CN109148330B - 热处理装置、热处理装置的管理方法以及存储介质 - Google Patents
热处理装置、热处理装置的管理方法以及存储介质 Download PDFInfo
- Publication number
- CN109148330B CN109148330B CN201810680660.7A CN201810680660A CN109148330B CN 109148330 B CN109148330 B CN 109148330B CN 201810680660 A CN201810680660 A CN 201810680660A CN 109148330 B CN109148330 B CN 109148330B
- Authority
- CN
- China
- Prior art keywords
- heat treatment
- treatment apparatus
- substrate
- mounting plate
- wafer
- 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.)
- Active
Links
- 238000010438 heat treatment Methods 0.000 title claims abstract description 108
- 238000003860 storage Methods 0.000 title claims abstract description 7
- 238000007726 management method Methods 0.000 title abstract description 4
- 238000001514 detection method Methods 0.000 claims abstract description 96
- 238000000034 method Methods 0.000 claims abstract description 79
- 230000008569 process Effects 0.000 claims abstract description 62
- 230000002159 abnormal effect Effects 0.000 claims abstract description 59
- 238000013528 artificial neural network Methods 0.000 claims abstract description 34
- 230000005856 abnormality Effects 0.000 claims abstract description 21
- 230000004044 response Effects 0.000 claims abstract description 11
- 239000000758 substrate Substances 0.000 claims description 36
- 238000011282 treatment Methods 0.000 claims description 16
- 230000010485 coping Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 abstract description 4
- 235000012431 wafers Nutrition 0.000 description 103
- 238000012545 processing Methods 0.000 description 38
- 230000007246 mechanism Effects 0.000 description 19
- 238000012546 transfer Methods 0.000 description 19
- 239000007789 gas Substances 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 238000005336 cracking Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 5
- 238000010926 purge Methods 0.000 description 4
- 230000003028 elevating effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000002243 precursor Substances 0.000 description 2
- 230000007723 transport mechanism Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000004132 cross linking Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 229910052814 silicon oxide Inorganic materials 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
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
- H01L21/67011—Apparatus for manufacture or treatment
- H01L21/67098—Apparatus for thermal treatment
- H01L21/67103—Apparatus for thermal treatment mainly by conduction
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/045—Explanation of inference; Explainable artificial intelligence [XAI]; Interpretable artificial intelligence
-
- 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
- H01L21/67248—Temperature monitoring
-
- 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
- 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
- H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
-
- 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
- H01L21/683—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 for supporting or gripping
- H01L21/6838—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 for supporting or gripping with gripping and holding devices using a vacuum; Bernoulli devices
