JP2004349419A - プラズマ処理装置の異常原因判定方法及び異常原因判定装置 - Google Patents
プラズマ処理装置の異常原因判定方法及び異常原因判定装置 Download PDFInfo
- Publication number
- JP2004349419A JP2004349419A JP2003143887A JP2003143887A JP2004349419A JP 2004349419 A JP2004349419 A JP 2004349419A JP 2003143887 A JP2003143887 A JP 2003143887A JP 2003143887 A JP2003143887 A JP 2003143887A JP 2004349419 A JP2004349419 A JP 2004349419A
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- abnormality
- contribution
- analysis data
- abnormal
- 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
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Drying Of Semiconductors (AREA)
Abstract
【課題】異常原因となる解析用データのパラメータを的確に特定する。
【解決手段】プラズマ処理装置に配設された検出器から被処理体の各処理ごとに得られる検出値に基づいて複数のパラメータからなる解析用データを取得し，異常と判断された解析用データの各パラメータについて，異常に対する影響度として例えば残差得点Ｑに対する寄与度を求め（影響度算出工程），寄与度が高いパラメータの順に，そのパラメータの寄与度を０又は０に近い値にして次々と残差得点Ｑを求め，残差得点Ｑが所定値以下になった時点で，それまでに寄与度を０又は０に近い値にしたパラメータを異常原因のパラメータと判定する（異常原因判定工程）。
【選択図】 図１
【解決手段】プラズマ処理装置に配設された検出器から被処理体の各処理ごとに得られる検出値に基づいて複数のパラメータからなる解析用データを取得し，異常と判断された解析用データの各パラメータについて，異常に対する影響度として例えば残差得点Ｑに対する寄与度を求め（影響度算出工程），寄与度が高いパラメータの順に，そのパラメータの寄与度を０又は０に近い値にして次々と残差得点Ｑを求め，残差得点Ｑが所定値以下になった時点で，それまでに寄与度を０又は０に近い値にしたパラメータを異常原因のパラメータと判定する（異常原因判定工程）。
【選択図】 図１
Description
【０００１】
【発明の属する技術分野】
本発明は，プラズマ処理装置の異常原因判定方法及び異常原因判定装置に関する。
【０００２】
【従来の技術】
半導体製造工程においては，多種類の製造装置や検査装置が用いられている。例えばプラズマ処理装置は，処理室内にプラズマを発生させて半導体ウエハやガラス基板等の被処理体に対してエッチング処理や成膜処理などを行う。これらの処理装置は，その運転状況を制御，あるいは監視するための多くのパラメータを有しており，それらをコントロールあるいはモニタして，様々な処理を最適条件で行えるようにしている。パラメータとしては，例えば処理室内に設けられた上部電極，下部電極などの温度などが挙げられる。
【０００３】
このようなプラズマ処理装置により処理を行う際には，各パラメータをそれぞれの検出器によりモニタしながら常に最適な処理が行えるようプラズマ処理装置を制御する。この際，パラメータの数は数十種類にも及ぶため，運転状態に異常が認められた場合に原因を究明するのは非常に困難である。
【０００４】
そこで，例えば特許文献１には，半導体ウエハ処理システムの複数のプロセスパラメータを分析し，これらのパラメータを解析用データとして統計的に相関させてプロセス特性やシステム特性の変化を検出する技術が開示されている。
【０００５】
また，上記複数のパラメータを解析用データとして多変量解析の１つである主成分分析の手法を用いて少数の統計的データにまとめ，少数の統計的データに基づいて処理装置の運転状況を監視して，運転状況を評価する方法もある。
【０００６】
このような従来の方法では，主成分分析などの統計的な解析結果から例えば解析用データを例えば主成分分析して残差得点を求め，この残差得点が所定値以上の場合に異常と判定する。
【０００７】
【特許文献１】
特開平１１−８７３２３号公報
【０００８】
【発明が解決しようとする課題】
しかしながら，このようなものでは，解析用データが異常か否かの判定は可能であるが，解析用データを構成する各パラメータのうち，どのパラメータが異常原因となったかを特定することはできなかった。
【０００９】
この点，残差得点に対する解析用データにおける各パラメータの寄与度を求めることにより，どのパラメータが異常原因となったかをある程度知ることができる。すなわち，寄与度の大きいパラメータほど，異常と判定された部分の残差得点に寄与していることを意味するので，寄与度の大きいパラメータほど異常である可能性が高い。
【００１０】
ところが，残差得点の寄与度だけでは，どのパラメータまでを異常と判定することはできない。このため，異常原因となるパラメータを的確に特定することはできない。
【００１１】
そこで，本発明は，このような問題に鑑みてなされたもので，その目的とするところは，異常原因となる解析用データのパラメータを的確に特定することができるプラズマ処理装置の異常原因判定方法及び異常原因判定装置を提供することにある。
【００１２】
【課題を解決するための手段】
上記課題を解決するために，本発明の第１の観点によれば，処理室内の被処理体に対してプラズマ処理を行うプラズマ処理装置の異常原因判定方法であって，前記プラズマ処理装置に配設された検出器から前記被処理体の各処理ごとに得られる検出値に基づいて複数のパラメータからなる解析用データを取得する解析用データ取得工程と，取得された前記解析用データを分析して異常か否かを判定する異常判定工程と，異常と判定された前記解析用データの各パラメータについて，その異常に対する影響度を算出する影響度算出工程と，前記影響度が高いパラメータの順に，異常に対する影響を次々と取除いて異常か否かの判定を行い，正常と判断されるようになった時点で，それまでに異常に対する影響を取除いたパラメータを異常原因のパラメータと判定する異常原因判定工程とを有することを特徴とするプラズマ処理装置の異常原因判定方法が提供される。
【００１３】
上記課題を解決するために，本発明の第２の観点によれば，処理室内の被処理体に対してプラズマ処理を行うプラズマ処理装置の異常原因判定装置であって，前記プラズマ処理装置に配設された検出器から前記被処理体の各処理ごとに得られる検出値に基づいて複数のパラメータからなる解析用データを取得する解析用データ取得手段と，取得された前記解析用データを分析して異常か否かを判定する異常判定手段と，異常と判定された前記解析用データの各パラメータについて，その異常に対する影響度を算出する影響度算出手段と，前記影響度が高いパラメータの順に，異常に対する影響を次々と取除いて異常か否かの判定を行い，正常と判断されるようになった時点で，それまでに異常に対する影響を取除いたパラメータを異常原因のパラメータと判定する異常原因判定手段とを有すること特徴とするプラズマ処理装置の異常原因判定装置が提供される。
【００１４】
このような第１の観点及び第２の観点による本発明においては，異常に対する影響度に応じてパラメータを特定することができるので，異常原因となるパラメータを的確に判定することができる。このため，解析データが正常と判定されるために必要な修理やメンテナンスを的確に行うことができるので，修理やメンテナンスの効率化を図ることができる。
【００１５】
また，上記方法及び装置における異常判定では，取得された前記解析用データに対して主成分分析を行って残差得点を求め，前記残差得点が所定値を越える解析用データを異常と判定し，影響度算出では，異常と判定された前記解析用データの各パラメータについて，異常に対する影響度として前記残差得点に対する寄与度を求め，異常原因判定では，前記寄与度が高いパラメータの順に，そのパラメータの寄与度を０又は０に近い値にして次々と残差得点を求め，前記残差得点が前記所定値以下になった時点で，それまでに寄与度を０又は０に近い値にしたパラメータを異常原因のパラメータと判定するようにしてもよい。これによれば，例えば主成分分析による残差得点に応じてパラメータを特定することができるので，異常原因となるパラメータを的確に判定することができる。
【００１６】
また，上記方法及び装置における異常原因判定において，ある特定のパラメータの寄与度を０又は０に近い値にするには，特定のパラメータと，他のパラメータとの相関関係を多変量解析例えば部分最小二乗法により求め，この相関関係に基づいて特定のパラメータの予測値を求め，特定のパラメータの値を前記予測値に置換するようにしてもよい。これにより，特別な演算方法を新たに作り出さなくても，容易に特定のパラメータの寄与度を０又は０に近い値にすることができる。
【００１７】
【発明の実施の形態】
以下に添付図面を参照しながら，本発明にかかる装置の好適な実施の形態について詳細に説明する。なお，本明細書及び図面において，実質的に同一の機能構成を有する構成要素については，同一の符号を付することにより重複説明を省略する。
（プラズマ処理装置）
先ず，第１の実施形態にかかるプラズマ処理装置１００について説明する。プラズマ処理装置１００は，例えば図１に示すようにアルミニウム製の処理室１０１と，この処理室１０１内に配置された下部電極１０２を絶縁材１０２Ａを介して支持する昇降可能なアルミニウム製の支持体１０３と，この支持体１０３の上方に配置され且つプロセスガスを供給し且つ上部電極を兼ねるシャワーヘッド（以下，「上部電極」とも称す。）１０４とを備えている。上部電極１０４は，絶縁材１０４Ｃを介して処理室１０１と絶縁されている。
【００１８】
上部電極１０４には，整合器１０４Ｄを介して第１の高周波電源１０４Ｅが接続されている。この第１の高周波電源１０４Ｅは，例えば５０〜１５０ＭＨｚの範囲の周波数を有している。このように高い周波数の電力を印加することにより，処理室１０１内に好ましい解離状態でかつ高密度のプラズマを形成することができ，従来より低圧条件下のプラズマ処理が可能となる。この第１の高周波電源１０４Ｅの周波数は，５０〜８０ＭＨｚが好ましく，典型的には図示した６０ＭＨｚまたはその近傍の周波数が採用される。
【００１９】
上部電極１０４側の整合器１０４Ｄ内には，上部電極１０４側（高周波電圧の出力側）の高周波（ＲＦ）電圧Ｖｐｐを測定する測定器１０４ｂを備える。整合器１０４Ｄは具体的には例えば２個の可変コンデンサＣ１＿Ｕ，Ｃ２＿Ｕ，コンデンサＣ及びコイルＬを内蔵し，可変コンデンサＣ１＿Ｕ，Ｃ２＿Ｕを介してインピーダンス整合を取っている。
【００２０】
整合器１０４Ｄは電圧計１０４ａを備え，この電圧計１０４ａにより第１の高周波電力の供給ライン（電線）とプラズマ処理装置１００のグランド（接地）との間の電圧Ｖｄｃを計測することができる。
【００２１】
整合器１０４Ｄの上部電極１０４側（高周波電力の出力側）に接続された電力計１０４ｄにより，第１の高周波電源１０４Ｅからの第１の高周波電力Ｐが測定される。
【００２２】
上記処理室１０１の側壁には，検出窓１２０ａが設けられており，処理室１０１の側壁の外側には，上記検出窓１２０ａを介して処理室１０１内のプラズマ発光を検出する分光器（以下，「光学計測器」と称す。）１２０が設けられている。この光学計測器１２０から検出される波長の発光スペクトル強度は例えば光学データとすることができる。
【００２３】
上記処理室１０１は上部が小径の上室１０１Ａとして形成され，下部が大径の下室１０１Ｂとして形成されている。下室１０１Ｂの上部にはウエハＷを搬出入するための出入口が形成され，この出入口にはゲートバルブ１０６が取り付けられている。
【００２４】
下部電極１０２には，電気計測器（例えばＶＩプローブ）１０７Ｃ，整合器１０７Ａ，電力計１０７Ｂを介して第２の高周波電源１０７が接続されている。この第２の高周波電源１０７は数百ｋＨｚ〜十数ＭＨｚの範囲の周波数を有している。このような範囲の周波数を印加することにより，被処理体であるウエハＷに対してダメージを与えることなく適切なイオン作用を与えることができる。第２の高周波電源１０７の周波数は，典型的には図示した２ＭＨｚ等の周波数が採用される。
【００２５】
下部電極１０２側の整合器１０７Ａは，上記上部電極１０４側の整合器１０４Ｄと同様に構成される。すなわち，整合器１０７Ａ内には，下部電極１０２側（高周波電圧の出力側）の高周波（ＲＦ）電圧Ｖｐｐを測定する測定器１０７ｂを備える。整合器１０７Ａは具体的には例えば２個の可変コンデンサＣ１＿Ｌ，Ｃ２＿Ｌ，コンデンサＣ及びコイルＬを内蔵し，可変コンデンサＣ１＿Ｌ，Ｃ２＿Ｌを介してインピーダンス整合を取っている。
【００２６】
整合器１０７Ａは電圧計１０７ａを備え，この電圧計１０７ａにより第２の高周波電力の供給ライン（電線）とプラズマ処理装置１００のグランド（接地）との間の電圧Ｖｄｃを計測することができる。
【００２７】
整合器１０７Ａの下部電極１０２側（高周波電力の出力側）に接続された電力計１０７Ｂにより，第２の高周波電源１０７からの第２の高周波電力Ｐが測定される。
【００２８】
上室１０１Ａ内に発生するプラズマに基づく基本波（例えば高周波電力の進行波及び反射波など）及び高調波における高周波電圧（Ｖ），高周波電流（Ｉ），高周波位相（Ｐ），インピーダンス（Ｚ）は，上記電気計測器（例えばＶＩプローブ）１０７Ｃを介して下部電極１０２に印加される高周波電力Ｐにより，電気的データとして検出することができる。本実施形態では，このような基本波及び高調波の電圧（Ｖ），電流（Ｉ），位相（Ｐ），インピーダンス（Ｚ）などの電気的データを運転データとして予測に用いる。
【００２９】
下部電極１０２の上面には，静電チャック１０８が配置され，この静電チャック１０８の電極板１０８Ａには直流電源１０９が接続されている。このような静電チャック１０８によれば，高真空下で直流電源１０９から電極板１０８Ａに高電圧を印加することにより，ウエハＷを静電吸着することができる。この静電チャック１０８の電極板１０８Ａと直流電源１０９との間には，静電チャック１０８の印加電流，印加電圧を検出する電流電圧計１０９ａが接続されている。
【００３０】
下部電極１０２の外周には，フォーカスリング１１０ａが配置され，上室１０１Ａ内で生成したプラズマをウエハＷに集める。フォーカスリング１１０ａの下側には支持体１０３の上部に取り付けられた排気リング１１１が配置されている。この排気リング１１１には複数の孔が全周に渡って周方向等間隔に形成され，これらの孔を介して上室１０１Ａ内のガスを下室１０１Ｂへ排気する。
