JP2014026300A - ステージ装置及び試料搬送装置並びに位置決め制御方法 - Google Patents

Abstract

【課題】摺動面特性が駆動条件や経時変化に応じて非線形に変化する場合でも、常に高精度での位置決めを可能にする。
【解決手段】試料搬送装置及びステージ装置として、摺動機構を有する搬送又は移動機構と、搬送又は移動機構を駆動するアクチュエータと、初期駆動条件と目標位置に対する停止誤差量の関係を学習する機能を有し、初期駆動条件から停止誤差量を推定する演算部２０１と、初期駆動条件の一つである目標位置と推定された停止誤差量とに基づいてアクチュエータの実駆動条件を演算し、アクチュエータを制御する制御部２００とを有する。
【選択図】図３

Description

本発明は、摺動機構を有するステージ装置及び試料搬送装置並びに位置決め制御方法に関する。

半導体デバイスの加工や検査に用いられる半導体検査装置や半導体製造装置（例えば荷電粒子線装置や縮小投影露光装置）には、半導体試料を移動させる機構として試料搬送装置やステージ装置が用いられている。一般に、試料搬送装置やステージ装置には摺動機構が用いられるが、特許文献２に示すように、摺動機構を用いないステージ装置も提案されている。

しかし、摺動機構を用いないステージ装置や試料搬送装置は、装置構成が大型化し、装置価格も高額になる欠点がある。そのため、多くのステージ装置や試料搬送装置では、依然として、摺動機構が用いられている。

ところで、摺動機構の摺動面特性は、目標位置、速度、加速度などの駆動条件や経時変化により変化することが知られている。そこで、特許文献１には、摺動面特性に応じた位置ずれ情報を使用してステージを駆動制御する仕組みが開示されている。

特開平１１−２７１１８４号公報 特開２００１−１０２４２９号公報

「インテリジェント制御システム ファジィ・ニューロ・GA・カオスによる知的制御」：共立出版株式会社 田中一男編著

特許文献１は、ステージ装置の目標位置に応じたオフセット量をパラメータとして記憶し、ステージ装置の駆動時に用いることで摺動抵抗による位置ずれを補正する技術を開示する。しかし、摺動面特性は非線形性を有し、さらに、ステージ装置の停止位置だけでなく、駆動方向によっても特性が異なることがある。また、ステージ装置の摺動面特性は駆動条件や経時変化によっても変動する。

仮に、特許文献１に開示されている技術を半導体検査装置に適用した場合、ステージの移動開始位置と移動終了位置の組み合わせに対するオフセット量を時系列に記憶しなければならず、膨大な容量の記憶装置と情報処理プログラムが必要になる。

また、特許文献１による技術は、特性変化が連続的に生じることを前提とする。このため、メンテナンス作業などにより特性に大きな変化が生じた場合には対応できないという課題もある。

このように、摺動面特性の線形性を前提とするステージ装置の補正方法では、十分な位置決め精度を確保できない課題があった。

上記課題を解決するために、本発明に係る試料搬送装置及びステージ装置は、摺動機構を有する搬送又は移動機構と、搬送又は移動機構を駆動するアクチュエータと、初期駆動条件と目標位置に対する停止誤差量の関係を学習する機能を有し、初期駆動条件から停止誤差量を推定する演算部と、初期駆動条件の一つである目標位置と推定された停止誤差量とに基づいてアクチュエータの実駆動条件を演算し、アクチュエータを制御する制御部とを有する。

本発明によれば、摺動面特性が駆動条件や経時変化等に応じて非線形に変化する場合でも、常に高精度な位置決めを実現することができる。前述した以外の課題、構成及び効果は、後述する実施の形態の説明により明らかにされる。

半導体検査装置の概略構成を示す図。 ステージ装置の概略構成を示す図。 ステージ装置に内蔵される制御装置の概略構成を示す図。 停止誤差量の学習方法モデルを説明する図。 外挿法による誤差低減機能を有する制御装置の概略構成を示す図。 摺動機構を有する試料搬送装置の概略構成を示す図。

以下、図面に基づいて、本発明の実施の形態を説明する。なお、本発明の実施態様は、後述する形態例に限定されるものではなく、その技術思想の範囲において、種々の変形が可能である。

〔実施例１〕
［装置の全体構成］
図１に、実施例１に係る半導体検査装置１０の構成例を示す。因みに、半導体検査装置１０は、荷電粒子として電子を使用する。半導体検査装置１０は、鏡体部１１と、試料室１５と、二次電子検出部１６と、試料搬送装置２４と、表示装置３０を主要部として有している。

