JP4468366B2 - 半導体製造過程の間にプロセスシステムをモニタする方法 - Google Patents

Description

本発明は、プロセスシステムヘルスインデックスおよびこれを使用する方法に関し、より詳しくは、本発明は、加重主成分分析（ｗｅｉｇｈｔｅｄ ｐｒｉｎｃｉｐａｌ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ：ＷＰＣＡ）を利用するプロセスシステムヘルスインデックスに関する。

半導体またはディスプレイの製造等のようなプラズマ処理のさまざまな段階（ｓｔａｇｅ）で、臨界のプロセスパラメータは、かなり変化し得るものである。プロセス条件は、好ましくない結果を引き起こす臨界のプロセスパラメータにおける最もわずかな変化を有するオーバータイムを変更する。小さい変化は、エッチングガスの組成物若しくは圧力、プロセスチャンバ、またはウェーハ温度で容易に生じ得る。このように、プラズマ処理設備は、恒常的なモニタリングを必要とする。

何らかの与えられた時間に、これらのプロセスパラメータを測定すること、およびモニタすることは、累積され、および分析され得る価値あるデータとすることができる。プロセスコントロールのフィードバックは、プロセスパラメータを調整するか、または特定のプロセス材料の生存性（ｖｉａｂｉｌｉｔｙ）を測定するために使用されることがあり得る。しかしながら、多くの場合、プロセス特性の悪化を反映しているプロセスデータの変化は、表示されたプロセスデータを単に参照するだけでは、検出され得ない。

プロセスの初期段階の異常および特性悪化を検出することは、困難であり、しばしば、高度プロセスコントロール（ａｄｖａｎｃｅｄ ｐｒｏｃｅｓｓ ｃｏｎｔｒｏｌ：ＡＰＣ）による不良検出（ｆａｕｌｔ ｄｅｔｅｃｔｉｏｎ）および予測、同様にパターン認識を得ることは、必要であり得る。

半導体製造過程の中で、基板を処理する処理システムをモニタする方法およびシステムは、複数の観測（ｏｂｓｅｒｖａｔｉｏｎｓ）に対し処理システムから複数のデータ変数を有するデータを得ることと；主成分分析を使用して複数の観測に対しデータの１つ以上の主成分を決定することと；主成分分析の間、複数のデータ変数のうちの少なくとも１つに重み付けすることと（ｗｅｉｇｈｔｉｎｇ）；処理システムから追加データを得ることと；１つ以上の主成分上への追加データの射影（ｐｒｏｊｅｃｔｉｏｎ）から算出される１つ以上のスコア（ｓｃｏｒｅｓ）から少なくとも１つの統計量を決定することと；少なくとも１つの統計量に対してコントロールリミットを決定することと；少なくとも１つの統計量をコントロールリミットと比較することとに対するステップ（工程）およびシステムを備えている。

本発明の実施形態によれば、材料処理システム１は、図１に記載され、プロセスツール１０およびプロセスパーフォーマンスモニタリングシステム１００を含んでいる。プロセスパーフォーマンスモニタリングシステム１００は、複数のセンサ５０およびコントローラ５５を含んでいる。代わりとして、材料処理システム１は、複数のプロセスツール１０を含むことができる。センサ５０は、ツールデータを測定するようにプロセスツール１０に接続され、コントローラ５５は、ツールデータを受けるためにセンサ５０に接続される。代わりとして、コントローラ５５は、プロセスツール１０に更に接続される。さらに、コントローラ５５は、ツールデータを使用して、プロセスツールに対するプロセスパフォーマンスデータをモニタするように構成される。プロセスパフォーマンスデータは、例えば、プロセス不良（ｐｒｏｃｅｓｓ ｆａｕｌｔｓ）の検出を含むことができる。

図１に記載され明らかにされた実施形態によれば、材料処理システム１は、材料を処理するためにプラズマを利用する。望ましくは、材料処理システム１は、エッチングチャンバを含む。代わりとして、材料処理システム１は、例えば、フォトレジストスピンコートシステムのようなホトレジストコーティングチャンバ、例えば紫外線（ＵＶ）リソグラフィシステムのようなフォトレジストパターニングチャンバ、例えばスピンオンガラス（ｓｐｉｎ−ｏｎ−ｇｌａｓｓ：ＳＯＧ）またはスピンオン誘電体（ｓｐｉｎ−ｏｎ−ｄｉｅｌｅｃｔｒｉｃ：ＳＯＤ）システムのような誘電体コーティングチャンバ、例えば化学的気相成長（ｃｈｅｍｉｃａｌ ｖａｐｏｒ ｄｅｐｏｓｉｔｉｏｎ：ＣＶＤ）システムまたは物理的気相成長（ｐｈｙｓｉｃａｌ ｖａｐｏｒ ｄｅｐｏｓｉｔｉｏｎ：ＰＶＤ）システムのような堆積チャンバ、例えば熱アニーリングのためのＲＴＰシステムのような高速熱処理（ｒａｐｉｄ ｔｈｅｒｍａｌ ｐｒｏｃｅｓｓｉｎｇ：ＲＴＰ）チャンバ、またはバッチ処理垂直炉（ｂａｔｃｈ−ｐｒｏｃｅｓｓｉｎｇ ｖｅｒｔｉｃａｌ ｆｕｒｎａｃｅ）を含む。

図２に記載され明らかにされた本発明の実施形態よれば、材料処理システム１は、プロセスツール１０と、被処理基板２５が固定される基板ホルダ２０と、ガスインジェクションシステム４０と、真空排気システム５８とを含む。基板２５は、例えば、半導体基板、ウェーハ、または液晶ディスプレイ（ｌｉｑｕｉｄ ｃｒｙｓｔａｌ ｄｉｓｐｌａｙ：ＬＣＤ）であり得る。プロセスツール１０は、例えば、基板２５の表面に隣接するプロセス領域４５内で、加熱された電子と、イオン化可能ガスとの間の衝突を介して形成されるプラズマの生成を容易にするように構成されることができる。イオン化可能ガスまたはガスの混合物は、ガスインジェクションシステム４０を通して導入され、そして処理圧力は、調整される。望ましくは、プラズマは、所定の材料処理に特定の材料を生成するように利用され、そして基板２５への材料の堆積か、基板２５のさらされた表面から材料の除去を助けるように利用される。例えば、コントローラ５５は、真空排気システム５８およびガスインジェクションシステム４０をコントロールするように使用され得る。

