專利名稱：半導體制造裝置的壽命診斷方法
技術領域：
本發(fā)明涉及預測半導體制造裝置的壽命的診斷方法，尤其涉及預測CVD裝置、干蝕刻裝置等中使用的干式泵的壽命的診斷方法。
背景技術：
為有效制造半導體器件，半導體制造裝置的故障診斷變得重要了。近年來，系統(tǒng)LSI中，少量多品種生產傾向越來越強，與此相應需要小范圍利用的有效的半導體器件的制造方法。有效的半導體生產中使用小規(guī)模的生產線。但是，僅通過減小大規(guī)模生產線會由于產生制造裝置的運轉率降低等問題出現投資效率降低的問題。作為對策，有用一個制造裝置進行多個制造過程的方法，但例如在將干式泵用于排氣系統(tǒng)的LPCVD裝置中，由于處理種類不同，反應氣體和反應產物不同，泵內部的產物產生狀況不同。因此，處理種類改變時，壽命也變動。
在特定的制造處理中，當泵停止時，不僅制造中的一批產品產生不良，而且由于制造裝置內部產生微小灰塵，需要對制造裝置進行充分維護，因此半導體器件的制造效率大幅度降低。為防止該處理中的突然停止，在泵的維護時間中考慮裕度時，泵的維護頻度增大，不僅維護成本增加，由于泵更換使得半導體制造裝置的運轉效率顯著降低，從而半導體器件的制造效率大幅度降低。這樣，為實現效率高的小規(guī)模生產線必要的裝置的共用化，必須確實診斷干式泵的壽命，需要按最大限度壽命使用泵，必須進行壽命預測。
干式泵的壽命診斷方法迄今提出了幾種方法。例如，作為靈敏度高地診斷故障產生的方法，有使用馬氏(Mahalanobis)距離MD的方法。通過馬氏距離MD進行的壽命診斷方法中，匯集可期望有均勻性的特征量的數據，僅由相同狀態(tài)來形成識別空間。即，計量正常狀態(tài)的特征量時，可期待該特征量是比較均勻的。通過馬氏距離MD進行的壽命診斷方法中，匯集可期望有這種均勻性的正常狀態(tài)的特征量，制作作為用于識別壽命的空間的馬氏空間(基準空間)。由于正常狀態(tài)的特征量的數據的集合構成了成為具有某種相關關系的評價基準的空間，因此用從數據的集合體導出的相關矩陣的逆矩陣表現馬氏空間。馬氏距離MD表示作為評價對象的特征量的數據異常程度，即表示測定的特征量的數據與成為評價基準的(正常狀態(tài)的)特征量的數據偏離多少的尺度。馬氏距離MD取從零到無線大的值。若是小值，則處于正常數據中間，若為大值，則異常概率增大，可判斷為接近壽命了。

發(fā)明內容
使用馬氏距離MD的壽命診斷方法的關鍵在于特征量的決定方法和表示正常時的馬氏空間(基準空間)的取用方法。原來提出的使用馬氏距離MD的壽命診斷方法中，由于僅借助維護之后的數據取得基準空間，因此不能去除壓力變動和氣流量變動等半導體制造處理中的變動以及電源變動的影響，難以進行高精度的診斷。
干式泵中，有馬達電流等的特征量因裝置而不同的機械誤差問題。該機械誤差也在高精度診斷中成為障礙。
如上所述，以來的干式泵的故障診斷方法中，受到半導體制造涉及的處理條件變動和電源變動以及機械誤差的影響，出現難以進行高精度診斷的問題。
鑒于上述問題，本發(fā)明提供不受半導體制造中涉及的處理條件的變動和電源變動以及機械誤差影響的半導體制造裝置的壽命診斷方法。
為達到上述目的，本發(fā)明的第一特征主要是一種半導體制造裝置的壽命診斷方法，其特征在于包括(1)測定半導體制造裝置沒有惡化時的特征量的基準時間系列數據的步驟；(2)從基準時間系列數據求出基準自共分散函數的步驟；(3)從該基準自共分散函數提取處理條件的變動和電源引起的基準變動，求出該基準變動的周期的步驟；(4)在成為半導體制造裝置的評價對象的序列中，測定特征量的診斷用時間系列數據的步驟；(5)從該診斷用時間系列數據求出診斷用自共分散函數的步驟；(6)使用比基準變動周期短的周期成分從該診斷用自共分散函數決定半導體制造裝置的壽命的步驟。