【００３１】
上記支持体１０３はボールネジ機構１１２及びベローズ１１３を介して上室１０１Ａと下室１０１Ｂ間で昇降可能になっている。従って，ウエハＷを下部電極１０２上に供給する場合には，支持体１０３を介して下部電極１０２が下室１０１Ｂまで下降し，ゲートバルブ１０６を開放して図示しない搬送機構を介してウエハＷを下部電極１０２上に供給する。
【００３２】
支持体１０３の内部には冷媒配管１１４に接続された冷媒流路１０３Ａが形成され，冷媒配管１１４を介して冷媒流路１０３Ａ内で冷媒を循環させ，ウエハＷを所定の温度に調整する。
【００３３】
支持体１０３，絶縁材１０２Ａ，下部電極１０２及び静電チャック１０８にはそれぞれガス流路１０３Ｂが形成され，ガス導入機構１１５からガス配管１１５Ａを介して静電チャック１０８とウエハＷ間の細隙に例えばＨｅガスを所定の圧力でバックサイドガスとして供給し，Ｈｅガスを介して静電チャック１０８とウエハＷ間の熱伝導性を高めている。バックサイドガスの圧力は圧力センサ（図示せず）を検出し，その検出値を圧力計１１５Ｂに表示する。尚，１１６はベローズカバーである。またガス導入機構１１５には例えばマスフローコントローラ（図示せず）が設けられており，このマスフローコントローラによりバックサイドガスのガス流量を検出することができる。
【００３４】
上記上部電極１０４の上面にはガス導入部１０４Ａが形成されている。このガス導入部１０４Ａには配管１１７を介してプロセスガス供給系１１８が接続されている。プロセスガス供給系１１８は，配管１１７にバルブ１１８Ａ，マスフローコントローラ１１８Ｂを介して，処理ガス供給器１１８Ｃが接続されて構成される。
【００３５】
この処理ガス供給器１１８Ｃからは，プラズマエッチングのための処理ガス（プロセスガス）が供給されるようになっている。なお，図１には，上記処理ガス供給器１１８Ｃ等からなるプロセスガス供給系１１８を１つのみ図示しているが，これらのプロセスガス供給系は複数設けてもよい。その場合には，例えばＮＨ３，Ａｒ等のガスをそれぞれ独立に流量制御して，処理室１０１内に供給できるよう構成されている。
【００３６】
上部電極１０４の下面には複数の孔１０４Ｂが全面に渡って均等に配置され，これらの孔１０４Ｂを介して上部電極１０４から上室１０１Ａ内へ例えばＮＨ３ガスを処理ガスとして供給する。
【００３７】
尚，図１において，１０１Ｃは排気管，１１９は排気管１０１Ｃに接続された真空ポンプ等からなる排気系である。排気管１０１Ｃには，ＡＰＣ（Ａｕｔｏ
Ｐｒｅｓｓｕｒｅ Ｃｏｎｔｒｏｌｌｅｒ）バルブ１０１Ｄが設けられており，処理室１０１内のガス圧力に即してＡＰＣバルブの開度が自動的に調節される。
【００３８】
（多変量解析手段）
次に，本実施の形態におけるプラズマ処理装置１００が備える多変量解析手段を図面を参照しながら説明する。多変量解析手段２００はプラズマ処理装置の異常原因判定装置としても機能する。多変量解析手段２００は例えば図２に示すように，主成分分析や部分最小二乗法などの多変量解析プログラムを記憶する多変量解析プログラム記憶手段２０１，電気計測器１０７Ｃ，光学計測器１２０及びパラメータ計測器１２１からの信号を間欠的にサンプリングする電気的信号サンプリング手段２０２，光学的信号サンプリング手段２０３，パラメータ信号サンプリング手段２０４を備える。これらの各サンプリング手段２０２，２０３，２０４でサンプリングされたデータはそれぞれ各検出器からの検出値となる。
【００３９】
なお，上記パラメータ計測器１２１とは上述した制御パラメータを計測する計測器である。実際に多変量解析を行う際には，必ずしもすべてのデータを用いる必要はなく，電気計測器１０７Ｃ，光学計測器１２０，パラメータ計測器１２１からの少なくとも１種類以上のデータで多変量解析を行う。従って，すべての計測器のデータを用いてもよく，電気計測器１０７Ｃのみ，光学計測器１２０のみ，パラメータ計測器１２１のみのデータを用いてもよい。また，電気計測器１０７Ｃ，光学計測器１２０，パラメータ計測器１２１から所望のデータを組合わせてもよい。
【００４０】
上記プラズマ処理装置１００は，多変量解析により作成したモデルなど多変量解析の結果を記憶する解析結果記憶手段２０５，上記解析結果に基づいて所定のパラメータの異常値の検出（診断）や予測値の算出を行う演算手段２０６，演算手段２０６からの演算信号に基づいて予測，診断，制御を行う予測・診断・制御手段２０７，解析用データなどを記憶するデータ記憶手段２１１を備える。
【００４１】
上記多変量解析手段２００には，プラズマ処理装置１００を制御する制御装置１２２，警報器１２３及び表示装置１２４がそれぞれ接続されている。制御装置１２２は例えば予測・診断・制御手段２０７からの信号に基づいてウエハＷの処理を継続または中断する。警報器１２３及び表示装置１２４は後述のように予測・診断・制御手段２０７からの信号に基づいて制御パラメータおよび／または装置状態パラメータの異常を報知する。
【００４２】
上記演算手段２０６は，解析手段２１２を備える。解析手段２１２は，例えば例えば主成分分析（ＰＣＡ：Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ）や部分最小二乗法（ＰＬＳ法；Ｐａｒｔｉａｌ Ｌｅａｓｔ Ｓｑｕａｒｅｓ法）などの多変量解析を行う。また，解析手段２１２は後述のように主成分分析による残差得点を算出したり，解析用データの各パラメータについての残差得点に対する寄与度を算出したりする。
【００４３】
（解析用データの異常判定）
ここで，解析手段２１２による異常判定を行う方法について説明する。解析手段２１２は解析用データに対して多変量解析例えば主成分分析を行って残差得点Ｑを求め，この残差得点Ｑに基づいて解析用データの異常判定を行う。
【００４４】
具体的には，先ず予め基準となる例えば所定区間のウエハに対してエッチング処理を行い，この時に各検出器から検出されるそれぞれの検出値，即ち高周波電圧Ｖｐｐ等の検出値をウエハ毎に逐次検出して得られた検出値やこの検出値に所定の演算を施して得られた値から解析用データを取得して，例えばデータ記憶手段２１１に記憶する（解析用データ取得工程，解析用データ取得手段）。例えばＮ枚のウエハそれぞれについてＫ個の検出値ｘが存在すると，解析用データが入った行列Ｘは（１−１）式で表される。
【００４５】
【００４６】
そして，演算手段２０６においてそれぞれの検出値に基づいて平均値，最大値，最小値，分散値を求めた後，これらの計算値に基づいた分散共分散行列を用いて解析用データに対して主成分分析を行って固有値及びその固有ベクトルを求める。
【００４７】
固有値は，解析用データの分散の大きさを表し，固有値の大きさ順に，第１主成分，第２主成分，・・・第ａ主成分として定義されている。また，各固有値にはそれぞれに属する固有ベクトルがある。通常，主成分の次数が高いほどデータの評価に対する寄与率が低くなり，その利用価値が薄れる。
【００４８】
例えばＮ枚のウエハについてそれぞれＫ個の検出値を採り，ｎ番目のウエハのａ番目の固有値に対応する第ａ主成分は（１−２）式で表される。
【００４９】
ｔｎａ＝ｘｎ１ｐ１ａ＋ｘｎ２ｐ２ａ＋…＋ｘｎＫｐＫａ …（１−２）
【００５０】
第ａ主成分得点のベクトルｔａ及び行列Ｔａは（１−３）式で定義され，第ａ主成分の固有ベクトルｐａ及び行列Ｐａは（１−４）式で定義される。そして，第ａ主成分得点のベクトルｔａは行列Ｘと固有ベクトルｐａを用いて（１−５）式で表される。また，主成分得点のベクトルｔ１〜ｔＫとそれぞれの固有ベクトルｐ１〜ｐＫを用いると行列Ｘは（１−６）式で表される。なお，（１−６）式においてＰＫ ＴはＰＫの転置行列である。
【００５１】
【００５２】
【００５３】
ｔａ＝Ｘｐａ …（１−５）
【００５４】
Ｘ＝ＴＫＰＫ Ｔ＝ｔ１ｐ１ Ｔ＋ｔ２ｐ２ Ｔ＋…＋ｔＫｐＫ Ｔ …（１−６）
【００５５】
さらに，寄与率の低い第（ａ＋１）以上の高次の主成分を一つに纏めた（１−７）式で定義する残差行列Ｅ（各行の成分は各検出器の検出値に対応し，各列の成分はウエハの枚数に対応する）を作り，この残差行列Ｅを（１−６）式に当て填めると（１−６）式は（１−８）式で表される。この残差行列Ｅの残差得点Ｑｎは（１−９）式で定義される行ベクトルｅｎを用いた（１−１０）式で定義される。なお，（１−１０）式においてＱｎはｎ番目のウエハを示す。
【００５６】
【００５７】
Ｘ＝ＴａＰａ Ｔ＋Ｅ＝ｔ１ｐ１ Ｔ＋ｔ２ｐ２ Ｔ＋…＋ｔａｐａ Ｔ＋Ｅ …（１−８）
【００５８】
ｅｎ＝［ｅｎ１，ｅｎ２，…，ｅｎＫ］…（１−９）
【００５９】
Ｑｎ＝ｅｎｅｎ Ｔ …（１−１０）
【００６０】
上記残差得点Ｑｎは，ｎ番目のウエハの残差（誤差）を表し，上記（１−１０）式で定義される。残差得点Ｑｎは行ベクトルｅｎとその転置ベクトルｅｎ Ｔの積として表され，各残差の２乗の和となり，プラス成分及びマイナス成分を相殺することなく確実に残差として求めることができる。本実施形態ではこの残差得点Ｑを求めることによって運転状態を多面的に判別，評価する。
【００６１】
具体的には，あるウエハの残差得点Ｑｎがサンプルウエハの残差得点Ｑ０から外れた場合には行ベクトルｅｎの成分を観れば，そのウエハの処理時にそのウエハのいずれの検出値に大きなズレがあったかが判り，異常の原因を特定することができる。
【００６２】
そして，残差行列Ｅの行（同一ウエハ）のうち，各検出器の残差にずれのあった解析用データを観ることにより，そのウエハではいずれの検出値に異常があったかを正確に確認することができる。
【００６３】
（プラズマ処理装置の動作）
次に，上記プラズマ処理装置１００の動作を説明する。本実施形態ではプラズマ処理装置１００により，１枚のウエハをプラズマ処理するごとに各計測器からの検出値などを解析用データとして取得する。これら解析用データは例えばデータ記憶手段２１１に記憶する。
【００６４】
プラズマ処理装置１００の運転を開始すると，支持体１０３がボールネジ機構１１２を介して処理室１０１の下室１０１Ｂまで下降すると共に，ゲートバルブ１０６が開放した出入口からウエハＷを搬入して下部電極１０２上に載置する。ウエハＷの搬入後，ゲートバルブ１０６が閉じると共に排気系１１９が作動して処理室１０１内を所定の真空度に維持する。この際，ガス導入機構１１５からＨｅガスをバックガスとしてセンタ圧力２０Ｔｏｒｒ，エッジ圧力４０Ｔｏｒｒで供給し，ウエハＷと下部電極１０２，具体的には静電チャック１０８とウエハＷ間の熱伝導性を高めてウエハＷの冷却効率を高める。また，上部電極の温度を６０℃，下部電極の温度を２０℃，側壁の温度を６０℃にする。
【００６５】
一方，プロセスガス供給系１１８から処理ガスを供給する。具体的にはＮＨ３ガスを所定の流量で供給する。この時の処理室１０１内の圧力は例えば１７５ｍＴである。この状態で，上部電極１０４には例えば高周波電源１０４Ｅから６０ＭＨｚの高周波電力を２０００Ｗで印加し，下部電極１０２には例えば高周波電源１０７から２ＭＨｚの高周波電力を１８００Ｗで印加する。これにより，プロセスガスのプラズマを生成して，例えばシリコン基板からなるウエハＷ上の非エッチング層をエッチング処理する。エッチング終了後には搬入時とは逆の操作で処理後のウエハＷを処理室１０１内から搬出し，後続のウエハＷに対して同様の処理を繰り返し，所定の枚数を処理して一連の処理を終了する。
【００６６】
このようなウエハＷの処理を行っている間，解析用データとして例えば上部電極１０４，処理室１０１の上室１０１Ａの壁面，下部電極１０２それぞれの温度などを各測定器からそれぞれ間欠的に検出し，これらの検出信号をＡ／Ｄ変換器を介して多変量解析手段２００へ逐次入力し，例えば多変量解析手段２００に設けられたデータ記憶手段２１１に記憶する。
【００６７】
本実施形態では，解析用データとして次に示すようなデータを使用する。
ＡＰＣ ：ＡＰＣバルブ１０１Ｄの開度
Ｃ１＿Ｌ ：整合器１０７Ａの可変コンデンサＣ１＿Ｌのポジション
Ｃ１＿Ｕ ：整合器１０４Ｄの可変コンデンサＣ１＿Ｕのポジション
Ｃ２＿Ｌ ：整合器１０７Ａの可変コンデンサＣ２＿Ｌのポジション
Ｃ２＿Ｕ ：整合器１０４Ｄの可変コンデンサＣ２＿Ｕのポジション
ＥＰＤ＿Ａ ：Ａ波長（例えば３８７．５ｎｍ）の光量
ＥＰＤ＿Ｂ ：Ｂ波長（例えば２６０ｎｍ）の光量
ＥＰＤ＿ＤＥＦ：Ａ波長／Ｂ波長の微分値
ＥＰＤ＿ＲＡＴ：Ａ波長／Ｂ波長の値
ＥＡＣ＿ＣＩＥ：電流電圧計１０９ａより検出される静電チャックの印加電流
Ｔ＿Ｌ ：下部電極１０２の温度
ＲＥＦ＿Ｌ ：下部電極１０２に印加する高周波電力の反射波
ＲＥＦ＿Ｕ ：上部電極１０４に印加する高周波電力の反射波
ＲＦ＿Ｖｐｐ ：整合器１０７Ａの出力側の高周波電圧（ＲＦ電圧）Ｖｐｐ
Ｔ＿Ｕ ：上部電極１０４の温度
Ｔ＿Ｗ ：処理室側壁の温度
なお，上記Ａ波長（例えば３８７．５ｎｍ），Ｂ波長（例えば２６０ｎｍ）の各光量は，上記光学計測器１２０により計測して求められる。下部電極１０２に印加する高周波電力の反射波は，整合器１０７Ａ内に設けられた反射波計測器（図示しない）により計測される。上部電極１０４に印加する高周波電力の反射波は，整合器１０４Ｄ内に設けられた反射波計測器（図示しない）により計測される。
【００６８】
こうして，ウエハＷを処理するごとに得られた解析用データについて主成分分析を行って残差得点Ｑを求め，残差得点Ｑが所定値を超えた場合に，そのデータが異常であると判定する。
（異常原因の判定）
次に，上記異常の判定において，異常と判定された解析用データ，例えば残差得点Ｑが所定値を超えた解析用データのうち，どのパラメータに異常があったかについて判定する方法について説明する。
【００６９】
ここで，例えば１枚目〜１２５枚目までのウエハをサンプルウエハとして主成分分析を行ってモデルを作成し，１枚目〜２５０枚目までのウエハについて残差得点Ｑを求めて図示したものを図３に示す。図３によれば，１２６枚目〜１５０枚目までの残差得点Ｑは，他のウエハＷの残差得点Ｑとは明らかに大きくシフトしており，異常と判定することができる。
【００７０】
このように，解析用データが異常と判定された場合の原因は，例えば残差得点Ｑが所定値を越える方向に寄与した解析用データの各パラメータの残差得点Ｑに対する寄与度により特定することができる。ここでいう寄与度（Ｃｏｎｔｒｉｂｕｔｉｏｎ：寄与度の他，寄与率という場合もある）とは，一般に，ある一組の複合的な統計事象を対象とする統計数値の時系列において，特定の内訳の変化が全体の変化にどの程度の寄与をしているかを示す比率として用いるものである。本実施形態では寄与度（Ｃｏｎｔｒｉｂｕｔｉｏｎ）は，基準とする解析用データ（例えば正常と判定される任意の解析用データ）と他の解析用データとの差を各パラメータごとに算出した残差得点Ｑに対する寄与度であり，規格化された回帰係数を積算したものである。
【００７１】
