JP2004355330A

JP2004355330A - 診断装置及び診断方法

Info

Publication number: JP2004355330A
Application number: JP2003152326A
Authority: JP
Inventors: Masato Kosugi; 眞人小杉; Satoshi Ishimoto; 聡石本; Shinsuke Konishi; 信介小西
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2003-05-29
Filing date: 2003-05-29
Publication date: 2004-12-16

Abstract

【課題】多くのセンサを用いた検出においても、確実に精度よく半導体製造装置の異常を検出する。
【解決手段】センサ情報取得部１１が半導体製造装置２０の動作状態を表す複数のセンサ３０−１、３０−２、…、３０−ｍからの信号データを所定の時間間隔で取得すると、記憶部１２から、半導体製造装置２０が正常動作状態の下でセンサ３０−１、３０−２、…、３０−ｍにより取得した正常信号データからなるデータ群を取り出し、演算処理部１３にて、信号データをセンサ３０−１、３０−２、…、３０−ｍごとに重み付けし、正常信号データとのずれを示す距離を算出する。
【選択図】図１

Description

【０００１】
【発明の属する技術分野】
本発明は、診断装置及び診断方法に関し、特に、半導体装置を製造する半導体製造装置の装置状態を診断する診断装置及び診断方法に関する。
【０００２】
【従来の技術】
半導体装置の製造においては、不良ウェーハの発生を最小限に抑え、製造歩留まりを上げるために、製造装置の異常を早期に検出し、迅速に原因究明を行う必要がある。そのため、製造装置の動作状態（温度、圧力（気圧）、ガスの流量、供給される電圧など）を表す複数のセンサからの信号データを用いて、ｋ−最近傍法、マハラノビス距離、ＰＣＡ（主成分分析法）、ニューラルネットワークなどの各種多変量解析手法により製造装置の異常を検出する方法が知られている（例えば特許文献１参照）。特に、ウェーハ処理中にリアルタイムで製造装置の装置状態を診断する方法は、パイロットウェーハが廃止でき、不良ウェーハの発生を最小限に抑えることができるため重要な技術である。
【０００３】
【特許文献１】
特開２０００−２５９２２２号公報（段落番号〔００５３〕）
【０００４】
【発明が解決しようとする課題】
しかし、半導体装置の製造プロセスでは、複数のセンサで検出する動作状態のうち、そのプロセスにおいて重要であるパラメータと、重要でないパラメータが混在する場合がある。このような場合、上記のような多変量解析を行って異常を検出したとしても、それが重要なパラメータの異常に起因したものか、重要でないパラメータの異常に起因したものかが分からないという問題があった。
【０００５】
特に、予期できない異常を検出するためにセンサ数を多くすると、パラメータが増加して、異常検出の際の検出感度が信頼できないものになってしまうという問題があった。
【０００６】
本発明はこのような点に鑑みてなされたものであり、多くのセンサを用いた検出においても、確実に精度よく異常を検出可能な診断装置及び診断方法を提供することを目的とする。
【０００７】
【課題を解決するための手段】
本発明では上記課題を解決するために、半導体装置を製造する半導体製造装置の装置状態を診断する診断装置において、図１に示すように、半導体製造装置２０の動作状態を表す複数のセンサ３０−１、３０−２、…、３０−ｍからの信号データを所定の時間間隔で取得するセンサ情報取得部１１と、半導体製造装置２０が正常動作状態の下でセンサ３０−１、３０−２、…、３０−ｍにより取得した正常信号データからなるデータ群を記憶する記憶部１２と、信号データをセンサ３０−１、３０−２、…、３０−ｍごとに重み付けし、正常信号データとのパターン認識で用いられるユークリッド距離（以下距離と略す）を算出する演算処理部１３と、を有することを特徴とする診断装置１０が提供される。
