CN101355012A - 端点检测装置和方法以及具有该装置的等离子体反应器 - Google Patents

Abstract

本发明提供一种端点检测装置、一种具有所述端点检测装置的等离子体反应器、以及一种端点检测方法。所述端点检测装置包括OES数据运算单元、数据选择器、乘积发生器、SVM、以及端点测定器。所述OES数据运算单元利用标准化及PCA来处理参考OES数据。所述数据选择器选择一部分所述多个线性参考负载向量并选择一部分经选定的所述多个线性参考负载向量。所述乘积发生器输出至少一参考乘积值。所述SVM作回归并输出预测乘积值。所述端点测定器检测加工晶圆蚀刻或沉积端点并输出检测信号。

Description

端点检测装置和方法以及具有该装置的等离子体反应器

技术领域

本发明涉及一种用于半导体工艺的装置。更特别的是，本发明涉及在半导体蚀刻或沉积工艺期间用来检测蚀刻端点或沉积端点的端点检测装置、具有该端点检测装置的等离子体反应器、以及端点检测方法。

背景技术

从晶圆直到完成一个半导体产品，通常需要进行一系列极为复杂的半导体工艺。在一系列的半导体工艺中，各种工艺都使用各种不同的半导体加工设备。各个半导体加工设备的操作效能(亦即，加工条件)都是决定半导体成品的操作效能的因素。因此，半导体加工设备的异常加工误差会变成得到品质优良的半导体产品的主要障碍而导致经济损失和时间损失。

在半导体加工设备中有一种为等离子体反应器。等离子体反应器的主要用途是按照特定的图案来蚀刻晶圆表面，或按照特定的图案来将沉积材料(deposition material)沉积于晶圆上表面。该等离子体反应器包括等离子体反应室与等离子体反应控制器。在蚀刻或沉积工艺期间，将目标晶圆安装于等离子体反应室内，并且用等离子体反应控制器来控制等离子体反应室的等离子体反应条件(例如，压力、反应气体、以及电力)。例如，能准确地控制等离子体反应条件的等离子体反应控制器对于防止加工误差(例如，等离子体蚀刻工艺期间的过度蚀刻)是很重要的。等离子体反应控制器必须准确地检测室内状态(in-chamber status)才能使得该等离子体反应控制器可以准确地控制等离子体反应室内的等离子体反应条件。为此，已有人开发出一种使用单色仪来检测蚀刻端点的公知等离子体反应器。

该公知等离子体反应器包括反应室、光纤缆线、单色仪、以及端点检测装置。

通过设在反应室外侧壁的窗口，该光纤缆线收集从反应室内部射出的单波长光线并且把收集到的光线转到单色仪。该单波长光线可以是在用作目标晶圆蚀刻端点测定标准的组件(例如，被蚀刻材料)与等离子体反应时产生的光线。

该单色仪把由光纤缆线收到的单波长光线转换成电压电平信号并且将该电压电平信号输出至端点检测装置。

该端点检测装置基于由单色仪收到的电压电平信号来检测蚀刻端点。例如，随着蚀刻工艺的进展，被蚀刻材料会减少，以致于被蚀刻材料产生的光线也会跟着减少。结果，该端点检测装置使用由单色仪收到的电压电平信号所要测定的蚀刻端点是被蚀刻材料产生光线的减少时间点。

如上所述，该公知等离子体反应器使用单波长光线来检测蚀刻端点。然而，被蚀刻材料产生光线的波长会分散于多个频带，因此选定一个最显著的波长来作为测定蚀刻端点的标准极为困难。此外，由于目标晶圆的总面积与开放面积(open area)的比率很小，以致单波长光线的噪声会增加。这在图1a至图1c中详细示出。

图1a的曲线图示出在开放面积率等于3％时用于测定蚀刻端点的预测值时间变化图。与图1a一样，图1b与图1c的曲线图各示出在开放面积率等于0.7％及0.5％时用于测定蚀刻端点的预测值时间变化图。在图1a中，由于预测值在蚀刻端点(E)前后的差异很大，因此波形可显示清楚的蚀刻端点(E)。不过，在图1b与图1c中，由于预测值在蚀刻端点(E)前后的差异很小，因此波形会显示不清楚的蚀刻端点(E)。如上述，在使用单一波长来检测蚀刻端点的方法中，当总面积占开放面积的比率只有几个百分比或更小时，会无法无限准确地检测出蚀刻端点。

为了解决使用单一波长的蚀刻端点检测方法的缺点，已有多人在研究使用全波段(whole wavelength)来检测端点的方法。为了实现这一目标，已有人使用主成分分析(PCA)，它是一种多变量统计分析法。PCA(杰克森，1981)是一种用一个或一些综合指针(主成分)以尽可能不损失信息的方式来表示若干变量值的方法。PCA包括：在执行蚀刻工艺的过程中，把从处理室内部射出、有数种波长的光线转换成电压电平数据，标准化该电压电平数据，利用PCA来处理已被标准化的数据，计算一部分用PCA处理得到的结果值以及已被标准化的数据，以及基于该计算的结果值来检测蚀刻端点。不过，在公知的使用PCA的端点检测方法中，由于实时标准化电压电平信号(亦即，光学放射光谱仪(OES)数据)实际上要花费一段长时间，因此检测速度极为缓慢。结果，PCA几乎不可能迅速实时地测定室内状态，从而等离子体反应控制器也不可能实时控制等离子体反应室内的反应条件。由于新近开发有优选操作效能的传感器会在一秒内数次收到有数千种波长的光信号，因此这种问题会愈来愈严重。亦即，随着传感器操作效能的改善，以致于传感器可接收大量的光信号；不过，这要花费很长的时间才能存储并且标准化对应于大量收到的光信号的电压电平数据。因此，端点检测速度会变慢，结果不可能实时地控制等离子体反应条件。

发明内容

本发明的示例性具体实施例的一方面是至少针对该等问题及/或缺点，以及至少提供下文所描述的优点。因此，本发明的示例性具体实施例的一方面是要提供一种端点检测装置，在执行实时加工晶圆(process wafer)蚀刻或沉积工艺的过程中，其用来计算实时产生的OES数据以及多个先前在前次蚀刻或沉积工艺期间算出的负载向量(loadingvector)，并产生用来测定蚀刻或沉积端点的乘积值，从而可检测端点而不用实时标准化该OES数据，并提高检测速度，并实现等离子体反应器的实时控制。

本发明的示范性具体实施例的另一方面是要提供一种包括该端点检测装置的等离子体反应器，在执行实时加工晶圆蚀刻或沉积工艺的过程中，其用于计算实时产生的OES数据以及多个先前在前次蚀刻或沉积工艺期间算出的负载向量，并产生用来测定蚀刻或沉积端点的乘积值，从而可检测端点而不用实时标准化该OES数据，并提高检测速度，并实现等离子体反应器的实时控制。

本发明的示范性具体实施例的另一方面是要提供一种端点检测方法，在执行实时加工晶圆蚀刻或沉积工艺的过程中，其用于计算实时产生的OES数据以及多个先前在前次蚀刻或沉积工艺期间算出的负载向量，并产生用来测定蚀刻或沉积端点的乘积值，从而可检测端点而不用实时标准化该OES数据，并提高检测速度，且实现等离子体反应器的实时控制。

根据本发明的示范性具体实施例的一方面，提供一种端点检测装置。该装置包括光学放射光谱仪(OES)数据运算单元、数据选择器、乘积发生器、支持向量机(Support VectorMachine，SVM)、以及端点测定器(endpoint determiner)。该OES数据运算单元利用标准化及主成分分析(PCA)来处理参考OES数据(reference OES data)，输出多个线性参考负载向量(linear reference loading vector)以及多个参考主成分比率值(rate values of reference principalcomponents)，以及基于该等线性参考负载向量来输出多个参考排序值(reference ranking value)。该数据选择器基于该等参考主成分比率值来首次选择一部分该等线性参考负载向量，基于该等参考排序值来选择一部分该参考OES数据或选择一部分的加工OES数据(process OES data)，以及基于该等参考排序值来第二次选择一部分该等在首次被选定的线性参考负载向量。该乘积发生器基于该等在首次被选定的线性参考负载向量以及该参考OES数据来输出至少一参考乘积值。该SVM基于该经选定的参考OES数据和该至少一参考乘积值来作回归(regression)，产生多个非线性参考负载向量，并基于该等在第二次被选定的线性参考负载向量、该等非线性参考负载向量、以及该经选定的加工OES数据来周期性地输出预测乘积值。该端点测定器基于该周期性地收到的预测乘积值来检测加工晶圆蚀刻或沉积端点并输出检测信号。

在参考晶圆(reference wafer)的蚀刻或沉积工艺期间，用光谱仪把从等离子体反应室的内部射出的全波段第一光线转换成该参考OES数据。在该参考晶圆蚀刻或沉积工艺之后执行的加工晶圆蚀刻或沉积工艺期间，从该等离子体反应室的内部射出的全波段第二光线都用该光谱仪来转换成该加工OES数据。该等参考排序值为该全波段第一光线的强度排序。该等线性参考负载向量各对应于多个用该参考OES数据表示的一维函数值，而该等非线性参考负载向量各对应于多个用该经选定的加工OES数据表示的S维(S：为大于1的整数)函数值。

根据本发明的示范性具体实施例的另一方面，提供一种端点检测装置。该装置包括数据选择器、OES数据运算单元、乘积发生器、以及端点测定器。该数据选择器设定数据选择范围并输出操作控制信号以响应数据选择信号，在参考晶圆蚀刻或沉积工艺期间基于该数据选择范围来选择一部分的参考OES数据，并且在加工晶圆蚀刻或沉积工艺期间基于该数据选择范围来选择一部分的加工OES数据。该OES数据运算单元利用标准化及PCA来处理该经选定的参考OES数据并输出多个线性参考负载向量以响应该操作控制信号。该乘积发生器基于该等线性参考负载向量和该经选定的加工OES数据来周期性地输出预测乘积值。该端点测定器基于该周期性地收到的预测乘积值来检测加工晶圆蚀刻或沉积端点并输出检测信号。

在参考晶圆蚀刻或沉积工艺期间，从等离子体反应室的内部射出的全波段第一光线都用光谱仪来转换成该参考OES数据。在该参考晶圆蚀刻或沉积工艺之后执行的加工晶圆蚀刻或沉积工艺期间，从该等离子体反应室的内部射出的全波段第二光线都用该光谱仪来转换成该加工OES数据。该等线性参考负载向量各对应于多个用该参考OES数据表示的一维函数值。

根据本发明的示范性具体实施例的另一方面，提供一种等离子体反应器，其包括：等离子体反应室、光谱仪、光纤缆线、端点检测装置、以及等离子体反应控制器。在该等离子体反应室内安装参考晶圆或加工晶圆。该光谱仪在参考晶圆蚀刻或沉积工艺期间把从该等离子体反应室的内部射出的全波段第一光线转换成参考OES数据，或在该参考晶圆蚀刻或沉积工艺之后执行的加工晶圆蚀刻或沉积工艺期间把从该等离子体反应室的内部射出的全波段第二光线转换成加工OES数据。在该参考晶圆或加工晶圆蚀刻或沉积工艺期间，该光纤缆线通过设在该等离子体反应室的外壁的窗口来收集从该等离子体反应室的内部射出的全波段第一或第二光线并把收集到的光线转到该光谱仪。该端点检测装置基于该参考OES数据以及该加工OES数据来检测加工晶圆蚀刻或沉积端点并输出一检测信号。该等离子体反应控制器控制在该等离子体反应室之内的蚀刻或沉积条件以响应该检测信号。