基板２５は、例えば、基板ホルダ２０内に収容された基板リフトピン（図示せず）によって受けられ、収容されたデバイスによって機械的に移動させるロボット基板移送システムを介してスロットバルブ（図示せず）およびチャンバフィードスルー（図示せず）を通してプロセスツール１０との間で移送されることができる。一旦、基板２５は、基板移送システムから受けられ、基板ホルダ２０の上部表面へ降ろされる。

例えば、基板２５は、静電クランピングシステム２８を介して基板ホルダ２０に固定されることができる。さらにまた、基板ホルダ２０は、基板ホルダ２０から熱を受け、熱交換器システム（図示せず）へ熱を移送し、また加熱するときは、熱交換器システムから熱を移送する再循環クーラントフローを含む冷却システムを更に含むことができる。さらに、ガスは、基板２５と、基板ホルダ２０との間のガス空隙熱伝導を向上させるように、裏面ガスシステム２６を介して基板の裏面に供給されることができる。基板の温度制御が、上昇または低下させた温度を要求されるとき、このようなシステムは、利用され得る。例えば、基板の温度制御は、プラズマから基板２５へ供給される熱流束と、基板２５から基板ホルダ２０への伝導によって取り除かれる熱流束とのバランスのために達成される恒常的な温度を上回る温度で役立ち得る。他の実施の形態において、例えば抵抗加熱部材または熱−電熱器／冷却器（ｔｈｅｒｍｏ−ｅｌｅｃｔｒｉｃ ｈｅａｔｅｒｓ／ｃｏｏｌｅｒｓ）のような加熱部材は、含まれることができる。

図２に示すように、基板ホルダ２０は、そこを通ってＲＦ電力がプロセス領域４５内のプラズマに結合する電極を含む。例えば、基板ホルダ２０は、インピーダンスマッチングネットワーク３２を介しＲＦ発振器３０から基板ホルダ２０へのＲＦ電力の伝達を介して、ＲＦ電圧で電気的にバイアスがかけられ得る。ＲＦバイアスは、プラズマを形成し、維持するための電子を加熱するのに役に立ち得る。この構成において、システムは、反応性イオンエッチング（ｒｅａｃｔｉｖｅ ｉｏｎ ｅｔｃｈ：ＲＩＥ）リアクタとして作動することができ、そこにおいて、チャンバおよび上部ガス注入電極は、接地面として役立つ。ＲＦバイアスのための典型的な周波数は、１ＭＨｚから１００ＭＨｚの範囲とすることができ、好ましくは１３．５６ＭＨｚである。

代わりとして、ＲＦ電力は、複数周波数で基板ホルダ電極に印加され得る。さらにまた、インピーダンスマッチングネットワーク３２は、反射パワーを最小化することによって処理チャンバ１０内のプラズマへのＲＦ電力の移送を最大にするのに役に立つ。さまざまなマッチングネットワークトポロジ（例えばＬ−タイプ、π−タイプ、Ｔ−タイプ等）および自動制御法は、利用され得る。

引き続き図２を参照し、プロセスガスは、例えば、ガスインジェクションシステム４０を介してプロセス領域４５に導入されることができる。プロセスガスは、例えば、酸化物エッチングアプリケーションに対してアルゴン、ＣＦ_４、およびＯ_２またはアルゴン、Ｃ_４Ｆ_８、およびＯ_２のようなガスの混合物を、または、例えばＯ_２／ＣＯ／Ａｒ／Ｃ_４Ｆ_８、Ｏ_２／ＣＯ／Ａｒ／Ｃ_５Ｆ_８、Ｏ_２／ＣＯ／Ａｒ／Ｃ_４Ｆ_６、Ｏ_２／Ａｒ／Ｃ_４Ｆ_６、Ｎ_２／Ｈ_２のような他の化学物（ｃｈｅｍｉｓｔｒｉｅｓ）を含むことができる。ガスインジェクションシステム４０は、プロセスガスがガス給送システム（図示せず）からプロセス領域４５へ、ガス注入プレナム（図示せず）と、一連のバッフル板（図示せず）と、マルチオリフィスシャワーヘッドガス注入プレート（図示せず）とを通って供給されるシャワーヘッドを含む。

真空ポンプシステム５８は、１秒あたり５０００リットルまでの（およびより高排気な）排気速度が可能なターボ分子真空ポンプ（ｔｕｒｂｏ−ｍｏｌｅｃｕｌａｒ ｖａｃｕｕｍ ｐｕｍｐ：ＴＭＰ）と、チャンバ圧をスロットル調整するためのゲートバルブとを含むことができる。ドライプラズマエッチングのために利用される従来のプラズマ処理装置において、１秒あたり１０００〜３０００リットルのＴＭＰは、通常使用される。ＴＭＰは、一般的に５０ｍＴｏｒｒ未満の低圧プロセスに役立つ。より高い圧力では、ＴＭＰ排気速度は、劇的に低下する。高圧プロセス（すなわち１００ｍＴｏｒｒを超える）に対して、メカニカルブースターポンプおよびドライ荒引きポンプは、使用され得る。さらにまた、チャンバ圧をモニタリングするデバイス（図示せず）は、プロセスチャンバ１６に組み合わされる。圧力測定器は、例えば、ＭＫＳ Ｉｎｓｔｒｕｍｅｎｔｓ社（Ａｎｄｏｖｅｒ，ＭＡ）から市販されているタイプ６２８Ｂ バラトロン（Ｂａｒａｔｒｏｎ）絶対キャパシタンス圧力計であり得る。

