[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

JP2019057548A - プラズマ処理装置及びプラズマ処理装置状態予測方法 - Google Patents

プラズマ処理装置及びプラズマ処理装置状態予測方法 Download PDF

Info

Publication number
JP2019057548A
JP2019057548A JP2017179668A JP2017179668A JP2019057548A JP 2019057548 A JP2019057548 A JP 2019057548A JP 2017179668 A JP2017179668 A JP 2017179668A JP 2017179668 A JP2017179668 A JP 2017179668A JP 2019057548 A JP2019057548 A JP 2019057548A
Authority
JP
Japan
Prior art keywords
plasma processing
processing apparatus
data
algorithm
state
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.)
Granted
Application number
JP2017179668A
Other languages
English (en)
Other versions
JP6676020B2 (ja
JP2019057548A5 (ja
Inventor
義人 釜地
Yoshito Kamachi
義人 釜地
角屋　誠浩
Masahiro Sumiya
誠浩 角屋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi High Tech Corp
Original Assignee
Hitachi High Technologies Corp
Hitachi High Tech Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi High Technologies Corp, Hitachi High Tech Corp filed Critical Hitachi High Technologies Corp
Priority to JP2017179668A priority Critical patent/JP6676020B2/ja
Priority to KR1020170180656A priority patent/KR102033438B1/ko
Priority to TW107103197A priority patent/TWI683333B/zh
Priority to US15/904,917 priority patent/US10886110B2/en
Publication of JP2019057548A publication Critical patent/JP2019057548A/ja
Publication of JP2019057548A5 publication Critical patent/JP2019057548A5/ja
Application granted granted Critical
Publication of JP6676020B2 publication Critical patent/JP6676020B2/ja
Priority to US17/108,383 priority patent/US12080529B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32917—Plasma diagnostics
    • H01J37/32926—Software, data control or modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/02—Details
    • H01J37/24—Circuit arrangements not adapted to a particular application of the tube and not otherwise provided for
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32009—Arrangements for generation of plasma specially adapted for examination or treatment of objects, e.g. plasma sources
    • H01J37/32082—Radio frequency generated discharge
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32009—Arrangements for generation of plasma specially adapted for examination or treatment of objects, e.g. plasma sources
    • H01J37/32192—Microwave generated discharge
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32431—Constructional details of the reactor
    • H01J37/3244—Gas supply means
    • H01J37/32449—Gas control, e.g. control of the gas flow
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32917—Plasma diagnostics
    • H01J37/32935—Monitoring and controlling tubes by information coming from the object and/or discharge
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32917—Plasma diagnostics
    • H01J37/32935—Monitoring and controlling tubes by information coming from the object and/or discharge
    • H01J37/32972—Spectral analysis
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J37/00—Discharge tubes with provision for introducing objects or material to be exposed to the discharge, e.g. for the purpose of examination or processing thereof
    • H01J37/32—Gas-filled discharge tubes
    • H01J37/32917—Plasma diagnostics
    • H01J37/3299—Feedback systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/18—Vacuum control means
    • H01J2237/182—Obtaining or maintaining desired pressure
    • H01J2237/1825—Evacuating means
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/32—Processing objects by plasma generation
    • H01J2237/33—Processing objects by plasma generation characterised by the type of processing
    • H01J2237/334—Etching
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
    • H01J2237/00—Discharge tubes exposing object to beam, e.g. for analysis treatment, etching, imaging
    • H01J2237/32—Processing objects by plasma generation
    • H01J2237/33—Processing objects by plasma generation characterised by the type of processing
    • H01J2237/335—Cleaning
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05H—PLASMA TECHNIQUE; PRODUCTION OF ACCELERATED ELECTRICALLY-CHARGED PARTICLES OR OF NEUTRONS; PRODUCTION OR ACCELERATION OF NEUTRAL MOLECULAR OR ATOMIC BEAMS
    • H05H13/00—Magnetic resonance accelerators; Cyclotrons
    • H05H13/005—Cyclotrons

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Plasma & Fusion (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Drying Of Semiconductors (AREA)
  • Plasma Technology (AREA)

Abstract

【課題】試料を処理する処理室を有するプラズマ処理装置において、装置状態の異常を高精度に検知して、異常要因を特定できるようにする。【解決手段】試料を処理する処理室を有するプラズマ処理装置の装置状態を予測するシステムを、試料を処理中のプラズマの発光データとプラズマ処理中の装置から得られる電気信号データとを集録するデータ集録部と、集録した発光データに対して第１のアルゴリズムを用いてプラズマ処理装置の第１の健全性指標値と異常判定の第１の閾値を算出する第１の算出部と、データ集録部に集録した電気信号データに対して第２のアルゴリズムを用いてプラズマ処理装置の第２の健全性指標値と異常判定の第２の閾値を算出する第２の算出部とを備えた演算部と、算出した第１の健全性指標値と第１の閾値、及び第２の健全性指標値と第２の閾値とを用いてプラズマ処理装置の健全性を判定する判定部とを備えて構成した。【選択図】図２

