JP2019106476A - 監視システム、学習装置、学習方法、監視装置及び監視方法 - Google Patents

監視システム、学習装置、学習方法、監視装置及び監視方法 Download PDF

Info

Publication number
JP2019106476A
JP2019106476A JP2017238786A JP2017238786A JP2019106476A JP 2019106476 A JP2019106476 A JP 2019106476A JP 2017238786 A JP2017238786 A JP 2017238786A JP 2017238786 A JP2017238786 A JP 2017238786A JP 2019106476 A JP2019106476 A JP 2019106476A
Authority
JP
Japan
Prior art keywords
value
cumulative
chemical solution
removal amount
replacement
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.)
Granted
Application number
JP2017238786A
Other languages
English (en)
Other versions
JP6525044B1 (ja
Inventor
雄也 太田
Yuya Ota
雄也 太田
徹 藤井
Toru Fujii
徹 藤井
慎 江上
Shin Egami
慎 江上
浩輔 鶴田
Kosuke Tsuruta
浩輔 鶴田
裕貴 高山
Hiroki Koyama
裕貴 高山
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.)
Omron Corp
Original Assignee
Omron Corp
Omron Tateisi Electronics Co
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
Application filed by Omron Corp, Omron Tateisi Electronics Co filed Critical Omron Corp
Priority to JP2017238786A priority Critical patent/JP6525044B1/ja
Priority to CN201811057807.3A priority patent/CN109918690B/zh
Priority to US16/133,140 priority patent/US20190181025A1/en
Priority to EP18195845.5A priority patent/EP3499331B1/en
Application granted granted Critical
Publication of JP6525044B1 publication Critical patent/JP6525044B1/ja
Publication of JP2019106476A publication Critical patent/JP2019106476A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • 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
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having at least one potential-jump barrier or surface barrier, e.g. PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having at least one potential-jump barrier or surface barrier, e.g. PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic System or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/302—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to change their surface-physical characteristics or shape, e.g. etching, polishing, cutting
    • H01L21/306—Chemical or electrical treatment, e.g. electrolytic etching
    • H01L21/30604—Chemical etching
    • 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
    • H01L21/67017—Apparatus for fluid treatment
    • H01L21/67063—Apparatus for fluid treatment for etching
    • H01L21/67075—Apparatus for fluid treatment for etching for wet etching

Abstract

【課題】ウェットエッチング装置において除去ムラの生じるタイミングを適切に予測可能な技術を提供する。
【解決手段】本発明の一側面に係る監視システムは、学習データに基づいて、累積稼働時間及び累積処理枚数の値に応じて除去量の値を予測する予測モデルを構築し、稼動中のウェットエッチング装置における、累積稼働時間、累積処理枚数、及び除去量の実績値を取得し、取得した累積稼働時間及び累積処理枚数それぞれの実績値を予測モデルに入力することにより除去量の予測値を算出し、薬液の交換の目安を示す指標値として除去量の予測値と実績値との差分を算出し、算出した指標値に基づいて、薬液の交換に関する情報を出力する。
【選択図】図４