-
- 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
- H01L21/683—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 for supporting or gripping
- H01L21/687—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 for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches
- H01L21/68714—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 for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches the wafers being placed on a susceptor, stage or support
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B1/00—Details of electric heating devices
- H05B1/02—Automatic switching arrangements specially adapted to apparatus ; Control of heating devices
- H05B1/0227—Applications
- H05B1/023—Industrial applications
- H05B1/0233—Industrial applications for semiconductors manufacturing
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B3/00—Ohmic-resistance heating
- H05B3/20—Heating elements having extended surface area substantially in a two-dimensional plane, e.g. plate-heater
- H05B3/22—Heating elements having extended surface area substantially in a two-dimensional plane, e.g. plate-heater non-flexible
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Exposure Of Semiconductors, Excluding Electron Or Ion Beam Exposure (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
本发明提供一种热处理装置、热处理装置的管理方法以及存储介质。当在热板上载置晶圆来进行热处理时,对热处理装置运转时发生的异常采取恰当的应对。从紧挨着将晶圆载置到热板(3)上之前起以规定的采样间隔采集热板(3)的温度的检测值、对热板(3)进行加热的加热器的供给电力的指令值、在热板(3)的表面开口的吸引口的吸引压的检测值,获取直到例如热板(3)的温度稳定的时点为止的各检测值的时间序列数据。将这些时间序列数据输入到神经网络(5)的输入层,针对装置异常或者晶圆翘曲的异常求出每个异常模式发生的概率。基于这些概率,从预先决定的多个应对处理中决定应该采取的应对处理。
Description
技术领域
本发明涉及一种在被加热部加热的载置板上载置基板来对该基板进行加热处理的装置中根据载置板的温度等多个物理量的检测结果来估计异常模式并进行应对处理的技术领域。
背景技术
在半导体装置的制造工序中,例如在形成抗蚀图案的一系列处理包括加热半导体晶圆(以下称为“晶圆”)的热处理。作为热处理,可举出将抗蚀剂涂敷到晶圆之后使溶剂挥发的处理、通过曝光使抗蚀剂膜中产生的酸扩散的处理、对显像后的抗蚀剂膜进行加热的处理等。另外,不限于抗蚀图案的形成,例如也可举出在晶圆上涂敷包含氧化硅膜的前驱体的涂敷液之后、为了引起前驱体的交联反应而对晶圆进行加热的处理等。
作为这种热处理装置,使用如下装置:经由被称为间隙销等的多个突起部将晶圆以比载置面略微浮起的状态载置于热板,该热板兼做配置于处理容器内的载置台,在其下表面或者内部设置有加热器。另外,有时当使热处理装置运转时例如异物附着于载置台上、晶圆上移到异物。另外,也有时载置台(热板)处于裂开的状态。当发生这种异常时,无法对晶圆进行恰当的热处理。
专利文献1记载了如下技术:通过对烘烤板的表面温度的检测值与设定温度的差进行积分并监视积分值来检测异常。在这种情况下,当晶圆被正确地载置于烘烤板时,表面温度暂时下降而积分值变大,但是当晶圆倾斜地载置于烘烤板时积分值变小。
另外,专利文献2记载了如下方法:通过将设置于热板的多个温度检测值的温度检测值视为质量并求出温度的重心来检测热板上的微粒引起的晶圆的上移、晶圆的翘曲等引起的晶圆中心的异常浮起。
作为热处理装置运转时发生的异常的方式,除了晶圆的上移、翘曲大的晶圆的搬入等以外,还存在如已述那样载置台裂开、用于进行设置于载置台的真空吸盘的启动和关闭的真空阀故障等情况。在专利文献1、2的技术中,当发生设为检测对象的异常方式以外的其它异常时,也被判断为发生异常,但是无法区分异常的方式,因此存在有时不能采取恰当的应对这样的课题。
专利文献1:日本特开2009-123816号
专利文献2:日本特开2016-66779号
发明内容
发明要解决的问题
本发明是鉴于这种情况而做出的,其目的在于提供一种能够对热处理装置运转时发生的异常采取恰当的应对的技术。
用于解决问题的方案
本发明是一种热处理装置,其具备载置板,该载置板配置于处理容器内并且在该载置板表面设置有用于避免基板和该表面接触的多个突起部,该载置板被加热部加热,该热处理装置在所述载置板上载置基板来对该基板进行加热处理,该热处理装置的特征在于,具备:多种物理量检测部,其分别检测被设定为运转条件的多种物理量;状态估计部,其通过输入层被输入检测值群的神经网络,来针对多个异常模式的各个异常模式求出发生该异常模式的发生概率,所述检测值群是按所述多种物理量检测部分别检测到的多种物理量检测值的各种物理量检测值得到的时间序列的检测值群;以及选择部,其基于由所述状态估计部估计出的异常模式的发生概率来从多个应对处理中选择应该采取的应对处理,其中,所述多种物理量检测值中的一种物理量检测值是由温度检测部检测到的温度检测值,该温度检测部是检测载置板的温度的物理量检测部。
其它发明是一种热处理装置的管理方法,其管理热处理装置,该热处理装置具备载置板,该载置板配置于处理容器内并且在该载置板的表面设置有用于避免基板和该表面接触的多个突起部,该载置板被加热部加热,该热处理装置在所述载置板上载置基板来对该基板进行加热处理,该管理方法的特征在于,包括以下工序:至少在将所述基板载置于载置板上之后的时间段内,分别检测被设定为运转条件的多种物理量;通过输入层被输入检测值群的神经网络,来针对多个异常模式的各个异常模式求出发生该异常模式的发生概率,所述检测值群是按检测的工序中检测到的多种物理量检测值的各种物理量检测值得到的时间序列的检测值群;以及基于所述异常模式的发生概率来从多个应对处理中选择应该采取的应对处理,其中,所述多种物理量检测值中的一种物理量检测值是由温度检测部检测到的温度检测值,该温度检测部是检测载置板的温度的物理量检测部。