该端点检测装置包括OES数据运算单元、数据选择器、乘积发生器、SVM、以及端点测定器。该OES数据运算单元利用标准化及PCA来处理该参考OES数据，输出多个线性参考负载向量以及多个参考主成分比率值，并基于该等线性参考负载向量来输出多个参考排序值。该数据选择器基于该等参考主成分比率值来首次选择一部分该等线性参考负载向量，基于该等参考排序值来选择一部分该参考OES数据或选择一部分该加工OES数据，并基于该等参考排序值来第二次选择一部分该等在首次被选定的线性参考负载向量。该乘积发生器基于该等在首次被选定的线性参考负载向量以及该参考OES数据来输出至少一参考乘积值。该SVM基于该经选定的参考OES数据和该至少一参考乘积值来作回归，产生多个非线性参考负载向量，以及基于该等在第二次被选定的线性参考负载向量、该等非线性参考负载向量、以及该经选定的加工OES数据来周期性地输出预测乘积值。该端点测定器基于该周期性地收到的预测乘积值来检测加工晶圆蚀刻或沉积端点并输出检测信号。

该等参考排序值为该全波段第一光线的强度排序。该等线性参考负载向量各对应于多个用该参考OES数据表示的一维函数值，而该等非线性参考负载向量各对应于多个用该经选定的加工OES数据表示的S维(S：为大于1的整数)函数值。

根据本发明的示范性具体实施例的另一方面，提供一种等离子体反应器，其包括：等离子体反应室、光谱仪、光纤缆线、端点检测装置、以及等离子体反应控制器。在该等离子体反应室内安装参考晶圆或加工晶圆。该光谱仪在参考晶圆蚀刻或沉积工艺期间把从该等离子体反应室的内部射出的全波段第一光线转换成参考OES数据，或在该参考晶圆蚀刻或沉积工艺之后执行的加工晶圆蚀刻或沉积工艺期间把从该等离子体反应室的内部射出的全波段第二光线转换成加工OES数据。在该参考晶圆或加工晶圆蚀刻或沉积工艺期间，该光纤缆线通过设在该等离子体反应室的外壁的窗口来收集从该等离子体反应室的内部射出的全波段第一或第二光线并把收集到的光线转到该光谱仪。该端点检测装置基于该参考OES数据以及该加工OES数据来检测加工晶圆蚀刻或沉积端点并输出检测信号。该等离子体反应控制器控制在该等离子体反应室的内部的蚀刻或沉积条件以响应该检测信号。

该端点检测装置包括数据选择器、OES数据运算单元、乘积发生器、以及端点测定器。该数据选择器设定数据选择范围并输出操作控制信号以响应数据选择信号，在该参考晶圆蚀刻或沉积工艺期间基于该数据选择范围来选择一部分的参考OES数据，并且在该加工晶圆蚀刻或沉积工艺期间，基于该数据选择范围来选择一部分的加工OES数据。该OES数据运算单元利用标准化及PCA来处理该经选定的参考OES数据并输出多个线性参考负载向量，以响应该操作控制信号。该乘积发生器基于该等线性参考负载向量和该经选定的加工OES数据来周期性地输出预测乘积值。该端点测定器基于该周期性地收到的预测乘积值来检测加工晶圆蚀刻或沉积端点并输出检测信号。该等线性参考负载向量各对应于多个用该参考OES数据表示的一维函数值。

根据本发明的示范性具体实施例的另一方面，提供一种端点检测方法，其包括：用OES数据运算单元以标准化及PCA方式来处理参考OES数据，并且产生多个线性参考负载向量、多个参考主成分比率值、以及多个参考排序值；使SVM基于该等线性参考负载向量、该等参考主成分比率值、该等参考排序值、以及该参考OES数据来学习；利用数据选择器，以基于该等参考排序值来选择一部分该加工OES数据；使用该学习SVM和该经选定的加工OES数据来周期性地产生预测乘积值；以及，利用端点测定器，以基于该预测乘积值来检测加工晶圆蚀刻或沉积端点并且输出检测信号。

该参考OES数据是在参考晶圆蚀刻或沉积工艺期间用光谱仪转换从等离子体反应室内部射出的全波段第一光线所得到的数据。该加工OES数据是在该参考晶圆蚀刻或沉积工艺之后执行的加工晶圆蚀刻或沉积工艺期间，用该光谱仪转换从该等离子体反应室的内部射出的全波段第二光线所得到的数据。该等线性参考负载向量各对应于多个用该参考OES数据表示的一维函数值。该等参考排序值为该全波段第一光线的强度排序。

根据本发明的示范性具体实施例的另一方面，提供一种端点检测方法，其包括：用显示单元、以三维图像显示参考OES数据，所述参考OES数据是在参考晶圆蚀刻或沉积工艺期间用光谱仪来转换从等离子体反应室内部射出的全波段第一光线所得到的；根据该显示结果来给数据选择器设定数据选择范围；利用该数据选择器以基于该数据选择范围来选择一部分该参考OES数据；用OES数据运算单元来标准化及PCA处理该经选定的参考OES数据并产生多个线性参考负载向量；利用该数据选择器，以基于该数据选择范围来选择一部分的加工OES数据；利用乘积发生器，以基于该等线性参考负载向量和该经选定的加工OES数据来周期性地产生预测乘积值；以及，利用端点测定器，以基于该预测乘积值来检测加工晶圆蚀刻或沉积端点并输出检测信号。

该加工OES数据是在该参考晶圆蚀刻或沉积工艺之后执行的加工晶圆蚀刻或沉积工艺期间用该光谱仪转换全波段第二光线所得到的数据，其中所述全波段第二光线是从该等离子体反应室的内部射出的。该等线性参考负载向量各对应于多个用该参考OES数据表示的一维函数值。

附图说明

阅读以下结合附图的详细说明可更加明白本发明的上述及其它的目标、特征与优点，其中：

图1a至图1c的曲线图为公知的端点检测方法所产生的端点预测值时间变化图；

图2的方块图图解说明本发明的端点检测装置的一的示范性具体实施例；

图3为图2的参考OES数据的示例性例子；

图4示意性示出图2中的OES数据运算单元的计算方法；

图5的概念图示出图2的端点检测装置的整体操作流程；

图6的曲线图为分别由图2中的实际乘积值和预测乘积值形成的波形；

图7的曲线图为由图2中的预测乘积值形成的波形以及由评分值(score value)形成的波形；

图8示意性示出图2的支持向量机(SVM)更新线性及非线性负载向量的流程；

图9的曲线图示出与图2的端点检测装置的异常诊断运算有关的数值分布；

图10的方块图示出本发明的端点检测装置的另一示范性具体实施例的细节；

图11至图13示意性示出设定图10的数据选择器的数据选择范围；以及，

图14的方块图示意性示出包括本发明的端点检测装置的等离子体反应器。

在这些附图中，类似的组件、特征及结构都用相同的组件符号表示。

具体实施方式

此时通过参考附图来详述本发明的示范性具体实施例。在以下的说明中，为求简洁，省略并入本文的公知函数及组态的详细说明。

图2的方块图图解说明本发明端点检测装置的一的示范性具体实施例。

请参考图2，端点检测装置100包括OES数据运算单元110、数据选择器120、乘积发生器130、SVM 140、端点测定器150、以及异常诊断单元160。OES数据运算单元110包括标准化处理器111、PCA处理器112、排序测定器(ranking determiner)113、以及存储单元114。

在参考晶圆蚀刻或沉积工艺期间，标准化处理器111标准化参考OES数据(ROES1(1)至ROESN(M))(N、M：整数)并且输出参考平均缩放数据(reference average scalingdata)(RASD1(1)至RASDN(M))。在此，“N”等于每一采样时间所采样的波长数目，而“M”等于每一波长的样本数。参考OES数据(ROES1(1)至ROESN(M))都是用光谱仪330(图14)转换在蚀刻或沉积参考晶圆时从等离子体反应室310(图14)里面射出的全波段光线(以下，称为“第一光线”)所得到的数据。参考OES数据(ROES1(1)至ROESN(M))可用M×N矩阵表示。此外，参考平均缩放数据(RASD1(1)至RASDN(M))可用M×N矩阵表示。

在参考晶圆蚀刻或沉积工艺后，在加工晶圆蚀刻或沉积工艺期间，标准化处理器111标准化加工OES数据(POES1(1)至POESN(M))并且输出加工平均缩放数据(PASD1(1)至PASDN(M))。加工OES数据(POES1(1)至POESN(M))都是用光谱仪330转换在蚀刻或沉积加工晶圆时从等离子体反应室310里面射出的全波段光线(以下，称为“第二光线”)所得到的数据。与参考OES数据(ROES1(1)至ROESN(M))一样，加工OES数据(POES1(1)至POESN(M))也可用M×N矩阵表示。加工平均缩放数据(PASD1(1)至PASDN(M))也可用M×N矩阵表示。如图3所示，参考OES数据(ROES1(1)至ROESN(M))或加工OES数据(POES1(1)至POESN(M))由光谱仪330输出的数值会随着时间而改变。

在参考晶圆蚀刻或沉积工艺期间，PCA处理器112是用PCA处理参考平均缩放数据(RASD1(1)至RASDN(M))并且输出参考主成分(PC1至PCN)(N：表示波长数目的整数)与线性参考负载向量(A_R1(1)至A_R1(N)、A_R2(1)至A_R2(N)、...、A_RN(1)至A_RN(N))的比率值(R_R1至R_RN)。线性参考负载向量(A_R1(1)至A_R1(N))均为参考主成分(PC1)的负载向量。线性参考负载向量(A_R2(1)至A_R2(N))均为参考主成分(PC2)的负载向量。亦即，参考主成分各有“N”个线性参考负载向量。参考主成分(PC1至PCN)的比率值(R_R1至R_RN)表示各波长的显著程度。

以下参考图4及图5，其更加详细地描述PCA处理器112的PCA处理。PCA通常为一种用特征向量分解法来处理加工变量矩阵(process variable matrix)的协方差矩阵(covariance matrix)的方法。例如，变量为“p”的“n”个数据(亦即，X₁₁，X₂₂、...、X_pn)可用p维空间的“n”个点表示。不过，当p大于3时，难以定义各点之间的位置关系。在此情形下，PCA可以说是一种以低维表示同时尽可能地维持“n”个点的位置关系的方法。因此，由于可轻易处理半导体工艺中的许多现有变量，PCA与偏最小二乘法(PLS)都被广泛地使用。

以数学而言，PCA为一种用于把加工变量矩阵的协方差矩阵分解成多个特征向量的方法。例如，假设数据矩阵(X)(m×n)有“m”个样本与“n”个变量，则数据矩阵(X)(m×n)的协方差矩阵方程式可用方程式1表示如下：