Description

本発明は、プラズマ処理装置及びプラズマ処理装置の状態を予測する方法に関し、装置から出力されるセンサーデータを用いて演算処理を行うことでプラズマ処理装置の状態を予測するプラズマ処理装置及びプラズマ処理装置状態予測方法に関する。
半導体デバイス製造工程では、リソグラフィーや成膜、エッチングなど種々の製造プロセスを繰り返し行う。半導体デバイス量産工場において、これら製造プロセスを担う半導体製造装置の稼働率低下を抑制することは、量産コスト低減における重要課題の一つである。例えば、プラズマエッチング装置では、装置の長期稼動に伴って、反応生成物の蓄積やパーツの消耗に伴う処理室内の経時変化や、プラズマ生成及び制御を担うコンポーネントの劣化などを生じる。
そこで、定期的なパーツ交換や装置清掃を行う定期メンテナンスや、予期しない装置故障・不具合などの対応として実施される装置メンテナンスが行われる。これらは何れも装置稼動率を低下させる。そこで、量産コストの観点から、装置メンテナンスの累計時間は必要最低限とするべきである。
装置メンテナンスにかかる累計時間を削減するためには、各製造装置の状態を常に監視し、メンテナンスを要する時期を予測し、さらにメンテナンスすべき装置箇所を事前に特定することが有効である。これにより、最適時期において高効率にメンテナンスを行うことができる。
これまでに、プラズマエッチング装置において、装置状態を監視し、異常を検知・予測する方法として、例えば、特許文献１に記載されているような、装置運転時に取得された装置信号データ群を主成分分析することで作成されたモデルから装置状態の経時変化をモニタリングして運転停止時期を予測する手法が検討されてきた。更に、特許文献２や特許文献３に記載されるような、装置運転時のプラズマ発光分光計測によって得られた発光データ群を主成分分析し、装置状態の変化を予測する手法なども検討されてきた。
特許第４５７０７３６号公報 特開２００２−１００６１１号公報 特開２００４−３９９５２号公報
しかしながら、近年の半導体デバイスの微細化や構造の複雑化、材料の変化に伴い、プラズマ処理装置における量産安定性に対する要求性能は、ますます厳しくなっている。そこで、正常とされる装置状態から異常とされる装置状態へと移行する際の装置状態の変化量はますます狭量になり、高精度な異常検知を行うためには、より高精度な異常判定モデルが求められるようになってきた。
また、近年増加傾向にある多品種デバイス生産に伴って、装置構成やプラズマエッチング処理条件は、より多様化している。これに伴い、様々な装置構成や処理条件を許容する汎用性の高い異常判定モデルを作成することが、従来と比べてより困難になってきている。
これらの背景により、特許文献１や特許文献２、特許文献３に記載されるような技術のように主成分分析など１つの異常判定アルゴリズムに頼った異常検知手法では、検知精度が低下し、その結果、虚報を増加させしまう可能性がある。また、突発的に検知された異常に対して、それがメンテナンスを必要とする装置状態の変化を示しているのか、あるいはノイズや他の外乱に起因した虚報であるかを判断することは難しく、特許文献１乃至３に記載されているような従来技術では、これら虚報の増加を低減する方法や判定結果の解釈に対して十分考慮されていなかった。
虚報を低減するには、まず、異常判定モデルの作成に用いる信号データの特徴や経時変化の軌跡（突発的、あるいは線形・非線形な変化など）に対して適正な（実際の現象を良く表現している）判定アルゴリズムを独自開発あるいは選定する必要がある。用いられるアルゴリズムが適正でなければ、検知精度が低下する。
また、虚報を低減する別の方法として、複数の判定アルゴリズムを用いることが考えられる。この場合においても、用いる判定アルゴリズムにおける相互の適正性を考慮しなければ、検知精度が低下する。
本発明は、上記課題を解決するためになされたものであり、アルゴリズムの適正性が考慮された複数の異常判定アルゴリズムを用いることにより、試料を処理する処理室を有するプラズマ処理装置において、装置状態の異常を高精度に検知することができ、異常要因を特定でき、メンテナンスを要する時期を予測することができる、プラズマ処理装置及びプラズマ処理装置状態予測方法を提供することを目的としている。
上記した課題を解決するために、本発明では、試料がプラズマ処理される処理室を備え解析装置により状態を予測されるプラズマ処理装置において、解析装置は、第１のアルゴリズムを用いてプラズマ処理装置から得られた第１のデータを解析することにより求められた第１の健全性指標値と第２のアルゴリズムを用いてプラズマ処理装置から得られた第２のデータを解析することにより求められた第２の健全性指標値に基づいてプラズマ処理装置の状態を予測し、第２のアルゴリズムは、第２の健全性指標値による状態を異常とするプラズマ処理の第２の時間が第１の健全性指標値による状態を異常とするプラズマ処理の第１の時間から所定時間を減算した時間ないし第１の時間に所定時間を加算した時間の範囲内の時間となるアルゴリズムであることを特徴とする。
また、上記した課題を解決するために、本発明では、試料がプラズマ処理される処理室を備えるプラズマ処理装置の状態を予測するプラズマ処理装置状態予測方法において、第１のアルゴリズムを用いてプラズマ処理装置から得られた第１のデータを解析することにより求められた第１の健全性指標値と第２のアルゴリズムを用いてプラズマ処理装置から得られた第２のデータを解析することにより求められた第２の健全性指標値に基づいてプラズマ処理装置の状態を予測し、第２のアルゴリズムは、第２の健全性指標値による状態を異常とするプラズマ処理の第２の時間が第１の健全性指標値による状態を異常とするプラズマ処理の第１の時間から所定時間を減算した時間ないし第１の時間に所定時間を加算した時間の範囲内の時間となるアルゴリズムであることを特徴とする。
本発明によれば、常時、装置から出力される信号データを集録し、装置状態の異常を高精度に検知し、かつ異常要因を特定し、さらにメンテナンスを要する時期を予測するプラズマ処理装置及びプラズマ処理装置状態予測方法により、装置状態を予測してプラズマ処理や装置メンテナンスを最適に実施することができる。
本発明の実施例に係るプラズマ処理装置の概略の構成を説明する縦断面図である。 本発明の実施例に係るプラズマ処理装置のシステム構成を示すブロック図である。 本発明の実施例に係るプラズマ処理装置のシステム構成において、学習用装置信号データを用いて閾値を算出する手順を示すフロー図である。 本発明の実施例に係るプラズマ処理装置のシステム構成において、評価用装置信号データを用いて装置の健全性を監視する手順を示すフロー図である。 本発明の実施例に係るプラズマ処理装置のシステム構成におけるＰＣＡ及びＡＡＫＲ適用結果例を示すグラフである。
本発明は、試料を処理する処理室を有するプラズマ処理装置及びプラズマ処理装置の状態を予測する方法に関するものであって、プラズマ処理装置から取得された装置信号データに対して、適正性が考慮されたアルゴリズムを適用することによって算出されたプラズマ処理装置状態の健全性を示す指標値（以下、健全性指標値）及び健全性指標値が装置状態の異常を示しているか、あるいは正常を示しているかを判断するための境界（以下、閾値）によって装置の状態を予測するプラズマ処理装置及びプラズマ処理装置の状態を予測する方法に関するものである。
本発明によるプラズマ処理装置のシステム構成は、プラズマ処理装置でプラズマ処理中の分光計測によって得られた発光データとプラズマ処理装置から得られた発光データ以外の電気信号データ（以下、電気信号データと記す）とを集録するデータ集録部と、多種の解析アルゴリズムを格納するディレクトリ部と、データ集録部で集録した発光データに対してディレクトリ部から選択した第１のアルゴリズムを用いて装置の健全性指標値１と閾値１を算出し、電気信号データに対してディレクトリ部から選択した第２のアルゴリズムを用いて装置の健全性指標値２と閾値２を算出する演算部と、健全性指標値１と健全性指標値２が各々に閾値１と閾値２を超えたときに装置状態の健全性が損なわれたと自動判定する判定部とを備えて構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成において、あらかじめ正常な装置状態から異常な装置状態へ変化する過程で装置から集録された学習用装置信号データを格納するデータ集録部を備えて構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成においては、データ集録部に格納された学習用装置信号データを用いて、発光データに対してアルゴリズム１を用いて、装置の健全性指標値１とそれを異常と判定するための閾値１を算出し、健全性指標値１が閾値１を連続的に超える時間１を算出し、発光以外のデータに対して、装置の健全性指標値２が装置を異常と判定するための閾値２を超える時間２を算出した結果が０．５ ＜時間１/ 時間２＜ １．５となるアルゴリズム２を選定する手段を備えて構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成における判定部を、健全性指標値１と健全性指標値２の各々に閾値１と閾値２を連続的に超えたときに装置状態の健全性が損なわれたと自動判定するように構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成において、健全性指標値と閾値の関係の時間的変化を表示する表示部を備えて構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成において、判定部で判定した結果に基づいてプラズマ処理装置の制御を行う制御部を備えて構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成における装置制御部に、判定部により異常が検知された場合に、通常の処理ウェハ以外のダミーと呼ばれる試料をあらかじめ設定された処理シーケンスに則って処理する手段を備えて構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成における装置制御部において、前記判定部により異常が検知された場合に、装置処理室内をプラズマクリーニングする手段を有することにより達成される。
また、本発明では、上記したプラズマ処理装置のシステム構成における装置制御において、判定部により異常が検知された場合に、表示部に警告を表示するように構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成において、データ集録部で集録する電気信号データとして、プラズマ処理装置の任意の点における電気的状態を集録するように構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成において、データ集録部で集録した発光データについて、波長分解する手段を備えて構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成において、データ集録部で集録した電気的データを周波数分解する手段を備えて構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成において、データ集録部で集録した発光データ及び信号データを統計量へ変換するように構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成において、集録された発光データ及び電気信号データの各データ種の相関関係を算出する機構を有し、相関関係の低いデータ種を健全性指標値の計算に用いるように構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成において、ウェハ処理ごとに繰り返し実施され各々で制御値が違う多段ステップのプラズマ処理中に集録された発光データ及び電気信号データを、ステップ毎に切り出し、並列に連結する手段を備えて構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成において、ウェハ処理ごとに繰り返し実施され各々で制御値が違う多段ステップのプラズマ処理中に集録された発光データ及び電気信号データを、繰り返し毎にデータの時系列波形を比較し、信号波形が長期的に変化している部分のみを抽出する手段を備えて構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成において、信号データの高周波成分を除去する手段を備えて構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成において、演算部には、算出された健全性指標値に対して各データ種の寄与率を算出し、健全性指標値の変化に対して寄与したデータ種を特定する機構を備え、寄与率の高いデータ種のみを用いて健全性指標値を再計算するように構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成において、演算部には、算出された健全性指標値に対して各データ種の寄与率を算出する機構を有し、健全性指標値の変化に対して寄与したデータ種を特定し、表示部に表示することで健全性指標値の変化要因を明らかにするように構成した。
また、本発明では、上記したプラズマ処理装置のシステム構成において、演算部には、算出した健全性指標値に対して線形または非線形の回帰式を与え、閾値を超える時期を算出する機構を有し、判定部での実際の異常検知時期以前に予測する手段を備えて構成した。
本実施の形態を説明するための全図において同一機能を有するものは同一の符号を付すようにし、その繰り返しの説明は原則として省略する。以下に本発明の実施例を図面に従って説明する。
ただし、本発明は以下に示す実施の形態の記載内容に限定して解釈されるものではない。本発明の思想ないし趣旨から逸脱しない範囲で、その具体的構成を変更し得ることは当業者であれば容易に理解される。
本発明の実施例に係るプラズマ処理装置及びプラズマ処理装置の状態を予測する方法について、図１から図４を用いて説明する。まず、本発明によるプラズマ処理装置の状態予測方法が適用されたプラズマ処理装置の一例について図１を用いて説明する。
図１は、本実施例に係るプラズマ処理装置の一例であるマイクロ波ＥＣＲ（Ｅｌｅｃｔｒｏｎ Ｃｙｃｌｏｔｒｏｎ Ｒｅｓｏｎａｎｃｅ：電子サイクロトロン共鳴）プラズマエッチング装置１００（以下、プラズマ処理装置１００と記す）の構成を説明するための縦断面図である。
図１では、真空容器で構成された処理室１０１の内部に設置された基板電極１０９、処理室１０１の外部に設置された電界、磁界の供給装置、および電源を模式的に示している。これら以外の機器、装置は、本実施例に係る技術分野の通常の知識を有する者により、本実施例に係る発明の作用、効果を著しく損なわないように、求められる性能或いは仕様に応じて配置または削除することが可能である。
図１に示すプラズマ処理装置１００では、円筒形状を有する処理室１０１の上方に、反応性ガスを導入するための複数の開口部１０２１を有する導体で形成された円板形状のシャワープレート１０２と誘電体窓１０３（石英製等）とが設置されている。処理室１０１の内部１０１１は、その誘電体窓１０３によって気密に封止されている。
処理室１０１の内部１０１１には、エッチング処理に用いる反応性ガスが供給される。反応性ガスは、ガス供給装置１０４によって流量を制御され、導体で形成されて複数の開口部１０２１が形成されたシャワープレート１０２を介して処理室１０１の内部１０１１に供給される。
また、処理室１０１上部の開口部１０１４には、電磁波を発生させるマグネトロン１０６と、マグネトロン１０６で発生させた電磁波を処理室１０１の円筒状の内部の領域１０１２に伝送する導波管１０７（またはアンテナ）が設置されている。導波管１０７の先端部分は開口部１０１４に接続している。
処理室１０１の内部の上方にある誘電体窓１０３で仕切られた円筒形状の内部の領域１０１２の空間とシャワープレート１０２と誘電体窓１０３との間の領域１０１３に形成された空間により、導波管１０７から導入されるマイクロ波に対する空洞共振器が形成される。
処理室１０１の外周および上方には、処理室１０１の内部の円筒形状の領域１０１２及び領域１０１３で形成される空洞共振器の内部に磁場を形成するソレノイドコイル１０５が配置されている。ソレノイドコイル１０５に流す電流を調整することによって、処理室１０１の内部の円筒形状の領域１０１２及び領域１０１３で形成される空洞共振器の内部に、導波管１０７から導入されるマイクロ波に対して電子サイクロトロン共鳴（ＥＣＲ）を発生させるための条件を満たすような磁場が形成されるように制御することができる。
本実施例で使用される電磁波は、マグネトロン１０６から発振される２.４５ＧＨｚのマイクロ波であるが、これは効果・作用によって、特に限定されない。
マグネトロン１０６により発振されたマイクロ波は、導波管１０７内部を伝播して処理室１０１の内部の円筒形状の領域１０１２と領域１０１３により形成された空洞共振器に導入され、シャワープレート１０２に形成された複数の開口部１０２１から処理室１０１の内部１０１１の空間に伝播される。
処理室１０１には、内部１０１１に発生させたプラズマの発光状態を検出する分光検出器１１５が取り付けられている。分光検出器１１５で処理室１０１の内部１０１１に発生させたプラズマの発光を検出した信号は、プラズマ処理装置の処理制御システム構成２００に送られる。
処理室１０１の下部には、真空排気管１０８を通して真空排気ポンプ（図示省略）が接続され、処理室１０１の内部１０１１を真空排気することが可能である。また、処理室１０１上部のシャワープレート１０２に対向するように処理室１０１下部に設置された基板電極（試料台）１０９は、表面が誘電体膜（図示省略）で被覆されている。
試料（製品ウェハ）１１０は、処理室１０１の内部１０１１を大気圧にした状態で、処理室１０１の外部から、ロボットアーム等（図示省略）の搬送装置によって処理室１０１の内部１０１１に搬送される。そして、基板電極１０９上に載置され、直流電源１１１から基板電極１０９内部の電極（図示省略）に印加される直流電圧によって、基板電極１０９に静電的に吸着される。
高周波電源１１２は、高周波整合器１１３を介して、高周波電力を基板電極１０９に印加することができる。処理室１０１の内壁面の中段には、グラウンドに接続されたアース電極１１４が設置されており、高周波電源１１２により基板電極１０９上に印加された高周波電流は、処理室１０１の内部１０１１に生成されたプラズマを介してアース電極１１４に流れる。
上記プラズマ処理装置１００におけるエッチング処理は、以下の流れで開始される。
まず、試料（製品ウェハ）１１０を基板電極１０９上に載置して静電的に吸着した状態で、処理室１０１の内部１０１１を真空排気管１０８を通して図示していない真空排気ポンプで真空排気しながら処理室１０１の内部１０１１にガス供給装置１０４よりプロセスガスを導入して、処理室１０１の内部１０１１を所望の圧力に制御する。
次に、このように内部１０１１を所望の圧力に制御した状態で、ソレノイドコイル１０５に流す電流を調整して、処理室１０１の内部の円筒形状の領域１０１２及び領域１０１３で形成される空洞共振器の内部に、導波管１０７から導入されるマイクロ波に対してＥＣＲ条件を満たすような磁場を形成する。
次に、マグネトロン１０６より発振された電磁波（マイクロ波）を、導波管１０７を介して処理室１０１の内部の円筒形状の領域１０１２及び領域１０１３で形成される空洞共振器の内部に供給する。電磁波を、この電子サイクロトロン共鳴（ＥＣＲ）を発生させるための条件を満たすような磁場が形成された空洞共振器の内部に供給することにより、電子サイクロトロン共鳴が発生する。
領域１０１２及び領域１０１３で形成された空洞共振器の内部で電子サイクロトロン共鳴した電磁波の一部は、シャワープレート１０２に形成された複数の開口部１０２１から処理室１０１の内部１０１１に伝播される。この電磁波が伝播された処理室１０１の内部１０１１では、ガス供給装置１０４から供給された処理用ガスが励起され、処理室１０１の内部１０１１にプラズマが生成される。
この状態で、基板電極１０９に接続された高周波電源１１２から高周波電力を印加することにより、処理室１０１の内部１０１１に生成されたプラズマから基板電極１０９上に載置されたウェハ１１０の上面へイオンが引き込まれ、ウェハ１１０の表面にエッチング処理が施される。
図２は、本実施例に係るプラズマ処理装置の処理制御システム構成２００を図示したものである。
本実施例に係るプラズマ処理装置の処理制御システム構成２００は、データ集録部２１０と、演算部２２０、判定部２３０、制御部２４０とを備えている。
データ集録部２１０は、発光データ集録部２１１と電気信号データ集録部２１２とを備える。発光データ集録部２１１は、プラズマ処理装置１００の処理室１０１に取り付けた分光検出器１１５でプラズマ生成中に分光計測して得られたデータを集録する。電気信号データ集録部２１２は、プラズマ処理装置１００から得られた電気信号データ（図１に示した構成では、ガス供給装置１０４、ソレノイドコイル１０５、マグネトロン１０６、高周波電源１１２から得られる電気信号データ）を集録する。
演算部２２０は、多種の解析アルゴリズムを格納したアルゴリズムディレクトリ部２２１と、第１の算出部２２２、第２の算出部２２３を備えている。
第１の算出部２２２は、発光データ集録部２１１に集録された発光データに対して前処理を施す第１の前処理部２２２１を有する。第１の算出部２２２は、この第１の前処理部２２２１で前処理が施された発光データに対して、アルゴリズムディレクトリ部２２１から選択された第１のアルゴリズムを用いてプラズマ処理装置１００の健全性指標値１とそれを異常と判定するための閾値１を算出する。
第２の算出部２２３は、電気信号データ集録部２１２に集録された電気信号データに対して前処理を施す第２の前処理部２２３１を有する。第２の算出部２２３は、この第２の前処理部２２３１で前処理が施された電気信号データに対してアルゴリズムディレクトリ部２２１から選択された第２のアルゴリズムを用いてプラズマ処理装置１００の健全性指標値２とそれを異常と判定するための閾値２を算出する。
判定部２３０は、演算部２２０で算出した健全性指標値１及び２をそれぞれ閾値１及び２と比較する。その結果、健全性指標値１が閾値１を超え、かつ、健全性指標値２が閾値２を超えたときに、プラズマ処理装置１００の状態の健全性が損なわれたと判定する。
制御部２４０は、装置制御部２４１と表示部２４２とを備える。装置制御部２４１は、判定部２３０の判定結果に基づいてプラズマ処理装置１００に対して予め決められた制御を行う。表示部２４２は、判定部２３０でプラズマ処理装置１００の状態の健全性が損なわれたと判定した場合に、警告を表示する。
判定部２３０により異常が検知された場合、制御部２４０の装置制御部２４１で実行するプラズマ処理装置１００に対する予め決められた制御としては、以下のような方法がある。
一つ目は、通常の試料（製品ウェハ）以外のダミーと呼ばれる試料を基板電極１０９に載置した状態で、予め設定された処理シーケンスに則って処理して、処理室１０１の内壁面や基板電極１０９の表面に堆積した反応生成物を除去してクリーニング（プラズマクリーニング）する方法である。別な制御方法としては、試料を基板電極１０９に載置しない状態で、プラズマ処理装置１００の処理室１０１の内部１０１１にプラズマを生成することにより、試料を処理した際に処理室１０１の内壁面や基板電極１０９の表面に堆積した反応生成物を除去するクリーニング（プラズマクリーニング）を実施する方法である。
これらの装置制御を複数回繰り返し行っても、装置状態が異常と判定される場合には、装置停止を伴うメンテナンスが必要であると判断できる。
さらに上記の構成に加えて、表示部２４２に、健全性指標値１及び２と閾値１及び２の関係の時間的変化を表示すると共に、判定部２３０で異常と判定された際には警告を表示することにより、装置状態の時間的変化を常時認識することができる。
演算部２２０のアルゴリズムディレクトリ部２２１に格納する多種の解析アルゴリズムとしては、例えばＫｅｖｉｎ Ｐ. Ｍｕｒｐｈｙ著Ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇに収録されているような一般に知られる各種機械学習アルゴリズムを格納しており、その中から選択された２種のアルゴリズムを用いて、第１のアルゴリズムを用いて健全性指標値１と閾値１を算出し、第２のアルゴリズムを用いて健全性指標値２と閾値２を算出する。
本実施例では、発光データ集録部２１１に集録したデータの解析に用いる第１のアルゴリズムに、多変量解析の一種であるＰｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ（ＰＣＡ）を選定し、電気信号データ集録部２１２に集録したデータの解析に用いる第２のアルゴリズムにＡｕｔｏ Ａｓｓｏｃｉａｔｉｖｅ Ｋｅｒｎｅｌ Ｒｅｇｒｅｓｓｉｏｎ（ＡＡＫＲ）を選定した場合について説明する。
図３Ａに、評価対象となるプラズマ処理装置１００の状態を判定する前段階として、正常な状態が確認された基準となるプラズマ処理装置１００から得られた装置信号データに対して第１のアルゴリズムを用いて閾値１を算出し、電気信号データ集録部２１２に集録したデータに対して第２のアルゴリズムを用いて閾値２を算出する手順を示す。
以下に、各ステップの内容を詳細に説明する。
先ず、データ集録部２１０で、基準あるいは正常な状態とするプラズマ処理装置１００から、任意の時間分の装置信号データを集録する（Ｓ１００１）。本実施例では、このような基準あるいは正常な状態とするプラズマ処理装置１００から任意の時間だけ集録された装置信号データを学習用装置信号データと呼称する。
学習用装置信号データは、データ集録部２１０の発光データ集録部２１１及び電気信号データ集録部２１２で集録されるプラズマ処理装置１００の状態に変化が無いか、あるいは変化が小さい累計処理時間の間で集録することが望ましい。
また、データ集録部２１０で集録されるプラズマ処理装置１００の状態の悪化は、制御の過渡で急峻な変化として現れる場合がある。そのため、異常検知精度向上の観点から、学習用装置信号データ集録時のデータ集録部２１０のサンプリング周波数を、５Ｈｚ以上とすることが望ましい。
ここで、データ集録部２１０で集録する装置信号データは、次の２種類に分類される。すなわち、１つ目は、電気信号データ集録部２１２に集録されるデータであって、プラズマ処理装置１００を構成する各コンポーネントを含めたプラズマ処理装置１００の任意の点における電気的状態を示す電気信号データであり、２つ目は、発光データ集録部２１１に集録されるデータであって、プラズマ処理中にプラズマ発光を分光検出器１１５で分光計測して得られるプラズマ発光に関するデータである。
次に、演算部２２０の第１の前処理部２２２１及び第２の前処理部２２３１において、データ集録部２１０で集録した装置信号データの前処理を行う（Ｓ１００２）。前処理には以下のような作業が挙げられ、各作業を必要に応じて実施すればよい。
すなわち、データ集録部２１０に集録された装置信号データのうち、電気信号データ集録部２１２で集録された電気信号データに高周波ノイズが多いと判断できる場合は、電気信号データ集録部２１２で集録された装置信号データから高周波成分を除去する。この前処理は、第２の算出部２２３に備えられた第２の前処理部２２３１で実行される。
一方、データ集録部２１０に集録された装置信号データのうち発光データ集録部２１１に集録された発光データについて、波長分解し、各波長の発光強度データを取得する。この前処理は、第１の算出部２２２に備えられた第１の前処理部２２２１で実行される。
データ集録部２１０に集録された装置信号データには、データ種毎に集録時間のずれが生じている場合がある。従って、このデータ毎の集録時間のずれを補正することが望ましい。このデータ毎の集録時間のずれの補正は、第１の前処理部２２２１及び第２の前処理部２２３１において行う。時間ずれの補正を行う方法として、例えば、Ｄｙｎａｍｉｃ Ｔｉｍｅ Ｗａｒｐｉｎｇなどを用いることができる。
装置信号データの各データ種（変数）の数が多い場合は、各データ種に対して時間的変化として相関性の低いデータ種を抽出し、この抽出した相関関係の低いデータ種を健全性指標値の計算に用いることにより、データ種の数を減らして計算負荷を低減するとよい。この集録された発光データ及び電気信号データの各データ種の相関関係を算出する手段として、例えば、Ｆｉｓｈｅｒ Ｃｒｉｔｅｒｉｏｎなどを用いることができる。
試料のプラズマ処理及びその間に処理されるプラズマクリーニングでは、装置制御部２４１でプラズマ処理装置１００を制御するための制御値をステップ毎に変化させる多段ステップを用いる場合が多い。その場合、ステップ毎にデータを切り出し、それぞれを並列に連結するとよい。
次に、第１の前処理部２２２１及び第２の前処理部２２３１で前処理を行った装置信号データを、特徴量へ変換する（Ｓ１００３）。特徴量として、統計量（Ｍｅａｎ，Ｓｔａｎｄａｒｄ Ｄｅｖｉａｔｉｏｎ，Ｖａｒｉａｎｃｅ，Ｓｋｅｗｎｅｓｓ，Ｃｅｎｔｒａｌ Ｖａｌｕｅ，Ａｖｅｒａｇ Ｄｅｖｉａｔｉｏｎ，Ｋｕｒｔｏｓｉｓ，Ｍｅｄｉａｎ，Ｐｅａｋ ｔｏ Ｐｅａｋ，Ｃｒｅｓｔ Ｆａｃｔｏｒ，Ｐｅａｋ-ｔｏ-Ａｖｅｒａｇｅ Ｐｏｗｅｒ Ｒａｔｉｏ）や、Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ（ＦＦＴ）や、Ｔｉｍｅ-Ｆｒｅｑｕｅｎｃｙ Ａｎａｌｙｓｉs (ＴＦＡ)などによって算出される周波数成分などが挙げられる。
また、あらかじめ、時系列波形の特定領域に装置状態の正常と異常とを明確に区別できる変化が生じる箇所が分かっている場合は、その箇所の変化量を抽出することにより精度の高い異常検知が期待できる。
これら、特徴量は適宜複数選択して変換される。また、変換した値はデータ種の特徴量毎に標準化（Ｓｔａｎｄａｒｄｉｚａｔｉｏｎ）することで、データ種の絶対値に係わらず数値の変化量を比較することができる。
次に、Ｓ１００３で特徴量へ変換した学習用装置信号データのうち、発光データを用いて装置状態の健全性を判定するための閾値１を算出し、電気信号データを用いて装置状態の健全性を判定するための閾値２を算出する（Ｓ１００４）。
本実施例では、閾値１の算出にＰｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ （ＰＣＡ）を用い、閾値２の算出にＡｕｔｏ Ａｓｓｏｃｉａｔｉｖｅ Ｋｅｒｎｅｌ Ｒｅｇｒｅｓｓｉｏｎ （ＡＡＫＲ）を用いた場合について説明する。
一般にＰｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ （ＰＣＡ）は、データに対して分散が大きい方向の情報を維持したまま、データの次元を減らすことができる教師なしアルゴリズムである。分散の大きな方向を主成分（Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ：ＰＣｓ）と呼び、この主成分に基づいてデータを再構築することで、情報の欠損を避けながら、高次元空間に存在するデータを低次元空間で表現することができる。
ＰＣＡは、式（数１）に示すように、行列データＸをＰＣ ｓｃｏｒｅｓ tiとＰＣ ｌｏａｄｉｎｇｓ piの和に残差行列Ｅを加えたものとして分解する。
Figure 2019057548
数学的に、ＰＣＡは、式（数２）で示す分散・共分散行列（Ｘ）の固有ベクトル分解を実行する。
Figure 2019057548
ここで、
Figure 2019057548
におけるｍは行ベクトルとして格納されているサンプル数、ｎは、列ベクトルとして格納されているプロセス変数(ｎ≪ｍ)である。また、ｃｏｖ（Ｘ）はｋ行ｋ列の分散・共分散行列である。各変数が平均値０、標準偏差１として標準化されている場合、ｃｏｖ（Ｘ）は相関行列を意味する。
代数学では、正方行列の固有ベクトルは、式（数４）に示すように線形変換において、方向が維持されるベクトルを意味する。
Figure 2019057548
ここで、λｉは、固有値として知られる固有ベクトルＰｉに基づくスカラー値である。
また、行列データ Ｘにはｔｉとｐｉによって式(数５)のように表現される。
Figure 2019057548
上記ＰＣＡによって第一から第三の工程を実施した学習用装置信号データの前記発光データにおける主成分を求めたあと、健全性を評価したい装置（評価用装置）から新規に集録された装置信号データ（以下、評価用装置信号データ）を用いて算出される健全性指標値１に対して、その健全性指標値１から装置状態が異常であるか否かを判定するための閾値１を算出する。
本実施例における閾値１の算出にはＴ-ｓｑｕａｒｅｄ ｓｔａｔｉｓｔｉｃｓ （ＰＣＡ−Ｔ−ｓｑｕａｒｅｄ）を適用した場合について説明する。閾値１は信頼区間９９％を除いた棄却域１％の領域境界とし、棄却域に該当した評価用装置信号データが取得された際の装置状態は異常であると判定されるよう定義した。
閾値１の算出には、式(数６)を用いた。
Figure 2019057548
ここで、Ｔα ２は、信頼区間９９％を持つ閾値を示し、ｍは、Ｘのサンプル数、ｒは保存された主成分ＰＣｓの数、Ｆｒ，ｍ−ｒ，αは、ｒと （ｍ−ｒ）個の自由度を持つＦ分布の棄却域α％を示す。
ＡＡＫＲは、入力ベクトルと出力ベクトルの非線形関係を見つけるノンパラメトリックテクニックである。Ｋｅｒｎｅｌ関数（重み関数）によって第一から第三の工程を実施した学習用装置信号データの電気信号データ（Ｘ）とし、評価用装置信号データにおける電気信号データの計測値Ｘａｂｓを再構築する。
ここに、時間ｉ、 ｎサンプルのｍ×１からなる第一から第三の工程を実施した学習用装置信号データの電気信号データ Ｘは、ｍｅｍｏｒｙ ｍａｔｒｉｘ Ｄと定義され、式(数７)で表される。
Figure 2019057548
このｍｅｍｏｒｙ ｍａｔｒｉｘ Ｄは、閾値２及び健全性指標値２を算出するための基準または正常な装置状態を代表する履歴データＸとして機能する。
以上に説明したようにして算出した閾値１を第１の算出部２２２に記憶し、閾値２を第２の算出部に記憶しておく。
次に、図３Ａの手順に沿って算出した閾値１及び閾値２を用いて、評価対象となるプラズマ処理装置１００の状態を判定する手順について、図３Ｂを用いて説明する。
まず、評価対象となるプラズマ処理装置１００から評価用装置信号データを集録し（Ｓ２００１）、この集録した評価用装置信号データを前処理し（Ｓ２００２）、前処理した評価用装置信号データを特徴量に変換する（Ｓ２００３）までの処理工程は、図３Ａで説明した学習用装置信号データの処理におけるＳ１００１からＳ１００３までの処理と同様である。
ここで、データ集録部２１０で集録される評価対象となるプラズマ処理装置１００の状態の悪化は、制御の過渡で急峻な変化として現れる場合がある。そのため、異常検知精度向上の観点から、学習用装置信号データ集録時のデータ集録部２１０のサンプリング周波数を、５Ｈｚ以上とすることが望ましい。
次に、Ｓ２００４において、評価用装置信号データのうち、発光データを用いて、健全性指標値１を算出し、電気信号データを用いて、健全性指標値２を算出する。ここで、Ｓ２００１からＳ２００４までのステップにおいて、評価対象となるプラズマ処理装置１００から得られた装置信号データに対して第１のアルゴリズムを用いて健全性指標値１を算出し、電気信号データ集録部２１２に集録したデータに対して第２のアルゴリズムを用いて健全性指標値２を算出する。
本実施例におけるＰＣＡ−Ｔ−ｓｑｕａｒｅｄを用いた場合、図３Ａに示したＳ１００４にて学習用装置信号データの発光データによって構築されたＰＣ空間を用いて、学習用装置信号データの処理におけるＳ１００１からＳ１００３までの工程と同じＳ２００１からＳ２００３までの工程が実施された評価用装置信号データにおける発光データを再構築し、式(数８)によって健全性指標値１が算出できる。
Figure 2019057548
ここで、ｔはＰＣ空間に投影されたｋ列を持つデータで、Σ−１は相関行列の大きい順にｒ番目までの固有値λiの逆正方行列である。
本実施例におけるＡＡＫＲの入力値は、学習用装置信号データの処理におけるＳ１００１からＳ１００３までの工程と同じＳ２００１からＳ２００３までの工程が実施された評価用装置信号データにおける電気信号データの計測値Ｘｏｂｓであり、出力値はその予測値Ｘｅｓｔである。
まず、Ｓ１００１からＳ１００３までの工程が実施された学習用装置信号データにおける電気信号データＸと、学習用装置信号データと同じＳ２００１からＳ２００３までの工程が実施された評価用装置信号データにおける電気信号データの計測値Ｘｏｂｓの間のユーグリッド距離ｄを式(数９)の通り計算する。
Figure 2019057548
続いて、ユーグリッド距離ｄは、Ｋｅｒｎｅｌ関数で定義されるウェイトＷに変換される。ウェイトＷ算出するためのＫｅｒｎｅｌ関数には、一般に知られた各種Ｋｅｒｎｅｌ関数を用いることができる。
本実施例では、ウェイトＷを算出するためのＫｅｒｎｅｌ関数として、式(数１０)に示すＲａｄｉａｌ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ (ＲＢＦ)を用いた場合について説明する。
Figure 2019057548
ここで、ｈはＫｅｒｎｅｌバンド幅である。ウェイトＷは、評価用装置信号データにおける電気信号Ｘｏｂｓと学習用装置信号データにおける電気信号Ｘの類似性を定量化する。
最後に、評価用装置信号データにおける電気信号データＸｏｂｓは、式(数１１)を用いてウェイトＷを結合することにより、装置状態に対応した予測値を算出する。
Figure 2019057548
各評価用装置信号データにおける電気信号データＸｏｂｓに対応する健全性指標値２と閾値２はＫｅｒｎｅｌ関数によって定義されるウェイトＷに依存する。
本実施例における健全性指標値２はＳｑｕａｒｅｄ Ｐｒｅｄｉｃｔｉｏｎ Ｅｒｒｏｒ（ＳＰＥ）によって定義された。また、ＳＥＰを一般に用いられるＥｒｒｏｒ項の定義で代替してよい。
Figure 2019057548
また、本実施例における閾値２はＳＰＥ値における正規分布信頼区間９９％を除いた棄却域１％の領域境界とし、棄却域に該当した評価用装置信号データが取得された際の装置状態は異常であると判定されるよう定義した。
次に、Ｓ２００４で算出した健全性指標値１及び健全性指標値２を、Ｓ１００４で算出した閾値１及び閾値２と比較して、健全性指標値１及び健全性指標値２がそれぞれ閾値１及び閾値２よりも大きいかを判定する（Ｓ２００５）。その結果、健全性指標値１が閾値１よりも小さいか、または、健全性指標値２が閾値２よりも地位さかった場合には（Ｓ２００５でＮＯの場合）、Ｓ２００１に戻って、評価用装置信号データの集録を継続する。
一方、健全性指標値１が閾値１よりも大きく、かつ、健全性指標値２が閾値２よりも大きかった場合には（Ｓ２００５でＹＥＳの場合）、その状態が予め設定した時間継続しているかをチェックする（Ｓ２００６）。Ｓ２００５でＹＥＳの状態が予め設定した時間継続しなかった場合には（Ｓ２００６でＮＯの場合）、Ｓ２００１に戻って、評価用装置信号データの集録を継続する。
一方、Ｓ２００５でＹＥＳの状態が予め設定した時間継続した場合には（Ｓ２００６でＹＥＳの場合）、表示部２４２に警告を表示（出力）する（Ｓ２００７）。
図４は、本実施例に係るプラズマ処理装置の処理制御システム構成２００において、健全性指標値１と閾値１の算出にＰＣＡを用い、健全性指標値１と閾値１の算出にＡＡＫＲを用いた場合に実施した装置状態監視予測結果の一例を示したものである。
図４のグラフ４１０は、図３Ａで説明したＳ１００１からＳ１００４までの処理工程、及び図３Ｂを用いて説明したＳ２００１からＳ２００５までの処理工程を経て算出された健全性指標値１：４１１の推移と閾値１：４１２との関係，及びプラズマ処理後の実際の試料品質検査結果から判断された品質劣化具合４１３の推移を示している。
また、図４のグラフ４２０は、図３Ａで説明したＳ１００１からＳ１００４までの処理工程、及び図３Ｂを用いて説明したＳ２００１からＳ２００５までの処理工程を経て算出された健全性指標値２：４２１の推移と閾値２：４２２との関係を示している。
図４の双方のグラフ４１０及び４２０において、プラズマ処理装置１００の連続稼動時間（処理時間）が増加するに伴い、健全性指標値１：４１１及び健全性指標値２：４２１が増加している。また、図４のグラフ４１０において、健全性指標値１：４１１と実際の試料の品質劣化具合４１３の推移の挙動は類似し、健全性指標値１：４１１が試料品質を良く表している。
さらに、図４のグラフ４１０とグラフ４２０とを比較すると、健全性指標値１：４１１及び健全性指標値２：４２１がそれぞれ閾値１：４１２及び閾値２：４２２を超える時期が同じである。
図４のグラフ４１０とグラフ４２０に示される双方の健全性指標値１及び２と閾値１及び２との関係が、プラズマ処理装置１００の装置状態の変化を良く表している。すなわち、健全性指標値１及び２と閾値１及び２との関係が、プラズマ処理装置１００の装置異常を判定するのに良好な指標値である。
図４のグラフ４１０内にはプラズマ処理後の試料品質の悪化がないにもかかわらず、健全性指標値１が閾値１を超えて装置異常を示す点がみられるが、このような点は、装置メンテナンスを伴わない異常あるいは虚報であり、グラフ４２０の健全性指標値と閾値との関係を参照することでより明確に判定可能である。すなわち、図３ＢのＳ２００５に示したように、双方の健全性指標値１及び２と閾値１及び２の関係を監視することで、高精度な異常判定検知が可能となる。
実際の運用時には、例えば、に示したように、健全性指標値１：４１１及び健全性指標値２：４２１が、それぞれ閾値１：４１２及び閾値２：４２２を予め設定した一定の時間ｔ：４３０を連続的に超えた場合（図３ＢのＳ２００６の判定でＹＥＳの場合）、表示部２４２に警告を表示して、装置停止を伴うメンテナンスを実施し、どちらか一方の健全性指標値のみが閾値を超えた場合は（図３ＢのＳ２００５の判定でＮＯの場合）、スルーしてＳ２００１のステップからの処理を継続する。あるいは、装置停止を伴わないプラズマクリーニングを実施するなどあらかじめルール化しておくと良い。
また、図４のグラフ４２０の健全性指標値４２１は指数関数的に増加しており、回帰式を充てることでおおよそ閾値を超える時期を予測することが可能である。この予測した結果を、表示部２４２に表示するようにしても良い。
また、本実施例で説明したＰＣＡ及びＡＫＫＲには算出した健全性指標値に変化を与えたデータ種（変数）の寄与率を計算し、データ種同士の寄与率を比較することで顕著に変化しているデータ種を特定でき、装置の異常要因（個所）を同定することができる。この同定した装置の異常要因（個所）を、警告表示と一緒に表示部２４２に表示するようにしても良い。
本実施例に係るプラズマ処理装置の処理制御システム構成２００において、用いるアルゴリズムは、以下のように選定してもよい。
まず、試料のプラズマ処理あるいはそれを模擬したダミーに対するプラズマ処理、または試料を載置せずに実施されるプラズマ処理を連続的に実施しているプラズマ装置において、処理中に取得された前記発光データを用いて、前記ディレクトリ部に格納されている任意のアルゴリズムを用いて、装置の健全性指標値１と閾値１を算出する。
次に、健全性指標値１が閾値１を連続的に超える時間１を算出する。そして、同様に取得された電気信号データを用いて、装置の健全性指標値２が装置を異常と判定するための閾値２を連続的に超える時間２を算出した結果が0.5 ＜時間１/ 時間２＜ 1.5となるアルゴリズムをディレクトリ部から選定する。
なお、本実施例に係るプラズマ処理装置の処理制御システム構成２００においては、ウェハ処理ごとに繰り返し実施され各々で制御値が違う多段ステップのプラズマ処理中に集録された装置信号データを、繰り返し毎にデータの時系列波形を比較し、信号波形が長期的に変化している部分のみを抽出する手段を備えて構成してもよい。
また、本実施例に係るプラズマ処理装置の処理制御システム構成２００においては、データ集録部２１０に装置信号データの高周波成分を除去する手段（図示せず）を備え、演算部２２０では、高周波成分が除去された送致信号データを用いて健全性指標値１及び２と、閾値１及び２を求めるように構成しても良い。
また、本実施例に係るプラズマ処理装置の処理制御システム構成２００においては、演算部２２０に、算出された健全性指標値に対して各データ種の寄与率を算出し、健全性指標値１および２の変化に対して寄与したデータ種を特定する機能を備え、寄与率の高いデータ種のみを用いて健全性指標値１および２を再計算するように構成してもよい。
また、本実施例に係るプラズマ処理装置の処理制御システム構成２００においては、演算部２２０には、算出された健全性指標値１および２に対して各データ種の寄与率を算出する寄与率算出機構を備えて、寄与率算出機構で算出した結果に基づいて健全性指標値１および２の変化に対して寄与したデータ種を特定し、表示部２４２に表示することで健全性指標値１および２の変化要因を明らかにするように構成してもよい。
また、本実施例に係るプラズマ処理装置の処理制御システム構成２００においては、演算部２２０に、算出した健全性指標値１および２に対して線形または非線形の回帰式を与え、健全性指標値１および２がそれぞれ閾値１および２を超える時期を算出する機構を備えて、判定部での実際の異常検知時期よりも以前に以上を予測するように構成してもよい。
以上説明したように、本実施例によれば、試料を処理する処理室を有するプラズマ処理装置において、常時、装置から出力される装置信号データを集録し、装置状態の異常を高精度に検知し、かつ異常要因を特定し、さらにメンテナンスを要する時期を予測する装置状態監視・予測システムにより、装置状態監視及び予測後のプラズマ処理や装置メンテナンスを最適に実施することができる。
以上、本発明者によってなされた発明を実施例に基づき具体的に説明したが、本発明は前記実施例に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることは言うまでもない。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、上記に説明した実施例の構成の一部について、他の公知の構成の追加・削除・置換をすることが可能である。
１００・・・プラズマ処理装置 １０１・・・処理室 １０２・・・シャワープレート １０３・・・誘電体窓 １０４・・・ガス供給装置 １０５・・・ソレノイドコイル １０６・・・マグネトロン １０７・・・導波管 １０８・・・真空排気管 １０９・・・基板電極（試料台） １１０・・・ウェハ（試料） １１１・・・直流電源 １１２・・・高周波電源 １１３・・・高周波整合器 １１４・・・アース電極 ２００・・・プラズマ処理装置の処理制御システム構成 ２１０・・・データ集録部 ２２０・・・演算部 ２３０・・・判定部 ２４０・・・制御部。