鏡体部１１には、電子線１４を照射する電子線源１２が格納され、不図示の収束レンズ、対物レンズ、偏向器等も格納される。試料室１５には、検査対象である半導体試料（ウエハ１７）を所望の位置に移動させるステージ装置１９が格納される。二次電子検出部１６は、電子線１４の照射位置から放出される二次電子を検出するセンサ素子である。試料搬送装置２４は、半導体検査装置１０の外部から運ばれてきたウエハ１７を試料室１５の内部に搬送するロボット機構である。表示装置３０は、コンピュータと一体構成であり、二次電子像やその処理結果を検査結果として表示するのに用いられる。また、表示装置３０は、初期駆動条件の一つである移動目標位置１０４の入力にも使用される。なお、本実施例の場合、ステージ装置１９と試料搬送装置２４の両方に摺動機構が搭載されている。

半導体検査装置１０における検査動作は、以下の手順で進行する。まず、検査対象に指定されたウエハ１７が、試料搬送装置２４により、試料室１５内のステージ装置１９上へと搬入される。次に、半導体検査装置１０は、事前に与えられた検査条件に従って、ステージ装置１９を位置決めする。ステージ装置１９が所望の位置に移動した後、半導体検査装置１０は、電子線１４をウエハ１７の所定位置に照射する。電子線１４の照射位置からは、二次電子１３が放出される。半導体検査装置１０は、放出された二次電子１３を二次電子検出部１６で検出し、その二次電子像や同画像に基づいて作成される検査結果を表示装置３０に表示する。

［ステージ装置の構成］
図２に、ステージ装置１９の内部構成例を示す。ステージ装置１９は、制御装置１０５と、モータ１０７と、摺動機構である試料移動台機構１０９を主要部として有している。なお、制御装置１０５には、停止誤差量の推定値を演算する制御量演算器２００が内蔵されている。

まず、ステージ装置１９の動作原理を説明する。移動目標位置１０４は、表示装置３０に表示されたGUI（Graphical User Interface）を通じ、ステージ装置１９の制御装置１０５に与えられる。制御装置１０５は、移動目標位置１０４を含む初期駆動条件と、移動目標位置１０４に対する停止誤差量の推定値に基づいて、アクチュエータであるモータ１０７に印加する駆動電圧１０６を時々刻々生成する。モータ１０７は、印加された駆動電圧１０６に応じて推力１０８を発生し、試料移動台機構１０９を駆動する。試料移動台機構１０９の駆動により、ウエハ１７が移動され、ウエハ１７が所定位置に位置決めされる。試料移動台機構１０９の変位量を制御装置１０５に帰還するか否かは任意である。変位量の帰還の有無は発明の本質には無関係である。

図３に、制御装置１０５の内部構成例を示す。制御装置１０５は、制御量演算器２００と駆動制御器２５０を主要部として有している。制御量演算器２００は、推定演算器２０１と加算器２１０で構成される。移動目標位置１０４は、推定演算器２０１と加算器２１０の両方に入力される。

推定演算器２０１は、移動開始位置１００と移動目標位置１０４を入力とし、移動後に生じる停止誤差量１０３を推定する。ここで、移動開始位置１００は、試料移動台機構１０９の変位の実測値として与えても良いし、前回の移動結果の記憶値を用いても良い。いずれの値を用いるかは発明の本質に無関係である。

加算器２１０では、推定演算器２０１で推定された停止誤差量１０３が、外部から与えられた移動目標位置１０４に対して加算される。加算結果が、駆動目標位置１１０として駆動制御器２５０に与えられる。なお、移動目標位置１０４から停止誤差量１０３を減算した値を駆動目標位置１１０として計算しても良い。駆動目標位置１１０の計算方法の違いは発明の本質に無関係である。

図４に、推定演算器２０１の一例を示す。図４に示す推定演算器２０１は、ニューラルネットワーク１０２で構成されている。ニューラルネットワーク１０２は、非特許文献１等にも記載されており、非線形学習機能を有する推定演算器として動作する。

本実施例におけるニューラルネットワーク１０２は、初期駆動条件として、移動開始位置１００と、移動目標位置１０４と、移動速度２０２と、移動加速度２０３を入力とする。ここで、移動速度２０２と移動加速度２０３は初期ファイル等から与えられる。