$\mathrm{cov}\left(X\right)=\frac{X^{T}X}{m-1}...\left(1\right)$

在此，

cov(X)为协方差矩阵，而

X^T为X的转置矩阵。

PCA处理器112通过把由参考平均缩放数据(RASD1(1)至RASDN(M))组成的数据矩阵(X)代入方程式1可算出协方差矩阵(cov(X))。之后，PCA处理器112使用该协方差矩阵(cov(X))可算出特征值(λe)与特征向量(Ve)。以下用图4更详细地说明。例如，由参考平均缩放数据(RASD1(1)至RASDN(M))组成的数据矩阵(X’)是在每一采样时间(t1至t7)由每一波长(x1、x2、x3)收集的参考OES数据(60、58、25、...、45)所组成的数据矩阵(X)的标准化矩阵。在图4中，为使描述简洁，使用特定数值来仅例示各个采样时间对应于3种波长的参考OES数据。PCA处理器112使用方程式1由数据矩阵(X’)算出协方差矩阵(cov(X))。之后，PCA处理器112计算以方程式2定义的数据矩阵(D)：

D＝cov(X)*cov(X)^T............................(2)

在此，

cov(X)^T为cov(X)的转置矩阵。

接下来，PCA处理器112以解出数据矩阵(D)的特征向量来计算出特征值矩阵(λe)与特征向量矩阵(Ve)。PCA处理器112使用特征值矩阵(λe)来算出主成分矩阵(P)。最好可通过计算特征值矩阵(λe)的平方根来计算出主成分矩阵(P)。在构成主成分矩阵(P)的元素中，列在对角线的元素对应于参考主成分(PC1至PC3)。例如，图4只示出3种波长的参考主成分(PC1至PC3)(亦即，3组参考OES数据)。然而，实际上可产生与参考OES数据的数目成比例的参考主成分，因为光谱仪330可以在各个采样时区内采样大量的波长，而图3只列出一部分。在特征向量矩阵(Ve)中，“A1”表示参考主成分(PC1)的线性参考负载向量(A_R1(1)至A_R1(3))值，“A2”表示参考主成分(PC2)的线性参考负载向量(A_R2(1)至A_R2(3))值，而“A3”表示参考主成分(PC3)的线性参考负载向量(A_R3(1)至A_R3(3))值。

PCA处理器112使用参考主成分(PC1至PC3)来算出各个主成分的比率值(ratio value)。各参考主成分的比率值(R_RJ)可用方程式3表示如下：

$R_{R}J=\frac{\mathrm{PCJ}}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{PCi}}\×100...\left(3\right)$

在此，

N为表示参考主成分的总数的整数，而

J为满足以下条件的整数：0＜J≤N。

在加工晶圆蚀刻或沉积工艺期间，PCA处理器112以PCA处理加工平均缩放数据(PASD1(1)至PASDN(M))，并且输出线性加工负载向量(A_P1(1)至A_P1(N)、A_P2(1)至A_P2(N)、...、A_PN(1)至A_PN(N))以及加工主成分(PC1至PCN)(N：整数)的比率值(R_P1至R_PN)。PCA处理器112以PCA处理加工平均缩放数据(PASD1(1)至PASDN(M))的方法与以PCA处理参考平均缩放数据(RASD1(1)至RASDN(M))的方法类似，因此，省略对它的说明。

请再参考图2，排序测定器113输出基于在参考晶圆蚀刻或沉积工艺期间的线性参考负载向量(A_R1(1)至A_R1(N)、A_R2(1)至A_R2(N)、...、A_RN(1)至A_RN(N))的参考排序值(l_R1至l_RN)(N为表示波长总数的整数)。参考排序值(l_R1至l_RN)分别为第一光线的强度排序。各个参考排序值(l_RQ)可用方程式4表示如下：

$l_{R}Q=\sqrt{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left(A_{R}i\left(Q\right)\right)}^2}...\left(4\right)$

在此，

Q为满足以下条件式的整数：0＜Q≤N。

此外，排序测定器113输出基于加工晶圆蚀刻或沉积工艺的线性加工负载向量(A_P1(1)至A_P1(N)、A_P2(1)至A_P2(N)、...、A_PN(1)至A_PN(N))的加工排序值(process rankingvalue)(l_P1至l_PN)(N为表示波长总数的整数)。参考排序值(l_P1至l_PN)分别为第二光线的强度排序。排序测定器113计算各个加工排序值(l_PQ)(0＜Q≤N)的方法与方程式4描述的方法类似，因此，省略对它的详细说明。

在参考晶圆蚀刻或沉积工艺期间，存储单元114存储由PCA处理器112收到的线性参考负载向量(A_R1(1)至A_R1(N)、A_R2(1)至A_R2(N)、...、A_RN(1)至A_RN(N))和参考主成分(PC1至PCN)的比率值(R_R1至R_RN)，并存储由排序测定器113收到的参考排序值(l_R1至l_RN)。

此外，在加工晶圆蚀刻或沉积工艺期间，存储单元114存储由PCA处理器112收到的线性加工负载向量(A_P1(1)至A_P1(N)、A_P2(1)至A_P2(N)、...、A_PN(1)至A_PN(N))和加工主成分(PC1至PCN)的比率值(R_P1至R_PN)，以及由排序测定器113收到的加工排序值(l_P1至l_PN)。在此，存储单元114可连续存储在加工晶圆蚀刻或沉积工艺执行时就产生的线性加工负载向量、加工主成分比率值(rate valuesof process principal components)、以及加工排序值。或者，在擦除前次加工晶圆蚀刻或沉积工艺期间产生的线性加工负载向量、加工主成分比率值、以及加工排序值之后，存储单元114也可以存储在新的加工晶圆蚀刻或沉积工艺执行时产生的线性加工负载向量、加工主成分比率值、以及加工排序值。因应来自数据选择器120的请求信号(REQ1至REQ2)，存储单元114可以向数据选择器120提供存储的数值。

数据选择器120基于该等参考主成分比率值(R_R1至R_RN)来选择一部分的线性参考负载向量(A_R1(1)至A_R1(N)、A_R2(1)至A_R2(N)、...、A_RN(1)至A_RN(N))。更具体而言，在参考主成分比率值(R_R1至R_RN)中，数据选择器120选择的参考主成分的线性参考负载向量只与其中的预设比率值相对应。例如，假设预设于数据选择器120的比率值等于或大于80％，参考主成分(PC1)的比率值(R_R1)等于70％，参考主成分(PC2)的比率值(R_R2)等于15％。在该情形下，由于比率值(R_R1与R_R2)的总和等于85％，所以数据选择器120只选择参考主成分(PC1与PC2)的线性参考负载向量(A_R1(1)至A_R1(N)以及A_R2(1)至A_R2(N))。在此，通过包括多个按键的输入单元360(图14)，使用者可将预设比率值输入至数据选择器120。亦即，如果使用者通过输入单元360来输入预设比率值，输入单元360会输出选择信号(SEL1)，而数据选择器120会设定比率值以响应该选择信号(SEL1)。同样，数据选择器120基于该等加工主成分比率值(R_P1至R_PN)来选择一部分的线性加工负载向量(A_P1(1)至A_P1(N)、A_P2(1)至A_P2(N)、...、A_PN(1)至A_PN(N))。

数据选择器120基于参考排序值(l_R1至l_RN)选择一部分的参考OES数据(ROES1(1)至ROESN(M))或选择一部分的加工OES数据(POES1(1)至POESN(M))。此外，基于参考排序值(l_R1至l_RN)，数据选择器120另外选择一部分的已基于比率值(R_R1至R_RN)选定的线性参考负载向量(例如，A_R1(1)至A_R1(N)与A_R2(1)至A_R2(N))。更具体而言，数据选择器120只选择各个与预设排序值(或多个)的波长对应的参考OES数据或加工OES数据及线性参考负载向量。例如，假设数据选择器120基于比率值(R_R1至R_RN)所选定的线性参考负载向量都等于A_R1(1)至A_R1(N)以及A_R2(1)至A_R2(N)，则预设于数据选择器120的排序值会等于10％高顺位，而对应于10％高顺位的排序值都等于l_R1与l_R2。在该情形下，数据选择器120会选择对应于波长(x1与x2)的参考OES数据(ROES1(1)至ROES1(M)以及ROES2(1)至ROES2(M))或加工OES数据(POES1(1)至POES1(M)以及POES2(1)至POES2(M))，以及选择对应于波长(x1与x2)的线性参考负载向量(A_R1(1)、A_R1(2)、A_R2(1)、及A_R2(2))，因为对应于10％高顺位的排序值都等于l_R1与l_R2。在此，使用者可通过输入单元360(图14)来为数据选择器120预设排序值。亦即，如果使用者选定要通过输入单元360预设的排序值，则输入单元360会输出选择信号(SEL2)，而数据选择器120会设定该排序值以响应该选择信号(SEL2)。设定于数据选择器120的排序值不一定必须为高顺位值，也可以是中间顺位、低顺位、或想要的顺位区的百分值。

同样，基于加工排序值(l_P1至l_PN)，数据选择器120另外选择一部分已基于选定比率值(R_P1至R_PN)的线性加工负载向量(一部分的A_P1(1)至A_P1(N)、A_P2(1)至A_P2(N)、...、A_PN(1)至A_PN(N))。同样，数据选择器120基于加工排序值(l_P1至l_PN)来选择一部分的加工OES数据(POES1(1)至POESN(M))。数据选择器120在加工晶圆蚀刻或沉积工艺的执行次数达到设定次数时向SVM 140输出更新请求信号(UPDATE)。甚至在参考晶圆蚀刻或沉积工艺期间，数据选择器120可向SVM 140输出更新请求信号(UPDATE)。使用者可通过输入单元360来为数据选择器120设定工艺执行次数。具体而言，如果使用者通过输入单元360输入工艺执行次数，则输入单元360会输出选择信号(SEL3)，而数据选择器120设定工艺执行次数以响应该选择信号(SEL3)。

根据数据选择器120基于比率值(R_R1至R_RN)以及参考OES数据(ROES1(1)至ROESN(M))所选定的线性参考负载向量(一部分的A_R1(1)至A_R1(N)、A_R2(1)至A_R2(N)、...、A_RN(1)至A_RN(N))，乘积发生器130会输出至少一参考乘积值(Y_R)。当“X”表示由参考OES数据(ROES1(1)至ROESN(M))组成的M×N数据矩阵而“A”表示由基于比率值(R_R1至R_RN)来选定的线性参考负载向量(一部分的A_R1(1)至A_R1(N)、A_R2(1)至A_R2(N)、...、A_RN(1)至A_RN(N))组成的数据矩阵时，对应于第U个参考主成分(PCU)的参考乘积值(Y_R(U))可用方程式5表示如下：

Y_R(U)＝X*A(U)........................(5)

在此，

A(U)为参考主成分(PCU)的线性参考负载向量(A_RU(1)至A_RU(N))。

例如，当数据选择器120基于比率值(R_R1至R_RN)来选定的线性参考负载向量都等于A_R1(1)至A_R1(N)以及A_R2(1)至A_R2(N)时，方程式5可更加详细地用方程式6表示如下：

Y_R(1)＝A_R1(1)·X1+A_R1(2)·X2+...+A_R1(N)·XN，

Y_R(2)＝A_R2(1)·X1+A_R2(2)·X2+...+A_R2(N)·XN.............(6)

在此，

X1至XN均为一维函数用来表示参考OES数据(ROES1(1)至ROESN(M))中的全波段采样时间相同的参考OES数据。

表1更详细地列出在各采样时间对应于全波段的参考OES数据如下。

表1

采样时间	参考OES数据
		T1	ROES1(1)至ROESN(1)
T2	ROES1(2)至ROESN(2)
		T3	ROES1(3)至ROESN(3)
...	...
		TM	ROES1(M)至ROESN(M)