【０００８】
上記の構成によれば、複数のセンサ３０−１、３０−２、…、３０−ｍからの信号データをセンサ３０−１、３０−２、…、３０−ｍごとに重み付けして、正常信号データとのずれを示す距離を算出するので、重み付けを大きくしたセンサからの信号データによるずれが強調される。
【０００９】
【発明の実施の形態】
以下本発明の実施の形態を図面を参照して説明する。
図１は、本発明の実施の形態の診断装置の原理構成図である。
【００１０】
診断装置１０は、半導体製造装置２０の動作状態を表す複数のセンサ３０−１、３０−２、…、３０−ｍからの信号データを所定の時間間隔で取得するセンサ情報取得部１１と、半導体製造装置２０が正常動作状態の下でセンサ３０−１、３０−２、…、３０−ｍにより取得した正常信号データからなるデータ群を記憶する記憶部１２と、信号データをセンサ３０−１、３０−２、…、３０−ｍごとに重み付けし、正常信号データとの距離を算出する演算処理部１３と、から構成される。
【００１１】
以下、診断装置１０の動作を説明する。
センサ情報取得部１１で、センサ３０−１、３０−２、…、３０−ｍから、リアルタイムで時刻ｔに半導体製造装置２０の動作状態を表す信号データを取得すると、信号データは演算処理部１３に入力される。
【００１２】
一方、記憶部１２に格納されている半導体製造装置２０が正常動作状態のもとでセンサ３０−１、３０−２、…、３０−ｍより取得した、正常信号データのデータ群が取り出され演算処理部１３に入力される。
【００１３】
演算処理部１３では、信号データをセンサ３０−１、３０−２、…、３０−ｍごとに重み付けし、正常信号データとの距離を算出する。例えば、半導体製造装置２０での製造処理では、センサ３０−１、３０−２、…、３０−ｍで検出される半導体製造装置２０の動作状態（温度、圧力（気圧）、ガスの流量、供給される電圧など）のうち、センサ３０−１で検出するものが重要であるとすると、センサ３０−１の信号データの重み付けを、他のセンサ３０−２、…、３０−ｍより大きくする。
【００１４】
このようにして、正常信号データとの距離を算出することにより、重み付けを大きくしたセンサからの信号データによるずれが強調される。これにより、重み付けを大きくしたセンサについて、異常値を感度よく検出することができる。
【００１５】
つまり、重要度の異なる多数のセンサを用いた場合でも、センサの重要度に応じて重み付けを行うことで、確実に精度よく異常を検出することができる。
以下、半導体装置の製造工程で、パターンの形成などに用いられるプラズマエッチング装置の装置状態を診断する場合を例にして、本発明の実施の形態の詳細を説明する。
【００１６】
図２は、プラズマエッチング装置の装置状態を診断する診断システムの構成図である。
プラズマエッチング装置において、処理室１００内には、接地された上部電極１０１と基板１５０を載置する下部電極１０２とが互いに対向するように配置されている。下部電極１０２にはプラズマを発生するための高周波電源１１０が整合器１１１を介して接続されている。また、図示しない真空排気系により処理室１００内のガス圧力を一定に制御するためのガス圧力制御器１１２と、処理室１００内に導入する反応ガス（ヘキサフルオロブタジエン（Ｃ_４Ｆ_６））の流量を制御する流量制御器１１３と、下部電極１０２に発生する電圧（バイアス電圧Ｖｄｃ）を計測する電圧計測部１２０と、処理室１００内のガス圧力を計測する圧力計１２１とを有する。
【００１７】
