用于前级管道沉积诊断及控制的方法及系统技术方案

公开了用于前级管道诊断及控制的系统、设备及方法。在一些实施方式中，耦接至腔室排放装置的前级管道装备有一或多个传感器，所述一或多个传感器放置在腔室排放装置与消除系统之间。所述一或多个传感器经定位以测量前级管道中的压力作为传导度的指标。传感器耦接至经训练的机器学习模型，所述经训练的机器学习模型被配置为当前级管道需要清洁循环时或者当应该执行预防性维护时提供信号。在一些实施方式中，经训练的机器学习预测何时将需要清洁或预防性维护。预防性维护。预防性维护。

【技术实现步骤摘要】
【国外来华专利技术】用于前级管道沉积诊断及控制的方法及系统
[0001]背景


[0002]本专利技术的实施方式总体涉及前级管道诊断及控制，并且更特别地涉及预测性前级管道诊断。

技术介绍

[0003]半导体基板经处理以用于广泛的应用，包括器件及微器件的制造。这些工艺可以在某些处理条件(包括处理腔室内的温度、压力及前驱物流率)下在基板上产生高品质的膜。工艺参数的任何变化可导致膜厚度及轮廓的变化。
[0004]尽管膜沉积的目的是将大部分沉积材料沉积在基板上，但是处理腔室部件、腔室排放装置及前级管道部件也可能被涂覆。为了维持从晶片至晶片的工艺条件，执行清洁配方以从腔室及前级管道部件蚀刻掉非意欲的涂层。然而，即使是清洁工艺也可能造成前级管道中非意欲的且有时可燃的涂层。
[0005]在传统方法中，在每个晶片之后或者在一定数量的晶片之后运行清洁配方，而不测量前级管道中的沉积量。这可能会导致清洁过于频繁，这可以是对清洁资源和时间的浪费，或者导致清洁不够，从而导致工艺参数的不可靠变化及前级管道中潜在的危险沉积。
[0006]需要的是克服传统方法缺点的系统及方法。