図４に示すニューラルネットワーク１０２は、入力層、中間層、出力層の３層で構成され、各層は順方向に結合されている。ニューラルネットワークの結合は、初期駆動条件と、当該条件に応じてステージ装置１９の移動した後に発生する停止誤差量１０３との関係を学習した結果に応じて設定される。初期駆動条件（移動開始位置１００と、移動目標位置１０４と、移動速度２０２と、移動加速度２０３）と停止誤差量１０３の間には非線形の関係がある。ニューラルネットワーク１０２は、誤差逆伝播法と呼ばれるアルゴリズムを使用して、初期駆動条件と停止誤差量１０３の間に認められる非線形の関係を学習する。

具体的には、初期駆動条件（移動開始位置１００、移動目標位置１０４、移動速度２０２、移動加速度２０３）に基づいてステージ装置１９を駆動した場合に実際に発生した停止誤差量を教師データとし、相対誤差が最小になるように、各層の結合度ベクトルＷを決定する。ここで、結合度ベクトルＷは、式１で表すことができる。なお、ベクトルＥは総誤差評価関数であり、tiは教師データである実際の停止誤差量であり、yiはニューラルネットワーク１０２が出力した停止誤差量１０３である。

なお、図４では、入力層として、移動開始位置１００、移動目標位置１０４、移動速度２０２、移動加速度２０３の４つを用いているが、初期駆動条件としてジャークと呼ばれる加速度変化率などを入力として加えても良い。ジャークと呼ばれる加速度変化率などを初期駆動条件に加えても発明の本質に影響しない。

また、図４では、移動速度２０２と移動加速度２０３を初期駆動条件として入力しているが、これらの情報が出力層から出力されても良い。この場合、移動開始位置１００と移動目標位置１０４から到達すべき移動速度２０２と移動加速度２０３を学習することになる。

［まとめ］
以上説明したように、本実施例に係るステージ装置１９では、その移動を繰り返すたびに、初期駆動条件と実際の停止誤差量の関係が逐次オンラインで学習される。従って、ステージ装置１９が有する摺動機構の摺動面特性が駆動条件や経過時間に応じて非線形に変化する場合にも、位置決め精度を移動毎に向上させることができる。また、本実施例の場合、摺動機構を用いたステージ装置１９を用いるため、高精度な位置決め精度を有する小型の半導体検査装置を安価に提供することができる。

〔実施例２〕
前述したように、実施例１で説明した制御量演算器２００（図３）は、過去の学習成果を使用し、推定演算器２０１が停止誤差量１０３を推定する。このため、実際に発生した停止誤差量の情報は、次回以降の推定結果に反映されることになり、学習成果の反映に遅延が生じてしまう。

そこで、本実施例では、この学習成果の遅延を防ぐ機能を備える制御量演算器２００を有する半導体検査装置１０について説明する。すなわち、学習成果を現在回（未来時刻）の制御に反映する機能を備える制御量演算器２００について説明する。本実施例の場合、未来時刻とは、ステージ装置１９の移動が指示された時点から実際に制御が開始されるまでの微小な時間を意味する。

図５に、実施例２に係る制御量演算器２００の構成例を示す。図５には、図３との対応部分に同一符号を付して示している。本実施例に特有の構成は、推定演算器２０１と加算器２１０の間に配置される、複数の遅延演算子ｚ-1で構成される遅延段と、未来時刻の停止誤差量（外挿停止誤差量３０２）を出力する外挿演算器３００である。

推定演算器２０１で推定された停止誤差量１０３は、遅延段において時系列に蓄積される。各遅延演算子ｚ-1からは、遅延段数分だけ遅延された停止誤差量１０３が外挿演算器３００に出力される。すなわち、外挿演算器３００には、推定演算器２０１で推定された停止誤差量１０３と、時系列に蓄積された過去の停止誤差量１０３が入力される。また、外挿演算器３００には、パラメータとして外挿時間３０１が外部から与えられる。外挿時間３０１は、駆動結果としての停止誤差が最小になるように調整された数値である。外挿方向は未来時刻である。このように、外挿演算器３００からは、外挿演算により推定された値が、外挿停止誤差量３０２として出力される。

本実施例の場合、加算器２１０は、移動目標位置１０４と外挿停止誤差量３０２の加算結果を、駆動目標位置１１０として駆動制御器２５０に出力する。

以下、外挿演算器３００で実行される演算動作を説明する。式２に、Lagrange補間多項式による外挿法の例を示す。

本実施例では、外挿法の一例として、Lagrange補間多項式による方法を記載するが、例えばNewton補間公式などを用いても良い。いずれの補間方式を用いても発明の本質は失われない。