なお、図１で示したセンサ３０−１、３０−２、…、３０−ｍは、上記の流量制御器１１３、電圧計測部１２０、圧力計１２１において、それぞれ、流量、電圧、圧力を測定する３つのセンサに相等している。これらにより測定された信号データは、プラズマエッチング装置を制御する装置制御用コンピュータ２００を介して本発明の診断装置に半導体製造装置用の通信プロトコルであるＳＥＣＳ（ＳＥＭＩ（ＳｅｍｉｃｏｎｄｕｃｔｏｒＥｑｕｉｐｍｅｎｔａｎｄＭａｔｅｒｉａｌｓＩｎｔｅｒｎａｔｉｏｎａｌ）ＥｑｕｉｐｍｅｎｔＣｏｍｍｕｎｉｃａｔｉｏｎｓＳｔａｎｄａｒｄ）通信によりリアルタイムで通知される。
【００１８】
なお、診断装置３００は、センサからのアナログの信号データを直接入力するようにしてもよい。
以下、図２の診断システムの動作を説明する。
【００１９】
処理室１００内の下部電極１０２に基板１５０が載置され、高周波電力を下部電極１０２に印加して、基板１５０のエッチング処理が開始すると、流量制御器１１３、電圧計測部１２０、圧力計１２１などの各種センサによりリアルタイムに計測がおこなわれ、その情報は装置制御用コンピュータ２００を介して診断装置３００に通知される。
【００２０】
図３は、エッチング中のあるステップにおける圧力、電圧、流量の時間変化を示した図であり、（Ａ）は圧力の時間変化、（Ｂ）は電圧の時間変化、（Ｃ）は流量の時間変化を示している。
【００２１】
なお、ここでは、約１秒間隔でデータを収集している。図３（Ａ）、（Ｂ）において点線で囲った部分は異常であることを示している。
診断装置３００では、図３で示したような複数のセンサによる信号データをリアルタイム（約１秒間隔）で収集して多変量解析を行い、装置状態を診断する。
【００２２】
以下、診断装置３００における診断処理の詳細を説明する。
診断装置３００は、各センサの正常動作状態の下で取得したデータ群（Ｓ_１１，Ｓ_１２，Ｓ_１３，…，Ｓ_ｐｍ）を記憶している。ここで、ｐはデータの個数、ｍはセンサ数（図２の例では３つである）を示している。
【００２３】
ｍ個のセンサからリアルタイムで時刻ｔに信号データ（Ｘ_１，Ｘ_２，Ｘ_３，…，Ｘ_ｍ）を収集すると、診断装置３００は、記憶しているデータ群（Ｓ_１１，Ｓ_１２，Ｓ_１３，…，Ｓ_ｐｍ）のｉ番目のサンプル（Ｓ_ｉ１，Ｓ_ｉ２，Ｓ_ｉ３，…，Ｓ_ｉｍ）と信号データ（Ｘ_１，Ｘ_２，Ｘ_３，…，Ｘ_ｍ）との距離（ここでは距離の２乗Ｄ_ｉ ^２）を以下の式に従って算出する。
【００２４】
【数１】

【００２５】
但し、Ｘ_{ｊ（ＶＳ）}＝ｋ_ｊＸ_ｊ／σ_ｊ、Ｓ_{ｉｊ（ＶＳ）}＝ｋ_ｊＳ_ｉｊ／σ_ｊである。
ここで、ｋ_ｊは、ｊ番目のセンサの重み付け係数であり、σ_ｊは正常動作状態のもとで取得して記憶されているデータ群のｊ番目のセンサの標準偏差を表している。
【００２６】
このように、センサごとに所定の重み付け係数をかけて距離を求めることで、重み付けを大きくしたセンサからの信号データによるずれが強調される。これにより、重み付けを大きくしたセンサについて、異常値を感度よく検出することができる。また、標準偏差σ_ｊで割ることによって、分散の大きなセンサのデータが距離に支配的な影響を与えるのを取り除くことができる。
【００２７】
本発明の実施の形態では、次に、ｋ−最近傍法により、正常状態のもとで取得して記憶されているデータ群の全てのサンプル（ｐ個）に対して、式（１）より距離の２乗Ｄ_ｉ ^２を計算し、その値が小さい順に（類似度の高い順に）ノイズの影響を踏まえてｋ個（１つ以上）のサンプルを選択する。
【００２８】
図４は、距離が小さい順に選択したｋ個のサンプルを示す図である。
図のように、距離がもっとも小さい“Ｄ_１’ ^２”となる正常時のサンプル“Ｓ_１’１，Ｓ_１’２，Ｓ_１’３，…，Ｓ_１’ｍ”から、距離がｋ番目に小さい“Ｄ_ｉ’ ^２”となる正常時のサンプル“Ｓ_ｉ’１，Ｓ_ｉ’２，Ｓ_ｉ’３，…，Ｓ_ｉ’ｍ”まで、ｋ個のサンプルを選択する。
【００２９】
