパラメータを選択する（ステップＳ１１２）。第２選択部１３４は、選択したパラメータを検証部１３５に出力するとともに、相関解析の結果に基づくモデル式をモデル式記憶部１２３に記憶する。
第２選択部１３４は、選択したパラメータを検証部１３５に出力すると、複数種類の括り方のうち、未処理の括り方があるか否かを判定する（ステップＳ１１３）。第２選択部１３４は、未処理の括り方があると判定した場合（ステップＳ１１３：Ｙｅｓ）、未処理の括り方から、次に処理する特定の括り方を選択し（ステップＳ１１４）、選択した特定の括り方を分類部１３２に出力してステップＳ１０３に戻る。一方、第２選択部１３４は、未処理の括り方がないと判定した場合（ステップＳ１１３：Ｎｏ）、検証部１３５に検証を指示する。
検証部１３５は、第２選択部１３４から検証を指示されると、モデル式記憶部１２３を参照し、相関解析の結果に基づくモデル式で、各特定の括り方でそれぞれ選択されたパラメータを検証する（ステップＳ１１５）。検証部１３５は、検証結果が所定の結果を満たすか否かを判定する（ステップＳ１１６）。検証部１３５は、検証結果が所定の結果を満たさないと判定した場合（ステップＳ１１６：Ｎｏ）、選択されたパラメータを採用せず、複数種類の括り方を変更し（ステップＳ１１７）、変更した複数種類の括り方を分類部１３２に出力してステップＳ１０２に戻る。一方、検証部１３５は、検証結果が所定の結果を満たすと判定した場合（ステップＳ１１６：Ｙｅｓ）、選択されたパラメータの検証を所定回数繰り返したか否かを判定する（ステップＳ１１８）。検証部１３５は、検証を所定回数繰り返していないと判定した場合（ステップＳ１１８：Ｎｏ）、選択されたパラメータを採用し、ステップＳ１１７に進む。検証部１３５は、検証を所定回数繰り返したと判定した場合（ステップＳ１１８：Ｙｅｓ）、特定の括り方ごとに選択されたパラメータを統合部１３６に出力する。
統合部１３６は、検証部１３５から特定の括り方ごとに選択されたパラメータが入力されると、入力された特定の括り方ごとに選択されたパラメータを統合する（ステップＳ１１９）。統合部１３６は、統合結果のパラメータを、結果データに高い影響を与えるパラメータとして選択し（ステップＳ１２０）、最終的な結果として選択パラメータ記憶部１２４に記憶する。これにより、人の知見に頼ることなく、基板の処理結果に高い影響を与えるパラメータを効率的に選択することができる。また、選択したパラメータは、例えば、基板に対する成膜処理が終了した場合に膜厚を計測し、膜厚に変化があると、選択したパラメータの中から、例えば１つのパラメータを変更するように基板処理装置１０にフィードバックすることができる。
以上、本実施形態によれば、情報処理装置１００は、ａ）基板処理装置１０におけるプロセスに関する複数のセンサの計測データにおける複数のパラメータと、計測データに対応するプロセスの結果データとを取得することと、ｂ）取得した複数のパラメータを特定の括り方で複数のグループに分類することと、ｃ）複数のグループそれぞれについて、結果データに高い影響を与えるパラメータを閾値に基づいて選択することと、ｄ）グループごとに選択されたパラメータについて、グループ間のトーナメント形式でｃ）を繰り返すことと、ｅ）ｄ）により選択されたパラメータ間の相関解析により、結果データと相関性の高いパラメータを選択することと、の各処理を実行する。その結果、基板の処理結果に高い影響を与えるパラメータを効率的に選択することができる。
また、本実施形態によれば、情報処理装置１００は、ｆ）複数種類の特定の括り方の種類ごとに、ｂ）、ｃ）、ｄ）およびｅ）を実行することと、ｇ）特定の括り方の種類ごとに選択されたパラメータを統合した結果を、結果データに高い影響を与えるパラメータとして選択することと、の各処理を実行する。その結果、同じ計測データに対して異なる切り口で括ることで、結果データに高い影響を与えるパラメータの見落としを抑えることができる。
また、本実施形態によれば、プロセスは、ＡＬＤ（Atomic Layer Deposition）プロセスであり、複数種類の特定の括り方は、ＡＬＤプロセスにおけるプロセスステップに基づく括り、および、ＡＬＤプロセスにおけるＡＬＤサイクルに基づく括りである。その結果、ＡＬＤプロセスにおいて基板の処理結果に高い影響を与えるパラメータを効率的に選択することができる。
また、本実施形態によれば、情報処理装置１００は、ｈ）相関解析の結果に基づくモデル式について、ｇ）で選択されたパラメータを説明変数とし、結果データを目的変数として検証し、検証の結果が所定の結果を満たさない場合、選択されたパラメータを採用せず、特定の括り方を変更し、ｆ）およびｇ）を実行する。その結果、より基板の処理結果に高い影響を与えるパラメータを効率的に選択することができる。
また、本実施形態によれば、複数種類の特定の括り方は、温度、圧力、ガス流量、バルブ駆動、および、ロボット動作のうち、２つ以上に基づく括りである。その結果、より基板の処理結果に高い影響を与えるパラメータを効率的に選択することができる。
また、本実施形態によれば、複数種類の特定の括り方は、温度、圧力、ガス流量、バルブ駆動、および、ロボット動作から、ランダムに選択された２つ以上の種類に基づく括りである。その結果、より基板の処理結果に高い影響を与えるパラメータを効率的に選択することができる。