在表1中，各波长在经设定的时间间隔中采样“M”个数据(亦即，参考OES数据)。结果，乘积发生器130会基于以每个采样时间采样一次的参考OES数据来周期性地输出参考乘积值(Y_R(U))。

乘积发生器130根据数据选择器120基于比率值(R_P1至R_PN)以及加工OES数据(POES1(1)至POESN(M)所选定的线性加工负载向量(一部分的A_P1(1)至A_P1(N)、A_P2(1)至A_P2(N)、...、A_PN(1)至A_PN(N))来输出实际乘积值(Y_P)。乘积发生器130计算实际乘积值(Y_P)的方法与在描述方程式5及6时提及的方法类似，从而省略对它的详细描述。与输出参考乘积值(Y_R(U))的运算一样，乘积发生器130会基于以每个采样时间采样一次的加工OES数据来周期性地输出实际乘积值(Y_P)。在一段时间内由乘积发生器130周期性地输出的实际乘积值(Y_P)会形成一个如图6所示的波形(W2)。

SVM 140会通过回归来执行学习运算(learningoperation)，以响应更新请求信号(UPDATE)。具体而言，SVM 140会根据基于比率值(R_R1至R_RN)以及参考乘积值(Y_R(U))选定的参考OES数据(一部分的ROES1(1)至ROESN(M))来作回归，并产生非线性参考负载向量(A_NR1至A_NRG)(G：整数)。结果，SVM 140可通过回归来学习线性参考负载向量(A_R1(1)至A_R1(N)、A_R2(1)至A_R2(N)、...、A_RN(1)至A_RN(N))以及非线性参考负载向量(A_NR1至A_NRG)。此外，SVM 140可用一个参考乘积值(亦即，对应于一个主成分的参考乘积值(例如，Y_R(1)))来学习，或可用多个参考乘积值(亦即，对应于多个主成分的参考乘积值(例如，Y_R(1)与Y_R(2)))的比率来学习。

尽管参考乘积值(Y_R)基于只包括一维函数的方程式6来算出，然而参考乘积值(Y_R)的计算值不是基于经选定的部分波长的参考OES数据(ROES1(1)至ROESN(M))，而是全波段。因此，参考乘积值(Y_R)实际近似于用对应于经选定的部分波长和线性及非线性负载向量的OES数据算出来的乘积值(请参考以下的方程式23)。

以下描述SVM 140的一般运算原理以及与回归有关的非线性回归方程式。

作为图案识别问题的解决办法的SVM被广泛用来作为解二元分类问题的学习算法。例如，在给定以(x₁，y₁)、...、(x_n，y_n)，x_i∈Rⁿ，y_i∈{+1，-1}定义的学习数据(S)时，SVM会找出准确地把学习数据(S)分成两类的最优超平面(optimal hyperplane)。在此，“x_i”为用n维向量表示的第i个数据，而“y_i”为表示第i个数据的类别(+1或-1)的标号(label)。SVM找出把学习数据分成两类的最优超平面，同时最大化各类与超平面之间的最短距离。这可用方程式7表示如下：

y_i(w·x_i+b)≥1，(i＝1，2，...，n，n：整数)..................(7)

在此，

w∈Rⁿ，

b∈Rⁿ，

R为实数空间。

“w”与“b”的定义为方程式8的超平面。两者可定义成分开的超平面。

w·x_i+b＝0.............................(8)

当“w”的法线距离用||w||表示时，由分开的超平面(w、b)至向量(x_i)的距离(d_i)可用方程式9表示如下：

$d_i=\frac{w\·x_i+b}{\left|\right|w\left|\right|}...\left(9\right)$

若变换方程式7，“y_i”可用方程式10表示如下：

$y_i\≥\frac{1}{w\·x_i+b},(i=\mathrm{1,2},...,n)...\left(10\right)$

因此，在组合方程式9与10时，可得到以下对所有向量(x_i∈S)都成立的方程式11：

$y_i{d}_i\≥\frac{1}{\left|\right|w\left|\right|}...\left(11\right).$

因此，在向量(x_i)与分开的超平面(w、b)之间的距离中，

会变成它们的下界(lower bound)。两类在“w”方向上的距离的测量值

叫作边际(margin)。

假设有一个数据集合(D)和用以下方程式12表示的线性方程式：

D＝(x₁，y₁)，(x₂，y₂)，...，(x_i，y_i)，i＝1，2，...，n，n：整数..........(12)

在此，

x∈Rⁿ，y∈R。

用于f(x)＝(w·x_i+b)的最优回归方程式可通过最小化以下方程式13的数值来求出：

$\mathrm{\Φ}(w,\mathrm{\ϵ})=\frac{1}{2}{\left|w\right|}^2+C\underset{i=1}{\overset{N}{\mathrm{\Σ}}}({\mathrm{\ϵ}}_i^{-}+{\mathrm{\ϵ}}_i^{+})...\left(13\right)$

在方程式13中，“C”为极限值(limit value)，而ε_i ⁺与ε_i ^-为边际变量(margin variable)，用以表示特定系统的结果的上、下极限。例如，当考虑到与图3有关的情形时，ε_i ⁺可对应于上极限值。而ε_i ^-可对应于下极限值。ε^-密集性损失函数(ε^-intensive loss function)L_ε(y)可用方程式14表示如下：

$L_{\mathrm{\&epsiv;}}\left(y\right)=\left\{\begin{array}{cc}0& \mathrm{for}|f\left(x\right)-y|<\mathrm{\&epsiv;}\\ |f\left(x\right)-y|-\mathrm{\&epsiv;}& \mathrm{otherwise}\end{array}\right....\left(14\right)$

在方程式14中，ε^-密集性回归可用以下的方程式15计算：

${\max }_{\mathrm{\&alpha;},{\mathrm{\&alpha;}}^{*}}W(\mathrm{\&alpha;},{\mathrm{\&alpha;}}^{*})$

$={\max }_{\mathrm{\&alpha;},{\mathrm{\&alpha;}}^{*}}-\frac{1}{2}\underset{i=1}{\overset{p}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{p}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i-{{\mathrm{\&alpha;}}_i}^{*})({\mathrm{\&alpha;}}_j-{{\mathrm{\&alpha;}}_j}^{*})<x_i,x_j>+\underset{i=1}{\overset{p}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_i(y_i-\mathrm{\&epsiv;})-{{\mathrm{\&alpha;}}_i}^{*}(y_i+\mathrm{\&epsiv;})...\left(15\right)$

在此，当方程式15有以下的约束条件时，

0≤α_i，α_i ^*≤C，p＝自然数

$\underset{i=1}{\overset{p}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i-{{\mathrm{\&alpha;}}_i}^{*})=0...\left(16\right)$

由方程式15与16可给出以下的回归方程式17。

$w^{\&prime;}=\underset{i=1}{\overset{p}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i-{{\mathrm{\&alpha;}}_i}^{*})x_i$

$b^{\&prime;}=-\frac{1}{2}<w^{\&prime;},x_s)>...\left(17\right)$

在此，<w’，b’>对应于用以下多个方程式表示的函数的鞍点(saddle point)。“x_s”为在该等鞍点处的数据值。

非线性回归的基本概念是从高维数据的非线性展开式开始。因此，ε^-密集性损失函数的拉格朗日变量(Lagrangianvariable)α_i与α_i ^*可用以下方程式18及19来求出：

$L=\frac{1}{2}w\&CenterDot;w-\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_i[y_i(w\&CenterDot;x_i+b)-1]...\left(18\right)$

$f\left(x\right)=\underset{\mathrm{SVs}}{\mathrm{\&Sigma;}}({{\mathrm{\&alpha;}}_i}^{\&prime;}-{{\mathrm{\&alpha;}}_i}^{\&prime;*})K(x_i,x)+b...\left(19\right)$

在方程式19，的意思是仅对支撑向量(supportvector)求和。支撑向量对应于以下方程序20中的x_i：

α′_i(y_i(w′·x_i+b)-1)＝0.........................(20)

在此，

i：1、2、...、N(N：整数)。

此外，在方程式19中，函数f(x)可用方程式21表示如下：

$f\left(x\right)=<w^{\&prime;},x>=\mathrm{\&Sigma;}({{\mathrm{\&alpha;}}_i}^{\&prime;}-{{\mathrm{\&alpha;}}_i}^{\&prime;*})K(x_i,x)+b...\left(21\right)$

因此，b’可用方程式17及21表示成以下的方程式22：

$b^{\&prime;}=-\frac{1}{2}\underset{i=1}{\overset{p}{\mathrm{\&Sigma;}}}({{\mathrm{\&alpha;}}_i}^{\&prime;}-{{\mathrm{\&alpha;}}_i}^{\&prime;*})(K(x_i,x_r)+K(x_i,x_s))...\left(22\right)$

利用非线性回归方程式可导致用少量数据来非线性估计总数有优异的效能。

SVM 140是根据基于参考排序值(l_R1至l_RN)来选定的一部分的加工OES数据(POES1(1)至POESN(M))、基于参考排序值(l_R1至l_RN)来选定的一部分的线性参考负载向量(A_R1(1)至A_R1(N)、A_R2(1)至A_R2(N)、...、A_RN(1)至A_RN(N))、以及非线性参考负载向量(A_NR1至A_NRG)来周期性地输出预测乘积值(Y_T)。例如，假设基于参考排序值(l_R1至l_RN)来选定的加工OES数据都等于对应于波长(X1、X2及X3)的POES1(1)至POES1(M)、POES2(1)至POES2(M)、以及POES3(1)至POES3(M)。在假设依次基于比率值(R_R1至R_RN)及参考排序值(l_R1至l_RN)来选定的线性参考负载向量都等于A_R1(1)至A_R1(3)时，预测乘积值(Y_T)可用以下的方程式23表示：

Y_T＝A_R1(1)·X1+A_R1(2)·X2+A_R1(3)·X3

+A_NR1·X1²+A_NR2·X2²+A_NR3·X3²

+A_NR4·X1·X2+A_NR5·X2·X3+A_NR6·X3·X1...............(23)

在方程式23中，一维(亦即，线性)函数(X1、X2、以及X3)以及二维(亦即，非线性)函数(X1²、X2²、X3²、X1·X2、X2·X3、以及X3·X1)是在选定的加工OES数据(一部分的POES1(1)至POES3(M))中在同一采样时间(例如，采样时间(t1))采样的加工OES数据(例如，POES1(1)至POES3(1))。在此，非线性函数的数目等于非线性参考负载向量(A_NR1至A_NRG)的数目。

SVM 140会基于以每个采样时间采样一次的加工OES数据来周期性输出预测乘积值(Y_T)。与上述实际乘积值(Y_P)一样，在一段时间内由SVM 140周期性地输出的预测乘积值(Y_T)会形成一个如图6所示的波形(W1)。在图6中，在由预测乘积值(Y_T)形成的波形(W1)与由实际乘积值(Y_P)形成的波形(W2)之间有微小间隔的理由是：随着工艺的进展，在等离子体反应室内产生的蚀刻副产品会污染设在等离子体反应室外壁的窗口311(图4)。