Claims (8)

  1. 試料がプラズマ処理される処理室を備え解析装置により状態を予測されるプラズマ処理装置において、
    前記解析装置は、第１のアルゴリズムを用いて前記プラズマ処理装置から得られた第１のデータを解析することにより求められた第１の健全性指標値と第２のアルゴリズムを用いて前記プラズマ処理装置から得られた第２のデータを解析することにより求められた第２の健全性指標値に基づいて前記プラズマ処理装置の状態を予測し、
    前記第２のアルゴリズムは、前記第２の健全性指標値による前記状態を異常とする前記プラズマ処理の第２の時間が前記第１の健全性指標値による前記状態を異常とする前記プラズマ処理の第１の時間から所定時間を減算した時間ないし前記第１の時間に前記所定時間を加算した時間の範囲内の時間となるアルゴリズムであることを特徴とするプラズマ処理装置。
  2. 請求項１に記載のプラズマ処理装置において、
    前記第１のデータは、前記プラズマ処理中のプラズマから得られた発光データであり、
    前記第２のデータは、前記第１のデータと異なるデータである
    ことを特徴とするプラズマ処理装置。
  3. 請求項２に記載のプラズマ処理装置において、
    前記第１のアルゴリズムとしてＰｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ(ＰＣＡ)を用い、
    前記第２のアルゴリズムとしてＡｕｔｏ Ａｓｓｏｃｉａｔｉｖｅ Ｋｅｒｎｅｌ Ｒｅｇｒｅｓｓｉｏｎ(ＡＡＫＲ)を用いることを特徴とするプラズマ処理装置。
  4. 請求項２に記載のプラズマ処理装置において、
    前記解析装置は、前記第２のデータから高周波成分を除去した後、前記第２のアルゴリズムを用いて前記高周波成分を除去したデータを解析することを特徴とするプラズマ処理装置。
  5. 試料がプラズマ処理される処理室を備えるプラズマ処理装置の状態を予測するプラズマ処理装置状態予測方法において、
    第１のアルゴリズムを用いて前記プラズマ処理装置から得られた第１のデータを解析することにより求められた第１の健全性指標値と第２のアルゴリズムを用いて前記プラズマ処理装置から得られた第２のデータを解析することにより求められた第２の健全性指標値に基づいて前記プラズマ処理装置の状態を予測し、
    前記第２のアルゴリズムは、前記第２の健全性指標値による前記状態を異常とする前記プラズマ処理の第２の時間が前記第１の健全性指標値による前記状態を異常とする前記プラズマ処理の第１の時間から所定時間を減算した時間ないし前記第１の時間に前記所定時間を加算した時間の範囲内の時間となるアルゴリズムであることを特徴とすることを特徴とするプラズマ処理装置状態予測方法。
  6. 請求項５に記載のプラズマ処理装置状態予測方法において、
    前記第１のデータは、前記プラズマ処理中のプラズマから得られた発光データであり、
    前記第２のデータは、前記第１のデータと異なるデータであることを特徴とするプラズマ処理装置状態予測方法。
  7. 請求項６に記載のプラズマ処理装置状態予測方法において、
    前記第１のアルゴリズムとしてＰｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ(ＰＣＡ)を用い、
    前記第２のアルゴリズムとしてＡｕｔｏ Ａｓｓｏｃｉａｔｉｖｅ Ｋｅｒｎｅｌ Ｒｅｇｒｅｓｓｉｏｎ(ＡＡＫＲ)を用いることを特徴とするプラズマ処理装置状態予測方法。
  8. 請求項６に記載のプラズマ処理装置状態予測方法において、
    前記第２のデータから高周波成分を除去した後、前記第２のアルゴリズムを用いて前記高周波成分を除去したデータを解析することを特徴とするプラズマ処理装置状態予測方法。
JP2017179668A 2017-09-20 2017-09-20 プラズマ処理装置及びプラズマ処理装置状態予測方法 Active JP6676020B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2017179668A JP6676020B2 (ja) 2017-09-20 2017-09-20 プラズマ処理装置及びプラズマ処理装置状態予測方法
KR1020170180656A KR102033438B1 (ko) 2017-09-20 2017-12-27 플라즈마 처리 장치 및 플라즈마 처리 장치 상태 예측 방법
TW107103197A TWI683333B (zh) 2017-09-20 2018-01-30 電漿處理裝置及電漿處理裝置狀態預測方法
US15/904,917 US10886110B2 (en) 2017-09-20 2018-02-26 Plasma processing apparatus and prediction method of the condition of plasma processing apparatus
US17/108,383 US12080529B2 (en) 2017-09-20 2020-12-01 Plasma processing apparatus and prediction method of the condition of plasma processing apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017179668A JP6676020B2 (ja) 2017-09-20 2017-09-20 プラズマ処理装置及びプラズマ処理装置状態予測方法