また、本実施形態によれば、ｃ）は、フィルタ法、ラッパー法および組み込み法のうち、いずれか１つを用いて、パラメータを選択する。その結果、結果データに高い影響を与えるパラメータを選択することができる。
また、本実施形態によれば、情報処理装置１００は、ｂ）において、取得した計測データを特定の括り方で複数のグループに分類し、分類した計測データについて、結果データが欠損している場合の計測データと、欠損を所定値以上含む計測データとを除外して正規化し、パラメータ間の相関係数に基づいて多重共線性を低減する。その結果、ノイズとなるデータを除外することができる。
今回開示された実施形態は、すべての点で例示であって、制限的なものではないと考えられるべきである。上記の実施形態は、添付の請求の範囲およびその主旨を逸脱することなく、様々な形体で省略、置換、変更されてもよい。
なお、上記した実施形態では、解析対象ランとして複数の基板を一度に処理するバッチ処理における計測データを用いたが、これに限定されない。例えば、基板を１枚ずつ処理するシングル処理における計測データを用いてもよい。
また、上記した実施形態では、解析対象のプロセスとして、ＡＬＤプロセスを用いて説明したが、これに限定されない。例えば、ＣＶＤ（Chemical Vapor Deposition）プロセスやエッチングプロセスを解析対象のプロセスとしてもよい。
さらに、各装置で行われる各種処理機能は、ＣＰＵ（またはＭＰＵ、ＭＣＵ（Micro Controller Unit）等のマイクロ・コンピュータ）上で、その全部または任意の一部を実行するようにしてもよい。また、各種処理機能は、ＣＰＵ（またはＭＰＵ、ＭＣＵ等のマイクロ・コンピュータ）で解析実行されるプログラム上、またはワイヤードロジックによるハードウェア上で、その全部または任意の一部を実行するようにしてもよいことは言うまでもない。
ところで、上記の実施形態で説明した各種の処理は、予め用意されたプログラムをコンピュータで実行することで実現できる。そこで、以下では、上記の実施形態と同様の機能を有するプログラムを実行するコンピュータの一例を説明する。図１３は、パラメータ選択プログラムを実行するコンピュータの一例を示す図である。
図１３に示すように、コンピュータ２００は、各種演算処理を実行するＣＰＵ２０１と、データ入力を受け付ける入力装置２０２と、モニタ２０３とを有する。また、コンピュータ２００は、各種装置と接続するためのインタフェース装置２０４と、他の情報処理装置等と有線または無線により接続するための通信装置２０５とを有する。また、コンピュータ２００は、各種情報を一時記憶するＲＡＭ２０６と、記憶装置２０７とを有する。また、各装置２０１～２０７は、バス２０８に接続される。
記憶装置２０７には、図２に示した取得部１３１、分類部１３２、第１選択部１３３、第２選択部１３４、検証部１３５および統合部１３６の各処理部と同様の機能を有するパラメータ選択プログラムが記憶される。また、記憶装置２０７には、計測データ記憶部１２１、結果データ記憶部１２２、モデル式記憶部１２３および選択パラメータ記憶部１２４が記憶される。入力装置２０２は、例えば、コンピュータ２００のユーザから操作情報等の各種情報の入力を受け付ける。モニタ２０３は、例えば、コンピュータ２００のユーザに対して表示画面等の各種画面を表示する。インタフェース装置２０４は、例えば印刷装置等が接続される。通信装置２０５は、例えば、図２に示した通信部１１０と同様の機能を有し図示しないネットワークと接続され、基板処理装置１０や測定装置２０等の他の情報処理装置と各種情報をやりとりする。
ＣＰＵ２０１は、記憶装置２０７に記憶された各プログラムを読み出して、ＲＡＭ２０６に展開して実行することで、各種の処理を行う。また、これらのプログラムは、コンピュータ２００を図２に示した取得部１３１、分類部１３２、第１選択部１３３、第２選択部１３４、検証部１３５および統合部１３６として機能させることができる。
なお、上記のパラメータ選択プログラムは、必ずしも記憶装置２０７に記憶されている必要はない。例えば、コンピュータ２００が読み取り可能な記憶媒体に記憶されたプログラムを、コンピュータ２００が読み出して実行するようにしてもよい。コンピュータ２００が読み取り可能な記憶媒体は、例えば、ＣＤ－ＲＯＭやＤＶＤ（Digital Versatile Disc）、ＵＳＢ（Universal Serial Bus）メモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリ、ハードディスクドライブ等が対応する。また、公衆回線、インターネット、ＬＡＮ等に接続された装置にこのパラメータ選択プログラムを記憶させておき、コンピュータ２００がこれらからパラメータ選択プログラムを読み出して実行するようにしてもよい。
１ 情報処理システム
１０ 基板処理装置
２０ 測定装置
１００ 情報処理装置
１１０ 通信部
１１１ 表示部
１１２ 操作部
１２０ 記憶部
１２１ 計測データ記憶部
１２２ 結果データ記憶部
１２３ モデル式記憶部
１２４ 選択パラメータ記憶部
１３０ 制御部
１３１ 取得部
１３２ 分類部
１３３ 第１選択部
１３４ 第２選択部
１３５ 検証部
１３６ 統合部