その後、ｋ個の正常時のサンプルを用いて、装置が正常であるときのセンサごとの予測値の候補Ｐ_ｉｊ（１≦ｉ≦ｋ）を、例えば、以下の式により計算する。
【００３０】
【数２】

【００３１】
式（２）を全てのセンサについて計算すると（Ｐ_ｉ１，Ｐ_ｉ２，Ｐ_ｉ３，…，Ｐ_ｉｍ）という予測値の候補が得られる。
さらに、リアルタイムに時刻ｔにおいて取得した信号データ（Ｘ_１，Ｘ_２，Ｘ_３，…，Ｘ_ｍ）と、予測値の候補（Ｐ_ｉ１，Ｐ_ｉ２，Ｐ_ｉ３，…，Ｐ_ｉｍ）との距離の２乗を以下の式により計算する。
【００３２】
【数３】

【００３３】
式（３）において、Ｘ_{ｊ（ＶＳ）}＝ｋ_ｊＸ_ｊ／σ_ｊ、Ｐ_{ｉｊ（ＶＳ）}＝ｋ_ｊＰ_ｉｊ／σ_ｊである。なお、ｋ_ｊ及びσ_ｊは前述の重み付け係数と、標準偏差である。
この式（３）において、距離の２乗Ｄ_ｉ ^２が最も小さくなる（Ｐ_ｉ１，Ｐ_ｉ２，Ｐ_ｉ３，…，Ｐ_ｉｍ）を予測値とする。
【００３４】
次に、上記のようにして計算した予測値を、正常動作状態のもとで取得して記憶されているサンプルのデータ群に対して適用（クロスバリデーション：ｉ番目のサンプルを測定値として残りのｐ−１個のサンプルをデータ群として予測値を算出）することにより、ｉ＝１からｐまでのｐ個の予測値を求める。また、残差Δｊ（測定値と予測値の差）をセンサごとに計算する。さらに、センサごとに残差の平均値Ａｖｅ_Ｒｅｓｊと標準偏差σ_Ｒｅｓｊを求める。
【００３５】
装置が正常動作を行っている状態からのトータルのずれを表す指標を性能指数ＰＩ（パフォーマンス・インデックス）と呼ぶと、性能指数ＰＩは以下の式により算出される。
【００３６】
【数４】

【００３７】
ここで、Δ_ｊはｊ番目のセンサの時刻ｔに取得した信号データの測定値と予測値の差を表している。複数のセンサの測定値が全て正常動作状態の値からずれていない場合には、性能指数ＰＩはゼロに近い値となり、正常状態の値からのずれが大きくなるにつれてＰＩは正の大きな値を持つようになる。従って、予め所定の閾値を設定しておいて、その値を超えた場合に異常と判断し、アラームを出力するようにすればよい。
【００３８】
また、センサへの重み付け係数が全て同じ場合（例えば、全てｋ_ｊ＝１）には、各センサは式（１）、式（３）のように正常動作時の各々のセンサの標準偏差の逆数での重み付けとなり、ばらつきの小さなセンサほど重みが大きくなり、変動に対するＰＩの感度が高くなる。それに対し、変動に対する感度を上げたいセンサには重み付け係数ｋ_ｊを大きく設定し、感度を下げたいセンサには重み付け係数を小さく設定することにより、ｋ_ｊの大小に応じて標準偏差σ_Ｒｅｓｊが変わるため自由に、感度を調整することができる。
【００３９】
ここで、図２で示したプラズマエッチング装置の装置状態を診断する診断システムにおいて、図３で示した３種類のセンサ値（圧力、電圧、流量）の時間変化から、上記の式（１）〜（４）により算出された性能指数ＰＩの例を示す。
【００４０】
図５は、センサへの重み付け係数を等しくした場合の性能指数ＰＩの時間変化を示す図である。
重み付け係数ｋ_ｊを等しくした場合、例えば、３種類のセンサへの重み付け係数が全てｋ_ｊ＝１であるような場合、図のように、図３で示したセンサ値の全ての変動を受けており、個々のセンサの変動に対する感度は低いことが分かる。
【００４１】
図６は、３種類のセンサ値のうち圧力と電圧の重み付け係数を大きくした場合の性能指数ＰＩの時間変化を示す図である。
図６では、センサへの重み付けの比率を、圧力１０：電圧５：流量１としている。これにより、圧力異常（図中のＥ１）の場合に性能指数ＰＩは最も大きくなり、電圧異常（図中のＥ２）の場合はその半分程度になり、重み付け係数の大きなセンサほど異常値に対する検出感度が高くなることが分かる。
【００４２】
図７は、３種類のセンサ値のうち圧力のみの重み付け係数を大きくした場合の性能指数ＰＩの時間変化を示す図である。