例えば図３に示す異常と判定されるウエハ（１２６枚目〜１５０枚目）についての解析用データうち，１２６枚目，１４０枚目，１５０枚目の解析用データの各パラメータについて残差得点Ｑに対する寄与度を求めて図示したものをそれぞれ図４（ａ），（ｂ），（ｃ）に示す。このような寄与度の棒グラフでは，寄与度の値の絶対値が大きいほど残差得点Ｑに寄与していることを意味する。従って，例えば図４（ａ）によれば，例えば最も寄与度が大きいのはパラメータＣ１＿Ｕであり，次に寄与度が大きいものがパラメータＣ２＿Ｌである。
【００７２】
このように，解析用データの各パラメータについての寄与度を求めることにより，どのパラメータが残差得点Ｑが所定値を越える方向に寄与したか，すなわち異常原因のパラメータがわかる。しかも，寄与度が大きいほど，そのパラメータが異常原因のパラメータである度合が高いこともわかるので，異常原因となる度合が高い順にパラメータを並べることができる。
【００７３】
しかしながら，この寄与度によるだけではどのパラメータまでが異常原因とすればよいかについてまでは判定できない。例えば図４によれば確かにパラメータＣ１＿Ｕ，Ｃ２＿Ｌは寄与度が大きいので，異常原因となっている可能性が高いことがわかる。ところが，次に寄与度が大きいパラメータＶｐｐについても異常原因として判定することはできない。
【００７４】
この点，パラメータを異常原因として判定（特定）するためには，残差得点Ｑとの関係も考慮することが有効と考えられる。残差得点Ｑが所定値よりも小さくなるように異常原因が取除かれれば十分だからである。
【００７５】
そこで，本発明では，寄与度が高いパラメータの順に，そのパラメータのみの影響を取除いて次々と残差得点Ｑを求め，残差得点Ｑが所定値よりも低くなった時点で，残差得点Ｑへの影響を取除いたパラメータを異常原因となったパラメータと判断する。
【００７６】
具体的には，寄与度が高いパラメータの順に，そのパラメータの寄与度が０又は０に近い値であったとした場合の残差得点Ｑを次々と求める。残差得点Ｑが所定値よりも低くなる時点で，寄与度が０又は０に近い値としたパラメータを異常原因となったパラメータとして特定する。これにより，異常原因となったパラメータを的確に特定することができる。
【００７７】
次に，パラメータの寄与度を０又は０に近い値として残差得点Ｑを求める方法を説明する。一般に，解析用データの各パラメータは，他のパラメータと影響しあって残差得点Ｑに寄与している。このため，単にパラメータを残差得点Ｑにより正常と判断されるときの値に置換しても，そのパラメータの寄与度を０又は０に近い値にすることはできない。
【００７８】
例えば上述した図３に示す場合の例で，残差得点Ｑにより異常と判定されるウエハ１２６枚目，１４０枚目，１５０枚目の解析用データにおけるパラメータＣ１＿Ｕを，残差得点Ｑにより正常と判定されるトレーニングウエハとして用いた１枚目〜１２５枚目のパラメータＣ１＿Ｕの平均値にすべて置換して，各パラメータの寄与度を算出し直してみた。その結果を図示したものを図５に示す。図５（ａ），（ｂ），（ｃ）は，それぞれ１２６枚目，１４０枚目，１５０枚目における各パラメータの寄与度を棒グラフにしたものである。この図５によれば，例えばパラメータＣ１＿Ｕの寄与度は，マイナス側に大きいままでほとんど変化していない。このように，単にパラメータを残差得点Ｑにより正常と判断されるときの値に置換しても，そのパラメータの寄与度だけを０又は０に近い値にすることはできない。
【００７９】
そこで，本発明では，解析用データの各パラメータうち，残差得点Ｑに対する寄与度を０又は０に近い値にしたいパラメータを多変量解析例えばＰＬＳ法により予測し，パラメータの値をすべて予測値に置換する。これにより，そのパラメータについての残差得点Ｑに対する寄与度を０に近い値にすることができる。
【００８０】
具体的には，上記多変量解析手段２００は，解析用データの各パラメータうち，残差得点Ｑに対する寄与度を０又は０に近い値にしたい特定のパラメータを被説明変量（目的変量，目的変数）とし，その他のパラメータを説明変量（説明変数）として，下記（２−１）の相関関係式（回帰式などの予測式，モデル）を多変量解析プログラムを用いて求める。
【００８１】
なお，下記（２−１）の相関関係式において，Ｘは説明変量の行列を意味する。このＸは，上記（１−１）式におけるＸにおいて残差得点Ｑに対する寄与度を０又は０に近い値にしたいパラメータを削除したものに相当する。また，下記（２−１）の回帰式におけるＹは被説明変量の行列を意味する。また，Ｂは説明変量の係数（重み）からなる回帰行列であり，Ｅは残差行列である。
【００８２】
Ｙ＝ＢＸ＋Ｅ …（２−１）
【００８３】
本実施形態において上記（２−１）式を求める際には，例えばＪＯＵＲＮＡＬ ＯＦ ＣＨＥＭＯＭＥＴＲＩＣＳ，ＶＯＬ．２（ＰＰ２１１−２２８）（１９９８）に掲載されているＰＬＳ（Ｐａｒｔｉａｌ Ｌｅａｓｔ Ｓｑｕａｒｅｓ）法を用いている。このＰＬＳ法は，行列Ｘ，Ｙそれぞれに多数の説明変量及び被説明変量があってもそれぞれの少数の実測値があればＸとＹの関係式を求めることができる。しかも，少ない実測値で得られた関係式であっても安定性及び信頼性の高いものであることもＰＬＳ法の特徴である。
【００８４】
多変量解析プログラム記憶手段２０１にはＰＬＳ法用のプログラムが記憶され，解析手段２１２において解析用データをプログラムの手順に従って処理し，上記相関関係式（２−１）を求め，この結果を解析結果記憶手段２０５で記憶する。従って，本実施形態では上記相関関係式（２−１）式を求めれば，後は解析用データのうちで説明変量としたパラメータを行列Ｘに当てはめることによって，解析用データのうちで目的変量としたパラメータを予測することができる。しかもこの予測値は信頼性の高いものになる。
【００８５】
例えば，ＸＴＹ行列に対してｉ番目の固有値に対応する第ｉ主成分はｔｉで表される。行列Ｘはこの第ｉ主成分の得点ｔｉとベクトルｐｉを用いると下記の（２−２）式で表され，行列Ｙはこの第ｉ主成分の得点ｔｉとベクトルｃｉを用いると下記の（２−３）式で表される。なお，下記の（２−２）式，（２−３）式において，Ｘｉ＋１，Ｙｉ＋１はＸ，Ｙの残差行列であり，ＸＴは行列Ｘの転置行列である。以下では指数Ｔは転置行列を意味する。
【００８６】
Ｘ＝ｔ１ｐ１＋ｔ２ｐ２＋ｔ３ｐ３＋ … ＋ｔｉｐｉ＋Ｘｉ＋１ …（２−２）
【００８７】
Ｙ＝ｔ１ｃ１＋ｔ２ｃ２＋ｔ３ｃ３＋ … ＋ｔｉｃｉ＋Ｙｉ＋１ …（２−３）
【００８８】
而して，第１の実施形態で用いられるＰＬＳ法は，上記（２−２）式，（２−３）式を相関させた場合の複数の固有値及びそれぞれの固有ベクトルを少ない計算量で算出する手法である。
【００８９】
ＰＬＳ法は以下の手順で実施される。先ず第１段階では，行列Ｘ，Ｙのセンタリング及びスケーリングの操作を行う。そして，ｉ＝１を設定し，Ｘ１＝Ｘ，Ｙ１＝Ｙとする。また，ｕ１として行列Ｙ１の第１列を設定する。尚，センタリングとは各行の個々の値からそれぞれの行の平均値を差し引く操作であり，スケーリングとは各行の個々の値をそれぞれの行の標準偏差で除する操作（処理）である。
【００９０】
第２段階では，ｗｉ＝Ｘｉ Ｔｕｉ／（ｕｉ Ｔｕｉ）を求めた後，ｗｉの行列式を正規化し，ｔｉ＝Ｘｉｗｉを求める。また，行列Ｙについても同様の処理を行って，ｃｉ＝Ｙｉ Ｔｔｉ／（ｔｉ Ｔｔｉ）を求めた後，ｃｉの行列式を正規化し，ｕｉ＝Ｙｉｃｉ／（ｃｉ Ｔｃｉ）を求める。
【００９１】
第３段階ではＸローディング（負荷量）ｐｉ＝Ｘｉ Ｔｔｉ／（ｔｉ Ｔｔｉ），Ｙ負荷量ｑｉ＝Ｙｉ Ｔｕｉ／（ｕｉ Ｔｕｉ）を求める。そして，ｕをｔに回帰させたｂｉ＝ｕｉ Ｔｔｉ／（ｔｉ Ｔｔｉ）を求める。次いで，残差行列Ｘｉ＝Ｘｉ−ｔｉｐｉ Ｔ，残差行列Ｙｉ＝Ｙｉ−ｂｉｔｉｃｉ Ｔを求める。そして，ｉをインクリメントしてｉ＝ｉ＋１を設定し，第２段階からの処理を繰返す。これら一連の処理をＰＬＳ法のプログラムに従って所定の停止条件を満たすまで，あるいは残差行列Ｘｉ＋１がゼロに収束するまで繰り返し，残差行列の最大固有値及びその固有ベクトルを求める。
【００９２】
ＰＬＳ法は残差行列Ｘｉ＋１の停止条件またはゼロへの収束が速く，１０回程度の計算の繰返すだけで残差行列が停止条件またはゼロに収束する。一般的には４〜５回の計算の繰り返しで残差行列が停止条件またはゼロへの収束する。この計算処理によって求められた最大固有値及びその固有ベクトルを用いてＸＴＹ行列の第１主成分を求め，Ｘ行列とＹ行列の最大の相関関係を知ることができる。
【００９３】
このようなＰＬＳ法により相関関係式が得られると，この相関関係式に説明変数を当てはめるだけで目的変数の予測値を求めることができる。こうして，残差得点Ｑに対する寄与度を０又は０に近い値にしたい特定のパラメータの予測値を求めることができる。そして，特定のパラメータの値をすべて予測値に置換することにより，残差得点Ｑに対する寄与度を０又は０に近い値にすることができる。
（実験結果）
次に，解析用データのパラメータをＰＬＳ法による予測値に置換えることにより，残差得点Ｑに対する寄与度を０又は０に近い値とした実験結果について説明する。ここでは，上述した図３に示す場合の例で，残差得点Ｑにより異常と判定されるウエハの解析用データにおけるパラメータを，残差得点Ｑに対する寄与度が高い順に，ＰＬＳ法による予測値を用いてそのパラメータの寄与度を０に近い値にして，残差得点Ｑを求め直すことにより，残差得点Ｑへの影響度を検討する。
【００９４】
先ず，図４に示すグラフの中で最も寄与度が高いパラメータＣ１＿Ｕについて，その寄与度を０に近い値にする。具体的には，パラメータＣ１＿Ｕを目的変数とし，他のパラメータを説明変数として，パラメータＣ１＿Ｕと他のパラメータとの相関関係式（２−１）をＰＬＳ法により求める。この場合，図３に示す１枚目〜１２５枚目までのウエハをトレーニングウエハとしてこれらの解析用データを用いて相関関係式（２−１）を求める。
【００９５】
次いで，図３に示す１２６枚目〜１５０枚目までのウエハの解析用データについて，パラメータＣ１＿Ｕを除いたパラメータを説明変数として相関関係式（２−１）に当てはめて，１２６枚目〜１５０枚目のパラメータＣ１＿Ｕの予測値をそれぞれ求める。続いて，１２６枚目〜１５０枚目までのウエハの解析用データにおけるパラメータＣ１＿Ｕのみの値を，上記のように求めた予測値に置換する。
【００９６】
そして，１枚目〜１２５枚目までのウエハをトレーニングウエハとしてこれらの解析用データを用いて主成分分析を行って，残差得点Ｑに対する寄与度を求めると図６に示すようになる。図６（ａ），（ｂ），（ｃ）はそれぞれ，異常と判定されたウエハのうち，１２６枚目，１４０枚目，１５０枚目の各パラメータについて求めた寄与度を棒グラフに表したものである。図６によれば，パラメータＣ１＿Ｕの値を単に平均値に置換えた図５の場合とは異なり，パラメータＣ１＿Ｕの寄与度は０に近い値になっていることがわかる。
【００９７】
次に，図４に示すグラフの中でパラメータＣ１＿Ｕの次に寄与度が高いパラメータＣ２＿Ｌについても，残差得点Ｑに対する寄与度を０に近い値にする。具体的には，パラメータＣ２＿Ｌを目的変数とし，その他の解析用データを説明変数として，パラメータＣ２＿Ｌとその他のパラメータとの相関関係式（２−１）をＰＬＳ法により求める。この場合，図３に示す１枚目〜１２５枚目までのウエハをトレーニングウエハとしてこれらの解析用データを用いて相関関係式（２−１）を求める。なお，説明変数においてパラメータＣ１＿Ｕについては，上述した予測値に変更したままの解析用データを使用する。パラメータＣ１＿Ｕについての残差得点Ｑへの影響を取除いた状態で，パラメータＣ２＿Ｌの影響も取除くためである。
【００９８】
次いで，図３に示す１２６枚目〜１５０枚目までのウエハの解析用データについて，パラメータＣ２＿Ｌを除いたパラメータを説明変数として上記（２−１）の関係式に当てはめて，１２６枚目〜１５０枚目のパラメータＣ２＿Ｌの予測値をそれぞれ求める。続いて，１２６枚目〜１５０枚目までのウエハの解析用データにおけるパラメータＣ２＿Ｌの値についても，パラメータＣ１＿Ｕと同様に上記のように求めた予測値に置換する。
【００９９】
そして，１枚目〜１２５枚目までのウエハについての解析用データを用いて主成分分析を行って，異常と判定された１２６枚目，１４０枚目，１５０枚目の各パラメータについて，残差得点Ｑに対する寄与度を求めると図７に示すようになる。図７（ａ），（ｂ），（ｃ）はそれぞれ，異常と判定されたウエハのうち，１２６枚目，１４０枚目，１５０枚目の各パラメータについて求めた寄与度を棒グラフに表したものである。図７によれば，パラメータＣ１＿Ｕ，Ｃ２＿Ｌの寄与度はともに０に近い値になっていることがわかる。
（異常原因として特定するパラメータの判定）
次に，どのパラメータまでを異常原因として特定するかについて説明する。残差得点Ｑにより異常と判定された場合に，その残差得点Ｑに対する寄与度の高いパラメータの順にその影響を取除いて残差得点Ｑを算出し直す。そして，新たに算出した残差得点Ｑに基づいて，異常原因として特定するパラメータを判定する。
【０１００】
具体的には，残差得点Ｑが正常と判断される所定値以下になるまで，残差得点Ｑに対する寄与度の高いパラメータの順に寄与度を０又は０に近い値にする。そして，残差得点Ｑが正常と判断される所定値以下になった時点で，それまでに寄与度を０又は０に近い値にしたパラメータを異常原因のパラメータと判定する。
【０１０１】
ここで，上述した図３の例で，残差得点に対する寄与度が高い順にパラメータの影響を取除きながら，新たに残差得点Ｑを算出したものを図面を参照しながら説明する。図８は，図６に示すようにパラメータＣ１＿Ｕの寄与度を０に近い値にして残差得点Ｑを算出し直したものである。具体的には，１２６枚目〜１５０枚目までのウエハの解析用データにおけるパラメータＣ１＿Ｕのみの値をＰＣＡ法により求めた予測値に置換して，残差得点Ｑを算出し直している。
【０１０２】
図８によれば，異常と判定された１２６枚目〜１５０枚目については，図３に示す残差得点Ｑよりも残差得点Ｑの方が低下していることがわかる。これは，パラメータＣ１＿Ｕの残差得点Ｑに対する影響を取除くと，残差得点Ｑがよくなる方向へ変化することを意味している。
【０１０３】
また，図８によれば，残差得点Ｑが正常と判定される所定値（判定基準）が例えば４以下であれば，１２６枚目〜１５０枚目の残差得点Ｑは所定値以下となるので正常と判断される。従って，このような判定基準が設定されている場合には，解析用データのうちパラメータＣ１＿Ｕのみが異常であると特定することができる。この場合には，パラメータＣ１＿Ｕのみに基づく修理やメンテナンス，例えば整合器の交換などを行えば足りる。
【０１０４】