Claims (9)

  1. ａ）基板処理装置におけるプロセスに関する複数のセンサの計測データにおける複数のパラメータと、前記計測データに対応する前記プロセスの結果データとを取得することと、
    ｂ）取得した前記複数のパラメータを特定の括り方で複数のグループに分類することと、
    ｃ）前記複数のグループそれぞれについて、前記結果データに高い影響を与える前記パラメータを閾値に基づいて選択することと、
    ｄ）前記グループごとに選択された前記パラメータについて、前記グループ間のトーナメント形式で前記ｃ）を繰り返すことと、
    ｅ）前記ｄ）により選択された前記パラメータ間の相関解析により、前記結果データと相関性の高い前記パラメータを選択することと、
    の各処理をコンピュータが実行するパラメータ選択方法。
  2. ｆ）複数種類の前記特定の括り方の種類ごとに、前記ｂ）、前記ｃ）、前記ｄ）および前記ｅ）を実行することと、
    ｇ）前記特定の括り方の種類ごとに選択された前記パラメータを統合した結果を、前記結果データに高い影響を与える前記パラメータとして選択することと、
    の各処理を前記コンピュータが実行する請求項１に記載のパラメータ選択方法。
  3. 前記プロセスは、ＡＬＤ（Atomic Layer Deposition）プロセスであり、
    前記複数種類の前記特定の括り方は、前記ＡＬＤプロセスにおけるプロセスステップに基づく括り、および、前記ＡＬＤプロセスにおけるＡＬＤサイクルに基づく括りである、
    請求項２に記載のパラメータ選択方法。
  4. ｈ）前記相関解析の結果に基づくモデル式について、前記ｇ）で選択された前記パラメータを説明変数とし、前記結果データを目的変数として検証し、検証の結果が所定の結果を満たさない場合、選択されたパラメータを採用せず、前記特定の括り方を変更し、前記ｆ）および前記ｇ）を実行すること、
    を前記コンピュータが実行する請求項２または３に記載のパラメータ選択方法。
  5. 前記複数種類の前記特定の括り方は、温度、圧力、ガス流量、バルブ駆動、および、ロボット動作のうち、２つ以上に基づく括りである、
    請求項２に記載のパラメータ選択方法。
  6. 前記複数種類の前記特定の括り方は、温度、圧力、ガス流量、バルブ駆動、および、ロボット動作から、ランダムに選択された２つ以上の種類に基づく括りである、
    請求項２に記載のパラメータ選択方法。
  7. 前記ｃ）は、フィルタ法、ラッパー法および組み込み法のうち、いずれか１つを用いて、前記パラメータを選択する、
    請求項１～６のいずれか１つに記載のパラメータ選択方法。
  8. 前記ｂ）は、取得した前記計測データを特定の括り方で複数のグループに分類し、分類した計測データについて、前記結果データが欠損している場合の前記計測データと、欠損を所定値以上含む前記計測データとを除外して正規化し、前記パラメータ間の相関係数に基づいて多重共線性を低減する、
    請求項１～７のいずれか１つに記載のパラメータ選択方法。
  9. 基板処理装置におけるプロセスに関する複数のセンサの計測データにおける複数のパラメータと、前記計測データに対応する前記プロセスの結果データとを取得する取得部と、
    取得した前記複数のパラメータを特定の括り方で複数のグループに分類する分類部と、
    前記複数のグループそれぞれについて、前記結果データに高い影響を与える前記パラメータを閾値に基づいて選択し、さらに、前記グループごとに選択された前記パラメータについて、前記グループ間のトーナメント形式で前記結果データに高い影響を与える前記パラメータの選択を繰り返すことで、前記結果データに高い影響を与える前記パラメータを選択する第１選択部と、
    前記第１選択部により選択された前記パラメータ間の相関解析により、前記結果データと相関性の高い前記パラメータを選択する第２選択部と、
    を有する情報処理装置。
JP2020149241A 2020-09-04 2020-09-04 パラメータ選択方法および情報処理装置 Pending JP2022043780A (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2020149241A JP2022043780A (ja) 2020-09-04 2020-09-04 パラメータ選択方法および情報処理装置
KR1020237009678A KR20230056720A (ko) 2020-09-04 2021-08-23 파라미터 선택 방법 및 정보 처리 장치
PCT/JP2021/030817 WO2022050111A1 (ja) 2020-09-04 2021-08-23 パラメータ選択方法および情報処理装置
US18/042,644 US20230357931A1 (en) 2020-09-04 2021-08-23 Parameter selection method and information processing device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020149241A JP2022043780A (ja) 2020-09-04 2020-09-04 パラメータ選択方法および情報処理装置