本実施例の場合、制御量演算器２００は、時刻ｔに推定された停止誤差量ｕｔを過去ｎ＋１個分蓄積するものとする。このとき、時刻ｔｊと、推定された停止誤差量ｕｊは式３によって関係づけられる。

ただし、ｊ＝０，１，２，３…Ｋ…ｎである。なお、ｊ＝０が一番古い情報、ｊ＝ｎが一番新しい情報である。

式３を行列式で表現すると、式４となる。

式４を解けば、Lagrange補間多項式の係数ａｉは一意に決定される。係数ａｉが決定した時点で、推定したい時間ｔｎ＋Ｔを式３に代入すると、外挿された停止誤差推定量ｕ（ｔｎ＋Ｔ）を求めることができる。ここで、停止誤差推定量ｕ（ｔｎ＋Ｔ）は、外挿停止誤差量３０２を示している。また、Ｔは停止誤差を最小化できる任意の定数であり、外挿時間３０１を示している。

以上説明したように、本実施例に係る外挿演算機能を有する制御量演算器２００を用いることにより、摺動面特性が経時的に変化する場合にも、ステージ装置１９を遅延無く高精度に位置決めすることができる。

〔実施例３〕
前述した２つの実施例におけるニューラルネットワーク１０２においては、式１の結合度ベクトルＷを決定するために、過去に入力された全ての初期駆動条件と移動結果の関係を教師データとして使用した。

しかし、摺動面特性は経時的に変化する。このため、学習時の特性と現在の特性が異なる場合、過去の全ての情報を参照しても、適切な停止誤差量１０３を推定できない可能性がある。また、半導体検査装置の点検作業などにより摺動面特性が大きく変化した場合には、点検後の摺動面特性が過去の摺動面特性と合致しないため、過去の全ての情報を参照しても、適切な停止誤差量１０３を推定することができない。

そこで、本実施例では、ニューラルネットワーク１０２の学習に忘却係数を導入する。学習時に、忘却係数を取り入れることにより、過去の駆動結果を参照しながらも最近の装置状況をより強く反映させた高精度な停止誤差量１０３の推定が可能になる。忘却係数γを反映した結合度ベクトルＷの学習計算式は、式５に表すことができる。

式５は、０＜γ＜１の場合に、過去の結合度ベクトルＷの影響が指数的に減衰していくことを意味している。すなわち、時間的に古い結合度ベクトルＷほど忘却される。忘却係数は、駆動結果の変化の様子に基づいて自動的に決定するものとする。停止誤差量１０３の変化が大きい場合には、メンテナンス作業などにより現在の装置特性と異なる可能性が高いため、より強く忘却することを目的に、忘却係数γを減少させる。一方、停止誤差量１０３の変化が小さい場合には、現在の摺動面特性と類似するため、忘却係数γを１に近い値に増加させる。

このように、本実施例の場合には、停止誤差量１０３の学習に忘却係数γを取り入れることにより、経年変化によって装置状態が変化しても、より現状に近い停止誤差量１０３を推定することができる。

〔実施例４〕
試料搬送装置２４は、前述したステージ装置１９と同様、摺動機構を有している。従って、前述した各実施例における制御量演算器２００は、試料搬送装置２４の制御にも適用することができる。

そこで、本実施例では、摺動機構を有する試料搬送装置２４の装置構成について説明する。図６に、試料搬送装置２４の構成例を示す。試料搬送装置２４は、試料積載アーム４０２と、試料積載アーム４０２を回動させるモータ４００と、モータ４００と試料積載アーム４０２を連結する摺動機構４０１及び４０３と、モータ４００への駆動量を演算する制御装置４０４と、制御装置４０４とモータ４００を接続する制御線４０５を有している。ここでの制御装置４０４が、図２における制御装置１０５に対応する。

試料搬送装置２４の動作を簡単に説明すると以下のようになる。まず、制御装置４０４からの制御指令が制御線４０５を介してモータ４００に伝達させる。すると、モータ４００が回転する。モータ４００と試料積載アーム４０２とは、摺動機構４０１及び４０３によって連結されている。制御装置４０４の制御指令に対する試料積載アーム４０２の変位には、ステージ装置１９と同じ関係が生じる。すなわち、摺動機構４０１及び４０３は非線形の摺動面特性を有し、かつ、摺動面特性は駆動条件や時間経過により変化する。このため、試料搬送装置２４の駆動にも、実施例１〜３の制御手法を適用することができる。

〔他の実施例〕
本発明は上述した形態例に限定されるものでなく、様々な変形例が含まれる。例えば前述の各実施例では、半導体検査装置について説明したが、半導体製造装置にも適用することができる。また、摺動機構を有する位置決め装置を搭載する装置であれば、半導体検査装置や半導体製造装置に限らない。