另一发明是一种存储介质,其特征在于存储有热处理装置所使用的计算机程序,该热处理装置具备载置板,该载置板配置于处理容器内并且在该载置板的表面设置有用于避免基板和该表面接触的多个突起部,该载置板被加热部加热,该热处理装置在所述载置板上载置基板来对该基板进行加热处理,所述计算机程序中编入有步骤群以执行作为本发明的热处理装置的管理方法。
发明的效果
本发明在被加热部加热的载置板上载置基板来对该基板进行加热处理时,检测被设定为运转条件的包含载置板的温度在内的多种物理量,将针对各种物理量检测值获得的时间序列的检测值群输入到神经网络。而且,通过神经网络对多个异常模式的各个异常模式求出发生该异常模式的发生概率,根据各异常模式的发生概率,从多个应对处理中选择应该采取的应对处理。因而,能够对热处理装置运转时发生的异常方式(异常模式)进行异常模式的区分,即能够估计哪个异常模式的发生概率高,能够对热处理装置运转时发生的异常采取恰当的应对。
附图说明
图1是表示本发明的实施方式所涉及的热处理装置中使用的装置主体的纵截面侧视图。
图2是包含上述的装置主体的主要部分的简要图、物理量的检测部以及状态监视部的结构图。
图3是表示用于控制热处理装置中使用的加热器的电力的电路的一部分的电路框图。
图4是表示上述的状态监视部的结构的框图。
图5是表示通过神经网络对多个异常模式的各个异常模式求出发生该异常模式的发生概率的状态估计部的说明图。
图6是表示神经网络的一个例子的详细情况的说明图。
图7是示意性地表示输入到神经网络的输入值的一个例子的曲线图。
图8是表示异常模式的发生概率和应对处理的关系的说明图。
图9是表示本发明的实施方式的作用的流程图。
附图标记说明
1:壳体;12:晶圆移交机构;2:热处理部;21:盖部;22:基座部;25:气体供给通路;26:排气通路;27:排气压检测部;29:流量检测部;3:热板;30:突起部;31(31a~31c):加热器;32:电力控制电路;33:输出部;35(35a~35c):温度传感器;36:吸引孔;37:吸引通路;39:吸引压检测部;4:状态监视部;41:状态估计部;42:应对处理选择部;5:神经网络;51:输入层;52:隐藏层;53:输出层。
具体实施方式
图1是表示本发明的实施方式所涉及的热处理装置的装置主体(热处理组件)的图。1是构成外壳的壳体,11是作为基板的晶圆的搬送口。从搬送口11来观察,在背侧设置对基板进行热处理的热处理部2,并且在热处理部2的前侧,晶圆移交机构12待机,该晶圆移交机构12用于将经由搬送口11从外部的主搬送机构接受的晶圆搬送到热处理部2,兼做冷却板。
热处理部2具备构成处理容器的一部分的盖部21和与盖部21一起构成处理容器的基座部22。基座部22设置于划分板13并构成为上表面开口的扁平的筒状体,该划分板13对配置晶圆W的上部侧的环境和下部侧的机构部分的配置区域进行划分。处理容器构成为能够通过使盖部21升降的开闭机构21a来开闭。
在处理容器内设置有兼做晶圆W的载置板的热板3。关于与热板3有关的结构在后面记述。在盖部21设置有用于从外周部供给吹扫气体的气体供给用的通路23和用于从中央部排气的排气口24。气体供给用的通路23经由气体供给通路25来与后述的吹扫气体供给部连接。排气口24连接于一端侧与工厂排气部连接的排气通路26的另一端侧。在图1中,14是用于在晶圆移交机构12与热板3之间进行晶圆W的交接的升降销。升降销14构成为贯通基座部22和热板3并能够通过升降机构15来升降,例如设置有三根。另外,16是用于在外部的主搬送机构与晶圆移交机构12之间进行晶圆W的交接的升降销,其构成为贯通基座部22和晶圆移交机构12的臂部分并能够通过升降机构17来升降。
图2是简要地表示与热板3关联的部位和与气体(日语:用力)系统关联的部位的结构图。在热板3的例如下表面设置有由电阻发热元件构成的加热器31。热板3被分割为多个加热区,该多个加热区被各自独立地进行控制温度。在该例子中,为了方便设为设置有以热板3的中心为中心的三个加热区,该三个加热区为与热板3的中央部的加热区相当的圆形区域和在该圆形区域的外侧以同心的环状内外双重设置的两个加热区。即,在该例子中,存在在热板3的径向上进行三分割所得到的加热区。因而,加热器31与这三个加热区对应地,由三个环状的加热器31a~31c构成。关于加热区,也可以采用如下布局:在热板3的径向上进行多分割,且将该分割区域在周方向上进行分割等。
在各加热器31a~31c分别连接有电力控制电路,在图2中为了方便示出与加热器31b对应的电力控制电路32。另外,在热板3中设置有温度传感器35,该温度传感器35是检测热板3的温度的温度检测部。更具体地说,设置有温度传感器35a~35c,该温度传感器35a~35c是用于分别检测已述的三个加热区的温度的温度检测部。温度传感器35a~35c例如粘贴在热板3的表面,但是在图2中示出为在热板3的内部。电力控制电路32具备输出电力指令值的电力指令值的输出部33和根据电力指令值向加热器31b供给电力的电力供给部34。
如图3所示,输出部33具备取温度目标值和通过温度传感器35b检测到的温度检测值之间的偏差的加法部331和对上述偏差进行例如PID(proportionalintegral anddifferential:比例积分微分)运算来输出电力指令值的调节部332。调节部332例如由具备PID运算功能的放大器构成。
电力供给部34例如包含交流电源部、开关元件等,构成为根据与电力指令值对应的占空比来控制交流电压的相位。
回到图2,为了不使晶圆W的下表面接触到热板3的表面(载置面),在热板3的表面设置有间隙销30,该间隙销30例如是高度为0.3mm~0.5mm左右的多个突起部。
并且,在热板3中设置有在表面开口的多个吸引孔36,在各吸引孔36连接有吸引通路37。各吸引通路37在上游侧合流后与吸引机构38连接。在各吸引通路37连接有阀(吸引阀)V1,在各吸引通路37合流的合流通路设置有作为检测吸引压的压力计的吸引压检测部39。吸引孔36是在晶圆W有翘曲的情况下通过吸引晶圆W的下表面来使晶圆W平坦化的部件,例如设置于热板3的中心部,进一步在与晶圆W的外周部接近的位置在周方向上设置多个。此外,在图2中,间隙销30和吸引孔37的布局是为了方便而示出的,不是作为真机的一个例子来示出的。另外,为了图示方便,以从间隙销30脱离的状态来示出晶圆W。
当说明盖部21侧的气体系统时,已述的气体供给用的通路23的入口例如相对于盖部21的中心以对称的方式设置于两处,与各入口连接的气体供给通路25在上游侧合流后与例如氮气的吹扫气体的气体供给源28连接。在图2中,V2、V3是阀。
为了使热处理装置运转,使用规定了处理的顺序、处理所需的参数的设定值的工艺制程,工艺制程存储于控制部的存储器。上述的热板3的温度(详细地说各加热区的目标温度)、吸引通路37的吸引压(详细地说合流部位的吸引压的目标值)相当于上述参数,是物理量。因而,这些物理量被设定为装置的运转条件,温度传感器35a~35c、吸引压检测部39相当于分别检测多种物理量的多种物理量检测部。
在该实施方式中,将电力指令值作为神经网络5的输入值之一来处理,因此,电力指令值是物理量检测值之一,调节部332相当于物理量检测部。电力指令值根据作为被设定为装置的运转条件的物理量的温度的检测值而变化,即根据加热器31的发热量而变化,因此,能够作为物理量检测值来处理,因而调节部332可以说是物理量检测部。
