JP4995419B2 - 材料プロセスツール及びパフォーマンスデータを用いてプロセスを制御する方法及びシステム - Google Patents

Description

（関連出願の相互参照）
本出願は、２００２年６月２８日にすでに出願されている米国特許出願第６０／３９１，９６６号に対して優先権を主張する。この出願は、２００２年６月２８日に出願された米国特許出願第６０／３９１，９６５号に関連している。これらの出願の内容全体は参照してここに組み込まれる。

本発明は、材料処理に関し、より具体的には、材料処理システムにおけるプロセスを制御するプロセスパフォーマンス制御システム及びその方法に関する。

やりがいのある挑戦となる半導体産業における材料処理の１つの分野は、例えば、集積回路（ＩＣ）の製造である。一般にＩＣの速度の増加、および、特にメモリデバイスに対する要求は、半導体製造者に、デバイスを基板表面にどんどん小さく形成することを強いる。また、製造コストを低減するため、ＩＣ構造を形成するのに必要な工程（すなわち、エッチング工程、蒸着工程等）の数を減らして、該ＩＣ構造及びその製造方法の全体的な複雑さを低減することが必要である。これらの要求は、特徴寸法の低減及び基板サイズの増加（例えば、２００ｍｍから３００ｍｍ以上への）の両方によってさらに激化し、良好なデバイスの歩留りを最大化するために、微少寸法（ｃｒｉｔｉｃａｌ ｄｉｍｅｎｓｉｏｎｓ；ＣＤ）、プロセス速度及びプロセス均一性に重きがおかれている。一般に、エッチストップ層は、オーバエッチング時に、下の層（デバイス）が損傷するのを保護するために、絶縁層の下に設けられる。エッチストップ層は、一般に、絶縁層をエッチングするのに使用される化学物質にさらされた場合に、絶縁層のエッチング速度よりも遅いエッチング速度を有する材料を含む（すなわち、エッチング化学物質は、エッチストップ層に対して、絶縁層に対する高エッチング選択性を有する）。さらに、該エッチストップ層は、オーバエッチング工程が、基板上の全ての形状構成が同じ深さまでエッチングされることを保障できるようにするバリアを形成する。

しかし、該エッチストップ層は、プロセスインテグレーションを複雑にし、製造コストを増加させ、かつデバイス性能を低下させる。エッチストップ層がない場合、エッチング深さは、一定時間の方法が用いられるため、エッチング速度（ｅｔｃｈ ｒａｔｅ；ＥＲ）により変化させることができる。例えば、エッチングツールは、装置の障害を受けやすいため、エッチング速度は、メンテナンス周期を越えてかなり変化する可能性がある。一定のエッチング速度を維持するため、頻繁なツール制限及びメンテナンス処置が必要である。そのため、エッチング速度のその場での評価は、プロセスチャンバが通常状態にあるか否かを判断することができ、また、エッチング深さが適切となるようにエッチング時間を制御するための情報を与えることができる。

本発明は、プロセスツールとプロセスパフォーマンス制御システムとを備える材料処理システムを提供する。

該プロセスパフォーマンス制御システムは、該プロセスツールに結合されたプロセスパフォーマンスコントローラを備え、該プロセスパフォーマンスコントローラは、複数のセンサからツールデータを受取るように構成され、かつプロセスパフォーマンスデータを予測するように構成されたプロセスパフォーマンス予測モデルを備える。該プロセスパフォーマンス制御システムは、該プロセスパフォーマンス予測モデルに結合され、予測したプロセスパフォーマンスデータを受取るように構成され、かつプロセス方法補正を生成するように構成されたプロセス方法補正フィルタと、該プロセス方法補正フィルタに結合され、該プロセス方法補正を受取り、該プロセス方法補正を用いて該プロセス方法を更新するように構成されたプロセスコントローラとをさらに備える。

本発明は、有利には、上記プロセスツール及びプロセスパフォーマンスコントローラに結合され、該プロセスツール内で処理された基板を受取るように構成され、かつプロセスパフォーマンスデータを計測するように構成された計測ツールをさらに備える、プロセスパフォーマンス制御システムを提供する。該プロセスパフォーマンスコントローラは、計測されたプロセスパフォーマンスデータを受取るように構成され、かつ上記プロセスパフォーマンス予測モデルの調整を実行するために該プロセスパフォーマンス予測モデルに結合された、プロセスパフォーマンスモデル補正アルゴリズムをさらに備える。

本発明は、有利には、材料処理システムのプロセスツールを制御する方法を提供する。該方法は、上記プロセスツール内で第１のプロセスを実行する工程と、該第１のプロセスのためのツールデータを記録する工程であって、該ツールデータが複数のツールデータパラメータを備える工程と、プロセスパフォーマンス予測モデルを用いて、該第１のプロセスのためのツールデータからプロセスパフォーマンスデータを予測する工程であって、該プロセスパフォーマンスデータが、１つ以上のプロセスパフォーマンスデータパラメータを含む工程とを備える。該方法は、プロセス方法補正フィルタを用いて、該予測されたプロセスパフォーマンスデータからプロセス方法補正を決定する工程と、上記プロセスツールに結合されたプロセスコントローラを用いて、該プロセス方法補正を組み込むことによってプロセス方法を更新する工程と、該更新されたプロセス方法を用いて、上記プロセスツール内で第２のプロセスを実行する工程とをさらに含む。

本発明のこれら及び他の利点は、添付図面と共に解釈すれば、本発明の例示的な実施形態の以下の詳細な説明からより明白になり、かつより容易に認識されよう。

本発明の一実施形態によれば、プロセスツール１０とプロセスパフォーマンス制御システム１００とを含む材料処理システム１が図１に示されている。プロセスパフォーマンス制御システム１００は、プロセスツール１０に結合されたプロセスパフォーマンスコントローラ５５を含み、該プロセスパフォーマンスコントローラ５５は、プロセスパフォーマンス予測モデル１１０と、プロセス方法補正フィルタ１２０と、プロセスコントローラ１３０と、プロセスパフォーマンスモデル補正アルゴリズム１５０とを含む。プロセスパフォーマンス予測モデル１１０は、プロセスツール１０に結合された複数のセンサからツールデータを受取るように、かつプロセスパフォーマンスデータを予測するように構成されている。プロセス方法補正フィルタ１２０は、プロセスパフォーマンス予測モデル１１０に結合され、かつ予測されたプロセスパフォーマンスデータを受取って、run-to-runのプロセス制御のためのプロセス方法補正を生成するように構成されている。プロセスコントローラ１３０は、プロセス方法補正フィルタ１２０に結合されており、該プロセス方法補正に従ってプロセス方法を更新するように構成されている。

また、プロセスパフォーマンス制御システム１００は、計測ツール１４０をさらに含むことが可能であり、またプロセスパフォーマンスコントローラ５５は、プロセスパフォーマンスモデル補正アルゴリズム１５０をさらに含むことが可能である。計測ツール１４０は、プロセスツール１０及びプロセスパフォーマンスコントローラ５５に結合することができ、また計測ツール１４０は、プロセスツール１０内で処理された基板を受取り、かつプロセスパフォーマンスデータを計測するように構成することができる。プロセスパフォーマンスモデル補正アルゴリズム１５０は、計測ツール１４０からの計測されたプロセスパフォーマンスデータを受取るように構成することができ、またプロセスパフォーマンスモデル補正アルゴリズム１５０は、プロセスパフォーマンス予測モデル１１０の調整を実行するために、プロセスパフォーマンス予測モデル１１０に結合することができる。

図２に示す実施形態において、材料処理システム１は、材料処理のためにプラズマを用いることができる。例えば、材料処理システム１は、プロセスツール１０ａとして機能するエッチングチャンバを含む。別法として、材料処理システム１は、フォトレジストスピンコーティングシステム等のフォトレジストコーティングチャンバのような他のプロセスツール１０と、紫外線（ＵＶ）リソグラフィシステム等のフォトレジストパターニングチャンバと、ＳＯＧ（ｓｐｉｎ−ｏｎ−ｇｌａｓｓ）またはＳＯＤ（ｓｐｉｎ−ｏｎ−ｄｉｅｌｅｃｔｒｉｃ）システム等の誘電体コーティングチャンバと、化学気相成長（ＣＶＤ）システムまたは物理気相成長（ＰＶＤ）システム等の成膜チャンバと、熱アニールのためのＲＴＰシステム等の瞬時熱プロセス（ＲＴＰ）チャンバと、またはバッチ拡散炉を含むことが可能である。

図２に示すように、材料処理システム１が、プロセスツール１０としてエッチングまたは成膜チャンバを含む場合、該システムは、さらに、処理すべき基板２５がその上に付着される基板ホルダ２０と、ガス注入システム４０と、真空ポンプシステム５８とを含む場合がある。基板２５は、例えば、半導体基板、ウェハ、あるいは液晶ディスプレイ（ＬＣＤ）とすることができる。プロセスツール１０は、例えば、基板２５の表面近傍の処理領域４５において、プラズマの生成を容易にするように構成することができ、プラズマは、加熱された電子とイオン化できるガスとの衝突を介して形成される。例えば、イオン化できるガスまたはガスの混合物は、ガス注入システム４０を介して導入することができ、プロセス圧力は、真空ポンプシステム５８を使用して調節することができる。好ましくは、プラズマは、所定の材料処理に特有の材料を生成するために、および材料の基板２５への付着または基板２５の露出面からの材料の除去のいずれかを促進するために用いられる。