図１に示すように、プロセスパーフォーマンスモニタリングシステム１００は、ツールデータを測定するようにプロセスツール１０に接続された複数のセンサ５０と、ツールデータを受けるように複数のセンサ５０に接続されたコントローラ５５とを含む。センサ５０は、プロセスツール１０に内在するセンサと、プロセスツール１０に外在するセンサとの両方を含むことができる。プロセスツール１０に内在するセンサは、ヘリウム裏面ガス圧、ヘリウム裏面フロー、静電クランピング（ＥＳＣ）電圧、ＥＳＣ電流、基板ホルダ２０の温度（または下部電極（ｌｏｗｅｒ ｅｌｅｃｔｒｏｄｅ：ＬＥＬ）温度）、冷媒（ｃｏｏｌａｎｔ）温度、上部電極（ｕｐｐｅｒ ｅｌｅｃｔｒｏｄｅ：ＵＥＬ）温度、進行方向ＲＦ電力（ｆｏｒｗａｒｄ ＲＦ ｐｏｗｅｒ）、反射されたＲＦ電力（ｒｅｆｌｅｃｔｅｄ ＲＦ ｐｏｗｅｒ）、ＲＦ自己誘導ＤＣバイアス、ＲＦピーク間電圧（ＲＦ ｐｅａｋ−ｔｏ−ｐｅａｋ ｖｏｌｔａｇｅ）、チャンバ壁温度、プロセスガス流量、プロセスガス分圧、チャンバ圧、コンデンサ設定（すなわちＣ_１およびＣ_２位置）、フォーカスリング厚さ、ＲＦ時間、フォーカスリングＲＦ時間、およびそれらの何らかの統計量の測定のような、プロセスツール１０の機能に関連するそれらの、センサを含むことができる。別の形態として、プロセスツール１０に外在するセンサは、図２に示すようにプロセス領域４５内のプラズマから放射された光をモニタリングする光検出デバイス３４や、または図２で示すようにプロセスツール１０の電気システムをモニタリングする電気測定デバイス３６のような、プロセスツール１０の機能に直接的に関連しないこれらを含むことができる。

光検出デバイス３４は、プラズマから放射されるトータルの光の強度を測定する（シリコン）フォトダイオードまたは光電子増倍管（ｐｈｏｔｏｍｕｌｔｉｐｌｉｅｒ ｔｕｂｅ：ＰＭＴ）のような検出器を含むことができる。光検出デバイス３４は、狭帯域干渉フィルタ（ｎａｒｒｏｗ−ｂａｎｄ ｉｎｔｅｒｆｅｒｅｎｃｅ ｆｉｌｔｅｒ）のような光学フィルタを更に含むことができる。代わりの実施形態では、光検出デバイス３４は、ラインＣＣＤ（ｃｈａｒｇｅ ｃｏｕｐｌｅｄ ｄｅｖｉｃｅ：電荷結合デバイス）またはＣＩＤ（ｃｈａｒｇｅ ｉｎｊｅｃｔｉｏｎ ｄｅｖｉｃｅ：電荷注入デバイス）アレイ、および回折格子またはプリズムのような光分散デバイスを含む。加えて、光検出デバイス３４は、与えられた波長で光を測定するためのモノクロメータ（例えば回折格子／検出器システム）、または例えば、米国特許番号５，８８８、３３７に記載されているデバイスのような光スペクトルを測定するための分光計（例えば、回転回折格子によるもの）を含むことができる。

光検出デバイス３４は、ピークセンサーシステムズ社（Ｐｅａｋ Ｓｅｎｓｏｒ Ｓｙｓｔｅｍｓ）からの高解像度ＯＥＳセンサを含むことができる。このようなＯＥＳセンサは、紫外線（ＵＶ）、可視（ＶＩＳ）、および近赤外線（ＮＩＲ）の光スペクトルにまたがる幅広いスペクトルを有する。分解能は、ほぼ１．４オングストロームであり、すなわちセンサは、２４０から１０００ナノメートルまで５５５０の波長を収集することが可能である。センサは、２０４８ピクセルの線形ＣＣＤアレイと順に一体化された高感度ミニチュアファイバ光学部品ＵＶ―ＶＩＳ―ＮＩＲ分光計を備えている。

分光計は、シングル、およびバンドルされた光ファイバを通って伝送された光を受け、そこにおいて、光ファイバから出力された光は、固定された回折格子を使用してラインＣＣＤアレイ全体に分散される。上で記載された構成と同様で、光学真空窓を介して放射された光は、凸面球面レンズを通して光ファイバの入口側端部にフォーカスされる。与えられたスペクトル域（ＵＶ、ＶＩＳ、およびＮＩＲ）に特に調整された各々、３つの分光計は、プロセスチャンバに対するセンサを形成する。各々の分光計は、独立したＡ／Ｄコンバータを備えている。そして最終的に、センサの利用によって、完全な発光スペクトルは、０．１〜１．０秒ごとに記録されることができる。

電気測定デバイス３６は、例えば、電流および／または電圧プローブ、電力計またはスペクトルアナライザを含むことができる。例えば、プラズマ処理システムは、プラズマを形成するために、たいていＲＦ電力を使用し、その場合には、同軸のケーブルまたは構造を有するようなＲＦ伝送線は、電気的なカップリング部材（すなわち誘導コイル、電極など）を通してＲＦエネルギをプラズマに結合させるように使用される。例えば、電流電圧プローブを使用する電気測定は、ＲＦ伝送線内のような電気的な（ＲＦ）回路内でどこでも行使されることができる。さらにまた、電圧または電流の時間トレースのような電気信号の測定は、周波数空間への離散フーリエ級数表現（周期信号を仮定する）を使用して信号の変換を可能にする。その後、フーリエスペクトル（または時変信号に対する周波数スペクトル）は、モニタされることができ、材料処理システム１の状態の特徴を表すように分析されることができる。電圧電流プローブは、例えば、２００１年１月８日に出願された係属中の米国出願シリアル番号第６０／２５９，８６２号、および米国特許番号５，４６７、０１３の詳細にて記載されたデバイスであり得て、そして、それぞれは全体として本願明細書に引用したものとする。