これに対して，残差得点Ｑが正常と判定される所定値（判定基準）が例えば３以下であれば，１２６枚目〜１５０枚目の残差得点Ｑは所定値を越えるので異常と判断される。この場合は，異常原因として特定するパラメータはパラメータＣ１＿Ｕだけでは足りない。このため，パラメータＣ１＿Ｕの次に寄与度が大きいパラメータについても，寄与度を０又は０に近い値にして残差得点Ｑを算出し直す必要がある。
【０１０５】
そこで，本実施形態では，パラメータＣ１＿Ｕの次に寄与度が大きいパラメータは，パラメータＣ２＿Ｌであるので（図４参照），このパラメータＣ２＿Ｌについても，寄与度を０又は０に近い値にして残差得点Ｑを算出し直す。図９は，図７に示すようにパラメータＣ２＿Ｌの寄与度を０に近い値にして残差得点Ｑを算出し直したものである。具体的には，１２６枚目〜１５０枚目までのウエハの解析用データにおけるパラメータＣ２＿Ｌのみの値をＰＣＡ法により求めた予測値に置換して，残差得点Ｑを算出し直している。
【０１０６】
図９によれば，異常と判定された１２６枚目〜１５０枚目については，図８に示す残差得点Ｑよりもさらに残差得点Ｑの方が低下していることがわかる。これは，パラメータＣ１＿Ｕ，Ｃ２＿Ｌの残差得点Ｑに対する影響を取除くと，残差得点Ｑがより一層よくなる方向へ変化することを意味している。
【０１０７】
また，図９によれば，残差得点Ｑが正常と判定される所定値（判定基準）が例えば３以下のときには，１２６枚目〜１５０枚目の残差得点Ｑは所定値以下となるので正常と判断される。このため，このような判定基準が設定されている場合には，解析用データのうちパラメータＣ１＿Ｕのみならず，パラメータＣ２＿Ｌをも異常であると特定することができる。従って，このような場合には，パラメータＣ１＿Ｕ，Ｃ２＿Ｌに基づく修理やメンテナンスを行えば足り，その他のパラメータに基づく修理やメンテナンスまで行う必要がない。
【０１０８】
このように，本実施の形態では，異常と判断された解析用データの各パラメータについて，異常に対する影響度として例えば残差得点Ｑに対する寄与度を求め（影響度算出工程，影響度算出手段），寄与度が高いパラメータの順に，そのパラメータの寄与度を０又は０に近い値にして次々と残差得点Ｑを求め，残差得点Ｑが所定値以下になった時点で，それまでに寄与度を０又は０に近い値にしたパラメータを異常原因のパラメータと判定する（異常原因判定工程，異常原因判定手段）。これにより，残差得点Ｑに応じてパラメータを特定することができるので，異常原因となるパラメータを的確に判定することができる。このため，解析データが正常と判定されるために必要な修理やメンテナンスを的確に行うことができるので，修理やメンテナンスの効率化を図ることができる。
【０１０９】
また，異常に対する影響度を取除くパラメータについては，その特定のパラメータと，他のパラメータとの相関関係を多変量解析例えばＰＬＳ法により求め，この相関関係に基づいて特定のパラメータの予測値を求め，特定のパラメータの値を予測値に置換する。これにより，特別な演算方法を新たに作り出さなくても，容易に特定のパラメータの寄与度を０又は０に近い値にすることができる。但し，特別な演算方法を用いて特定のパラメータの寄与度を０又は０に近い値にするようにしてもよい。
【０１１０】
以上，添付図面を参照しながら本発明に係る好適な実施形態について説明したが，本発明は係る例に限定されないことは言うまでもない。当業者であれば，特許請求の範囲に記載された範疇内において，各種の変更例または修正例に想到し得ることは明らかであり，それらについても当然に本発明の技術的範囲に属するものと了解される。
【０１１１】
例えば，プラズマ処理装置としては，平行平板型のプラズマ処理装置に限られず，ヘリコン波プラズマ処理装置、誘導結合型プラズマ処理装置等に適用してもよい。
【０１１２】
また，解析用データとしては，本実施形態で挙げたデータ以外のＶＩプローブデータ，光学データ，トレースデータを用いてもよい。他のトレースデータとしては，各マスフローコントローラ１１８Ｂにより計測されるガス流量，圧力計１１５Ｂにより検出されるバックサイドガスのガス圧力，整合器１０７Ａにおける測定値として例えば高周波電力供給ライン（電線）と接地間の電圧Ｖｄｃ，電気計測器（ＶＩプローブ）１０７Ｃにおける測定値（例えば高周波電力の進行波など）が挙げられる。
【０１１３】
また，ウエハＷをエッチング処理する場合について説明したが，エッチング処理以外の成膜処理等の処理装置にも本発明を適用することができる。また，被処理体のウエハに制限されるものではない。
【０１１４】
【発明の効果】
以上詳述したように本発明によれば，異常原因となる解析データのパラメータを的確に特定することができ，解析データが正常と判定されるために必要な修理やメンテナンスを的確に行うことができるプラズマ処理装置の異常原因判定方法及び異常原因判定装置を提供できるものである。
【図面の簡単な説明】
【図１】本発明の実施形態にかかるプラズマ処理装置を示す概略構成図である。
【図２】本実施形態における多変量解析手段の１例を示すブロック図である。
【図３】本実施形態における解析用データに対して主成分分析を行ってモデルを作成した場合の残差得点Ｑのグラフを示す図である。
【図４】本実施形態において異常と判定されたウエハについての解析用データについて，残差得点Ｑに対する寄与度をグラフにした図である。
【図５】本実施形態における異常と判定されたウエハについての解析用データについて，パラメータＣ１＿Ｕを単に平均値に置換えた場合における残差得点Ｑに対する寄与度のグラフを示す図である。
【図６】本実施形態における異常と判定されたウエハについての解析用データについて，最も寄与度の大きいパラメータＣ１＿Ｕの影響度を取除いた場合における残差得点Ｑに対する寄与度のグラフを示す図である。
【図７】本実施形態における異常と判定されたウエハについての解析用データについて，次に寄与度の大きいパラメータＣ２＿Ｌの影響度を取除いた場合における残差得点Ｑに対する寄与度のグラフを示す図である。
【図８】本実施形態における最も寄与度の大きいパラメータＣ１＿Ｕの影響度を取除いた場合における残差得点Ｑのグラフを示す図である。
【図９】本実施形態における次に寄与度の大きいパラメータＣ２＿Ｌの影響度を取除いた場合における残差得点Ｑのグラフを示す図である。
【符号の説明】
１００ プラズマ処理装置
１０１ 処理室
１０１Ａ 上室
１０１Ｂ 下室
１０１Ｃ 排気管
１０１Ｄ バルブ
１０２ 下部電極
１０２Ａ 絶縁材
１０４ 上部電極
１０４ａ 電圧計
１０４ｂ 測定器
１０４ｄ 電圧計
１０４Ａ ガス導入部
１０４Ｄ 整合器
１０４Ｅ 高周波電源
１０６ ゲートバルブ
１０７ 高周波電源
１０７ａ 電圧計
１０７ｂ 測定器
１０７Ａ 整合器
１０７Ｂ 電圧計
１０７Ｃ 電気計測器
１０８ 静電チャック
１０８Ａ 電極板
１０９ 直流電源
１０９ａ 電流電圧計
１１０ａ フォーカスリング
１１１ 排気リング
１１５ ガス導入機構
１１５Ａ ガス配管
１１５Ｂ 圧力計
１１８ プロセスガス供給系
１１８Ａ バルブ
１１８Ｂ マスフローコントローラ
１１８Ｃ 処理ガス供給器
１１９ 排気系
１２０ 光学計測器
１２０ａ 検出窓
１２１ パラメータ計測器
１２２ 制御装置
１２３ 警報器
１２４ 表示装置
２００ 多変量解析手段
２０１ 多変量解析プログラム記憶手段
２０２ 電気的信号サンプリング手段
２０３ 光学的信号サンプリング手段
２０４ パラメータ信号サンプリング手段
２０５ 解析結果記憶手段
２０６ 演算手段
２０７ 予測・診断・制御手段
２０８ 解析処理部
２１１ データ記憶手段
２１２ 解析手段
Ｗ ウエハ
【発明の属する技術分野】
本発明は，プラズマ処理装置の異常原因判定方法及び異常原因判定装置に関する。
【０００２】
【従来の技術】
半導体製造工程においては，多種類の製造装置や検査装置が用いられている。例えばプラズマ処理装置は，処理室内にプラズマを発生させて半導体ウエハやガラス基板等の被処理体に対してエッチング処理や成膜処理などを行う。これらの処理装置は，その運転状況を制御，あるいは監視するための多くのパラメータを有しており，それらをコントロールあるいはモニタして，様々な処理を最適条件で行えるようにしている。パラメータとしては，例えば処理室内に設けられた上部電極，下部電極などの温度などが挙げられる。
【０００３】
このようなプラズマ処理装置により処理を行う際には，各パラメータをそれぞれの検出器によりモニタしながら常に最適な処理が行えるようプラズマ処理装置を制御する。この際，パラメータの数は数十種類にも及ぶため，運転状態に異常が認められた場合に原因を究明するのは非常に困難である。
【０００４】
そこで，例えば特許文献１には，半導体ウエハ処理システムの複数のプロセスパラメータを分析し，これらのパラメータを解析用データとして統計的に相関させてプロセス特性やシステム特性の変化を検出する技術が開示されている。
【０００５】
また，上記複数のパラメータを解析用データとして多変量解析の１つである主成分分析の手法を用いて少数の統計的データにまとめ，少数の統計的データに基づいて処理装置の運転状況を監視して，運転状況を評価する方法もある。
【０００６】
このような従来の方法では，主成分分析などの統計的な解析結果から例えば解析用データを例えば主成分分析して残差得点を求め，この残差得点が所定値以上の場合に異常と判定する。
【０００７】
【特許文献１】
特開平１１−８７３２３号公報
【０００８】
【発明が解決しようとする課題】
しかしながら，このようなものでは，解析用データが異常か否かの判定は可能であるが，解析用データを構成する各パラメータのうち，どのパラメータが異常原因となったかを特定することはできなかった。
【０００９】
この点，残差得点に対する解析用データにおける各パラメータの寄与度を求めることにより，どのパラメータが異常原因となったかをある程度知ることができる。すなわち，寄与度の大きいパラメータほど，異常と判定された部分の残差得点に寄与していることを意味するので，寄与度の大きいパラメータほど異常である可能性が高い。
【００１０】
ところが，残差得点の寄与度だけでは，どのパラメータまでを異常と判定することはできない。このため，異常原因となるパラメータを的確に特定することはできない。
【００１１】
そこで，本発明は，このような問題に鑑みてなされたもので，その目的とするところは，異常原因となる解析用データのパラメータを的確に特定することができるプラズマ処理装置の異常原因判定方法及び異常原因判定装置を提供することにある。
【００１２】
【課題を解決するための手段】
上記課題を解決するために，本発明の第１の観点によれば，処理室内の被処理体に対してプラズマ処理を行うプラズマ処理装置の異常原因判定方法であって，前記プラズマ処理装置に配設された検出器から前記被処理体の各処理ごとに得られる検出値に基づいて複数のパラメータからなる解析用データを取得する解析用データ取得工程と，取得された前記解析用データを分析して異常か否かを判定する異常判定工程と，異常と判定された前記解析用データの各パラメータについて，その異常に対する影響度を算出する影響度算出工程と，前記影響度が高いパラメータの順に，異常に対する影響を次々と取除いて異常か否かの判定を行い，正常と判断されるようになった時点で，それまでに異常に対する影響を取除いたパラメータを異常原因のパラメータと判定する異常原因判定工程とを有することを特徴とするプラズマ処理装置の異常原因判定方法が提供される。
【００１３】
上記課題を解決するために，本発明の第２の観点によれば，処理室内の被処理体に対してプラズマ処理を行うプラズマ処理装置の異常原因判定装置であって，前記プラズマ処理装置に配設された検出器から前記被処理体の各処理ごとに得られる検出値に基づいて複数のパラメータからなる解析用データを取得する解析用データ取得手段と，取得された前記解析用データを分析して異常か否かを判定する異常判定手段と，異常と判定された前記解析用データの各パラメータについて，その異常に対する影響度を算出する影響度算出手段と，前記影響度が高いパラメータの順に，異常に対する影響を次々と取除いて異常か否かの判定を行い，正常と判断されるようになった時点で，それまでに異常に対する影響を取除いたパラメータを異常原因のパラメータと判定する異常原因判定手段とを有すること特徴とするプラズマ処理装置の異常原因判定装置が提供される。
【００１４】
このような第１の観点及び第２の観点による本発明においては，異常に対する影響度に応じてパラメータを特定することができるので，異常原因となるパラメータを的確に判定することができる。このため，解析データが正常と判定されるために必要な修理やメンテナンスを的確に行うことができるので，修理やメンテナンスの効率化を図ることができる。
【００１５】
また，上記方法及び装置における異常判定では，取得された前記解析用データに対して主成分分析を行って残差得点を求め，前記残差得点が所定値を越える解析用データを異常と判定し，影響度算出では，異常と判定された前記解析用データの各パラメータについて，異常に対する影響度として前記残差得点に対する寄与度を求め，異常原因判定では，前記寄与度が高いパラメータの順に，そのパラメータの寄与度を０又は０に近い値にして次々と残差得点を求め，前記残差得点が前記所定値以下になった時点で，それまでに寄与度を０又は０に近い値にしたパラメータを異常原因のパラメータと判定するようにしてもよい。これによれば，例えば主成分分析による残差得点に応じてパラメータを特定することができるので，異常原因となるパラメータを的確に判定することができる。
【００１６】
また，上記方法及び装置における異常原因判定において，ある特定のパラメータの寄与度を０又は０に近い値にするには，特定のパラメータと，他のパラメータとの相関関係を多変量解析例えば部分最小二乗法により求め，この相関関係に基づいて特定のパラメータの予測値を求め，特定のパラメータの値を前記予測値に置換するようにしてもよい。これにより，特別な演算方法を新たに作り出さなくても，容易に特定のパラメータの寄与度を０又は０に近い値にすることができる。
【００１７】
【発明の実施の形態】
以下に添付図面を参照しながら，本発明にかかる装置の好適な実施の形態について詳細に説明する。なお，本明細書及び図面において，実質的に同一の機能構成を有する構成要素については，同一の符号を付することにより重複説明を省略する。
（プラズマ処理装置）
先ず，第１の実施形態にかかるプラズマ処理装置１００について説明する。プラズマ処理装置１００は，例えば図１に示すようにアルミニウム製の処理室１０１と，この処理室１０１内に配置された下部電極１０２を絶縁材１０２Ａを介して支持する昇降可能なアルミニウム製の支持体１０３と，この支持体１０３の上方に配置され且つプロセスガスを供給し且つ上部電極を兼ねるシャワーヘッド（以下，「上部電極」とも称す。）１０４とを備えている。上部電極１０４は，絶縁材１０４Ｃを介して処理室１０１と絶縁されている。
【００１８】