此外,也可以设置电力检测部来检测加热器3的供给电力,将其电力检测值代替电力指令值或者将电力检测值一起作为神经网络5的输入值之一来使用。另外,电力检测部相当于物理量检测部,电力检测值相当于物理量检测值。
本实施方式的热处理装置如图2所示那样具备状态监视部4。在状态监视部4被输入来自温度传感器35a~35c的检测值、吸引压检测部39的检测值以及与各加热器31a~31c对应的输出部33的电力指令值。此外,关于温度传感器和加热器的标记,有时根据记载分别如“35”、“31”那样使用总体的标记。
状态监视部4如图4所示那样具备状态估计部41和应对处理选择部42。状态估计部41由被输入各检测值(包含电力指令值)的神经网络构成,对预先决定的多个现象模式的各个现象模式求出发生概率。多个现象模式作为包含多个异常模式和正常模式的术语来使用。多个异常模式是指热处理装置异常的模式和晶圆W的载置状态异常、晶圆的翘曲大于规定程度的状态。在图4中,为了容易理解,附记了关于正常、晶圆上移、晶圆翘曲、作为热板3损伤的热板裂开、吸引阀V1的电磁线圈(电磁阀工作用的电磁线圈)故障的发生概率。此外,发生概率的数值是方便的值。43是存储有在神经网络的运算中使用的参数的存储部。通过反复进行示教(带正确答案标签)学习来决定这些参数的值。
应对处理选择部42具备根据由状态估计部41估计出的信息(各现象模式的发生概率)来从预先决定的多个应对处理中选择应该采取的应对处理的功能。在图4中将作为选择对象的应对处理附随应对处理选择部42记载于框内,在该例子中,作为应对处理,决定有处理继续(级别1)、处理继续+警告(级别2)、处理继续+警告+晶圆标记(级别3)、处理停止(级别4)这四个级别(四个阶段)。关于应对处理和级别的阶段将在后面记述。
作为警告,例如能够举出在热处理装置的操作画面显示用于操作员确认异常模式的发生概率来研究是否继续处理的判断的内容、或者发出警告音、或者例如使警告灯点亮等这样的警告。
晶圆标记的处理可举出例如对包含晶圆的那批晶圆的处理的历史记录数据进行标记。在半导体制造厂内,按批收容到搬送容器内来搬入各处理站,但是工厂内的计算机对各批的晶圆记录处理的历史记录,通过向该记录数据中输入规定的标记,有助于对该晶圆的检查结果的分析。另外,作为晶圆标记,也可以是对晶圆的规定的部位直接用墨水进行标记的处理。即晶圆标记处理是为了之后告知晶圆是以有可能发生异常模式的状态进行了处理的晶圆而在数据上或者对晶圆直接进行标记的处理。
图5是将神经网络5和现象模式对应地示出的说明图。51~53分别是神经网络5的输入层、隐藏层(中间层)以及输出层。输入层51的节点的数量是根据输入数据的数量来决定的。输入数据是物理量的检测值的时间序列数据,在该例子中是温度传感器35a~35c的检测值、吸引压检测部39的检测值、以及来自与各加热器31a~31c对应的输出部33的电力指令值(作为调节部332的输出信号的MV(Manipulated Variable:自变量))的各时间序列数据。时间序列数据是在预先决定的时间段中以规定时间间隔采集得到的物理量的检测值群。预先决定的时间段至少是将晶圆W载置到热板3上之后的时间段。关于预先决定的时间段,在例如将由于晶圆W载置到热板3上而热板3的温度暂时下降、之后温度上升变得稳定的时点设为t1时,该时间段是例如紧挨着晶圆W搬入到热板3上之前例如几秒前至时点t1的时间段。采样间隔例如设定为0.1秒~0.3秒左右,但是如果是神经网络5能够得到制作者意图的结果的时间间隔,则能够任意地设定。
当将预先设定的时间段例如设为40秒、将采样间隔例如设为0.2秒时,在该例子中,加热器3被设置3个通道,因此时间序列数据的合计数成为温度检测值+电力指令值+吸引压检测值=3×200+3×200+200=1400,输入层的节点数量成为1400。在这种情况下,当对图5所示的输入层从上层侧起设为节点1、节点2…时,将温度传感器35a的时间序列数据分配到节点1~200、将温度传感器35b的时间序列数据分配到节点201~400、将温度传感器35c的时间序列数据分配到节点401~600、将加热器31a的电力指令值35a的时间序列数据分配到节点601~800这样地按顺序将各种物理量检测值的时间序列数据分配到节点。
输出层53的节点的数量与现象模式的数量相对应。图5中例示现象模式,在这种情况下节点的数量是5个。从输出层53的各节点得到分配到节点的现象模式的发生概率。在现象模式中,“晶圆上移”是高度高于间隙销30的异物被载置到热板3上且晶圆W上移到该异物上的状态。作为异物,有晶圆W的碎片、脱落的部件、树脂制部件的碎片等。“热板裂开”是热板3损伤的一种方式,是热板3裂开而损伤的状态。“VAC电磁线圈故障”是对吸引通路37进行开闭的阀V1的驱动部的电磁线圈的故障,阀V1保持关闭。“晶圆翘曲”相当于晶圆的周边向上翘曲的状态、向下翘曲的状态、鞍状扭曲的状态中的任一个,是变形程度超过了设想程度的状态。
关于隐藏层52的节点的数量,在使神经网络5进行学习的阶段,例如最初设得少,但得不到制作者意图的结果,增加节点数量来使神经网络5再次进行学习,当得到意图的结果时决定为该节点数量。
图6是示意性地表示神经网络5的一个例子、且详细地表示被执行的处理的图。在该例子中,为了说明的方便,将输入层51的节点的数量设为10个、将隐藏层52的节点的数量设为8个、输出层的节点设为5个。x1~x10是物理量的检测值的时间序列数据,图7中示出其图像。图7是由温度传感器35检测到的温度检测值的时间序列数据,x1~x10是温度检测值的采样值。
当回到图6时,x1~x10被预处理部50进行预处理,x1′~x10′表示被预处理后的值。预处理既可以是例如下述的(1)式那样将数据进行归一化的处理,也可以是如(2)式那样标准化的处理。
xj′=(xi-x[min])/(x[max]-x[min])…(1)
其中,x[max]、x[min]分别是x1~x10的最大值、最小值。
xj′=(xi-x[ave])/σ…(2)
其中,x[ave]是x1~x10的平均值、σ是标准偏差。
(1)和(2)式的分母是表示时间序列数据的分布的指标,因而,预处理可以说是求出表示各数据在时间序列数据的分布中的位置的指标、例如在0和1之间表示的指标的处理。
从输入层51的第i层的节点向隐藏层52的第j层的节点的连接权值(Connectionweight)表示为wij (1)。隐藏层52的第j层的节点中的加权总和以aj (1)来处理,在图6中,关于加权总和的式子,以隐藏层52的最上层的节点52-1为代表来示出。隐藏层52的第j层的节点的输出以Zj来处理,在图6中,关于该输出,以隐藏层52的最上层的节点52-1为代表来示出。
从隐藏层52的第j层的节点向输出层53的第k层的节点的连接权值表示为wij (2)。输出层53的第k层的节点中的加权总和以ak (2)来处理,在图6中,关于加权总和的式子,以输出层53的最上层的节点53-1为代表来示出。输出层53的第k层的节点的输出以yk来处理,在图6中,关于该输出,以输出层53的最上层的节点53-1为代表来示出。
对输出层53的五个节点53分配现象模式,yk是各现象模式的发生概率。
在输入入层51和隐藏层52的各节点的上面,用圆包围“1”的部位是输出偏置b1(1)、b1(2)的部位。
在实际的神经网络5中,如已述那样输入层51的节点的数量与各物理量的检测值的时间序列数据的合计值相当,输出层53的节点的数量与现象模式的数量相当。另外,隐藏层52的节点的数量在学习阶段被设定为恰当的数量。