別の実施形態では、電気測定デバイス３６は、材料処理システム１の外部に放射されたＲＦフィールドを測定するのに役立つ広帯域ＲＦアンテナを含むことができる。市販の広帯域ＲＦアンテナは、アンテナリサーチ社（Ａｎｔｅｎｎａ Ｒｅｓｅａｒｃｈ）のモデルＲＡＭ−２２０（０．１ＭＨｚ〜３００ＭＨｚ）のような広帯域アンテナである。

一般に、複数のセンサ５０は、コントローラ５５にツールデータを提供するように、プロセスツール１０に接続することができる内在および外在の多くのセンサを含むことができる。

コントローラ５５は、マイクロプロセッサと、メモリと、材料処理システム１からの出力をモニタするのと同様に材料処理システム１へ連通し、入力を起動させるのに十分な制御電圧を生成することが可能なデジタルＩ／Ｏポート（潜在的に、Ｄ／Ａおよび／またはＡ／Ｄコンバータを含む）とを含む。図２に示すように、コントローラ５５は、ＲＦ発振器３０と、インピーダンスマッチングネットワーク３２と、ガスインジェクションシステム４０と、真空ポンプシステム５８と、裏面ガス給送システム２６と、静電クランピングシステム２８と、光検出デバイス３４と、電気測定デバイス３６とに接続されることができ、情報を交換することができる。メモリーに格納されたプログラムは、格納されたプロセスレシピに従って、材料処理システム１の上記コンポーネントと交信するのに利用される。コントローラ５５の１つの実施例は、デル社（Ｄｅｌｌ Ｃｏｒｐｏｒａｔｉｏｎ，Ａｕｓｔｉｎ，Ｔｅｘａｓ）から入手可能なＤＥＬＬ ＰＲＥＣＩＳＩＯＮ ＷＯＲＫＳＴＡＴＩＯＮ５３０（登録商標）である。コントローラ５５は、材料処理システム１に対して近くに位置づけられることができ、または材料処理システム１に対して遠く離れて位置づけられることができる。例えば、コントローラ５５は、材料処理システム１と、直接接続、イントラネット、およびインターネットの少なくとも１つを使用してデータ交換することができる。コントローラ５５は、例えば、顧客サイト（すなわちデバイスメーカーなど）でイントラネットに接続されることができ、また例えば、ベンダーサイト（すなわち装置製造業者）でイントラネットに接続されることができる。加えて、例えば、コントローラ５５は、インターネットに接続されることができる。さらにまた、他のコンピュータ（すなわちコントローラ、サーバなど）は、例えば、直接接続、イントラネット、およびインターネットの少なくとも１つを介してデータ交換するために、コントローラ５５にアクセスすることができる。

図３に示すように、材料処理システム１は、磁界システム６０を備えることができる。例えば、磁界システム６０は、潜在的にプラズマ密度を増やし、および／または材料処理均一性を向上させるために、静止、または機械的若しくは電気的に回転する直流磁場を含むことができる。さらに、コントローラ５５は、磁界の強さまたは回転速度を調整するために、磁界システム６０に接続されることができる。

図４に示すように、材料処理システムは、上部電極７０を有することができる。例えば、ＲＦ電力は、上部電極７０にインピーダンスマッチングネットワーク７４を介してＲＦ発振器７２から接続されることができる。上部電極へのＲＦ電力の印加周波数は、好ましくは１０ＭＨｚから２００ＭＨｚの範囲であり、好ましくは６０ＭＨｚである。加えて、下部電極への電力供給の周波数は、０．１ＭＨｚから３０ＭＨｚの範囲とすることができ、好ましくは２ＭＨｚである。さらに、コントローラ５５は、上部電極７０へのＲＦ電力の印加を制御するために、ＲＦ発振器７２およびインピーダンスマッチングネットワーク７４に接続することができる。

図５に示すように、図１の材料処理システムは、誘導コイル８０を備えることができる。例えば、ＲＦ電力は、インピーダンスマッチングネットワーク８４を介してＲＦ発振器８２から誘導コイル８０に結合することができ、ＲＦ電力は、誘電体窓（図示せず）を介して誘導コイル８０からプラズマプロセス領域４５に誘導的に結合することができる。誘導コイル８０へのＲＦ電力の印加周波数は、好ましくは１０ＭＨｚから１００ＭＨｚの範囲であり、好ましくは１３．５６ＭＨｚである。同様に、チャック電極への電力印加の周波数は、好ましくは０．１ＭＨｚから３０ＭＨｚの範囲であり、好ましくは１３．５６ＭＨｚである。加えて、スロット付きファラデーシールド（ｓｌｏｔｔｅｄ Ｆａｒａｄａｙ ｓｈｉｅｌｄ）（図示せず）は、誘導コイル８０と、プラズマとの間の容量結合を低下させるように使用されることができる。さらに、コントローラ５５は、誘導コイル８０への電力印加を制御するために、ＲＦ発振器８２と、インピーダンスマッチングネットワーク８４とに接続されることができる。代わりの実施形態では、誘導コイル８０は、変成器結合型プラズマ（ｔｒａｎｓｆｏｒｍｅｒ ｃｏｕｐｌｅｄ ｐｌａｓｍａ：ＴＣＰ）リアクタのような上部からプラズマプロセス領域４５と連通する“スパイラル”コイルまたは“パンケーキ”コイルであり得る。

代わりとして、プラズマは、電子サイクロトロン共鳴（ｅｌｅｃｔｒｏｎ ｃｙｃｌｏｔｒｏｎ ｒｅｓｏｎａｎｃｅ：ＥＣＲ）を使用して形成されることができる。さらに別の実施形態では、プラズマは、ヘリコン波（Ｈｅｌｉｃｏｎ ｗａｖｅ）のラウンチング（ｌａｕｎｃｈｉｎｇ）から形成される。さらに別の実施形態では、プラズマは、表面波伝搬（ｐｒｏｐａｇａｔｉｎｇ ｓｕｒｆａｃｅ ｗａｖｅ）から形成される。