また、上述の形態例は、本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも全ての構成要素を備える必要は無い。また、ある形態例の一部を他の形態例の構成に置き換えることが可能であり、また、ある形態例の構成に他の形態例の構成を加えることも可能である。また、各形態例の構成の一部について、他の構成を追加、削除又は置換することも可能である。

また、上述した各機能部、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路その他のハードウェアとして実現しても良い。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することにより実現しても良い。すなわち、ソフトウェアとして実現しても良い。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリやハードディスク、SSD（Solid State Drive）等の記憶装置、ICカード、SDカード、DVD等の記憶媒体に格納することができる。

また、制御線や情報線は、説明上必要と考えられるものを示すものであり、製品上必要な全ての制御線や情報線を表すものでない。実際にはほとんど全ての構成が相互に接続されていると考えて良い。

１９…ステージ装置
２４…試料搬送装置
１０２…ニューラルネットワーク
１０５…制御装置
２００…制御量演算器
２０１…推定演算器
２５０…駆動制御器
３００…外挿演算器
４０１…摺動機構
４０３…摺動機構
４０４…制御装置

Claims (12)

1. 摺動機構を有する搬送機構と、
   前記搬送機構を駆動するアクチュエータと、
   初期駆動条件と目標位置に対する停止誤差量の関係を学習する機能を有し、初期駆動条件から停止誤差量を推定する演算部と、
   初期駆動条件の一つである目標位置と推定された停止誤差量とに基づいて前記アクチュエータの実駆動条件を演算し、前記アクチュエータを制御する制御部と
   を有する試料搬送装置。
2. 請求項１に記載の試料搬送装置において、
   前記演算部は非線形学習機構を有する
   ことを特徴とする試料搬送装置。
3. 請求項１に記載の試料搬送装置において、
   前記演算部で推定された停止誤差量を外挿法によって補間演算し、補間演算結果を用いて未来時刻の停止誤差量を演算する外挿演算器を有する
   ことを特徴とする試料搬送装置。
4. 請求項１に記載の試料搬送装置において、
   初期駆動条件と停止誤差量の関係を学習する際、古い情報を忘却する機能を有する
   ことを特徴とする試料搬送装置。
5. 摺動機構を有する移動機構と、
   前記移動機構を駆動するアクチュエータと、
   初期駆動条件と目標位置に対する停止誤差量の関係を学習する機能を有し、初期駆動条件から停止誤差量を推定する演算部と、
   初期駆動条件の一つである目標位置と推定された停止誤差量とに基づいて前記アクチュエータの実駆動条件を演算し、前記アクチュエータを制御する制御部と
   を有するステージ装置。
6. 請求項５に記載のステージ装置において、
   前記演算部は非線形学習機構を有する
   ことを特徴とするステージ装置。
7. 請求項５に記載のステージ装置において、
   前記演算部で推定された停止誤差量を外挿法によって補間演算し、補間演算結果を用いて未来時刻の停止誤差量を演算する外挿演算器を有する
   ことを特徴とするステージ装置。
8. 請求項５に記載のステージ装置において、
   初期駆動条件と停止誤差量の関係を学習する際、古い情報を忘却する機能を有する
   ことを特徴とするステージ装置。
9. 現在位置と目標位置とに基づいてアクチュエータの実駆動条件を演算し、演算結果を用いてアクチュエータを制御する位置決め制御方法において、
   初期駆動条件と目標位置に対する停止誤差量の関係を学習する機能に基づいて、初期駆動条件から停止誤差量を推定する処理と、
   初期駆動条件の一つである目標位置と推定された停止誤差量とに基づいて前記アクチュエータの実駆動条件を演算し、前記アクチュエータを制御する処理と
   を有する位置決め制御方法。
10. 請求項９に記載の位置決め制御方法において、
    前記学習する機能は、初期駆動条件から停止誤差量を非線形に計算する処理手順を有する
    ことを特徴とする位置決め制御方法。
11. 請求項９に記載の位置決め制御方法において、
    推定された停止誤差量を外挿法によって補間演算し、補間演算結果を用いて未来時刻の停止誤差量を演算する計算手順を有する
    ことを特徴とする位置決め制御方法。
12. 請求項９に記載の位置決め制御方法において、
    初期駆動条件と停止誤差量の関係を学習する際、古い情報を忘却する計算手順を有する
    ことを特徴とする位置決め制御方法。

Images