更具体而言，SVM 140会基于在参考晶圆蚀刻或沉积工艺期间产生的线性及非线性参考负载向量值，来实时输出在加工晶圆蚀刻或沉积工艺期间的预测乘积值(Y_T)。不过，在加工晶圆蚀刻或沉积工艺终止后或不实时但在加工晶圆蚀刻或沉积工艺执行时，由于不需要实时的实际乘积值(Y_P)(其用于判定后来加工晶圆正常或是异常的数值)，乘积发生器130会基于在加工晶圆蚀刻或沉积工艺期间产生的线性加工负载向量值来输出实际乘积值(Y_P)。因此，在乘积发生器130输出实际乘积值(Y_P)时的环境下(亦即，在等离子体反应室在加工晶圆蚀刻或沉积工艺执行期间的内部环境下)的设在等离子体反应室外壁的窗口311的污染程度，会大于在SVM 140输出预测乘积值(Y_T)时的环境下(亦即，在等离子体反应室在参考晶圆蚀刻或沉积工艺执行期间的内部环境下)的设在等离子体反应室外壁的窗口311的污染程度。如上所述，窗口311的污染会导致由等离子体反应室通过窗口311射出的光强度变弱，以致加工OES数据值会有些微误差。不过，波形(W1与W2)之间的间隔对于端点测定器150检测蚀刻端点(E)的影响不大，因为由预测乘积值(Y_T)形成的波形(W1)曲线与由实际乘积值(Y_P)形成的波形(W2)曲线彼此相同，如图6所示。

在方程式23中，只用一维函数与二维函数来表示预测乘积值(Y_T)；不过，用于计算出预测乘积值(Y_T)的方程式可进一步包括维数更高的非线性函数。此外，为了便于说明，方程式23表示的是在用参考排序值(l_R1至l_RN)来选定3种波长时的预测乘积值(Y_T)；不过，定义预测乘积值(Y_T)的方程式所包括的函多个数也可随着选定波长数目的增加成比例地增加。例如，当参考排序值有3000个顺位(亦即，有l_R1至l_R3000)而且预设于数据选择器120的顺位为10％高顺位时，数据选择器120会选择对应于300种波长的加工OES数据。在此时，定义预测乘积值(Y_T)的方程式所包括的一维函多个数会等于300。

如上所述，在基于用线性及非线性函数算出的预测乘积值(Y_T)来检测加工晶圆的蚀刻或沉积端点时，尽管只用一部分的波长来算出预测乘积值(Y_T)，然而在某种程度上，检测结果会与用全波段来检测蚀刻或沉积端点的结果类似。

请参考图7，“W11”为以PCA处理只与数种显著波长对应的OES数据方式周期性地得到的评分值形成的波形。在此，评分值为标准化OES数据(normalized OES data)乘以线性负载向量值所得到的结果值。“W12”为以PCA处理对应于全波段的所有OES数据方式周期性地得到的评分值而形成的波形。“W13”为以计算出与部分波长(例如，全波段的20％)对应的OES数据和线性及非线性参考负载向量值的方式周期性地得到的预测乘积值形成的波形。由于评分值在蚀刻端点(E)前后的差异很小，因此用波形(W12)来区分蚀刻端点(E)是极为困难的。相较于波形(W12)，波形(W13)可清楚地显示蚀刻端点(E)，因为在蚀刻端点(E)前后的乘积值有相对大的差异。

每当加工晶圆蚀刻或沉积工艺执行时，SVM 140会累积每一个由乘积发生器130收到的实际乘积值(Y_P)并且计算累积实际乘积值(Y_P)的平均值(AVR)及平均偏差值(MDV)。该MDV可用方程式24表示如下：

$\mathrm{MDV}=|Y_{P(n,j)}-\frac{\underset{i=k}{\overset{n-1}{\mathrm{\&Sigma;}}}{Y}_{i,j}}{n-k}|...\left(24\right)$

在此，

Y_P(n，j)为在第n次晶圆蚀刻或沉积工艺期间、在第j个采样时间的实际乘积值，而

为在第k次晶圆蚀刻或沉积工艺执行后的平均值(AVR)。

端点测定器150会分析由SVM 140周期性地收到的预测乘积值(Y_T)形成的波形(W1)，检测对应加工晶圆的蚀刻或沉积端点(E)，并输出检测信号(EPD)。

异常诊断单元160根据由SVM 140收到的平均偏差值(MDV)是否在一个用平均值(AVR)来决定的稳定范围内(请参考图9)来判定目前被蚀刻或沉积的加工晶圆是正常或是异常。在此，稳定范围的上极限值为平均值(AVR)与偏差值(D)的和。稳定范围的下极限值为平均值(AVR)与偏差值(D)的差。使用者可通过输入单元360(图14)来为异常诊断单元160预设偏差值(D)。具体而言，如果使用者通过输入单元360来输入预设偏差值(D)，输入单元360会输出设定信号(SET)，而异常诊断单元160会设定偏差值(D)以响应该设定信号(SET)。

异常诊断单元160会输出显示器控制信号(DCTL)，从而显示单元101可根据平均偏差值(MDV)是否在该稳定范围内的判定结果来视觉显示加工晶圆是正常或是异常。在此，显示单元101对应于图14的显示单元350。

以下详细描述端点检测装置100的操作。为了便于说明，以下说明着重于在晶圆蚀刻工艺执行时检测蚀刻端点的过程。图5的概念图示出图2的端点检测装置的整体操作流程。

首先，为了让SVM 140学习，OES数据运算单元110执行如图5的虚线方格(B1)所示的运算。

在参考晶圆蚀刻工艺期间，在每个采样时间，光谱仪330采样从等离子体反应室310里面射出的全波段的第一光线，并且把取得的第一光线转换成参考OES数据(ROES1(1)至ROESN(M))。标准化处理器111会标准化参考OES数据(ROES1(1)至ROESN(M))并且输出参考平均缩放数据(RASD1(1)至RASDN(M))。PCA处理器112则PCA处理参考平均缩放数据(RASD1(1)至RASDN(M))并且输出参考主成分(PC1至PCN)(N为表示波长数目的整数)的比率值(R_R1至R_RN)以及线性参考负载向量(A_R1(1)至A_R1(N)、A_R2(1)至A_R2(N)、...、A_RN(1)至A_RN(N))。排序测定器113会基于线性参考负载向量(A_R1(1)至A_R1(N)、A_R2(1)至A_R2(N)、...、A_RN(1)至A_RN(N))来输出参考排序值(l_R1至l_RN)(N：波长数目)。存储单元114存储由PCA处理器112收到的线性参考负载向量(A_R1(1)至A_R1(N)、A_R2(1)至A_R2(N)、...、A_RN(1)至A_RN(N))以及参考主成分(PC1至PCN)的比率值(R_R1至R_RN)，并且存储由排序测定器113收到的参考排序值(l_R1至l_RN)。

之后，数据选择器120根据比率值(R_R1至R_RN)来选择一部分的线性参考负载向量(A_R1(1)至A_R1(N)、A_R2(1)至A_R2(N)、...、A_RN(1)至A_RN(N))。在该示范性具体实施例中，为了便于说明，用以下情形来举例说明：数据选择器120所选定的线性参考负载向量都等于与参考主成分(PC1)对应的A_R1(1)至A_R1(N)。数据选择器120把选定的线性参考负载向量(A_R1(1)至A_R1(N))输出到乘积发生器130。乘积发生器130以将线性参考负载向量(A_R1(1)至A_R1(N))及参考OES数据(ROES1(1)至ROESN(M))代入至方程式6的方式周期性地把参考乘积值(Y_R(U))输出到SVM 140。

在乘积发生器130输出参考乘积值(Y_R(U))时，数据选择器120会基于参考排序值(l_R1至l_RN)来选择一部分的参考OES数据(ROES1(1)至ROESN(M))，并且把选定的参考OES数据输出到SVM 140。在该示范性具体实施例中，为了便于说明，用以下情形来举例说明：数据选择器120所选定的参考OES数据都等于与波长(X1、X2、以及X3)对应的ROES1(1)至ROES1(M)、ROES2(1)至ROES2(M)、以及ROES3(1)至ROES3(M)。SVM 140作基于参考乘积值(Y_R(U))和参考OES数据(ROES1(1)至ROES1(M)、ROES2(1)至ROES2(M)、以及ROES3(1)至ROES3(M))的回归，并且产生非线性参考负载向量(A_NR1至A_NR6)。

在SVM 140完成回归后，执行加工晶圆蚀刻工艺。在该加工晶圆蚀刻工艺期间，在每个采样时间，光谱仪330把从等离子体反应室310里面射出的全波段的第二光线转换成加工OES数据(POES1(1)至POESN(M))。数据选择器120会基于参考排序值(l_R1至l_RN)来选择一部分的加工OES数据(POES1(1)至POESN(M))，并且把选定的加工OES数据输出到SVM 140。与选择参考OES数据一样，数据选择器120会选择与波长(X1、X2、以及X3)对应的加工OES数据(POES1(1)至POES1(M)、POES2(1)至POES2(M)、以及POES3(1)至POES3(M))。

接下来，以将线性参考负载向量(A_R1(1)至A_R1(N))、非线性参考负载向量(A_NR1至A_NR6)、以及加工OES数据(POES1(1)至POES1(M)、POES2(1)至POES2(M)、以及POES3(1)至POES3(M))代入至方程式23的方式，SVM 140周期性地输出预测乘积值(Y_T)。端点测定器150分析由周期性地从SVM 140收到的预测乘积值(Y_T)形成的波形(W1)，检测对应加工晶圆的蚀刻或沉积端点(E)，并输出检测信号(EPD)。

为了判定在加工晶圆蚀刻工艺期间是否出现异常，OES数据运算单元110执行如图5虚线方格(B2)所示的运算，以计算出实际乘积值(Y_P)。首先，标准化处理器111标准化加工OES数据(POES1(1)至POESN(M))，并且输出加工平均缩放数据(PASD1(1)至PASDN(M))。PCA处理器112则PCA处理加工平均缩放数据(PASD1(1)至PASDN(M))，并且输出加工主成分(PC1至PCN)(N：为表示波长数目的整数)的比率值(R_P1至R_PN)以及线性加工负载向量(A_P1(1)至A_P1(N)、A_P2(1)至A_P2(N)、...、A_PN(1)至A_PN(N))。排序测定器113输出基于线性加工负载向量(A_P1(1)至A_P1(N)、A_P2(1)至A_P2(N)、...、A_PN(1)至A_PN(N))的加工排序值(l_P1至l_PN)(N为波长数目)。存储单元114存储由PCA处理器112收到的线性加工负载向量(A_P1(1)至A_P1(N)、A_P2(1)至A_P2(N)、...、A_PN(1)至A_PN(N))以及加工主成分(PC1至PCN)的比率值(R_P1至R_PN)，并且存储由排序测定器113收到的加工排序值(l_P1至l_PN)。

之后，数据选择器120基于比率值(R_P1至R_PN)来选定一部分的线性加工负载向量(A_P1(1)至A_P1(N)、A_P2(1)至A_P2(N)、...、A_PN(1)至A_PN(N))。在该示范性具体实施例中，为了便于说明，用以下情形来举例说明：数据选择器120所选定的线性加工负载向量都等于与加工主成分(PC1)对应的A_P1(1)至A_P1(N)。乘积发生器130以将线性加工负载向量(A_P1(1)至A_P1(N))和加工OES数据(POES1(1)至POESN(M))代入至方程式6的方式来周期性地把实际乘积值(Y_P)输出到SVM 140。