Publications (3)

Publication Number Publication Date
JP2019057548A true JP2019057548A (ja) 2019-04-11
JP2019057548A5 JP2019057548A5 (ja) 2019-06-27
JP6676020B2 JP6676020B2 (ja) 2020-04-08

Family

ID=65719403

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017179668A Active JP6676020B2 (ja) 2017-09-20 2017-09-20 プラズマ処理装置及びプラズマ処理装置状態予測方法

Country Status (4)

Country Link
US (2) US10886110B2 (ja)
JP (1) JP6676020B2 (ja)
KR (1) KR102033438B1 (ja)
TW (1) TWI683333B (ja)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102103143B1 (ko) * 2018-03-14 2020-04-22 (주)아이티공간 구동부의 정밀 예지 보전방법
JP6990634B2 (ja) * 2018-08-21 2022-02-03 株式会社日立ハイテク 状態予測装置及び半導体製造装置
US20210358785A1 (en) * 2020-05-12 2021-11-18 Advanced Energy Industries, Inc. Event monitoring and characterization
JP7437262B2 (ja) * 2020-07-31 2024-02-22 株式会社日立ハイテク 荷電粒子線装置および電気ノイズの計測方法
KR102252144B1 (ko) * 2021-03-31 2021-05-17 (주)알티엠 플라즈마의 동작을 확인하는 전자 장치 및 그 동작 방법
KR102584646B1 (ko) * 2021-08-17 2023-10-04 명지대학교 산학협력단 장비 데이터를 이용하는 플라즈마 공정 진단 시스템 및 방법
CN113762475B (zh) * 2021-08-27 2023-08-15 核工业西南物理研究院 一种等离子体破裂预测器的预测依据可视化方法
CN116230576B (zh) * 2023-05-08 2023-07-07 粤芯半导体技术股份有限公司 快速建立暗场缺陷扫描检测体系的方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004039952A (ja) * 2002-07-05 2004-02-05 Tokyo Electron Ltd プラズマ処理装置の監視方法およびプラズマ処理装置
JP2004335841A (ja) * 2003-05-09 2004-11-25 Tokyo Electron Ltd プラズマ処理装置の予測装置及び予測方法
JP2009044125A (ja) * 2007-04-12 2009-02-26 Tokyo Electron Ltd サポートベクトルマシンを用いて制御ツールを制御する方法
JP2009048882A (ja) * 2007-08-21 2009-03-05 Panasonic Corp プラズマ処理装置
JP2016025145A (ja) * 2014-07-17 2016-02-08 株式会社日立ハイテクノロジーズ エッチング装置のデータ解析方法並びにエッチング方法及びその装置
JP2016213360A (ja) * 2015-05-12 2016-12-15 株式会社日立ハイテクノロジーズ プラズマ処理装置、データ処理装置およびデータ処理方法
JP2017016509A (ja) * 2015-07-03 2017-01-19 横河電機株式会社 設備保全管理システムおよび設備保全管理方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW499702B (en) 2000-07-04 2002-08-21 Tokyo Electron Ltd Method for monitoring operation of processing apparatus
JP4570736B2 (ja) 2000-07-04 2010-10-27 東京エレクトロン株式会社 運転状態の監視方法
JP3634734B2 (ja) 2000-09-22 2005-03-30 株式会社日立製作所 プラズマ処理装置および処理方法
JP2003197609A (ja) * 2001-12-27 2003-07-11 Tokyo Electron Ltd プラズマ処理装置の監視方法及びプラズマ処理装置
JP4448335B2 (ja) * 2004-01-08 2010-04-07 東京エレクトロン株式会社 プラズマ処理方法及びプラズマ処理装置
US7624003B2 (en) * 2005-01-10 2009-11-24 Applied Materials, Inc. Split-phase chamber modeling for chamber matching and fault detection
US7829468B2 (en) * 2006-06-07 2010-11-09 Lam Research Corporation Method and apparatus to detect fault conditions of plasma processing reactor
US7565220B2 (en) 2006-09-28 2009-07-21 Lam Research Corporation Targeted data collection architecture
US20100076729A1 (en) 2008-09-19 2010-03-25 Applied Materials, Inc. Self-diagnostic semiconductor equipment
JP5582823B2 (ja) * 2010-02-26 2014-09-03 東京エレクトロン株式会社 自動整合装置及びプラズマ処理装置
JP6731634B2 (ja) * 2016-03-10 2020-07-29 パナソニックＩｐマネジメント株式会社 プラズマ処理装置およびプラズマ処理方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004039952A (ja) * 2002-07-05 2004-02-05 Tokyo Electron Ltd プラズマ処理装置の監視方法およびプラズマ処理装置
JP2004335841A (ja) * 2003-05-09 2004-11-25 Tokyo Electron Ltd プラズマ処理装置の予測装置及び予測方法
JP2009044125A (ja) * 2007-04-12 2009-02-26 Tokyo Electron Ltd サポートベクトルマシンを用いて制御ツールを制御する方法
JP2009048882A (ja) * 2007-08-21 2009-03-05 Panasonic Corp プラズマ処理装置
JP2016025145A (ja) * 2014-07-17 2016-02-08 株式会社日立ハイテクノロジーズ エッチング装置のデータ解析方法並びにエッチング方法及びその装置
JP2016213360A (ja) * 2015-05-12 2016-12-15 株式会社日立ハイテクノロジーズ プラズマ処理装置、データ処理装置およびデータ処理方法
JP2017016509A (ja) * 2015-07-03 2017-01-19 横河電機株式会社 設備保全管理システムおよび設備保全管理方法

Also Published As

Publication number Publication date
KR102033438B1 (ko) 2019-10-17
US20210082673A1 (en) 2021-03-18
US12080529B2 (en) 2024-09-03
TWI683333B (zh) 2020-01-21
US10886110B2 (en) 2021-01-05
JP6676020B2 (ja) 2020-04-08
KR20190032980A (ko) 2019-03-28
TW201916087A (zh) 2019-04-16
US20190088455A1 (en) 2019-03-21

Similar Documents

Publication Publication Date Title
JP6676020B2 (ja) プラズマ処理装置及びプラズマ処理装置状態予測方法
KR102101222B1 (ko) 플라스마 처리 장치 및 상태 예측 장치
JP4464276B2 (ja) プラズマ処理方法及びプラズマ処理装置
KR101066973B1 (ko) 플라즈마처리장치
US6616759B2 (en) Method of monitoring and/or controlling a semiconductor manufacturing apparatus and a system therefor
US7389203B2 (en) Method and apparatus for deciding cause of abnormality in plasma processing apparatus
JP2005197503A (ja) プラズマ処理方法及びプラズマ処理装置
US20040181299A1 (en) Prediction method and apparatus of a processing result
JP2017112238A (ja) プラズマ処理装置及びプラズマ処理装置の運転方法
KR20050010021A (ko) 처리 장치의 다변량 해석 모델식 작성 방법, 처리장치용의 다변량 해석 방법, 처리 장치의 제어 장치, 처리장치의 제어 시스템
US7630064B2 (en) Prediction method and apparatus for substrate processing apparatus
US11404253B2 (en) Plasma processing apparatus and analysis method for analyzing plasma processing data
JP2003068717A (ja) 半導体処理装置
JP4274348B2 (ja) プロセスの予測方法及び処理装置並びにプロセス予測プログラム
JP4675266B2 (ja) 基板処理装置の処理結果の予測方法及び予測装置
JP2020088397A (ja) その場でのリアルタイムのプラズマチャンバ条件監視
KR20140098477A (ko) 플라즈마 마이크로 아킹 예측 방법 및 그를 이용한 생산 설비의 플라즈마 공정 관리 방법
KR101529827B1 (ko) 플라즈마 식각 공정의 식각 종료점 검출 방법
KR100446926B1 (ko) 반도체제조장치의 감시 및 제어방법과 그 실시장치
WO2024181164A1 (ja) 基板処理システム及び基板処理方法
KR20180089201A (ko) 플라즈마 공정의 식각 종료점 진단방법

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190522

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190522

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200206

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20200212

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200311

R150 Certificate of patent or registration of utility model

Ref document number: 6676020

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150