Description

本発明は、監視システム、学習装置、学習方法、監視装置及び監視方法に関する。
従来、エッチング装置に使用される部品の状態を監視するための様々な方法が提案されている。例えば、特許文献１では、消耗部品の使用時間からエッチングレート均一性を予測する関係式を利用して、当該消耗部品の状態を監視する方法が提案されている。具体的には、特許文献１で提案されている方法は、消耗部品の使用時間を所定の関係式に代入することによりエッチングレート均一性の予測値を算出し、算出したエッチングレート均一性の予測値に基づいて、交換すべき消耗部品の組み合わせを算出する。この方法によれば、消耗部品の使用時間に基づいて、当該消耗部品の交換のタイミングを特定することができる。
特開２００３−０３１４５６号公報
ウェットエッチング装置では、消耗部品である薬液が劣化すると、エッチング処理の対象範囲において除去できていない部分が残ってしまう現象（以下、「除去ムラ」と称する）が生じてしまう。本件発明者らは、上記のエッチングレート均一性ではこの除去ムラを適切に予測することができないため、エッチングレート均一性の予測値が閾値を超えた際に薬液を交換するようにした場合には、まだ十分に利用可能な薬液を交換することになってしまう問題が生じることを見出した。すなわち、本件発明者らは、従来の方法では、除去ムラの生じるタイミングを適切に予測することが困難であり、薬液を必要以上に高頻度で交換することになってしまうことで、ウェットエッチングのコストが高くなってしまう問題点が生じることを見出した。
本発明は、一側面では、このような実情を鑑みてなされたものであり、その目的は、ウェットエッチング装置において除去ムラの生じるタイミングを適切に予測可能な技術を提供することである。
本発明は、上述した課題を解決するために、以下の構成を採用する。
すなわち、本発明の一側面に係る監視システムは、ウェットエッチング装置によるエッチング処理に使用する薬液の状態を監視するための監視システムであって、前記薬液を交換してから対象のウエハに対して前記エッチング処理を適用するまでに前記ウェットエッチング装置が稼動した累積の時間を示す累積稼働時間、前記薬液を交換してから前記対象のウエハに対して前記エッチング処理を適用するまでに処理した累積のウエハの枚数を示す累積処理枚数、及び前記エッチング処理を適用した前記対象のウエハにおいて除去されたエッチング対象物の量を示す除去量それぞれの正常値の組を学習データとして取得する学習データ取得部と、前記学習データに含まれる前記累積稼働時間、前記累積処理枚数、及び前記除去量それぞれの正常値に基づいて、前記累積稼働時間及び前記累積処理枚数の値に応じて前記除去量の値を予測する予測モデルを構築するモデル構築部と、稼動中の前記ウェットエッチング装置における、前記累積稼働時間、前記累積処理枚数、及び前記除去量の実績値を取得する実績値取得部と、取得した前記累積稼働時間及び前記累積処理枚数それぞれの実績値を前記予測モデルに入力することにより前記除去量の予測値を算出し、前記除去量についての、算出した前記予測値及び取得した前記実績値の差分を、前記薬液の交換の目安を示す指標値として算出する指標値算出部と、算出した前記指標値に基づいて、前記薬液の交換に関する情報を出力する出力部と、を備える。
ウェットエッチング装置が正常に動作している際に得られるデータを解析することで、累積稼働時間及び累積処理枚数の値に応じてエッチング対象物の除去量の値を予測する予測モデルを構築することができる。本件発明者らは、この予測モデルにより導出される除去量の予測値と当該除去量の実績値との間に乖離が生じるほど、対象のウェットエッチング装置において除去ムラが発生しやすくなることを見出した。すなわち、本件発明者らは、累積稼働時間及び累積処理枚数の実績値を当該予測モデルに入力することで得られる除去量の予測値と当該除去量の実績値との差分が一定値を超えるか否かにより、除去ムラの発生を予測することができることを見出した。
なお、「累積稼働時間」とは、薬液を交換してから対象のウエハに対してエッチング処理を適用する前までにウェットエッチング装置が稼動した累積の時間のことである。「累積処理枚数」とは、薬液を交換してから対象のウエハに対してエッチング処理を適用する前までに処理した累積のウエハの枚数のことである。「除去量」とは、ウェットエッチング装置によるエッチング処理を適用した対象のウエハにおいて除去されたエッチング対象物の量のことである。
そこで、上記構成に係る監視システムは、累積稼働時間、累積処理枚数、及び除去量それぞれの正常値の組み合わせを学習データとして取得し、取得した学習データに基づいて、累積稼働時間及び累積処理枚数の値に応じて除去量の値を予測する予測モデルを構築する。つまり、予測モデルは、累積稼働時間及び累積処理枚数それぞれの値が入力されると、入力された累積稼働時間及び累積処理枚数それぞれの値から予測されるエッチング対象物の除去量の値を出力するように構築される。
また、上記構成に係る監視システムは、稼働中のウェットエッチング装置における、累積稼働時間、累積処理枚数、及び除去量それぞれの実績値を取得し、取得した累積稼働時間及び累積処理枚数それぞれの実績値を予測モデルに入力することで、エッチング対象物の除去量の予測値を算出する。そして、上記構成に係る監視システムは、薬液の交換の目安を示す指標値として除去量の予測値と実績値との差分を算出し、算出した指標値に基づいて、薬液の交換に関する情報を出力する。
したがって、上記構成に係る監視システムは、累積稼働時間及び累積処理枚数の値から除去量の値を予測する予測モデルを適切に構築することができる。また、上記構成に係る監視システムは、稼働中のウェットエッチング装置に対して、構築した予測モデルを利用して除去量の予測値を導出し、当該除去量の予測値と実績値との差分を算出し、算出した当該差分に基づいて、薬液の交換に関する情報を出力することができる。よって、上記構成に係る監視システムによれば、本件発明者らが見出した上記知見に基づいて、ウェットエッチング装置において除去ムラの生じるタイミングを適切に予測することができるようになる。また、上記構成に係る監視システムを利用することで、対象のウェットエッチング装置において過剰な薬液の交換を抑制することができ、ウェットエッチングのコストを低減することができる。
なお、除去量の予測値と実績値との差分（すなわち、指標値）は、予測値と実測値との引き算の結果により表現されてもよいし、予測値と実績値との比率により表現されてもよい。また、予測モデルは、学習データを統計的に分析することにより、累積稼働時間及び累積処理枚数と除去量との関係を示すように構成される。この予測モデルの種類は、そのような統計的分析により得られるものであれば、特に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。予測モデルとして、例えば、回帰モデル、ニューラルネットワーク、決定木モデル等を挙げることができる。
上記一側面に係る監視システムにおいて、前記出力部は、算出した前記指標値と予め設定された閾値とを比較してもよく、前記比較の結果、前記指標値が前記閾値を超えていると判定した場合に、前記薬液の交換を促すためのメッセージを前記薬液の交換に関する情報として出力してもよい。当該構成によれば、適切なタイミングで薬液の交換を促す監視システムを提供することができる。
上記一側面に係る監視システムにおいて、前記閾値は、前記ウェットエッチング装置における前記エッチング処理に異常が発生した時の前記累積稼働時間及び前記累積処理枚数それぞれの値を前記予測モデルに入力することで得られる出力値と当該異常が発生した時の前記除去量の値との差分に基づいて設定されてよい。当該構成によれば、薬液の交換のタイミングを計る指標となる閾値を適切に設定することができる。
上記一側面に係る監視システムにおいて、前記モデル構築部は、前記学習データに含まれる前記累積稼働時間、前記累積処理枚数、及び前記除去量それぞれの正常値に対して回帰分析を行うことで、前記予測モデルを構築してもよい。当該構成によれば、累積稼働時間及び累積処理枚数から除去量を予測する予測モデルを適切に構築することができる。
また、上記ウェットエッチング装置は、前記薬液の交換を行うように構成された薬液交換部を備えてもよい。そして、上記一側面に係る監視システムにおいて、前記出力部は、前記薬液の交換に関する情報として、前記ウェットエッチング装置の前記薬液交換部に対して前記薬液の交換を指示する指令を出力してもよい。当該構成によれば、薬液の交換を自動化することができる。
なお、上記各形態に係る監視システムの別の形態として、以上の各構成を実現する情報処理方法であってもよいし、プログラムであってもよいし、このようなプログラムを記憶した、コンピュータその他装置、機械等が読み取り可能な記憶媒体であってもよい。ここで、コンピュータ等が読み取り可能な記憶媒体とは、プログラム等の情報を、電気的、磁気的、光学的、機械的、又は、化学的作用によって蓄積する媒体である。また、上記各形態に係る監視システムは、１又は複数台の情報処理装置により構成されてもよい。更に、上記各形態に係る監視システムの一部の構成を抽出して、別の形態に係るシステム、装置、方法、プログラム、及びプログラムを記憶した記憶媒体を構築してもよい。
例えば、本発明の一側面に係る学習装置は、薬液を交換してから対象のウエハに対してエッチング処理を適用するまでにウェットエッチング装置が稼動した累積の時間を示す累積稼働時間、前記薬液を交換してから前記対象のウエハに対して前記エッチング処理を適用するまでに処理した累積のウエハの枚数を示す累積処理枚数、及び前記エッチング処理を適用した前記対象のウエハにおいて除去されたエッチング対象物の量を示す除去量それぞれの正常値の組を学習データとして取得する学習データ取得部と、前記学習データに含まれる前記累積稼働時間、前記累積処理枚数、及び前記除去量それぞれの正常値に基づいて、前記累積稼働時間及び前記累積処理枚数の値に応じて前記除去量の値を予測する予測モデルを構築するモデル構築部と、を備える。