上部電極１０４には，整合器１０４Ｄを介して第１の高周波電源１０４Ｅが接続されている。この第１の高周波電源１０４Ｅは，例えば５０〜１５０ＭＨｚの範囲の周波数を有している。このように高い周波数の電力を印加することにより，処理室１０１内に好ましい解離状態でかつ高密度のプラズマを形成することができ，従来より低圧条件下のプラズマ処理が可能となる。この第１の高周波電源１０４Ｅの周波数は，５０〜８０ＭＨｚが好ましく，典型的には図示した６０ＭＨｚまたはその近傍の周波数が採用される。
【００１９】
上部電極１０４側の整合器１０４Ｄ内には，上部電極１０４側（高周波電圧の出力側）の高周波（ＲＦ）電圧Ｖｐｐを測定する測定器１０４ｂを備える。整合器１０４Ｄは具体的には例えば２個の可変コンデンサＣ１＿Ｕ，Ｃ２＿Ｕ，コンデンサＣ及びコイルＬを内蔵し，可変コンデンサＣ１＿Ｕ，Ｃ２＿Ｕを介してインピーダンス整合を取っている。
【００２０】
整合器１０４Ｄは電圧計１０４ａを備え，この電圧計１０４ａにより第１の高周波電力の供給ライン（電線）とプラズマ処理装置１００のグランド（接地）との間の電圧Ｖｄｃを計測することができる。
【００２１】
整合器１０４Ｄの上部電極１０４側（高周波電力の出力側）に接続された電力計１０４ｄにより，第１の高周波電源１０４Ｅからの第１の高周波電力Ｐが測定される。
【００２２】
上記処理室１０１の側壁には，検出窓１２０ａが設けられており，処理室１０１の側壁の外側には，上記検出窓１２０ａを介して処理室１０１内のプラズマ発光を検出する分光器（以下，「光学計測器」と称す。）１２０が設けられている。この光学計測器１２０から検出される波長の発光スペクトル強度は例えば光学データとすることができる。
【００２３】
上記処理室１０１は上部が小径の上室１０１Ａとして形成され，下部が大径の下室１０１Ｂとして形成されている。下室１０１Ｂの上部にはウエハＷを搬出入するための出入口が形成され，この出入口にはゲートバルブ１０６が取り付けられている。
【００２４】
下部電極１０２には，電気計測器（例えばＶＩプローブ）１０７Ｃ，整合器１０７Ａ，電力計１０７Ｂを介して第２の高周波電源１０７が接続されている。この第２の高周波電源１０７は数百ｋＨｚ〜十数ＭＨｚの範囲の周波数を有している。このような範囲の周波数を印加することにより，被処理体であるウエハＷに対してダメージを与えることなく適切なイオン作用を与えることができる。第２の高周波電源１０７の周波数は，典型的には図示した２ＭＨｚ等の周波数が採用される。
【００２５】
下部電極１０２側の整合器１０７Ａは，上記上部電極１０４側の整合器１０４Ｄと同様に構成される。すなわち，整合器１０７Ａ内には，下部電極１０２側（高周波電圧の出力側）の高周波（ＲＦ）電圧Ｖｐｐを測定する測定器１０７ｂを備える。整合器１０７Ａは具体的には例えば２個の可変コンデンサＣ１＿Ｌ，Ｃ２＿Ｌ，コンデンサＣ及びコイルＬを内蔵し，可変コンデンサＣ１＿Ｌ，Ｃ２＿Ｌを介してインピーダンス整合を取っている。
【００２６】
整合器１０７Ａは電圧計１０７ａを備え，この電圧計１０７ａにより第２の高周波電力の供給ライン（電線）とプラズマ処理装置１００のグランド（接地）との間の電圧Ｖｄｃを計測することができる。
【００２７】
整合器１０７Ａの下部電極１０２側（高周波電力の出力側）に接続された電力計１０７Ｂにより，第２の高周波電源１０７からの第２の高周波電力Ｐが測定される。
【００２８】
上室１０１Ａ内に発生するプラズマに基づく基本波（例えば高周波電力の進行波及び反射波など）及び高調波における高周波電圧（Ｖ），高周波電流（Ｉ），高周波位相（Ｐ），インピーダンス（Ｚ）は，上記電気計測器（例えばＶＩプローブ）１０７Ｃを介して下部電極１０２に印加される高周波電力Ｐにより，電気的データとして検出することができる。本実施形態では，このような基本波及び高調波の電圧（Ｖ），電流（Ｉ），位相（Ｐ），インピーダンス（Ｚ）などの電気的データを運転データとして予測に用いる。
【００２９】
下部電極１０２の上面には，静電チャック１０８が配置され，この静電チャック１０８の電極板１０８Ａには直流電源１０９が接続されている。このような静電チャック１０８によれば，高真空下で直流電源１０９から電極板１０８Ａに高電圧を印加することにより，ウエハＷを静電吸着することができる。この静電チャック１０８の電極板１０８Ａと直流電源１０９との間には，静電チャック１０８の印加電流，印加電圧を検出する電流電圧計１０９ａが接続されている。
【００３０】
下部電極１０２の外周には，フォーカスリング１１０ａが配置され，上室１０１Ａ内で生成したプラズマをウエハＷに集める。フォーカスリング１１０ａの下側には支持体１０３の上部に取り付けられた排気リング１１１が配置されている。この排気リング１１１には複数の孔が全周に渡って周方向等間隔に形成され，これらの孔を介して上室１０１Ａ内のガスを下室１０１Ｂへ排気する。
【００３１】
上記支持体１０３はボールネジ機構１１２及びベローズ１１３を介して上室１０１Ａと下室１０１Ｂ間で昇降可能になっている。従って，ウエハＷを下部電極１０２上に供給する場合には，支持体１０３を介して下部電極１０２が下室１０１Ｂまで下降し，ゲートバルブ１０６を開放して図示しない搬送機構を介してウエハＷを下部電極１０２上に供給する。
【００３２】
支持体１０３の内部には冷媒配管１１４に接続された冷媒流路１０３Ａが形成され，冷媒配管１１４を介して冷媒流路１０３Ａ内で冷媒を循環させ，ウエハＷを所定の温度に調整する。
【００３３】
支持体１０３，絶縁材１０２Ａ，下部電極１０２及び静電チャック１０８にはそれぞれガス流路１０３Ｂが形成され，ガス導入機構１１５からガス配管１１５Ａを介して静電チャック１０８とウエハＷ間の細隙に例えばＨｅガスを所定の圧力でバックサイドガスとして供給し，Ｈｅガスを介して静電チャック１０８とウエハＷ間の熱伝導性を高めている。バックサイドガスの圧力は圧力センサ（図示せず）を検出し，その検出値を圧力計１１５Ｂに表示する。尚，１１６はベローズカバーである。またガス導入機構１１５には例えばマスフローコントローラ（図示せず）が設けられており，このマスフローコントローラによりバックサイドガスのガス流量を検出することができる。
【００３４】
上記上部電極１０４の上面にはガス導入部１０４Ａが形成されている。このガス導入部１０４Ａには配管１１７を介してプロセスガス供給系１１８が接続されている。プロセスガス供給系１１８は，配管１１７にバルブ１１８Ａ，マスフローコントローラ１１８Ｂを介して，処理ガス供給器１１８Ｃが接続されて構成される。
【００３５】
この処理ガス供給器１１８Ｃからは，プラズマエッチングのための処理ガス（プロセスガス）が供給されるようになっている。なお，図１には，上記処理ガス供給器１１８Ｃ等からなるプロセスガス供給系１１８を１つのみ図示しているが，これらのプロセスガス供給系は複数設けてもよい。その場合には，例えばＮＨ３，Ａｒ等のガスをそれぞれ独立に流量制御して，処理室１０１内に供給できるよう構成されている。
【００３６】
上部電極１０４の下面には複数の孔１０４Ｂが全面に渡って均等に配置され，これらの孔１０４Ｂを介して上部電極１０４から上室１０１Ａ内へ例えばＮＨ３ガスを処理ガスとして供給する。
【００３７】
尚，図１において，１０１Ｃは排気管，１１９は排気管１０１Ｃに接続された真空ポンプ等からなる排気系である。排気管１０１Ｃには，ＡＰＣ（Ａｕｔｏ
Ｐｒｅｓｓｕｒｅ Ｃｏｎｔｒｏｌｌｅｒ）バルブ１０１Ｄが設けられており，処理室１０１内のガス圧力に即してＡＰＣバルブの開度が自動的に調節される。
【００３８】
（多変量解析手段）
次に，本実施の形態におけるプラズマ処理装置１００が備える多変量解析手段を図面を参照しながら説明する。多変量解析手段２００はプラズマ処理装置の異常原因判定装置としても機能する。多変量解析手段２００は例えば図２に示すように，主成分分析や部分最小二乗法などの多変量解析プログラムを記憶する多変量解析プログラム記憶手段２０１，電気計測器１０７Ｃ，光学計測器１２０及びパラメータ計測器１２１からの信号を間欠的にサンプリングする電気的信号サンプリング手段２０２，光学的信号サンプリング手段２０３，パラメータ信号サンプリング手段２０４を備える。これらの各サンプリング手段２０２，２０３，２０４でサンプリングされたデータはそれぞれ各検出器からの検出値となる。
【００３９】
なお，上記パラメータ計測器１２１とは上述した制御パラメータを計測する計測器である。実際に多変量解析を行う際には，必ずしもすべてのデータを用いる必要はなく，電気計測器１０７Ｃ，光学計測器１２０，パラメータ計測器１２１からの少なくとも１種類以上のデータで多変量解析を行う。従って，すべての計測器のデータを用いてもよく，電気計測器１０７Ｃのみ，光学計測器１２０のみ，パラメータ計測器１２１のみのデータを用いてもよい。また，電気計測器１０７Ｃ，光学計測器１２０，パラメータ計測器１２１から所望のデータを組合わせてもよい。
【００４０】
上記プラズマ処理装置１００は，多変量解析により作成したモデルなど多変量解析の結果を記憶する解析結果記憶手段２０５，上記解析結果に基づいて所定のパラメータの異常値の検出（診断）や予測値の算出を行う演算手段２０６，演算手段２０６からの演算信号に基づいて予測，診断，制御を行う予測・診断・制御手段２０７，解析用データなどを記憶するデータ記憶手段２１１を備える。
【００４１】
上記多変量解析手段２００には，プラズマ処理装置１００を制御する制御装置１２２，警報器１２３及び表示装置１２４がそれぞれ接続されている。制御装置１２２は例えば予測・診断・制御手段２０７からの信号に基づいてウエハＷの処理を継続または中断する。警報器１２３及び表示装置１２４は後述のように予測・診断・制御手段２０７からの信号に基づいて制御パラメータおよび／または装置状態パラメータの異常を報知する。
【００４２】
上記演算手段２０６は，解析手段２１２を備える。解析手段２１２は，例えば例えば主成分分析（ＰＣＡ：Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ）や部分最小二乗法（ＰＬＳ法；Ｐａｒｔｉａｌ Ｌｅａｓｔ Ｓｑｕａｒｅｓ法）などの多変量解析を行う。また，解析手段２１２は後述のように主成分分析による残差得点を算出したり，解析用データの各パラメータについての残差得点に対する寄与度を算出したりする。
【００４３】
（解析用データの異常判定）
ここで，解析手段２１２による異常判定を行う方法について説明する。解析手段２１２は解析用データに対して多変量解析例えば主成分分析を行って残差得点Ｑを求め，この残差得点Ｑに基づいて解析用データの異常判定を行う。
【００４４】
具体的には，先ず予め基準となる例えば所定区間のウエハに対してエッチング処理を行い，この時に各検出器から検出されるそれぞれの検出値，即ち高周波電圧Ｖｐｐ等の検出値をウエハ毎に逐次検出して得られた検出値やこの検出値に所定の演算を施して得られた値から解析用データを取得して，例えばデータ記憶手段２１１に記憶する（解析用データ取得工程，解析用データ取得手段）。例えばＮ枚のウエハそれぞれについてＫ個の検出値ｘが存在すると，解析用データが入った行列Ｘは（１−１）式で表される。
【００４５】
そして，演算手段２０６においてそれぞれの検出値に基づいて平均値，最大値，最小値，分散値を求めた後，これらの計算値に基づいた分散共分散行列を用いて解析用データに対して主成分分析を行って固有値及びその固有ベクトルを求める。
【００４７】
固有値は，解析用データの分散の大きさを表し，固有値の大きさ順に，第１主成分，第２主成分，・・・第ａ主成分として定義されている。また，各固有値にはそれぞれに属する固有ベクトルがある。通常，主成分の次数が高いほどデータの評価に対する寄与率が低くなり，その利用価値が薄れる。
【００４８】
例えばＮ枚のウエハについてそれぞれＫ個の検出値を採り，ｎ番目のウエハのａ番目の固有値に対応する第ａ主成分は（１−２）式で表される。
【００４９】
ｔｎａ＝ｘｎ１ｐ１ａ＋ｘｎ２ｐ２ａ＋…＋ｘｎＫｐＫａ …（１−２）
【００５０】
第ａ主成分得点のベクトルｔａ及び行列Ｔａは（１−３）式で定義され，第ａ主成分の固有ベクトルｐａ及び行列Ｐａは（１−４）式で定義される。そして，第ａ主成分得点のベクトルｔａは行列Ｘと固有ベクトルｐａを用いて（１−５）式で表される。また，主成分得点のベクトルｔ１〜ｔＫとそれぞれの固有ベクトルｐ１〜ｐＫを用いると行列Ｘは（１−６）式で表される。なお，（１−６）式においてＰＫ ＴはＰＫの転置行列である。
【００５１】
ｔａ＝Ｘｐａ …（１−５）
【００５４】
Ｘ＝ＴＫＰＫ Ｔ＝ｔ１ｐ１ Ｔ＋ｔ２ｐ２ Ｔ＋…＋ｔＫｐＫ Ｔ …（１−６）
【００５５】
さらに，寄与率の低い第（ａ＋１）以上の高次の主成分を一つに纏めた（１−７）式で定義する残差行列Ｅ（各行の成分は各検出器の検出値に対応し，各列の成分はウエハの枚数に対応する）を作り，この残差行列Ｅを（１−６）式に当て填めると（１−６）式は（１−８）式で表される。この残差行列Ｅの残差得点Ｑｎは（１−９）式で定義される行ベクトルｅｎを用いた（１−１０）式で定義される。なお，（１−１０）式においてＱｎはｎ番目のウエハを示す。
【００５６】
Ｘ＝ＴａＰａ Ｔ＋Ｅ＝ｔ１ｐ１ Ｔ＋ｔ２ｐ２ Ｔ＋…＋ｔａｐａ Ｔ＋Ｅ …（１−８）
【００５８】
ｅｎ＝［ｅｎ１，ｅｎ２，…，ｅｎＫ］…（１−９）
【００５９】
Ｑｎ＝ｅｎｅｎ Ｔ …（１−１０）
【００６０】
上記残差得点Ｑｎは，ｎ番目のウエハの残差（誤差）を表し，上記（１−１０）式で定義される。残差得点Ｑｎは行ベクトルｅｎとその転置ベクトルｅｎ Ｔの積として表され，各残差の２乗の和となり，プラス成分及びマイナス成分を相殺することなく確実に残差として求めることができる。本実施形態ではこの残差得点Ｑを求めることによって運転状態を多面的に判別，評価する。
【００６１】
具体的には，あるウエハの残差得点Ｑｎがサンプルウエハの残差得点Ｑ０から外れた場合には行ベクトルｅｎの成分を観れば，そのウエハの処理時にそのウエハのいずれの検出値に大きなズレがあったかが判り，異常の原因を特定することができる。
【００６２】
そして，残差行列Ｅの行（同一ウエハ）のうち，各検出器の残差にずれのあった解析用データを観ることにより，そのウエハではいずれの検出値に異常があったかを正確に確認することができる。
【００６３】
（プラズマ処理装置の動作）
次に，上記プラズマ処理装置１００の動作を説明する。本実施形態ではプラズマ処理装置１００により，１枚のウエハをプラズマ処理するごとに各計測器からの検出値などを解析用データとして取得する。これら解析用データは例えばデータ記憶手段２１１に記憶する。
【００６４】
プラズマ処理装置１００の運転を開始すると，支持体１０３がボールネジ機構１１２を介して処理室１０１の下室１０１Ｂまで下降すると共に，ゲートバルブ１０６が開放した出入口からウエハＷを搬入して下部電極１０２上に載置する。ウエハＷの搬入後，ゲートバルブ１０６が閉じると共に排気系１１９が作動して処理室１０１内を所定の真空度に維持する。この際，ガス導入機構１１５からＨｅガスをバックガスとしてセンタ圧力２０Ｔｏｒｒ，エッジ圧力４０Ｔｏｒｒで供給し，ウエハＷと下部電極１０２，具体的には静電チャック１０８とウエハＷ間の熱伝導性を高めてウエハＷの冷却効率を高める。また，上部電極の温度を６０℃，下部電極の温度を２０℃，側壁の温度を６０℃にする。
【００６５】
一方，プロセスガス供給系１１８から処理ガスを供給する。具体的にはＮＨ３ガスを所定の流量で供給する。この時の処理室１０１内の圧力は例えば１７５ｍＴである。この状態で，上部電極１０４には例えば高周波電源１０４Ｅから６０ＭＨｚの高周波電力を２０００Ｗで印加し，下部電極１０２には例えば高周波電源１０７から２ＭＨｚの高周波電力を１８００Ｗで印加する。これにより，プロセスガスのプラズマを生成して，例えばシリコン基板からなるウエハＷ上の非エッチング層をエッチング処理する。エッチング終了後には搬入時とは逆の操作で処理後のウエハＷを処理室１０１内から搬出し，後続のウエハＷに対して同様の処理を繰り返し，所定の枚数を処理して一連の処理を終了する。
【００６６】
このようなウエハＷの処理を行っている間，解析用データとして例えば上部電極１０４，処理室１０１の上室１０１Ａの壁面，下部電極１０２それぞれの温度などを各測定器からそれぞれ間欠的に検出し，これらの検出信号をＡ／Ｄ変換器を介して多変量解析手段２００へ逐次入力し，例えば多変量解析手段２００に設けられたデータ記憶手段２１１に記憶する。
【００６７】
本実施形態では，解析用データとして次に示すようなデータを使用する。
ＡＰＣ ：ＡＰＣバルブ１０１Ｄの開度
Ｃ１＿Ｌ ：整合器１０７Ａの可変コンデンサＣ１＿Ｌのポジション
Ｃ１＿Ｕ ：整合器１０４Ｄの可変コンデンサＣ１＿Ｕのポジション
Ｃ２＿Ｌ ：整合器１０７Ａの可変コンデンサＣ２＿Ｌのポジション
Ｃ２＿Ｕ ：整合器１０４Ｄの可変コンデンサＣ２＿Ｕのポジション
ＥＰＤ＿Ａ ：Ａ波長（例えば３８７．５ｎｍ）の光量
ＥＰＤ＿Ｂ ：Ｂ波長（例えば２６０ｎｍ）の光量
ＥＰＤ＿ＤＥＦ：Ａ波長／Ｂ波長の微分値
ＥＰＤ＿ＲＡＴ：Ａ波長／Ｂ波長の値
ＥＡＣ＿ＣＩＥ：電流電圧計１０９ａより検出される静電チャックの印加電流
Ｔ＿Ｌ ：下部電極１０２の温度
ＲＥＦ＿Ｌ ：下部電極１０２に印加する高周波電力の反射波
ＲＥＦ＿Ｕ ：上部電極１０４に印加する高周波電力の反射波
ＲＦ＿Ｖｐｐ ：整合器１０７Ａの出力側の高周波電圧（ＲＦ電圧）Ｖｐｐ
Ｔ＿Ｕ ：上部電極１０４の温度
Ｔ＿Ｗ ：処理室側壁の温度
なお，上記Ａ波長（例えば３８７．５ｎｍ），Ｂ波長（例えば２６０ｎｍ）の各光量は，上記光学計測器１２０により計測して求められる。下部電極１０２に印加する高周波電力の反射波は，整合器１０７Ａ内に設けられた反射波計測器（図示しない）により計測される。上部電極１０４に印加する高周波電力の反射波は，整合器１０４Ｄ内に設けられた反射波計測器（図示しない）により計測される。
【００６８】
こうして，ウエハＷを処理するごとに得られた解析用データについて主成分分析を行って残差得点Ｑを求め，残差得点Ｑが所定値を超えた場合に，そのデータが異常であると判定する。
（異常原因の判定）
次に，上記異常の判定において，異常と判定された解析用データ，例えば残差得点Ｑが所定値を超えた解析用データのうち，どのパラメータに異常があったかについて判定する方法について説明する。
【００６９】
ここで，例えば１枚目〜１２５枚目までのウエハをサンプルウエハとして主成分分析を行ってモデルを作成し，１枚目〜２５０枚目までのウエハについて残差得点Ｑを求めて図示したものを図３に示す。図３によれば，１２６枚目〜１５０枚目までの残差得点Ｑは，他のウエハＷの残差得点Ｑとは明らかに大きくシフトしており，異常と判定することができる。
【００７０】
このように，解析用データが異常と判定された場合の原因は，例えば残差得点Ｑが所定値を越える方向に寄与した解析用データの各パラメータの残差得点Ｑに対する寄与度により特定することができる。ここでいう寄与度（Ｃｏｎｔｒｉｂｕｔｉｏｎ：寄与度の他，寄与率という場合もある）とは，一般に，ある一組の複合的な統計事象を対象とする統計数値の時系列において，特定の内訳の変化が全体の変化にどの程度の寄与をしているかを示す比率として用いるものである。本実施形態では寄与度（Ｃｏｎｔｒｉｂｕｔｉｏｎ）は，基準とする解析用データ（例えば正常と判定される任意の解析用データ）と他の解析用データとの差を各パラメータごとに算出した残差得点Ｑに対する寄与度であり，規格化された回帰係数を積算したものである。
【００７１】
例えば図３に示す異常と判定されるウエハ（１２６枚目〜１５０枚目）についての解析用データうち，１２６枚目，１４０枚目，１５０枚目の解析用データの各パラメータについて残差得点Ｑに対する寄与度を求めて図示したものをそれぞれ図４（ａ），（ｂ），（ｃ）に示す。このような寄与度の棒グラフでは，寄与度の値の絶対値が大きいほど残差得点Ｑに寄与していることを意味する。従って，例えば図４（ａ）によれば，例えば最も寄与度が大きいのはパラメータＣ１＿Ｕであり，次に寄与度が大きいものがパラメータＣ２＿Ｌである。
【００７２】
このように，解析用データの各パラメータについての寄与度を求めることにより，どのパラメータが残差得点Ｑが所定値を越える方向に寄与したか，すなわち異常原因のパラメータがわかる。しかも，寄与度が大きいほど，そのパラメータが異常原因のパラメータである度合が高いこともわかるので，異常原因となる度合が高い順にパラメータを並べることができる。
【００７３】
しかしながら，この寄与度によるだけではどのパラメータまでが異常原因とすればよいかについてまでは判定できない。例えば図４によれば確かにパラメータＣ１＿Ｕ，Ｃ２＿Ｌは寄与度が大きいので，異常原因となっている可能性が高いことがわかる。ところが，次に寄与度が大きいパラメータＶｐｐについても異常原因として判定することはできない。
【００７４】
この点，パラメータを異常原因として判定（特定）するためには，残差得点Ｑとの関係も考慮することが有効と考えられる。残差得点Ｑが所定値よりも小さくなるように異常原因が取除かれれば十分だからである。
【００７５】
そこで，本発明では，寄与度が高いパラメータの順に，そのパラメータのみの影響を取除いて次々と残差得点Ｑを求め，残差得点Ｑが所定値よりも低くなった時点で，残差得点Ｑへの影響を取除いたパラメータを異常原因となったパラメータと判断する。
【００７６】
具体的には，寄与度が高いパラメータの順に，そのパラメータの寄与度が０又は０に近い値であったとした場合の残差得点Ｑを次々と求める。残差得点Ｑが所定値よりも低くなる時点で，寄与度が０又は０に近い値としたパラメータを異常原因となったパラメータとして特定する。これにより，異常原因となったパラメータを的確に特定することができる。
【００７７】
次に，パラメータの寄与度を０又は０に近い値として残差得点Ｑを求める方法を説明する。一般に，解析用データの各パラメータは，他のパラメータと影響しあって残差得点Ｑに寄与している。このため，単にパラメータを残差得点Ｑにより正常と判断されるときの値に置換しても，そのパラメータの寄与度を０又は０に近い値にすることはできない。
【００７８】
例えば上述した図３に示す場合の例で，残差得点Ｑにより異常と判定されるウエハ１２６枚目，１４０枚目，１５０枚目の解析用データにおけるパラメータＣ１＿Ｕを，残差得点Ｑにより正常と判定されるトレーニングウエハとして用いた１枚目〜１２５枚目のパラメータＣ１＿Ｕの平均値にすべて置換して，各パラメータの寄与度を算出し直してみた。その結果を図示したものを図５に示す。図５（ａ），（ｂ），（ｃ）は，それぞれ１２６枚目，１４０枚目，１５０枚目における各パラメータの寄与度を棒グラフにしたものである。この図５によれば，例えばパラメータＣ１＿Ｕの寄与度は，マイナス側に大きいままでほとんど変化していない。このように，単にパラメータを残差得点Ｑにより正常と判断されるときの値に置換しても，そのパラメータの寄与度だけを０又は０に近い値にすることはできない。
【００７９】
そこで，本発明では，解析用データの各パラメータうち，残差得点Ｑに対する寄与度を０又は０に近い値にしたいパラメータを多変量解析例えばＰＬＳ法により予測し，パラメータの値をすべて予測値に置換する。これにより，そのパラメータについての残差得点Ｑに対する寄与度を０に近い値にすることができる。
【００８０】
具体的には，上記多変量解析手段２００は，解析用データの各パラメータうち，残差得点Ｑに対する寄与度を０又は０に近い値にしたい特定のパラメータを被説明変量（目的変量，目的変数）とし，その他のパラメータを説明変量（説明変数）として，下記（２−１）の相関関係式（回帰式などの予測式，モデル）を多変量解析プログラムを用いて求める。
【００８１】
なお，下記（２−１）の相関関係式において，Ｘは説明変量の行列を意味する。このＸは，上記（１−１）式におけるＸにおいて残差得点Ｑに対する寄与度を０又は０に近い値にしたいパラメータを削除したものに相当する。また，下記（２−１）の回帰式におけるＹは被説明変量の行列を意味する。また，Ｂは説明変量の係数（重み）からなる回帰行列であり，Ｅは残差行列である。
【００８２】
Ｙ＝ＢＸ＋Ｅ …（２−１）
【００８３】
本実施形態において上記（２−１）式を求める際には，例えばＪＯＵＲＮＡＬ ＯＦ ＣＨＥＭＯＭＥＴＲＩＣＳ，ＶＯＬ．２（ＰＰ２１１−２２８）（１９９８）に掲載されているＰＬＳ（Ｐａｒｔｉａｌ Ｌｅａｓｔ Ｓｑｕａｒｅｓ）法を用いている。このＰＬＳ法は，行列Ｘ，Ｙそれぞれに多数の説明変量及び被説明変量があってもそれぞれの少数の実測値があればＸとＹの関係式を求めることができる。しかも，少ない実測値で得られた関係式であっても安定性及び信頼性の高いものであることもＰＬＳ法の特徴である。
【００８４】
多変量解析プログラム記憶手段２０１にはＰＬＳ法用のプログラムが記憶され，解析手段２１２において解析用データをプログラムの手順に従って処理し，上記相関関係式（２−１）を求め，この結果を解析結果記憶手段２０５で記憶する。従って，本実施形態では上記相関関係式（２−１）式を求めれば，後は解析用データのうちで説明変量としたパラメータを行列Ｘに当てはめることによって，解析用データのうちで目的変量としたパラメータを予測することができる。しかもこの予測値は信頼性の高いものになる。
【００８５】
例えば，ＸＴＹ行列に対してｉ番目の固有値に対応する第ｉ主成分はｔｉで表される。行列Ｘはこの第ｉ主成分の得点ｔｉとベクトルｐｉを用いると下記の（２−２）式で表され，行列Ｙはこの第ｉ主成分の得点ｔｉとベクトルｃｉを用いると下記の（２−３）式で表される。なお，下記の（２−２）式，（２−３）式において，Ｘｉ＋１，Ｙｉ＋１はＸ，Ｙの残差行列であり，ＸＴは行列Ｘの転置行列である。以下では指数Ｔは転置行列を意味する。
【００８６】
Ｘ＝ｔ１ｐ１＋ｔ２ｐ２＋ｔ３ｐ３＋ … ＋ｔｉｐｉ＋Ｘｉ＋１ …（２−２）
【００８７】
Ｙ＝ｔ１ｃ１＋ｔ２ｃ２＋ｔ３ｃ３＋ … ＋ｔｉｃｉ＋Ｙｉ＋１ …（２−３）
【００８８】
而して，第１の実施形態で用いられるＰＬＳ法は，上記（２−２）式，（２−３）式を相関させた場合の複数の固有値及びそれぞれの固有ベクトルを少ない計算量で算出する手法である。
【００８９】
ＰＬＳ法は以下の手順で実施される。先ず第１段階では，行列Ｘ，Ｙのセンタリング及びスケーリングの操作を行う。そして，ｉ＝１を設定し，Ｘ１＝Ｘ，Ｙ１＝Ｙとする。また，ｕ１として行列Ｙ１の第１列を設定する。尚，センタリングとは各行の個々の値からそれぞれの行の平均値を差し引く操作であり，スケーリングとは各行の個々の値をそれぞれの行の標準偏差で除する操作（処理）である。
【００９０】
第２段階では，ｗｉ＝Ｘｉ Ｔｕｉ／（ｕｉ Ｔｕｉ）を求めた後，ｗｉの行列式を正規化し，ｔｉ＝Ｘｉｗｉを求める。また，行列Ｙについても同様の処理を行って，ｃｉ＝Ｙｉ Ｔｔｉ／（ｔｉ Ｔｔｉ）を求めた後，ｃｉの行列式を正規化し，ｕｉ＝Ｙｉｃｉ／（ｃｉ Ｔｃｉ）を求める。
【００９１】
第３段階ではＸローディング（負荷量）ｐｉ＝Ｘｉ Ｔｔｉ／（ｔｉ Ｔｔｉ），Ｙ負荷量ｑｉ＝Ｙｉ Ｔｕｉ／（ｕｉ Ｔｕｉ）を求める。そして，ｕをｔに回帰させたｂｉ＝ｕｉ Ｔｔｉ／（ｔｉ Ｔｔｉ）を求める。次いで，残差行列Ｘｉ＝Ｘｉ−ｔｉｐｉ Ｔ，残差行列Ｙｉ＝Ｙｉ−ｂｉｔｉｃｉ Ｔを求める。そして，ｉをインクリメントしてｉ＝ｉ＋１を設定し，第２段階からの処理を繰返す。これら一連の処理をＰＬＳ法のプログラムに従って所定の停止条件を満たすまで，あるいは残差行列Ｘｉ＋１がゼロに収束するまで繰り返し，残差行列の最大固有値及びその固有ベクトルを求める。
【００９２】
ＰＬＳ法は残差行列Ｘｉ＋１の停止条件またはゼロへの収束が速く，１０回程度の計算の繰返すだけで残差行列が停止条件またはゼロに収束する。一般的には４〜５回の計算の繰り返しで残差行列が停止条件またはゼロへの収束する。この計算処理によって求められた最大固有値及びその固有ベクトルを用いてＸＴＹ行列の第１主成分を求め，Ｘ行列とＹ行列の最大の相関関係を知ることができる。
【００９３】
このようなＰＬＳ法により相関関係式が得られると，この相関関係式に説明変数を当てはめるだけで目的変数の予測値を求めることができる。こうして，残差得点Ｑに対する寄与度を０又は０に近い値にしたい特定のパラメータの予測値を求めることができる。そして，特定のパラメータの値をすべて予測値に置換することにより，残差得点Ｑに対する寄与度を０又は０に近い値にすることができる。
（実験結果）
次に，解析用データのパラメータをＰＬＳ法による予測値に置換えることにより，残差得点Ｑに対する寄与度を０又は０に近い値とした実験結果について説明する。ここでは，上述した図３に示す場合の例で，残差得点Ｑにより異常と判定されるウエハの解析用データにおけるパラメータを，残差得点Ｑに対する寄与度が高い順に，ＰＬＳ法による予測値を用いてそのパラメータの寄与度を０に近い値にして，残差得点Ｑを求め直すことにより，残差得点Ｑへの影響度を検討する。
【００９４】
先ず，図４に示すグラフの中で最も寄与度が高いパラメータＣ１＿Ｕについて，その寄与度を０に近い値にする。具体的には，パラメータＣ１＿Ｕを目的変数とし，他のパラメータを説明変数として，パラメータＣ１＿Ｕと他のパラメータとの相関関係式（２−１）をＰＬＳ法により求める。この場合，図３に示す１枚目〜１２５枚目までのウエハをトレーニングウエハとしてこれらの解析用データを用いて相関関係式（２−１）を求める。
【００９５】
次いで，図３に示す１２６枚目〜１５０枚目までのウエハの解析用データについて，パラメータＣ１＿Ｕを除いたパラメータを説明変数として相関関係式（２−１）に当てはめて，１２６枚目〜１５０枚目のパラメータＣ１＿Ｕの予測値をそれぞれ求める。続いて，１２６枚目〜１５０枚目までのウエハの解析用データにおけるパラメータＣ１＿Ｕのみの値を，上記のように求めた予測値に置換する。
【００９６】
そして，１枚目〜１２５枚目までのウエハをトレーニングウエハとしてこれらの解析用データを用いて主成分分析を行って，残差得点Ｑに対する寄与度を求めると図６に示すようになる。図６（ａ），（ｂ），（ｃ）はそれぞれ，異常と判定されたウエハのうち，１２６枚目，１４０枚目，１５０枚目の各パラメータについて求めた寄与度を棒グラフに表したものである。図６によれば，パラメータＣ１＿Ｕの値を単に平均値に置換えた図５の場合とは異なり，パラメータＣ１＿Ｕの寄与度は０に近い値になっていることがわかる。
【００９７】
次に，図４に示すグラフの中でパラメータＣ１＿Ｕの次に寄与度が高いパラメータＣ２＿Ｌについても，残差得点Ｑに対する寄与度を０に近い値にする。具体的には，パラメータＣ２＿Ｌを目的変数とし，その他の解析用データを説明変数として，パラメータＣ２＿Ｌとその他のパラメータとの相関関係式（２−１）をＰＬＳ法により求める。この場合，図３に示す１枚目〜１２５枚目までのウエハをトレーニングウエハとしてこれらの解析用データを用いて相関関係式（２−１）を求める。なお，説明変数においてパラメータＣ１＿Ｕについては，上述した予測値に変更したままの解析用データを使用する。パラメータＣ１＿Ｕについての残差得点Ｑへの影響を取除いた状態で，パラメータＣ２＿Ｌの影響も取除くためである。
【００９８】
次いで，図３に示す１２６枚目〜１５０枚目までのウエハの解析用データについて，パラメータＣ２＿Ｌを除いたパラメータを説明変数として上記（２−１）の関係式に当てはめて，１２６枚目〜１５０枚目のパラメータＣ２＿Ｌの予測値をそれぞれ求める。続いて，１２６枚目〜１５０枚目までのウエハの解析用データにおけるパラメータＣ２＿Ｌの値についても，パラメータＣ１＿Ｕと同様に上記のように求めた予測値に置換する。
【００９９】
そして，１枚目〜１２５枚目までのウエハについての解析用データを用いて主成分分析を行って，異常と判定された１２６枚目，１４０枚目，１５０枚目の各パラメータについて，残差得点Ｑに対する寄与度を求めると図７に示すようになる。図７（ａ），（ｂ），（ｃ）はそれぞれ，異常と判定されたウエハのうち，１２６枚目，１４０枚目，１５０枚目の各パラメータについて求めた寄与度を棒グラフに表したものである。図７によれば，パラメータＣ１＿Ｕ，Ｃ２＿Ｌの寄与度はともに０に近い値になっていることがわかる。
（異常原因として特定するパラメータの判定）
次に，どのパラメータまでを異常原因として特定するかについて説明する。残差得点Ｑにより異常と判定された場合に，その残差得点Ｑに対する寄与度の高いパラメータの順にその影響を取除いて残差得点Ｑを算出し直す。そして，新たに算出した残差得点Ｑに基づいて，異常原因として特定するパラメータを判定する。
【０１００】
具体的には，残差得点Ｑが正常と判断される所定値以下になるまで，残差得点Ｑに対する寄与度の高いパラメータの順に寄与度を０又は０に近い値にする。そして，残差得点Ｑが正常と判断される所定値以下になった時点で，それまでに寄与度を０又は０に近い値にしたパラメータを異常原因のパラメータと判定する。
【０１０１】
ここで，上述した図３の例で，残差得点に対する寄与度が高い順にパラメータの影響を取除きながら，新たに残差得点Ｑを算出したものを図面を参照しながら説明する。図８は，図６に示すようにパラメータＣ１＿Ｕの寄与度を０に近い値にして残差得点Ｑを算出し直したものである。具体的には，１２６枚目〜１５０枚目までのウエハの解析用データにおけるパラメータＣ１＿Ｕのみの値をＰＣＡ法により求めた予測値に置換して，残差得点Ｑを算出し直している。
【０１０２】
図８によれば，異常と判定された１２６枚目〜１５０枚目については，図３に示す残差得点Ｑよりも残差得点Ｑの方が低下していることがわかる。これは，パラメータＣ１＿Ｕの残差得点Ｑに対する影響を取除くと，残差得点Ｑがよくなる方向へ変化することを意味している。
【０１０３】
また，図８によれば，残差得点Ｑが正常と判定される所定値（判定基準）が例えば４以下であれば，１２６枚目〜１５０枚目の残差得点Ｑは所定値以下となるので正常と判断される。従って，このような判定基準が設定されている場合には，解析用データのうちパラメータＣ１＿Ｕのみが異常であると特定することができる。この場合には，パラメータＣ１＿Ｕのみに基づく修理やメンテナンス，例えば整合器の交換などを行えば足りる。
【０１０４】
これに対して，残差得点Ｑが正常と判定される所定値（判定基準）が例えば３以下であれば，１２６枚目〜１５０枚目の残差得点Ｑは所定値を越えるので異常と判断される。この場合は，異常原因として特定するパラメータはパラメータＣ１＿Ｕだけでは足りない。このため，パラメータＣ１＿Ｕの次に寄与度が大きいパラメータについても，寄与度を０又は０に近い値にして残差得点Ｑを算出し直す必要がある。
【０１０５】
そこで，本実施形態では，パラメータＣ１＿Ｕの次に寄与度が大きいパラメータは，パラメータＣ２＿Ｌであるので（図４参照），このパラメータＣ２＿Ｌについても，寄与度を０又は０に近い値にして残差得点Ｑを算出し直す。図９は，図７に示すようにパラメータＣ２＿Ｌの寄与度を０に近い値にして残差得点Ｑを算出し直したものである。具体的には，１２６枚目〜１５０枚目までのウエハの解析用データにおけるパラメータＣ２＿Ｌのみの値をＰＣＡ法により求めた予測値に置換して，残差得点Ｑを算出し直している。
【０１０６】
図９によれば，異常と判定された１２６枚目〜１５０枚目については，図８に示す残差得点Ｑよりもさらに残差得点Ｑの方が低下していることがわかる。これは，パラメータＣ１＿Ｕ，Ｃ２＿Ｌの残差得点Ｑに対する影響を取除くと，残差得点Ｑがより一層よくなる方向へ変化することを意味している。
【０１０７】
また，図９によれば，残差得点Ｑが正常と判定される所定値（判定基準）が例えば３以下のときには，１２６枚目〜１５０枚目の残差得点Ｑは所定値以下となるので正常と判断される。このため，このような判定基準が設定されている場合には，解析用データのうちパラメータＣ１＿Ｕのみならず，パラメータＣ２＿Ｌをも異常であると特定することができる。従って，このような場合には，パラメータＣ１＿Ｕ，Ｃ２＿Ｌに基づく修理やメンテナンスを行えば足り，その他のパラメータに基づく修理やメンテナンスまで行う必要がない。
【０１０８】
このように，本実施の形態では，異常と判断された解析用データの各パラメータについて，異常に対する影響度として例えば残差得点Ｑに対する寄与度を求め（影響度算出工程，影響度算出手段），寄与度が高いパラメータの順に，そのパラメータの寄与度を０又は０に近い値にして次々と残差得点Ｑを求め，残差得点Ｑが所定値以下になった時点で，それまでに寄与度を０又は０に近い値にしたパラメータを異常原因のパラメータと判定する（異常原因判定工程，異常原因判定手段）。これにより，残差得点Ｑに応じてパラメータを特定することができるので，異常原因となるパラメータを的確に判定することができる。このため，解析データが正常と判定されるために必要な修理やメンテナンスを的確に行うことができるので，修理やメンテナンスの効率化を図ることができる。
【０１０９】
また，異常に対する影響度を取除くパラメータについては，その特定のパラメータと，他のパラメータとの相関関係を多変量解析例えばＰＬＳ法により求め，この相関関係に基づいて特定のパラメータの予測値を求め，特定のパラメータの値を予測値に置換する。これにより，特別な演算方法を新たに作り出さなくても，容易に特定のパラメータの寄与度を０又は０に近い値にすることができる。但し，特別な演算方法を用いて特定のパラメータの寄与度を０又は０に近い値にするようにしてもよい。
【０１１０】
以上，添付図面を参照しながら本発明に係る好適な実施形態について説明したが，本発明は係る例に限定されないことは言うまでもない。当業者であれば，特許請求の範囲に記載された範疇内において，各種の変更例または修正例に想到し得ることは明らかであり，それらについても当然に本発明の技術的範囲に属するものと了解される。
【０１１１】
例えば，プラズマ処理装置としては，平行平板型のプラズマ処理装置に限られず，ヘリコン波プラズマ処理装置、誘導結合型プラズマ処理装置等に適用してもよい。
【０１１２】
また，解析用データとしては，本実施形態で挙げたデータ以外のＶＩプローブデータ，光学データ，トレースデータを用いてもよい。他のトレースデータとしては，各マスフローコントローラ１１８Ｂにより計測されるガス流量，圧力計１１５Ｂにより検出されるバックサイドガスのガス圧力，整合器１０７Ａにおける測定値として例えば高周波電力供給ライン（電線）と接地間の電圧Ｖｄｃ，電気計測器（ＶＩプローブ）１０７Ｃにおける測定値（例えば高周波電力の進行波など）が挙げられる。
【０１１３】
また，ウエハＷをエッチング処理する場合について説明したが，エッチング処理以外の成膜処理等の処理装置にも本発明を適用することができる。また，被処理体のウエハに制限されるものではない。
【０１１４】
【発明の効果】
以上詳述したように本発明によれば，異常原因となる解析データのパラメータを的確に特定することができ，解析データが正常と判定されるために必要な修理やメンテナンスを的確に行うことができるプラズマ処理装置の異常原因判定方法及び異常原因判定装置を提供できるものである。
【図面の簡単な説明】
【図１】本発明の実施形態にかかるプラズマ処理装置を示す概略構成図である。
【図２】本実施形態における多変量解析手段の１例を示すブロック図である。
【図３】本実施形態における解析用データに対して主成分分析を行ってモデルを作成した場合の残差得点Ｑのグラフを示す図である。
【図４】本実施形態において異常と判定されたウエハについての解析用データについて，残差得点Ｑに対する寄与度をグラフにした図である。
【図５】本実施形態における異常と判定されたウエハについての解析用データについて，パラメータＣ１＿Ｕを単に平均値に置換えた場合における残差得点Ｑに対する寄与度のグラフを示す図である。
【図６】本実施形態における異常と判定されたウエハについての解析用データについて，最も寄与度の大きいパラメータＣ１＿Ｕの影響度を取除いた場合における残差得点Ｑに対する寄与度のグラフを示す図である。
【図７】本実施形態における異常と判定されたウエハについての解析用データについて，次に寄与度の大きいパラメータＣ２＿Ｌの影響度を取除いた場合における残差得点Ｑに対する寄与度のグラフを示す図である。
【図８】本実施形態における最も寄与度の大きいパラメータＣ１＿Ｕの影響度を取除いた場合における残差得点Ｑのグラフを示す図である。
【図９】本実施形態における次に寄与度の大きいパラメータＣ２＿Ｌの影響度を取除いた場合における残差得点Ｑのグラフを示す図である。
【符号の説明】
１００ プラズマ処理装置
１０１ 処理室
１０１Ａ 上室
１０１Ｂ 下室
１０１Ｃ 排気管
１０１Ｄ バルブ
１０２ 下部電極
１０２Ａ 絶縁材
１０４ 上部電極
１０４ａ 電圧計
１０４ｂ 測定器
１０４ｄ 電圧計
１０４Ａ ガス導入部
１０４Ｄ 整合器
１０４Ｅ 高周波電源
１０６ ゲートバルブ
１０７ 高周波電源
１０７ａ 電圧計
１０７ｂ 測定器
１０７Ａ 整合器
１０７Ｂ 電圧計
１０７Ｃ 電気計測器
１０８ 静電チャック
１０８Ａ 電極板
１０９ 直流電源
１０９ａ 電流電圧計
１１０ａ フォーカスリング
１１１ 排気リング
１１５ ガス導入機構
１１５Ａ ガス配管
１１５Ｂ 圧力計
１１８ プロセスガス供給系
１１８Ａ バルブ
１１８Ｂ マスフローコントローラ
１１８Ｃ 処理ガス供給器
１１９ 排気系
１２０ 光学計測器
１２０ａ 検出窓
１２１ パラメータ計測器
１２２ 制御装置
１２３ 警報器
１２４ 表示装置
２００ 多変量解析手段
２０１ 多変量解析プログラム記憶手段
２０２ 電気的信号サンプリング手段
２０３ 光学的信号サンプリング手段
２０４ パラメータ信号サンプリング手段
２０５ 解析結果記憶手段
２０６ 演算手段
２０７ 予測・診断・制御手段
２０８ 解析処理部
２１１ データ記憶手段
２１２ 解析手段
Ｗ ウエハ
Claims (8)
- 処理室内の被処理体に対してプラズマ処理を行うプラズマ処理装置の異常原因判定方法であって，
前記プラズマ処理装置に配設された検出器から前記被処理体の各処理ごとに得られる検出値に基づいて複数のパラメータからなる解析用データを取得する解析用データ取得工程と，
取得された前記解析用データを分析して異常か否かを判定する異常判定工程と，
異常と判定された前記解析用データの各パラメータについて，その異常に対する影響度を算出する影響度算出工程と，
前記影響度が高いパラメータの順に，異常に対する影響を次々と取除いて異常か否かの判定を行い，正常と判断されるようになった時点で，それまでに異常に対する影響を取除いたパラメータを異常原因のパラメータと判定する異常原因判定工程と，
を有することを特徴とするプラズマ処理装置の異常原因判定方法。 - 前記異常判定工程は，取得された前記解析用データに対して主成分分析を行い，残差得点を求める工程と，前記残差得点が所定値を越える解析用データを異常と判定する工程とを有し，
前記影響度算出工程は，異常と判定された前記解析用データの各パラメータについて，異常に対する影響度として前記残差得点に対する寄与度を求め，
前記異常原因判定工程は，前記寄与度が高いパラメータの順に，そのパラメータの寄与度を０又は０に近い値にして次々と残差得点を求め，前記残差得点が前記所定値以下になった時点で，それまでに寄与度を０又は０に近い値にしたパラメータを異常原因のパラメータと判定することを特徴とする請求項１に記載のプラズマ処理装置の異常原因判定方法。 - 前記異常原因判定工程において，ある特定のパラメータの寄与度を０又は０に近い値にするには，特定のパラメータと，他のパラメータとの相関関係を多変量解析により求め，この相関関係に基づいて特定のパラメータの予測値を求め，特定のパラメータの値を前記予測値に置換することを特徴とする請求項２に記載のプラズマ処理装置の異常原因判定方法。
- 前記多変量解析は，部分最小二乗法であることを特徴とする請求項３に記載のプラズマ処理装置の異常原因判定方法。
- 処理室内の被処理体に対してプラズマ処理を行うプラズマ処理装置の異常原因判定装置であって，
前記プラズマ処理装置に配設された検出器から前記被処理体の各処理ごとに得られる検出値に基づいて複数のパラメータからなる解析用データを取得する解析用データ取得手段と，
取得された前記解析用データを分析して異常か否かを判定する異常判定手段と，
異常と判定された前記解析用データの各パラメータについて，その異常に対する影響度を算出する影響度算出手段と，
前記影響度が高いパラメータの順に，異常に対する影響を次々と取除いて異常か否かの判定を行い，正常と判断されるようになった時点で，それまでに異常に対する影響を取除いたパラメータを異常原因のパラメータと判定する異常原因判定手段と，