Publications (1)

Publication Number Publication Date
JP2022043780A true JP2022043780A (ja) 2022-03-16

Family

ID=80490906

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020149241A Pending JP2022043780A (ja) 2020-09-04 2020-09-04 パラメータ選択方法および情報処理装置

Country Status (4)

Country Link
US (1) US20230357931A1 (ja)
JP (1) JP2022043780A (ja)
KR (1) KR20230056720A (ja)
WO (1) WO2022050111A1 (ja)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007066404A1 (ja) * 2005-12-08 2007-06-14 Spansion Llc 半導体製造装置、その制御システムおよびその制御方法
JP4836994B2 (ja) * 2008-06-11 2011-12-14 株式会社日立製作所 半導体処理装置
JP4663808B2 (ja) * 2009-04-16 2011-04-06 シャープ株式会社 プロセスパラメータ選択装置、プロセスパラメータ選択方法、プロセスパラメータ選択プログラム、プログラム記録媒体、および、上記プロセスパラメータ選択装置を含む製造工程管理装置
JP6723669B2 (ja) 2016-09-27 2020-07-15 東京エレクトロン株式会社 異常検知プログラム、異常検知方法および異常検知装置
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

Also Published As

Publication number Publication date
KR20230056720A (ko) 2023-04-27
US20230357931A1 (en) 2023-11-09
WO2022050111A1 (ja) 2022-03-10

Similar Documents

Publication Publication Date Title
JP6686056B2 (ja) コンピュータ実装方法、コンピュータシステム及びコンピュータ装置
CN102016737B (zh) 使用过程数据和产量数据的过程控制
WO2021073541A1 (zh) 一种基于光谱相似度的校正集和验证集的选择及建模方法
Clarke et al. Microarray analysis of the transcriptome as a stepping stone towards understanding biological systems: practical considerations and perspectives
US6766283B1 (en) System and method for monitoring process quality control
JP5011830B2 (ja) データ処理方法、データ処理プログラム、該プログラムを記録した記録媒体およびデータ処理装置
JP7006296B2 (ja) 学習プログラム、学習方法および学習装置
TW201423883A (zh) 用於半導體製造的自動化工具參數影響識別系統的方法和裝置
KR20140003320A (ko) 고급 공정 제어 기술의 최적화
JP6286111B2 (ja) データ解析装置、方法及びプログラム
CN114861930A (zh) 信息处理装置、程序和工艺条件搜索方法
WO2022050111A1 (ja) パラメータ選択方法および情報処理装置
Assmann et al. Making a difference in multi-data-set crystallography: simple and deterministic data-scaling/selection methods
WO2022004419A1 (ja) 情報処理方法および情報処理装置
JP2009076772A (ja) 工程監視方法
JP4663808B2 (ja) プロセスパラメータ選択装置、プロセスパラメータ選択方法、プロセスパラメータ選択プログラム、プログラム記録媒体、および、上記プロセスパラメータ選択装置を含む製造工程管理装置
JP5125875B2 (ja) Ｐｉｄコントローラのチューニング装置、ｐｉｄコントローラのチューニング用プログラムおよびｐｉｄコントローラのチューニング方法
JP7592706B2 (ja) 累積予測による機械学習変数選択および根本原因発見
JP5940968B2 (ja) テストケース生成システムおよび方法
Yang et al. Ranking process parameter association with low yield wafers using spec-out event network analysis
Gourvénec et al. Monitoring batch processes with the STATIS approach
Lee et al. Feature based fault detection for pressure swing adsorption processes
JP2007311581A (ja) 工程管理方法および工程管理システム
TW201620057A (zh) 晶圓的良率判斷方法以及晶圓合格測試的多變量偵測方法
Lee et al. Improving featured-based soft sensing through feature selection