例えば、基板２５は、静電クランプシステム２８を介して基板ホルダ２０に付着させることができる。さらに、基板ホルダ２０は、さらに、基板ホルダ２０から熱を受取って、熱を熱交換システム（図示せず）に伝達する、あるいは、加熱時に、該熱交換システムからの熱を伝達する再循環冷却剤の流れを含む冷却システムを含むことができる。また、ガスは、基板２５と基板ホルダ２０の間のガスギャップ熱伝導性を改善するために、裏面ガスシステム２６を介して該基板の裏面に供給することができる。このようなシステムは、該基板の温度制御が、高められた温度または低下した温度で必要な場合に用いることができる。例えば、該基板の温度制御は、プラズマから基板２５に与えられた熱フラックスと、基板ホルダ２０への伝達により基板２５から除去された熱フラックスとのバランスによって実現する、定常状態を越える温度において有用になる。他の実施形態においては、抵抗性加熱要素等の加熱要素、または熱電ヒータ／クーラーを含むことができる。

図２に示す例示的な実施形態においては、基板ホルダ２０は、さらに、それを介して高周波（ＲＦ）電力が、処理領域４５内でプラズマに結合される電極として機能することができる。例えば、基板ホルダ２０は、高周波電源３０からインピーダンス整合ネットワーク３２を介した基板ホルダ２０への高周波電力の伝送を介して、高周波電圧で電気的バイアスをかけることができる。該高周波バイアスは、電子を加熱して、プラズマを形成して維持するように作用することができる。この構成において、上記システムは、反応性イオンエッチング（ｒｅａｃｔｉｖｅ ｉｏｎ ｅｔｃｈ；ＲＩＥ）リアクタとして動作することができ、チャンバ及び上方のガス注入電極は、接地面として作用する。高周波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。

別法として、高周波電力は、多数の周波数で上記基板ホルダ電極に印加することができる。さらに、インピーダンス整合ネットワーク３２は、反射電力を最少化することにより、処理チャンバ１０内での高周波電力のプラズマへの伝達を最大化するように機能することができる。様々な整合ネットワーク形態（例えば、Ｌ型、π型、Ｔ型等）及び自動制御法を用いることができる。

図２に対する説明を続けると、プロセスガスは、ガス注入システム４０を介して処理領域４５に導入することができる。プロセスガスは、例えば、酸化エッチング用途の場合、アルゴン、ＣＦ_４及びＯ_２、または、アルゴン、Ｃ_４Ｆ_８及びＯ_２等のガスの混合物、あるいは、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等の他の化学物質を含むことができる。ガス注入システム４０は、シャワーヘッドを含むことができ、この場合、プロセスガスは、ガス供給システム（図示せず）から、ガス注入プレナム（図示せず）、一連のバッフルプレート（図示せず）及び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）を介して処理領域４５に供給される。

真空ポンプシステム５８は、例えば、毎秒５０００リットル（以上）の供給速度が可能なターボ分子真空ポンプ（ｔｕｒｂｏ−ｍｏｌｅｃｕｌａｒ ｖａｃｕｕｍ ｐｕｍｐ；ＴＭＰ）と、チャンバ圧力を変化させる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に用いられる関連するプラズマ処理装置においては、毎秒１０００から３０００リットルのＴＭＰが一般に使用される。ＴＭＰは、一般的には、５０ｍＴｏｒｒ以下の低圧処理に有用である。高圧においては、ＴＭＰの供給速度は、劇的に低下する。高圧処理（すなわち、１００ｍＴｏｒｒ以上）の場合、メカニカルブースターポンプ及びドライ粗引きポンプを使用することができる。さらに、チャンバ圧力を監視する装置（図示せず）が、プロセスチャンバ１６に結合される。圧力計測装置は、例えば、マサチューセッツ州アンドーバー（Ａｎｄｏｖｅｒ，ＭＡ）のＭＫＳ株式会社（ＭＫＳ Ｉｎｓｔｒｕｍｅｎｔｓ，Ｉｎｃ．）から市販されているＴｙｐｅ６２８Ｂ Ｂａｒａｔｒｏｎ絶対容量マノメータとすることが可能である。

図１に示すように、プロセスパフォーマンス制御システム１００は、プロセスツール１０に結合され、複数のセンサからツールデータを受取るように構成されたプロセスパフォーマンスコントローラ５５を含む。該複数のセンサは、プロセスツール１０に固有のセンサと、プロセスツール１０に対して付加的なセンサの両方を含むことができる。プロセスツール１０に固有のセンサは、ヘリウム裏面ガス圧力、ヘリウム裏面フロー、静電クランプ（ｅｌｅｃｔｒｏｓｔａｔｉｃ ｃｌａｍｐｉｎｇ；ＥＳＣ）電圧、ＥＳＣ電流、基板ホルダ２０の温度（または下方電極（ｌｏｗｅｒ ｅｌｅｃｔｒｏｄｅ；ＬＥＬ）温度）、冷却剤温度、上方電極（ｕｐｐｅｒ ｅｌｅｃｔｒｏｄｅ；ＵＥＬ）温度、フォワード高周波電力、反射高周波電力、高周波自己誘導ＤＣバイアス、高周波ピークトゥピーク電圧、チャンバ壁温度、プロセスガス流量、プロセスガス部分圧力、チャンバ圧力、容量設定（すなわち、Ｃ_１及びＣ_２の位置）、フォーカスリング厚さ、高周波時間、フォーカスリング高周波時間及びそれらの統計量の計測等のプロセスツール１０の機能性に関係するセンサを含むことができる。別法として、プロセスツール１０に固有のセンサは、例えば、図２に示すような処理領域４５内のプラズマから射出される光を監視する光検知装置３４、または図２に示すようなプロセスツール１０の電子装置を監視する電気計測装置３６等の、プロセスツール１０の機能性に直接関連しないセンサを含むことができる。

例えば、光検知装置３４は、（シリコン）フォトダイオード、あるいは、プラズマから射出される総光密度を計測する光電子増倍管（ｐｈｏｔｏｍｕｌｔｉｐｌｉｅｒ ｔｕｂｅ；ＰＭＴ）等の検出器を含むことができる。該装置は、さらに、狭帯域干渉フィルタ等の光フィルタを含むことができる。代替の実施形態においては、光検知装置３４は、ラインＣＣＤ（電荷結合デバイス）またはＣＩＤ（電荷注入素子）アレイ、および格子及びプリズム等の光分散デバイスを含むことができる。また、光検知装置３４は、所定の波長で光を計測するモノクロメータ（例えば、格子／検出器装置）、または、例えば、米国特許第５，８８８，３３７号明細書に記載されている装置のような、光スペクトルを計測する（例えば、回転格子を有する）スペクトロメータを含むことができる。

例えば、光検知装置３４は、ピークセンサシステム（Ｐｅａｋ Ｓｅｎｓｏｒ Ｓｙｓｔｅｍｓ）の高分解能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（ｕｌｔｒａｖｉｏｌｅｔ；ＵＶ）、可視（ｖｉｓｉｂｌｅ；ＶＩＳ）及び近赤外線（ｎｅａｒ ｉｎｆｒａｒｅｄ；ＮＩＲ）光スペクトルに及ぶ広範囲のスペクトルを有する。分解能は、約１．４オングストロームであり、すなわち、該センサは、２４０から１０００ｎｍの５５５０波長を集めることが可能である。該センサは、２０４８画素のリニアＣＣＤアレイと一体化されている、高感度小型光ファイバＵＶ−ＶＩＳ−ＮＩＲスペクトロメータを備えている。

該スペクトロメータは、単一の及び束ねられた光ファイバを介して伝送された光を受け、該光ファイバから出力された光は、一定の格子を用いて、上記ラインＣＣＤアレイの全域に分散される。上述した構成と同様に、光真空ウィンドウを介して放射される光は、凸状球面レンズを介して光ファイバの入力端部に収束される。各々が、所定のスペクトル範囲（ＵＶ、ＶＩＳ及びＮＩＲ）に対して特に調節されている３つのスペクトロメータは、プロセスチャンバのためのセンサを構成する。各スペクトロメータは、独立したＡ／Ｄ変換器を含む。そして、該センサの利用により、全放射スペクトルを、０．１から１．０秒毎に記録することができる。

電気計測装置３６は、例えば、処理領域４５、電力計またはスペクトルアナライザを含む電気システムの電圧、電流、インピーダンス及び位相等の電気的特性をモニタリングする、電流および／または電圧プローブを含むことができる。例えば、プラズマ処理システムは、しばしば高周波電力を用いてプラズマを生成するが、この場合、例えば、同軸ケーブルまたは構造等の高周波伝送ラインは、高周波エネルギを電気結合素子（例えば、誘導コイル、電極等）を介してプラズマに結合するのに用いられる。例えば、電流電圧プローブを用いた電気的計測は、高周波伝送ライン内等の電気（ＲＦ）回路内のどこでも行うことができる。さらに、電圧または電流のタイムトレース等の電気信号の計測は、（周期的信号と仮定して）個別のフーリエ級数表示を用いた該信号の周波数空間への変換を可能にする。そして、フーリエスペクトル（または、時間変化信号の場合、周波数スペクトル）は、材料処理システム１の状態を特徴付けるために、監視して分析することができる。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特許出願第６０／２５９，８６２号、および米国特許第５，４６７，０１３号明細書に詳細に記載されているような装置とすることができ、これらは全体として参照してここに組み込まれる。