图8是表示如何基于通过神经网络5得到的现象模式的发生概率中的、除了正常模式以外的各异常模式的发生概率来选择已述的四个应对处理的一个例子的表,即将发生概率和应对处理关联的表。例如,如果晶圆翘曲的发生概率小于10%则继续处理,如果晶圆上移的发生概率为20%则继续处理但是进行警告。另外,如果热板裂开的发生概率为20%则继续处理且进行警告、并在此基础上进行晶圆标记,如果晶圆上移的发生概率为60%则停止处理。
图8所述的应对处理的级别如已述那样从左侧起以级别1、级别2、级别3、级别4的顺序排列,越靠右,应对处理的级别越高。这四个级别1~4(四个应对处理)的级别的数值越大,各异常模式的发生概率越高。另外,在相互不同的异常模式之间,级别相同但是发生概率不同,这可以说越是发生概率被设定得小的异常模式(例如在“处理停止”的级别中,与“晶圆翘曲”相比“热板裂开”的发生概率更小),针对晶圆的处理估计的异常的影响越大。
在能够与多个异常模式的各自的发生概率对应地选择多个应对处理的条件成立的情况下,选择该多个应对处理中的最高级别(数值大的级别)的应对处理。
当举出具体的一个例子时,例如设为晶圆翘曲的发生概率是40%、晶圆上移的发生概率是25%、VAC电磁线圈故障的发生概率是8%、热板裂开的发生概率是35%。在这种情况下,根据晶圆翘曲的发生概率来选择的应对处理是处理继续+警告(级别2),根据晶圆上移的发生概率来选择的应对处理也同样是处理继续+警告(级别2),根据VAC电磁线圈故障的发生概率来选择的应对处理是处理继续(级别1),根据热板裂开的发生概率来选择的应对处理是处理停止(级别4)。在这样能够选择多个应对处理的条件成立的情况下,选择作为级别高的应对处理的处理停止(级别4)。
图8所示的表和使用该表来选择应对处理的软件构成应对处理选择部42。
图8所示的各应对处理的发生概率的范围只表示一个例子,通过反复运用或者根据装置使用者的管理方法等来适当决定。
关于应对处理,不限于已述的例子,例如也可以是吸引压检测部39等物理量检测部本身的动作的确认、向加热器31供给电力的电路的检查等处理。
状态估计部41、应对处理选择部42以及参数存储部43例如由计算机来构成,该计算机具备编入有指令群的程序、以及例如包含图8所示的表的软件以进行物理量检测值的输入、基于神经网络5的各现象模式的发生概率的计算、应对处理的选择。
接着说明上述实施方式的作用。图9是表示本实施方式的热处理装置的动作的整体流程的流程图。处理前的晶圆W从壳体1的搬送口通过外部的主搬送机构并经由升降销16的升降动作被搬入到壳体内的晶圆移交机构12(详细地说,构成晶圆移交机构12的冷却用的臂上)(步骤S1)。然后,通过晶圆移交机构12将晶圆W搬送到热板3的上方,经由升降销14的升降动作来载置到热板3之上。详细地说,晶圆W被间隙销3支承而处于从载置面略微浮起的状态。
接着,在晶圆移交机构12退回到待机位置之后,盖部21下降并与基座部22紧密接合,放置晶圆W的空间变成密闭空间。之后,对由盖部21和基座部22构成的处理容器内,从盖部21的外周部附近供给吹扫气体并且从盖部21的中央部排气。
热板3在载置晶圆W之前被加热到工艺温度例如80℃~200℃的温度,通过载置晶圆W,热板3的温度暂时下降。然后,通过加热器31的发热而从热板3向晶圆W导热,从而晶圆W的温度上升,热板3的温度也随之向工艺温度上升,最终稳定在工艺温度。这样对晶圆W进行热处理(步骤S2)。从晶圆W被载置于热板3上的时点起经过规定时间例如60秒之后,晶圆W通过升降销14被推高,进一步盖部21上升而成为盖部21打开的状态。接着,晶圆移交机构12接受晶圆W后移动到待机位置,通过与已述的搬入动作相反的动作来从晶圆移交机构12向外部的主搬送机构交接晶圆W。
在这一系列的对晶圆W的处理中,在向热板3载置晶圆W的几秒前,如已经详述那样在规定时间采集热板3的温度检测值、电力指令值、吸引压检测值(步骤S3)。得到的时间序列数据被输入到神经网络5,求出图5所示的各现象模式的发生概率(步骤S4),基于这些发生概率来如已述那样选择图8所示的应对处理(步骤S5)。
这里叙述使用神经网络5的优点。当有翘曲的晶圆W被载置于热板3时,由于翘曲的存在,与载置没有翘曲的晶圆W时相比,温度检测值、电力指令值、吸引压检测值的各时间序列数据的分布不同。即,输入到输入层的节点群的输入值的排列在晶圆W发生翘曲和没有发生翘曲时不同。另外,在发生晶圆W上移时,温度检测值、电力指令值、吸引压检测值的各时间序列数据的分布也与正常时不同,且与晶圆翘曲异常时也不同。在热板裂开、VAC阀故障的情况下,温度检测值、电力指令值、吸引压检测值的各时间序列数据的分布与正常时不同,且与其它的异常模式的情况也不同。
即,当发生晶圆翘曲、晶圆上移、热板裂开、VAC阀故障时,已述的时间序列数据的排列(输入层的输入值的排列)是各异常模式所特有的。而且,在发生了热板裂开和/或VAC阀故障的状态的情况和除了晶圆翘曲或者晶圆上移的状态以外还发生了热板裂开和/或VAC阀故障的状态的情况下,已述的时间序列数据的排列也不同。
因此,例如针对发生所述四个异常模式中的一个异常模式的状态和发生四个异常模式中的两个以上的异常模式的状态的各个状态,将实际的时间序列数据输入到神经网络5,调整神经网络5的参数使得异常模式的发生概率的估计精度变高。由此,能够以高精度估计发生了哪个异常模式。例如,对以往难以判断是发生晶圆上移还是热板3损伤例如裂开的情况,也能够以高精度来估计异常模式。而且,各异常模式的估计能够基于发生概率来判断,另外能够针对每个异常模式,根据发生概率来分配恰当的应对处理。
根据上述的实施方式,检测被设定为热处理装置的运转条件的热板3的温度等多种物理量,将按各种物理量检测值得到的时间序列的检测值群输入到神经网络5。然后,通过神经网络5对多个异常模式的各个异常模式求出发生概率,根据各异常模式的发生概率从多个应对处理中选择应该采取的应对处理。因而,能够进行异常模式的区分,能够对热处理装置运转时发生的异常采取恰当的应对。
另外,在能够与多个异常模式的各自的发生概率对应地选择多个应对处理的条件成立的情况下,选择该多个应对处理中的级别最高的应对处理,即从安全方面的观点出发决定应对处理,因此能够事先抑制生产效率的下降。
在上述的实施方式中,将神经网络5的输入数据设为温度传感器35a~35c的检测值、吸引压检测部39的检测值、与各加热器31a~31c对应的电力指令值,但是也可以如已述那样代替电力指令值而使用例如电力检测值。
另外,热处理装置也可以是不具备吸引孔36的结构、即不具备真空吸盘的结构,在这种情况下,例如温度检测值的时间序列数据和电力指令值(或者电力检测值)的时间序列数据被作为神经网络5的输入数据来使用。
此外,在上述的实施方式中热板3兼做载置板,但是即使是在例如由石英构成的载置板的下方侧配置加热灯并利用从加热灯透过载置板的红外线对晶圆进行加热的类型的热处理装置,也能够应用本发明。另外,作为成为热处理对象的基板,不限于晶圆,也可以是液晶面板用的玻璃基板。
为了确认本发明有效,本发明人事先进行了评价试验。在该评价试验中,使用具备7通道加热器的热板,针对每个通道的每个温度的时间序列数据使用300个检测值、7通道合计2100个检测值输入到神经网络的输入层。而且,针对晶圆的载置状态为上移和正常的各个模式(现象模式),进行示教学习来追求使用于神经网络的参数的值,使用该参数并使用测试数据来调查正确率,其结果得到极高的正确率。将使用于示教学习的由2100个构成的温度检测值的组准备1000个,在测试数据中也准备1000个上述的组。
Claims (13)
1.一种热处理装置,其具备载置板,该载置板配置于处理容器内并且在该载置板的表面设置有用于避免基板和该表面接触的多个突起部,该载置板被加热部加热,该热处理装置在所述载置板上载置基板来对该基板进行加热处理,该热处理装置的特征在于,具备:
多种物理量检测部,其分别检测被设定为运转条件的多种物理量;
状态估计部,其通过输入层被输入检测值群的神经网络,来针对多个异常模式的各个异常模式求出发生该异常模式的发生概率,所述检测值群是按所述多种物理量检测部分别检测到的多种物理量检测值的各种物理量检测值得到的时间序列的检测值群;以及
选择部,其基于由所述状态估计部估计出的异常模式的发生概率来从多个应对处理中选择应该采取的应对处理,
其中,所述多种物理量检测值中的一种物理量检测值是由温度检测部检测到的温度检测值,该温度检测部是检测载置板的温度的物理量检测部,
所述热处理装置还具备:
电阻发热元件,其设置于所述载置板,构成所述加热部;
电力供给部,其向所述电阻发热元件供给电力;
调节部,其基于所述温度检测值与温度目标值之间的偏差来输出向所述电力供给部供给的电力的指令值,该调节部相当于所述物理量检测部;以及
吸引通路,其在载置板的表面开有吸引口,以将所述基板拉向载置板侧,
所述多种物理量检测值除了所述温度检测值以外还包含所述电力的指令值以及所述吸引通路的吸引压的检测值。
2.根据权利要求1所述的热处理装置,其特征在于,
所述异常模式包括处于基板翘曲的状态。
3.根据权利要求1所述的热处理装置,其特征在于,
所述异常模式包括处于基板上移到异物而没有被正常载置的状态。
4.根据权利要求1所述的热处理装置,其特征在于,
所述异常模式包括处于所述载置板损伤的状态。
5.根据权利要求1所述的热处理装置,其特征在于,
在作为所述选择部的选择范围的多个应对处理中,包括继续进行热处理、继续进行热处理且警告异常、在继续进行热处理且警告异常的同时对基板进行标记以及停止热处理。
6.根据权利要求1所述的热处理装置,其特征在于,
在针对每个异常模式的发生概率的大小的应对处理已被决定并且所述多个应对处理的各个应对处理的级别预先被决定、且能够与多个异常模式各自的发生概率对应地选择多个应对处理的条件成立的情况下,所述选择部选择该多个应对处理中的级别最高的应对处理。
7.一种热处理装置的管理方法,其管理热处理装置,该热处理装置具备载置板,该载置板配置于处理容器内并且在该载置板的表面设置有用于避免基板和该表面接触的多个突起部,该载置板被加热部加热,该热处理装置在所述载置板上载置基板来对该基板进行加热处理,该管理方法的特征在于,包括以下工序:
至少在将所述基板载置于载置板上之后的时间段内,分别检测被设定为运转条件的多种物理量;
通过输入层被输入检测值群的神经网络,来针对多个异常模式的各个异常模式求出发生该异常模式的发生概率,所述检测值群是按检测的工序中检测到的多种物理量检测值的各种物理量检测值得到的时间序列的检测值群;以及
基于所述异常模式的发生概率来从多个应对处理中选择应该采取的应对处理,
其中,所述多种物理量检测值中的一种物理量检测值是由温度检测部检测到的温度检测值,该温度检测部是检测载置板的温度的物理量检测部,
其中,所述热处理装置还具备:
电阻发热元件,其设置于所述载置板,构成所述加热部;
电力供给部,其向所述电阻发热元件供给电力;
调节部,其基于所述温度检测值与温度目标值之间的偏差来输出向所述电力供给部供给的电力的指令值,该调节部相当于所述物理量检测部;以及
吸引通路,其在载置板的表面开有吸引口,以将所述基板拉向载置板侧,
所述多种物理量检测值除了所述温度检测值以外还包含所述电力的指令值以及所述吸引通路的吸引压的检测值。
8.根据权利要求7所述的热处理装置的管理方法,其特征在于,
所述异常模式包括处于基板翘曲的状态。
9.根据权利要求7所述的热处理装置的管理方法,其特征在于,
所述异常模式包括处于基板上移到异物而没有被正常载置的状态。
10.根据权利要求7所述的热处理装置的管理方法,其特征在于,
所述异常模式包括处于所述载置板损伤的状态。
11.根据权利要求7所述的热处理装置的管理方法,其特征在于,
在作为选择范围的多个应对处理中,包括继续进行热处理、继续进行热处理且警告异常、在继续进行热处理且警告异常的同时对基板进行标记以及停止热处理。
12.根据权利要求7所述的热处理装置的管理方法,其特征在于,
在针对每个异常模式的发生概率的大小的应对处理已被决定并且所述多个应对处理的各个应对处理的级别预先被决定、且能够与多个异常模式各自的发生概率对应地选择多个应对处理的条件成立的情况下,选择该多个应对处理中的级别最高的应对处理。
13.一种存储介质,其特征在于存储有热处理装置所使用的计算机程序,该热处理装置具备载置板,该载置板配置于处理容器内并且在该载置板的表面设置有用于避免基板和该表面接触的多个突起部,该载置板被加热部加热,该热处理装置在所述载置板上载置基板来对该基板进行加热处理,
所述计算机程序中编入有步骤群以执行根据权利要求7~12中的任一项所述的热处理装置的管理方法。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017126648 | 2017-06-28 | ||
JP2017-126648 | 2017-06-28 | ||
JP2018-049783 | 2018-03-16 | ||
JP2018049783A JP7003759B2 (ja) | 2017-06-28 | 2018-03-16 | 熱処理装置、熱処理装置の管理方法及び記憶媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109148330A CN109148330A (zh) | 2019-01-04 |
CN109148330B true CN109148330B (zh) | 2024-05-03 |
Family
ID=64738907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810680660.7A Active CN109148330B (zh) | 2017-06-28 | 2018-06-27 | 热处理装置、热处理装置的管理方法以及存储介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11201068B2 (zh) |
JP (1) | JP7238955B2 (zh) |
KR (2) | KR102467605B1 (zh) |
CN (1) | CN109148330B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10535538B2 (en) * | 2017-01-26 | 2020-01-14 | Gary Hillman | System and method for heat treatment of substrates |
CN206573826U (zh) * | 2017-03-23 | 2017-10-20 | 惠科股份有限公司 | 一种顶升装置及配向紫外线照射机 |
FR3092435B1 (fr) * | 2019-02-04 | 2021-02-12 | Aloxtec | Four d’oxydation latérale de VCSEL avec correction de la courbure d’arc du substrat |
JP7403234B2 (ja) * | 2019-04-25 | 2023-12-22 | 東京エレクトロン株式会社 | 基板処理装置、及び基板処理方法 |