上記のように、プロセスパーフォーマンスモニタリングシステム１００は、複数のセンサ５０およびコントローラ５５を備え、そこにおいて、センサ５０は、プロセスツール１０に接続され、コントローラ５５は、ツールデータを受けるようにセンサ５０に接続される。コントローラ５５は、センサ５０から受けたツールデータを最適化し、ツールデータ間の関係（モデル）を決定し、および不良検出に対する関係（モデル）を使用するように少なくとも１つのアルゴリズムを実行することが更に可能である。

実質的な多数の変数を含んでいるデータの大きいセットに遭遇するときに、多変量解析（ｍｕｌｔｉｖａｒｉａｔｅ ａｎａｌｙｓｉｓ：ＭＶＡ）は、しばしば適用される。例えば、そのようなＭＶＡテクニックは、主成分分析（Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔｓ Ａｎａｌｙｓｉｓ：ＰＣＡ）を含む。ＰＣＡにおいて、モデルは、データの大きいセットから多次元可変スペース（ｍｕｌｔｉ−ｄｉｍｅｎｓｉｏｎａｌ ｖａｒｉａｂｌｅ ｓｐａｃｅ）において最も高い分散（ｇｒｅａｔｅｓｔ ｖａｒｉａｎｃｅ）を呈している信号を引き出すように組立てられることができる。

例えば、データの各々のセットは、与えられた基板ラン（基板の工程実行）（ｓｕｂｓｔｒａｔｅ ｒｕｎ）に対し、または時間内の瞬間（ｉｎｓｔａｎｔ ｉｎ ｔｉｍｅ）に対し、マトリックスＸの行として格納されることができ、そしてそれ故、一旦マトリックスＸが組立てられるならば、各々の行は、異なる基板ランまたは時間内の瞬間を表し、各々の列は、複数のセンサ５０に対応する異なるデータ信号（またはデータ変数）を表す。従って、マトリックスＸは、ディメンションｍ×ｎ（ｄｉｍｅｎｓｉｏｎｓ ｍ ｂｙ ｎ）の長矩形行列である。一旦データがマトリックスに保存されると、データは好ましくは平均中心（ｍｅａｎ−ｃｅｎｔｅｒｅｄ）および／または、必要に応じて、正規化される（ｎｏｒｍａｌｉｚｅｄ）。マトリクス列に格納されたデータの平均中心（ｍｅａｎ−ｃｅｎｔｅｒｉｎｇ）のプロセスは、列要素（ｃｏｌｕｍｎ ｅｌｅｍｅｎｔｓ）の平均値を計算（ｃｏｍｐｕｔｉｎｇ）することと、各々の要素からこの平均値を減算することとを含む。さらに、マトリックスの列に存在するデータは、列のデータの標準偏差を決定することにより正規化されることができる。ここで、上記のマトリックスであるＸおよび下記の文章中で示されるＴ，ＴＰ^Ｔ、Ｅ，Ｐ、Ｓ，Ｕ，Λには、上部にバーを付すべきものであるが、文章中で用いる場合には、そのバーを省略して記載する。

ＰＣＡテクニックを使用することにより、マトリックスＸ内の相関構造（ｃｏｒｒｅｌａｔｉｏｎ ｓｔｒｕｃｔｕｒｅ）は、低次のディメンション（ｌｏｗｅｒ ｄｉｍｅｎｓｉｏｎｓ）のマトリックスプロダクト（ＴＰ^Ｔ）にプラスされるエラーマトリックスＥでマトリックスＸを近似すること（ａｐｐｒｏｘｉｍａｔｉｎｇ）によって決定される。すなわち、

Ｔは、Ｘ―変数をまとめるスコアのマトリックス（ｍ×ｐ）であり、Ｐは、変数の影響を示すローディングのマトリックス（ｎ×ｐ、ここでｐ≦ｎ）である。

一般に、ローディングマトリックスＰは、Ｘの共分散行列（ｃｏｖａｒｉａｎｃｅ ｍａｔｒｉｘ）の固有ベクトル（ｅｉｇｅｎｖｅｃｔｏｒｓ）を備えることを示すことができ、そこにおいて、共分散行列Ｓは、下記式のように示され得る。

共分散行列Ｓは、実数（ｒｅａｌ）、対称行列（ｓｙｍｍｅｔｒｉｃ ｍａｔｒｉｘ）であり、従って、下記式のように記載され得る。

ここで、実数、対称固有ベクトルマトリックスＵは、列として正規化された固有ベクトルを備え、Λは、ダイアゴナルに沿って各々の固有ベクトルに対応する固有値を備えている対角行列（ｄｉａｇｏｎａｌ ｍａｔｒｉｘ）である。方程式（１）および（３）（ｐ＝ｎの完全なマトリックスに対して；すなわちエラーマトリックスでない）を用いて、下記式を示すことができる。

および

上記の固有解析（ｅｉｇｅｎａｎａｌｙｓｉｓ）の結果は、各々の固有値がｎ次元空間内で対応する固有ベクトルの方向にデータの分散を表すということである。それ故、最大の固有値は、ｎ次元空間内のデータの最大の分散に対応し、一方、最小の固有値は、データの最小の分散を表す。定義上、全ての固有ベクトルは、直交（ｏｒｔｈｏｇｏｎａｌ）であり、従って、第２の最大の固有値は、第１の固有ベクトルの方向に当然に直角である対応する固有ベクトルの方向において、データの第２の最大の分散に対応する。一般に、このような解析に対して、第１のいくつかの（３〜４、またはより多くの）最大の固有値は、データに近似するように選ばれ、近似の結果として、エラーＥは、方程式（１）における表現として導入される。要約すると、一旦固有値およびそれらの対応する固有ベクトルのセットが、決定されるならば、最大の固有値のセットは選択されることができ、方程式（１）のエラーマトリックスＥは、決定されることができる。