代替の実施形態においては、電気計測装置３６は、材料処理システム１に対して外部に放射された高周波場を計測するのに有用な広帯域高周波アンテナを備えることができる。一般入手可能な広帯域高周波アンテナは、Ａｎｔｅｎｎａ Ｒｅｓｅａｒｃｈ Ｍｏｄｅｌ ＲＡＭ−２２０（０．１ＭＨｚから３００ＭＨｚ）等の広帯域アンテナである。

一般に、複数のセンサは、どのような数のセンサも固有かつ付加的に含むことができ、またプロセスパフォーマンス制御システム１００のプロセスパフォーマンスコントローラ５５にツールデータを与えるために、プロセスツール１０に結合することができる。

上述したように、プロセスパフォーマンス制御システム１００は、プロセスパフォーマンスコントローラ５５を含む。プロセスパフォーマンスコントローラ５５は、マイクロプロセッサ、メモリ、および材料処理システム１への入力や材料処理システム１からのモニタ出力を伝送しかつ動作させるのに十分な制御電圧を生成することができる（Ｄ／Ａおよび／またはＡ／Ｄ変換器を含んでもよい）ディジタルＩ／Ｏポートを含むことができる。また、プロセスパフォーマンスコントローラ５５は、高周波電源３０、インピーダンス整合ネットワーク３２、ガス注入システム４０、真空ポンプ装置５８、裏面ガス供給システム２６、静電クランプシステム２８、光検知装置３４及び電気計測装置３６に結合され、かつそれらと情報を交換する。上記メモリに格納されたプログラムは、格納されたプロセス方法に従って、材料処理システム１の上述した構成要素に対する入力を活動化するのに用いられる。プロセスパフォーマンスコントローラ５５の一例は、テキサス州オースチン（Ａｕｓｔｉｎ，Ｔｅｘａｓ）のデルコーポレーション（Ｄｅｌｌ Ｃｏｒｐｏｒａｔｉｏｎ）から入手可能な、ＤＥＬＬ ＰＲＥＣＩＳＩＯＮ ＷＯＲＫＳＴＡＴＩＯＮ ５３０（商標）である。別法として、プロセスパフォーマンスコントローラ５５は、ディジタル信号プロセッサ（ＤＳＰ）を備えることが可能である。

図３に示すように、材料処理システム１は、磁界装置６０を含むことができる。例えば、磁界システム６０は、プラズマ密度を増加させるためおよび／または材料処理均一性を改善するために、静止、あるいは機械的または電気的回転ＤＣ磁界を含むことができる。また、プロセスパフォーマンスコントローラ５５は、磁場強度または回転速度を調整するために、磁界システム６０に結合することができる。

図４に示すように、図１の材料処理システムは、上方電極７０を含むことができる。例えば、高周波電力は、高周波電源７２からインピーダンス整合ネットワーク７４を介して上方電極７０に結合することができる。高周波電力の該上方電極への印加のための周波数は、好ましくは１０ＭＨｚから２００ＭＨｚであり、好ましくは６０ＭＨｚである。また、上記下方電極への高周波電力の印加のための周波数は、好ましくは０．１ＭＨｚから３０ＭＨｚであり、好ましくは２ＭＨｚである。また、プロセスパフォーマンスコントローラ５５は、上方電極７０への高周波電力の印加を制御するために、高周波電源７２及びインピーダンス整合ネットワーク７４に結合することができる。上方電極のデザイン及び実装は、当業者には公知である。

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を含むことができる。例えば、高周波電力は、高周波電源８２からインピーダンス整合ネットワーク８４を介して誘導コイル８０に結合することができ、高周波電力は、誘導コイル８０から絶縁ウィンドウ（図示せず）を介してプラズマ処理領域４５に誘導結合することができる。高周波電力の誘導コイル８０への印加のための周波数は、好ましくは１０ＭＨｚから１００ＭＨｚであり、好ましくは１３．５６ＭＨｚである。同様に、高周波電力のチャック電極への印加のための周波数は、好ましくは０．１ＭＨｚから３０ＭＨｚであり、好ましくは１３．５６ＭＨｚである。また、誘導コイル８０とプラズマとの間の容量性結合を低減するために、溝穴のあいたファラデーシールド（図示せず）を用いることができる。また、プロセスパフォーマンスコントローラ５５は、誘導コイル８０への高周波電力の印加を制御するために、高周波電源８２及びインピーダンス整合ネットワーク８４に結合することができる。代替の実施形態においては、誘導コイル８０は、変圧器結合プラズマ（ｔｒａｎｓｆｏｒｍｅｒ ｃｏｕｐｌｅｄ ｐｌａｓｍａ；ＴＣＰ）リアクタのように、上方からプラズマ処理領域４５と連通する「うず巻き（ｓｐｉｒａｌ）」コイルまたは「平形コイル（ｐａｎｃａｋｅ）」コイルとすることができる。

別法として、プラズマは、電子サイクロトロン共鳴（ｅｌｅｃｔｒｏｎ ｃｙｃｌｏｔｒｏｎ ｒｅｓｏｎａｎｃｅ；ＥＣＲ）を用いて生成することができる。また別の実施形態においては、プラズマは、ヘリコン波の発射によって生成される。さらに別の実施形態においては、プラズマは、伝播表面波によって形成される。

上述したように、プロセスパフォーマンス予測モデル１００は、ツールデータとプロセスパフォーマンスデータとの関係を設定し、そのため、該モデルは、ツールデータの所定の観測に対するプロセスパフォーマンスデータの予測を可能にする。以下は、プロセスパフォーマンス予測モデル１１０を構成する方法についての説明である。

表１は、６１のツールデータパラメータを含む、プロセスパフォーマンスデータと関連付けられるツールデータの例示的なセットを示す。

表１：例示的なツールデータ
また、ダマシンプロセスの一部としてのトレンチエッチングに属するプロセスパフォーマンスデータの例示的なセットは、平均（ｍｅａｎ）トレンチエッチング深さ及びトレンチエッチング深さ範囲を含むことができる。平均（ｍｅａｎ）トレンチエッチング深さは、例えば、基板上の複数の位置におけるトレンチエッチング深さの空間的なアベレージ（ａｖｅｒａｇｅ）を含むことができる。トレンチエッチング深さ範囲は、例えば、最少最大範囲、平方偏差、標準偏差、または該エッチング深さの平均（ｍｅａｎ）値に関するデータ分散の二乗平均平方根（ｒｍｓ）を含むことができる。

トレンチエッチング深さ及びトレンチエッチング深さ範囲の計測は、割れ目が形成された基板からのＳＥＭ（ｓｃａｎｎｉｎｇ ｅｌｅｃｔｒｏｎ ｍｉｃｒｏｓｃｏｐｅ）顕微鏡写真を見るための走査型電子顕微鏡（ＳＥＭ）を用いて直接に、あるいは、例えば、ＤＵＶ分光偏光解析法（例えば、「鏡面スペクトルスキャタロメトリ（Ｓｐｅｃｕｌａｒ ｓｐｅｃｔｒｏｓｃｏｐｉｃ ｓｃａｔｔｅｒｏｍｅｔｒｙ）」，ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ Ｍａｎｕｆａｃｔｕｒｉｎｇ，Ｖｏｌ．１４，Ｎｏ．２，２００１年５月、その全体が参照してここに組み込まれる）のような、高等なその場での技術を用いて間接的に実行することができる。オプティカルディジタルプロフィロメトリ（ｏｐｔｉｃａｌ ｄｉｇｉｔａｌ ｐｒｏｆｉｌｏｍｅｔｒｙ；ＯＤＰ）を備える一般入手可能な製品は、Ｔｉｍｂｒｅ Ｔｅｃｈｎｏｌｏｇｉｅｓ，Ｉｎｃ．，Ｔｈｅｒｍａ−Ｗａｖｅ，Ｉｎｃ．（１２５０ Ｒｅｌｉａｎｃｅ Ｗａｙ，Ｆｒｅｍｏｎｔ，ＣＡ ９４５３９）のハードウェアと結合されたＡ ＴＥＬ Ｃｏｍｐａｎｙ（５３４１ Ｒａｎｄａｌｌ Ｐｌａｃｅ，Ｆｒｅｍｏｎｔ，ＣＡ ９４５３８）によって販売され、配布されている。

ツールデータ及び対応するプロセスパフォーマンスデータの両方を含むデータの各セットは、観測セットを含み、単一の観測は、基板毎に行うことができるか、あるいは、複数の観測は、基板毎に実行することができる。ツールデータ及びプロセスパフォーマンスデータを含む観測セットにおける各観測は、ｎ次数統計（すなわち、時間アベレージ（ａｖｅｒａｇｅ）、タイムトレースのｒｍｓ、タイムトレースのひずみ度等）を含むことができる。例えば、各観測セットは、処理された基板に対応させることができ、各ツールデータパラメータは、プロセスの期間中にサンプリングされ、調整され（例えば、サンプリングされたデータの始まりと終わりのデータは、始点／終点過渡を移動させるように調整される）、アベレージ化（ａｖｅｒａｇｅｄ）される。