を備えたこと特徴とするプラズマ処理装置の異常原因判定装置。 - 前記異常判定手段は，取得された前記解析用データに対して主成分分析を行って残差得点を求め，前記残差得点が所定値を越える解析用データを異常と判定し，
前記影響度算出手段は，異常と判定された前記解析用データの各パラメータについて，異常に対する影響度として前記残差得点に対する寄与度を求め，
前記異常原因判定手段は，前記寄与度が高いパラメータの順に，そのパラメータの寄与度を０又は０に近い値にして次々と残差得点を求め，前記残差得点が前記所定値以下になった時点で，それまでに寄与度を０又は０に近い値にしたパラメータを異常原因のパラメータと判定すること，
を特徴とする請求項５に記載のプラズマ処理装置の異常原因判定装置。 - 前記異常原因判定手段において，ある特定のパラメータの寄与度を０又は０に近い値にするには，特定のパラメータと，他のパラメータとの相関関係を多変量解析により求め，この相関関係に基づいて特定のパラメータの予測値を求め，特定のパラメータの値を前記予測値に置換することを特徴とする請求項６に記載のプラズマ処理装置の異常原因判定装置。
- 前記多変量解析は，部分最小二乗法であることを特徴とする請求項７に記載のプラズマ処理装置の異常原因判定装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003143887A JP2004349419A (ja) | 2003-05-21 | 2003-05-21 | プラズマ処理装置の異常原因判定方法及び異常原因判定装置 |
| US10/849,307 US7389203B2 (en) | 2003-05-21 | 2004-05-20 | Method and apparatus for deciding cause of abnormality in plasma processing apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003143887A JP2004349419A (ja) | 2003-05-21 | 2003-05-21 | プラズマ処理装置の異常原因判定方法及び異常原因判定装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004349419A true JP2004349419A (ja) | 2004-12-09 |
Family
ID=33531530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003143887A Pending JP2004349419A (ja) | 2003-05-21 | 2003-05-21 | プラズマ処理装置の異常原因判定方法及び異常原因判定装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US7389203B2 (ja) |
| JP (1) | JP2004349419A (ja) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007258630A (ja) * | 2006-03-27 | 2007-10-04 | Hitachi Kokusai Electric Inc | 基板処理装置 |
| JP2007273419A (ja) * | 2006-03-31 | 2007-10-18 | Daihen Corp | インピーダンス整合装置 |
| JP2007329415A (ja) * | 2006-06-09 | 2007-12-20 | Fujitsu Ltd | データ処理方法、データ処理プログラム、該プログラムを記録した記録媒体およびデータ処理装置 |
| JP2009540569A (ja) * | 2006-06-07 | 2009-11-19 | ラム リサーチ コーポレーション | プラズマ処理反応器の故障状態を検出する方法及び装置 |
| JP2015211133A (ja) * | 2014-04-25 | 2015-11-24 | 株式会社荏原製作所 | Ｃｍｐ分析装置、ｃｍｐ分析方法、及びプログラム |
| KR20190092218A (ko) * | 2018-01-30 | 2019-08-07 | 가부시키가이샤 히다치 하이테크놀로지즈 | 플라스마 처리 장치 및 상태 예측 장치 |
| JP2019192923A (ja) * | 2019-06-06 | 2019-10-31 | 株式会社日立ハイテクノロジーズ | プラズマ処理装置およびプラズマ処理方法 |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7698111B2 (en) * | 2005-03-09 | 2010-04-13 | Hewlett-Packard Development Company, L.P. | Method and apparatus for computational analysis |
| US8349128B2 (en) * | 2004-06-30 | 2013-01-08 | Applied Materials, Inc. | Method and apparatus for stable plasma processing |
| US20060000802A1 (en) * | 2004-06-30 | 2006-01-05 | Ajay Kumar | Method and apparatus for photomask plasma etching |
| US20070088448A1 (en) * | 2005-10-19 | 2007-04-19 | Honeywell International Inc. | Predictive correlation model system |
| US7909961B2 (en) * | 2006-10-30 | 2011-03-22 | Applied Materials, Inc. | Method and apparatus for photomask plasma etching |
| US7943005B2 (en) | 2006-10-30 | 2011-05-17 | Applied Materials, Inc. | Method and apparatus for photomask plasma etching |
| JP5612696B2 (ja) * | 2009-10-16 | 2014-10-22 | テレフオンアクチーボラゲット エル エム エリクソン（パブル） | 通信ネットワーク内のサービス品質結果の特定及びアクセスのためのネットワーク管理システム及び方法 |
| KR20120041427A (ko) * | 2010-10-21 | 2012-05-02 | 삼성전자주식회사 | 플라즈마 진단장치 및 그 제어방법 |
| JP5962668B2 (ja) | 2011-01-20 | 2016-08-03 | 日立金属株式会社 | オンボードでの診断、予測及びデータ収集を行うマスフローコントローラ |
| TWI794293B (zh) * | 2017-09-25 | 2023-03-01 | 美商應用材料股份有限公司 | 使用製程控制參數矩陣的半導體製造 |
| CN116387208B (zh) * | 2023-06-02 | 2023-08-18 | 合肥喆塔科技有限公司 | 基于阈值管控的腔室匹配分析方法、***、设备及介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5910011A (en) | 1997-05-12 | 1999-06-08 | Applied Materials, Inc. | Method and apparatus for monitoring processes using multiple parameters of a semiconductor wafer processing system |
| 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 |
-
2003
- 2003-05-21 JP JP2003143887A patent/JP2004349419A/ja active Pending
-
2004
- 2004-05-20 US US10/849,307 patent/US7389203B2/en active Active
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007258630A (ja) * | 2006-03-27 | 2007-10-04 | Hitachi Kokusai Electric Inc | 基板処理装置 |
| JP2007273419A (ja) * | 2006-03-31 | 2007-10-18 | Daihen Corp | インピーダンス整合装置 |
| JP2009540569A (ja) * | 2006-06-07 | 2009-11-19 | ラム リサーチ コーポレーション | プラズマ処理反応器の故障状態を検出する方法及び装置 |
| JP2007329415A (ja) * | 2006-06-09 | 2007-12-20 | Fujitsu Ltd | データ処理方法、データ処理プログラム、該プログラムを記録した記録媒体およびデータ処理装置 |
| US7684965B2 (en) | 2006-06-09 | 2010-03-23 | Fujitsu Microelectronics Limited | Method and apparatus for processing data, and computer product |
| JP2015211133A (ja) * | 2014-04-25 | 2015-11-24 | 株式会社荏原製作所 | Ｃｍｐ分析装置、ｃｍｐ分析方法、及びプログラム |
| KR20190092218A (ko) * | 2018-01-30 | 2019-08-07 | 가부시키가이샤 히다치 하이테크놀로지즈 | 플라스마 처리 장치 및 상태 예측 장치 |
| KR102101222B1 (ko) * | 2018-01-30 | 2020-04-17 | 주식회사 히타치하이테크 | 플라스마 처리 장치 및 상태 예측 장치 |
| US11107664B2 (en) | 2018-01-30 | 2021-08-31 | Hitachi High-Tech Corporation | Plasma processing apparatus and prediction apparatus of the condition of plasma processing apparatus |
| JP2019192923A (ja) * | 2019-06-06 | 2019-10-31 | 株式会社日立ハイテクノロジーズ | プラズマ処理装置およびプラズマ処理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20050006344A1 (en) | 2005-01-13 |
| US7389203B2 (en) | 2008-06-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4464276B2 (ja) | プラズマ処理方法及びプラズマ処理装置 | |
| JP4317701B2 (ja) | 処理結果の予測方法及び予測装置 | |
| KR100612736B1 (ko) | 플라즈마 처리 방법 및 플라즈마 처리 장치 | |
| JP2004349419A (ja) | プラズマ処理装置の異常原因判定方法及び異常原因判定装置 | |
| JP2004335841A (ja) | プラズマ処理装置の予測装置及び予測方法 | |
| US20040235304A1 (en) | Plasma treatment apparatus | |
| JP2004039952A (ja) | プラズマ処理装置の監視方法およびプラズマ処理装置 | |
| US7689028B2 (en) | Method and apparatus for evaluating processing apparatus status and predicting processing result | |
| 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 | |
| US20080097627A1 (en) | Monitoring method of processing state and processing unit | |
| JP4224454B2 (ja) | 処理装置の多変量解析モデル式作成方法，処理装置用の多変量解析方法，処理装置の制御装置，処理装置の制御システム | |
| JP4220378B2 (ja) | 処理結果の予測方法および処理装置 | |
| US7630064B2 (en) | Prediction method and apparatus for substrate processing apparatus | |
| JP4675266B2 (ja) | 基板処理装置の処理結果の予測方法及び予測装置 | |
| JP4173311B2 (ja) | シーズニング終了検知方法及びプラズマ処理方法並びにプラズマ処理装置 | |
| US7313451B2 (en) | Plasma processing method, detecting method of completion of seasoning, plasma processing apparatus and storage medium | |
| JP2004039805A (ja) | プロセスの予測方法及び処理装置 | |
| JPH11238723A (ja) | プラズマ処理のモニタリング方法及び装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060328 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080609 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081118 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090109 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090203 |