また、例えば、本発明の一側面に係る学習方法は、コンピュータが、薬液を交換してから対象のウエハに対してエッチング処理を適用するまでにウェットエッチング装置が稼動した累積の時間を示す累積稼働時間、前記薬液を交換してから前記対象のウエハに対して前記エッチング処理を適用するまでに処理した累積のウエハの枚数を示す累積処理枚数、及び前記エッチング処理を適用した前記対象のウエハにおいて除去されたエッチング対象物の量を示す除去量それぞれの正常値の組を学習データとして取得するステップと、前記学習データに含まれる前記累積稼働時間、前記累積処理枚数、及び前記除去量それぞれの正常値に基づいて、前記累積稼働時間及び前記累積処理枚数の値に応じて前記除去量の値を予測する予測モデルを構築するステップと、を実行する情報処理方法である。
また、例えば、本発明の一側面に係る監視装置は、稼働中のウェットエッチング装置における、薬液を交換してから対象のウエハに対してエッチング処理を適用するまでに当該ウェットエッチング装置が稼動した累積の時間を示す累積稼働時間、前記薬液を交換してから前記対象のウエハに対して前記エッチング処理を適用するまでに処理した累積のウエハの枚数を示す累積処理枚数、及び前記エッチング処理を適用した前記対象のウエハにおいて除去されたエッチング対象物の量を示す除去量それぞれの実績値を取得する実績値取得部と、前記累積稼働時間及び前記累積処理枚数の値に応じて前記除去量の値を予測するように構築された予測モデルに、取得した前記累積稼働時間及び前記累積処理枚数それぞれの実績値を入力することにより、前記除去量の予測値を算出し、前記除去量についての、算出した前記予測値及び取得した前記実績値の差分を、前記薬液の交換の目安を示す指標値として算出する指標値算出部と、算出した前記指標値に基づいて、前記薬液の交換に関する情報を出力する出力部と、を備える。
また、例えば、本発明の一側面に係る監視方法は、コンピュータが、稼働中のウェットエッチング装置における、薬液を交換してから対象のウエハに対してエッチング処理を適用するまでに当該ウェットエッチング装置が稼動した累積の時間を示す累積稼働時間、前記薬液を交換してから前記対象のウエハに対して前記エッチング処理を適用するまでに処理した累積のウエハの枚数を示す累積処理枚数、及び前記エッチング処理を適用した前記対象のウエハにおいて除去されたエッチング対象物の量を示す除去量それぞれの実績値を取得するステップと、前記累積稼働時間及び前記累積処理枚数の値に応じて前記除去量の値を予測するように構築された予測モデルに、取得した前記累積稼働時間及び前記累積処理枚数それぞれの実績値を入力することにより、前記除去量の予測値を算出するステップと、前記除去量についての、算出した前記予測値及び取得した前記実績値の差分を、前記薬液の交換の目安を示す指標値として算出するステップと、算出した前記指標値に基づいて、前記薬液の交換に関する情報を出力するステップと、を実行する情報処理方法である。
本発明によれば、ウェットエッチング装置において除去ムラの生じるタイミングを適切に予測可能な技術を提供することができる。
図１は、本発明が適用される場面の一例を模式的に例示する。 図２Ａは、累積稼働時間、累積処理枚数、及び除去量の測定結果を示す。 図２Ｂは、除去量の予測値と実績値との差分の算出結果を示す。 図３は、実施の形態に係る監視システムのハードウェア構成の一例を模式的に例示する。 図４は、実施の形態に係る監視システムのソフトウェア構成の一例を模式的に例示する。 図５は、実施の形態に係る監視システムが予測モデルを構築する際の処理手順の一例を例示する。 図６は、実施の形態に係るウェットエッチング装置の稼働状況を示す稼働データの一例を模式的に例示する。 図７は、実施の形態に係る学習データを管理するためのデータテーブルの一例を模式的に例示する。 図８は、実施の形態に係る予測モデルを管理するためのデータテーブルの一例を模式的に例示する。 図９は、実施の形態に係る監視システムがウェットエッチング装置における薬液の状態を監視する際の処理手順の一例を例示する。 図１０は、実施の形態に係る指標値の算出結果の一例を模式的に例示する。 図１１は、変形例に係る監視システムのソフトウェア構成の一例を模式的に例示する。 図１２は、変形例に係る監視システムの構成の一例を模式的に例示する。 図１３は、変形例に係るウェットエッチング装置の構成の一例を模式的に例示する。
以下、本発明の一側面に係る実施の形態（以下、「本実施形態」とも表記する）を、図面に基づいて説明する。ただし、以下で説明する本実施形態は、あらゆる点において本発明の例示に過ぎない。本発明の範囲を逸脱することなく種々の改良や変形を行うことができることは言うまでもない。つまり、本発明の実施にあたって、実施形態に応じた具体的構成が適宜採用されてもよい。なお、本実施形態において登場するデータを自然言語により説明しているが、より具体的には、コンピュータが認識可能な疑似言語、コマンド、パラメータ、マシン語等で指定される。
§１ 適用例
まず、図１を用いて、本発明が適用される場面の一例について説明する。図１は、本実施形態に係る監視システム１の利用場面の一例を模式的に例示する。
本実施形態に係る監視システム１は、ウェットエッチング装置３によるエッチング処理に使用する薬液の状態を監視するための情報処理装置である。ウェットエッチング装置３の種類は、特に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。ウェットエッチング装置３には、公知のウェットエッチング装置が採用されてよい。
どのような状況で除去ムラが発生しやすくなるかを特定するために、公知のウェットエッチング装置を利用して、以下の条件で、累積稼働時間、累積処理枚数、及び除去量のデータを収集した。
＜データの収集条件＞
・ウェットエッチング装置：ＤＩＰタイプ（バッチ方式）のウェットベンチ
・薬液の種類：ヨウ素／ヨウ化カリウム系Ａｕエッチング液
・ウエハの種類：シリコンウエハ
・ウエハの処理：Ａｕをスパッタリング法でシリコンウエハ上に成膜し、フォトレジストで配線パターンを形成する
・薬液の交換頻度：１か月に１回以上（６か月目以降しばらくの間は変更）
ここで、「累積稼働時間」とは、薬液を交換してから対象のウエハに対してエッチング処理を適用する前までにウェットエッチング装置が稼動した累積の時間のことである。「累積処理枚数」とは、薬液を交換してから対象のウエハに対してエッチング処理を適用する前までに処理した累積のウエハの枚数のことである。「除去量」とは、ウェットエッチング装置によるエッチング処理を適用した対象のウエハにおいて除去されたエッチング対象物の量のことである。
データの収集の際には、薬液の交換を実施する度に累積稼働時間及び累積処理枚数の値を０にリセットした。また、エッチング処理を行うことで、ウエハにおける電極間の寸法が変化する。この電極間の寸法の変化に応じて、当該電極間の抵抗値は変動する。そこで、エッチング処理を実施する前及び実施した後にウエハの抵抗値を測定し、得られた測定値の差分によりウエハにおける抵抗値の変化量を算出し、算出したウエハの抵抗値の変化量に基づいて、ウエハにおいて除去されたエッチング対象物の除去量を導出した。なお、データの収集に利用したウェットエッチング装置は、１ロット分のウエハ（３枚分のウエハ）をマガジンに格納し、１ロット分のウエハをまとめてエッチング処理を実施することから、ロット毎に抜き取りで除去量の計測を行った。
図２Ａは、収集したデータを示す。ウェットエッチング装置が正常に動作している期間、すなわち、ウエハにおいて除去ムラが生じなかった期間では、基本的には、ウエハの除去量は、累積稼働時間及び累積処理枚数に応じて減少した。一方、薬液の交換頻度を少なくした６か月目以降において、累積稼働時間及び累積処理枚数がある程度増加すると、ウエハの除去量は減少から増加に転じた。そして、図２Ａに示す期間に除去ムラが発生した。
これらの傾向により、累積稼働時間及び累積処理枚数が増加しているにも関わらず、ウエハにおける除去量が増加していくことが、除去ムラの発生リスクを高める要因となり得ることが分かった。そこで、ウエハの除去量が減少傾向にある期間のデータを利用して、累積稼働時間及び累積処理枚数の値に応じて除去量の値を予測する予測モデルを構築した。データの解析には回帰分析を採用し、当該予測モデル（回帰モデル）を構築した。そして、構築した予測モデルから導出される除去量の予測値と当該除去量の実測値（図２Ａのデータ）との差分を算出した。
図２Ｂは、除去量の予測値と実績値との差分を算出した結果を示す。図２Ｂに示されるとおり、除去ムラが発生するリスクが高まるほど、予測モデルにより導出される除去量の予測値と当該除去量の実測値との差分が大きくなることが分かった。これにより、本件発明者らは、予測モデルにより導出される除去量の予測値と当該除去量の実測値との差分を指標値として用いることで、除去ムラが発生するリスクを予測することができることを見出した。
そこで、図１に示されるとおり、学習のフェーズでは、監視システム１は、ウェットエッチング装置３について、累積稼働時間、累積処理枚数、及び除去量それぞれの正常値の組を学習データとして取得する。そして、監視システム１は、取得した学習データに基づいて、累積稼働時間及び累積処理枚数の値に応じて除去量の値を予測する予測モデルを構築する。予測モデルは、累積稼働時間及び累積処理枚数それぞれの値（実績値）が入力されると、入力された累積稼働時間及び累積処理枚数それぞれの値から予測されるエッチング対象物の除去量の値（予測値）を出力するように構築される。