複数の観測セットを仮定すれば、該複数の観測セットにおけるツールデータと、該複数の観測セットにおけるプロセスパフォーマンスデータとの関係は、多変量解析（ｍｕｌｔｉｖａｒｉａｔｅ ａｎａｌｙｓｉｓ；ＭＶＡ）を用いて判断することができる。このような関係を判断するための１つの例示的なＭＶＡ法は、部分最少二乗（ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅｓ；ＰＬＳ）モデリングである。

ＰＬＳを用いて、ツールデータの観測セットは、複数のセンサから受取られる。各観測セットに対して、ツールデータは、行列Ｘの行として格納することができ、プロセスパフォーマンスデータは、行列Ｙの行として格納することができる。すなわち、行列Ｘが一旦組立てられると、各行は異なる観測を表わし、各列は、（表１からの）異なるツールデータパラメータを表わし、また、行列Ｙが一旦組立てられると、各行は異なる観測を表わし、かつ各列は、異なるプロセスパフォーマンスパラメータを表わす。すなわち、表１のパラメータのセットを用いて、行列Ｘは、大きさがＭ×６１の直交行列となり、Ｍは観測セットの数である。同様に、行列Ｙは、大きさがＭ×２の直交行列である。より一般的には、行列Ｘは、ｍ×ｎ行列とすることができ、行列Ｙは、ｍ×ｐ行列とすることができる。全てのデータが一旦行列に格納されると、データは、必要に応じて平均センタリングし（ｍｅａｎ−ｃｅｎｔｅｒｅｄ）、および／または正規化することができる。行列に格納されたデータを平均センタリング（ｍｅａｎ−ｃｅｎｔｅｒｅｄ）するプロセスは、列要素の平均（ｍｅａｎ）値の計算と、各要素からの平均(ｍｅａｎ）値の減算を伴う。また、行列の列に属するデータは、列内のデータの標準偏差によって正規化することができる。

以下の説明において、ツールデータ及びプロセスパフォーマンスデータのセットは、それによってツールデータが最適化され、かつツールデータとプロセスパフォーマンスデータを関連付けるモデルが設定される方法を示すために、４５の基板によって用いられる（すなわち、上記の説明においては、Ｍ＝４５）。４５のプロセス動作（run）（基板）は、エッチングチャンバ内で処理される３組の基板セットを含み、各基板セットは、チャンバウェットクリーンに先行する。ＰＬＳ解析モデルに含まれるツールデータは表１に示されており、プロセスパフォーマンスデータは、平均（ｍｅａｎ）トレンチエッチング深さ及びトレンチエッチング深さ範囲を含む。

ＰＬＳ解析においては、ツールデータ（Ｘ）をプロセスパフォーマンスデータ（Ｙ）に関連付けるローディング（または相関）係数を定義することができる。ここで、Ｘ、Ｙ，Ｔ，Ｐ，Ｕ，Ｃ，Ｗ，Ｅ，Ｆ，Ｈ等は行列を表すように表記の上にバーが付いたものであるが（数式参照）、文中では省略する。一般に、多変量解析の場合、ツールデータとプロセスパフォーマンスデータの関係は、次のように表わすことができる。

ただし、Ｘは、上述したｍ×ｎ行列を表わし、Ｂは、ｎ×ｐ（ｐ＜ｎ）ローディング（または相関）行列を表わし、Ｙは、上述したｍ×ｐ行列を表わす。

データ行列Ｘ及びＹが一旦組立てられると、Ｘ及びＹ空間に最大限近づけるように、かつＸとＹの相関関係を最大化するように意図された関係が、ＰＬＳ解析を用いて設定される。

ＰＬＳ解析モデルにおいて、行列Ｘ及びＹは、次のように分解される。

ただし、Ｔは、Ｘ変数を要約するスコアの行列であり、Ｐは、行列Ｘのためのローディングの行列であり、Ｕは、Ｙ変数を要約するスコアの行列であり、Ｃは、ＹとＴ（Ｘ）の相関関係を表わす重みの行列であり、Ｅ、Ｆ及びＨは、残りの行列である。さらに、ＰＬＳ解析モデルにおいては、ＵとＸを関連付け、Ｔを計算するのに用いられる重みと呼ばれる追加的なローディングＷがある。要約すると、ＰＬＳ解析は、元のデータテーブルＸ及びＹに良好に近づけ、かつハイパー平面上の観測位置の間の共分散を最大化するという目的によって、線、平面またはハイパー平面を、多次元空間におけるポイントとして表わされるＸ及びＹのデータに適合させることに幾何学的に対応する。

図６は、ＰＬＳ解析に対するデータ入力、Ｘ及びＹ、及び対応する出力Ｔ、Ｐ、Ｕ、Ｃ、Ｗ、Ｅ、Ｆ、Ｈ及び射影における可変重み（ｖａｒｉａｂｌｅ ｉｍｐｏｒｔａｎｃｅ ｉｎ ｔｈｅ ｐｒｏｊｅｃｔｉｏｎ；ＶＩＰ）の概略説明を示す。ＰＬＳ解析モデリングをサポートする一般に入手可能なソフトウェアの実例は、ＳＩＭＣＡ−Ｐ８．０である。このソフトウェアの詳細は、ユーザマニュアルを参照されたい（ＳＩＭＣＡ−Ｐ８．０のユーザガイド：多変量データ解析の新基準（Ａ ｎｅｗ ｓｔａｎｄａｒｄ ｉｎ ｍｕｌｔｉｖａｒｉａｔｅ ｄａｔａ ａｎａｌｙｓｉｓ），Ｕｍｅｔｒｉｃｓ ＡＢ，Ｖｅｒｓｉｏｎ８．０，１９９９年９月）。

一般に、ＳＩＭＣＡ−Ｐは、モデルの設定電力に関する他の重要な情報（すなわち、ＸとＹの間で得られる相関の品質）と、該モデルの予測電力を出力する。例えば、ＳＩＭＣＡ−Ｐは、一度に１つのＰＬＳ要素を繰り返し計算し、それはＸスコアＴ、ＹスコアＵ、重みＷ及びＣ、ローディングＰの各々の１つのベクトルである。ＰＬＳ要素は、重みの降順に計算される。各ＰＬＳ要素の後、ＳＩＭＣＡ−Ｐは、次のこと、すなわち、電流要素（Ｒ^２Ｘ、Ｒ^２Ｙ）で説明される全てのＹ及びＸの二乗の和（ｔｈｅ ｓｕｍ ｏｆ ｓｑｕａｒｅｓ；ＳＳ）の分数、電流要素（Ｒ^２Ｘａｄｊ、Ｒ^２Ｙａｄｊ）で説明される全てのＹ及びＸの平方偏差の分数、全ての導出された要素（Ｒ^２Ｘ（ｃｕｍ）、Ｒ^２Ｙ（ｃｕｍ））で説明される全てのＹ及びＸの累積ＳＳと、全ての導出された要素（Ｒ^２Ｘａｄｊ（ｃｕｍ）、Ｒ^２Ｙａｄｊ（ｃｕｍ））で説明される全てのＹ及びＸの累積平方偏差を表示することができる。

さらに、各有効変数に対して、ＳＳの一部（Ｒ^２Ｖ）または説明した平方偏差（Ｒ^２Ｖａｄｊ）を表示することができる。この値は、電流成分のために、および、全てのＰＬＳ成分のために漸増的に計算される。応答変数Ｙの場合、この値は、Ｒ^２（多重相関係数）、すなわち適合の「良好性」に相当する。例えば、上記のデータを用いると、図７は、各プロセスパフォーマンスパラメータ、すなわち、平均（ｍｅａｎ）エッチング深さ及びエッチング深さ範囲に対するＹ（Ｒ^２ＶＹ（ｃｕｍ））のこの値を示す。図７を見ると、各適合の「良好性」は、最初の４つのＰＬＳ成分を用いた場合、９７％を超えている。