SVM 140累积每一个实际乘积值(Y_P)，并且以将累积实际乘积值(Y_P)代入至方程式24的方式来计算出平均值(AVR)与平均偏差值(MDV)。异常诊断单元160会根据由SVM 140收到的平均偏差值(MDV)是否在由平均值(AVR)决定的稳定范围内(请参考图9)通过显示单元101来视觉显示目前被蚀刻或沉积的加工晶圆是正常或是异常。

同时，随着加工晶圆蚀刻工艺的持续进展，等离子体反应室310内的蚀刻工艺条件可能改变。因此，像在图8中，有需要更新以SVM 140学习以及供产生预测乘积值所需要的线性及非线性参考负载向量值。数据选择器120在以设定次数执行加工晶圆蚀刻工艺时给SVM 140输出更新请求信号(UPDATE)。

与上述流程一样，执行一种使SVM 140可用下列数据来学习的流程：加工OES数据(POES1(1)至POESN(M))、加工主成分比率值(R_P1至R_PN)、线性加工负载向量(A_P1(1)至A_P1(N)、A_P2(1)至A_P2(N)、...、A_PN(1)至A_PN(N))、以及加工排序值s(l_P1至l_PN)，这些为OES数据运算单元110计算实际乘积值(Y_P)的运算结果。结果，SVM 140会学到新的线性及非线性加工负载向量值用来产生供检测后续加工晶圆的蚀刻端点的预测乘积值。

请参考图8，SVM 140使用第一被蚀刻晶圆1所产生的初始线性及非线性负载向量来产生用于晶圆2至N的预测乘积值。之后，SVM 140使用晶圆N在蚀刻工艺期间产生的线性及非线性负载向量来产生预测乘积值，以供在晶圆N之后的晶圆(由第(N+1)个晶圆开始)使用。

图10的方块图示出本发明端点检测装置的另一示范性具体实施例的细节。端点检测装置200的结构与详细操作与上述端点检测装置100的类似。端点检测装置200与100不同的地方为端点检测装置200不含SVM和异常诊断单元。

请参考图10，端点检测装置200包括数据选择器210、OES数据运算单元220、乘积发生器230、以及端点测定器240。

数据选择器210设定数据选择范围以响应由输入单元202收到的数据选择信号(DSEL)。输入单元202对应于图14的输入单元360且包括多个按键。输入单元202输出数据选择信号(DSEL)以响应多个按键的下按。数据选择器210输出操作控制信号(OCTL)以响应该数据选择信号(DSEL)。在参考晶圆蚀刻或沉积工艺期间，数据选择器210会基于预设数据选择范围来选择一部分的参考OES数据(ROES1(1)至ROESN(M))。数据选择器210的数据选择范围可为下列各种范围中的任一或更多：至少一指定波段范围(set wavelength band range)、至少一指定时间范围(settime range)、以及至少一设定组件(set element)的放射光的波段范围。这在下文会用图11至图13更详细地说明。

首先请参考图11，数据选择器210选择所有各在指定波段范围(或一指定时间范围)(R1)里面的参考OES数据与加工OES数据。请参考图12，数据选择器210选择所有各在多个指定波段范围(或多个指定时间范围(R1至RT)(T：为整数))里面的参考OES数据与加工OES数据。请参考图13，数据选择器210可分别选择参考OES数据与加工OES数据，它们是光谱仪330在由等离子体反应室310的内部射出的全波段第一及第二光线中，转换由至少一设定组件射出的具有一波长的第一及第二光线而成的。至少一设定组件所放射的第一或第二光线可分布于多个波段。

OES数据运算单元220包括标准化处理器221、PCA处理器222、以及存储单元223。标准化处理器221与存储单元223各自会操作，以响应操作控制信号(OCTL)。标准化处理器221与PCA处理器222的详细操作与标准化处理器111及PCA处理器112的类似，因此，省略它们的详细说明。

以将由存储单元223收到的线性参考负载向量(一部分的A_R1(1)至A_R1(N)、A_R2(1)至A_R2(N)、...、A_RN(1)至A_RN(N))以及数据选择器210选定的加工OES数据(一部分的POES1(1)至POESN(M))代入至方程式6的方式，乘积发生器230周期性地输出预测乘积值(Y_T)。端点测定器240用周期性地收到的预测乘积值(Y_T)来检测加工晶圆蚀刻或沉积端点，并且输出检测信号(EPD)。

以下更详细地描述端点检测装置200的操作。为了便于说明，以下说明着重于端点检测装置200在晶圆蚀刻工艺执行时的操作。在参考晶圆蚀刻工艺期间，在每个采样时间，光谱仪330采样从等离子体反应室310里面射出的全波段的第一光线，并且把取得的第一光线转换成参考OES数据(ROES1(1)至ROESN(M))。显示单元201显示呈三维图像的参考OES数据(ROES1(1)至ROESN(M))。使用者从显示于显示单元201的图像中辨认事件区(event zone)，并且通过输入单元202来给数据选择器210设定与该事件区对应的数据选择范围。

之后，数据选择器210基于指定数据选择范围来输出操作控制信号(OCTL)以及选择一部分的参考OES数据(ROES1(1)至ROESN(M))。标准化处理器221标准化由数据选择器210收到的参考OES数据(一部分的ROES1(1)至ROESN(M))，以响应该操作控制信号(OCTL)，并且输出参考平均缩放数据(一部分的RASD1(1)至RASDN(M))。PCA处理器222PCA处理参考平均缩放数据(一部分的RASD1(1)至RASDN(M))，并且输出线性参考负载向量(一部分的A_R1(1)至A_R1(N)、A_R2(1)至A_R2(N)、...、A_RN(1)至A_RN(N))。存储单元223存储由PCA处理器222收到的线性参考负载向量(一部分的A_R1(1)至A_R1(N)、A_R2(1)至A_R2(N)、...、A_RN(1)至A_RN(N))，以响应该操作控制信号(OCTL)。

之后，在加工晶圆蚀刻或沉积工艺期间，数据选择器210会基于该数据选择范围来选择一部分的加工OES数据(POES1(1)至POESN(M))。以将由存储单元223收到的线性参考负载向量(一部分的A_R1(1)至A_R1(N)、A_R2(1)至A_R2(N)、...、A_RN(1)至A_RN(N))以及由数据选择器210收到的加工OES数据(一部分的POES1(1)至POESN(M))代入至方程式6的方式，乘积发生器230周期性地输出预测乘积值(Y_T)。端点测定器240基于周期性地收到的预测乘积值(Y_T)来检测加工晶圆蚀刻或沉积端点，并且输出检测信号(EPD)。

每当在加工晶圆蚀刻工艺执行时，显示单元201会持续地以三维图像显示对应的加工OES数据(POES1(1)至POESN(M))。使用者监视持续显示于显示单元201的图像，并且辨认事件区(例如，出现较多扭曲的区域)的变化或不变。在此，事件区的变化表示等离子体反应室310里面的蚀刻条件有变化。因此，当事件区改变时，使用者可通过输入单元202来改变数据选择器210的数据选择范围，以更新存储于存储单元223的线性参考负载向量。输入单元202会向数据选择器210输出数据选择信号(DSEL)，以响应使用者按下的按键。数据选择器210重新设定数据选择范围，以响应该数据选择信号(DSEL)。

之后，如以上所描述地操作数据选择器210与OES数据运算单元220。存储单元223存储新的线性加工负载向量值。例如，当使用者在第N次加工晶圆蚀刻工艺期间给数据选择器210设定新的数据选择范围时，存储单元223存储从第N次加工晶圆蚀刻工艺得到的线性加工负载向量值。从此以后，在第(N+1)次加工晶圆蚀刻工艺执行时，乘积发生器230会使用存储单元223中更新过的线性加工负载向量来产生预测乘积值(Y_T)。

图14的方块图示意示出包括本发明端点检测装置的等离子体反应器。请参考图14，等离子体反应器300包括等离子体反应室310、光纤缆线320、光谱仪330、端点检测装置100或200、等离子体反应控制器340、显示单元350、以及输入单元360。

在等离子体反应室310内安装参考晶圆或加工晶圆。在参考晶圆或加工晶圆蚀刻或沉积工艺期间，光纤缆线320通过设在等离子体反应室310外壁的窗口311收集从等离子体反应室310里面射出的全波段光线，并且把收集到的光线转传送到光谱仪330。在参考晶圆蚀刻或沉积工艺期间，光谱仪330把从等离子体反应室310里面射出的全波段光线转换成参考OES数据(ROES1(1)至ROESN(M))。在加工晶圆蚀刻或沉积工艺期间，光谱仪330把从等离子体反应室310里面射出的全波段光线转换成加工OES数据(POES1(1)至POESN(M))。参考晶圆蚀刻或沉积工艺是在加工晶圆蚀刻或沉积工艺之前完成。亦即，在蚀刻或沉积参考晶圆一次后，以连贯方式蚀刻或沉积多个加工晶圆。端点检测装置100或200基于参考OES数据(ROES1(1)至ROESN(M))以及加工OES数据(POES1(1)至POESN(M))来检测加工晶圆的蚀刻或沉积端点，并且输出检测信号(EPD)。端点检测装置100或200的结构与详细操作实质上与以上所描述的相同，因此，省略对它的详细说明。等离子体反应控制器340改变等离子体反应室310内的蚀刻或沉积条件以响应该检测信号(EPD)。在端点检测装置100或200的控制下，显示单元350视觉显示被蚀刻或沉积的加工晶圆是正常或是异常，或显示三维图像的参考OES数据(ROES1(1)至ROESN(M))或加工OES数据(POES1(1)至POESN(M))。使用者通过输入单元360来输入各种用以控制端点检测装置100或200的操作的设定数值。

如上述，在端点检测装置、包括端点检测装置的等离子体反应器、以及本发明的端点检测方法中，在执行该实时加工晶圆蚀刻或沉积工艺的过程中，用多个先前在前次蚀刻或沉积工艺期间算出的负载向量来计算OES数据，而不用实时标准化实时产生的OES数据，并产生用于测定蚀刻或沉积端点的乘积值。结果，可提高端点检测速度，从而实现该等离子体反应器的实时控制。

尽管已参考一些优选的具体实施例来示出及描述本发明，本领域技术人员应了解，在形式及细节上仍可做出各种改变而不脱离以下权利要求所限定的本发明的精神与范围。

Claims (31)

1、一种端点检测装置，其包括：

光学放射光谱仪(OES)数据运算单元，其利用标准化及主成分分析(PCA)来处理参考OES数据，输出多个线性参考负载向量以及多个参考主成分比率值，并且基于所述多个线性参考负载向量来输出多个参考排序值；

数据选择器，其基于所述多个参考主成分比率值来首次选择一部分所述多个线性参考负载向量，基于所述多个参考排序值来选择一部分所述参考OES数据或选择一部分的加工OES数据，并且基于所述多个参考排序值来第二次选择一部分所述多个在首次被选定的线性参考负载向量；

乘积发生器，其基于所述多个在首次被选定的线性参考负载向量以及所述参考OES数据来输出至少一参考乘积值；

支持向量机(SVM)，其基于经选定的所述参考OES数据以及所述至少一参考乘积值来作回归，产生多个非线性参考负载向量，并基于所述多个在第二次被选定的线性参考负载向量、所述多个非线性参考负载向量以及经选定的所述加工OES数据来周期性地输出预测乘积值；以及，