一方、監視のフェーズでは、監視システム１は、稼働中のウェットエッチング装置３における、累積稼働時間、累積処理枚数、及び除去量それぞれの実績値を取得する。続いて、監視システム１は、取得した累積稼働時間及び累積処理枚数それぞれの実績値を予測モデルに入力することで、ウェットエッチング装置３におけるエッチング対象物の除去量の予測値を算出する。そして、監視システム１は、除去量の算出した予測値と取得した実績値との差分を薬液の交換の目安を示す指標値として算出し、算出した指標値に基づいて、薬液の交換に関する情報を出力する。
以上により、本実施形態に係る監視システム１は、ウェットエッチング装置３における累積稼働時間及び累積処理枚数の値から除去量の値を予測する予測モデルを適切に構築することができる。また、本実施形態に係る監視システム１は、稼働中のウェットエッチング装置３に対して、構築した予測モデルを利用して除去量の予測値を導出し、当該除去量の予測値と実績値との差分を算出し、算出した当該差分に基づいて、薬液の交換に関する情報を出力することができる。
そのため、本実施形態によれば、本件発明者らが見出した上記知見に基づいて、ウェットエッチング装置３において除去ムラの生じるタイミングを適切に予測することができるようになる。したがって、本実施形態に係る監視システム１を利用することで、ウェットエッチング装置３において過剰な薬液の交換を抑制することができ、ウェットエッチングのコストを低減することができる。
なお、学習のフェーズ及び監視のフェーズで、ウェットエッチング装置３は異なっていてもよい。つまり、予測モデルを構築するために学習データを取得するウェットエッチング装置と、除去ムラの発生を監視する対象となるウェットエッチング装置とは、異なっていてもよい。
§２ 構成例
［ハードウェア］
次に、図３を用いて、本実施形態に係る監視システム１のハードウェア構成の一例について説明する。図３は、本実施形態に係る監視システム１のハードウェア構成の一例を模式的に例示する。
図３に示されるとおり、本実施形態に係る監視システム１は、制御部１１、記憶部１２、外部インタフェース１３、入力装置１４、出力装置１５、及びドライブ１６が電気的に接続されたコンピュータである。なお、図３では、外部インタフェースを「外部Ｉ／Ｆ」と記載している。
制御部１１は、ハードウェアプロセッサであるＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等を含み、情報処理に応じて各構成要素の制御を行う。記憶部１２は、例えば、ハードディスクドライブ、ソリッドステートドライブ等の補助記憶装置であり、制御部１１で実行されるプログラム８等の各種情報を記憶する。プログラム８は、後述する学習処理（図５）及び監視処理（図９）を監視システム１に実行させるためのプログラムである。詳細は後述する。
外部インタフェース１３は、例えば、専用ポート、ＵＳＢ（Universal Serial Bus）ポート等であり、外部装置と接続するためのインタフェースである。外部インタフェース１３の種類及び数は、実施の形態に応じて適宜決定されてよい。監視システム１は、この外部インタフェース１３を介して、ウェットエッチング装置３と接続する。
入力装置１４は、例えば、マウス、キーボード等の入力を行うための装置である。また、出力装置１５は、例えば、ディスプレイ、スピーカ等の出力を行うための装置である。オペレータは、入力装置１４及び出力装置１５を介して、監視システム１を操作することができる。
ドライブ１６は、例えば、ＣＤドライブ、ＤＶＤドライブ等であり、記憶媒体９に記憶されたプログラムを読み込むためのドライブ装置である。ドライブ１６の種類は、記憶媒体９の種類に応じて適宜選択されてよい。上記プログラム８は、この記憶媒体９に記憶されていてもよい。
記憶媒体９は、コンピュータその他装置、機械等が記録されたプログラム等の情報を読み取り可能なように、当該プログラム等の情報を、電気的、磁気的、光学的、機械的又は化学的作用によって蓄積する媒体である。監視システム１は、この記憶媒体９から、上記プログラム８を取得してもよい。
ここで、図３では、記憶媒体９の一例として、ＣＤ、ＤＶＤ等のディスク型の記憶媒体を例示している。しかしながら、記憶媒体９の種類は、ディスク型に限定される訳ではなく、ディスク型以外であってもよい。ディスク型以外の記憶媒体として、例えば、フラッシュメモリ等の半導体メモリを挙げることができる。
なお、監視システム１の具体的なハードウェア構成に関して、実施形態に応じて、適宜、構成要素の省略、置換及び追加が可能である。例えば、制御部１１は、複数のプロセッサを含んでもよい。監視システム１は、複数台の情報処理装置で構成されてもよい。また、監視システム１は、提供されるサービス専用に設計された情報処理装置の他、汎用のサーバ装置、ＰＣ（Personal Computer）等であってもよい。
［ソフトウェア構成］
次に、図４を用いて、本実施形態に係る監視システム１のソフトウェア構成の一例を説明する。図４は、本実施形態に係る監視システム１のソフトウェア構成の一例を模式的に例示する。
監視システム１の制御部１１は、記憶部１２に記憶されたプログラム８をＲＡＭに展開する。そして、制御部１１は、ＲＡＭに展開されたプログラム８をＣＰＵにより解釈及び実行して、各構成要素を制御する。これによって、図４に示されるとおり、本実施形態に係る監視システム１は、ソフトウェアモジュールとして、学習データ取得部１１１、モデル構築部１１２、実績値取得部１１３、指標値算出部１１４、及び出力部１１５を備えるコンピュータとして構成される。
学習のフェーズにおいて、学習データ取得部１１１は、累積稼働時間、累積処理枚数、及び除去量それぞれの正常値の組を学習データ１２１として取得する。モデル構築部１１２は、学習データ１２１に含まれる累積稼働時間、累積処理枚数、及び除去量それぞれの正常値に基づいて、累積稼働時間及び累積処理枚数の値に応じて除去量の値を予測する予測モデル１２２を構築する。
次に、推定のフェーズにおいて、実績値取得部１１３は、稼働中のウェットエッチング装置３における、累積稼働時間、累積処理枚数、及び除去量の実績値を取得する。指標値算出部１１４は、取得した累積稼働時間及び累積処理枚数それぞれの実績値を予測モデル１２２に入力することにより除去量の予測値を算出し、当該除去量の算出した予測値と取得した実績値との差分を薬液の交換の目安を示す指標値として算出する。出力部１１５は、算出した指標値に基づいて、薬液の交換に関する情報を出力する。
監視システム１の各ソフトウェアモジュールに関しては後述する動作例で詳細に説明する。なお、本実施形態では、監視システム１の各ソフトウェアモジュールがいずれも汎用のＣＰＵにより実現される例について説明している。しかしながら、以上のソフトウェアモジュールの一部又は全部が、１又は複数の専用のプロセッサにより実現されてもよい。また、監視システム１のソフトウェア構成に関して、実施形態に応じて、適宜、ソフトウェアモジュールの省略、置換及び追加が行われてもよい。
§３ 動作例
次に、監視システム１の動作例を説明する。本実施形態に係る監視システム１は、予測モデル１２２を構築する学習フェーズ、及び学習フェーズで構築した予測モデル１２２を用いてウェットエッチング装置３の薬液の状態を監視する監視フェーズの２つの動作を行う。以下では、各フェーズにおける処理手順について説明する。
［学習フェーズ］
まず、図５を用いて、予測モデル１２２を構築する学習フェーズにおける処理手順について説明する。図５は、本実施形態に係る監視システム１の学習フェーズにおける処理手順の一例を示す。以下で説明する学習フェーズにおける処理手順は、本発明の「学習方法」の一例である。ただし、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。
（ステップＳ１０１）
まず、ステップＳ１０１では、制御部１１は、学習データ取得部１１１として動作し、累積稼働時間、累積処理枚数、及び除去量それぞれの正常値の組を学習データ１２１として取得する。
学習データ１２１を取得する方法は、実施の形態に応じて適宜選択されてよい。例えば、制御部１１は、除去ムラ等の異常が発生していない期間において、ウェットエッチング装置３の稼働状況を示す稼働データを取得してもよい。そして、制御部１１は、取得した稼働データから累積稼働時間、累積処理枚数、及び除去量それぞれの値を抽出することで、学習データ１２１を取得してもよい。なお、稼働データの取得はリアルタイムに行われなくてもよく、制御部１１は、ウェットエッチング装置３の稼働が停止した後に、稼働データを取得してもよい。
図６は、ウェットエッチング装置３の稼働データの一例を模式的に例示する。制御部１１は、例えば、ウェットエッチング装置３自身、ウェットエッチング装置３の動作を検査する公知の検査装置（不図示）等から当該稼働データを取得することができる。図６で例示される稼働データは、検査時刻、ロットＩＤ、バッチＩＤ、累積稼働時間、累積処理枚数、除去量、薬液量、及び液濃度の各値を格納するフィールドを有している。
検査時刻は、ウェットエッチング装置３の稼働状況を検査した時刻を示す。ロットＩＤ及びバッチＩＤは、ウェットエッチング装置３においてエッチング処理されたウエハを識別するための識別子である。薬液量は、エッチング処理に利用された薬液の量を示す。液濃度は、エッチング処理に利用された薬液の濃度を示す。
制御部１１は、このような稼働データから、検査時刻、累積稼働時間、累積処理枚数、及び除去量のフィールドを抽出することで、学習データ１２１を取得することができる。そして、制御部１１は、取得した学習データ１２１を所定の形式で記憶部１２に格納してもよい。
図７は、学習データ１２１を管理するためのデータテーブルの一例を模式的に例示する。図７に例示されるデータテーブルは、検査時刻、累積稼働時間、累積処理枚数、除去量、及びフラグの各値を格納するフィールドを有している。制御部１１は、このようなデータテーブルの形式により学習データ１２１を保存してもよい。ただし、学習データ１２１を管理するためのデータ形式は、このようなテーブル形式に限られなくてもよく、実施の形態に応じて適宜選択されてよい。学習データ１２１を取得すると、制御部１１は、次のステップＳ１０２に処理を進める。