ＲＣＡモデリングをサポートする市販のソフトウェアの実施例は、ＳＩＭＣＡ−Ｐ ８．０である；詳しくは、ユーザーズマニュアル（ＳＩＭＣＡ―Ｐ ８．０のユーザガイド： Ａ ｎｅｗ ｓｔａｎｄａｒｄ ｉｎ ｍｕｌｔｉｖａｒｉａｔｅ ｄａｔａ ａｎａｌｙｓｉｓ、Ｕｍｅｔｒｉｃｓ社、バージョン８．０、１９９９年９月）を参照。マニュアルの内容は、本願明細書に引用したものとする。例えば、ＳＩＭＣＡ―Ｐ ８．０を用いて、Ｘの各々の変数（ｅａｃｈ ｖａｒｉａｂｌｅ ｉｎ Ｘ）を示す各々のコンポーネントと、コンポーネントによるＸの各々の変数の全変動（ｔｏｔａｌ ｖａｒｉａｔｉｏｎ）の能力（ａｂｉｌｉｔｙ）に関する追加の情報と同様に、スコアマトリックスＴおよびローディングマトリックスＰを決定することができる。

加えて、ＳＩＭＣＡ−Ｐ ８．０は、観測（ＤＭｏｄＸ）のモデルに対する絶対距離（ａｂｓｏｌｕｔｅ ｄｉｓｔａｎｃｅ）または観測に対するホテリングＴ^２（Ｈｏｔｅｌｌｉｎｇ Ｔ^２）パラメータのような他の統計量、またはＱ−統計量（例えば、Ｑ^２は、コンポーネントによって予測され得る可変データ、Ｘ_ｉの全変動のフラクションを表す）の出力として生成することが更に可能である。モデルＤＭｏｄＸに対する距離は、以下の通りに算出され得る。

そこにおいて、ｖは、補正係数であり、Ｋは変数の数であり、Ａはモデルディメンションの数であり、ｅ_ｉｋは、オリジナル値と、ｉ^ｔｈ観測（基板ラン、時間内の瞬間など）およびｋ^ｔｈ変数に対する射影との間の偏差（ｄｅｖｉａｔｉｏｎ）を表す。例えば、ＰＣＡモデル（ローディングマトリックスＰなど）は、データの「トレーニング」セット（すなわち、多くの観測に対しＸを組立てて、ＳＩＭＧＡ−Ｐを使用してＰＣＡモデルを決定する）を使用して構成されることができる。一旦ＰＣＡモデルが構成されると、方程式（１）において、ＰＣＡモデル上への新しい観測の射影は、残余マトリックス（ｒｅｓｉｄｕａｌ ｍａｔｒｉｘ）Ｅを決定するように利用されることができる。

同様に、ホテリングＴ^２が、以下の通りに算出され得る。

そこにおいて、ｔ_ｉａは、ｉ^ｔｈ観測（基板ラン、時間内の瞬間など）およびａ_ｔｈモデルディメンションに対するスコアである。例えば、ＰＣＡモデル（ローディングマトリックスＰなど）は、データの「トレーニング」セット（すなわち、多くの観測に対しＸを組立てて、ＳＩＭＣＡ―Ｐを使用してＲＣＡモデルを決定する）を使用して構成されることができる。一旦ＰＣＡモデルが構成されると、ＰＣＡモデル上への新しい観測の射影は、新しいスコアマトリックスＴを決定するように利用されることができる。

一般的に、モデルＤＭｏｄＸまたはホテリングＴに対する距離のような統計量は、プロセスに対してモニタされ、この量が所定のコントロールリミットを上回るとき、プロセスに対する不良が検出される。しかしながら、上記の通りに構成されたＰＣＡモデルは、いくつかの不備（ｄｅｆｉｃｉｅｎｃｉｅｓ）が欠点となり得る。例えば、変動がプロセスおよび製品品質にとって重要であるそれらの変数は、充分な感度を示すとは限らない。加えて、例えば、モデリングバリエーションが非常に小さい変数は、自動的にモデルを構成することによって、単に過度の重み付けをすることがあり得る。従って、本発明の実施形態は、各々の変数に重み因子（ｗｅｉｇｈｔｉｎｇ ｆａｃｔｏｒ）の適用を取り入れて、それによって、それらの相対的重要度を調整することである。この際、以下のうちの少なくとも１つは、達成されることができる：（ｉ）重要な変数は、強調され得る；（ｉｉ）まだ大きなエラーを検出することに対するそれらの存在を維持する間、より重要でない変数は重視するのをやめられ得る；（ｉｉｉ）誤警報は、低下することができる；（ｉｖ）真の警報は、より容易に識別されることができる；（ｖ）モデルパラメータは、特定の不良に感度を持つために調整され得る。

重み因子（Ｗ）は、例えば、次のパラメータのうちの少なくとも１つに基づくことがあり得る：モデリングデータ標準偏差（Ｓ_ｏ）；変数の所望の標準偏差（Ｓ_ｄ）；変数の相対的重要度（ｆ）；センサ分解能（Ｒ）。モデリングデータ標準偏差は、例えば、上記の通りの特定の変数に対するデータの「トレーニングセット」の標準偏差であり得る。所望の標準偏差は、例えば、特定の変数の予想されるばらつき（ｆｌｕｃｔｕａｔｉｏｎｓ）に関連する標準偏差であり得る。例えば、ユニット分散スケーリング（ｕｎｉｔ ｖａｒｉａｎｃｅ ｓｃａｌｉｎｇ）を仮定すると、重み因子Ｗは、以下のように表され得る。

一旦各々の変数に対する重み因子が決定されると、ＰＣＡモデルは、このような重み付けをすることを含むために、したがって修正されることができる。例えば、図６に示すように、ＳＩＭＣＡ―Ｐは、重み因子（または「変更因子（ｍｏｄｉｆｉｅｒ）」）として使用され得るそのグラフィックユーザーインターフェース（ＧＵＩ）のフィールドを提供する。

代わりとして、重み因子は、グループ尺度法（ｇｒｏｕｐ ｓｃａｌｉｎｇ ｍｅｔｈｏｄ）を利用している各々の変数に対するセットであり得る。実施例において、図２〜５に記載されているようなプラズマ処理システムに対して、表１は、典型的なツールデータのセットを示し、６１個のツールデータパラメータを含む。その中で、重み因子Ｗ＝１は、Ｃ１ ＰＯＳＩＴＩＯＮ、Ｃ２ ＰＯＳＩＴＩＯＮ、ＲＦ ＶＰＰ、ＬＯＷＥＲ ＴＥＭＰ、ＲＦ ＲＥＦＬＥＣＴ、およびＲＦ ＶＤＣのような重要な変数に対するセットとなり得る；重み因子Ｗ＝０．５は、ＡＰＣのようなあまり重要でない変数に対するセットであり得る；重み因子Ｗ＝０．１は、ＳＴＥＰ、ＥＳＣ ＶＯＬＴＡＧＥ、ＥＳＣ ＣＵＲＲＥＮＴ、ＭＡＧＮＩＴＵＤＥ、ＰＨＡＳＥ、およびＰＲＥＳＳＵＲＥのようなより重要でない変数に対するセットであり得る；重み因子Ｗ＝０．０５は、ＲＦ ＦＯＲＷＡＲＤのようなさらにより重要でない変数に対するセットであり得る；および重み因子Ｗ＝０．０１は、ＨＥ Ｅ ＰＲＥＳ，ＨＥ Ｃ ＰＲＥＳ，ＨＥ Ｅ ＦＬＯＷ，およびＨＥ Ｃ ＦＬＯＷのようなさらにより重要でない変数に対するセットであり得る。

引き続きこの実施例を参照し、コンタクト酸化物エッチングプロセスは、ＰＣＡモデルを構成するように利用される。エッチングプロセスは、全てのトレースパラメータが記録される間の１６０秒の固定時間を有している。ほぼ２，０００枚の基板は、ＰＣＡモデルを構成するようにランされる。さらにまた、２つのモデルは、標準（ｓｔａｎｄａｒｄ）のＰＣＡモデル（通常（Ｒｅｇｕｌａｒ）のＰＣＡ）と、重み付けをされたＰＣＡモデル（ｗｅｉｇｈｔｅｄ ＰＣＡ ｍｏｄｅｌ：ＷＰＣＡ）とを含んで構成される。いずれの場合においても、統計量ＤＭｏｄＸは、各々の観測（または基板ラン）に対して計算され、５の値（ｖａｌｕｅ ｏｆ ｆｉｖｅ （５））は、小さい偏差を無視するようにコントロールリミットにセットされる。図７Ａは、通常のＰＣＡモデルに対するＤＭｏｄＸを示し、図７Ｂは、重み付けをされたＰＣＡモデルに対するＤＭｏｄＸを示す。図７Ａおよび図７Ｂの検査（ｉｎｓｐｅｃｔｉｏｎ）によって、通常のＰＣＡモデルは、３つの外れ値（ほぼ基板ランの３００，１１００、および１８５０枚目で）を識別し、重み付けをされたＰＣＡモデルは、単一の外れ値（ほぼ基板ランの１１００枚目で）だけを識別する。コントリビューションプロットのレビューで、図８に示すように、２つの異なる外れ値は、ＧＡＳ６フローに起因して起こる。しかしながら「正常」と、「異常」と間の違いは、０．０００６５だけであり、従って、通常のＰＣＡモデルは、いくつかのあまり重要でない変数にとても影響される。

他の実施例では、Ｃ１ ＰＯＳＩＴＩＯＮの通常の範囲は、６７０〜７３０であり、意図的に、１つの基板に対して、Ｃ１ ＰＯＳＩＴＩＯＮは、５５０に変更（著しいエラー）される。通常のＰＣＡモデルにおいて、一旦著しいエラーが起こされたならば、ＤＭｏｄＸ＝０．９６の値から１．４８への非常に小さい変化は、記録される。しかしながら、重み付けをされたＰＣＡモデルでは、一旦著しいエラーが起こされたならば、ＤＭｏｄＸ＝２．０３の値から８．４９への相当な変化は、記録される。

図９は、半導体製造の過程の間、基板を処理するための処理システムをモニタする方法を記載しているフローチャートを示す。方法５００は、複数の観測のための処理システムからデータを取得する５１０から始まる。処理システムは、例えば、エッチングシステムであり得て、または、それは、図１にて説明したように、他の処理システムであり得る。処理システムからのデータは、処理システムおよびコントローラに接続された複数のセンサを使用して得られ得る。データは、例えば、エッチングシステムに対し、表１に示されたデータ変数のどれをも備えることができる。追加データは、例えば、光学発光スペクトラム、電圧および／または電流測定のＲＦハーモニックス、または放射されたＲＦエミッションなどを含むことができる。各々の観測は、基板ラン、時間内の瞬間、時間平均などに関係することができる。

５２０で、ＰＣＡモデルは、５３０においてデータを表すように１つ以上の主成分を決定することと、５４０において取得されたデータのデータ変数に重み付けすることとによって、取得されたデータから構成される。例えば、ＳＩＭＣＡ―Ｐのような市販のソフトウェアは、ＰＣＡモデルを構成するように利用されることができる。加えて、データ変数の重み付けをすることは、データ標準偏差、データ変数の所望の標準偏差、データ変数の相対的重要度、およびデータ変数のデータ分解能の少なくとも１つを利用することができる。代わりとして、重み付けをすることは、グループ尺度法を利用することができる。

５５０で、追加データは、処理システムから取得され、５６０で、少なくとも１つの統計量は、追加データおよびＰＣＡモデルから決定される。例えば、追加データは、スコアのセットを決定するように１つ以上の主成分上へ射影されたフォワードであり得て、スコアのセットは、１つ以上の残留誤差（ｒｅｓｉｄｕａｌ ｅｒｒｏｒｓ）を決定するように主成分上へ射影されたバックワードであり得る。スコアのモデルセットと関連したスコアのセット、または１つ以上の残留誤差のいずれかを利用して、各々の追加の観測に対する、モデル（ＤＭｏｄＸ）に対する距離またはホテリングＴ^２パラメータのような、少なくとも１つの統計量は、決定されることができる。