図７では、センサへの重み付けの比率を、圧力１０：電圧１：流量１として、圧力のみ比率を大きくしている。この場合、図のように、圧力異常（図中のＥ３）のみを高感度に検出できるようになることが分かる。
【００４３】
このように、変動に対する感度を上げたいセンサには重み付け係数ｋ_ｊを大きく設定し、感度を下げたいセンサには重み付け係数ｋ_ｊを小さく設定することにより、自由に検出感度を調整することができる。これによって、異なる重要度を持つ複数のセンサに対して、重要度に応じて確実に精度よく異常を検出することが可能になる。
【００４４】
なお、上記では半導体製造装置としてプラズマエッチング装置を例にして説明したがこれに限らない。例えば、ＣＭＰ（ＣｈｅｍｉｃａｌＭｅｃｈａｎｉｃａｌＰｏｌｉｓｈｉｎｇ）装置や、ＣＶＤ（ＣｈｅｍｉｃａｌＶａｐｏｒＤｅｐｏｓｉｔｉｏｎ）装置などを用いてもよい。
【００４５】
なお、上記では、半導体製造装置が正常動作状態のもとで取得して記憶されているデータ群（Ｓ_１１，Ｓ_１２，Ｓ_１３，…，Ｓ_ｐｍ）を用いているが、データ空間のサンプル間の座標空間距離に応じて、サンプル数を最適化するとデータ量の削減や計算時間の短縮のためによい。
【００４６】
以下サンプル数の削減処理について説明する。
ｐ個のサンプル配列に対して以下に示すような計算処理を行う。
まず、ｍ個のセンサの１番目のセンサの信号データに対してソートを行う。
【００４７】
次に、ａ番目とｂ（＝ａ＋１）番目のサンプル間の次式で示す距離の２乗Ｄ_ａｂ ^２を、ａ＝１、ｂ＝２から順番に計算し、予め設定した所定の閾値Ｄ_ｔｈ ^２と比較する。
【００４８】
【数５】

【００４９】
但し、Ｘ_{ｉｊ（ＶＳ）}＝Ｘ_ｉｊ／σ_ｊである。
ここで、もしＤ_１２ ^２≧Ｄ_ｔｈ ^２ならば、ａ＝ａ＋１、ｂ＝ｂ＋１として再び式（５）を計算し、もしＤ_１２ ^２＜Ｄ_ｔｈ ^２ならば、２番目のサンプルを削除し、ｂ＝ｂ＋１として式（５）でＤ_１３を計算する。
【００５０】
この処理をｂが最終行のサンプルになるまで繰り返し行う。
上記の処理をｍ番目の全てのセンサの信号データに対して行う。
このようにして、閾値Ｄ_ｔｈ ^２を所定の値に設定すれば、記憶されているデータ群のサンプル数を自動的かつ最適に削減できる。
【００５１】
以上説明してきた診断装置３００は、例えばコンピュータであり、以下のようなハードウェア構成で実現できる。
図８は、診断装置のハードウェア構成例である。
【００５２】
診断装置３００は、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）３０１、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）３０２、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）３０３、ハードディスク３０４、グラフィック処理部３０５、入力Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０６及び通信Ｉ／Ｆ３０７などによって構成され、これらはバス３０８を介して相互に接続されている。
【００５３】
ここで、ＣＰＵ３０１は、ハードディスク３０４に格納されているプログラムに応じて各部を制御する。また、上述してきた各種の計算を行う。
ＲＯＭ３０２は、ＣＰＵ３０１が実行する基本的なプログラムやデータを格納している。
【００５４】
ＲＡＭ３０３は、ＣＰＵ３０１が実行途中のプログラムや、演算途中のデータを一時的に格納する。
ハードディスク３０４は、ＣＰＵ３０１が実行するＯＳや、装置状態の診断を行うアプリケーションプログラムなどが格納される。また、前述したように半導体製造装置（図２で示したようなプラズマエッチング装置など）の正常動作状態のもとで取得した各センサのデータ群が、サンプルとして記憶されている。