なお、フラグは、対象のレコード（行データ）を学習データ１２１として利用するか否かを示す。図７では、「FALSE」が、対象のレコードを学習データ１２１として利用しないことを示し、「TRUE」が、対象のレコードを学習データ１２１として利用することを示す。本ステップＳ１０１では、制御部１１は、上記各フィールドの値を稼働データから抽出する際に、稼働データから抽出した各レコードを学習データ１２１として利用するか否かを適宜選択してもよい。
当該選択は、例えば、オペレータにより行われてもよい。この場合、制御部１１は、稼働データから抽出した各レコードを出力装置１５に出力し、各レコードを学習データ１２１として利用するか否かの選択を受け付ける。オペレータは、入力装置１４を操作して、各レコードを学習データ１２１として利用するか否かを選択する。制御部１１は、オペレータによる入力装置１４の操作に基づいて、稼働データから抽出した各レコードを学習データ１２１として利用するか否かを判定する。
また、上記図２Ａ及び図２Ｂから、累積稼働時間及び累積処理枚数が増加するにつれて、エッチング対象物の除去量が減少傾向にある場合には除去ムラの発生するリスクはほぼないのに対して、除去量が増加傾向にある場合に除去ムラの発生するリスクが高まると予測される。そこで、制御部１１は、オペレータによる選択によらず、除去量の値に基づいて、稼働データから抽出した各レコードを学習データ１２１として利用するか否かを判定してもよい。例えば、制御部１１は、対象のレコードの除去量の値を参照し、除去量の値が減少傾向にある場合に、当該対象のレコードを学習データ１２１として利用すると判定してもよい。一方、制御部１１は、除去量の値が増加傾向にある場合には、当該対象のレコードを学習データ１２１として利用しないと判定してもよい。ただし、学習データ１２１の選択方法は、このような例に限定される訳ではなく、除去量の値が増加傾向にある期間のデータの一部が学習データ１２１として利用されてもよい。
（ステップＳ１０２）
次のステップＳ１０２では、制御部１１は、モデル構築部１１２として動作し、ステップＳ１０１で取得した学習データ１２１に含まれる累積稼働時間、累積処理枚数、及び除去量それぞれの正常値に基づいて、累積稼働時間及び累積処理枚数の値に応じて除去量の値を予測する予測モデル１２２を構築する。予測モデル１２２の種類は、実施の形態に応じて適宜選択されてよい。例えば、予測モデル１２２には、回帰モデルが採用されてもよい。回帰モデルは、以下の数１の式で表される。
なお、ｙは、除去量に対応し、ｘ1は、累積稼働時間に対応し、ｘ2は、累積処理枚数に対応する。ｘ1及びｘ2の対応は入れ替わってもよい。また、Ｃ0は切片であり、Ｃ1及びＣ2は、回帰係数である。制御部１１は、学習データ１２１に含まれる累積稼働時間、累積処理枚数、及び除去量それぞれの正常値に対して回帰分析することにより、Ｃ0〜Ｃ2の各値を算出することで、予測モデル１２２（回帰モデル）を構築する。制御部１１は、構築した予測モデル１２２を保存するため、算出したＣ0〜Ｃ2の各値を所定の形式で記憶部１２に格納してもよい。
図８は、予測モデル１２２を管理するためのデータテーブルの一例を模式的に例示する。図８に例示されるデータテーブルは、Ｃ0〜Ｃ2及び標準偏差（Ｒｓｄ）の各値を格納するフィールドを有している。制御部１１は、このようなデータテーブルの形式により予測モデル１２２を保存してもよい。ただし、予測モデル１２２を管理するためのデータ形式は、このようなテーブル形式に限られなくてよく、実施の形態に応じて適宜選択されてよい。予測モデル１２２を構築すると、制御部１１は、本動作例に係る学習フェーズの処理を終了する。
なお、標準偏差（Ｒｓｄ）フィールドには、予測モデル１２２（回帰モデル）の学習データ１２１に対する誤差の標準偏差が格納される。制御部１１は、回帰分析により構築した予測モデル１２２及び学習データ１２１に基づいて、当該標準偏差の値を算出することができる。ただし、この標準偏差の値は、予測モデル１２２の構成要素ではない。そのため、この標準偏差の算出は、省略されてもよい。すなわち、上記データテーブルにおいて、標準偏差（Ｒｓｄ）フィールドは省略されてもよい。
また、予測モデル１２２の種類は、累積稼働時間及び累積処理枚数と除去量との関係を導出可能な統計的分析により得られるものであれば、特に限定されなくてもよい。すなわち、予測モデル１２２の種類は、累積稼働時間及び累積処理枚数の値の入力に応じて、入力された累積稼働時間及び累積処理枚数の値から予測される除去量の値を出力可能であれば、上記回帰モデルに限定されなくてもよく、実施の形態に応じて適宜選択されてよい。予測モデル１２２には、上記回帰モデルの他、例えば、ニューラルネットワーク、決定木モデル（回帰木、ランダムフォレスト等）等を用いることができる。
［監視フェーズ］
次に、図９を用いて、構築した予測モデル１２２を用いてウェットエッチング装置３の薬液の状態を監視する監視フェーズにおける処理手順について説明する。図９は、図５は、本実施形態に係る監視システム１の監視フェーズにおける処理手順の一例を示す。以下で説明する監視フェーズにおける処理手順は、本発明の「監視方法」の一例である。ただし、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。
（ステップＳ２０１）
まず、ステップＳ２０１では、制御部１１は、実績値取得部１１３として動作し、稼働中のウェットエッチング装置３における、累積稼働時間、累積処理枚数、及び除去量の実績値を取得する。
各実績値を取得する方法は、実施の形態に応じて適宜選択されてよい。例えば、制御部１１は、稼働中のウェットエッチング装置３、検査装置（不図示）等から、上記ステップＳ１０１と同様の稼働データをリアルタイムに取得してもよい。そして、制御部１１は、取得した稼働データに含まれる累積稼働時間、累積処理枚数、及び除去量それぞれのフィールドの値を抽出することで、累積稼働時間、累積処理枚数、及び除去量の実績値を取得することができる。各実績値を取得すると、制御部１１は、次のステップＳ２０２に処理を進める。
（ステップＳ２０２）
次のステップＳ２０２では、制御部１１は、指標値算出部１１４として動作し、ステップＳ２０１で取得した累積稼働時間及び累積処理枚数それぞれの実績値を予測モデル１２２に入力することにより除去量の予測値を算出する。
本ステップＳ２０２は、上記ステップＳ１０２で構築した予測モデル１２２の種類に応じて適宜実施される。本実施形態では、予測モデル１２２は、上記回帰モデルを用いて構築される。そこで、制御部１１は、ステップＳ２０１で取得した累積稼働時間及び累積処理枚数の各実績値をｘ1及びｘ2それぞれに代入し、ステップＳ１０２で算出したＣ0〜Ｃ2の各値を用いて、上記数１で示される予測モデル１２２（回帰モデル）の演算処理を行う。これにより、制御部１１は、除去量の予測値を算出することができる。除去量の予測値を算出すると、制御部１１は、次のステップＳ２０３に処理を進める。
（ステップＳ２０３）
次のステップＳ２０３では、制御部１１は、ステップＳ２０２で算出した除去量の予測値とステップＳ２０１で取得した除去量の実績値との差分を計算することで、ウェットエッチング装置３における薬液の交換の目安を示す指標値を取得する。なお、除去量の予測値と実績値との差分は、予測値と実績値との引き算の結果により表現されてもよいし、予測と実績値との比率により表現されてもよい。
図１０は、指標値の算出結果の一例を模式的に例示する。図１０に例示されるデータテーブルは、ステップＳ２０１で取得した各実績値、ステップＳ２０２で算出した除去量の予測値、及びステップＳ２０３で算出した指標値それぞれを格納するフィールドを有している。１つのレコードが、１つの算出結果を示す。制御部１１は、このようなデータテーブルの形式により、ステップＳ２０１〜Ｓ２０３の処理結果を記憶部１２に保存してもよい。ただし、指標値の算出結果を保存するためのデータ形式は、このようなテーブル形式に限られなくてよく、実施の形態に応じて適宜選択されてよい。指標値を算出すると、制御部１１は、次のステップＳ２０４に処理を進める。
（ステップＳ２０４）
次のステップＳ２０４では、制御部１１は、出力部１１５として動作し、ステップＳ２０３で算出した指標値と予め設定された閾値とを比較する。そして、制御部１１は、比較の結果、指標値が閾値を超えていると判定した場合に、次のステップＳ２０５に処理を進める。一方、指標値が閾値を超えていないと判定した場合、次のステップＳ２０５の処理を省略して、本動作例に係る監視フェーズの処理を終了する。
なお、閾値は、適宜決定されてよい。例えば、制御部１１は、上記ステップＳ１０２で算出した標準偏差のｎ倍（例えば、３倍）の値を閾値に設定してもよい。また、例えば、閾値は、ウェットエッチング装置３におけるエッチング処理に異常が発生した時の累積稼働時間及び累積処理枚数それぞれの値を予測モデル１２２に入力することで得られる出力値と異常が発生した時の除去量の値との差分に基づいて設定されてよい。なお、制御部１１は、除去ムラ等の異常が発生した時の累積稼働時間、累積処理枚数、及び除去量それぞれの値を、当該異常が発生した時の稼働データから取得可能である。また、制御部１１、上記ステップＳ１０１及びＳ２０１と同様に当該稼働データを取得可能である。
（ステップＳ２０５）
次のステップＳ２０５では、制御部１１は、出力部１１５として動作して、ステップＳ２０３で算出した指標値に基づいて、薬液の交換に関する情報を出力する。本実施形態では、制御部１１は、薬液の交換に関する情報として、薬液の交換を促すためのメッセージを出力する。