端点测定器，其基于所述周期性地收到的预测乘积值来检测加工晶圆蚀刻或沉积端点，并且输出检测信号，

其中在参考晶圆蚀刻或沉积工艺期间，从等离子体反应室的内部射出的全波段第一光线都用光谱仪来转换成所述参考OES数据，并且在所述参考晶圆蚀刻或沉积工艺之后执行的加工晶圆蚀刻或沉积工艺期间，从所述等离子体反应室的内部射出的全波段第二光线都用所述光谱仪来转换成所述加工OES数据，

其中所述多个参考排序值为所述全波段第一光线的强度排序，并且

其中所述多个线性参考负载向量分别对应于多个用所述参考OES数据表示的一维函数值，而所述多个非线性参考负载向量分别对应于多个用经选定的所述加工OES数据表示的S维函数值，其中S为大于1的整数。

2、如权利要求1所述的装置，其还包括：异常诊断单元，用于根据平均偏差值是否在由平均值决定的稳定范围内来诊断目前被蚀刻或沉积的加工晶圆是正常或是异常，并控制显示单元以视觉显示所述加工晶圆的正常或异常情形，

其中所述OES数据运算单元利用标准化及PCA来处理所述加工OES数据，进一步输出多个线性加工负载向量以及多个加工主成分比率值，并且进一步基于所述多个线性加工负载向量来输出多个加工排序值，其中所述多个加工排序值为全波段第二光线的强度排序，

其中所述数据选择器基于所述多个加工主成分比率值来选择一部分所述多个线性加工负载向量，

其中所述乘积发生器进一步基于经选定的所述多个线性加工负载向量以及所述加工OES数据来输出实际乘积值，

其中每当在所述加工晶圆蚀刻或沉积工艺执行时，所述SVM累积每一个由所述乘积发生器收到的实际乘积值，并且进一步计算出这些累积实际乘积值的平均值与平均偏差值，并且

其中所述多个线性加工负载向量分别对应于多个用所述加工OES数据表示的一维函数值。

3、如权利要求2所述的装置，其中在所述加工晶圆蚀刻或沉积工艺的执行次数到达所述预设次数时，所述数据选择器输出更新请求信号以及基于所述多个加工排序值来再次选择一部分所述加工OES数据以及一部分经选定的所述多个线性加工负载向量，

所述SVM在当前的加工晶圆蚀刻或沉积工艺期间基于所述乘积发生器所产生的实际乘积值以及经选定的所述加工OES数据来作回归，以响应所述更新请求信号，产生多个非线性加工负载向量，并从下一个加工晶圆蚀刻或沉积工艺期间直到在加工晶圆蚀刻或沉积工艺期间执行下一次回归运算之前，都使用再次经选定的所述多个线性加工负载向量以及所述多个非线性加工负载向量来产生预测乘积值，以及

所述多个非线性参考负载向量分别对应于多个用经选定的所述加工OES数据表示的S维函数值，其中S为大于1的整数。

4、如权利要求2所述的装置，其中所述OES数据运算单元包括：

一标准化处理器，其标准化所述参考OES数据并输出参考平均缩放数据或标准化所述加工OES数据，并输出加工平均缩放数据；

PCA处理器，其利用PCA来处理所述参考平均缩放数据并输出所述多个线性参考负载向量和所述多个参考主成分比率值，或利用PCA来处理所述加工平均缩放数据并输出所述多个线性加工负载向量和所述多个加工主成分比率值；以及，

排序测定器，其基于所述多个线性参考负载向量来输出所述多个参考排序值，或基于所述多个线性加工负载向量来输出所述多个加工排序值。

5、如权利要求4所述的装置，其中所述OES数据运算单元还包括：存储单元，其用于存储由所述PCA处理器收到的所述多个线性参考负载向量和所述多个参考主成分比率值或是所述多个线性加工负载向量和所述多个加工主成分比率值，并存储由所述排序测定器收到的所述多个参考排序值或所述多个加工排序值。

6、如权利要求2所述的装置，其中所述稳定范围的上极限值为所述平均值与偏差值的和，所述稳定范围的下极限值为所述平均值与所述偏差值的差，并且为所述异常诊断单元预设所述偏差值。

7、一种等离子体反应器，其包括：

等离子体反应室，其在内部安装有参考晶圆或加工晶圆；

光谱仪，其在参考晶圆蚀刻或沉积工艺期间把从所述等离子体反应室的内部射出的全波段第一光线转换成参考OES数据，或在所述参考晶圆蚀刻或沉积工艺执行后的加工晶圆蚀刻或沉积工艺期间，把从所述等离子体反应室的内部射出的全波段第二光线转换成加工OES数据；

光纤缆线，其在所述参考晶圆或加工晶圆蚀刻或沉积工艺期间，用来通过设在所述等离子体反应室的外壁的窗口来收集由所述等离子体反应室的内部射出的全波段第一或第二光线，并且把收集到的光线转到所述光谱仪；

端点检测装置，其基于所述参考OES数据以及所述加工OES数据来检测加工晶圆蚀刻或沉积端点并输出检测信号；以及，

等离子体反应控制器，其用于控制在所述等离子体反应室之内的蚀刻或沉积条件以响应所述检测信号，

所述端点检测装置包括：

OES数据运算单元，其利用标准化及PCA来处理所述参考OES数据，输出多个线性参考负载向量以及多个参考主成分比率值，并基于所述多个线性参考负载向量来输出多个参考排序值；

数据选择器，其基于所述多个参考主成分比率值来首次选择一部分所述多个线性参考负载向量，基于所述多个参考排序值来选择一部分所述参考OES数据或选择一部分所述加工OES数据，并基于所述多个参考排序值来第二次选择一部分在首次被选定的所述多个线性参考负载向量；

乘积发生器，其基于在首次被选定的所述多个线性参考负载向量以及所述参考OES数据来输出至少一参考乘积值；

SVM，其基于经选定的所述参考OES数据以及所述至少一参考乘积值来作回归，产生多个非线性参考负载向量，以及基于在第二次被选定的所述多个线性参考负载向量、所述多个非线性参考负载向量以及经选定的所述加工OES数据来周期性地输出预测乘积值；以及，

端点测定器，其基于所述周期性地收到的预测乘积值来检测加工晶圆蚀刻或沉积端点并且输出检测信号，

其中所述多个参考排序值为所述全波段第一光线的强度排序，以及

其中所述多个线性参考负载向量分别对应于多个用所述参考OES数据表示的一维函数值，而所述多个非线性参考负载向量分别对应于多个用经选定的所述加工OES数据表示的S维函数值，其中S为大于1的整数。

8、如权利要求7所述的等离子体反应器，其还包括：异常诊断单元，其用于根据平均偏差值是否在由平均值决定的稳定范围内来诊断目前被蚀刻或沉积的加工晶圆是正常或是异常，并控制显示单元以视觉显示所述加工晶圆的正常或者异常情形，

其中所述OES数据运算单元利用标准化及PCA来处理所述加工OES数据，进一步输出多个线性加工负载向量以及多个加工主成分比率值，并进一步基于所述多个线性加工负载向量来输出多个加工排序值，其中所述多个加工排序值为全波段第二光线的强度排序，

其中所述数据选择器基于所述多个加工主成分比率值来选择一部分所述多个线性加工负载向量，

其中所述乘积发生器进一步基于所述多个经选定的线性加工负载向量以及所述加工OES数据来输出实际乘积值，

其中每当在所述加工晶圆蚀刻或沉积工艺执行时，所述SVM累积每一个由所述乘积发生器收到的实际乘积值，并且进一步计算出所述多个累积实际乘积值的平均值与平均偏差值，并且

其中所述多个线性加工负载向量分别对应于多个用所述加工OES数据表示的一维函数值。

9、如权利要求8所述的等离子体反应器，其中在所述加工晶圆蚀刻或沉积工艺的执行次数达到所述预设次数时，所述数据选择器输出更新请求信号，并且基于所述多个加工排序值来再次选择一部分所述加工OES数据以及一部分经选定的所述多个线性加工负载向量，

所述SVM在当前的加工晶圆蚀刻或沉积工艺期间基于所述乘积发生器所产生的实际乘积值以及经选定的所述加工OES数据来作回归，以响应所述更新请求信号，产生多个非线性加工负载向量，从下一个加工晶圆蚀刻或沉积工艺期间直到在加工晶圆蚀刻或沉积工艺期间执行下一次回归运算之前，都使用再次经选定的所述多个线性加工负载向量以及所述多个非线性加工负载向量来产生预测乘积值，并且

所述多个非线性参考负载向量分别对应于多个用经选定的所述加工OES数据表示的S维函数值，其中S为大于1的整数。

10、如权利要求8所述的等离子体反应器，其中所述OES数据运算单元包括：

标准化处理器，其标准化所述参考OES数据并输出参考平均缩放数据或标准化所述加工OES数据，并且输出加工平均缩放数据；

PCA处理器，其利用PCA来处理所述参考平均缩放数据并输出所述多个线性参考负载向量和所述多个参考主成分比率值，或利用PCA来处理所述加工平均缩放数据并输出所述多个线性加工负载向量和所述多个加工主成分比率值；以及，

排序测定器，其基于所述多个线性参考负载向量来输出所述多个参考排序值，或基于所述多个线性加工负载向量来输出所述多个加工排序值。

11、如权利要求10所述的等离子体反应器，其中所述OES数据运算单元还包括：存储单元，其用于存储由所述PCA处理器收到的所述多个线性参考负载向量和所述多个参考主成分比率值或是所述多个线性加工负载向量和所述多个加工主成分比率值，并且存储由所述排序测定器收到的所述多个参考排序值或所述多个加工排序值。

12、如权利要求7所述的等离子体反应器，其还包括：输入单元，其包括多个按键，并输出选择信号以响应所述多个按键的按下，

其中所述数据选择器设定比率值与排序值，以响应所述选择信号，基于所述经设定的比率值和所述多个参考主成分比率值来首次选择一部分所述多个线性参考负载向量，基于所述经设定的排序值和所述多个参考排序值来选择一部分所述参考OES数据或选择一部分所述加工OES数据，并且基于所述经设定的排序值和所述多个参考排序值来第二次选择一部分在首次被选定的所述多个线性参考负载向量。

13、一种端点检测装置，其包括：

数据选择器，其用于设定数据选择范围并输出操作控制信号，以响应数据选择信号，在参考晶圆蚀刻或沉积工艺期间基于所述数据选择范围来选择一部分的参考OES数据，并在加工晶圆蚀刻或沉积工艺期间基于所述数据选择范围来选择一部分的加工OES数据；

OES数据运算单元，其利用标准化及PCA来处理经选定的所述参考OES数据并输出多个线性参考负载向量，以响应所述操作控制信号；

乘积发生器，其基于所述多个线性参考负载向量和经选定的所述加工OES数据来周期性地输出预测乘积值；以及，

端点测定器，其基于所述周期性地收到的预测乘积值来检测加工晶圆蚀刻或沉积端点并输出检测信号，

其中在参考晶圆蚀刻或沉积工艺期间，从等离子体反应室的内部射出的全波段第一光线都用光谱仪来转换成所述参考OES数据，并且在所述参考晶圆蚀刻或沉积工艺之后执行的加工晶圆蚀刻或沉积工艺期间，从所述等离子体反应室的内部射出的全波段第二光线都用所述光谱仪来转换成所述加工OES数据，并且