【００５５】
グラフィック処理部３０５には、ディスプレイなどの表示装置３０５ａが接続されており、ＣＰＵ３０１からの描画命令に従って、表示装置３０５ａの画面上に画像を表示させる。
【００５６】
入力Ｉ／Ｆ３０６には、マウス３０６ａやキーボード３０６ｂが接続されており、例えば、診断装置３００の管理者により入力された情報を受信し、バス３０８を介してＣＰＵ３０１に送信する。
【００５７】
通信Ｉ／Ｆ３０７には、ＳＥＣＳ通信で装置制御用コンピュータ２００を介して各種センサ情報がリアルタイムで入力される。
上記のような、ハードウェア構成により本発明の実施の形態の処理が実現される。
【００５８】
以下、診断装置３００での診断処理を、フローチャートを用いてまとめ、本発明の実施の形態の診断方法を説明する。
図９は、本発明の実施の形態の診断方法の処理の流れを説明するフローチャートである。
【００５９】
通信Ｉ／Ｆ３０７でセンサからのリアルタイムの信号データを入力すると（ステップＳ１）、次に、ＣＰＵ３０１の制御のもとセンサごとに重み付けの設定を行う（ステップＳ２）。なお、重み付けは、管理者によるマウス３０６ａやキーボード３０６ｂによる入力により、重要度の高い検出感度を上げるべきセンサの重み付け係数を大きくするなどして、重み付けを設定するようにしてもよい。また、予めデータベース（ハードディスク３０４など）に、プロセスに応じた各センサの重み付け係数を格納しておき、ＣＰＵ３０１の制御のもと取り出して、自動的に設定するようにしてもよい。
【００６０】
重み付けが設定されると、ＣＰＵ３０１は重み付けられたセンサの信号データを用いて、式（１）により信号データと、例えば、ハードディスク３０４に格納された半導体製造装置の正常動作状態のもとで取得したデータ群との距離を計算する（ステップＳ３）。
【００６１】
次に、ＣＰＵ３０１はデータ群の全てのサンプルのうち、ステップＳ３の処理で算出した距離が小さくなるものを小さい順にｋ個選択する（ステップＳ４）。その後、ＣＰＵ３０１は選択したｋ個の正常時のサンプルを用いて、式（２）、式（３）を計算して、予測値を計算する（ステップＳ５）。予測値が算出されると、今度はその予測値を測定値として適用し、残りのサンプルのデータ群について計算して予測値を求め、測定値との残差をセンサごとに求める（ステップＳ６）。さらに、残差の標準偏差及び平均値を算出する（ステップＳ７）。
【００６２】
次に、ステップＳ６、Ｓ７の処理で算出した残差、残差の標準偏差及び平均値を用いて、式（４）により、装置が正常動作を行っている状態からのトータルのずれを表す性能指数ＰＩを計算する（ステップＳ８）。
【００６３】
ＣＰＵ３０１は、算出した性能指数ＰＩが、予め設定されている所定の閾値を超えたか否かを判定し（ステップＳ９）、超えた場合には、アラームを例えば、表示装置３０５ａに出力し、管理者に半導体製造装置（図２の場合はプラズマエッチング装置）が異常であることを通知し（ステップＳ１０）、閾値以下の場合は処理を終了する。
【００６４】
このように、変動に対する感度を上げたいセンサには重み付け係数ｋ_ｊを大きく設定し、感度を下げたいセンサには重み付け係数を小さく設定することにより、自由に検出感度を調整することができる。これによって、異なる重要度を持つ複数のセンサに対して、重要度に応じて確実に精度よく異常を検出することが可能になる。
【００６５】
次に本発明の実施の形態の診断装置を、半導体装置の製造工場などの複数のコンピュータからなる製造システムに適用した例を簡単に説明する。
図１０は、製造システムのシステム構成図である。
【００６６】