メッセージの出力先は、実施の形態に応じて適宜選択されてよい。例えば、制御部１１は、出力装置１５を介して当該メッセージを出力してもよい。具体的には、制御部１１は、ディスプレイに当該メッセージを表示してもよいし、スピーカにより当該メッセージを音声で出力してもよい。また、例えば、制御部１１は、電子メール等により当該メッセージを外部の装置に出力してもよい。この場合、メッセージの出力先となる外部の装置のアドレスは、例えば、記憶部１２に記憶されてよい。
薬液の交換に関する情報の出力が完了すると、制御部１１は、本動作例に係る監視フェーズの処理を終了する。なお、監視フェーズの処理を終了した後、制御部１１は、再度ステップＳ２０１から処理を実行してもよい。これにより、監視システム１は、ウェットエッチング装置３における薬液の状態を継続的に監視してもよい。
［特徴］
以上のように、本実施形態では、上記ステップＳ１０１及びＳ１０２の処理により、累積稼働時間及び累積処理枚数の値から除去量の値を予測する予測モデルを適切に構築することができる。また、上記ステップＳ２０１〜Ｓ２０５の処理により、稼働中のウェットエッチング装置３に対して、構築した予測モデルを利用して除去量の予測値を導出し、当該除去量の予測値と実績値との差分を指標値として算出し、算出した指標値に基づいて、薬液の交換に関する情報を出力することができる。
そのため、本実施形態によれば、本件発明者らが見出した上記知見に基づいて、ウェットエッチング装置３において除去ムラの生じるタイミングを適切に予測することができるようになる。したがって、本実施形態に係る監視システム１を利用することで、ウェットエッチング装置３において過剰な薬液の交換を抑制することができ、ウェットエッチングのコストを低減することができる。
§４ 変形例
以上、本発明の実施の形態を詳細に説明してきたが、前述までの説明はあらゆる点において本発明の例示に過ぎない。本発明の範囲を逸脱することなく種々の改良や変形を行うことができることは言うまでもない。例えば、以下のような変更が可能である。なお、以下では、上記実施形態と同様の構成要素に関しては同様の符号を用い、上記実施形態と同様の点については、適宜説明を省略した。以下の変形例は適宜組み合わせ可能である。
＜４．１＞
上記図３及び図４では、本実施形態に係る監視システム１は、１台のコンピュータにより構成されている。しかしながら、監視システム１の構成は、このような例に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。例えば、監視システム１の学習フェーズ又は監視フェーズに対応する構成を抽出して、別の形態に係るシステム、装置、方法、プログラム、及びプログラムを記憶した記憶媒体を構築してもよい。
図１１は、変形例に係る監視システム１Ａのソフトウェア構成の一例を模式的に例示する。監視システム１Ａは、学習装置２１及び監視装置２２により構成される。学習装置２１及び監視装置２２それぞれのハードウェア構成は、上記監視システム１と同様であってよい。学習装置２１及び監視装置２２はそれぞれ、提供されるサービス専用に設計された情報処理装置の他、汎用のサーバ装置、ＰＣ、ＰＬＣ（programmable logic controller）等であってよい。
学習装置２１は、記憶部に記憶されたプログラムを制御部（ＣＰＵ）により実行することで、ソフトウェアモジュールとして、学習データ取得部１１１及びモデル構築部１１２を備えるコンピュータとして構成される。一方、監視装置２２は、記憶部に記憶されたプログラムを制御部（ＣＰＵ）により実行することで、ソフトウェアモジュールとして、実績値取得部１１３、指標値算出部１１４、及び出力部１１５を備えるコンピュータとして構成される。
これにより、学習装置２１は、学習フェーズにおける上記ステップＳ１０１及びＳ１０２それぞれの処理を実行する。監視装置２２は、監視フェーズにおける上記ステップＳ２０１〜Ｓ２０５それぞれの処理を実行する。なお、学習装置２１により構築した予測モデル１２２は、学習装置２１から監視装置２２に適宜送信されてよい。予測モデル１２２を示すデータの送信は、例えば、ネットワーク等を介して行われてよい。この場合、学習装置２１及び監視装置は、ネットワークを介してデータ通信を行うための通信インタフェースを適宜備える。
＜４．２＞
上記実施形態では、制御部１１は、指標値と閾値とを比較し（ステップＳ２０４）、指標値が閾値を超えている場合に、薬液の交換に関する情報として、薬液の交換を促すためのメッセージを出力する（ステップＳ２０５）。しかしながら、薬液の交換に関する情報を出力する方法及び内容は、このような例に限定されなくてもよく、実施の形態に応じて適宜決定されてよい。例えば、ステップＳ２０４は省略されてもよい。また、制御部１１は、薬液の交換に関する情報として、ステップＳ２０３で算出した指標値をそのまま出力してもよい。
＜４．３＞
上記実施形態では、監視システム１は、学習フェーズ及び監視フェーズそれぞれにおいて、ウェットエッチング装置３の稼働データに基づいて、累積稼働時間、累積処理枚数、及び除去量それぞれの値を取得している。しかしながら、各値を取得する方法は、このような例に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。
例えば、監視システム１は、タイマ（不図示）等に基づいて、薬液を交換してから対象のウエアに対してエッチング処理を適用する前までの時間をカウントすることで、累積稼働時間の値を取得してもよい。また、監視システム１は、薬液を交換した後にエッチング処理を適用したウエハの枚数をカウントすることで、累積処理枚数の値を取得してもよい。
また、例えば、監視システム１は、エッチング処理を実施する前及び実施した後にウエハの抵抗値を測定し、得られた測定値の差分によりウエハにおける抵抗値の変化量を算出し、算出したウエハの抵抗値の変化量に基づいて、ウエハにおいて除去されたエッチング対象物の除去量を導出してもよい。当該方法によれば、ウエハの除去量を簡易かつ正確に測定することができる。ただし、除去量を特定する方法は、このような例に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。例えば、監視システム１は、エッチング処理を実施する前及び実施した後にウエハの重量を測定し、得られた測定値の差分によりウエハにおいて除去されたエッチング対象物の除去量を導出してもよい。また、例えば、監視システム１は、エッチング処理によりウエハに形成された段差を測定し、その段差の深さに基づいてエッチング対象物の除去量を導出してもよい。また、例えば、監視システム１は、エッチング処理によりウエハに形成されたパターンの幅を測定し、測定した幅の値に基づいてエッチング対象物の除去量を導出してもよい。
＜４．４＞
上記ステップＳ２０５では、監視システム１の制御部１１は、出力部１１５として動作して、薬液の交換に関する情報として、薬液の交換を促すメッセージを出力する。しかしながら、薬液の交換に関する情報は、このようなメッセージに限定されなくてもよく、実施の形態に応じて適宜決定されてよい。
図１２は、本変形例に係る監視システム１Ｂの構成の一例を模式的に例示する。図１３は、本変形例に係るウェットエッチング装置３Ｂの構成の一例を模式的に例示する。本変形例では、ウェットエッチング装置３Ｂは、薬液の交換を行うように構成された薬液交換部３１を備える。図１３の例では、ウェットエッチング装置３Ｂは、ウエハに対してエッチング処理を実施するように構成された処理槽３２と、エッチング処理に利用する薬液を貯留し、処理槽３２に薬液を供給するように構成された薬液貯槽３３と、を更に備える。本変形例に係る薬液交換部３１は、給液バルブ３１１、廃液バルブ３１２、及びバルブ制御部３１３により構成されている。バルブ制御部３１３は、各バルブ（３１１、３１２）の動作を制御する。給液バルブ３１１は、薬液貯槽３３と処理槽３２とを連結する配管に設けられ、バルブ制御部３１３からの指令により、薬液貯槽３３から処理槽３２への薬液の供給を実施する。また、廃液バルブ３１２は、処理槽３２と廃液タンク（不図示）とを連結する配管に設けられ、バルブ制御部３１３からの指令により、処理槽３２から廃液タンクへの薬液の排出を実施する。一方、ウェットエッチング装置３Ｂの出力部１１５Ｂは、薬液の交換に関する情報として、ウェットエッチング装置３Ｂの薬液交換部３１に対して薬液の交換を指示する指令を出力する。なお、この出力内容が相違する点を除き、監視システム１Ｂは、上記監視システム１と同様に構成される。
この場合、監視システム１Ｂの制御部は、上記監視システム１と同様に、ステップＳ１０１〜Ｓ１０２の各処理、及びステップＳ２０１〜Ｓ２０４の各処理を実行する。そして、ステップＳ２０５では、監視システム１Ｂの制御部は、出力部１１５Ｂとして動作し、ウェットエッチング装置３Ｂの薬液交換部３１に対して薬液の交換を指示する指令を出力する。ウェットエッチング装置３Ｂの薬液交換部３１は、この指令を受信すると、薬液の交換を実行する。具体的には、監視システム１Ｂからの指令を受信すると、バルブ制御部３１３が、廃液バルブ３１２を開き、処理槽３２から廃液タンクへの薬液の排出を制御する。薬液の排出が完了した後、バルブ制御部３１３は、給液バルブ３１１を開き、薬液貯槽３３から処理槽３２への薬液の供給を制御する。これにより、薬液の交換を自動化することができる。なお、薬液交換部３１の構成は、上記の例に限定されなくてもよく、実施の形態に応じて適宜決定されてよい。
１…監視システム、
１１…制御部、１２…記憶部、１３…外部インタフェース、
１４…入力装置、１５…出力装置、１６…ドライブ、
１１１…学習データ取得部、１１２…モデル構築部、
１１３…実績値取得部、１１４…指標値算出部、１１５…出力部、
１２１…学習データ、１２２…予測モデル、
３…ウェットエッチング装置、
８…プログラム、９…記憶媒体