技术实现思路

[0007]本公开内容总体涉及用于前级管道诊断及控制的系统、设备及方法。在一些实施方式中，耦接至腔室排放装置的前级管道装备有一或多个传感器，所述一或多个传感器放置在腔室排放装置与消除系统之间。所述一或多个传感器经定位以测量前级管道中的压力作为传导度(conductance)的指标(indicator)。传感器耦接至经训练的机器学习模型，所述经训练的机器学习模型被配置为当前级管道需要清洁循环时或者当应该执行预防性维护时提供信号。在一些实施方式中，经训练的机器学习预测何时将需要清洁或预防性维护。
[0008]在一个实施方式中，公开一种用于前级管道诊断及控制的系统，所述系统包括：前级管道，所述前级管道耦接至处理腔室的排放装置；第一传感器，所述第一传感器经定位以测量前级管道中的沉积积累；和积累监测器，所述积累监测器耦接至第一传感器，所述积累监测器包括经训练的机器学习(machine learning,ML)模型并且被配置为当所指示的沉积积累处于或高于积累阈值时产生指示沉积积累的输出并且触发校正动作。
[0009]在另一个实施方式中，公开一种计算机可读介质，所述计算机可读介质包括用于执行用于前级管道沉积诊断的方法的指令。所述方法包括从多个传感器中的至少一个传感器接收积累数据；将积累数据提供给积累监测器，所述积累监测器包括经训练的机器学习(ML)模型，所述经训练的ML模型被配置为产生指示沉积积累的输出；和当积累数据被指示处于积累阈值时，基于所述输出产生校正动作。
[0010]在另一个实施方式中，公开一种用于监测处理系统的前级管道中的沉积积累的方法，所述方法包括从耦接至半导体处理系统的前级管道的一或多个传感器接收传感器数据；用经训练的机器学习模型处理传感器数据以估计积累；和触发与经训练的机器学习模型的估计的积累对应的校正动作。
附图说明
[0011]为了能够详细理解本公开内容的上述特征，可以参考实施方式获得以上简要概述的本公开内容的更特别的描述，实施方式中的一些实施方式在附图中图示。然而，应当注意的是，附图仅图示示例性实施方式，并且因此不应被视为是对本公开内容的范围的限制，并且可以允许其他同等有效的实施方式。
[0012]图1描绘根据某些实施方式的用于前级管道沉积及诊断控制的系统。
[0013]图2描绘根据某些实施方式的用于前级管道沉积及诊断控制的系统，所述系统包括前级管道清洁系统。
[0014]图3描绘根据某些实施方式的用于前级管道诊断及控制的方法。
[0015]图4是根据某些实施方式的用于进行用于前级管道诊断及控制的方法的处理系统。
[0016]为了促进理解，在可能的情况下，使用相同的参考数字来表示图中共有的相同元件。预期一个实施方式的元件和特征可以有益地结合在其他实施方式中，而无需进一步叙述。
具体实施方式
[0017]在下文中，参考了本公开内容的实施方式。然而，应当理解的是本公开内容不限于特定描述的实施方式。相反，以下特征及要素的任何组合，无论是否与不同的实施方式有关，都被考虑来实施及实践本公开内容。此外，尽管本公开内容的实施方式可以实现优于其他可能的解决方案且/或优于现有技术的优点，但是特定的优点是否由给定的实施方式实现并不限制本公开内容。因此，以下方面、特征、实施方式及优点仅仅是说明性的，并且不被认为是权利要求的要素或限制，除非在权利要求中明确陈述。同样，对“本公开内容”的提及不应被解释为对本文所公开的任何专利技术性主题的概括，并且不应被认为是所附权利要求的要素或限制，除非在权利要求中明确陈述。
[0018]公开了用于使用累积的历史工艺及清洁数据、和来自沿着前级管道放置的一或多个传感器的实时数据，来监测处理系统前级管道中的沉积积累的系统、设备及方法。
[0019]在半导体基板的处理期间(诸如通过外延工艺、化学气相沉积(chemical vapor deposition,CVD)工艺、等离子体增强化学气相沉积(plasma
‑
enhanced chemical vapor deposition,PECVD)、蚀刻工艺、清洁工艺或作为制造半导体器件的部分而在处理腔室中进行的其他工艺来处理)，在腔室部件上以及在耦接至腔室的前级管道中引起积累。
[0020]专利技术人已经发现，前级管道中的积累模式可以由与前级管道一起使用的传感器直接及/或间接地检测。通过收集多个处理循环中的传感器数据、和积累模式，可以使用用训练数据训练的机器学习(ML)算法来开发指示以下项的阈值：给使用者的警报、需要前级管道(或腔室)清洁、或需要PM。可以由经训练的机器学习模型使用所识别的模式来开发用于
提供校正动作(诸如停止工艺腔室的操作，或者应该对前级管道执行清洁或预防性维护(preventive maintenance，PM))的阈值，以及预测何时可能需要这些校正动作。
[0021]通过提供由经训练的ML模型监测的用于清洁及PM的阈值，可以基于单独处理腔室及处理腔室组的处理参数预测性地确定清洁/PM循环，以更有效地对工厂操作进行调度(schedule)。另外，可以更有效地对清洁及与PM有关的化学品、替换零件及劳动力资源的库存(inventory)进行调度。
[0022]前级管道沉积诊断及控制的示例系统
[0023]图1描绘根据某些实施方式的用于前级管道沉积及诊断控制的系统100。处理腔室103经由处理腔室103的排放装置(未示出)耦接至前级管道106，从而将处理腔室103耦接至泵109，所述泵继而耦接至消除系统112。
[0024]处理腔室103可以是外延腔室、化学气相沉积(CVD)腔室、等离子体增强CVD(PECVD)腔室、蚀刻腔室、抛光站，或通过任何手段向基板沉积或从基板移除一或多种材料的任何处理腔室。如本领域技术人员所理解的，当用于沉本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于前级管道诊断及控制的系统，包括：前级管道，所述前级管道耦接至处理腔室的排放装置；第一传感器，所述第一传感器经定位以测量所述前级管道中的沉积积累；和积累监测器，所述积累监测器耦接至所述第一传感器，所述积累监测器包括经训练的机器学习(ML)模型，并且所述积累监测器被配置为产生指示沉积积累的输出且当所指示的所述沉积积累处于或高于积累阈值时触发校正动作。2.如权利要求1所述的系统，所述第一传感器包括以下中的一者：超声波换能器；压电传感器；压力传感器；或者用于压力控制阀的位置传感器。3.如权利要求1所述的系统，其中所述积累监测器包括开环控制。4.如权利要求1所述的系统，其中所述积累监测器耦接至多个传感器。5.如权利要求1所述的系统，其中所述经训练的机器学习模型是经由包括以下的工艺训练的：从数据库接收第一传感器训练数据，所述数据库包括来自半导体处理腔室的先前操作的第一传感器数据；对所述第一传感器训练数据进行分类，以区分所述前级管道的清洁表面之一与沉积在所述前级管道上的材料的多个沉积厚度之一；和基于所述分类为所述经训练的机器学习模型产生模型参数。6.如权利要求5所述的系统，其中所述校正动作包括以下中的一者：产生给使用者的警报、停止所述半导体处理腔室的操作、或引起所述半导体处理腔室开始清洁操作。7.如权利要求6所述的系统，其中所述经训练的机器学习模型进一步被配置为在清洁操作期间监测所述前级管道的温度变化。8.一种计算机可读介质，包括用于执行用于前级管道沉积诊断的方法的指令，所述方法包括以下步骤：从多个传感器中的至少一个传感器接收传感器数据；将所述传感器数据提供给积累监测器，所述积累监测器包括经训练的机器学习(ML)模型，所述经训练的机器学习(ML)模型被配置为产生指示沉积积累的输出；和当所述传感器数据被指示处于或高于积累阈值时，基于所述输出产生校正动作。9.如权利要求8所述的计算机可读介质，其中所述多个传感器包括超声波换能器或压电传感器中的一者。10.如权利要求8所述的计算机可读介质，其中所述多个传感器包括压力传感器...

【专利技术属性】
技术研发人员：阿拉，
申请(专利权)人：应用材料公司，
类型：发明
国别省市：