根據本發(fā)明的第一特征，半導體制造裝置的壽命診斷中可使用與處理條件的變動和電源變動的周期不同的周期成分。使用自共分散函數診斷半導體裝置的壽命時，由于分析離散的時間間隔的數據之間的相互作用，因此不僅表現出故障預兆，還表現出周期處理條件的變動和電源變動。半導體制造裝置的故障(異常停止)因半導體制造處理中半導體制造裝置內部產生的產物反應等引起而產生，因此故障的預兆在處理條件變動和電源變動引起的自共分散函數以外的部分中表現出來。因此，如果像維護之后從由泵正常的狀態(tài)，即未惡化時的特征量的基準時間系列求出的自共分散函數數據預先確認處理條件的變動和電源變動引起的變動，則該變動以外成為反應產物引起的變動，即半導體制造裝置的故障(異常停止)的預兆。例如，以LPCVD裝置使用的干式泵的情況為例說明，則干式泵的故障(異常停止)的預兆表現為反應產物的堆積產生的一堆產物和的外殼的摩擦。一堆產物和的外殼的摩擦產生的特征量的變化周期出現在比處理條件的變動和電源變動短的一側部分中。因此，本發(fā)明的第一特征的半導體制造裝置的壽命診斷方法中，使用比處理條件的變動和電源變動周期短的成分決定半導體制造裝置的壽命。具體說，將比處理條件的變動和電源變動周期短的自共分散函數的絕對值超出預定的規(guī)定值(閾值)的情況設為故障預兆?；蛘?，可將自共分散函數初始為零的時間間隔超出規(guī)定值的情況設為故障預兆。
本發(fā)明的第一特征中，作為例示的泵診斷中使用的特征量，例如可能是半導體制造裝置涉及的馬達電流、馬達功率、泵內部的壓力、振動、氣體溫度構成的組中的至少一個。
本發(fā)明的第二特征主要是一種半導體制造裝置的壽命診斷方法，其特征在于包括(1)在開始測定半導體制造裝置的特征量的診斷用時間系列數據的時刻的規(guī)定時間之前，在和作為目的的診斷同一處理條件下測定對應的特征量的基準時間系列數據的步驟；(2)從基準時間系列數據設定馬氏空間的步驟；(3)測定特征量的診斷用時間系列數據的步驟；(4)使用診斷用時間系列數據和馬氏空間求出診斷用時間系列數據的馬氏距離的時間變化的步驟；(5)將馬氏距離到達預定閾值時的診斷用時間系列數據構成的空間固定為新的馬氏空間的步驟；(6)通過比較對新的馬氏空間的新的馬氏距離和預定閾值，決定半導體制造裝置的壽命的步驟。
使用馬氏距離的壽命診斷是從正常狀態(tài)的特征量計算馬氏空間(基準空間)，通過來自馬氏空間的變動判斷異常(故障預兆)的方法。此時，如果包含處理條件的變動和電源變動來取用馬氏空間，則可去除處理條件的變動和電源變動的影響來診斷故障預兆。但是，馬氏空間取入的處理條件變動也有限制。例如，像LPCVD處理的低壓序列那樣，有急劇的壓力變動的情況下，馬氏空間包含大變動，因此異常的檢測靈敏度降低。從而，馬氏空間需要像低壓序列的壓力變動那樣在不包含大變動的狀態(tài)下測定。即便是由于馬氏距離，在取用馬氏空間的時間系列數據的測定時間以上不能取入長周期的處理條件的變動和電源變動，因此，例如僅在維護之后通過僅取用馬氏空間不能去除長周期的處理條件的變動和電源變動的影響。因此，本發(fā)明的第二特征中，并非將維護馬氏空間之后的特征量作為基準時間系列數據，而在開始測定診斷用時間系列數據的時刻的規(guī)定時間之前在與作為目的的診斷相同的處理條件下測定基準時間系列數據。即，可在比較短的時間中進行馬氏距離變化的評價。由此，可去除長周期的處理條件的變動和電源變動的影響。這樣，評價馬氏距離的推移后，在馬氏距離超出閾值的情況下，判斷為故障預兆。該馬氏距離的閾值通常為4，但本發(fā)明人的討論結果中，有測定誤差和未去除的微小變動的影響，成為故障預兆的馬氏距離的閾值為4時，得到精度變壞的試驗結論。因此，本發(fā)明的第二特征涉及的半導體制造裝置的壽命診斷方法中，最好將馬氏距離的閾值設為5～10的范圍的值。馬氏距離超出，確認故降預兆后，為評價半導體制造裝置的停止之前的狀況，馬氏空間重新設定為超出閾值的情況下的值，通過新的馬氏空間評價新的馬氏距離的推移。馬氏距離比分散和平均值推移等的通常方法變動敏感，因此診斷時可通過調查比較近的規(guī)定時間之前取用的馬氏空間的變化來高精度地獲得泵故障等的半導體制造裝置的故障預兆。
本發(fā)明的第二特征中，作為例示的泵診斷中使用的特征量，例如可能是半導體制造裝置涉及的馬達電流、馬達功率、壓力、振動、氣體溫度構成的組中的至少一個。


圖1是作為本發(fā)明的實施例的半導體制造裝置例示的LPCVD裝置的概念圖；圖2是說明本發(fā)明的第一實施例的半導體制造裝置的壽命診斷方法的流程圖；圖3是表示干式泵維護后的馬達電流的自共分散函數的例子的圖；圖4是表示示出故障預兆的情況下的自共分散函數的例子的圖；圖5是表示自共分散函數對累計膜厚的依賴性的圖；圖6是表示滯后(lag)寬度對累計膜厚的依賴性的圖；圖7是說明本發(fā)明的第二實施例的半導體制造裝置的壽命診斷方法的流程圖；圖8是表示特定頻率加速度對累計膜厚的依賴性的圖；圖9是說明本發(fā)明的第三實施例的半導體制造裝置的壽命診斷方法的流程圖；圖10是表示馬氏距離MD對累計膜厚的依賴性的圖；圖11是表示基準空間中使用干式泵的維護之后的數據的情況下的馬氏距離MD對累計膜厚的依賴性的圖。
具體實施例方式
下面參考

本發(fā)明的第一到第三實施例。第一到第三實施例中，作為成為壽命診斷對象的半導體制造裝置的例子，例示出低壓CVD(LPCVD)，尤其說明診斷該LPCVD中使用的干式泵的壽命的情況。
因此，說明本發(fā)明的第一到第三實施例之前，首先，使用圖1說明成為壽命診斷對象的LPCVD裝置的概要。如圖1所示的LPCVD裝置中，CVD室1中連接氣體配管51，52，53。該氣體配管51，52，53上分別連接控制向CVD室1導入的各種原料氣體(源氣體)和運載氣體的大流量控制器41，42，43。即，由大流量控制器41，42，43控制流量的原料氣體等通過氣體配管51，52，53進行一定低壓后導入CVD室1中。CVD室1作成可保持和外部氣體隔斷的氣氛的密閉結構。為用干式泵3將CVD室1內部真空排氣，CVD室1排氣側連接真空配管32，該真空配管32排氣側連接門控閥2。門控閥2排氣側再連接另一真空配管33。真空配管33排氣側連接干式泵3的吸氣側。門控閥2是根據需要分離CVD室1和干式泵3，或調整排氣傳導性的閥門。并且，干式泵3用于排出導入CVD室1內的未反應的原料氣體和反應產物。
使用圖1所示的LPCVD裝置，例如形成氮化硅膜(Si3N4)的情況下，在低壓狀態(tài)的CVD室1中經大流量控制器41導入二氯硅烷(SiH2Cl2)氣體，經大流量控制器42導入氨(NH3)氣體。并且，在CVD室1內部將硅(Si)襯底加熱到約800℃左右，通過二氯硅烷(SiH2Cl2)氣體和氨(NH3)的化學反應，在硅襯底上形成氮化硅膜。該化學反應在形成氮化硅膜的同時，作為反應副產物產生氯化氨(NH4Cl)氣體和氫氣(H2)。氫氣是氣體，由干式泵3排出。另一方面，氯化氨在生成時由于反應爐內是800℃左右的高溫以及數百Pa或數更低的低壓而為氣體狀態(tài)。雖然圖中省略了，但通常低壓CVD裝置中，在CVD室1和干式泵3之間設置捕獲固體反應副產物的捕集器。捕集器由于壓力低不可能完全捕獲反應副產物。未捕獲的反應副產物到達干式泵3。干式泵3中，通過氣體壓縮將壓力從0.1Pa左右增加到大氣壓。反應副產物根據狀態(tài)圖的升華曲線在低壓下作為氣體存在，而在高壓下開始固化。泵內部，反復氣體壓縮，將壓力從數百Pa的壓力變化到大氣壓，因此排氣氣體中的氣體狀反應副產物隨著壓力上升在干式泵3內部開始固化。在干式泵3的配管內開始固化時，排氣傳導性降低，反應副產物的固化吸附部分中，壓力再增大，其結果是干式泵3溫度開始上升，產生干式泵3的故障。下面的第一～第三實施例的說明中，說明這種LPCVD裝置中使用的干式泵3的故障或壽命診斷方法的例子。
(第一實施例)本發(fā)明的第一實施例的半導體制造裝置的壽命診斷方法中，使用分析從半導體制造裝置取得的馬達電流、馬達功率、泵內部的壓力、振動、氣體溫度等的特征量的時間系列數據，預測半導體制造裝置未來的故障的概率論方法。例如，可觀察到＂某時刻干式泵的馬達電流增多，則特定的滯后寬度(數據間隔)τ后，馬達電流增大＂的關系，則有助于干式泵的故障診斷。
首先，為分析從半導體制造裝置取得的特征量的時間系列數據，需要作恒定性的假定。恒定性簡單說是各時間的時間系列數據由相同的概率過程實現，或者概率假定的統(tǒng)計性質不隨時間變化。恒定是期待值E[x(t)]＝μ不隨時間改變，期待值E[x(t)2]＝μ2不隨時間改變，即，x(t)的分散相對時間不變，并且對任意的t，τ，期待值E[x(t)x(τ)]僅是t-τ的函數，即期待值E[x(t)x(τ)]需要滿足時間差的條件。即，期待值E[x(t)x(t+τ)]為滯后寬度τ的函數，期待值E[x(t)]＝μ是一定的。
因此，變量x(t)和滯后寬度τ后的變量x(t+τ)聯動程度，即x(t)和變量x(t+τ)的共分散僅是滯后寬度(數據間隔)τ的函數cov(x(t)，x(t+τ))＝E[(x(t)-μ)(x(t+τ)-μ)] …………(1)否則，為E[(x(t)-μ)(x(t+τ)-μ)]＝[x(t)x(t+τ)]-μ …………(2)該函數也叫做自共分散函數C(τ)，如下定義C(τ)＝E[(x(t)-μ)(x(t+τ)-μ)] …………(3)
而且，自相關函數ρxx(τ)如下定義ρxx(τ)＝C(τ)/C(O) …………(4)C(τ)表示僅離開滯后寬度τ的數據之間的聯結強度。即，該量為正的且較大時，變量x(t)和滯后寬度τ后的變量x(t+τ)進行相同傾向的動作，相反，該量為負的且較大時，變量x(t)和變量x(t+τ)進行相反傾向的動作。并且，該量為0，則變量x(t)和變量x(t+τ)彼此無關地動作。
并且，ρxx(τ)通過用通常的分散C(O)分割C(τ)，將其值標準化為-1≤ρxx(τ)≤1 …………(5)否則，通常的分散C(O)表示與自身的關系的強度，在自身以上，沒有強烈的相關性，為|C(τ)|≤|C(O)| …………(6)結果該自相關函數ρxx(τ)越近似1，判斷為變量x(t)和變量x(t+τ)的關系越強烈，可預測半導體制造裝置的壽命。
本發(fā)明的第一實施例的半導體制造裝置的壽命診斷方法按圖2所示程序進行(1)首先，在步驟S11中，作為基準時間系列數據測定干式泵沒有惡化時的特征量的時間系列數據。即，作為沒有惡化時，選擇維護滯后，測定維護后的馬達電流一天之間的基準時間系列數據?；鶞蕰r間系列數據按一分鐘的間隔測定。
(2)接著在步驟S12中從該基準時間系列數據取得自共分散函數C(τ)，作為基準自共分散函數C(τ)。即，從沒有惡化的維護之后的馬達電流在一天之間的基準時間系列數據取得成膜Si3N4薄膜的沉積序列的數據的基準自共分散函數C(τ)。
(3)接著，在步驟S13中從由基準時間系列數據取得的基準自共分散函數C(τ)提取看作處理條件的變動或電源變動起因的變動成分，求出其變動周期。圖3表示干式泵維護之后的馬達電流的基準自共分散函數C(τ)的例子。圖3的縱軸是用C(O)(對應通常的分散)標準化的自相關函數ρxx(τ)。橫軸表示維護之后的馬達電流測定的時間間隔τ。此時的單位為分鐘。從圖3通過該數據中在10分鐘間隔以上的基準自共分散函數C(τ)中確認視為處理條件變動或電源變動起因的變動成分。
(4)并且在步驟S14中在成為半導體制造裝置的評價對象的序列中，測定特征量的診斷用時間系列數據。即，沉積序列的馬達電流的時間系列數據作為診斷用時間系列數據，測定該診斷用時間系列數據。
(5)之后步驟S15中，從該診斷用時間系列數據求出診斷用自共分散函數C(τ)。
(6)并且，步驟S16中使用比基準變動的周期短的周期成分從該診斷用自共分散函數決定半導體制造裝置的壽命。即，使用10分鐘間隔以下的周期成分評價診斷用自共分散函數C(τ)的推移。評價結果中；累計膜厚約為5微米時，在10分鐘間隔以下的部分中看到顯著增加，確認泵靠近故障器件，即確認故障預兆。實際上，數據間隔τ為5分鐘的情況下的自相關函數ρxx(τ)對累計膜厚的依賴性如圖5所示，但縱軸的自相關函數ρxx(τ)在累計膜厚約為5微米時急劇增加。而且，繼續(xù)沉積處理時，累計膜厚為5.5微米停止干式泵。
圖3中自相關函數ρxx(τ)初始設為零的數據間隔τ(滯后寬度)對累計膜厚的依賴性如圖6所示。與圖5所示的數據間隔τ近似0時的自相關函數ρxx(τ)同樣，滯后寬度τ的變化也在累計膜厚約為5微米時急劇增加，可檢測出故障預兆。
本發(fā)明的第一實施例的半導體制造裝置的壽命診斷方法中，判斷故障預兆的預定的閾值可在實際應用中適當設定。例如，從正常時的平均值偏離開標準偏差的1倍到3倍以上的情況作為故障預兆，則可高精度捕獲故障預兆。第一實施例中，干式泵停止的累計膜厚的約一成之前可捕獲故障預兆。自共分散函數C(τ)捕獲故障預兆后，由于各參數單調增加，更換干式泵的閾值(馬上停止干式泵的值)的設定可在停止之前進行。因此，可使器件的制造效率化。閾值通過累計膜厚換算可在干式泵停止的0.1微米之前。通常LPCVD處理形成的Si3N4膜厚為20nm到200nm左右，因此根據第一實施例的半導體制造裝置的壽命診斷方法，可判斷下一成膜處理中干式泵是否停止。
第一實施例中，表示出用自共分散函數C(τ)分析馬達電流的情況下的例子。有時為加快排氣速度干式泵由輔助泵和主泵多級構成。例如，組成機械增壓泵等輔助泵、干式泵等的第一級主泵、第二級主泵、第三級主泵、第四級主泵、第五級主泵彼此串聯連接的多級真空排氣系統(tǒng)。而且，有時前級的主泵和后級的主泵之間插入氣體冷卻器等。這種多級結構的真空排氣系統(tǒng)的情況下，可將泵內部的產物產生顯著的位置的泵作為對象。具體說，可著眼于隨著多級結構的真空排氣系統(tǒng)運轉變動大的位置的泵。除電流以外，用功率、壓力、振動、氣體溫度等特征量也得到同樣效果。時間系列數據的測定間隔可根據處理條件決定。半導體器件的制造涉及的通常的LPCVD處理中，時間系列數據的測定間隔為0.5秒到10分鐘間隔為適當。
(第二實施例)本發(fā)明的第二實施例的半導體制造裝置的壽命診斷方法說明在干式泵的故障診斷中使用頻率分析的例子。即，替代第一實施例的干式泵的故障診斷中使用的馬達電流的自共分散函數C(τ)而分析干式泵的外殼振動的頻率分布。
本發(fā)明的第二實施例的半導體制造裝置的壽命診斷方法按圖7所示程序進行(1)首先，在步驟S21中測定作為半導體制造裝置的干式泵的特征量(振動)的時間系列數據。振動測定按每10秒用加速度傳感器測定外殼的加速度進行。各測定按0.5msec間隔總共進行1秒。
(2)加速度傳感器測定的外殼的加速度(時間系列數據)在計量后在步驟S22作傅立葉變換，求出頻率分布。
(3)在步驟S23中，著眼頻率分布中特定的頻率成分，通過該特定頻率成分的特征量的變化決定半導體制造裝置(干式泵)的壽命。第二實施例的干式泵的馬達的旋轉次數為3000rpm，轉子為3塊。第二實施例中，調查50Hz、150Hz、300Hz、450Hz的頻率分布和500Hz以上的高頻部分的推移。LPCVD的生長處理中有低壓、升溫、沉積、清潔、返回常壓、待機等各種序列，但第二實施例中，調查對影響干式泵的故障的沉積序列的推移。
圖8表示特定頻率的加速度對累計膜厚的依賴性。如圖8所示，累計膜厚約為4微米時在150Hz～450Hz部分中看到加速度增加，累計膜厚為5.2微米時看到800Hz以上的高頻成分增加。并且，累計膜厚為5.5微米時干式泵停止。這樣，用特定頻率的加速度也可捕獲故障預兆。
本發(fā)明的第二實施例的半導體制造裝置的壽命診斷方法中，判斷故障預兆的預定的閾值可在實際應用中適當設定。例如，從正常時的平均值偏離開標準偏差的1倍到3倍以上的情況作為故障預兆，則可高精度捕獲故障預兆。第二實施例中，干式泵停止的累計膜厚的約一成之前可捕獲故障預兆。特定頻率的加速度捕獲故障預兆后，由于各參數單調增加，更換干式泵的閾值的設定可在停止之前進行，可使器件的制造效率化。閾值通過累計膜厚換算可在干式泵停止的0.1微米之前。
第二實施例中將振動測定位置作為外殼，但可以是靈敏度高地檢測出軸承等轉子上附著產物使得喪失平衡的場所。時間系列數據的測定間隔可根據處理條件決定，半導體器件的制造涉及的通常的LPCVD處理中，0.5秒到10分鐘間隔為適當。
(第三實施例)本發(fā)明的第三實施例的半導體制造裝置的壽命診斷方法說明在干式泵的故障診斷中使用馬氏距離MD的例子。即，替代評價第一實施例的干式泵的故障診斷中使用的馬達電流的自共分散函數C(τ)的推移而使用馬達電流、泵內的壓力、泵的外壁的振動等特征量產生的馬氏距離MD。
本發(fā)明的第三實施例的半導體制造裝置的壽命診斷方法按圖9所示程序進行(1)首先，在步驟S31中在開始測定半導體制造裝置的特征量的診斷用時間系列數據的時刻的規(guī)定時間之前，在與作為目的的診斷相同的處理條件下測定對應的特征量的基準時間系列數據。半導體制造裝置的壽命判斷方法中利用馬氏距離MD，基準空間(馬氏空間)的取用方法是關鍵。本發(fā)明的第三實施例中，特征量的數據僅使用成為和診斷相同處理條件的LPCVD處理的沉積序列。具體說，為去除處理條件變動的影響，將評價干式泵的狀態(tài)的數據的例如3天前的特征量的數據用作基準時間系列數據。這里，例如將馬達電流、泵內的壓力、泵的外壁的振動等特征量用作特征量的數據(基準時間系列數據)。
(2)接著，步驟S32中，從該基準時間系列數據設定馬氏空間。即，求出從馬達電流、泵內的壓力、泵的外壁的振動的數據(基準時間系列數據)的集合體導出的相關矩陣的逆矩陣。該相關矩陣的逆矩陣的計算由連接半導體制造裝置的計算機的運算處理部執(zhí)行。求出的馬氏空間存儲在計算機的存儲部中。
(3)在步驟S33中，測定三天期間的作為特征量的馬達電流、泵內的壓力、泵的外壁的振動的數據(基準時間系列數據)。
(4)接著，在步驟S34中，使用三天期間的診斷用時間系列數據和馬氏空間求出診斷用時間系列數據隨馬氏距離的時間變化。馬氏距離的計算使用計算機的存儲部中存儲的馬氏空間的數據由計算機的運算處理部執(zhí)行。這樣，使用評價干式泵的狀態(tài)的數據的三天前的特征量的數據，通過調查三天期間的馬氏距離MD的變化的推移可去除處理條件變動的影響。圖10是表示馬氏距離MD對累計膜厚的依賴性。如圖10所示，累計膜厚約為4.5微米時馬氏距離MD超出5。一般地，馬氏距離MD在4以上判斷為異常，如上所述，本發(fā)明中，經驗上將馬氏距離MD的閾值設在5～10的范圍的值。這里，馬氏距離MD超出閾值5時，判斷為捕獲了故障預兆。
(5)接著，步驟S35中，將由馬氏距離到達預定的閾值時的診斷用時間系列數據構成的空間固定為新的馬氏空間(新的基準空間)。固定的新馬氏空間的數據存儲在計算機的存儲部中。
(6)在步驟S36中通過比較對新的馬氏空間的馬氏距離和預定閾值，決定半導體制造裝置的壽命。新的馬氏距離的計算使用計算機的存儲部中存儲的新的馬氏空間的數據由計算機的運算處理部執(zhí)行。即，將基準空間的值固定為該新的馬氏空間(新的基準空間)的值，再在繼續(xù)評價時，馬氏距離MD繼續(xù)增加，累計膜厚約為5微米處馬氏距離MD急劇增加。然后累計膜厚為5.5微米時干式泵停止。
圖11與圖10相比表示在基準空間中使用干式泵維護后的數據的情況下的馬氏距離MD對累計膜厚的依賴性。圖11中，累計膜厚約為2微米時馬氏距離MD超出5，表示變離了正常狀態(tài)。隨后馬氏距離MD整體表現出增加傾向，但短期內觀察到增加再減少的變化，結果累計膜厚為5.5微米時干式泵停止。圖11所示的馬氏距離MD對累計膜厚的依賴性中，整體上觀察到隨著累計膜厚的增加馬氏距離MD有增加傾向，但與圖10不同，并非單調變化，難以捕獲故障前兆。圖11所示的馬氏距離MD對累計膜厚的依賴性中，表示出短期內增加后再減少的變化，這是由于CVD中處理條件的變動影響。表示從正常狀態(tài)向異常狀態(tài)的移動的馬氏距離MD超出5時的累計膜厚為2微米，與圖10所示的情況相比，表示出在較早時期中向異常狀態(tài)移動。這是由于在圖11中在干式泵維護之后取得形成基準空間的特征量的數據，與故障無關的處理的變動的影響也判斷為異常。這樣，如圖11所示的基準空間的形成方法中，明確地捕獲故障預兆是困難的，為防止干式泵停止，必須取大裕度。即，如圖11所示，使用干式泵維護之后的特征量的數據構成基準空間時，干式泵停止之前維護干式泵，器件制造效率化變得困難了。
本發(fā)明的第三實施例的半導體制造裝置的壽命診斷方法中，判斷故障預兆的預定的閾值可在實際應用中適當設定。例如，可將從正常時的平均值偏離開標準偏差的1倍到3倍以上的情況作為故障預兆?；鶞士臻g的取用方法是關鍵，如圖11所示，使用干式泵維護之后的特征量的數據構成基準空間的情況下，正常狀態(tài)的值變動大，難以精確地捕獲故障預兆。因此，構成基準空間的特征量的數據如圖10所示更好是僅使用LPCVD的沉積序列數據。第三實施例的半導體制造裝置的壽命診斷方法中，干式泵停止的累計膜厚的約一成之前可捕獲故障預兆。馬氏距離MD捕獲故障預兆后，由于各參數單調增加，更換干式泵的閾值的設定可在停止之前進行。因此，可使器件的制造效率化。閾值通過累計膜厚換算可在干式泵停止的0.1微米之前。
第三實施例中說明了在馬氏距離MD的計算中使用馬達電流、泵內的壓力、泵的外壁的振動構成的數據群的例子，但根據測定條件可使用包含馬達功率、氣體溫度的最佳組合構成的數據群。馬氏距離MD的計算中需要的時間系列數據的測定間隔可根據處理條件決定。例如，半導體器件的制造涉及的通常的LPCVD處理中，0.5秒到10分鐘間隔為適當。
(其他實施例)如上所述，本發(fā)明借助于第一～第三實施例進行了描述，但不應理解為將本發(fā)明限定于對該公開的部分所作的論述和附圖中。顯然，本領域技術人員能夠知曉對所公開的內容進行各種替代得到的實施形式、實施例和運用技術。
上述的第一～第三實施例的說明中，敘述了Si3N4膜的LPCVD的例子，但其他材料的薄膜的LPCVD中也同樣適用。雖然只描述了生長單一種類的薄膜的情況下的例子，但用同一LPCVD裝置形成Si3N4膜、TEOS氧化膜、多晶硅等的多種薄膜的情況下也得到同樣效果。
這樣，本發(fā)明當然還包含這里未記載的各種實施例。因此，本發(fā)明的技術范圍僅由基于上面的說明而妥當地確定的權利要求的范圍決定。
如上面詳細說明的那樣，根據本發(fā)明，即便處理條件變動和電源變動，也可進行高精度的干式泵的故障診斷，可使半導體器件的制造效率化。
尤其，根據本發(fā)明，使得作為構筑高效率的小規(guī)模生產線的關鍵的裝置共用化變得容易。
權利要求
1.一種半導體制造裝置的壽命診斷方法，其特征在于包括測定半導體制造裝置沒有惡化時的特征量的基準時間系列數據的步驟；從上述基準時間系列數據求出基準自共分散函數的步驟；從該基準自共分散函數提取處理條件的變動和電源引起的基準變動，求出該基準變動的周期的步驟；在成為半導體制造裝置的評價對象的序列中，測定上述特征量的診斷用時間系列數據的步驟；從該診斷用時間系列數據求出診斷用自共分散函數的步驟；以及使用比上述基準變動周期短的周期成分從上述診斷用自共分散函數決定上述半導體制造裝置的壽命的步驟。
2.一種半導體制造裝置的壽命診斷方法，其特征在于包括在開始測定半導體制造裝置的特征量的診斷用時間系列數據的時刻的規(guī)定時間之前，在和上述診斷同一處理條件下測定上述特征量的基準時間系列數據的步驟；從上述基準時間系列數據設定馬氏空間的步驟；測定上述特征量的診斷用時間系列數據的步驟；使用上述診斷用時間系列數據和上述馬氏空間求出上述診斷用時間系列數據的馬氏距離的時間變化的步驟；將上述馬氏距離到達預定閾值時的上述診斷用時間系列數據構成的空間固定為新的馬氏空間的步聚；通過比較對上述新的馬氏空間的新的馬氏距離和上述閾值，決定上述半導體制造裝置的壽命的步聚。
3.根據權利要求1或2所述的半導體制造裝置的壽命診斷方法，其特征在于上述特征量是上述半導體制造裝置涉及的馬達電流、馬達功率、壓力、振動、氣體溫度構成的組中的至少一個。
全文摘要
提供一種不受半導缽制造中涉及的處理條件的變動和電源變動以及機械誤差影響的半導體制造裝置的壽命診斷方法。該方法包括(1)測定半導體制造裝置沒有惡化時的特征量的基準時間系列數據(步驟S11)；(2)從基準時間系列數據求出基準自共分數函數(步驟S12)；(3)從該基準自共分數函數提取處理條件的變動和電源引起的基準變動，求出該基準變動的周期(步驟S13)；(4)在成為半導體制造裝置的評價對象的序列中，測定特征量的診斷用時間系列數據(步驟S14)；(5)從該診斷用時間系列數據求出診斷用自共分數函數(步驟S15)；(6)使用比基準變動周期短的周期成分從該診斷用自共分散函數決定半導體制造裝置的壽命(步驟S16)。
文檔編號H01L21/02GK1404103SQ02147030
公開日2003年3月19日 申請日期2002年8月30日 優(yōu)先權日2001年8月31日
發(fā)明者佐俁秀一, 牛久幸廣, 石井賢, 中尾隆 申請人:株式會社東芝