CN112198821A (zh) * | 2020-09-30 | 2021-01-08 | 共享智能铸造产业创新中心有限公司 | 一种应用于热处理炉的监控系统及监控方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS59124711A (ja) * | 1983-01-04 | 1984-07-18 | Nec Corp | 半導体装置の製造方法 |
JPH08286550A (ja) * | 1995-04-12 | 1996-11-01 | Ricoh Co Ltd | 温度制御装置 |
JP2006013445A (ja) * | 2004-05-26 | 2006-01-12 | Matsushita Electric Ind Co Ltd | 温度異常の検知方法及び半導体製造装置 |
JP2007019431A (ja) * | 2005-07-11 | 2007-01-25 | Tokyo Electron Ltd | 基板処理監視装置、基板処理監視システム、基板処理監視プログラム及び記録媒体 |
JP2007227614A (ja) * | 2006-02-23 | 2007-09-06 | Nikon Corp | 情報管理方法、情報管理システム、プログラム、記録媒体、パターン検査装置及び基板検査装置 |
JP2008258389A (ja) * | 2007-04-04 | 2008-10-23 | Matsushita Electric Ind Co Ltd | 基板処理装置の異常検出方法および基板処理装置 |
JP2009283947A (ja) * | 2003-06-27 | 2009-12-03 | Test Advantage Inc | データ分析用の方法および装置 |
CN101990707A (zh) * | 2008-09-30 | 2011-03-23 | 东京毅力科创株式会社 | 基板的异常载置状态的检测方法、基板处理方法、计算机可读取的存储介质以及基板处理装置 |
CN102361014A (zh) * | 2011-10-20 | 2012-02-22 | 上海大学 | 大规模半导体制造过程的状态监控与故障诊断方法 |
CN103000563A (zh) * | 2011-09-13 | 2013-03-27 | 东京毅力科创株式会社 | 接合装置、接合系统及接合方法 |
CN106463434A (zh) * | 2014-06-10 | 2017-02-22 | Asml荷兰有限公司 | 计算晶片检验 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06104248A (ja) * | 1992-09-18 | 1994-04-15 | Tokyo Electron Ltd | 熱処理装置 |
JP3325833B2 (ja) * | 1998-05-20 | 2002-09-17 | 東京エレクトロン株式会社 | 熱処理装置 |
JP2004296592A (ja) * | 2003-03-26 | 2004-10-21 | Dainippon Screen Mfg Co Ltd | 欠陥分類装置、欠陥分類方法およびプログラム |
US7528944B2 (en) * | 2006-05-22 | 2009-05-05 | Kla-Tencor Technologies Corporation | Methods and systems for detecting pinholes in a film formed on a wafer or for monitoring a thermal process tool |
JP4699283B2 (ja) * | 2006-05-23 | 2011-06-08 | 東京エレクトロン株式会社 | 熱処理板の温度制御方法、プログラム及び熱処理板の温度制御装置 |
JP2009123816A (ja) | 2007-11-13 | 2009-06-04 | Sokudo:Kk | 熱処理装置および熱処理方法 |
JP2010147294A (ja) * | 2008-12-19 | 2010-07-01 | Canon Inc | 基板保持方法及び基板保持装置、それを用いた露光装置及びデバイスの製造方法 |
US20120080832A1 (en) * | 2010-10-05 | 2012-04-05 | Skyworks Solutions, Inc. | Devices for methodologies related to wafer carriers |
US9110452B2 (en) * | 2011-09-19 | 2015-08-18 | Fisher-Rosemount Systems, Inc. | Inferential process modeling, quality prediction and fault detection using multi-stage data segregation |
US10049905B2 (en) * | 2014-09-25 | 2018-08-14 | Tokyo Electron Limited | Substrate heat treatment apparatus, substrate heat treatment method, storage medium and heat-treatment-condition detecting apparatus |
JP6382151B2 (ja) | 2014-09-25 | 2018-08-29 | 東京エレクトロン株式会社 | 基板熱処理装置、基板熱処理方法、記録媒体及び熱処理状態検知装置 |
US10430719B2 (en) * | 2014-11-25 | 2019-10-01 | Stream Mosaic, Inc. | Process control techniques for semiconductor manufacturing processes |
JP6432458B2 (ja) * | 2015-07-07 | 2018-12-05 | 東京エレクトロン株式会社 | 基板処理装置、基板処理方法及び記憶媒体 |
JP6322606B2 (ja) * | 2015-07-15 | 2018-05-09 | 東京エレクトロン株式会社 | 基板処理装置、基板処理方法及び記録媒体 |
JP6406201B2 (ja) * | 2015-10-02 | 2018-10-17 | 東京エレクトロン株式会社 | 基板処理装置、基板処理方法及び記憶媒体 |
US10582570B2 (en) * | 2016-01-22 | 2020-03-03 | Applied Materials, Inc. | Sensor system for multi-zone electrostatic chuck |
US11157797B2 (en) * | 2017-02-17 | 2021-10-26 | Omron Corporation | Evaluating quality of a product such as a semiconductor substrate |
KR20190011611A (ko) * | 2017-07-25 | 2019-02-07 | 주식회사 나래나노텍 | 개선된 기판 열처리 온도 제어 장치 및 방법, 및 이를 구비한 기판 열처리 챔버 및 장치 |