其中所述多个线性参考负载向量分别对应于多个用所述参考OES数据表示的一维函数值。

14、如权利要求13所述的装置，其中每当再次收到所述数据选择信号时，所述数据选择器就改变并设定所述数据选择范围，并且输出所述操作控制信号，

其中所述OES数据运算单元在当前的加工晶圆蚀刻或沉积工艺期间，利用标准化及PCA来处理用所述已被所述数据选择器改变的数据选择范围选定的加工OES数据，并且输出多个线性加工负载向量，以响应所述操作控制信号，并且

其中从下一个加工晶圆蚀刻或沉积工艺期间直到所述OES数据运算单元在加工晶圆蚀刻或沉积工艺期间执行下一次标准化及PCA处理运算之前，所述乘积发生器都使用所述多个线性加工负载向量来产生预测乘积值。

15、如权利要求14所述的装置，其中所述OES数据运算单元包括：

标准化处理器，其标准化所述参考OES数据并输出参考平均缩放数据或标准化所述加工OES数据，并输出加工平均缩放数据，以响应所述操作控制信号；以及，

PCA处理器，其利用PCA来处理所述参考平均缩放数据并输出所述多个线性参考负载向量，或是利用PCA来处理所述加工平均缩放数据并输出所述多个线性加工负载向量。

16、如权利要求15所述的装置，其中所述OES数据运算单元还包括：存储单元，其存储由所述PCA处理器收到的所述多个线性参考负载向量或所述多个线性加工负载向量，以响应所述操作控制信号。

17、如权利要求14所述的装置，其中所述数据选择范围为下列各种范围中的任一种或多种：至少一指定波段范围、至少一指定时间范围、以及至少一设定组件的放射光的波段范围。

18、一种等离子体反应器，其包括：

等离子体反应室，其在内部安装有参考晶圆或加工晶圆；

光谱仪，其在参考晶圆蚀刻或沉积工艺期间把从所述等离子体反应室的内部射出的全波段第一光线转换成参考OES数据，或在所述参考晶圆蚀刻或沉积工艺执行后的加工晶圆蚀刻或沉积工艺期间，把从所述等离子体反应室的内部射出的全波段第二光线转换成加工OES数据；

光纤缆线，其在所述参考晶圆或加工晶圆蚀刻或沉积工艺期间，用来通过设在所述等离子体反应室的外壁的窗口来收集由所述等离子体反应室的内部射出的全波段第一或第二光线，并把收集到的光线转到所述光谱仪；

端点检测装置，其基于所述参考OES数据以及所述加工OES数据来检测加工晶圆蚀刻或沉积端点并输出检测信号；以及，

等离子体反应控制器，其用于控制在所述等离子体反应室的内的蚀刻或沉积条件，以响应所述检测信号，

所述端点检测装置包括：

数据选择器，其用于设定数据选择范围并输出操作控制信号，以响应数据选择信号，在所述参考晶圆蚀刻或沉积工艺期间基于所述数据选择范围来选择一部分的参考OES数据，并在所述加工晶圆蚀刻或沉积工艺期间基于所述数据选择范围来选择一部分的加工OES数据；

OES数据运算单元，其利用标准化及PCA来处理经选定的所述参考OES数据并输出多个线性参考负载向量，以响应所述操作控制信号；

乘积发生器，其基于所述多个线性参考负载向量和经选定的所述加工OES数据来周期性地输出预测乘积值；以及，

端点测定器，其基于周期性地收到的所述预测乘积值来检测加工晶圆蚀刻或沉积端点并输出检测信号，

其中所述多个线性参考负载向量分别对应于多个用所述参考OES数据表示的一维函数值。

19、如权利要求18所述的等离子体反应器，其中每当再次收到所述数据选择信号时，所述数据选择器就改变并设定所述数据选择范围并且输出所述操作控制信号，

其中所述OES数据运算单元在当前的加工晶圆蚀刻或沉积工艺期间，利用标准化及PCA来处理用已被所述数据选择器改变的数据选择范围选定的加工OES数据并且输出多个线性加工负载向量，以响应所述操作控制信号，并且

其中从下一个加工晶圆蚀刻或沉积工艺期间直到所述OES数据运算单元在加工晶圆蚀刻或沉积工艺期间执行下一次标准化及PCA处理运算之前，所述乘积发生器都使用所述多个线性加工负载向量来产生预测乘积值。

20、如权利要求19所述的等离子体反应器，其中所述OES数据运算单元包括：

标准化处理器，其标准化所述参考OES数据并输出参考平均缩放数据或标准化所述加工OES数据，并输出加工平均缩放数据，以响应所述操作控制信号；以及，

PCA处理器，其利用PCA来处理所述参考平均缩放数据并输出所述多个线性参考负载向量，或是利用PCA来处理所述加工平均缩放数据并输出所述多个线性加工负载向量。

21、如权利要求18所述的等离子体反应器，其还包括：

显示单元，其用于以三维图像显示所述参考OES数据或所述加工OES数据；以及，

输入单元，其包括多个按键并输出所述数据选择信号，以响应所述多个按键的按下。

22、如权利要求19所述的等离子体反应器，其中所述数据选择范围为下列各种范围中的任一种或多种：至少一指定波段范围、至少一指定时间范围、以及至少一设定组件的放射光的波段范围。

23、一种端点检测方法，其包括：

用OES数据运算单元以标准化及PCA方式来处理参考OES数据，并且产生多个线性参考负载向量、多个参考主成分比率值、以及多个参考排序值；

使SVM基于所述多个线性参考负载向量、所述多个参考主成分比率值、所述多个参考排序值、以及所述参考OES数据来学习；

利用数据选择器，以基于所述多个参考排序值来选择一部分的加工OES数据；

使用所述学习SVM和经选定的所述加工OES数据来周期性地产生预测乘积值；以及，

利用端点测定器，以基于所述预测乘积值来检测加工晶圆蚀刻或沉积端点并且输出检测信号，

其中所述参考OES数据是在参考晶圆蚀刻或沉积工艺期间用光谱仪转换从等离子体反应室内部射出的全波段第一光线所得到的数据，而所述加工OES数据是在所述参考晶圆蚀刻或沉积工艺之后执行的加工晶圆蚀刻或沉积工艺期间用所述光谱仪转换从所述等离子体反应室内部射出的全波段第二光线所得到的数据，

其中所述多个线性参考负载向量分别对应于多个用所述参考OES数据表示的一维函数值，并且

其中所述多个参考排序值为所述全波段第一光线的强度排序。

24、如权利要求23所述的检测方法，其中使所述SVM学习的步骤包括：

利用所述数据选择器，以基于所述多个参考主成分比率值来首次选择一部分所述多个线性参考负载向量；

利用乘积发生器，以基于在首次被选定的所述多个线性参考负载向量以及所述参考OES数据来产生至少一参考乘积值；

利用所述数据选择器，以基于所述多个参考排序值来选择一部分所述参考OES数据；以及，

利用所述SVM，以基于经选定的所述参考OES数据和所述至少一参考乘积值来作回归，并且产生多个非线性参考负载向量，

其中所述多个非线性参考负载向量分别对应于多个用经选定的所述加工OES数据表示的S维函数值，其中S为大于1的整数。

25、如权利要求24所述的检测方法，其中基于所述多个线性参考负载向量来产生所述多个参考排序值，并且

其中产生所述预测乘积值的步骤包括：

利用所述数据选择器，以基于所述多个参考排序值来第二次选择一部分在首次被选定的所述多个线性参考负载向量；以及，

利用所述SVM，以基于在第二次被选定的所述多个线性参考负载向量、所述多个非线性参考负载向量、以及经选定的所述加工OES数据来周期性地输出所述预测乘积值。

26、如权利要求23所述的检测方法，其还包括：每当在另一加工晶圆蚀刻或沉积工艺被执行时，重复下列步骤：

选择一部分所述加工OES数据；

周期性地产生所述预测乘积值；以及，

输出所述检测信号。

27、如权利要求26所述的检测方法，其还包括：

在所述加工晶圆蚀刻或沉积工艺的执行次数达到所述预设次数时，用所述OES数据运算单元来标准化及PCA处理所述光谱仪在当前加工晶圆蚀刻或沉积工艺期间产生的加工OES数据，并且产生多个线性加工负载向量、多个加工主成分比率值以及多个加工排序值；以及，

另外使所述SVM基于所述多个线性加工负载向量、所述多个加工主成分比率值、以及所述多个加工排序值来学习，

其中从所述SVM学习后的加工晶圆蚀刻或沉积工艺期间直到所述SVM在加工晶圆蚀刻或沉积工艺期间做下一次学习之前，所述数据选择器都基于所述多个加工排序值来选择一部分所述加工OES数据，并且

其中所述多个加工排序值为所述全波段第二光线的强度排序。

28、如权利要求26所述的检测方法，其还包括：每当在所述另一加工晶圆蚀刻或沉积工艺被执行时，

用所述OES数据运算单元来标准化及PCA处理所述加工OES数据，并且输出多个线性加工负载向量以及多个加工主成分比率值；

利用所述数据选择器，以基于所述多个加工主成分比率值来选择一部分所述多个线性加工负载向量；

利用所述乘积发生器，以基于所述多个经选定的线性加工负载向量和所述加工OES数据来产生实际乘积值；

用所述SVM来累积所述实际乘积值，并且计算出所述累积实际乘积值的平均值与平均偏差值；以及，

用异常诊断单元依据所述平均偏差值是否在用所述平均值决定的稳定范围内来判定目前被蚀刻或沉积的加工晶圆是正常或是异常。

29、一种端点检测方法，其包括：

用显示单元以三维图像显示参考OES数据，所述参考OES数据是在参考晶圆蚀刻或沉积工艺期间用光谱仪转换从等离子体反应室内部射出的全波段第一光线所得到的；

根据所述显示结果来为数据选择器设定数据选择范围；

利用所述数据选择器，以基于所述数据选择范围来选择部分所述参考OES数据；

用OES数据运算单元来标准化及PCA处理经选定的所述参考OES数据并产生多个线性参考负载向量；

利用所述数据选择器，以基于所述数据选择范围来选择一部分的加工OES数据；

利用乘积发生器，以基于所述多个线性参考负载向量和经选定的所述加工OES数据来周期性地产生预测乘积值；以及，

利用端点测定器，以基于所述预测乘积值来检测加工晶圆蚀刻或沉积端点并输出检测信号，

其中所述加工OES数据是在所述参考晶圆蚀刻或沉积工艺之后执行的加工晶圆蚀刻或沉积工艺期间用所述光谱仪转换从所述等离子体反应室内部射出的全波段第二光线所得到的数据，并且

其中所述多个线性参考负载向量分别对应于多个用所述参考OES数据表示的一维函数值。

30、如权利要求29所述的检测方法，其中所述数据选择范围为下列各种范围中的任一种或多种：至少一指定波段范围、至少一指定时间范围、以及至少一设定组件的放射光的波段范围。

31、如权利要求29所述的检测方法，其还包括：每当在另一加工晶圆蚀刻或沉积工艺被执行时，重复下列步骤：

选择一部分所述加工OES数据；

周期性地产生所述预测乘积值；以及，

输出所述检测信号。

Images