Claims (9)

  1. ウェットエッチング装置によるエッチング処理に使用する薬液の状態を監視するための監視システムであって、
    前記薬液を交換してから対象のウエハに対して前記エッチング処理を適用するまでに前記ウェットエッチング装置が稼動した累積の時間を示す累積稼働時間、前記薬液を交換してから前記対象のウエハに対して前記エッチング処理を適用するまでに処理した累積のウエハの枚数を示す累積処理枚数、及び前記エッチング処理を適用した前記対象のウエハにおいて除去されたエッチング対象物の量を示す除去量それぞれの正常値の組を学習データとして取得する学習データ取得部と、
    前記学習データに含まれる前記累積稼働時間、前記累積処理枚数、及び前記除去量それぞれの正常値に基づいて、前記累積稼働時間及び前記累積処理枚数の値に応じて前記除去量の値を予測する予測モデルを構築するモデル構築部と、
    稼動中の前記ウェットエッチング装置における、前記累積稼働時間、前記累積処理枚数、及び前記除去量の実績値を取得する実績値取得部と、
    取得した前記累積稼働時間及び前記累積処理枚数それぞれの実績値を前記予測モデルに入力することにより前記除去量の予測値を算出し、前記除去量についての、算出した前記予測値及び取得した前記実績値の差分を、前記薬液の交換の目安を示す指標値として算出する指標値算出部と、
    算出した前記指標値に基づいて、前記薬液の交換に関する情報を出力する出力部と、
    を備える、
    監視システム。
  2. 前記出力部は、
    算出した前記指標値と予め設定された閾値とを比較し、
    前記比較の結果、前記指標値が前記閾値を超えていると判定した場合に、前記薬液の交換を促すためのメッセージを前記薬液の交換に関する情報として出力する、
    請求項１に記載の監視システム。
  3. 前記閾値は、前記ウェットエッチング装置における前記エッチング処理に異常が発生した時の前記累積稼働時間及び前記累積処理枚数それぞれの値を前記予測モデルに入力することで得られる出力値と当該異常が発生した時の前記除去量の値との差分に基づいて設定される、
    請求項２に記載の監視システム。
  4. 前記モデル構築部は、前記学習データに含まれる前記累積稼働時間、前記累積処理枚数、及び前記除去量それぞれの正常値に対して回帰分析を行うことで、前記予測モデルを構築する、
    請求項１から３のいずれか１項に記載の監視システム。
  5. 前記ウェットエッチング装置は、前記薬液の交換を行うように構成された薬液交換部を備え、
    前記出力部は、前記薬液の交換に関する情報として、前記ウェットエッチング装置の前記薬液交換部に対して前記薬液の交換を指示する指令を出力する、
    請求項１から４のいずれか１項に記載の監視システム。
  6. 薬液を交換してから対象のウエハに対してエッチング処理を適用するまでにウェットエッチング装置が稼動した累積の時間を示す累積稼働時間、前記薬液を交換してから前記対象のウエハに対して前記エッチング処理を適用するまでに処理した累積のウエハの枚数を示す累積処理枚数、及び前記エッチング処理を適用した前記対象のウエハにおいて除去されたエッチング対象物の量を示す除去量それぞれの正常値の組を学習データとして取得する学習データ取得部と、
    前記学習データに含まれる前記累積稼働時間、前記累積処理枚数、及び前記除去量それぞれの正常値に基づいて、前記累積稼働時間及び前記累積処理枚数の値に応じて前記除去量の値を予測する予測モデルを構築するモデル構築部と、
    を備える、
    学習装置。
  7. コンピュータが、
    薬液を交換してから対象のウエハに対してエッチング処理を適用するまでにウェットエッチング装置が稼動した累積の時間を示す累積稼働時間、前記薬液を交換してから前記対象のウエハに対して前記エッチング処理を適用するまでに処理した累積のウエハの枚数を示す累積処理枚数、及び前記エッチング処理を適用した前記対象のウエハにおいて除去されたエッチング対象物の量を示す除去量それぞれの正常値の組を学習データとして取得するステップと、
    前記学習データに含まれる前記累積稼働時間、前記累積処理枚数、及び前記除去量それぞれの正常値に基づいて、前記累積稼働時間及び前記累積処理枚数の値に応じて前記除去量の値を予測する予測モデルを構築するステップと、
    を実行する、
    学習方法。
  8. 稼働中のウェットエッチング装置における、薬液を交換してから対象のウエハに対してエッチング処理を適用するまでに当該ウェットエッチング装置が稼動した累積の時間を示す累積稼働時間、前記薬液を交換してから前記対象のウエハに対して前記エッチング処理を適用するまでに処理した累積のウエハの枚数を示す累積処理枚数、及び前記エッチング処理を適用した前記対象のウエハにおいて除去されたエッチング対象物の量を示す除去量それぞれの実績値を取得する実績値取得部と、
    前記累積稼働時間及び前記累積処理枚数の値に応じて前記除去量の値を予測するように構築された予測モデルに、取得した前記累積稼働時間及び前記累積処理枚数それぞれの実績値を入力することにより、前記除去量の予測値を算出し、前記除去量についての、算出した前記予測値及び取得した前記実績値の差分を、前記薬液の交換の目安を示す指標値として算出する指標値算出部と、
    算出した前記指標値に基づいて、前記薬液の交換に関する情報を出力する出力部と、
    を備える、
    監視装置。
  9. コンピュータが、
    稼働中のウェットエッチング装置における、薬液を交換してから対象のウエハに対してエッチング処理を適用するまでに当該ウェットエッチング装置が稼動した累積の時間を示す累積稼働時間、前記薬液を交換してから前記対象のウエハに対して前記エッチング処理を適用するまでに処理した累積のウエハの枚数を示す累積処理枚数、及び前記エッチング処理を適用した前記対象のウエハにおいて除去されたエッチング対象物の量を示す除去量それぞれの実績値を取得するステップと、
    前記累積稼働時間及び前記累積処理枚数の値に応じて前記除去量の値を予測するように構築された予測モデルに、取得した前記累積稼働時間及び前記累積処理枚数それぞれの実績値を入力することにより、前記除去量の予測値を算出するステップと、
    前記除去量についての、算出した前記予測値及び取得した前記実績値の差分を、前記薬液の交換の目安を示す指標値として算出するステップと、
    算出した前記指標値に基づいて、前記薬液の交換に関する情報を出力するステップと、
    を実行する、
    監視方法。
JP2017238786A 2017-12-13 2017-12-13 監視システム、学習装置、学習方法、監視装置及び監視方法 Active JP6525044B1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2017238786A JP6525044B1 (ja) 2017-12-13 2017-12-13 監視システム、学習装置、学習方法、監視装置及び監視方法
CN201811057807.3A CN109918690B (zh) 2017-12-13 2018-09-11 监视系统、学习装置、学习方法、监视装置及监视方法
US16/133,140 US20190181025A1 (en) 2017-12-13 2018-09-17 Monitoring system, learning apparatus, learning method, monitoring apparatus, and monitoring method
EP18195845.5A EP3499331B1 (en) 2017-12-13 2018-09-21 Monitoring system, learning apparatus, learning method, monitoring apparatus, and monitoring method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017238786A JP6525044B1 (ja) 2017-12-13 2017-12-13 監視システム、学習装置、学習方法、監視装置及び監視方法