一般に、モデル次元（重要なＰＬＳ成分の数）を決めるのに用いる追加的な判定基準は、クロスバリデーションである。クロスバリデーションの場合、観測は、モデル展開から避けられており、該避けられた観測に対する応答値（Ｙ）は、該モデルによって予測され、実際の値と比較される。この手順は、各観測が一旦、および一度だけ避けられるまで、数回繰り返される。平方の予測誤差合計（ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｅｒｒｏｒ ｓｕｍ ｏｆ ｓｑｕａｒｅｓ；ＰＲＥＳＳ）は、観測されたＹと観測が避けられた場合の予測値との平方差である。各次元に対して、全体のＰＲＥＳＳ／ＳＳが計算され、ＳＳは、直前の次元の平方の残余合計であり、また各Ｙ変数（ｍ）に対する（ＰＲＥＳＳ／ＳＳ）ｍである。これらの値は、上記モデルの予測電力の良好な計測値である。例えば、ＳＩＭＣＡ−Ｐは、この情報を次のように、すなわち、成分（Ｑ^２＝（１．０−ＰＲＥＳＳ／ＳＳ））によって予測できるＹの全体の変動の一部、成分（Ｑ^２Ｖ＝（１．０−ＰＲＥＳＳ／ＳＳ）ｍ）によって予測できる変数Ｙ_ｍの変動の一部、導出された成分（Ｑ^２ｃｕｍ＝ＩＩ（１．０−ＰＲＥＳＳ／ＳＳ）ａ）に対する累積Ｑ^２、および変数（Ｑ^２Ｖｃｕｍ＝ＩＩ（１．０−ＰＲＥＳＳ／ＳＳ）ｋａ）の累積Ｑ^２Ｖとして表わすことができる。図７は、さらに、各プロセスパフォーマンスパラメータ、すなわち、平均（ｍｅａｎ）エッチング深さ及びエッチング深さ範囲に対する予測電力（Ｑ^２Ｖｃｕｍ）を示す。図７を見ると、各適合の予測電力は、最初の４つのＰＬＳ成分を用いた場合、９１％を超えている。

図８は、上述したツールデータ及びプロセスパフォーマンスデータに対する、ワークセットローディング、ｗ^＊ｃ（１）対ｗ^＊ｃ（２）を示す。該プロットは、Ｘ重み（ｗまたはｗ^＊）及びＹ重み（ｃ）を示し、それによりＸとＹの相関構造を示している。また図８は、Ｘ及びＹ変数が、射影においてどのように結合しているか、およびＸ変数が、どのようにＹ変数と関連しているかを示している。例えば、２つの領域（右上角および左下角）は、「強い」相関が、ツールデータパラメータとプロセスパフォーマンスパラメータとの間にある領域を示している。

図９は、ワークセットスコア、ｔ（１）対ｕ（１）を示す。このプロットは、射影されたＸ（Ｔ）及びＹ（Ｕ）空間の対象を示し、Ｙ空間座標（ｕ）が、どのようにうまくＸ空間座標（ｔ）と相関しているかを示している。

図１０及び図１１は、それぞれ、平均（ｍｅａｎ）エッチング深さモデル及びエッチング深さ範囲モデルのために各ツールデータパラメータに割り当てられた係数を示す。

一旦、ＰＬＳ解析が完了し、かつ上記の出力行列が計算されると、Ｘ行列における各項または列のＹ行列に対する影響、すなわちＶＩＰが決定される。ＶＩＰは、寄与変数影響（ｖａｒｉａｂｌｅ ｉｎｆｌｕｅｎｃｅ；ＶＩＮ）の全てのモデル次元に対する合計である。所定のＰＬＳ次元の場合、（ＶＩＮ）_ｉｊ ^２は、該項のＰＬＳ重みの二乗（ｗ_ｉｊ）^２に関連する。（全てのＰＬＳ次元に対して）累積された値、

は、別の解析に用いられる。一旦、行列Ｘの各変数に対してＶＩＰが計算されると、該ＶＩＰは、上記変数に対して降順で分類しかつプロットすることができる。最大ＶＩＰを有するそれらの変数は、行列Ｙにおけるプロセスパフォーマンスデータに対して最大のインパクトを有することになる。

例えば、図１２は、単調な降順で（４つのＰＬＳ成分モデルに対する）ＶＩＰを示す（すなわち、プロットの左側にあるツールデータパラメータは、該モデルにおいて最も重要なパラメータである）。

図１２のＶＩＰデータを用いて、プロセスパフォーマンスデータＹ上の所定のツールデータパラメータの相対重要度を評価することができ、それによりデータ行列Ｘを、元のデータ行列Ｘの変数次元ｎを減じることによってさらに正確にすることができる。プロセスパフォーマンスデータに対して最少のインパクトまたは小さな重要度の変数を捨てるのに用いる例示的な判定基準は、（１）ＶＩＰが、所定のしきい値内に入る変数を捨てること（図１３参照）、（２）最下１０（１０ｔｈ）の百分位数または他の所定の範囲内のＶＩＰと関連する変数を捨てること（あるいは、換言すれば、上位９０（９０ｔｈ）の百分位数の最大ＶＩＰに関連する変数を保持するが、選択された百分位数のしきい値または範囲を本願明細書に記載した９０／１０の実施形態と異ならせることができることに注意する）、（３）該変数に対するＶＩＰの一次、二次またはそれ以上の微分を、それ以下またはそれ以上で、それらの変数が捨てられる、ＶＩＰのための値を選択するのに用いてもよいこと（すなわち、一次または二次微分の最大値、または、一次微分が所定のしきい値傾斜以下になる場合）を含む。

上述した判定基準のうちのいずれか一つを用いて、プロセスパフォーマンスデータに対して最少のインパクトを有する変数を捨てることができる。このデータの低減または洗練も、データ行列Ｘの列空間を、ｐ（上記の実施例において６１）からｑ（例えば、＜６１パラメータ）に低減し、ｍ×ｑ次元（４５×＜６１）の「新たな」低減されたまたは洗練されたデータ行列Ｘ^＊を生成する。一旦、最初のデータ低減が発生すると、ツールデータとプロセスパフォーマンスデータの間に「良好な」モデルを設定するそれらのツールデータパラメータの重要度を格納することができる。そして、データ行列Ｘ^＊のさらなる洗練または低減を実行することができ、および／または上記方法を、低減されたデータ行列Ｘ^＊を用いてＰＬＳ解析モデルから出力行列を再計算すること、およびツールデータとプロセスパフォーマンスデータとの関係を設定する相関行列Ｂを決めることによって進めることができる。

ここで、図６に示した概略図に従うＰＬＳモデルは、低減された行列Ｘ^＊が、ＰＬＳ解析への入力として用いられる点を除いて、繰り返される。そして、出力行列が再計算される。上述したように、図１３に関する説明に従うＶＩＰは、データ行列Ｘをさらに正確にするために検討することができ、あるいは、相関行列Ｂは、次の関係を用いて、出力データから求めることができる。

一旦、データ行列Ｘ^＊が最適化されると、相関行列Ｂを計算するのに必要な出力行列を更新または再計算するために、最終的にＰＬＳ解析を通すことが、一般に必要となる。そして、式（４）は、サンプリングされたツールデータから予測プロセスパフォーマンスデータを導出するのに用いられる相関係数のセットをもたらす。

図１４は、計測した平均（ｍｅａｎ）トレンチエッチング深さ対予測した平均（ｍｅａｎ）トレンチエッチング深さを示し、図１５は、計測したトレンチエッチング深さ範囲対予測したトレンチエッチング深さ範囲を示す。まとまった傾斜は、計測値と予測値との間の良好な一致を示している。

図１６を用いて、プロセスパフォーマンス予測モデルを構成する方法を説明する。処理手順５５０はステップ５１０で始まり、行列Ｘは、観測されたツールデータから組立てられる。上述したように、各列は、異なるツールデータパラメータを表わし、かつ各行は、観測を表わす。同様に、ステップ５２０において、行列Ｙは、観測されたプロセスパフォーマンスデータを用いて組立てられる。ここでまた、各列は、異なるプロセスパフォーマンスデータパラメータを表わし、各行は、観測を表わす。ステップ５３０において、行列Ｘ及びＹは、ＰＬＳ解析モデルに入力されて、上述した出力データ（例えば、ローディングデータ、重み付けデータ、スコアデータ、ＶＩＰデータ等；図６から図１２参照）を計算する。ステップ５４０において、ＰＬＳ出力統計は、電力および／または予測電力に適合するＰＬＳが受け容れられるか否かを判断するためにチェックされる。ステップ５５０において、ＶＩＰデータは、図１２に示すように、降順でプロットされて解析される。ＰＬＳ解析からのステップ５５０におけるデータを用いて、行列Ｘをさらに正確にするか否かの判断が、ステップ５６０において実行される。洗練（すなわち、ツールデータパラメータの数の、重要なツールデータパラメータのみへの低減）が必要な場合には、上記手順は、ステップ５７０の後に、対応する新たな重み、ローディング、変数影響及びスコア行列を再計算するために、新たなデータ行列Ｘ^＊を用いてＰＬＳ解析を繰り返す。ステップ５７０において、図１２に示したＶＩＰ情報に関連して説明した判断基準は、行列Ｘを新たな行列Ｘ^＊に変換するのに用いられ、変換された行列は、プロセスパフォーマンスデータにとっては重要ではないと考えられる変数（列）を捨てる（例えば、ツールデータパラメータとプロセスパフォーマンスデータとの間には、弱い相関または最少のインパクトがある）。一旦、ステップ５６０で、行列Ｘ^＊が最終決定されたと判断されると、ステップ５８０が実行される。ステップ５８０は、プロセスパフォーマンス予測モデルとしての最新の利用のために、式（４）から相関行列Ｂを計算することを含む。ステップ５９０において、該プロセスパフォーマンス予測モデルは、例えば、障害検知アルゴリズムに組み込まれる。