５７０で、コントロールリミットは、セットされることができ、５８０で、少なくとも１つの統計量は、コントロールリミットと比較されることができる。コントロールリミットは、主観的方法（ｓｕｂｊｅｃｔｉｖｅ ｍｅｔｈｏｄｓ）か経験的方法（ｅｍｐｉｒｉｃａｌ ｍｅｔｈｏｄｓ）を使用してセットされ得る。例えば、モデルパラメータＤＭｏｄＸに対する距離を使用するとき、コントロールリミットは、５の値にセットされ得る（例えば、図７Ａおよび図７Ｂを参照）。加えて、例えば、ホテリングＴ^２パラメータを使用するとき、コントロールリミットは、１００の値にセットされ得る。別の形態として、例えば、コントロールリミットは、χ^２−分布（ｄｉｓｔｒｉｂｕｔｉｏｎ）のような、統計量に対する理論的分布を仮定することによって決められることができる；しかしながら、観察された分布は、理論によって検査（ｖｅｒｉｆｉｅｄ）されなければならない。少なくとも１つの統計量がコントロールリミットを上回る場合、そこで、処理システムに対する不良は、５９０で検出され、そして、オペレータは、６００で通知されることができる。

本発明の特定の例示的実施形態だけが上で詳述したが、当業者は、その多くの変更態様が具体的に本発明の新しい教示および効果から逸脱することなく例示的実施形態において可能であると、容易に認め得る。したがって、全てのこのような変更態様は、本発明の範囲内に含まれるものである。

本発明のこれらおよび他の効果は、添付の図面とともに、本発明の例示的実施形態の上記詳細な説明から、より明らかに、より容易に理解されるようになる。

本発明の好ましい実施態様に係る材料処理システムを示す図である。 本発明の１つの実施形態に係る材料処理システムを示す図である。 本発明の他の実施形態に係る材料処理システムを示す図である。 本発明の更に他の実施形態に係る材料処理システムを示す図である。 本発明の追加の実施形態に係る材料処理システムを示す図である。 主成分分析（ＰＣＡ）モデルに対するグラフィックユーザーインターフェース（ＧＵＩ）を示す図である。 標準のＰＣＡモデルに対する基板ランの関数としてのモデル（ＤＭｏｄＸ）統計量への距離を示す図である。 重み付けをされたＰＣＡモデルに対する基板ランの関数として、モデル（ＤＭｏｄＸ）統計量に対する距離を示す図である。 図７Ｂの重み付けをされたＰＣＡモデルに対する寄与プロット線を示す図である。 本発明の１つの実施形態に係る、半導体製造過程中に基板を処理する処理システムをモニタする方法を示す図である。

Claims (11)

1. 半導体製造過程の間、基板を処理する処理システムをモニタする方法であって、
   複数の観測に対して、前記処理システムから複数のデータ変数を有するデータを取得することと、
   主成分分析を使用して、前記複数の観測に対して、前記データの１つ以上の主成分を決定することと、
   前記主成分分析の間、モニタされたプロセスに対する各データ変数の相対的重要度に基づいて、重み因子が前記データ変数の前記相対的重要度を調整するように、前記複数のデータ変数の各々１つに前記重み因子を適用することと、
   前記処理システムから追加データを取得することと、
   前記重み因子に基づいて決定された前記１つ以上の主成分上への前記追加データの射影から算出された１つ以上のスコアから少なくとも１つの統計量を決定することと、
   前記少なくとも１つの統計量に対して、コントロールリミットを決定することと、
   前記少なくとも１つの統計量を前記コントロールリミットと比較することとを具備する方法。
2. プロセス不良は、前記少なくとも１つの統計量が前記コントロールリミットを上回るときに、発生する請求項１に記載の方法。
3. 前記データは、コンデンサ位置と、進行方向のＲＦ電力と、反射されたＲＦ電力と、電圧と、電流と、位相と、インピーダンスと、ＲＦピーク間電圧と、ＲＦ自己誘導直流バイアスと、チャンバ圧と、ガス流量と、温度と、裏面ガス圧と、裏面ガス流量と、静電クランプ電圧と、静電クランプ電流と、フォーカスリング厚さと、ＲＦ時間と、プロセスステップ期間と、フォーカスリングＲＦ時間と、光学発光スペクトルと、ＲＦハーモニックスとのうちの少なくとも１つを有している請求項１に記載の方法。
4. 前記データは、瞬間値と、時間平均と、標準偏差と、３次のモーメントと、４次のモーメントと、分散とのうちの少なくとも１つを有している請求項１に記載の方法。
5. 前記統計量は、モデルパラメータ（ＤＭｏｄＸ）に対する距離と、ホテリングＴ^２パラメータとのうちの少なくとも１つを有している請求項１に記載の方法。
6. 前記少なくとも１つの統計量を決定することは、１つ以上の残留誤差を決定するように前記１つ以上の主成分への前記１つ以上のスコアのバック射影を更に備えている請求項１に記載の方法。
7. 前記１つ以上の主成分への前記１つ以上のスコアの前記バック射影は、マトリックス乗算を備えている請求項６に記載の方法。
8. 前記１つ以上の主成分上への前記追加データの前記射影は、マトリックス乗算を備えている請求項１に記載の方法。
9. 前記データ変数の前記相対的重要度を調整するための各々の重み因子は、データ標準偏差（Ｓ_ｏ）と、前記データ変数の所望の標準偏差（Ｓ_ｄ）と、データ分解能（Ｒ）とのうちの少なくとも１つから決定される請求項１に記載の方法。
10. 前記複数のデータ変数のうちの少なくとも１つに前記重み付けすることは、グループ尺度法を適用することを備えている請求項１に記載の方法。
11. 前記データと、前記追加データと、前記少なくとも１つの統計量と、前記コントロールリミットとのうちの少なくとも１つに、イントラネットおよびインターネットの少なくとも１つを介してアクセスすることを更に具備する請求項１に記載の方法。

Images