図のように製造システムは、ＭＥＳ（ＭａｎｕｆａｃｔｕｒｉｎｇＥｘｅｃｕｔｉｏｎＳｙｓｔｅｍ）４００、Ｃ／Ｃ（ＣｅｌｌＣｏｎｔｒｏｌｌｅｒ）４１０、ＡＰＣ（ＡｄｖａｎｃｅｄＰｒｏｃｅｓｓＣｏｎｔｒｏｌ）４２０、ＹＭＳ（ＹｉｅｌｄＭａｎａｇｅｍｅｎｔＳｙｓｔｅｍ）４３０などの複数のシステムにより構成されていて、診断システム４４０もこれらのシステムとＬＡＮ（ＬｏｃａｌＡｒｅａＮｅｔｗｏｒｋ）で接続されている。
【００６７】
なお、ここで、ＭＥＳ４００は、製造管理システムであり、生産ラインで流れている各製品の工程、設備、条件、作業データをコンピュータで全て管理し、分析し、品質向上、歩留まり向上、作業ミス低減などのより効率的な生産を支援するシステムである。
【００６８】
また、Ｃ／Ｃ４１０は装置オンライン自動化システムであり、ＡＰＣ４２０は、ＳＥＭＡＴＥＣＨガイドラインで提言された先進的プロセス制御を行うシステムである。
【００６９】
ＹＭＳ４３０は歩留まり管理システムである。
ここで、各システムは、サーバや、データベースサーバなどとして機能する複数の、図９で示したようなハードウェア構成のコンピュータから構成されている。
【００７０】
診断システム４４０は、データ収集部４４１、解析部４４２、データベース４４３からなる複数のコンピュータから構成される。
ここで示した診断システム４４０は、図１の診断装置１０、図２の診断装置３００に対応しており、特に、図１の診断装置１０のセンサ情報取得部１１がデータ収集部４４１、演算処理部１３が解析部４４２、記憶部１２がデータベース４４３と対応している。
【００７１】
データ収集部４４１は半導体製造装置５００の内蔵センサデータをＳＥＣＳ通信またはＨＳＭＳ（Ｈｉｇｈ−ｓｐｅｅｄＳＥＣＳＭｅｓｓａｇｅＳｅｒｖｉｃｅｓ）通信により、リアルタイムに取得する。同時に、外部センサ４５０のセンサデータもリアルタイムに取得する。解析部４４２では、前述したような多変量解析により性能指数ＰＩを求め装置状態の監視を行う。また、データベース４４３は、正常動作状態の下で取得した半導体製造装置５００の各センサのセンサデータのデータ群をサンプルとして格納している。
【００７２】
このような製造システムにおいて、本発明によって診断した半導体製造装置５００の装置状態に関する情報を共有することによって、異常が検出された場合に速やかに対応することが可能になり、半導体装置の製造をより効率よく行うことができる。
【００７３】
（付記１）半導体製造装置の装置状態を診断する診断装置において、
前記半導体製造装置の動作状態を表す複数のセンサからの信号データを所定の時間間隔で取得するセンサ情報取得部と、
前記半導体製造装置が正常動作状態の下で前記センサにより取得した正常信号データからなるデータ群を記憶する記憶部と、
前記信号データを前記センサごとに重み付けし、前記正常信号データとのユークリッド距離を算出する演算処理部と、
を有することを特徴とする診断装置。
【００７４】
（付記２）前記演算処理部は、前記データ群に対して前記センサごとに標準偏差を計算し、前記標準偏差の逆数で前記信号データを重み付けすることを特徴とする付記１記載の診断装置。
【００７５】
（付記３）前記演算処理部は、前記標準偏差の逆数での重み付けに対して、さらに前記センサごとに重み付け係数をかけることにより、前記センサごとの重み付けを変更することを特徴とする付記２記載の診断装置。
【００７６】
（付記４）前記演算処理部は、前記信号データとの前記ユークリッド距離が小さくなる前記正常信号データを少なくとも１つ以上前記データ群から選択し、選択した前記正常信号データを用いて予測値を算出することを特徴とする付記１記載の診断装置。
【００７７】
（付記５）前記演算処理部は、前記信号データと前記予測値を用いて、前記センサごとに残差を計算し、前記残差の平均値及び標準偏差を計算し、全ての前記センサの前記残差、前記平均値及び前記標準偏差を用いて前記装置状態を示す性能指数を算出することを特徴とする付記４記載の診断装置。
【００７８】
（付記６）前記演算処理部は、前記データ群において、前記データ群の中のデータ間の座標空間距離を算出し、前記距離に応じてデータ数を削減することを特徴とする付記１記載の診断装置。
【００７９】
（付記７）半導体装置を製造する半導体製造装置の装置状態を診断する診断方法において、
前記半導体製造装置の動作状態を表す複数のセンサからの信号データを所定の時間間隔で取得し、
前記半導体製造装置が正常動作状態の下で前記センサにより取得した正常信号データからなるデータ群を記憶し、
前記信号データを前記センサごとに重み付けし、
重み付けした前記信号データと、前記正常信号データとのユークリッド距離を算出する、
ことを特徴とする診断方法。
【００８０】
【発明の効果】
以上説明したように本発明では、複数のセンサからの信号データをセンサごとに重み付けして、正常信号データとのずれを示す距離を算出するので、重み付けを大きくしたセンサからの信号データによるずれが強調される。これにより、異なる重要度を持つ複数のセンサに対して、自由に検出感度を調整することができ、重要度に応じて確実に精度よく異常を検出することが可能になる。
【図面の簡単な説明】
【図１】本発明の実施の形態の診断装置の原理構成図である。
【図２】プラズマエッチング装置の装置状態を診断する診断システムの構成図である。
【図３】エッチング中のあるステップにおける圧力、電圧、流量の時間変化を示した図であり、（Ａ）は圧力の時間変化、（Ｂ）は電圧の時間変化、（Ｃ）は流量の時間変化を示している。
【図４】距離が小さい順に選択したｋ個のサンプルを示す図である。
【図５】センサへの重み付け係数を等しくした場合の性能指数ＰＩの時間変化を示す図である。
【図６】３種類のセンサ値のうち圧力と電圧の重み付け係数を大きくした場合の性能指数ＰＩの時間変化を示す図である。
【図７】３種類のセンサ値のうち圧力のみの重み付け係数を大きくした場合の性能指数ＰＩの時間変化を示す図である。
【図８】診断装置のハードウェア構成例である。
【図９】本発明の実施の形態の診断方法の処理の流れを説明するフローチャートである。
【図１０】製造システムのシステム構成図である。
【符号の説明】
１０診断装置
１１センサ情報取得部
１２記憶部
１３演算処理部
２０半導体製造装置
３０−１，３０−２，…，３０−ｍセンサ

Claims

半導体製造装置の装置状態を診断する診断装置において、
前記半導体製造装置の動作状態を表す複数のセンサからの信号データを所定の時間間隔で取得するセンサ情報取得部と、
前記半導体製造装置が正常動作状態の下で前記センサにより取得した正常信号データからなるデータ群を記憶する記憶部と、
前記信号データを前記センサごとに重み付けし、前記正常信号データとのユークリッド距離を算出する演算処理部と、
を有することを特徴とする診断装置。
前記演算処理部は、前記データ群に対して前記センサごとに標準偏差を計算し、前記標準偏差の逆数で前記信号データを重み付けすることを特徴とする請求項１記載の診断装置。
前記演算処理部は、前記標準偏差の逆数での重み付けに対して、さらに前記センサごとに重み付け係数をかけることにより、前記センサごとの重み付けを変更することを特徴とする請求項２記載の診断装置。
前記演算処理部は、前記データ群において、前記データ群の中のデータ間の座標空間距離を算出し、前記距離に応じてデータ数を削減することを特徴とする請求項１記載の診断装置。
半導体装置を製造する半導体製造装置の装置状態を診断する診断方法において、
前記半導体製造装置の動作状態を表す複数のセンサからの信号データを所定の時間間隔で取得し、
前記半導体製造装置が正常動作状態の下で前記センサにより取得した正常信号データからなるデータ群を記憶し、
前記信号データを前記センサごとに重み付けし、
重み付けした前記信号データと、前記正常信号データとのユークリッド距離を算出する、
ことを特徴とする診断方法。