CN108563121B (zh) * | 2018-04-12 | 2021-06-15 | 南京航空航天大学 | 基于历史数据的微波加热温度场智能监控方法 |
-
2018
- 2018-06-25 KR KR1020180072865A patent/KR102467605B1/ko active IP Right Grant
- 2018-06-26 US US16/018,417 patent/US11201068B2/en active Active
- 2018-06-27 CN CN201810680660.7A patent/CN109148330B/zh active Active
-
2021
- 2021-12-21 JP JP2021207355A patent/JP7238955B2/ja active Active
-
2022
- 2022-11-10 KR KR1020220149191A patent/KR102567712B1/ko active IP Right Grant
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS59124711A (ja) * | 1983-01-04 | 1984-07-18 | Nec Corp | 半導体装置の製造方法 |
JPH08286550A (ja) * | 1995-04-12 | 1996-11-01 | Ricoh Co Ltd | 温度制御装置 |
JP2009283947A (ja) * | 2003-06-27 | 2009-12-03 | Test Advantage Inc | データ分析用の方法および装置 |
JP2006013445A (ja) * | 2004-05-26 | 2006-01-12 | Matsushita Electric Ind Co Ltd | 温度異常の検知方法及び半導体製造装置 |
JP2007019431A (ja) * | 2005-07-11 | 2007-01-25 | Tokyo Electron Ltd | 基板処理監視装置、基板処理監視システム、基板処理監視プログラム及び記録媒体 |
JP2007227614A (ja) * | 2006-02-23 | 2007-09-06 | Nikon Corp | 情報管理方法、情報管理システム、プログラム、記録媒体、パターン検査装置及び基板検査装置 |
JP2008258389A (ja) * | 2007-04-04 | 2008-10-23 | Matsushita Electric Ind Co Ltd | 基板処理装置の異常検出方法および基板処理装置 |
CN101990707A (zh) * | 2008-09-30 | 2011-03-23 | 东京毅力科创株式会社 | 基板的异常载置状态的检测方法、基板处理方法、计算机可读取的存储介质以及基板处理装置 |
CN103000563A (zh) * | 2011-09-13 | 2013-03-27 | 东京毅力科创株式会社 | 接合装置、接合系统及接合方法 |
CN102361014A (zh) * | 2011-10-20 | 2012-02-22 | 上海大学 | 大规模半导体制造过程的状态监控与故障诊断方法 |
CN106463434A (zh) * | 2014-06-10 | 2017-02-22 | Asml荷兰有限公司 | 计算晶片检验 |
Also Published As
Publication number | Publication date |
---|---|
KR20220155961A (ko) | 2022-11-24 |
CN109148330A (zh) | 2019-01-04 |
KR102467605B1 (ko) | 2022-11-16 |
JP7238955B2 (ja) | 2023-03-14 |
JP2022033206A (ja) | 2022-02-28 |
KR20190001932A (ko) | 2019-01-07 |
KR102567712B1 (ko) | 2023-08-18 |
US20190006208A1 (en) | 2019-01-03 |
US11201068B2 (en) | 2021-12-14 |
TW202249529A (zh) | 2022-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109148330B (zh) | 热处理装置、热处理装置的管理方法以及存储介质 | |
KR101208295B1 (ko) | 반도체 제조 장치, 당해 반도체 제조 장치에 있어서의 이상을 검출하는 방법, 및 당해 방법을 실시하기 위한 컴퓨터 프로그램을 기록한 기억 매체 | |
JP3581303B2 (ja) | 判別方法及び処理装置 | |
US8812266B2 (en) | Abnormality determination system and abnormality determination method for processing apparatus | |
US7815366B2 (en) | Method of detecting extraneous matter on heat processing plate, heat processing apparatus, program, and computer-readable recording medium with program recorded thereon | |
US20060241891A1 (en) | Wafer curvature estimation, monitoring, and compensation | |
WO2006087955A1 (ja) | 熱処理板の温度設定方法,熱処理板の温度設定装置,プログラム及びプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
TWI643246B (zh) | Heat treatment device, abnormality detection method in heat treatment, and readable computer memory medium | |
JP2006186280A (ja) | 半導体製造装置及び記憶媒体 | |
JP7003759B2 (ja) | 熱処理装置、熱処理装置の管理方法及び記憶媒体 | |
JP6767257B2 (ja) | 基板処理装置及び基板処理方法 | |
JP2006013445A (ja) | 温度異常の検知方法及び半導体製造装置 | |
TWI794585B (zh) | 熱處理裝置及熱處理方法 | |
TWI837773B (zh) | 熱處理裝置之狀態監視裝置、熱處理裝置之管理方法及記錄媒體 | |
KR102602807B1 (ko) | 히터 제어 장치 및 이를 구비하는 기판 처리 시스템 | |
TWI767326B (zh) | 基板處理裝置、半導體裝置的製造方法、及預兆偵測程式 | |
KR20060120322A (ko) | 베이크 장치 | |
KR20020083660A (ko) | 반도체 장치 제조를 위한 베이크 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |