CN114664680A - 估计模型制作装置、估计模型制作方法以及存储介质 - Google Patents

估计模型制作装置、估计模型制作方法以及存储介质 Download PDF

Info

Publication number
CN114664680A
CN114664680A CN202111544428.9A CN202111544428A CN114664680A CN 114664680 A CN114664680 A CN 114664680A CN 202111544428 A CN202111544428 A CN 202111544428A CN 114664680 A CN114664680 A CN 114664680A
Authority
CN
China
Prior art keywords
estimation model
film
image
processing
correlation
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
Application number
CN202111544428.9A
Other languages
English (en)
Inventor
鹤田丰久
保坂理人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tokyo Electron Ltd
Original Assignee
Tokyo Electron Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from JP2020215306A external-priority patent/JP7482018B2/ja
Application filed by Tokyo Electron Ltd filed Critical Tokyo Electron Ltd
Publication of CN114664680A publication Critical patent/CN114664680A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G01B11/2509—Color coding
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • G01B11/0616—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of coating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/027—Making masks on semiconductor bodies for further photolithographic processing not provided for in group H01L21/18 or H01L21/34
    • 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
    • H01L21/6715—Apparatus for applying a liquid, a resin, an ink or the like
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Abstract

本发明提供估计模型制作装置、估计模型制作方法以及存储介质。估计模型制作装置具有：处理后图像获取部，其获取与被进行了膜处理的基板的表面有关的图像信息即处理后图像；基底图像获取部，其获取与被进行膜处理前的处理前基板的表面有关的图像信息即处理前图像；灰度值估计模型制作部，其制作根据处理前图像中包含的与基板的表面的颜色有关信息来估计处理后图像中包含的与基板的表面的颜色有关的信息的颜色变化估计模型；以及相关性估计模型制作部，其制作求出处理后图像中包含的与基板的表面的颜色有关的信息同由颜色变化估计模型估计出的结果之差并估计该差与进行膜处理所得到的对象膜的形状特性值之间的相关性的相关性估计模型。

Description

估计模型制作装置、估计模型制作方法以及存储介质
技术领域
本公开涉及形状特性值的估计模型制作装置、形状特性值的估计模型制作方法以及存储介质。
背景技术
在专利文献1中公开了根据拍摄基板表面得到的图像来计算形成在基板上的膜的膜厚的结构。此时，公开了使用将从准备用摄像图像获得的像素值与像素值所对应的各坐标处的膜厚测定值对应起来的相关性数据。
现有技术文献
专利文献
专利文献1：日本特开2015-215193号公报
发明内容
发明要解决的问题
本公开提供一种能够更简单地制作用于估计与基板的形状有关的特性值的模型的技术。
用于解决问题的方案
根据本公开的一个方式的估计模型制作装置是与形状特性值估计模型有关的估计模型制作装置，所述形状特性值估计模型是估计与在基板上进行膜处理所得到的对象膜的形状有关的特性值即形状特性值的估计模型，所述估计模型制作装置具有：处理后图像获取部，其获取处理后图像，该处理后图像是与被进行了膜处理的基板的表面有关的图像信息；处理前图像获取部，其获取处理前图像，该处理前图像是与被进行所述膜处理之前的处理前基板的表面有关的图像信息；颜色变化估计模型制作部，其制作颜色变化估计模型，该颜色变化估计模型是根据所述处理前图像中包含的与所述基板的表面的颜色有关的信息来估计所述处理后图像中包含的与所述基板的表面的颜色有关的信息的估计模型；以及相关性估计模型制作部，其制作相关性估计模型，该相关性估计模型是求出所述处理后图像中包含的与所述基板的表面的颜色有关的信息同由所述颜色变化估计模型估计出的结果之差并估计该差与进行所述膜处理所得到的所述对象膜的形状特性值之间的相关性的估计模型。
发明的效果
根据本公开，提供能够更简单地制作用于估计与基板的形状有关的特性值的模型的技术。
附图说明
图1是示出基板处理系统的概要结构的一例的示意图。
图2是示出涂布显影装置的一例的示意图。
图3是示出检查单元的一例的示意图。
图4是示出控制装置的功能性结构的一例的框图。
图5示意性地示出了从拍摄多个晶圆得到的图像数据获取到的与颜色有关的信息的变化。
图6是示出控制装置的硬件结构的一例的框图。
图7是示出膜厚估计模型的制作方法的一例的框图。
图8是示出膜厚估计模型的制作方法的一例的流程图。
图9是说明由膜厚估计模型估计的内容的一例的示意图。
图10是说明相关性估计模型所表示的相关性的一例的示意图。
图11是示出膜厚估计方法的一例的流程图。
具体实施方式
下面，说明各种例示的实施方式。
在一个例示的实施方式中，估计模型制作装置是与形状特性值估计模型有关的估计模型制作装置，所述形状特性值估计模型是估计与在基板上进行膜处理所得到的对象膜的形状有关的特性值即形状特性值的估计模型，所述估计模型制作装置具有：处理后图像获取部，其获取处理后图像，该处理后图像是与形成了对象膜的基板的表面有关的图像信息；处理前图像获取部，其获取处理前图像，该处理前图像是与形成所述对象膜之前的处理前基板的表面有关的图像信息；颜色变化估计模型制作部，其制作颜色变化估计模型，该颜色变化估计模型是根据所述处理前图像中包含的与所述基板的表面的颜色有关的信息来估计所述处理后图像中包含的与所述基板的表面的颜色有关的信息的估计模型；以及相关性估计模型制作部，其制作相关性估计模型，该相关性估计模型是求出所述处理后图像中包含的与所述基板的表面的颜色有关的信息同由所述颜色变化估计模型估计出的结果之差并估计该差与进行所述膜处理所得到的所述对象膜的形状特性值之间的相关性的估计模型。
根据上述的估计模型制作装置，制作根据处理前图像中包含的与所述基板的表面的颜色有关的信息来估计处理后图像中包含的与所述基板的表面的颜色有关的信息的颜色变化估计模型。而且，制作求出处理后图像中包含的与基板的表面的颜色有关的信息同由颜色变化估计模型估计出的结果之差并估计该差与进行膜处理所得到的对象膜的形状特性值之间的相关性的相关性估计模型。颜色变化估计模型是根据处理前图像中包含的与基板的表面的颜色有关的信息来估计处理后图像的基板的表面的颜色的模型，并且是估计因处理前图像中包含的基板的表面的颜色的变动引起的处理后图像中包含的基板的表面的颜色的变动的模型。另一方面，处理后图像中包含的与基板的表面的颜色有关的信息同由颜色变化估计模型估计出的结果之差是可能会根据对象膜的形状发生变动的要素。因此，通过制作估计该差与进行膜处理所得到的对象膜的形状特性值之间的相关性的相关性估计模型，能够根据上述的差来估计对象膜的形状特性值。通过制作这种模型，能够更简单地制作能够高精度地估计与对象膜有关的形状特性值的模型。
也可以设为以下方式：所述相关性估计模型制作部将不使用所述形状特性值估计模型地获取的所述对象膜的形状特性值用作进行所述膜处理所得到的所述对象膜的形状特性值，来制作所述相关性估计模型。
如上所述，将不使用形状特性值估计模型地获取的对象膜的形状特性值用作进行膜处理所得到的对象膜的形状特性值，来制作相关性估计模型。由此，能够利用与形状特性值估计模型无关地获得的形状特性值来制作相关性估计模型，因此能够高精度地估计与对象膜有关的形状特性值。
也可以设为以下方式：所述相关性估计模型制作部以用于确定进行所述膜处理所得到的所述对象膜的形状特性值的信息的获取为契机，来制作所述相关性估计模型。
如上所述，设为以用于确定进行膜处理所得到的对象膜的形状特性值的信息的获取为契机来制作相关性估计模型的结构，由此例如能够使用过去获取到的大量的图像来制作颜色变化估计模型。像这样，若能够独立地进行颜色变化估计模型的制作和相关性估计模型的制作，则能够有效利用适于制作各模型的信息，能够制作能够以更高的精度进行估计的模型。
也可以设为以下方式：所述颜色变化估计模型制作部能够修正由与自身装置不同的装置制作出的模型来制作自身装置用的颜色变化估计模型。
也可以设为以下方式：所述相关性估计模型制作部能够修正由与自身装置不同的装置制作出的模型来制作自身装置用的相关性估计模型。
如上所述，颜色变化估计模型制作部和相关性估计模型制作部中的一方能够修正由与自身装置不同的装置制作出的模型来制作自身装置用的模型。在该情况下，例如能够利用由其它装置制作出的模型来制作形状特性值估计模型，因此也能够将制作过的模型展开到其它装置中，从而能够有效利用。
也可以设为以下方式：所述膜处理是在所述基板上形成所述对象膜的膜形成处理。通过在膜形成处理中应用上述的方法，能够更简单地制作能够高精度地估计与所形成的对象膜的形状有关的形状特性值的模型。
在一个例示的实施方式中，估计模型制作方法是与形状特性值估计模型有关的估计模型制作方法，所述形状特性值估计模型是估计与在基板上进行膜处理所得到的对象膜的形状有关的特性值即形状特性值的估计模型，所述估计模型制作方法包括以下步骤：获取处理后图像，该处理后图像是与被进行了所述膜处理的基板的表面有关的图像信息；获取处理前图像，该处理前图像是与被进行所述膜处理之前的处理前基板的表面有关的图像信息；制作颜色变化估计模型，该颜色变化估计模型是根据所述处理前图像中包含的与所述基板的表面的颜色有关的信息来估计所述处理后图像中包含的与所述基板的表面的颜色有关的信息的估计模型；以及制作相关性估计模型，该相关性估计模型是求出所述处理后图像中包含的与所述基板的表面的颜色有关的信息同由所述颜色变化估计模型估计出的结果之差并估计该差与进行所述膜处理所得到的所述对象膜的形状特性值之间的相关性的估计模型。
根据上述的估计模型制作方法，制作根据处理前图像中包含的与所述基板的表面的颜色有关的信息来估计处理后图像中包含的与所述基板的表面的颜色有关的信息的颜色变化估计模型。而且，制作求出处理后图像中包含的与基板的表面的颜色有关的信息同由颜色变化估计模型估计出的结果之差并估计该差与在基板上进行膜处理所得到的对象膜的形状特性值之间的相关性的相关性估计模型。颜色变化估计模型是根据处理前图像中包含的与基板的表面的颜色有关的信息来估计处理后图像的基板的表面的颜色的模型，并且是估计因处理前图像中包含的基板的表面的颜色的变动引起的处理后图像中包含的基板的表面的颜色的变动的模型。另一方面，处理后图像中包含的与基板的表面的颜色有关的信息同由颜色变化估计模型估计出的结果之差是可能会根据对象膜发生变动的要素。因而，通过制作估计上述的差与进行膜处理所得到的对象膜的形状特性值之间的相关性的相关性估计模型，能够根据上述的差来估计对象膜的形状特性值。通过制作这种模型，能够更简单地制作能够高精度地估计与对象膜的形状有关的形状特性值的模型。
在一个例示的实施方式中，存储介质是一种计算机可读存储介质，其上存储有用于使装置执行上述的估计模型制作方法的程序。
下面，参照附图来详细地说明各种例示的实施方式。此外，在各附图中对相同或相当的部分标注相同的附图标记。
[基板处理系统]
基板处理系统1是对工件W实施感光性覆膜的形成、该感光性覆膜的曝光以及该感光性覆膜的显影的系统。作为处理对象的工件W例如是基板或者通过被实施规定的处理而形成了膜或电路等的状态的基板。作为一例，工件W所包括的基板是含硅的晶圆。工件W(基板)可以形成为圆形。作为处理对象的工件W既可以是玻璃基板、掩模基板、FPD(Flat PanelDisplay：平板显示器)等，也可以是通过对这些基板等实施规定的处理得到的中间体。感光性覆膜例如是抗蚀膜。
基板处理系统1具备涂布显影装置2和曝光装置3。曝光装置3对形成在工件W(基板)上的抗蚀膜(感光性覆膜)进行曝光处理。具体地说，曝光装置3利用浸液曝光等方法向抗蚀膜的曝光对象部分照射能量射线。涂布显影装置2在曝光装置3进行曝光处理之前进行在工件W的表面形成抗蚀膜的处理，在曝光处理后进行抗蚀膜的显影处理。
[基板处理装置]
下面，作为基板处理装置的一例，说明涂布显影装置2的结构。如图1和图2所示，涂布显影装置2具备载体块4、处理块5、接口块6以及控制装置100(控制部)。作为在本实施方式中说明的基板处理装置的涂布显影装置2相当于估计与形成在基板上的对象膜的形状有关的形状特性值的形状特性值估计装置、以及在估计形状特性值时使用的估计模型制作装置。本实施方式中的与对象膜的形状有关的“形状特性值”相当于与对象膜的形状有关的特征量。作为一例，关于形状特性值，可列举对象膜的膜厚、线宽(CD：临界尺寸(CriticalDimension))。在以下的实施方式中，说明涂布显影装置2作为形状特性值估计装置来估计对象膜的膜厚的情况。在后文中叙述涂布显影装置2估计膜厚的功能。
载体块4进行工件W向涂布显影装置2内的导入以及工件W从涂布显影装置2内的导出。例如载体块4能够支承工件W用的多个载体C(收容部)，载体块4内置有包括交接臂的搬送装置A1。载体C例如用于收容多个圆形的工件W。搬送装置A1将工件W从载体C取出后交给处理块5，从处理块5接收工件W并使其返回到载体C内。处理块5具有多个处理模块11、12、13、14。
处理模块11内置有多个涂布单元U1、多个热处理单元U2、多个检查单元U3以及用于将工件W搬送到这些单元的搬送装置A3。处理模块11利用涂布单元U1和热处理单元U2来在工件W的表面上形成下层膜。处理模块11的涂布单元U1例如一边使工件W以规定的转速旋转，一边将用于形成下层膜的处理液涂布到工件W上。处理模块11的热处理单元U2进行与下层膜的形成相伴的各种热处理。热处理单元U2例如内置有热板和冷却板，利用热板将工件W加热到规定的加热温度并利用冷却板将加热后的工件W进行冷却来进行热处理。检查单元U3进行用于检查工件W的表面的状态的处理，并获取例如与表面图像或形状特性值(膜厚)有关的信息等来作为表示工件W的表面的状态的信息。
处理模块12内置有多个涂布单元U1、多个热处理单元U2、多个检查单元U3以及用于将工件W搬送到这些单元的搬送装置A3。处理模块12利用涂布单元U1和热处理单元U2来在下层膜上形成中间膜。处理模块12的涂布单元U1通过将用于形成中间膜的处理液涂布到下层膜上，来在工件W的表面形成涂布膜。处理模块12的热处理单元U2进行与中间膜的形成相伴的各种热处理。热处理单元U2例如内置有热板和冷却板，利用热板将工件W加热到规定的加热温度并利用冷却板将加热后的工件W进行冷却来进行热处理。检查单元U3进行用于检查工件W的表面的状态的处理，并获取例如与表面图像或形状特性值(膜厚)有关的信息等来作为表示工件W的表面的状态的信息。
处理模块13内置有多个涂布单元U1、多个热处理单元U2、多个检查单元U3以及用于将工件W搬送到这些单元的搬送装置A3。处理模块13利用涂布单元U1和热处理单元U2来在中间膜上形成抗蚀膜。处理模块13的涂布单元U1例如一边使工件W以规定的转速旋转，一边将用于形成抗蚀膜的处理液涂布到中间膜上。处理模块13的热处理单元U2进行与抗蚀膜的形成相伴的各种热处理。处理模块13的热处理单元U2通过对形成有涂布膜的工件W以规定的加热温度实施热处理(PAB：Post Applied Bake(涂敷后烘烤))来形成抗蚀膜。检查单元U3进行用于检查工件W的表面的状态的处理，并获取例如与形状特性值(膜厚)有关的信息来作为表示工件W的表面的状态的信息。
处理模块14内置有多个涂布单元U1、多个热处理单元U2以及用于将工件W搬送到这些单元的搬送装置A3。处理模块14利用涂布单元U1和热处理单元U2进行曝光后的抗蚀膜R的显影处理。处理模块14的涂布单元U1例如一边使工件W以规定的转速旋转，一边将显影液涂布到曝光完成的工件W的表面上，之后利用冲洗液将该显影液冲掉，由此进行抗蚀膜R的显影处理。处理模块14的热处理单元U2进行与显影处理相伴的各种热处理。作为热处理的具体例，可列举显影处理前的加热处理(PEB：曝光后烘烤(Post Exposure Bake))、显影处理后的加热处理(PB：后烘烤(Post Bake))等。
在处理块5内的靠载体块4侧设置有架单元U10。架单元U10被划分成沿上下方向排列的多个层格。在架单元U10的附近设置有包括升降臂的搬送装置A7。搬送装置A7使工件W在架单元U10的层格彼此之间进行升降。
在处理块5内的靠接口块6侧设置有架单元U11。架单元U11被划分为沿上下方向排列的多个层格。
接口块6与曝光装置3之间进行工件W的交接。例如接口块6内置有包括交接臂的搬送装置A8，该接口块6与曝光装置3连接。搬送装置A8将配置于架单元U11的工件W交给曝光装置3，从曝光装置3接收工件W并使其返回到架单元U11。
[检查单元]
说明处理模块11～13中包括的检查单元U3。检查单元U3具有拍摄利用涂布单元U1和热处理单元U2形成的膜(例如下层膜、中间膜、抗蚀膜等)的表面来获得图像数据的功能。
如图3所示，检查单元U3包括壳体30、保持部31、线性驱动部32、摄像部33以及光投射反射部34。保持部31将工件W水平地保持。线性驱动部32例如将电动马达等作为动力源来使保持部31沿水平的直线状的路径移动。摄像部33具有例如CCD摄像机等摄像机35。摄像机35在保持部31的移动方向上设置于检查单元U3内的一端侧，朝向该移动方向上的另一端侧。光投射反射部34向摄像范围投射光，并将来自该摄像范围的反射光引导到摄像机35侧。例如，光投射反射部34具有半透半反镜36和光源37。半透半反镜36设置于比保持部31高的位置处且线性驱动部32的移动范围的中间部，将来自下方的光向摄像机35侧反射。光源37设置于半透半反镜36的上方，通过半透半反镜36向下方照射照明光。
检查单元U3如以下那样进行动作来获取工件W的表面的图像数据。首先，线性驱动部32使保持部31移动。由此，工件W在半透半反镜36的下方通过。在该通过过程中，来自工件W表面的各部的反射光被依次送出到摄像机35。摄像机35使来自工件W表面的各部的反射光进行成像，来获取工件W表面的图像数据。当形成在工件W表面的膜的形状(例如膜厚、线宽等)发生变化时，由摄像机35拍摄的工件W表面的图像数据发生变化，例如工件W表面的颜色与形状的变化相应地发生变化等。即，获取工件W表面的图像数据相当于获取与形成于工件W的表面的膜的形状有关的信息。在后文中叙述这一点。
由摄像机35获取到的图像数据被发送到控制装置100。在控制装置100中，能够基于图像数据来估计工件W表面的膜的形状特性值，估计结果被作为检查结果保持于控制装置100。另外，图像数据也被保持于控制装置100。
[控制装置]
详细地说明控制装置100的一例。控制装置100控制涂布显影装置2中包括的各要素。控制装置100构成为：执行包括在工件W的表面形成上述的各膜以及进行显影处理的工艺处理。另外，控制装置100作为形状特性值估计装置的主要部分构成为：执行估计所形成的膜的形状特性值的处理。在此，说明在涂布显影装置2中进行作为形状特性值的对象膜的膜厚的估计的情况下的控制装置100的结构例。
如图4所示，控制装置100具有基底图像获取部101(处理前图像获取部)、处理后图像获取部102、图像信息保持部103、模型制作部104、估计模型保持部105、估计部106、形状特性值信息获取部107、形状特性值信息保持部108。控制装置100的各部是作为功能上的结构的一例而示出的。模型制作部104具有灰度值估计模型制作部111和相关性估计模型制作部112。图4所示的各功能部是用于实现作为膜厚估计装置的功能的功能部，该膜厚估计装置是形状特性值估计装置的一种。另外，图4所示的各功能部也包括用于实现作为膜厚估计模型制作装置的功能的功能部，该膜厚估计模型制作装置是形状特性值估计模型制作装置的一种。
在说明各功能部之前，说明包括控制装置100的涂布显影装置2作为进行与基板有关的检查的装置进行的处理(检查)的概要。在涂布显影装置2中，进行根据拍摄工件W的表面所得到的图像来估计形成于工件W的表面的膜的膜厚这样的处理。当在工件W的表面形成膜时，表面的颜色根据该膜的厚度发生变化。利用该情况，在涂布显影装置2中根据包含与工件W的表面的颜色有关的信息的图像数据来估计工件W的表面的各点处的膜厚。
一般的估计膜厚的过程如以下那样。即，首先，准备成为估计对象的膜(对象膜)的膜厚已知的多个工件。然后，制作与以下的相关关系有关的模型，该相关关系为拍摄这些工件的表面所得到的图像信息中的与各像素的颜色有关的信息同拍摄到该像素的位置的晶圆表面的膜的膜厚之间的相关关系。之后，获取对形成有成为膜厚估计对象的对象膜的工件的表面进行拍摄所得到的图像，基于图像数据中包含的与各像素的颜色有关的信息以及上述的与相关关系有关的模型，来估计工件表面的膜的膜厚。由此，能够估计工件表面的对象膜的膜厚。
图5示意性地示出了从拍摄多个工件所得到的图像数据获取到的与颜色有关的信息的变化。在图5中，示出了从拍摄形成对象膜之后的工件表面所得到的图像数据获取到的与表面的颜色有关的信息(在此为灰度值)。如图5所示，针对每个工件示出了互不相同的颜色，因此利用该颜色的差异来估计工件表面的膜的膜厚。
但是，在上述的方法中有可能无法制作出考虑了作为估计膜厚的对象的膜的下层是怎样的状况的模型。如上所述，在工件形成有多个膜。因而，在膜厚估计的对象膜为抗蚀膜的情况下，有时在抗蚀膜之下层叠有下层膜和中间膜。因而，也有可能是，如图5所示那样的每个工件的工件表面的颜色的差异反映出的并非源自作为膜厚估计对象的膜的膜厚的变化，而是反映出该作为膜厚估计对象的膜的下方的基底部分的状态的差异。在本实施方式中，在如作为对象的基板那样在表面形成的膜的膜厚充分薄的情况下，可充分认为基底部分的状态的差异被反映成工件表面的颜色的变化的差异。
上述的膜厚估计模型虽然估计了抗蚀膜的膜厚与图像数据中的颜色信息之间的相关关系，但可以说未考虑抗蚀膜的下方的各膜的膜厚不同的情况。例如，当抗蚀膜的下方的中间膜的膜厚发生变化时，在涂布抗蚀膜前的状态下也存在工件表面的颜色根据中间膜的膜厚发生变化的可能性。然而，膜厚估计模型可能不会充分反映出这样的下侧的膜的影响。考虑如上述那样的问题点，使用使下侧的膜的状况(膜厚等)发生了变化的工件来制作膜厚估计模型也是一个方案。然而，认为可能难以准备相当数量的与用于制作估计高精度的模型所需的各种条件对应的工件。
因此，在本方式中说明的涂布显影装置2中，制作以下的颜色变化估计模型，该颜色变化估计模型是根据拍摄对象膜的下方的基底部分的工件W的表面所得到的图像信息(基底图像：处理前图像)来估计形成对象膜之后的工件W的表面的颜色如何变化的模型。在此，制作估计灰度值的变化的灰度值估计模型。而且，设想实际测量的灰度值与通过对基底图像应用灰度值估计模型得到的估计灰度值之差同膜厚相关，制作表示上述的差与膜厚之间的相关性的相关性估计模型。在本实施方式中说明的涂布显影装置2中，将这两个模型作为用于估计膜厚的膜厚估计模型来估计膜厚，由此实现了计算精度更高的膜厚估计结果。在后文中叙述这两个模型的详情。
图4所示的控制装置100的基底图像获取部101具有获取形成要估计膜厚的对象膜的工件的、形成对象膜之前的表面的图像信息(基底图像：也有时称为处理前图像)的功能。基底图像获取部101例如通过控制检查单元U3，来获取成为对象的工件W的基底图像。
处理后图像获取部102具有获取形成对象膜之后的工件W的表面的图像信息(处理后图像)的功能。处理后图像获取部102例如通过控制检查单元U3，来获取成为对象的工件W的处理后图像。
图像信息保持部103具有用于保持由基底图像获取部101获取到的基底图像和由处理后图像获取部102获取到的处理后图像的功能。由图像信息保持部103保持的图像信息用于估计形成于工件W的对象膜的膜厚。
模型制作部104具有制作在形成于工件W的对象膜的膜厚的估计中使用的膜厚估计模型的功能。由模型制作部104制作的膜厚估计模型M包括灰度值估计模型M1和相关性估计模型M2，在后文中叙述详情。模型制作部104的灰度值估计模型制作部111具有制作灰度值估计模型M1的功能，相关性估计模型制作部112具有制作相关性估计模型M2的功能。
估计模型保持部105具有用于保持由模型制作部104制作出的膜厚估计模型的功能。
估计部106具有基于图像信息保持部103中保持的基底图像和处理后图像来估计对象膜的膜厚的功能。在利用估计部106进行的膜厚的估计中使用膜厚估计模型。
形状特性值信息获取部107具有获取与对象膜的膜厚有关的信息(膜厚值：也有时称为膜厚信息)的功能，该对象膜的膜厚相当于不使用膜厚估计模型地获取到的与对象膜有关的形状特性值。作为不使用膜厚估计模型地获取到的对象膜的膜厚值，例如能够设为通过某种方法测定出的对象膜的膜厚的测定值。另外，在涂布显影装置2的动作稳定的状况下，例如在与装置的动作确认有关的详细的检查(QC检查)时对检查用基板进行膜的形成来进行评价，因此也可以将此时的检查结果作为膜厚值(膜厚信息)。另外，只要能够在某种程度上掌握涂布显影装置2中包括的与膜的形成有关的多个单元(涂布单元、热处理单元等)各自的特性，则也可以设为基于利用哪个单元进行了处理来求出膜厚值的结构。另外，只要预先掌握了成膜后的膜厚根据装置特性逐渐发生变化这一情况，则也可以将对定期地测定出的测定值加上随时间经过发生变化的预测值所得到的值作为膜厚值。被用作膜厚信息的膜厚值只要是可靠性高达某种程度的、不使用膜厚估计模型地获取到的(或者计算出的)值即可，能够使用各种方法来获取。作为一例，也可以为使用与膜厚估计模型不同的方法估计出的膜厚值等。
也可以设为一边如使用某种方法进行实际测量的情况那样对工件W进行与成膜有关的处理一边利用形状特性值信息获取部107获取膜厚值的结构，在将预测值等用作膜厚值的情况下，也可以设为预先进行获取(计算)的结构。另外，关于膜厚值，可以针对每个工件W设定一个值，例如也可以针对一个工件W定义多个(例如针对每个曝光区域(日语：ショット)或者晶片(日语：ダイ)定义一个)。
形状特性值信息保持部108具有保持同不使用上述的膜厚估计模型地获取到的与对象膜有关的形状特性值相当的、与对象膜的膜厚有关的信息(膜厚值：也有时称为膜厚信息)的功能。不使用上述的膜厚估计模型地获取到的形状特性值是由形状特性值信息获取部107获取到的信息。不使用膜厚估计模型地获取到的形状特性值被保持在形状特性值信息保持部108中，并被使用于相关性估计模型制作部112中的相关性估计模型的制作。
控制装置100由一个或多个控制用计算机构成。例如控制装置100具有图6所示的电路120。电路120具有一个或多个处理器121、存储器122、存储装置123以及输入输出端口124。存储装置123具有例如硬盘等可由计算机读取的存储介质。存储介质存储有用于使控制装置100执行后述的基板检查过程的程序。存储介质也可以是非易失性的半导体存储器、磁盘以及光盘等可取出的介质。存储器122临时存储从存储装置123的存储介质加载的程序和处理器121的运算结果。处理器121与存储器122进行协作来执行上述程序，由此构成上述的各功能模块。输入输出端口124按照来自处理器121的指令来与作为控制对象的构件之间进行电信号的输入和输出。
此外，控制装置100的硬件结构不一定限于由程序构成各功能模块。例如控制装置100的各功能模块也可以由专用的逻辑电路或将该各功能模块进行集成所得到的ASIC(Application Specific Integrated Circuit：专用集成电路)构成。
此外，在以下的实施方式中，说明控制装置100中包括上述结构的情况，但也可以在控制装置100中并非包括上述的所有功能。例如，也可以是将图像信息保持部103、估计模型保持部105、形状特性值信息保持部108等作为数据库的功能部设置于外部装置的结构。
[工艺处理过程]
接下来，作为涂布显影处理的一例，说明在涂布显影装置2中执行的工艺处理过程。
在工艺处理过程中，首先，控制装置100控制搬送装置A1，以将载体C内的作为工艺处理对象的工件W搬送到架单元U10，并控制搬送装置A7，以将该工件W配置于处理模块11用的层格。
接着，控制装置100控制搬送装置A3，以将架单元U10的工件W搬送到处理模块11内的涂布单元U1和热处理单元U2。另外，控制装置100控制涂布单元U1和热处理单元U2，以在该工件W的表面上形成下层膜。之后，控制装置100控制搬送装置A3，以使形成有下层膜的工件W返回到架单元U10，并控制搬送装置A7，以将该工件W配置于处理模块12用的层格。
接着，控制装置100控制搬送装置A3，以将架单元U10的工件W搬送到处理模块12内的涂布单元U1和热处理单元U2。另外，控制装置100控制涂布单元U1和热处理单元U2，以在该工件W的下层膜上形成中间膜。例如，控制装置100控制涂布单元U1，以通过在工件W的下层膜上涂布用于形成中间膜的处理液来形成中间膜。接着，控制装置100控制热处理单元U2，以对中间膜实施热处理。在形成中间膜之后，控制装置100控制搬送装置A3，以将工件W搬送到检查单元U3，并进行控制以使用检查单元U3拍摄该工件W的表面来获取图像信息(基底图像)。之后，控制装置100控制搬送装置A3，以使工件W返回到架单元U10，并控制搬送装置A7，以将该工件W配置于处理模块13用的层格。
接着，控制装置100控制搬送装置A3，以将架单元U10的工件W搬送到处理模块13内的各单元，并控制涂布单元U1和热处理单元U2，以在该工件W的中间膜上形成抗蚀膜。例如，控制装置100控制涂布单元U1，以通过在工件W的中间膜上涂布用于形成抗蚀膜的处理液来形成抗蚀膜。接着，控制装置100控制热处理单元U2，以对抗蚀膜实施热处理。此外，在形成抗蚀膜之后，控制装置100控制搬送装置A3，以将工件W搬送到检查单元U3，并进行控制以使用检查单元U3拍摄该工件W的表面来获取图像信息(处理后图像)。之后，控制装置100控制搬送装置A3，以将工件W搬送到架单元U11。
接着，控制装置100控制搬送装置A8，以将架单元U11的工件W送出到曝光装置3。之后，控制装置100控制搬送装置A8，以从曝光装置3接受被实施了曝光处理的工件W并将该工件W配置于架单元U11中的处理模块14用的层格。
接着，控制装置100控制搬送装置A3，以将架单元U11的工件W搬送到处理模块14内的各单元，并控制涂布单元U1和热处理单元U2，以对该工件W的抗蚀膜R实施显影处理。之后，控制装置100控制搬送装置A3，以使工件W返回到架单元U10，并控制搬送装置A7和搬送装置A1，以使该工件W返回到载体C内。通过以上过程，工艺处理完成。
[膜厚估计方法]
接着，一边参照图7～图11一边说明通过控制装置100进行的处理模块11～13中的膜厚估计方法。膜厚估计方法是与在设置于处理模块11～13的检查单元U3中进行的对成膜后的工件W的检查有关的方法。在检查单元U3中，通过估计膜厚来评价成膜后的工件W是否被实施了期望的成膜，特别是是否被进行了期望的膜厚的成膜。
此外，在以下的实施方式中，说明估计抗蚀膜的膜厚的情况。因而，对象膜为抗蚀膜，将形成抗蚀膜之前的工件W(即，直至形成了中间膜为止的工件)作为基底基板(处理前基板)来进行说明。但是，对象膜不限定于抗蚀膜。例如，也可以设为将对象膜作为中间膜来估计中间膜的膜厚。在该情况下，基底基板为形成中间膜之前的工件、即形成基底膜之后的工件。像这样，能够根据成为膜厚估计对象的对象膜来变更基底基板的设定。另外，基底基板也可以设为由其它装置进行处理(例如成膜、蚀刻、清洗等)之后的基板。像这样，基底基板只要是形成对象膜之前的基板即可，并无特别限定。
在估计形成于工件的膜的膜厚的情况下，首先，需要准备所使用的膜厚估计模型。也就是说，在本实施方式中说明的膜厚估计方法包括膜厚估计模型的生成方法。在本实施方式中说明的膜厚估计方法中使用的膜厚估计模型与其生成方法通常已知的模型不同。因而，首先，说明膜厚估计模型的生成方法。
(膜厚估计模型的生成方法)
图7～图10说明直至制作用于进行膜厚估计的膜厚估计模型为止的过程。
图7示出了用于生成膜厚估计模型所需的图像信息的获取的过程。首先，控制装置100执行步骤S01。在步骤S01中，准备基底基板并将其搬入检查单元U3。基底基板是如上所述在涂布单元U1和热处理单元U2中进行了直至中间膜为止的成膜的工件W。所搬入的基底基板被保持于保持部31。
接着，控制装置100的基底图像获取部101执行步骤S02。在步骤S02中，利用摄像部33来拍摄基底基板的表面。具体地说，一边通过线性驱动部32的驱动使保持部31沿规定的方向移动，一边利用摄像部33来进行基底基板的表面的拍摄。由此，在摄像部33中获取与基底基板的表面有关的图像信息(基底图像)。基底图像被保持在控制装置100的图像信息保持部103中。
接着，控制装置100执行步骤S03。在步骤S03中，在基底基板形成作为对象膜的抗蚀膜。在涂布单元U1和热处理单元U2中进行了成膜的工件W被搬入检查单元U3。所搬入的成膜后的工件W被保持于保持部31。
接着，控制装置100的处理后图像获取部102执行步骤S04。在步骤S04中，与步骤S02同样地利用摄像部33来拍摄处理后的工件W的表面。具体地说，一边通过线性驱动部32的驱动使保持部31沿规定的方向移动，一边利用摄像部33进行工件W表面的拍摄。由此，在摄像部33中获取与工件W的表面有关的图像信息(处理后图像)。处理后图像被保持在控制装置100的图像信息保持部103中。
接着，通过图8所示的过程来制作膜厚估计模型。膜厚估计模型M包含由灰度值估计模型制作部111制作的灰度值估计模型M1和由相关性估计模型制作部112制作的相关性估计模型M2。在图8中示出的过程中，说明了首先制作灰度值估计模型M1、之后制作相关性估计模型M2的方法，该相关性估计模型M2表示利用灰度值估计模型M1估计的灰度值与实测值之差同与对象膜的膜厚有关的信息(膜厚信息)之间的相关性。
如图8所示，控制装置100的灰度值估计模型制作部111执行步骤S11。在步骤S11中，制作灰度值估计模型M1。灰度值估计模型M1是在对工件W形成了规定的膜厚的对象膜的情况下基于与基底基板的表面有关的图像信息(基底图像)的灰度值来估计与形成对象膜之后的工件W的表面有关的图像信息(处理后图像)的灰度值的模型。在涂布显影装置2中，针对每个工件W获取大量的形成对象膜之前的工件W的基底图像以及形成对象膜之后的工件W的处理后图像。另外，对于拍摄工件W所得到的图像，针对每个像素计算表示工件W的颜色的信息(亮度值：在此为灰度值)。在灰度值估计模型制作部111中，针对拍摄工件W所得到的基底图像和处理后图像的每个像素确定灰度值的相关关系。由此，能够制作能够以与基底基板的表面有关的图像的灰度值为基准来估计处理后的图像的灰度值的模型。
接着，控制装置100的灰度值估计模型制作部111执行步骤S12。在步骤S12中，将在步骤S11中制作出的灰度值估计模型M1应用于获取完成的工件W的基底图像，由此预测处理后的灰度值G1’。
接着，控制装置100的相关性估计模型制作部112执行步骤S13。在步骤S13中，计算在步骤S12中估计出的处理后的灰度值G1’与同基底图像对应的处理后图像的灰度值G1(实测值)之差G1”。此外，步骤S13也可以由灰度值估计模型制作部111进行。但是，在本实施方式中，说明设为由灰度值估计模型制作部111进行直至制作灰度值估计模型M1为止的处理、由相关性估计模型制作部112进行利用了制作出的灰度值估计模型M1的计算的情况。
一边参照图9一边说明在步骤S11～步骤S13中进行的处理。在图9中，在最左侧示出了依次拍摄多个工件W的情况下的基底图像的灰度值G0以及处理后图像的灰度值G1的变动。各图中的横轴表示工件W，在例如与左上的“实测值-基底图像”相当的图中，示出了基底图像的灰度值G0根据工件W上下变动的情况。另外，在与左上的”实测值-处理后图像“相当的图中，示出了处理后图像的灰度值G1根据工件W上下变动的情况。
灰度值估计模型M1是根据上述的基底图像的灰度值G0来估计G1的模型。即，基于图9所示的中央的上方的曲线图中的灰度值G0来估计其下方的曲线图所示的灰度值G1’的模型是灰度值估计模型。在利用大量的工件W的基底图像和处理后图像制作出灰度值估计模型M1的情况下，能够制作反映了源自工件W的基底图像的灰度值G0的变动的、处理后图像的灰度值的变化的模型。在对基底图像的灰度值G0相同的工件W形成了膜厚互不相同的对象膜的情况下，能够在处理后图像中确认源自膜厚的变动的灰度值的变化。然而，在估计根据具有多种多样的灰度值的基底图像制作出的处理后图像的灰度值的模型中，基底图像中的灰度值的变动较大地影响处理后图像中的灰度值的变动。也就是说，能够制作即使形成于多个工件W的对象膜的膜厚稍微不同也反映了源自工件W的基底图像的灰度值G0的变动的成分的估计模型。
但是，认为由灰度值估计模型M1估计的处理后图像的灰度值G1’与实际地拍摄工件W得到的处理后图像的灰度值G1不一致。这是因为，灰度值估计模型M1是估计源自工件W的基底图像的灰度值G0的变动的成分的模型，并且不会估计源自膜厚的变动的成分。因而，实际地拍摄工件W得到的处理后图像的灰度值G1与由灰度值估计模型M1估计的处理后图像的灰度值G1’之差G1”的变动源自形成于工件W的膜厚的变动。在图9中，在右下示出了针对多个工件W分别计算差G1”所得到的结果，该差G1”是实际地拍摄工件W得到的处理后图像的灰度值G1与由灰度值估计模型M1估计的处理后图像的灰度值G1’之差。通过进行这种计算，来去除源自实际地拍摄工件W得到的基底图像的灰度值G0的偏差的成分。其结果，作为灰度值之差G1”，获得较大地受到源自对象膜的膜厚的灰度值的变动的影响的数值。
在此，只要知晓各工件W的灰度值之差G1”与形成在工件W的膜厚之间的相关性，就能够根据灰度值之差G1”来估计膜厚。也就是说，如图10所示，若能够获得表示灰度值之差G1”与膜厚值之间的相关性的信息，则能够利用该关系来根据灰度值之差G1”估计对象膜的膜厚。
在通过到此为止的过程即步骤S11～S13进行的灰度值估计模型M1的制作和利用了灰度值估计模型M1的计算中，不使用用于确定对象膜的膜厚的信息。但是，当想要掌握图10所示的相关性时，需要与各工件W有关的与膜厚有关的信息。因此，获取不利用上述的模型地获得的膜厚信息，来制作估计灰度值G1”与膜厚之间的相关性的模型。
返回到图8，控制装置100的相关性估计模型制作部112执行步骤S14。在步骤S14中，如上所述，获取用于制作估计灰度值之差G1”与膜厚之间的相关性的模型所需的膜厚信息。在控制装置100的形状特性值信息获取部107中获取膜厚信息。此时，膜厚信息包含用于确定工件W的信息和用于确定与该工件W有关的膜厚的信息。在步骤S14中，相关性估计模型制作部112获取与被计算出了差G1”的工件W对应的膜厚信息。
接着，控制装置100的相关性估计模型制作部112执行步骤S15。在步骤S15中，基于在此之前计算出的灰度值之差G1”和膜厚信息来制作相关性估计模型M2。由于在以上的工艺中制作灰度值估计模型M1和相关性估计模型M2，因此制作出膜厚估计模型M。制作出的膜厚估计模型M被保持于估计模型保持部105。
此外，图8所示的一系列处理不需要一次性地进行，例如也可以事先进行制作灰度值估计模型M1以前的处理(例如步骤S11、S12)。另外，例如也可以在能够获取膜厚信息的定时进行后段的与相关性估计模型的制作有关的处理(例如步骤S13～步骤S15)。另外，也可以以膜厚信息的获取(步骤S14)为契机来进行差G1”的计算(步骤S13)和相关性估计模型M2的制作(步骤S15)。像这样，也可以变更图8所示的处理的流程的一部分。
有时在以下说明的定时进行膜厚信息的获取。例如，对于形成对象膜的条件中的至少一部分发生了变更的情况，可列举以确认动作为目的使用检查用基板等进行处理的情况等。具体地说，可列举在进行涂布显影装置2的维护时变更与对象膜的形成有关的条件的情况、在切换了用于形成对象膜的处理液时使用检查用基板来进行评价以用于调整条件的情况等。在这种情况下，可能会产生在以制造条件的确认等为目的实际地在工件W形成对象膜之后评价该膜的膜厚的工艺。此时，控制装置100的相关性估计模型制作部112也可以设为使用膜厚信息来制作相关性估计模型M2的结构。
相关性估计模型M2能够如上述那样通过获取膜厚信息来制作模型，与此相对地，灰度值估计模型M1是如上述那样只要存在基底图像和处理后图像就能够制作的模型。因而，也可以设为使用在自身装置中保持的工件W的图像来在适当的定时制作灰度值估计模型M1的结构。
(基于膜厚估计模型的膜厚估计方法)
一边参照图11一边说明针对成为对象的工件W的膜厚估计方法。首先，控制装置100执行步骤S21。在步骤S21中，准备成为基底基板(处理前基板)的工件W，并将工件W搬入检查单元U3。所搬入的基底基板被保持于保持部31。
接着，控制装置100的基底图像获取部101执行步骤S22。在步骤S22中，利用摄像部33来拍摄基底基板的表面。具体地说，一边通过线性驱动部32的驱动使保持部31沿规定的方向移动，一边利用摄像部33进行基底基板的表面的拍摄。由此，在摄像部33中获取与基底基板的表面有关的图像信息(基底图像)。基底图像被保持在控制装置100的图像信息保持部103中。
接着，控制装置100执行步骤S23。在步骤S23中，在基底基板形成作为对象膜的抗蚀膜。在涂布单元U1和热处理单元U2中被进行了成膜的工件W被搬入检查单元U3。所搬入的成膜后的工件W被保持于保持部31。
接着，控制装置100的处理后图像获取部102执行步骤S24。在步骤S04中，与步骤S22同样地利用摄像部33来拍摄处理后的工件W的表面。具体地说，一边通过线性驱动部32的驱动使保持部31沿规定的方向移动，一边利用摄像部33进行工件W表面的拍摄。由此，在摄像部33中获取与工件W的表面有关的图像信息(处理后图像)。处理后图像被保持在控制装置100的图像信息保持部103中。
接着，控制装置100的估计部106执行步骤S25。在步骤S25中，基于与工件W表面有关的处理后图像来估计工件W表面的对象膜的膜厚。在估计部106进行的膜厚的估计中，使用被保持在估计模型保持部105中的膜厚估计模型。
具体地说，根据处理后图像来估计膜厚的估计方法如以下那样。首先，从基底图像获取每个像素的与工件W表面的颜色有关的信息。将得到的基底图像的灰度值设为G0，应用膜厚估计模型M的灰度值估计模型M1来估计处理后图像的灰度值G1’。接着，计算通过应用灰度值估计模型M1得到的灰度值G1’与处理后的图像中的实际的灰度值G0之差G1”。通过对计算出的差G1”应用相关性估计模型M2，来计算根据差G1”估计出的膜厚值。通过该一系列作业，能够针对每个像素估计拍摄到该像素的区域的膜厚。由此，能够估计每个像素即工件W表面的各位置处的对象膜的膜厚。
[其它实施方式]
不限定于上述的例示的实施方式，也可以进行各种省略、置换及变更。另外，能够将不同的实施方式中的要素进行组合来形成其它实施方式。
例如，在上述实施方式中，说明了对象膜的形状特性值为“膜厚”的情况，但形状特性值不限定于膜厚。例如，如上所述，也可以将对象膜的“线宽”作为估计对象。与膜厚同样地，当对象膜的线宽发生变化时，工件W表面的颜色可能会发生变化。因而，能够通过与在上述实施方式中进行了说明的方法同样的方法来制作能够高精度地进行线宽的估计的估计模型。具体地说，根据基底图像和处理后图像来制作灰度值估计模型(颜色变化估计模型)。接着，通过将灰度值估计模型应用于获取完成的工件W的基底图像，来预测处理后的灰度值G1’。之后，计算作为估计结果的灰度值G1’与同基底图像对应的处理后图像的灰度值G1(实测值)之差G1”，制作表示该差G1”与线宽之间的相关性的相关性估计模型。像这样，也能够使用与估计膜厚的模型同样的方法来制作估计线宽的模型。此外，在本实施方式中进行了说明的方法能够应用于与工件W表面的颜色存在相关性的形状特性值。
另外，在上述实施方式中，说明了在控制装置100中制作膜厚估计模型并使用该模型来估计膜厚的情况。但是，也可以实现为仅具有作为制作膜厚估计模型的估计模型制作装置的功能的计算机。具体地说，估计模型制作装置也可以是仅具有作为基底图像获取部101、处理后图像获取部102、模型制作部104的功能的装置。在该情况下，估计模型制作装置也可以被实现为与涂布显影装置2相独立的信息处理装置。在估计模型制作装置是与涂布显影装置2相独立的信息处理装置的情况下，基底图像获取部101和处理后图像获取部102只要具有获取由与自身装置不同的装置拍摄到的基底图像和处理后图像的功能即可。
并且，控制装置100也可以不在自身装置中制作构成膜厚估计模型的灰度值估计模型M1、相关性估计模型M2，而是具有获取供其它相同种类的装置用而制作出的灰度值估计模型M1、相关性估计模型M2并对其进行修正的功能。例如，在涂布显影装置2中有时设置有多个相同种类的模块，有时设置有多个形成成为对象膜的抗蚀膜的模块。在这种情况下，能够针对相同种类的装置应用基本上相同种类的模型，但每个装置的微细的特性的差异有时表现在膜厚估计模型M中。在这种情况下，也可以在获取到供其它相同种类的装置(模块)用而制作出的膜厚估计模型M之后，使用该模型进行固定期间的膜厚估计之后进行校正。作为校正的一例，考虑利用在某个定时使用检查用的工件W得到的膜厚的测定结果等，来计算与装置之间的特性的差异对应的偏移值，使用该偏移值来校正模型等。像这样，也可以利用由其它装置制作出的模型，通过进一步地修正该模型来制作自身装置用的模型。
在上述实施方式中，说明了构成膜厚估计模型M的灰度值估计模型M1和相关性估计模型M2原则上以像素为单位来估计灰度值或者相关性的情况，但不限定于该结构。即，也可以设为根据拍摄工件W所得到的多个像素的像素值的平均值来估计该区域的膜厚的结构。也可以设为计算工件W单位的平均值并使用该平均值来估计形成于工件W的对象膜的膜厚的结构。
例如，在上述实施方式中，说明了在处理模块11、12、13中分别设置有检查单元U3的情况。但是，检查单元U3也可以不设置于各模块，与各模块相独立地设置。
另外，通过上述的处理模块11、12、13形成的膜是一例，可被适当变更。例如，也可以设为在抗蚀膜的上方也形成膜的结构。即，在本实施方式中进行了说明的膜的检查方法能够不受膜的种类及其数量限定地应用于形成在基板上的各种膜。
[作用]
根据上述的估计模型制作装置(控制装置100)和估计模型制作方法，制作根据作为处理前图像的基底图像中包含的与基板的表面的颜色有关的信息来估计处理后图像中包含的与基板的表面的颜色有关的信息的颜色变化估计模型(灰度值估计模型M1)。然后，制作求出处理后图像中包含的与基板的表面的颜色有关的信息同由颜色变化估计模型估计出的结果之差并估计该差与在基板上进行膜处理所得到的对象膜的形状特性值之间的相关性的相关性估计模型M2。颜色变化估计模型是根据基底图像中包含的与基板的表面的颜色有关的信息来估计处理后图像的基板的表面的颜色的模型，并且是估计因基底图像(处理前图像)中包含的基板的表面的颜色的变动引起的处理后图像中包含的基板的表面的颜色的变动的模型。另一方面，处理后图像中包含的与基板的表面的颜色有关的信息同由颜色变化估计模型估计出的结果之差是可能会根据对象膜的形状发生变动的要素。因此，通过制作估计差与在基板上进行膜处理所得到的对象膜的形状特性值之间的相关性的相关性估计模型，能够根据上述的差来估计对象膜的形状特性值。通过制作这种模型，能够更简单地制作能够高精度地估计与对象膜的形状有关的形状特性值的模型。
一般地说，在想要从拍摄基板所到的图像信息获得形成于基板的对象膜的形状特性值的情况下，需要大量地准备在各种条件下形成了对象膜的基板并根据这些基板的图像信息来制作校准曲线这样的工艺。但是，为了制作高精度的校准曲线，必须大量地准备用于制作校准曲线的基板，想到根据作业环境无法制作高精度的校准曲线的情况。特别地，前段的工艺复杂，因此想到源自前段的工艺等的处理前基板的颜色的变动有可能会对校准曲线的制作精度造成影响。与此相对地，根据上述的方法，设为制作估计处理前基板的颜色的影响的颜色变化估计模型、先根据与处理前图像的颜色有关的信息来估计与处理后图像的颜色有关的信息的结构，由此先确定源自处理前基板的颜色的变动。然后，可能会根据对象膜的形状发生变动的要素被表现为处理后图像中包含的与基板的表面的颜色有关的信息同由颜色变化估计模型估计出的结果之差。因而，通过制作估计该差与形成于基板的对象膜的形状特性值之间的相关性的相关性估计模型，能够在去除了源自处理前基板的颜色的变动成分的状态下估计形状特性值。因而，即使不进行用于制作校准曲线的基板等的制作，也能够制作估计高精度的形状特性值的模型。
另外，在相关性估计模型制作部112中，将不使用估计模型地获取的对象膜的形状特性值用作进行膜处理所得到的对象膜的形状特性值，来制作相关性估计模型。因此，能够利用与形状特性值估计模型无关地获得的形状特性值来制作相关性估计模型。因而，能够高精度地估计与对象膜的形状有关的形状特性值。
另外，相关性估计模型制作部112设为以用于确定进行膜处理所得到的对象膜的形状特性值的信息的获取为契机来制作相关性估计模型的结构，由此能够使用过去获取到的大量的图像来制作例如颜色变化估计模型。像这样，若能够独立地进行颜色变化估计模型的制作和相关性估计模型的制作，则能够有效利用适于制作各模型的信息，能够制作能够以更高的精度进行估计的模型。
另外，也可以是，颜色变化估计模型制作部(灰度值估计模型制作部111)和相关性估计模型制作部112中的一方能够通过修正由与自身装置不同的装置制作出的模型来制作自身装置用的模型。在该情况下，例如能够利用由其它装置制作出的模型来制作形状特性值估计模型，因此也能够将制作过的模型展开到其它装置中，从而能够有效利用。
在本公开的实施方式中，作为基板上的膜处理，以通过涂布处理液来进行的膜形成处理为例进行了说明，但对基板进行的膜处理不限定于此。例如，对于通过供给处理液来去除形成于基板的膜的蚀刻处理而言，也能够应用在上述实施方式中进行了说明的结构。也就是说，“膜处理”包含能够变更基板上的对象膜的形状的各种处理。
在“膜处理”为蚀刻处理的情况下，作为成为估计对象的形状特性值，例如设想蚀刻量(通过蚀刻去除的膜的厚度：膜损失)。另外，也可以是，在进行与上述的装置的动作确认有关的详细的检查(QC检查)时，对预先形成了膜的检查用基板进行蚀刻处理来进行评价，将此时的检查结果作为蚀刻值(蚀刻信息)。此外，例如若蚀刻前的膜厚值是已知的，则能够测定蚀刻后的膜厚并利用两者的减法运算值(膜减小量)来求出蚀刻值。像这样，在变更“膜处理”的情况下，也能够根据膜处理的内容来变更形状特性值。即使在该情况下，也能够利用膜处理前后的基板的表面的颜色的变化来进行形状特性值的估计。另外，若基于上述实施方式所记载的结构，则能够更简单地制作能够高精度地估计形状特性值的模型。
根据以上的说明，在本说明书中，关于本公开的各种实施方式以说明为目的进行了说明，应当理解的是，在不脱离本公开的范围和主旨的情况下能够进行各种变更。因而，在本说明书中公开的各种实施方式的意图不在于进行限定，真正的范围和主旨由附加的权利要求书表示。
附图标记说明
1：基板处理系统；2：涂布显影装置(形状特性值估计装置)；3：曝光装置；4：载体块；5：处理块；6：接口块；11～14：处理模块；30：壳体；31：保持部；32：线性驱动部；33：摄像部；34：反射部；35：摄像机；36：半透半反镜；37：光源；100：控制装置；101：基底图像获取部；102：处理后图像获取部；103：图像信息保持部；104：模型制作部；105：估计模型保持部；106：估计部；107：形状特性值信息获取部；108：形状特性值信息保持部；111：灰度值估计模型制作部；112：相关性估计模型制作部。

Claims (13)

1.一种估计模型制作装置，是与形状特性值估计模型有关的估计模型制作装置，所述形状特性值估计模型是估计与在基板上进行膜处理所得到的对象膜的形状有关的特性值即形状特性值的估计模型，
所述估计模型制作装置具有：
处理后图像获取部，其获取处理后图像，该处理后图像是与被进行了膜处理的基板的表面有关的图像信息；
处理前图像获取部，其获取处理前图像，该处理前图像是与被进行所述膜处理之前的处理前基板的表面有关的图像信息；
颜色变化估计模型制作部，其制作颜色变化估计模型，该颜色变化估计模型是根据所述处理前图像中包含的与所述基板的表面的颜色有关的信息来估计所述处理后图像中包含的与所述基板的表面的颜色有关的信息的估计模型；以及
相关性估计模型制作部，其制作相关性估计模型，该相关性估计模型是求出所述处理后图像中包含的与所述基板的表面的颜色有关的信息同由所述颜色变化估计模型估计出的结果之差并估计该差与进行所述膜处理所得到的所述对象膜的形状特性值之间的相关性的估计模型。
2.根据权利要求1所述的估计模型制作装置，其中，
所述相关性估计模型制作部将不使用所述形状特性值估计模型地获取的所述对象膜的形状特性值用作进行所述膜处理所得到的所述对象膜的形状特性值，来制作所述相关性估计模型。
3.根据权利要求1所述的估计模型制作装置，其中，
所述相关性估计模型制作部以用于确定进行所述膜处理所得到的所述对象膜的形状特性值的信息的获取为契机，来制作所述相关性估计模型。
4.根据权利要求1所述的估计模型制作装置，其中，
所述颜色变化估计模型制作部能够修正由与自身装置不同的装置制作出的模型来制作自身装置用的颜色变化估计模型。
5.根据权利要求1所述的估计模型制作装置，其中，
所述相关性估计模型制作部能够修正由与自身装置不同的装置制作出的模型来制作自身装置用的相关性估计模型。
6.根据权利要求1所述的估计模型制作装置，其中，
所述膜处理是在基板上形成膜的膜形成处理。
7.一种估计模型制作方法，是与形状特性值估计模型有关的估计模型制作方法，所述形状特性值估计模型是估计与在基板上进行膜处理所得到的对象膜的形状有关的特性值即形状特性值的估计模型，
所述估计模型制作方法包括以下步骤：
获取处理后图像，该处理后图像是与被进行了所述膜处理的基板的表面有关的图像信息；
获取处理前图像，该处理前图像是与被进行所述膜处理之前的处理前基板的表面有关的图像信息；
制作颜色变化估计模型，该颜色变化估计模型是根据所述处理前图像中包含的与所述基板的表面的颜色有关的信息来估计所述处理后图像中包含的与所述基板的表面的颜色有关的信息的估计模型；以及
制作相关性估计模型，该相关性估计模型是求出所述处理后图像中包含的与所述基板的表面的颜色有关的信息同由所述颜色变化估计模型估计出的结果之差并估计该差与进行所述膜处理所得到的所述对象膜的形状特性值之间的相关性的估计模型。
8.根据权利要求7所述的估计模型制作方法，其中，
在所述相关性估计模型制作中，将不使用所述形状特性值估计模型地获取的所述对象膜的形状特性值用作所述膜处理后的所述对象膜的形状特性值，来制作所述相关性估计模型。
9.根据权利要求7所述的估计模型制作方法，其中，
在所述相关性估计模型制作中，以用于确定进行所述膜处理所得到的所述对象膜的形状特性值的信息的获取为契机，来制作所述相关性估计模型。
10.根据权利要求7所述的估计模型制作方法，其中，
在所述颜色变化估计模型制作中，能够修正由与自身装置不同的装置制作出的模型来制作自身装置用的颜色变化估计模型。
11.根据权利要求7所述的估计模型制作方法，其中，
在所述相关性估计模型制作中，能够修正由与自身装置不同的装置制作出的模型来制作自身装置用的相关性估计模型。
12.根据权利要求7所述的估计模型制作方法，其中，
所述膜处理是在基板上形成膜的膜形成处理。
13.一种计算机可读存储介质，其上存储有用于使装置执行根据权利要求7所述的估计模型制作方法的程序。
CN202111544428.9A 2020-12-24 2021-12-16 估计模型制作装置、估计模型制作方法以及存储介质 Pending CN114664680A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020215306A JP7482018B2 (ja) 2020-12-24 推定モデル作成装置、推定モデル作成方法、及び記憶媒体
JP2020-215306 2020-12-24

Publications (1)

Publication Number Publication Date
CN114664680A true CN114664680A (zh) 2022-06-24

Family

ID=82026395

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111544428.9A Pending CN114664680A (zh) 2020-12-24 2021-12-16 估计模型制作装置、估计模型制作方法以及存储介质

Country Status (4)

Country Link
US (1) US20220207711A1 (zh)
KR (1) KR20220092388A (zh)
CN (1) CN114664680A (zh)
TW (1) TW202229813A (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997035337A1 (en) * 1996-03-19 1997-09-25 Hitachi, Ltd. Process control system
JP4351522B2 (ja) * 2003-11-28 2009-10-28 株式会社日立ハイテクノロジーズ パターン欠陥検査装置およびパターン欠陥検査方法
KR20110010749A (ko) * 2008-04-30 2011-02-07 가부시키가이샤 니콘 관찰 장치 및 관찰 방법
JP6035279B2 (ja) * 2014-05-08 2016-11-30 東京エレクトロン株式会社 膜厚測定装置、膜厚測定方法、プログラム及びコンピュータ記憶媒体
US10895539B2 (en) * 2017-10-20 2021-01-19 Lam Research Corporation In-situ chamber clean end point detection systems and methods using computer vision systems

Also Published As

Publication number Publication date
KR20220092388A (ko) 2022-07-01
TW202229813A (zh) 2022-08-01
JP2022100989A (ja) 2022-07-06
US20220207711A1 (en) 2022-06-30

Similar Documents

Publication Publication Date Title
US11513081B2 (en) Substrate inspection method, substrate treatment system, and computer storage medium
US20220237770A1 (en) Substrate inspection device, substrate inspection system, and substrate inspection method
US11555691B2 (en) Substrate inspection system, substrate inspection method and recording medium
US11823922B2 (en) Substrate inspection apparatus, substrate processing apparatus, substrate inspection method, and computer-readable recording medium
US20200285156A1 (en) Substrate inspection apparatus, substrate processing apparatus, substrate inspection method, and computer-readable recording medium
US8139107B2 (en) Defect inspection method, defect inspection system, and computer readable storage medium
US20220252507A1 (en) Substrate processing apparatus, substrate inspecting method, and storage medium
CN114664680A (zh) 估计模型制作装置、估计模型制作方法以及存储介质
KR20200140201A (ko) 기판 검사 방법, 기판 검사 시스템 및 제어 장치
JP7482018B2 (ja) 推定モデル作成装置、推定モデル作成方法、及び記憶媒体
JP7425700B2 (ja) 形状特性値推定装置、形状特性値推定方法、及び記憶媒体
KR20210155360A (ko) 기판 처리 장치, 기판 처리의 추정 방법 및 기억 매체
KR20210078408A (ko) 기판 처리 방법 및 기판 처리 시스템
JP6524185B2 (ja) 基板処理システム
US11862496B2 (en) Substrate processing control method, substrate processing apparatus and storage medium
US20230386873A1 (en) Warpage amount estimation apparatus and warpage amount estimation method
US11915959B2 (en) Substrate treatment apparatus and transfer schedule creation method

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