一旦、相関行列Ｂが評価される（または、プロセスパフォーマンス予測モデルが作成される）と、相関行列Ｂを障害検知アルゴリズムの一部として用いて、プロセス障害の確実な判断及び予測を生成することができる。該障害検知アルゴリズムは、一般に、様々なプロセスに適用することができるが、上述したように、生成された特定の相関行列Ｂは、特定のプロセスツールの特定のプロセスに対して固有のものとなる。例えば、エッチング等のシリコン処理は、図１から図５に示したのと同様のプロセスツールで実行することができる。

図１７は、本発明の一実施形態によるプロセスパフォーマンス予測モデルを用いる材料処理システムのための障害状態を検知する方法を示す。該方法は、特定のプロセスのためにチャンバ条件を準備することによるステップ６１０で始まる処理手順６００を含む。例えば、該チャンバ設定は、処理すべき基板を装填することと、真空チャンバを基本圧力まで低下させることと、プロセスガスの流れを初期化することと、真空ポンプスロットルバルブを調節してチャンバプロセス圧力を設定することとを含む。ステップ６２０において、プラズマは、例えば、図２から図５を参照して説明したような電極への高周波電力の印加によって加熱され、それによって該プロセスを始める。ステップ６３０において、ツールデータの観測が記録される。ステップ６４０において、上記設定されたプロセスパフォーマンス予測モデルは、プロセスパフォーマンスデータを予測するために、該観測されたツールデータと共に用いられ、これは、記録されたツールデータを、例えば、ベクトル乗算（または行列乗算）によって１つ以上の相関データ（プロセスパフォーマンス予測モデル）上に射影することを含む。ステップ６５０において、予測されたプロセスパフォーマンスデータは、目標のプロセスパフォーマンスデータと比較される。該比較は、数値差から差データを生成すること、および数値差の二乗を生成すること等を含む。ステップ６６０において、該差データは、しきい差データと比較され、該差データが該しきい差データを超えた場合に、該プロセスに対して、障害が検知されおよび／または予測され、逆に、該差データが該しきいデータを超えていない場合には、該プロセスは、許容範囲内で行われる。該プロセスが、許容範囲内で行われている場合、該プロセスは、ステップ６７０において継続することができる。障害が検知されまたは予測された場合、オペレータは、ステップ６８０において気付くことが可能である。

上述した説明においては、プロセスパフォーマンス予測モデル１１０を構成する方法及び障害検知に対して該モデルを適用する方法について説明してきた。上記の実施例を用いて、障害の検知を、平均（ｍｅａｎ）トレンチエッチング深さまたはトレンチエッチング深さ範囲のいずれかにおける障害と関連付けることができる（例えば、プロセス速度および／またはプロセス均一性のうちの一方）。

例えば、平均（ｍｅａｎ）トレンチエッチング深さにおける障害の発生は、プロセスツールパフォーマンス（例えば、プロセスドリフト等）、センサノイズ、センサ較正におけるドリフト等の不安定さにより生じる可能性がある。プロセスパフォーマンスの変動を引き起こす、run-to-runから生じる多数の変数が存在する。しかし、プロセスパフォーマンス予測モデル１１０の生成の場合、前の動作からのツールデータの観測を用いたプロセスパフォーマンスデータの予測は、不安定なプロセスを補正するために、プロセス方法を更新するのに用いることができる。

上述したように、（ダマシン構造）トレンチエッチのためのプロセス方法に必要な要件は、トレンチエッチング速度の知識を要するトレンチエッチング時間である。本発明の一実施形態によれば、プロセスパフォーマンス予測モデル１１０は、ツールデータの観測から平均（ｍｅａｎ）トレンチエッチング深さを予測するのに用いることができる。予測された平均（ｍｅａｎ）トレンチエッチング深さｄ_{ｐｒｅｄｉｃｔｅｄ}を、前の動作中のエッチング時間τ_ｏｌｄで割ると、予測平均（ｍｅａｎ）トレンチエッチング速度ε_{ｐｒｅｄｉｃｔｅｄ}が得られる（すなわち、ε_{ｐｒｅｄｉｃｔｅｄ}＝ｄ_{ｐｒｅｄｉｃｔｅｄ}／τ_ｏｌｄ）。

プロセスパフォーマンス予測モデル１１０及び前の動作の既知のエッチング時間を用いた、平均（ｍｅａｎ）トレンチエッチング速度の予測に続いて、補正したエッチング時間を、プロセス方法補正フィルタ１２０を用いて決めることができる。プロセス方法補正フィルタ１２０は、エッチング時間の古い値、該エッチング時間の予測値及びフィルタ係数を用いた、該プロセス方法におけるエッチング時間を補正する指数関数的に重み付けされた移動アベレージ（ｅｘｐｏｎｅｎｔｉａｌｌｙ ｗｅｉｇｈｔｅｄ ｍｏｖｉｎｇ ａｖｅｒａｇｅ；ＥＷＭＡ）、すなわち、

を含むことができ、ただし、λはＥＷＭＡフィルタ係数（０≦λ≦１）であり、τ_ｏｌｄは、前の動作の（古い）プロセス方法エッチング時間であり、τ_{ｐｒｅｄｉｃｔｅｄ}は、（ダマシン）トレンチ構造の場合の、既知のエッチング深さｄ及び予測エッチング速度（すなわち、τ_{ｐｒｅｄｉｃｔｅｄ}＝ｄ／ε_{ｐｒｅｄｉｃｔｅｄ}）を用いた予測エッチング時間であり、τ_ｎｅｗは、次の動作に対する（新たな）プロセス方法エッチング時間である。λ＝０の場合には、新たなエッチング時間は、古いエッチング時間と等しく、λ＝１の場合には、新たなエッチング時間は、上記予測エッチング時間に等しいことに注意する。

図１８は、二乗平均平方根誤差（ｒｏｏｔ ｍｅａｎ ｓｑｕａｒｅ ｅｒｒｏｒ；ＲＭＳＥ）を最適化し、かつアルゴリズム安定性を最大化する上記平均（ｍｅａｎ）トレンチエッチング深さの予測のための最適なフィルタ係数λの計測を示す。一連の５２の基板は、４つのウェットクリーンサイクルを含むプロセスツール１０によって実行された。最初のウェットクリーンは、基板番号１に先行し（すなわち、最初のウェットクリーンサイクルは、基板１から１６を含み）、第２のウェットクリーンは、基板番号１７に先行し（すなわち、第２のウェットクリーンサイクルは、基板１７から３６を含み）、第３のウェットクリーンは、基板番号３７に先行し（すなわち、第３のウェットクリーンサイクルは、基板３７から４７を含み）、第４のウェットクリーンは、基板番号４８に先行した（すなわち、第４のウェットクリーンサイクルは、基板４８から５２を含む）。該５２の基板の実行中、基板番号１から２５は、プロセスパフォーマンス予測モデル１１０の生成に用いられ、基板番号２６から５２は、モデル評価に用いられた。

一般に、モデル評価のための基板番号２６から５２を用いた場合、計測し予測したデータのＲＭＳＥは、プロセスパフォーマンス予測モデル１１０を定量化するのに用いられ、該ＲＭＳＥは、次のように定義される。

式（６）において、ｉ＝１からｎに対する合計は、モデル評価に用いられる基板（２６から５２）に対する合計を表わし、ε_{ｍｅａｓｕｒｅｄ}は、アベレージ（ａｖｅｒａｇｅ）計測エッチング速度を表わす。図１８を見ると、明らかに、上述の例示的なプロセスの場合の最適なフィルタ係数λは、λ＝０．５である。プロセス方法補正フィルタ１２０によれば、プロセスコントローラ１３０は、各基板動作の前に、プロセス方法エッチング時間を更新することができる。

図１９は、プロセスパフォーマンス予測モデル１１０及びプロセス方法補正フィルタ１２０（λ＝０．５）を用いた計測トレンチエッチング速度（オングストローム（Ａ）／分（ｍｉｎ））及び予測トレンチエッチング速度を、基板番号の関数として示す。図１９を見ると、計測結果と予測結果の一致が、（約５３００オングストローム／分エッチの場合）アベレージ誤差（ａｖｅｒａｇｅ ｅｒｒｏｒ）２６．５オングストローム／分で非常に良好であることが明らかである。

該アベレージ誤差（ａｖｅｒａｇｅ ｅｒｒｏｒ）は、プロセスパフォーマンス予測モデル１１０の定期的な更新を実施することによってさらに改善することができる。基板処理における所定の間隔で、基板は、プロセスツール１０から、プロセスパフォーマンスデータの計測のための計測ツール１４０へ移送することができる。上記の例示的なプロセスに従って、プロセスパフォーマンスデータは、平均（ｍｅａｎ）トレンチエッチング深さ及びトレンチエッチ範囲を含むことができる。このデータは、上述したように、計測ツール１４０において従来の技術を用いて計測することができる。

プロセスパフォーマンスデータの計測は、プロセスパフォーマンスモデル補正アルゴリズム１５０に行わせることができる。ツールデータ及び対応する計測したプロセスパフォーマンスデータは、ツールデータ行列Ｘ及びプロセスパフォーマンスデータ行列Ｙに挿入され、相関行列Ｂは、図１６に関して説明したように、ＰＬＳ解析を用いて再評価される。そして、更新された相関行列は、電流プロセスパフォーマンス予測モデル１１０の置換のためのプロセスパフォーマンス予測モデル１１０に行わせることができる。図２０は、図１９のデータを示し、プロセスパフォーマンス予測モデル１１０は、プロセスパフォーマンス補正アルゴリズム１５０を用いて定期的に更新される。アベレージ誤差（ａｖｅｒａｇｅ ｅｒｒｏｒ）は、さらに、２４．７オングストローム／分まで低減される。

図２１は、本発明の実施形態によるプロセスパフォーマンス制御システムを用いた材料処理システムにおけるプロセスを制御する方法を示す。該方法は、図示されたプロセスが実行されるステップ７１０で始まる処理手順７００を含む。例えば、プロセス実行は、チャンバ設定（例えば、処理すべき基板を装填すること、真空チャンバを基礎圧力まで下げること、プロセスガスのフローを始めること、および真空ポンプスロットルバルブを調節してチャンバプロセス圧力を設定すること）と、プロセスを始めること（例えば、図２から図５に関して説明したような電極への高周波電力の印加を介してプラズマを加熱すること）と、プロセスを終了させること（例えば、高周波電力を終了させることにより、該プロセス方法によって設定されたプロセス時間に従ってプロセスを完了させることや基板を取り除くこと）とを含むことができる。ステップ７１０のプロセス中に、ツールデータの観測が、ステップ７２０において記録される。ステップ７３０においては、プロセスパフォーマンス予測モデルを更新する決定がなされる。必要に応じて、ステップ７１０のプロセス中に処理された基板は、（ステップ７８０及びステップ７９０に関して以下に説明するような）計測ツールへ移送される。ステップ７４０においては、上記設定されたプロセスパフォーマンス予測モデルが、プロセスパフォーマンスデータを予測するために、上記観測されたツールデータと共に用いられ、これは、記録されたツールデータを、例えば、ベクトル乗算（または行列乗算）によって１つ以上の相関データ（プロセスパフォーマンス予測モデル）上に射影することを含む。

ステップ７５０において、上記プロセス方法補正フィルタは、プロセス方法補正を判断することにより該プロセス方法を補正するために、ＥＷＭＡフィルタ及びプロセスパフォーマンスデータのモデル予測を用いる。該プロセス方法に対する補正は、例えば、エッチング時間に対する補正を含むことができる。該ＥＷＭＡフィルタは、フィルタ係数を用い、好ましくは、選択されたフィルタ係数は、最適なフィルタ係数である。ステップ７６０において、該プロセス方法は、ステップ７７０において、他のプロセスが動作されるか否かを判断する前に、上記プロセスコントローラを用いて更新される。

ステップ７３０が、上記プロセスパフォーマンス予測モデルを更新すべきであると判断した場合には、制御はステップ７８０に移る。ステップ７８０において、プロセスパフォーマンスデータは、上記計測ツールを用いて計測されて、プロセスパフォーマンスモデル補正アルゴリズムに与えられる。ステップ７９０において、該プロセスパフォーマンスモデルアルゴリズムは、上述した処理手順に従って、ＰＬＳ解析を用いる。該ＰＬＳ解析は、（上記計測ツールからの）計測されたプロセスパフォーマンスデータ及び対応するツールデータと、上記電流プロセスパフォーマンス予測モデルの生成に用いられるツールデータ及びプロセスパフォーマンスデータを用いる。適切な場合（基板動作を実行することに関してプロセスパフォーマンス予測モデルを更新する時間の長さによって考えられる場合）、該プロセスパフォーマンス予測モデルは更新される。

本発明のある例示的な実施形態のみを詳細に説明してきたが、当業者は、多くの変更例が、本発明の新規な教示及び効果を著しく逸脱することなく、該例示的な実施形態において可能であることを容易に認識するであろう。従って、そのような全ての変更例は、本発明の範囲に含まれると解釈すべきである。

本発明の好適な実施形態に係る材料処理システムを示す図である。 本発明の一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。 本発明の別の実施形態に係る材料処理システムを示す図である。 本発明の追加的な実施形態に係る材料処理システムを示す図である。 部分最少二乗（ｐａｒｔｉａｌ ｌｅａｓｔ ｓｑｕａｒｅｓ；ＰＬＳ）分析モデルのための入力及び出力のうちの一部の概略説明を示す図である。 ＰＬＳ分析モデルからの統計の例示的な出力を示す図である。 ｗ^＊ｃ（１）対ｗ^＊ｃ（２）をロードするワークセットの例示的なグラフを示す図である。 ｔ（１）対ｔ（２）のワークセットスコアの例示的なグラフを示す図である。 平均（ｍｅａｎ）トレンチエッチング深さモデルの係数の例示的なセットを示す図である。 トレンチエッチング深さ範囲モデルの係数の例示的なセットを示す図である。 予測データにおける可変重み（ｖａｒｉａｂｌｅ ｉｍｐｏｒｔａｎｃｅ ｉｎ ｔｈｅ ｐｒｏｊｅｃｔｉｏｎ；ＶＩＰ）のセットの例示的な度数分布を示す図である。 ＶＩＰデータを用いてツールデータを正確にするための例示的な基準を示す図である。 観察された平均（ｍｅａｎ）トレンチエッチング深さと予測された平均（ｍｅａｎ）トレンチエッチング深さの例示的な比較を示す図である。 観察されたトレンチエッチング深さ範囲と予測されたトレンチエッチング深さ範囲の例示的な比較を示す図である。 本発明の一実施形態に係るプロセス動作予測モデルを構成する方法のフロー図を示す図である。 本発明の一実施形態に係るプロセス動作予測モデルを用いた障害検知の方法のフロー図を示す図である。 指数関数的に重み付けされた移動アベレージ（ＥＭＷＡ）フィルタ係数の関数としての二乗平均誤差（ＲＭＳＥ）の例示的なグラフを示す図である。 フィルタ係数が０．５の場合の基板番号の関数としての、計測されたトレンチエッチング速度と予測されたトレンチエッチング速度の例示的なグラフを示す図である。 プロセス動作予測モデルの定期的更新を利用した基板番号の関数としての、計測されたトレンチエッチング速度と予測されたトレンチエッチング速度の例示的なグラフを示す図である。 本発明の一実施形態に係る材料処理システムのためのプロセス方法を制御する方法のフロー図を示す図である。

Claims (30)

1. エッチングプロセスツールと、
   前記エッチングプロセスツールを制御するように構成され、前記エッチングプロセスツールに結合されたエッチングプロセスパフォーマンスコントローラを備えるエッチングプロセスパフォーマンス制御システムとを具備し、
   前記エッチングプロセスパフォーマンスコントローラは、
   前記エッチングプロセスツールと関係する、ＲＦセンサ以外の少なくとも１つのセンサを含む複数の別個のセンサからエッチングツールデータの観測を受取って、前の基板に対するエッチングプロセス動作における前記エッチングツールデータの観測に基づいて、次の基板に対するエッチングプロセス動作のエッチングプロセスパフォーマンスデータを予測するように構成されたエッチングプロセスパフォーマンス予測モデルと、
   前記エッチングプロセスパフォーマンス予測モデルから予測されたエッチングプロセスパフォーマンスデータを受取って、前記予測されたエッチングプロセスパフォーマンスデータおよび前の基板に対するエッチングプロセス動作を実行するために使用され、補正される必要があるエッチングプロセス方法に基づいて、次の基板に対するエッチングプロセス動作のエッチングプロセス方法補正を決定するように構成されたエッチングプロセス方法補正フィルタと、
   前記エッチングプロセス方法補正を用いて、前記エッチングプロセスツールのためのエッチングプロセス方法を更新するように構成されたエッチングプロセスコントローラとを備える、半導体基板にエッチングプロセス動作を実施するエッチングシステム。
2. 前記エッチングプロセスパフォーマンスデータは、エッチング深さ、アベレージエッチング深さ、平均エッチング深さ、及びエッチング深さ範囲の少なくとも１つを備える請求項１に記載のエッチングシステム。
3. 前記エッチングツールデータは、キャパシタ位置、フォワード高周波（ＲＦ）電力、反射高周波電力、電圧、電流、位相、インピーダンス、高周波ピークトゥピーク電圧、高周波自己誘導直流バイアス、チャンバ圧力、ガス流量、温度、裏面ガス圧力、裏面ガス流量、静電クランプ電圧、静電クランプ電流、フォーカスリング厚さ、高周波時間、フォーカスリング高周波時間、及び光放射データの少なくとも１つを備える請求項１に記載のエッチングシステム。
4. 前記エッチングプロセスパフォーマンス予測モデルは、部分最少二乗解析からの出力を備える請求項１に記載のエッチングシステム。
5. 前記エッチングプロセス方法補正フィルタは、指数関数的に重み付けされた移動アベレージ（ａｖｅｒａｇｅ）フィルタを備える請求項１に記載のエッチングシステム。
6. 前記エッチングプロセス方法補正は、エッチング時間を含む請求項１に記載のエッチングシステム。
7. 前記エッチングプロセスパフォーマンス制御システムは、計測ツールと、エッチングプロセスパフォーマンスモデル補正アルゴリズムとをさらに備える請求項１に記載のエッチングシステム。
8. 前記計測ツールは、前記エッチングプロセスツールと、前記エッチングプロセスパフォーマンスコントローラとに結合され、エッチングプロセスパフォーマンスデータを計測するように構成されている請求項７に記載のエッチングシステム。
9. 前記エッチングプロセスパフォーマンスモデル補正アルゴリズムは、前記計測されたエッチングプロセスパフォーマンスデータ及び対応するエッチングツールデータを用いる部分最少二乗アルゴリズムを備える請求項８に記載のエッチングシステム。
10. エッチングプロセスツールを制御するエッチングプロセスパフォーマンス制御システムであって、
    前記エッチングプロセスツールに結合することができて、前記エッチングプロセスツールと関係する、ＲＦセンサ以外の少なくとも１つのセンサを含む複数の別個のセンサからエッチングツールデータの観測を受取って、前の基板に対するエッチングプロセス動作における前記エッチングツールデータの観測に基づいて、次の基板に対するエッチングプロセス動作のエッチングプロセスパフォーマンスデータを予測するように構成されたエッチングプロセスパフォーマンス予測モデルと、
    前記エッチングプロセスパフォーマンス予測モデルから予測されたエッチングプロセスパフォーマンスデータを受取って、前記予測されたエッチングプロセスパフォーマンスデータおよび前の基板に対するエッチングプロセス動作を実行するために使用され、補正される必要があるエッチングプロセス方法に基づいて、次の基板に対するエッチングプロセス動作のエッチングプロセス方法補正を決定するように構成されたエッチングプロセス方法補正フィルタと、
    前記エッチングプロセス方法補正を用いて、前記エッチングプロセスツールのためのエッチングプロセス方法を更新するように構成されたエッチングプロセスコントローラとを備えるエッチングプロセスパフォーマンスコントローラを具備するエッチングプロセスパフォーマンス制御システム。
11. 前記エッチングプロセスパフォーマンスデータは、平均エッチング深さ、及びエッチング深さ範囲の少なくとも１つを備える請求項１０に記載のエッチングプロセスパフォーマンス制御システム。
12. 前記エッチングプロセスパフォーマンス予測モデルは、キャパシタ位置、フォワード高周波電力、反射高周波電力、電圧、電流、位相、インピーダンス、高周波ピークトゥピーク電圧、高周波自己誘導直流バイアス、チャンバ圧力、ガス流量、温度、裏面ガス圧力、裏面ガス流量、静電クランプ電圧、静電クランプ電流、フォーカスリング厚さ、高周波時間、フォーカスリング高周波時間及び光放射データの少なくとも１つを備えるエッチングツールデータの観測を受取るように構成されている請求項１０に記載のエッチングプロセスパフォーマンス制御システム。
13. 前記エッチングプロセスパフォーマンス予測モデルは、部分最少二乗解析からの出力を備える請求項１０に記載のエッチングプロセスパフォーマンス制御システム。
14. 前記エッチングプロセス方法補正フィルタは、指数関数的に重み付けされた移動アベレージフィルタを備える請求項１０に記載のエッチングプロセスパフォーマンス制御システム。
15. 前記エッチングプロセス方法補正は、エッチング時間、高周波電力、圧力、流量、濃度及び温度を備える請求項１０に記載のエッチングプロセスパフォーマンス制御システム。
16. 前記エッチングプロセスパフォーマンス制御システムは、前記エッチングプロセスツールに結合することができ、かつ前記エッチングプロセスパフォーマンスコントローラに結合することができる計測ツールと、エッチングプロセスパフォーマンスモデル補正アルゴリズムとをさらに備える請求項１０に記載のエッチングプロセスパフォーマンス制御システム。
17. 前記計測ツールは、エッチングプロセスパフォーマンスデータを計測するように構成されている請求項１６に記載のエッチングプロセスパフォーマンス制御システム。
18. 前記エッチングプロセスパフォーマンスモデル補正アルゴリズムは、前記計測されたエッチングプロセスパフォーマンスデータ及び対応するエッチングツールデータを用いた部分最少二乗解析を用いる請求項１７に記載のエッチングプロセスパフォーマンス制御システム。
19. エッチングプロセスツールと、
    前記エッチングプロセスツールを制御する手段とを具備し、
    前記制御する手段は、
    前記エッチングプロセスツールと関係する、ＲＦセンサ以外の少なくとも１つのセンサを含む複数の別個のセンサから受取った、前の基板に対するエッチングプロセス動作におけるエッチングツールデータの観測を用いて、次の基板に対するエッチングプロセス動作のエッチングプロセスパフォーマンスデータを予測する手段と、
    この予測されたエッチングプロセスパフォーマンスデータおよび前の基板に対するエッチングプロセス動作を実行するために使用され、補正される必要があるエッチングプロセス方法に基づいて、次の基板に対するエッチングプロセス動作のエッチングプロセス方法補正を決定する手段と、
    前記エッチングプロセス方法補正を用いて、前記エッチングプロセスツールのためのエッチングプロセス方法を更新する手段とを備える、半導体基板にエッチングプロセス動作を実施するエッチングシステム。
20. 半導体基板にエッチングプロセス動作を実施するエッチングシステムのエッチングプロセスツールを制御する方法であって、
    エッチングプロセス方法を用いて、前記エッチングプロセスツールで前の基板に対する第１のエッチングプロセスを実行する工程と、
    前記第１のエッチングプロセスのための、前記エッチングプロセスツールと関係する、ＲＦセンサ以外の少なくとも１つのセンサを含む複数の別個のセンサから得られた複数のエッチングツールデータパラメータを含むエッチングツールデータを記録する工程と、
    エッチングプロセスパフォーマンス予測モデルを用いて、前記第１のエッチングプロセスのための前記ツールデータから、次の基板に対する第２のエッチングプロセス動作における１つ以上のエッチングプロセスパフォーマンスデータパラメータを含むエッチングプロセスパフォーマンスデータを予測する工程と、
    この予測されたエッチングプロセスパフォーマンスデータおよび前の基板に対するエッチングプロセス動作を実行するために使用され、補正される必要があるエッチングプロセス方法に基づいて、エッチングプロセス方法補正フィルタを用いて、次の基板に対するエッチングプロセス動作のエッチングプロセス方法補正を決定する工程と、
    前記エッチングプロセスツールに結合されたエッチングプロセスコントローラを用いて、前記エッチングプロセス方法補正を組み込むことによって前記エッチングプロセス方法を更新する工程と、
    前記更新されたエッチングプロセス方法を用いて、前記エッチングプロセスツールで第２のエッチングプロセスを実行する工程とを具備する方法。
21. 前記エッチングプロセスパフォーマンス予測モデルを更新することをさらに備える請求項２０に記載のエッチングプロセスツールを制御する方法。
22. 前記エッチングプロセスパフォーマンス予測モデルを更新することは、前記エッチングプロセスツールで前記第１のエッチングプロセスのためのエッチングプロセスパフォーマンスデータを計測することと、前記第１のエッチングプロセスのための前記計測されたエッチングプロセスパフォーマンスデータと、前記第１のエッチングプロセスのための前記記録されたツールデータと、部分最少二乗解析とを用いて、前記エッチングプロセスパフォーマンス予測モデルに対する補正を決定することとを備える請求項２１に記載のエッチングプロセスツールを制御する方法。
23. 前記エッチングプロセス方法は、エッチング時間、高周波電力、圧力、流量、濃度及び温度を備える請求項２０に記載のエッチングプロセスツールを制御する方法。
24. 前記更新されたエッチングプロセス方法は、更新されたエッチング時間を備える請求項２０に記載のエッチングプロセスツールを制御する方法。
25. 前記エッチングプロセスパフォーマンスデータは、平均エッチング深さ、及びエッチング深さ範囲の少なくとも１つを含む請求項２０に記載のエッチングプロセスツールを制御する方法。
26. 前記ツールデータは、キャパシタ位置、フォワード高周波電力、反射高周波電力、電圧、電流、位相、インピーダンス、高周波ピークトゥピーク電圧、高周波自己誘導直流バイアス、チャンバ圧力、ガス流量、温度、裏面ガス圧力、裏面ガス流量、静電クランプ電圧、静電クランプ電流、フォーカスリング厚さ、高周波時間、フォーカスリング高周波時間、及び光放射データの少なくとも１つを備える請求項２０に記載のエッチングプロセスツールを制御する方法。
27. 前記エッチングプロセスパフォーマンス予測モデルは、部分最少二乗解析からの出力を備える請求項２０に記載のエッチングプロセスツールを制御する方法。
28. 前記エッチングプロセス方法補正フィルタは、指数関数的に重み付けされた移動アベレージフィルタを備える請求項２０に記載のエッチングプロセスツールを制御する方法。
29. 計測ツールを用いて、エッチングプロセスパフォーマンスデータを計測することと、
    前記計測されたエッチングプロセスパフォーマンスデータと前記計測されたツールデータとを用いて、前記エッチングプロセスパフォーマンス予測モデルを補正することとをさらに具備する請求項２０に記載のエッチングプロセスツールを制御する方法。
30. 前記エッチングプロセスパフォーマンス予測モデルを前記補正することは、部分最少二乗解析を備える請求項２９に記載のエッチングプロセスツールを制御する方法。

Images