CORRECTING COMPONENT FAILURES IN ION IMPLANT SEMICONDUCTOR MANUFACTURING TOOL

• Main Authors: RAJAGOPAL, Harikrishnan, LIAO, Tianqing, DIDARI, Sima
• Format: Patent
• Language: English; French
• Published: 06.08.2020
• Subjects: BASIC ELECTRIC ELEMENTS; CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; CONTROL OR REGULATING SYSTEMS IN GENERAL; CONTROLLING; COUNTING; ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS; ELECTRICITY; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS ORELEMENTS; PHYSICS; REGULATING

Methods, systems, and non-transitory computer readable medium are provided for correcting component failures in ion implant semiconductor manufacturing tool. A method includes receiving, from sensors associated with an ion implant tool, current sensor data corresponding to features; performing feature analysis to generate additional features for the current sensor data; providing the additional features as input to a trained machine learning model; obtaining one or more outputs from the trained machine learning model, where the one or more outputs are indicative of a level of confidence of a predicted window; predicting, based on the level of confidence of the predicted window, whether one or more components of the ion implant tool are within a pre-failure window; and responsive to predicting that the one or more components are within the pre-failure window, performing a corrective action associated with the ion implant tool. Cette invention concerne des procédés, des systèmes et un support non transitoire lisible par ordinateur pour corriger des défaillances de composants dans un outil de fabrication de semi-conducteur d'implantation ionique. Un procédé selon l'invention comprend les étapes consistant à : recevoir, en provenance de capteurs associés à un outil d'implantation ionique, des données de capteur actuelles correspondant à des caractéristiques ; effectuer une analyse de caractéristiques pour générer des caractéristiques supplémentaires pour les données de capteur actuelles ; fournir les caractéristiques supplémentaires en tant qu'entrée à un modèle d'apprentissage automatique entraîné ; obtenir une ou plusieurs sortie(s) à partir du modèle d'apprentissage automatique entraîné, la/les sortie(s) indiquant un niveau de confiance d'une fenêtre prédite ; prédire, sur la base du niveau de confiance de la fenêtre prédite, si un ou plusieurs composants de l'outil d'implantation ionique se trouvent à l'intérieur d'une fenêtre de pré-défaillance ; et en réponse à la prédiction du fait que le(s) composant(s) se trouvent à l'intérieur de la fenêtre de pré-défaillance, effectuer une action corrective associée à l'outil d'implantation ionique.