JPH08250384A - 製造装置及び製造条件制御方法 - Google Patents
製造装置及び製造条件制御方法Info
- Publication number
- JPH08250384A JPH08250384A JP5394195A JP5394195A JPH08250384A JP H08250384 A JPH08250384 A JP H08250384A JP 5394195 A JP5394195 A JP 5394195A JP 5394195 A JP5394195 A JP 5394195A JP H08250384 A JPH08250384 A JP H08250384A
- Authority
- JP
- Japan
- Prior art keywords
- product
- processing
- processing conditions
- evaluation function
- condition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Physical Deposition Of Substances That Are Components Of Semiconductor Devices (AREA)
- Feedback Control In General (AREA)
- Physical Vapour Deposition (AREA)
- Chemical Vapour Deposition (AREA)
- ing And Chemical Polishing (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
(57)【要約】
【目的】 製造依頼人が要求する性質を有する製品を製
造するための加工条件を効率的に（従来に比べ少ない実
験回数で）割り出すための方法及びその方法を用いる製
造装置を提供する。 【構成】加工条件最適化用コンピュータ１０５におい
て、加工条件において製造される製品の性質と製造依頼
人により要求される性質との誤差（誤差評価関数）をあ
る一定の尺度で評価する機能を有し、初期加工条件にお
ける誤差評価関数の値及び１階偏微分を、初期加工条件
及びそれを表現するベクトルの１成分を変更することに
より得られる加工条件において実験システム（１０１〜
１０４、１０７〜１０９）を用いて製造される各製品の
性質に基づいて計算し、初期加工条件における前記誤差
評価関数の２階よりも高次の偏微分をプロセス予測用コ
ンピュータ１０６を用いて計算し、多変数ｐ次関数の極
小化アルゴリズムにより、誤差評価関数をヨリ小さくす
る加工条件を予測する。
造するための加工条件を効率的に（従来に比べ少ない実
験回数で）割り出すための方法及びその方法を用いる製
造装置を提供する。 【構成】加工条件最適化用コンピュータ１０５におい
て、加工条件において製造される製品の性質と製造依頼
人により要求される性質との誤差（誤差評価関数）をあ
る一定の尺度で評価する機能を有し、初期加工条件にお
ける誤差評価関数の値及び１階偏微分を、初期加工条件
及びそれを表現するベクトルの１成分を変更することに
より得られる加工条件において実験システム（１０１〜
１０４、１０７〜１０９）を用いて製造される各製品の
性質に基づいて計算し、初期加工条件における前記誤差
評価関数の２階よりも高次の偏微分をプロセス予測用コ
ンピュータ１０６を用いて計算し、多変数ｐ次関数の極
小化アルゴリズムにより、誤差評価関数をヨリ小さくす
る加工条件を予測する。
Description
【０００１】
【産業上の利用分野】本発明は、製造依頼人により要求
される性質を有する製品の製造装置に係り、特に、半導
体素子、触媒、機能性材料、光学材料、超伝導材料、磁
性材料、薬品、合金の製造法開発、試作、及び量産に関
する。
される性質を有する製品の製造装置に係り、特に、半導
体素子、触媒、機能性材料、光学材料、超伝導材料、磁
性材料、薬品、合金の製造法開発、試作、及び量産に関
する。
【０００２】
【従来の技術】ある製品の前駆体を、ある与えられた加
工装置を用いて、依頼人によって要求される性質を有す
る製品を製造するためには、それに最も適した加工条件
を決めなければならない。例えば、半導体素子製造過程
の中で、ウェーハ上に形成された微細孔を金属で化学気
相成長（ＣＶＤ）装置を用いて金属で完全に埋め込むこ
とが要求された場合、その要求に最も適した加工条件
（ここでは、基板温度、装置内圧力、及びガス流量比）
があるはずである。
工装置を用いて、依頼人によって要求される性質を有す
る製品を製造するためには、それに最も適した加工条件
を決めなければならない。例えば、半導体素子製造過程
の中で、ウェーハ上に形成された微細孔を金属で化学気
相成長（ＣＶＤ）装置を用いて金属で完全に埋め込むこ
とが要求された場合、その要求に最も適した加工条件
（ここでは、基板温度、装置内圧力、及びガス流量比）
があるはずである。
【０００３】従来までは、加工プロセスのメカニズムは
一般に複雑であるため、その予測は困難であったので、
オペレータが経験と勘を使いながら、適当な加工条件で
製造後の製品を検査することを繰り返すこにより、「最
適と考えられる」加工条件を探索していた。この場合、
オペレータが見出した加工条件が必ずしも最適とは保証
されない。なぜならば、全ての条件で加工を実行するこ
とは不可能であるからである。また、経験と勘で加工条
件の範囲を決めることを許す場合でも、その範囲の中で
最適条件を見出すためには、通常、膨大な試行錯誤の実
験を必要とする。例えば、上記の金属ＣＶＤの場合、温
度の代表点を５点、圧力の代表点を５点、流量比の代表
点を５点設定すると、全部で５ｘ５ｘ５＝１２５個の加
工条件で実験しなければならない。
一般に複雑であるため、その予測は困難であったので、
オペレータが経験と勘を使いながら、適当な加工条件で
製造後の製品を検査することを繰り返すこにより、「最
適と考えられる」加工条件を探索していた。この場合、
オペレータが見出した加工条件が必ずしも最適とは保証
されない。なぜならば、全ての条件で加工を実行するこ
とは不可能であるからである。また、経験と勘で加工条
件の範囲を決めることを許す場合でも、その範囲の中で
最適条件を見出すためには、通常、膨大な試行錯誤の実
験を必要とする。例えば、上記の金属ＣＶＤの場合、温
度の代表点を５点、圧力の代表点を５点、流量比の代表
点を５点設定すると、全部で５ｘ５ｘ５＝１２５個の加
工条件で実験しなければならない。
【０００４】ところが、最近のコンピュータ性能の向上
及びシミュレーション技術の進歩により、加工プロセス
も理論モデルにより予測可能となってきた。例えば、Ｃ
ＶＤによる微細孔埋込みにおける成長薄膜の断面形状の
時間発展を、加工条件（基板温度、各種ガスの分圧）の
関数として、予測することもできるようになった。この
ようなプロセスシミュレーション技術を用いて、実験を
せずに、製造依頼人の要求に最も適した加工条件を割り
出そうという動きが、現在の半導体素子製造分野にある
（例えば、W. Fichtner, 'Process Simulation' in VLS
I Technology (ed., S. M. Sze, McGraw-Hill, New Yor
k, 1988））。ただし、現状のプロセスシミュレーショ
ンが精度良く現実のプロセスを再現することはできな
い。また、たとえ精度の良いシミュレーション技術があ
ったとしても、製造装置の生産時に現われる各製造装置
の特性のばらつき、長期使用による製造装置の特性の変
化（履歴）等を非経験的に反映することはできない。し
たがって、プロセスシミュレーションにより予測できる
のは、良くても、最適加工条件のおおよその位置であ
る。これは、従来オペレータが経験と勘により決めた加
工条件の範囲を計算機により決めることに過ぎない。現
実に使用する製造装置における最適の加工条件を決める
には、上記の例で示したように、従来の技術では、大量
の実験をせねばならない。
及びシミュレーション技術の進歩により、加工プロセス
も理論モデルにより予測可能となってきた。例えば、Ｃ
ＶＤによる微細孔埋込みにおける成長薄膜の断面形状の
時間発展を、加工条件（基板温度、各種ガスの分圧）の
関数として、予測することもできるようになった。この
ようなプロセスシミュレーション技術を用いて、実験を
せずに、製造依頼人の要求に最も適した加工条件を割り
出そうという動きが、現在の半導体素子製造分野にある
（例えば、W. Fichtner, 'Process Simulation' in VLS
I Technology (ed., S. M. Sze, McGraw-Hill, New Yor
k, 1988））。ただし、現状のプロセスシミュレーショ
ンが精度良く現実のプロセスを再現することはできな
い。また、たとえ精度の良いシミュレーション技術があ
ったとしても、製造装置の生産時に現われる各製造装置
の特性のばらつき、長期使用による製造装置の特性の変
化（履歴）等を非経験的に反映することはできない。し
たがって、プロセスシミュレーションにより予測できる
のは、良くても、最適加工条件のおおよその位置であ
る。これは、従来オペレータが経験と勘により決めた加
工条件の範囲を計算機により決めることに過ぎない。現
実に使用する製造装置における最適の加工条件を決める
には、上記の例で示したように、従来の技術では、大量
の実験をせねばならない。
【０００５】
【発明が解決しようとする課題】本発明が解決しようと
する課題は、最適加工条件を得るために、従来技術で必
要とされる膨大な実験を大幅に低減することであり、そ
の課題を解決するために有効な方法を提供すると共に、
その方法を実行するのに適した製造装置を提供すること
である。
する課題は、最適加工条件を得るために、従来技術で必
要とされる膨大な実験を大幅に低減することであり、そ
の課題を解決するために有効な方法を提供すると共に、
その方法を実行するのに適した製造装置を提供すること
である。
【０００６】
【課題を解決するための手段】上記目的を達成するため
本発明では、製品の前駆体を加工し製品を製造する手段
と、製造された製品の性質を測定する手段と、ベクトル
変数として与えられた加工条件において製造される製品
の性質と製造依頼人により要求される性質との誤差（誤
差評価関数）をある一定の尺度で評価する機能を有し、
（加工後の製品の性質を予測する）理論的モデルに基づ
き前記誤差評価関数が最小となる加工条件を予測し、前
記の予測された初期加工条件における前記誤差評価関数
の値及び１階偏微分を、前記初期加工条件及びそれを表
現するベクトルの１成分を変更することにより得られる
加工条件において製造される各製品の性質に基づいて評
価し、前記初期加工条件における前記誤差評価関数の２
階よりも高次の偏微分を前記理論的モデルに基づいて評
価し、多変数ｐ次関数の極小化アルゴリズムにより、前
記誤差評価関数をヨリ小さくする加工条件を予測する手
段と、前記加工条件の最適化を達成するのに十分な予測
性能を有する理論的モデルに基づき、与えられた加工条
件で製造される製品の性質を予測する手段と、加工条件
を加工手段に設定する手段と、を具備することを特徴と
する製造装置を構成する。それと共に、上記の加工条件
を予測する手段において用いられる加工条件の最適化方
法（または、製造条件制御方法）を提供する。
本発明では、製品の前駆体を加工し製品を製造する手段
と、製造された製品の性質を測定する手段と、ベクトル
変数として与えられた加工条件において製造される製品
の性質と製造依頼人により要求される性質との誤差（誤
差評価関数）をある一定の尺度で評価する機能を有し、
（加工後の製品の性質を予測する）理論的モデルに基づ
き前記誤差評価関数が最小となる加工条件を予測し、前
記の予測された初期加工条件における前記誤差評価関数
の値及び１階偏微分を、前記初期加工条件及びそれを表
現するベクトルの１成分を変更することにより得られる
加工条件において製造される各製品の性質に基づいて評
価し、前記初期加工条件における前記誤差評価関数の２
階よりも高次の偏微分を前記理論的モデルに基づいて評
価し、多変数ｐ次関数の極小化アルゴリズムにより、前
記誤差評価関数をヨリ小さくする加工条件を予測する手
段と、前記加工条件の最適化を達成するのに十分な予測
性能を有する理論的モデルに基づき、与えられた加工条
件で製造される製品の性質を予測する手段と、加工条件
を加工手段に設定する手段と、を具備することを特徴と
する製造装置を構成する。それと共に、上記の加工条件
を予測する手段において用いられる加工条件の最適化方
法（または、製造条件制御方法）を提供する。
【０００７】本発明は、上記のｐが２以上の値である場
合有効であり、理論計算の労力を考慮すれば、ｐ＝２の
場合が最も好ましい。
合有効であり、理論計算の労力を考慮すれば、ｐ＝２の
場合が最も好ましい。
【０００８】また、上記目的を達成するため本発明で
は、製品の前駆体を加工し製品を製造する手段と、製造
された製品の性質を測定する手段と、ベクトル変数とし
て与えられた加工条件において製造される製品の性質と
製造依頼人により要求される性質との誤差（誤差評価関
数）をある一定の尺度で評価する機能を有し、初期に設
定された加工条件における前記誤差評価関数の値、１階
偏微分、及び２階偏微分を、前記初期加工条件及びそれ
を表現するベクトルの１成分及び２成分を変更すること
により得られる加工条件において製造される各製品の性
質に基づいて評価し、多変数２次関数の最小化アルゴリ
ズムにより、前記誤差評価関数をヨリ小さくする加工条
件を予測する手段と、前記加工条件の最適化を達成する
のに十分な予測性能を有する理論的モデルに基づき、与
えられた加工条件で製造される製品の性質を予測する手
段と、加工条件を加工手段に設定する手段と、を具備す
ることを特徴とする製造装置を構成する。それと共に、
上記の加工条件を予測する手段において用いられる加工
条件の最適化方法（または、製造条件制御方法）を提供
する。
は、製品の前駆体を加工し製品を製造する手段と、製造
された製品の性質を測定する手段と、ベクトル変数とし
て与えられた加工条件において製造される製品の性質と
製造依頼人により要求される性質との誤差（誤差評価関
数）をある一定の尺度で評価する機能を有し、初期に設
定された加工条件における前記誤差評価関数の値、１階
偏微分、及び２階偏微分を、前記初期加工条件及びそれ
を表現するベクトルの１成分及び２成分を変更すること
により得られる加工条件において製造される各製品の性
質に基づいて評価し、多変数２次関数の最小化アルゴリ
ズムにより、前記誤差評価関数をヨリ小さくする加工条
件を予測する手段と、前記加工条件の最適化を達成する
のに十分な予測性能を有する理論的モデルに基づき、与
えられた加工条件で製造される製品の性質を予測する手
段と、加工条件を加工手段に設定する手段と、を具備す
ることを特徴とする製造装置を構成する。それと共に、
上記の加工条件を予測する手段において用いられる加工
条件の最適化方法（または、製造条件制御方法）を提供
する。
【０００９】本発明では、上にの述べた製品前駆体を加
工する手段は、分子線エピタキシャル成長（ＭＢＥ）装
置、化学気相薄膜成長（ＣＶＤ）装置、真空蒸着装置、
スパッタ装置、イオンクラスタービーム（ＩＣＢ）装
置、熱酸化装置、表面拡散装置、ドライ・エッチング装
置、ラングミュア・ブロジェット（ＬＢ）膜形成装置、
レジスト薄膜形成装置、リソグラフィー露光装置、ウェ
ット・エッチング装置、イオン・インプランテーション
装置、表面処理装置、アニーリング装置等のいずれか一
つ、または、これらの任意の組合せからなる加工手段で
ある。
工する手段は、分子線エピタキシャル成長（ＭＢＥ）装
置、化学気相薄膜成長（ＣＶＤ）装置、真空蒸着装置、
スパッタ装置、イオンクラスタービーム（ＩＣＢ）装
置、熱酸化装置、表面拡散装置、ドライ・エッチング装
置、ラングミュア・ブロジェット（ＬＢ）膜形成装置、
レジスト薄膜形成装置、リソグラフィー露光装置、ウェ
ット・エッチング装置、イオン・インプランテーション
装置、表面処理装置、アニーリング装置等のいずれか一
つ、または、これらの任意の組合せからなる加工手段で
ある。
【００１０】本発明では、上に述べた製品の性質を測定
する手段は、モノクロメーター若しくはエリプソメータ
ーを用いて薄膜の厚さを測定する手段、低速電子線回折
法（ＬＥＥＤ）、反射高速電子線回折法（ＲＨＥＥ
Ｄ）、広域Ｘ線吸収微細構造分光法（ＥＸＡＦＳ）、表
面広域Ｘ線吸収微細構造分光法（ＳＥＸＡＦＳ）、透過
型電子顕微鏡（ＴＥＭ）、走査型電子顕微鏡（ＳＥ
Ｍ）、走査型トンネル顕微鏡（ＳＴＭ）、原子間力顕微
鏡（ＡＦＭ）、若しくは、電界イオン顕微鏡（ＦＩＭ）
を用いて原子配置（あるいは形状）を測定する手段、光
電子分光法（ＰＥＳ，ＸＰＳ，ＵＰＳ）、オージェ電子
分光（ＡＥＳ）、高分解能電子エネルギー損失分光（Ｈ
ＲＥＥＬＳ，ＬＥＥＬＳ）、ペニングイオン化電子分光
法、若しくは、準安定分子分離分光法（ＭＤＳ）を用い
て電子状態を測定する手段、赤外線吸収（ＩＲ）若しく
はラマン分光法を用いて振動スペクトルを測定する手
段、電子スピン共鳴（ＥＳＲ），核磁気共鳴（ＮＭＲ）
若しくは熱中性子による散乱実験を用いて磁気的性質を
測定する手段、または、２次イオン質量分析法（ＳＩＭ
Ｓ）、イオン中和法（ＩＮＳ）、若しくはタイム・オブ
・フライトの原理を用いて元素分析を行う手段等であ
る。
する手段は、モノクロメーター若しくはエリプソメータ
ーを用いて薄膜の厚さを測定する手段、低速電子線回折
法（ＬＥＥＤ）、反射高速電子線回折法（ＲＨＥＥ
Ｄ）、広域Ｘ線吸収微細構造分光法（ＥＸＡＦＳ）、表
面広域Ｘ線吸収微細構造分光法（ＳＥＸＡＦＳ）、透過
型電子顕微鏡（ＴＥＭ）、走査型電子顕微鏡（ＳＥ
Ｍ）、走査型トンネル顕微鏡（ＳＴＭ）、原子間力顕微
鏡（ＡＦＭ）、若しくは、電界イオン顕微鏡（ＦＩＭ）
を用いて原子配置（あるいは形状）を測定する手段、光
電子分光法（ＰＥＳ，ＸＰＳ，ＵＰＳ）、オージェ電子
分光（ＡＥＳ）、高分解能電子エネルギー損失分光（Ｈ
ＲＥＥＬＳ，ＬＥＥＬＳ）、ペニングイオン化電子分光
法、若しくは、準安定分子分離分光法（ＭＤＳ）を用い
て電子状態を測定する手段、赤外線吸収（ＩＲ）若しく
はラマン分光法を用いて振動スペクトルを測定する手
段、電子スピン共鳴（ＥＳＲ），核磁気共鳴（ＮＭＲ）
若しくは熱中性子による散乱実験を用いて磁気的性質を
測定する手段、または、２次イオン質量分析法（ＳＩＭ
Ｓ）、イオン中和法（ＩＮＳ）、若しくはタイム・オブ
・フライトの原理を用いて元素分析を行う手段等であ
る。
【００１１】本発明の製造装置は、製品前駆体の運搬、
製品前駆体の加工装置への装着、製品の加工装置からの
取外し、製品の運搬、製品の測定装置への装着、製品の
測定前処理、測定後製品の測定装置からの取外しのいず
れかを、加工条件の予測手段の処理に必要なデータを得
るために、実行するロボットを具備してもよい。
製品前駆体の加工装置への装着、製品の加工装置からの
取外し、製品の運搬、製品の測定装置への装着、製品の
測定前処理、測定後製品の測定装置からの取外しのいず
れかを、加工条件の予測手段の処理に必要なデータを得
るために、実行するロボットを具備してもよい。
【００１２】
【作用】ここで、制御すべき加工条件（温度、圧力、流
量等）を Ｃ = (C1, C2, …, Cn) とおき、この条件で、ある製品前駆体を加工装置により
加工した後に得られる製品の注目される性質（膜厚、形
状、原子構造、電子状態等）を一括してベクトルで表現
したものを Ｐ = (P1, P2, …, PN) とおく（Ｐは、Ｃの関数であるので、Ｐ(Ｃ)と書いても
よい）。同一の条件Ｃにおいて、ある適切な理論モデル
（プロセスシミュレータ）により予測される製品の性
質、ＰMも、同様に、ＰM(Ｃ)と書ける。ここで、製造依
頼人により要求される製品の性質をＰGとおくと、Ｐ
(Ｃ)とＰGとの差が、ある尺度において最小となる加工
条件が、真の最適加工条件である。
量等）を Ｃ = (C1, C2, …, Cn) とおき、この条件で、ある製品前駆体を加工装置により
加工した後に得られる製品の注目される性質（膜厚、形
状、原子構造、電子状態等）を一括してベクトルで表現
したものを Ｐ = (P1, P2, …, PN) とおく（Ｐは、Ｃの関数であるので、Ｐ(Ｃ)と書いても
よい）。同一の条件Ｃにおいて、ある適切な理論モデル
（プロセスシミュレータ）により予測される製品の性
質、ＰMも、同様に、ＰM(Ｃ)と書ける。ここで、製造依
頼人により要求される製品の性質をＰGとおくと、Ｐ
(Ｃ)とＰGとの差が、ある尺度において最小となる加工
条件が、真の最適加工条件である。
【００１３】この最適加工条件を見出すために、上でも
説明したように、最初におおよその加工条件を、オペレ
ータの経験と勘、または、ＰM(Ｃ)とＰGとの差の最小化
処理により決定しなければならない。この初期の加工条
件を Ｃ0 = (C1 0, C2 0, …, Cn 0) とおく。ここで、Ｐ(Ｃ)とＰGとのある尺度における差
をＳ(Ｃ)、ＰM(Ｃ)とＰGとの同一の尺度における差をＳ
M(Ｃ)とおく。オペレータの経験と勘を用いて得たＣ
0は、必ずしも、Ｓ(Ｃ)を最小とはしない。また、理論
的モデルを用いて得たＣ0は、ＳM(Ｃ)を最小とするが、
必ずしも、Ｓ(Ｃ)を最小とはしない。
説明したように、最初におおよその加工条件を、オペレ
ータの経験と勘、または、ＰM(Ｃ)とＰGとの差の最小化
処理により決定しなければならない。この初期の加工条
件を Ｃ0 = (C1 0, C2 0, …, Cn 0) とおく。ここで、Ｐ(Ｃ)とＰGとのある尺度における差
をＳ(Ｃ)、ＰM(Ｃ)とＰGとの同一の尺度における差をＳ
M(Ｃ)とおく。オペレータの経験と勘を用いて得たＣ
0は、必ずしも、Ｓ(Ｃ)を最小とはしない。また、理論
的モデルを用いて得たＣ0は、ＳM(Ｃ)を最小とするが、
必ずしも、Ｓ(Ｃ)を最小とはしない。
【００１４】そこで、条件Ｃ0を出発点として、従来
は、試行錯誤の実験を行っていた。この実験の回数は、
加工条件の各成分（Ci）の代表点を、Ci 0を中心とし
て、ｍ点、取るとすると、 ｍのｎ乗回 となる。仮に、代表点の数を５個、加工装置の加工条件
の成分の数を３とすると、１２５回の実験が必要という
ことになる。また、複数の装置を用いて加工を行う場合
は、ｎは通常の数（３程度）よりもさらに大きな数とな
るので、膨大なマトリックス実験が必要となる。
は、試行錯誤の実験を行っていた。この実験の回数は、
加工条件の各成分（Ci）の代表点を、Ci 0を中心とし
て、ｍ点、取るとすると、 ｍのｎ乗回 となる。仮に、代表点の数を５個、加工装置の加工条件
の成分の数を３とすると、１２５回の実験が必要という
ことになる。また、複数の装置を用いて加工を行う場合
は、ｎは通常の数（３程度）よりもさらに大きな数とな
るので、膨大なマトリックス実験が必要となる。
【００１５】そこで、本発明では、「関数Ｓ(Ｃ)は、そ
れを最小とする条件Ｃminの近傍では、多変数（Ｃ）の
ｐ次関数に近似できる」ことに注目する（ただし、ｐは
有限の整数である）。ここで、Ｃ0がＣminの近傍にある
とすると、Ｃ0におけるＳ(Ｃ)の値、１階の偏微分係
数、２階の偏微分係数、…、及びｐ階の偏微分係数を求
めれば、Ｃminの近傍におけるＳ(Ｃ)の関数形が多変数
ｐ次関数として得られる。この多変数ｐ次関数を最小と
するＣを求めることにより、Ｃminに非常に近い値が得
られる。
れを最小とする条件Ｃminの近傍では、多変数（Ｃ）の
ｐ次関数に近似できる」ことに注目する（ただし、ｐは
有限の整数である）。ここで、Ｃ0がＣminの近傍にある
とすると、Ｃ0におけるＳ(Ｃ)の値、１階の偏微分係
数、２階の偏微分係数、…、及びｐ階の偏微分係数を求
めれば、Ｃminの近傍におけるＳ(Ｃ)の関数形が多変数
ｐ次関数として得られる。この多変数ｐ次関数を最小と
するＣを求めることにより、Ｃminに非常に近い値が得
られる。
【００１６】Ｃ0におけるＳ(Ｃ)の値を得るためには、
Ｐ(Ｃ0)が得られればよいので、条件Ｃ0における加工実
験を行えばよい。Ｓ(Ｃ)の１次偏微分係数を得るために
は、Ｃ0の１個の成分（Ci 0）を変更することにより得ら
れる加工条件（C1 0, …, Ci 0＋ｄi, …, Cn 0）における
加工実験を行えばよい。Ｓ(Ｃ)の２次の偏微分係数を得
るためには、さらに、Ｃ0の２個の成分（Ci 0, Cj 0）を
変更することにより得られる加工条件（C1 0, …, Ci 0＋
ｄi, …, Cj 0+ｄj, …, Cn 0）における加工実験を行え
ばよい。従って、ｐ＝２の場合、総計、 (1/2)ｎ2 ＋ (3/2)ｎ ＋ １ 程度の回数の加工実験を行うことにより、Ｃminの近傍
におけるＳ(Ｃ)の関数形が得られ、最適加工条件Ｃmin
に非常に近い値が求まる。例えば、ｎ＝３の場合は、１
０回程度の加工実験を行えばよい。これは、マトリック
ス実験の場合（１２５回）に対して、必要な実験量の大
幅な低減をもたらす。ただし、この実験回数は、ｎの２
次関数となっているので、加工条件のベクトルの成分の
数が大きい場合は、実用に供せない。
Ｐ(Ｃ0)が得られればよいので、条件Ｃ0における加工実
験を行えばよい。Ｓ(Ｃ)の１次偏微分係数を得るために
は、Ｃ0の１個の成分（Ci 0）を変更することにより得ら
れる加工条件（C1 0, …, Ci 0＋ｄi, …, Cn 0）における
加工実験を行えばよい。Ｓ(Ｃ)の２次の偏微分係数を得
るためには、さらに、Ｃ0の２個の成分（Ci 0, Cj 0）を
変更することにより得られる加工条件（C1 0, …, Ci 0＋
ｄi, …, Cj 0+ｄj, …, Cn 0）における加工実験を行え
ばよい。従って、ｐ＝２の場合、総計、 (1/2)ｎ2 ＋ (3/2)ｎ ＋ １ 程度の回数の加工実験を行うことにより、Ｃminの近傍
におけるＳ(Ｃ)の関数形が得られ、最適加工条件Ｃmin
に非常に近い値が求まる。例えば、ｎ＝３の場合は、１
０回程度の加工実験を行えばよい。これは、マトリック
ス実験の場合（１２５回）に対して、必要な実験量の大
幅な低減をもたらす。ただし、この実験回数は、ｎの２
次関数となっているので、加工条件のベクトルの成分の
数が大きい場合は、実用に供せない。
【００１７】理論的モデルにより予測される初期加工条
件Ｃ0が、Ｓ(Ｃ)を最小にできなければ、Ｃ0におけるＳ
(Ｃ)の１階の偏微分係数の値は０以外の正負どちらかの
値である。一方、Ｃ0におけるＳM(Ｃ)の１階の偏微分係
数の値は０であるので、ここでは、理論的モデルは参考
にはならない。ところが、Ｓ(Ｃ)の２階の偏微分係数
は、Ｃminを底とする（ｎ＋１）次元空間における盆地
の曲率を表現するものであるから、Ｃminの近傍に盆地
の底を有するＳM(Ｃ)の２階の偏微分係数は、Ｓ(Ｃ)の
２階の偏微分係数の良い近似値となる。（ここで、Ｃ0
がＳ(Ｃ)の盆地を囲む稜線の近くに位置する場合は、Ｓ
M(Ｃ)の３階及び４階の偏微分係数を、Ｓ(Ｃ)の３階及
び４階の偏微分係数の近似値として採用してもよい。）
従って、理論的モデルが十分な予測精度を有すれば、Ｃ
0におけるＳ(Ｃ)の値及び１階偏微分係数のみを実験に
より求め、Ｃ0におけるＳ(Ｃ)の２階以上の偏微分係数
をＳM(Ｃ)の２階以上の偏微分係数で代替することによ
り、Ｃminの近傍におけるＳ(Ｃ)の関数形が得られるの
で、Ｃminを求めることができる。この場合、必要とさ
れる実験の回数は、 ｎ ＋ １ 程度であり、マトリックス実験に対して、大幅に実験量
を低減している。また、ｎが大きい場合でも、現実的な
実験回数で、加工最適条件が得られる。
件Ｃ0が、Ｓ(Ｃ)を最小にできなければ、Ｃ0におけるＳ
(Ｃ)の１階の偏微分係数の値は０以外の正負どちらかの
値である。一方、Ｃ0におけるＳM(Ｃ)の１階の偏微分係
数の値は０であるので、ここでは、理論的モデルは参考
にはならない。ところが、Ｓ(Ｃ)の２階の偏微分係数
は、Ｃminを底とする（ｎ＋１）次元空間における盆地
の曲率を表現するものであるから、Ｃminの近傍に盆地
の底を有するＳM(Ｃ)の２階の偏微分係数は、Ｓ(Ｃ)の
２階の偏微分係数の良い近似値となる。（ここで、Ｃ0
がＳ(Ｃ)の盆地を囲む稜線の近くに位置する場合は、Ｓ
M(Ｃ)の３階及び４階の偏微分係数を、Ｓ(Ｃ)の３階及
び４階の偏微分係数の近似値として採用してもよい。）
従って、理論的モデルが十分な予測精度を有すれば、Ｃ
0におけるＳ(Ｃ)の値及び１階偏微分係数のみを実験に
より求め、Ｃ0におけるＳ(Ｃ)の２階以上の偏微分係数
をＳM(Ｃ)の２階以上の偏微分係数で代替することによ
り、Ｃminの近傍におけるＳ(Ｃ)の関数形が得られるの
で、Ｃminを求めることができる。この場合、必要とさ
れる実験の回数は、 ｎ ＋ １ 程度であり、マトリックス実験に対して、大幅に実験量
を低減している。また、ｎが大きい場合でも、現実的な
実験回数で、加工最適条件が得られる。
【００１８】すなわち、本発明の製造装置は、Ｃ0にお
けるＳ(Ｃ)の値及び１階偏微分係数を加工実験により、
Ｃ0における２階以上の偏微分係数を理論的モデルによ
り求め、Ｃminの近傍におけるＳ(Ｃ)の関数形を得るこ
とにより最適加工条件を決定することができる。
けるＳ(Ｃ)の値及び１階偏微分係数を加工実験により、
Ｃ0における２階以上の偏微分係数を理論的モデルによ
り求め、Ｃminの近傍におけるＳ(Ｃ)の関数形を得るこ
とにより最適加工条件を決定することができる。
【００１９】また、本発明の製造装置は、Ｃ0における
Ｓ(Ｃ)の値、１階偏微分係数、及び２階偏微分係数を加
工実験により求め、Ｃminの近傍におけるＳ(Ｃ)の関数
形を得ることにより最適加工条件を決定することができ
る。
Ｓ(Ｃ)の値、１階偏微分係数、及び２階偏微分係数を加
工実験により求め、Ｃminの近傍におけるＳ(Ｃ)の関数
形を得ることにより最適加工条件を決定することができ
る。
【００２０】本発明の製造条件制御方法は、上記の最適
加工条件の決定方法をもちいることにより最適加工条件
を容易に決定することができる。
加工条件の決定方法をもちいることにより最適加工条件
を容易に決定することができる。
【００２１】また、本発明によれば製造依頼人が要求す
る性質を有する製品を製造する加工条件を、より迅速に
割出すことが可能となり、多種多様な製造依頼に迅速に
対応できる製造装置を提供することができる。
る性質を有する製品を製造する加工条件を、より迅速に
割出すことが可能となり、多種多様な製造依頼に迅速に
対応できる製造装置を提供することができる。
【００２２】
【実施例】以下に、本発明の製造条件制御方法及びそれ
を用いた製造装置の実施例を図面を参照しながら説明す
る。
を用いた製造装置の実施例を図面を参照しながら説明す
る。
【００２３】［実施例１］製品前駆体（細孔を有するシ
リコン基板等）上への半導体あるいは金属のＣＶＤ薄膜
形成加工において、加工条件最適化をＳＥＭ（あるいは
ＴＥＭ）を用いて加工後の製品の断面形状を評価し、そ
の結果を適切な理論的モデルに基づいて処理し、最適加
工条件を決める、本発明の製造装置の実施例の全体構成
を図１に示す。
リコン基板等）上への半導体あるいは金属のＣＶＤ薄膜
形成加工において、加工条件最適化をＳＥＭ（あるいは
ＴＥＭ）を用いて加工後の製品の断面形状を評価し、そ
の結果を適切な理論的モデルに基づいて処理し、最適加
工条件を決める、本発明の製造装置の実施例の全体構成
を図１に示す。
【００２４】１０１がＣＶＤ装置であり、ＣＶＤ装置１
０１には、搬送経路を介して分析前処理装置１０２及び
断面形状を観察するためのＳＥＭ測定装置１０３が取り
付けられている。断面形状解析用コンピュータ１０４
は、ＳＥＭ測定装置１０３から得られるデータを取り込
んで、製品の性質（断面形状）の解析を行うものであ
る。断面形状解析用コンピュータ１０４により得られた
形状データは、加工条件最適化用コンピュータ１０５に
送られる。加工条件最適化用コンピュータ１０５では、
実験的に得られた形状データ及びプロセス予測用コンピ
ュータ１０６により得られた形状データに基づき、製造
依頼人の形状に関する要求に最も適した加工条件を予測
する。また、加工条件最適化用コンピュータ１０５は、
最適加工条件予測に必要な形状データを得るために、必
要に応じて、加工条件の信号をプロセス予測用コンピュ
ータ１０６に送り、プロセスシミュレーションを実行さ
せたり、加工条件の信号を加工条件設定手段の流量制御
設定装置１０７、温度制御設定装置１０８、及び圧力制
御設定装置１０９に送り、ＣＶＤ装置１０１に加工を実
行させたりする。
０１には、搬送経路を介して分析前処理装置１０２及び
断面形状を観察するためのＳＥＭ測定装置１０３が取り
付けられている。断面形状解析用コンピュータ１０４
は、ＳＥＭ測定装置１０３から得られるデータを取り込
んで、製品の性質（断面形状）の解析を行うものであ
る。断面形状解析用コンピュータ１０４により得られた
形状データは、加工条件最適化用コンピュータ１０５に
送られる。加工条件最適化用コンピュータ１０５では、
実験的に得られた形状データ及びプロセス予測用コンピ
ュータ１０６により得られた形状データに基づき、製造
依頼人の形状に関する要求に最も適した加工条件を予測
する。また、加工条件最適化用コンピュータ１０５は、
最適加工条件予測に必要な形状データを得るために、必
要に応じて、加工条件の信号をプロセス予測用コンピュ
ータ１０６に送り、プロセスシミュレーションを実行さ
せたり、加工条件の信号を加工条件設定手段の流量制御
設定装置１０７、温度制御設定装置１０８、及び圧力制
御設定装置１０９に送り、ＣＶＤ装置１０１に加工を実
行させたりする。
【００２５】ただし、加工条件最適化のための実験の回
数を減らすために、加工条件最適化用コンピュータ１０
５は、（プロセス予測用コンピュータ１０６のみを用い
て）初期に、依頼人要求に適すると予測された加工条件
の信号、その初期の加工条件を表現するベクトルの１成
分を変更することにより得られる加工条件の信号、及び
予測された最適加工条件信号のみを、加工条件制御設定
装置１０７、１０８、及び１０９に送る。そして、加工
条件最適化用コンピュータ１０５は、以上の加工条件で
製造された製品の性質（ここでは、断面形状）のデータ
及びプロセス予測用コンピュータ１０６から得られるデ
ータのみを用いて、Ｃ0近傍での誤差評価関数Ｓ(Ｃ)
（加工条件Ｃで製造される製品の性質Ｐ(Ｃ)と依頼人が
要求する製品の性質ＰGとのある尺度における差）の関
数形を予測し、最適プロセス条件を予測する機能を有す
る。
数を減らすために、加工条件最適化用コンピュータ１０
５は、（プロセス予測用コンピュータ１０６のみを用い
て）初期に、依頼人要求に適すると予測された加工条件
の信号、その初期の加工条件を表現するベクトルの１成
分を変更することにより得られる加工条件の信号、及び
予測された最適加工条件信号のみを、加工条件制御設定
装置１０７、１０８、及び１０９に送る。そして、加工
条件最適化用コンピュータ１０５は、以上の加工条件で
製造された製品の性質（ここでは、断面形状）のデータ
及びプロセス予測用コンピュータ１０６から得られるデ
ータのみを用いて、Ｃ0近傍での誤差評価関数Ｓ(Ｃ)
（加工条件Ｃで製造される製品の性質Ｐ(Ｃ)と依頼人が
要求する製品の性質ＰGとのある尺度における差）の関
数形を予測し、最適プロセス条件を予測する機能を有す
る。
【００２６】ここで、加工条件のベクトルによる表現と
しては、第１成分を成分ガス１の流量ｆ1、第２成分を
成分ガス２の流量ｆ2、第３成分を成分ガス３の流量
ｆ3、第４成分を基板温度Ｔ、第５成分を装置内圧力Ｐ
とする表現 （ｆ1，ｆ2，ｆ3，Ｔ，Ｐ） が挙げられる。また、第１乃至第３成分を、全流量（ｆ
＝ｆ1＋ｆ2＋ｆ3）に対するｆ1，ｆ2，及びｆ3の比とす
る表現 （ｆ1／ｆ，ｆ2／ｆ，ｆ3／ｆ，Ｔ，Ｐ） でも加工条件を表現できる。また、第１乃至第３成分を
装置内分圧とする表現 （ｆ1Ｐ／ｆ，ｆ2Ｐ／ｆ，ｆ3Ｐ／ｆ，Ｔ） でもよい。
しては、第１成分を成分ガス１の流量ｆ1、第２成分を
成分ガス２の流量ｆ2、第３成分を成分ガス３の流量
ｆ3、第４成分を基板温度Ｔ、第５成分を装置内圧力Ｐ
とする表現 （ｆ1，ｆ2，ｆ3，Ｔ，Ｐ） が挙げられる。また、第１乃至第３成分を、全流量（ｆ
＝ｆ1＋ｆ2＋ｆ3）に対するｆ1，ｆ2，及びｆ3の比とす
る表現 （ｆ1／ｆ，ｆ2／ｆ，ｆ3／ｆ，Ｔ，Ｐ） でも加工条件を表現できる。また、第１乃至第３成分を
装置内分圧とする表現 （ｆ1Ｐ／ｆ，ｆ2Ｐ／ｆ，ｆ3Ｐ／ｆ，Ｔ） でもよい。
【００２７】このように、加工条件は、様々な形式でベ
クトル表現ができるが、本発明によれば、どの表現を用
いても、加工条件最適化に必要な実験回数を、従来に比
べ大幅に削減することができる。
クトル表現ができるが、本発明によれば、どの表現を用
いても、加工条件最適化に必要な実験回数を、従来に比
べ大幅に削減することができる。
【００２８】ＣＶＤ装置１０１は、キャリヤガスと共に
導入される各種原料ガスを装置内に設置された半導体基
板等の製品前駆体表面と接触させ、該表面に薄膜を成長
させるものである。この加工装置の加工条件は、各成分
ガスの流量、基板温度、圧力等であり、これらの加工条
件に依存して、凸凹の基板表面上に成長する薄膜の断面
形状、薄膜の密度、組成等が変化する。ＣＶＤ法は、基
板表面にある１ミクロンよりも小さな細孔を埋め込んだ
り、その内部の表面上に数ナノメータ程度の厚みの薄膜
を形成さたり、特定の材料で覆われた領域のみに選択的
に薄膜を成長させたりできる有望な加工技術で、今後の
展開が期待される。
導入される各種原料ガスを装置内に設置された半導体基
板等の製品前駆体表面と接触させ、該表面に薄膜を成長
させるものである。この加工装置の加工条件は、各成分
ガスの流量、基板温度、圧力等であり、これらの加工条
件に依存して、凸凹の基板表面上に成長する薄膜の断面
形状、薄膜の密度、組成等が変化する。ＣＶＤ法は、基
板表面にある１ミクロンよりも小さな細孔を埋め込んだ
り、その内部の表面上に数ナノメータ程度の厚みの薄膜
を形成さたり、特定の材料で覆われた領域のみに選択的
に薄膜を成長させたりできる有望な加工技術で、今後の
展開が期待される。
【００２９】プロセス予測用コンピュータ１０６では、
適切な理論的モデルに基づき、ＣＶＤプロセスのパラメ
ータを外部入力として、与えられた加工条件（Ｃ）にお
いて基板上に形成される薄膜の形状（ＰM（Ｃ））を予
測する。従って、このコンピュータはいわゆるプロセス
シミュレータの役割を果たす。
適切な理論的モデルに基づき、ＣＶＤプロセスのパラメ
ータを外部入力として、与えられた加工条件（Ｃ）にお
いて基板上に形成される薄膜の形状（ＰM（Ｃ））を予
測する。従って、このコンピュータはいわゆるプロセス
シミュレータの役割を果たす。
【００３０】図２に、加工条件最適化に至るまでの本実
施例の製造装置における処理の流れを示す。
施例の製造装置における処理の流れを示す。
【００３１】まず、加工条件最適化用コンピュータ１０
５へ製造依頼人が要求する製品の性質ＰGが入力される
（２０１）。また、プロセス予測用コンピュータ１０６
へは、加工条件（流量、温度、圧力）以外のプロセスパ
ラメータ（製品前駆体の加工面の形状、材料等）が入力
される（２０２）。
５へ製造依頼人が要求する製品の性質ＰGが入力される
（２０１）。また、プロセス予測用コンピュータ１０６
へは、加工条件（流量、温度、圧力）以外のプロセスパ
ラメータ（製品前駆体の加工面の形状、材料等）が入力
される（２０２）。
【００３２】次に、加工条件最適化用コンピュータ１０
５は、プロセス予測用コンピュータ１０６に様々の加工
条件Ｃを入力し、その結果予測された形状データ（ＰM
（Ｃ））と依頼人要求の性質ＰGとの（ある尺度におけ
る）差ＳM（Ｃ）を計算する。
５は、プロセス予測用コンピュータ１０６に様々の加工
条件Ｃを入力し、その結果予測された形状データ（ＰM
（Ｃ））と依頼人要求の性質ＰGとの（ある尺度におけ
る）差ＳM（Ｃ）を計算する。
【００３３】誤差評価関数ＳM（Ｃ）の例としては、ＰM
（Ｃ）とＰGの対応する成分の差の２乗の和の平方根が
あげられる。すなわち、この例では、
（Ｃ）とＰGの対応する成分の差の２乗の和の平方根が
あげられる。すなわち、この例では、
【００３４】
【数１】
【００３５】となる。ここで、製品の性質を表すベクト
ルＰ(Ｃ)は、形状、組成、原子配置、応力等、依頼人が
要求する製品の性質に関する項目を一括して表現する。
単一のスカラー量では表現できない項目の場合は、複数
の成分で表現する。形状の場合は、例えば、加工装置に
固定されたある投影面上に、適当に配置された複数点を
与え、与えられた投影面上の点を通過する垂線と製品表
面との交点を考える。これら複数の交点と投影面との距
離が、製品の表面形状を表現する。
ルＰ(Ｃ)は、形状、組成、原子配置、応力等、依頼人が
要求する製品の性質に関する項目を一括して表現する。
単一のスカラー量では表現できない項目の場合は、複数
の成分で表現する。形状の場合は、例えば、加工装置に
固定されたある投影面上に、適当に配置された複数点を
与え、与えられた投影面上の点を通過する垂線と製品表
面との交点を考える。これら複数の交点と投影面との距
離が、製品の表面形状を表現する。
【００３６】さらに、加工条件最適化用コンピュータ１
０５は複数の加工条件に対するＳM（Ｃ）に基づいて、
ＳM（Ｃ）を最小とする加工条件Ｃ0を求める（２０
３）。すなわち、ステップ２０３は、加工条件最適化用
コンピュータ１０５において、プロセス予測用コンピュ
ータ１０６に様々の加工条件Ｃを入力することにより得
られる形状データＰM（Ｃ）の基づき、要求仕様ＰGに近
い結果を出す加工条件をＣ0を計算する工程となる。
０５は複数の加工条件に対するＳM（Ｃ）に基づいて、
ＳM（Ｃ）を最小とする加工条件Ｃ0を求める（２０
３）。すなわち、ステップ２０３は、加工条件最適化用
コンピュータ１０５において、プロセス予測用コンピュ
ータ１０６に様々の加工条件Ｃを入力することにより得
られる形状データＰM（Ｃ）の基づき、要求仕様ＰGに近
い結果を出す加工条件をＣ0を計算する工程となる。
【００３７】次に、加工条件最適化用コンピュータ１０
５は、依頼人要求に最も近い結果を得ると予測された加
工条件Ｃ0を加工条件設定装置１０７、１０８、１０９
に設定し、ＣＶＤ装置１０１にて、導入された製品前駆
体（膜成長前のウェーハ）上に加工（膜成長）を実行す
る。膜成長後の製品は、分析前処理装置１０２に送ら
れ、性質（形状）を測定することが可能となるように前
処理され、測定装置１０３（ＳＥＭ）に送られた後に、
製品の性質（表面形状）が測定される。測定結果のデー
タは、形状解析用コンピュータ１０４に送られ、加工条
件最適化用コンピュータ１０５にて処理可能となるよう
に、ベクトルＰの形式に変換される（２０４）。すなわ
ち、ステップ２０４は、加工条件設定装置１０７、１０
８、１０９、ＣＶＤ装置１０１、測定装置１０２、１０
３、形状解析用コンピュータ１０４からなる実験システ
ムにより、初期の加工条件Ｃ0において加工製造される
製品の性質（形状）Ｐ(Ｃ0)のデータを得る工程であ
る。
５は、依頼人要求に最も近い結果を得ると予測された加
工条件Ｃ0を加工条件設定装置１０７、１０８、１０９
に設定し、ＣＶＤ装置１０１にて、導入された製品前駆
体（膜成長前のウェーハ）上に加工（膜成長）を実行す
る。膜成長後の製品は、分析前処理装置１０２に送ら
れ、性質（形状）を測定することが可能となるように前
処理され、測定装置１０３（ＳＥＭ）に送られた後に、
製品の性質（表面形状）が測定される。測定結果のデー
タは、形状解析用コンピュータ１０４に送られ、加工条
件最適化用コンピュータ１０５にて処理可能となるよう
に、ベクトルＰの形式に変換される（２０４）。すなわ
ち、ステップ２０４は、加工条件設定装置１０７、１０
８、１０９、ＣＶＤ装置１０１、測定装置１０２、１０
３、形状解析用コンピュータ１０４からなる実験システ
ムにより、初期の加工条件Ｃ0において加工製造される
製品の性質（形状）Ｐ(Ｃ0)のデータを得る工程であ
る。
【００３８】次に、ベクトルＰ(Ｃ0)は加工条件最適化
用コンピュータ１０５に送られ、コンピュータ１０５に
おいて、Ｐ(Ｃ0)とＰGとの差Ｓ(Ｃ0)が計算される（２
０５）。ここで、誤差評価関数Ｓ(Ｃ)の定義は、Ｓ
M(Ｃ)の定義と同様である。
用コンピュータ１０５に送られ、コンピュータ１０５に
おいて、Ｐ(Ｃ0)とＰGとの差Ｓ(Ｃ0)が計算される（２
０５）。ここで、誤差評価関数Ｓ(Ｃ)の定義は、Ｓ
M(Ｃ)の定義と同様である。
【００３９】例えば、
【００４０】
【数２】
【００４１】次にコンピュータ１０５において、計算さ
れたＳ(Ｃ0)が、与えられた許容誤差より小さいか否か
が判定される（２０６）。
れたＳ(Ｃ0)が、与えられた許容誤差より小さいか否か
が判定される（２０６）。
【００４２】Ｓ(Ｃ0)が許容誤差より小さければ、Ｃ0が
依頼人要求を満足する加工条件ということになるので、
この条件が、加工条件設定手段１０７、１０８、１０９
に設定され、要求された数の製品の製造が行われる（２
０７）。
依頼人要求を満足する加工条件ということになるので、
この条件が、加工条件設定手段１０７、１０８、１０９
に設定され、要求された数の製品の製造が行われる（２
０７）。
【００４３】Ｓ(Ｃ0)が許容誤差より大きければ、加工
条件最適化用コンピュータ１０５は、次の処理を行う。
まず、ベクトルＣ0の１成分（ｉ番目の成分）を変更す
ることにより得られる各加工条件において、同一の製品
前駆体を実験システム（１０７、１０８、１０９、１０
１、１０２、１０３、１０４）にて加工し、測定し、Ｐ
(Ｃ0＋ｄi)を得る。ここで、ｄiは、ｉ番目のみの成分
が０ではない値であるベクトルである。次に、Ｐ(Ｃ0＋
ｄi)からＳ(Ｃ0＋ｄi)を計算し、Ｃ0におけるＳ(Ｃ)の
一階偏微分を計算する。例えば、ｄiが十分小さい場
合、次の式を用いる。
条件最適化用コンピュータ１０５は、次の処理を行う。
まず、ベクトルＣ0の１成分（ｉ番目の成分）を変更す
ることにより得られる各加工条件において、同一の製品
前駆体を実験システム（１０７、１０８、１０９、１０
１、１０２、１０３、１０４）にて加工し、測定し、Ｐ
(Ｃ0＋ｄi)を得る。ここで、ｄiは、ｉ番目のみの成分
が０ではない値であるベクトルである。次に、Ｐ(Ｃ0＋
ｄi)からＳ(Ｃ0＋ｄi)を計算し、Ｃ0におけるＳ(Ｃ)の
一階偏微分を計算する。例えば、ｄiが十分小さい場
合、次の式を用いる。
【００４４】
【数３】
【００４５】ここで必要な、加工実験の回数（または実
験用の製品前駆体の数）は、加工条件ベクトルの次元数
（ｎ）程度である。
験用の製品前駆体の数）は、加工条件ベクトルの次元数
（ｎ）程度である。
【００４６】次に、ベクトルＣ0の近傍の適当な加工条
件をプロセス予測用コンピュータ１０６に入力し、その
結果得られるＰM(Ｃ0＋ｄ)からＳM(Ｃ0＋ｄ)を計算し、
その結果に基づいて、Ｃ0におけるＳM(Ｃ)の２階以上の
偏微分を計算する。この計算では、コンピュータ１０６
により既に計算されたＣ0近傍のＰM(Ｃ)のデータを用い
てもよい。
件をプロセス予測用コンピュータ１０６に入力し、その
結果得られるＰM(Ｃ0＋ｄ)からＳM(Ｃ0＋ｄ)を計算し、
その結果に基づいて、Ｃ0におけるＳM(Ｃ)の２階以上の
偏微分を計算する。この計算では、コンピュータ１０６
により既に計算されたＣ0近傍のＰM(Ｃ)のデータを用い
てもよい。
【００４７】以上の偏微分を係数とするｐ次関数、
【００４８】
【数４】
【００４９】が最小となる条件Ｃ1を最小化（あるいは
極小化）アルゴリズムにより計算する。最小化アルゴリ
ズムとしては、準ニュートン法などがあげられる。ここ
で、ｐが２である場合は、必要なＰM(Ｃ0＋ｄ)は、ベク
トルＣ0の１成分及び２成分のみを変更することにより
得られる加工条件に対するものだけであるから、計算量
も小さくてすむ。加工条件Ｃ1は、Ｃ0よりも、依頼人要
求に適した製品を製造する加工条件である（２０８）。
極小化）アルゴリズムにより計算する。最小化アルゴリ
ズムとしては、準ニュートン法などがあげられる。ここ
で、ｐが２である場合は、必要なＰM(Ｃ0＋ｄ)は、ベク
トルＣ0の１成分及び２成分のみを変更することにより
得られる加工条件に対するものだけであるから、計算量
も小さくてすむ。加工条件Ｃ1は、Ｃ0よりも、依頼人要
求に適した製品を製造する加工条件である（２０８）。
【００５０】すなわち、ステップ２０８は、加工条件最
適化用コンピュータ１０５において、ベクトルＣ0の１
成分を変更することにより得られる加工条件を実験シス
テムに設定することにより製造される製品の性質Ｐ
(Ｃ）、及び、ベクトルＣ0の１成分又は２成分を変更す
ることにより得られる加工条件をプロセス予測用コンピ
ュータ１０６に入力することにより予測される加工後の
製品の性質ＰM(Ｃ)に基づいて、Ｃ0よりも改善された加
工条件Ｃ1を得る工程となる。
適化用コンピュータ１０５において、ベクトルＣ0の１
成分を変更することにより得られる加工条件を実験シス
テムに設定することにより製造される製品の性質Ｐ
(Ｃ）、及び、ベクトルＣ0の１成分又は２成分を変更す
ることにより得られる加工条件をプロセス予測用コンピ
ュータ１０６に入力することにより予測される加工後の
製品の性質ＰM(Ｃ)に基づいて、Ｃ0よりも改善された加
工条件Ｃ1を得る工程となる。
【００５１】次に、実験システムにより、Ｐ(Ｃ1）を
得、コンピュータ１０５にそのデータを送る（２０
９）。
得、コンピュータ１０５にそのデータを送る（２０
９）。
【００５２】コンピュータ１０５において、Ｐ(Ｃ1）と
ＰGとの差Ｓ(Ｃ1)を計算する（２１０）。
ＰGとの差Ｓ(Ｃ1)を計算する（２１０）。
【００５３】次にコンピュータ１０５において、計算さ
れたＳ(Ｃ1)が、与えられた許容誤差より小さいか否か
が判定される（２１１）。
れたＳ(Ｃ1)が、与えられた許容誤差より小さいか否か
が判定される（２１１）。
【００５４】Ｓ(Ｃ1)が許容誤差よりも大きい場合は、
プロセス予測用コンピュータ１０６の予測性能が十分で
あるならば、該加工装置を用いて依頼人要求に答えるこ
とは不可能であると判定される。ただし、プロセス予測
用コンピュータ１０６の予測性能が不十分であると考え
られる場合は、Ｃ0にＣ1の値を代入し、処理２０８に戻
り、加工条件最適化を繰り返してもよい。
プロセス予測用コンピュータ１０６の予測性能が十分で
あるならば、該加工装置を用いて依頼人要求に答えるこ
とは不可能であると判定される。ただし、プロセス予測
用コンピュータ１０６の予測性能が不十分であると考え
られる場合は、Ｃ0にＣ1の値を代入し、処理２０８に戻
り、加工条件最適化を繰り返してもよい。
【００５５】Ｓ(Ｃ1)が許容誤差より小さければ、Ｃ1が
依頼人要求を満足する加工条件ということになるので、
この条件が、加工条件設定手段１０７、１０８、１０９
に設定され、要求された数の製品の製造が行われる（２
１２）。
依頼人要求を満足する加工条件ということになるので、
この条件が、加工条件設定手段１０７、１０８、１０９
に設定され、要求された数の製品の製造が行われる（２
１２）。
【００５６】本実施例では、加工装置として、一装置
（ＣＶＤ装置１０１）のみを取り上げたが、本発明は、
製品前駆体を順次加工するために、複数の加工装置が、
直列にされたモジュールを一つの加工装置とした場合で
も、適用可能である。例えば、レジスト塗布装置、パタ
ーン露光装置、現像装置、及びエッチング装置が順次直
列に連結したモジュールに適用してもよい。このような
直列モジュールの場合、加工条件を表現するベクトルの
次元数は、各加工装置における設定可能な加工条件の種
類の数の数倍になるので、従来技術によると、加工条件
最適化に必要な試作回数は、さらに増大する。本発明に
よると、その試作回数を加工条件ベクトルの次元数
（ｎ）程度に押さえることができる。
（ＣＶＤ装置１０１）のみを取り上げたが、本発明は、
製品前駆体を順次加工するために、複数の加工装置が、
直列にされたモジュールを一つの加工装置とした場合で
も、適用可能である。例えば、レジスト塗布装置、パタ
ーン露光装置、現像装置、及びエッチング装置が順次直
列に連結したモジュールに適用してもよい。このような
直列モジュールの場合、加工条件を表現するベクトルの
次元数は、各加工装置における設定可能な加工条件の種
類の数の数倍になるので、従来技術によると、加工条件
最適化に必要な試作回数は、さらに増大する。本発明に
よると、その試作回数を加工条件ベクトルの次元数
（ｎ）程度に押さえることができる。
【００５７】また、本実施例の処理における必要な製品
前駆体の運搬、製品前駆体の加工装置への装着、製品の
加工装置からの取外し、製品の運搬、製品の測定装置へ
の装着、製品の測定前処理、測定後製品の測定装置から
の取外し等は、加工条件最適化用コンピュータの処理の
必要に応じて、ロボットを用いて実行してもよい。ロボ
ットを用いることにより、さらに製造条件制御及び生産
の能率化を図ることができる。
前駆体の運搬、製品前駆体の加工装置への装着、製品の
加工装置からの取外し、製品の運搬、製品の測定装置へ
の装着、製品の測定前処理、測定後製品の測定装置から
の取外し等は、加工条件最適化用コンピュータの処理の
必要に応じて、ロボットを用いて実行してもよい。ロボ
ットを用いることにより、さらに製造条件制御及び生産
の能率化を図ることができる。
【００５８】以上の実施例からもわかるように、本発明
の製造条件制御方法あるいはその方法による製造装置を
用いれば、従来よりも、はるかに少ない試作回数によ
り、依頼人要求に最適な製造条件を得ることができ、多
種多様な依頼に応じつつ、迅速な生産を実行することが
可能となる。
の製造条件制御方法あるいはその方法による製造装置を
用いれば、従来よりも、はるかに少ない試作回数によ
り、依頼人要求に最適な製造条件を得ることができ、多
種多様な依頼に応じつつ、迅速な生産を実行することが
可能となる。
【００５９】［実施例２］本実施例では、適当なプロセ
ス予測用コンピュータが入手できない場合、加工条件最
適化コンピュータのみで加工条件を効率的に最適化する
本発明の製造装置を説明する。本実施例の製造装置の全
体構成は、図１からプロセス予測用コンピュータ１０６
を取り除いたものである。ただし、加工条件最適化用コ
ンピュータ１０５は、入力された（オペレータの経験と
勘または既知のデータに基づいて依頼人要求に適すると
予測された）初期の加工条件の信号、その初期の加工条
件を表現するベクトルの１成分または２成分を変更する
ことにより得られる加工条件の信号、及び予測された最
適加工条件の信号のみを、加工条件制御設定装置１０
７、１０８、及び１０９に送る。
ス予測用コンピュータが入手できない場合、加工条件最
適化コンピュータのみで加工条件を効率的に最適化する
本発明の製造装置を説明する。本実施例の製造装置の全
体構成は、図１からプロセス予測用コンピュータ１０６
を取り除いたものである。ただし、加工条件最適化用コ
ンピュータ１０５は、入力された（オペレータの経験と
勘または既知のデータに基づいて依頼人要求に適すると
予測された）初期の加工条件の信号、その初期の加工条
件を表現するベクトルの１成分または２成分を変更する
ことにより得られる加工条件の信号、及び予測された最
適加工条件の信号のみを、加工条件制御設定装置１０
７、１０８、及び１０９に送る。
【００６０】図３に、加工条件最適化に至るまでの本実
施例の製造装置における処理の流れを示す。
施例の製造装置における処理の流れを示す。
【００６１】まず、加工条件最適化用コンピュータ１０
５へ製造依頼人が要求する製品の性質ＰGが入力される
（３０１）。また、加工条件最適化用コンピュータ１０
５へ（オペレータの経験と勘または既知のデータに基づ
いて、依頼人要求に近い性質を有する製品を製造すると
予測された）初期の加工条件が入力される（３０２）。
５へ製造依頼人が要求する製品の性質ＰGが入力される
（３０１）。また、加工条件最適化用コンピュータ１０
５へ（オペレータの経験と勘または既知のデータに基づ
いて、依頼人要求に近い性質を有する製品を製造すると
予測された）初期の加工条件が入力される（３０２）。
【００６２】次に、加工条件最適化用コンピュータ１０
５は、依頼人要求に最も近い結果を得ると予測された加
工条件Ｃ0を加工条件設定装置１０７、１０８、１０９
に設定し、ＣＶＤ装置１０１にて、導入された製品前駆
体（膜成長前のウェーハ）上に加工（膜成長）を実行す
る。膜成長後の製品は、分析前処理装置１０２に送ら
れ、性質（形状）を測定することが可能となるように前
処理され、測定装置１０３（ＳＥＭ）に送られた後に、
製品の性質（表面形状）が測定される。測定結果のデー
タは、形状解析用コンピュータ１０４に送られ、加工条
件最適化用コンピュータ１０５にて処理可能となるよう
に、ベクトルＰの形式に変換される（３０３）。すなわ
ち、ステップ３０３は、加工条件設定装置１０７、１０
８、１０９、ＣＶＤ装置１０１、測定装置１０２、１０
３、形状解析用コンピュータ１０４からなる実験システ
ムにより、初期の加工条件Ｃ0において加工製造される
製品の性質（形状）Ｐ(Ｃ0)のデータを得る。
５は、依頼人要求に最も近い結果を得ると予測された加
工条件Ｃ0を加工条件設定装置１０７、１０８、１０９
に設定し、ＣＶＤ装置１０１にて、導入された製品前駆
体（膜成長前のウェーハ）上に加工（膜成長）を実行す
る。膜成長後の製品は、分析前処理装置１０２に送ら
れ、性質（形状）を測定することが可能となるように前
処理され、測定装置１０３（ＳＥＭ）に送られた後に、
製品の性質（表面形状）が測定される。測定結果のデー
タは、形状解析用コンピュータ１０４に送られ、加工条
件最適化用コンピュータ１０５にて処理可能となるよう
に、ベクトルＰの形式に変換される（３０３）。すなわ
ち、ステップ３０３は、加工条件設定装置１０７、１０
８、１０９、ＣＶＤ装置１０１、測定装置１０２、１０
３、形状解析用コンピュータ１０４からなる実験システ
ムにより、初期の加工条件Ｃ0において加工製造される
製品の性質（形状）Ｐ(Ｃ0)のデータを得る。
【００６３】次に、ベクトルＰ(Ｃ0)は加工条件最適化
用コンピュータ１０５に送られ、コンピュータ１０５に
おいて、Ｐ(Ｃ0)とＰGとの差Ｓ(Ｃ0)が計算される（３
０４）。ここで、誤差評価関数Ｓ(Ｃ)の定義は、実施例
１における定義と同様である。
用コンピュータ１０５に送られ、コンピュータ１０５に
おいて、Ｐ(Ｃ0)とＰGとの差Ｓ(Ｃ0)が計算される（３
０４）。ここで、誤差評価関数Ｓ(Ｃ)の定義は、実施例
１における定義と同様である。
【００６４】次にコンピュータ１０５において、計算さ
れたＳ(Ｃ0)が、与えられた許容誤差より小さいか否か
が判定される（３０５）。
れたＳ(Ｃ0)が、与えられた許容誤差より小さいか否か
が判定される（３０５）。
【００６５】Ｓ(Ｃ0)が許容誤差より小さければ、Ｃ0が
依頼人要求を満足する加工条件ということになるので、
この条件が、加工条件設定手段１０７、１０８、１０９
に設定され、要求された数の製品の製造が行われる（３
０６）。
依頼人要求を満足する加工条件ということになるので、
この条件が、加工条件設定手段１０７、１０８、１０９
に設定され、要求された数の製品の製造が行われる（３
０６）。
【００６６】Ｓ(Ｃ0)が許容誤差より大きければ、加工
条件最適化用コンピュータ１０５は、次の処理を行う。
まず、ベクトルＣ0の１成分または２成分を変更するこ
とにより得られる各加工条件において、同一の製品前駆
体を実験システム（１０７、１０８、１０９、１０１、
１０２、１０３、１０４）にて加工し、測定し、Ｐ(Ｃ0
＋ｄ)を得る。ここで、ｄは、１成分のみが０でなはな
いベクトルまたは２成分のみが０ではないベクトルであ
る。次に、Ｐ(Ｃ0＋ｄ)からＳ(Ｃ0＋ｄ)を計算し、Ｃ0
におけるＳ(Ｃ)の１階偏微分及び２階偏微分を計算す
る。ここで必要な、加工実験の回数（または実験用の製
品前駆体の数）は、加工条件ベクトルの次元数の２乗
（ｎ2）程度である。以上の偏微分を係数とする２次関
数、
条件最適化用コンピュータ１０５は、次の処理を行う。
まず、ベクトルＣ0の１成分または２成分を変更するこ
とにより得られる各加工条件において、同一の製品前駆
体を実験システム（１０７、１０８、１０９、１０１、
１０２、１０３、１０４）にて加工し、測定し、Ｐ(Ｃ0
＋ｄ)を得る。ここで、ｄは、１成分のみが０でなはな
いベクトルまたは２成分のみが０ではないベクトルであ
る。次に、Ｐ(Ｃ0＋ｄ)からＳ(Ｃ0＋ｄ)を計算し、Ｃ0
におけるＳ(Ｃ)の１階偏微分及び２階偏微分を計算す
る。ここで必要な、加工実験の回数（または実験用の製
品前駆体の数）は、加工条件ベクトルの次元数の２乗
（ｎ2）程度である。以上の偏微分を係数とする２次関
数、
【００６７】
【数５】
【００６８】が最小となる条件Ｃ1を最小化アルゴリズ
ムにより計算する。最小化アルゴリズムとしては、準ニ
ュートン法などがあげられる（３０７）。
ムにより計算する。最小化アルゴリズムとしては、準ニ
ュートン法などがあげられる（３０７）。
【００６９】すなわち、ステップ３０７は、加工条件最
適化用コンピュータ１０５において、ベクトルＣ0の１
成分又は２成分を変更することにより得られる加工条件
を実験システムに設定することにより製造される製品の
性質Ｐ(Ｃ)に基づいて、Ｃ0よりも改善された加工条件
Ｃ1を得る工程となる。
適化用コンピュータ１０５において、ベクトルＣ0の１
成分又は２成分を変更することにより得られる加工条件
を実験システムに設定することにより製造される製品の
性質Ｐ(Ｃ)に基づいて、Ｃ0よりも改善された加工条件
Ｃ1を得る工程となる。
【００７０】次に、実験システムにより、Ｐ(Ｃ1）を
得、コンピュータ１０５にそのデータを送る（３０
８）。
得、コンピュータ１０５にそのデータを送る（３０
８）。
【００７１】コンピュータ１０５において、Ｐ(Ｃ1）と
ＰGとの差Ｓ(Ｃ1)を計算する（３０９）。
ＰGとの差Ｓ(Ｃ1)を計算する（３０９）。
【００７２】次にコンピュータ１０５において、計算さ
れたＳ(Ｃ1)が、与えられた許容誤差より小さいか否か
が判定される（３１０）。
れたＳ(Ｃ1)が、与えられた許容誤差より小さいか否か
が判定される（３１０）。
【００７３】Ｓ(Ｃ1)が許容誤差よりも大きい場合は、
該加工装置を用いて依頼人要求に答えることは不可能で
あると判定するか、または、Ｃ0にＣ1の値を代入し、処
理３０７に戻り、加工条件最適化を繰り返す。
該加工装置を用いて依頼人要求に答えることは不可能で
あると判定するか、または、Ｃ0にＣ1の値を代入し、処
理３０７に戻り、加工条件最適化を繰り返す。
【００７４】Ｓ(Ｃ1)が許容誤差より小さければ、Ｃ1が
依頼人要求を満足する加工条件ということになるので、
この条件が、加工条件設定手段１０７、１０８、１０９
に設定され、要求された数の製品の製造が行われる（３
１１）。
依頼人要求を満足する加工条件ということになるので、
この条件が、加工条件設定手段１０７、１０８、１０９
に設定され、要求された数の製品の製造が行われる（３
１１）。
【００７５】また、本実施例の処理における必要な製品
前駆体の運搬、製品前駆体の加工装置への装着、製品の
加工装置からの取外し、製品の運搬、製品の測定装置へ
の装着、製品の測定前処理、測定後製品の測定装置から
の取外し等は、加工条件最適化用コンピュータの処理の
必要に応じて、ロボットを用いて実行してもよい。ロボ
ットを用いることにより、さらに製造条件制御及び生産
の能率化を図ることができる。
前駆体の運搬、製品前駆体の加工装置への装着、製品の
加工装置からの取外し、製品の運搬、製品の測定装置へ
の装着、製品の測定前処理、測定後製品の測定装置から
の取外し等は、加工条件最適化用コンピュータの処理の
必要に応じて、ロボットを用いて実行してもよい。ロボ
ットを用いることにより、さらに製造条件制御及び生産
の能率化を図ることができる。
【００７６】以上の実施例からもわかるように、本発明
の製造条件制御方法あるいはその方法による製造装置を
用いれば、従来よりも少ない試作回数により、依頼人要
求に最適な製造条件を得ることができる。
の製造条件制御方法あるいはその方法による製造装置を
用いれば、従来よりも少ない試作回数により、依頼人要
求に最適な製造条件を得ることができる。
【００７７】
【発明の効果】本発明によれば、製造依頼人が要求する
性質を有する製品を製造する加工条件を、従来技術より
も迅速に割り出すことが可能となり、多種多様な製造依
頼に迅速に対応できる製造装置を提供することが可能と
なる。
性質を有する製品を製造する加工条件を、従来技術より
も迅速に割り出すことが可能となり、多種多様な製造依
頼に迅速に対応できる製造装置を提供することが可能と
なる。
【図１】本発明の実施例の製造装置の全体構成を示す
図。
図。
【図２】本発明の製造装置の実施例１における加工条件
最適化に到るまでの処理の流れを示す図。
最適化に到るまでの処理の流れを示す図。
【図３】本発明の製造装置の実施例２における加工条件
最適化に到るまでの処理の流れを示す図。
最適化に到るまでの処理の流れを示す図。
１０５…加工条件最適化用コンピュータ、 １０６…プロセス予測用コンピュータ、 ２０８…誤差評価関数の１階偏微分を実験により求め、
２階以上の偏微分を計算（プロセスシミュレーション）
により求めることにより、依頼人要求に適した加工条件
を割り出す処理、 ３０７…誤差評価関数の１階偏微分及び２階偏微分を実
験により求めることにより、依頼人要求に適した加工条
件を割り出す処理。
２階以上の偏微分を計算（プロセスシミュレーション）
により求めることにより、依頼人要求に適した加工条件
を割り出す処理、 ３０７…誤差評価関数の１階偏微分及び２階偏微分を実
験により求めることにより、依頼人要求に適した加工条
件を割り出す処理。
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.6 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０５Ｂ 23/02 7531−3Ｈ Ｇ０５Ｂ 23/02 Ｒ Ｈ０１Ｌ 21/203 Ｈ０１Ｌ 21/203 Ｚ 21/205 21/205 21/22 21/22 Ｚ 21/66 21/66 Ｚ (72)発明者 牛尾 二郎 東京都国分寺市東恋ケ窪１丁目280番地 株式会社日立製作所中央研究所内 (72)発明者 丸泉 琢也 東京都国分寺市東恋ケ窪１丁目280番地 株式会社日立製作所中央研究所内
Claims (11)
- 【請求項１】製品の前駆体を加工し製品を製造する手段
と、 製造された製品の性質を測定する手段と、 ベクトル変数として与えられた加工条件において製造さ
れる製品の性質と製造依頼人により要求される性質との
誤差である誤差評価関数をある一定の尺度で評価する機
能を有し、 加工後の製品の性質を予測する理論的モデルに基づき前
記誤差評価関数が最小となる加工条件を予測し、前記の
予測された初期加工条件における前記誤差評価関数の値
及び１階偏微分を、前記初期加工条件及びそれを表現す
るベクトルの１成分を変更することにより得られる加工
条件において製造される各製品の性質に基づいて評価
し、前記初期加工条件における前記誤差評価関数の２階
よりも高次の偏微分を前記理論的モデルに基づいて評価
し、多変数ｐ次関数の極小化アルゴリズムにより（ただ
し、ｐは有限の正の整数）、前記誤差評価関数を小さく
する加工条件を予測する手段と、 理論的モデルに基づき、与えられた加工条件で製造され
る製品の性質を予測する手段と、 加工条件を加工手段に設定する手段と、を具備すること
を特徴とする製造装置。 - 【請求項２】前記のｐが２である請求項１記載の製造装
置。 - 【請求項３】前記の製品の前駆体を加工し製品を製造す
る手段が、半導体素子製造あるいは精密加工において用
いられる加工装置である請求項１記載の製造装置。 - 【請求項４】前記の製品の前駆体を加工し製品を製造す
る手段が、分子線エピタキシャル成長装置、化学気相薄
膜成長装置、真空蒸着装置、スパッタ装置、イオンクラ
スタービーム装置、熱酸化装置、表面拡散装置、ドライ
・エッチング装置、ラングミュア・ブロジェット膜形成
装置、レジスト薄膜形成装置、リソグラフィー露光装
置、ウェット・エッチング装置、イオン・インプランテ
ーション装置、表面処理装置、アニーリング装置のいず
れか一つである、または、これらの任意の組合せからな
る請求項１記載の製造装置。 - 【請求項５】前記の製造された製品の性質を測定する手
段が、 モノクロメーター若しくはエリプソメーターを用いて薄
膜の厚さを測定する手段、 低速電子線回折法、反射高速電子線回折法、広域Ｘ線吸
収微細構造分光法、表面広域Ｘ線吸収微細構造分光法、
透過型電子顕微鏡、走査型電子顕微鏡、走査型トンネル
顕微鏡、原子間力顕微鏡、若しくは、電界イオン顕微鏡
を用いて原子配置を測定する手段、 光電子分光法、オージェ電子分光、高分解能電子エネル
ギー損失分光、ペニングイオン化電子分光法、若しく
は、準安定分子分離分光法を用いて電子状態を測定する
手段、 赤外線吸収若しくはラマン分光法を用いて振動スペクト
ルを測定する手段、電子スピン共鳴，核磁気共鳴若しく
は熱中性子による散乱実験を用いて磁気的性質を測定す
る手段、または、 ２次イオン質量分析法、イオン中和法、若しくはタイム
・オブ・フライトの原理を用いて元素分析を行う手段、
のいずれかである請求項１記載の製造装置。 - 【請求項６】製品前駆体の運搬、製品前駆体の加工装置
への装着、製品の加工装置からの取外し、製品の運搬、
製品の測定装置への装着、製品の測定前処理、測定後製
品の測定装置からの取外しのいずれかを、前記予測手段
の処理に必要なデータを得るために、実行するロボット
を具備する請求項１記載の製造装置。 - 【請求項７】製品の前駆体を加工し製品を製造する手段
と、 製造された製品の性質を測定する手段と、 ベクトル変数として与えられた加工条件において製造さ
れる製品の性質と製造依頼人により要求される性質との
誤差（誤差評価関数）をある一定の尺度で評価する機能
を有し、 初期に設定された加工条件における前記誤差評価関数の
値、１階偏微分、及び２階偏微分を、前記初期加工条件
及びそれを表現するベクトルの１成分及び２成分を変更
することにより得られる加工条件において製造される各
製品の性質に基づいて評価し、多変数２次関数の最小化
アルゴリズムにより、前記誤差評価関数を小さくする加
工条件を予測する手段と、 前記加工条件の最適化を達成するのに十分な予測性能を
有する理論的モデルに基づき、与えられた加工条件で製
造される製品の性質を予測する手段と、 加工条件を加工手段に設定する手段と、を具備すること
を特徴とする製造装置。 - 【請求項８】前記の製品の前駆体を加工し製品を製造す
る手段が、半導体素子製造または精密加工において用い
られる加工装置である請求項７記載の製造装置。 - 【請求項９】製品前駆体の運搬、製品前駆体の加工装置
への装着、製品の加工装置からの取外し、製品の運搬、
製品の測定装置への装着、製品の測定前処理、測定後製
品の測定装置からの取外しのいずれかを、前記予測手段
の処理に必要なデータを得るために、実行するロボット
を具備する請求項７記載の製造装置。 - 【請求項１０】加工後の製品の性質を予測する理論的モ
デルに基づき、ベクトル変数として与えられた加工条件
において製造される製品の性質と製造依頼人により要求
される性質との誤差である誤差評価関数が最小となる加
工条件を予測し、前記の予測された初期加工条件におけ
る前記誤差評価関数の値及び１階偏微分を、前記初期加
工条件及びそれを表現するベクトルの１成分を変更する
ことにより得られる加工条件において製造される各製品
の性質に基づいて評価し、前記初期加工条件における前
記誤差評価関数の２階よりも高次の偏微分を前記理論的
モデルに基づいて評価し、多変数ｐ次関数の極小化アル
ゴリズムにより（ただし、ｐは有限の正の整数）、前記
誤差評価関数を小さくする加工条件を予測することを特
徴とする製造条件制御方法。 - 【請求項１１】初期に設定された加工条件における前記
誤差評価関数の値、１階偏微分、及び２階偏微分を、前
記初期加工条件及びそれを表現するベクトルの１成分及
び２成分を変更することにより得られる加工条件におい
て製造される各製品の性質に基づいて評価し、多変数２
次関数の最小化アルゴリズムにより、前記誤差評価関数
をヨリ小さくする加工条件を予測することを特徴とする
製造条件制御方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5394195A JPH08250384A (ja) | 1995-03-14 | 1995-03-14 | 製造装置及び製造条件制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5394195A JPH08250384A (ja) | 1995-03-14 | 1995-03-14 | 製造装置及び製造条件制御方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH08250384A true JPH08250384A (ja) | 1996-09-27 |
Family
ID=12956764
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5394195A Pending JPH08250384A (ja) | 1995-03-14 | 1995-03-14 | 製造装置及び製造条件制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH08250384A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005520225A (ja) * | 2001-08-14 | 2005-07-07 | アプライド マテリアルズ インコーポレイテッド | 実験管理システム、方法および媒体 |
| JP2014027301A (ja) * | 2008-03-31 | 2014-02-06 | Tokyo Electron Ltd | 多層／多入力／多出力（ｍｌｍｉｍｏ）モデル及び当該モデルの使用方法 |
| JP2017055036A (ja) * | 2015-09-11 | 2017-03-16 | 株式会社東芝 | 半導体装置製造システムおよび半導体装置の製造方法 |
-
1995
- 1995-03-14 JP JP5394195A patent/JPH08250384A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005520225A (ja) * | 2001-08-14 | 2005-07-07 | アプライド マテリアルズ インコーポレイテッド | 実験管理システム、方法および媒体 |
| JP2014027301A (ja) * | 2008-03-31 | 2014-02-06 | Tokyo Electron Ltd | 多層／多入力／多出力（ｍｌｍｉｍｏ）モデル及び当該モデルの使用方法 |
| JP2017055036A (ja) * | 2015-09-11 | 2017-03-16 | 株式会社東芝 | 半導体装置製造システムおよび半導体装置の製造方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20260079478A1 (en) | Performance predictors for semiconductor-manufacturing processes | |
| KR102648517B1 (ko) | 통합형 반도체 공정 모듈을 포함하는 자기 인식 및 보정 이종 플랫폼, 및 이를 사용하기 위한 방법 | |
| US11704463B2 (en) | Method of etch model calibration using optical scatterometry | |
| CN112136135B (zh) | 使用关键尺寸扫描型电子显微镜的工艺仿真模型校正 | |
| US7912679B2 (en) | Determining profile parameters of a structure formed on a semiconductor wafer using a dispersion function relating process parameter to dispersion | |
| US11624981B2 (en) | Resist and etch modeling | |
| US7089075B2 (en) | Systems and methods for metrology recipe and model generation | |
| KR20200123480A (ko) | 통합형 반도체 공정 모듈을 포함하는 자기 인식 및 보정 이종 플랫폼, 및 이를 사용하기 위한 방법 | |
| US10146140B2 (en) | Methods and apparatus for simulating interaction of radiation with structures, metrology methods and apparatus, device manufacturing method | |
| US7636649B2 (en) | Automated process control of a fabrication tool using a dispersion function relating process parameter to dispersion | |
| KR102611986B1 (ko) | 반도체 소자의 형상 예측 방법 | |
| JP2023544761A (ja) | 機械学習ベースの測定レシピ最適化の動的制御 | |
| US20140379281A1 (en) | Measurement Model Optimization Based On Parameter Variations Across A Wafer | |
| CN104025275A (zh) | 用于计量的基于过程变差的模型优化 | |
| CN107408519A (zh) | 基于模型的单个参数测量 | |
| KR20060062034A (ko) | 반도체 제조 프로세스를 용이하게 하는 제1 원리시뮬레이션의 사용 시스템 및 방법 | |
| US20220342319A1 (en) | Method for determining contribution to a fingerprint | |
| TW202244460A (zh) | 基於經訓練之經參數調節之測量模型之高解析度輪廓測量 | |
| JPH08250384A (ja) | 製造装置及び製造条件制御方法 | |
| US8560270B2 (en) | Rational approximation and continued-fraction approximation approaches for computation efficiency of diffraction signals | |
| US8069020B2 (en) | Generating simulated diffraction signal using a dispersion function relating process parameter to dispersion | |
| CN117413177A (zh) | 基于扫描条件模型的半导体外形测量 | |
| CN116127835B (en) | Self-adaptive optimization method for optical scattering measurement | |
| CN118675978A (zh) | 半导体结构的形成方法 | |
| del Pilar León et al. | Full-wafer mapping and response surface modeling techniques for thin film deposition processes |