Publications (2)

Publication Number Publication Date
JP6525044B1 JP6525044B1 (ja) 2019-06-05
JP2019106476A true JP2019106476A (ja) 2019-06-27

Family

ID=63833764

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017238786A Active JP6525044B1 (ja) 2017-12-13 2017-12-13 監視システム、学習装置、学習方法、監視装置及び監視方法

Country Status (4)

Country Link
US (1) US20190181025A1 (ja)
EP (1) EP3499331B1 (ja)
JP (1) JP6525044B1 (ja)
CN (1) CN109918690B (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021086572A (ja) * 2019-11-29 2021-06-03 東京エレクトロン株式会社 予測装置、予測方法及び予測プログラム
WO2023013436A1 (ja) * 2021-08-05 2023-02-09 東京エレクトロン株式会社 予測方法、予測プログラム、予測装置、学習方法、学習プログラム及び学習装置
WO2023042774A1 (ja) * 2021-09-14 2023-03-23 株式会社Ｓｃｒｅｅｎホールディングス 基板処理装置および基板処理方法

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020170304A1 (ja) * 2019-02-18 2020-08-27 日本電気株式会社 学習装置及び方法、予測装置及び方法、並びにコンピュータ可読媒体
CN114914165A (zh) * 2022-05-06 2022-08-16 北京燕东微电子科技有限公司 监测晶圆腐蚀液更换周期的方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01309332A (ja) * 1988-06-08 1989-12-13 Toyo Electric Mfg Co Ltd エッチングの自動制御装置
JPH06252127A (ja) * 1993-02-24 1994-09-09 Sharp Corp ウェハのエッチング処理方法
US5364510A (en) * 1993-02-12 1994-11-15 Sematech, Inc. Scheme for bath chemistry measurement and control for improved semiconductor wet processing
JP2001308063A (ja) * 2000-04-26 2001-11-02 Daikin Ind Ltd 洗浄液の判定方法及び洗浄装置
JP2003509860A (ja) * 1999-09-10 2003-03-11 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 半導体加工に利用される水性浴の寿命限界を検出するための装置および方法
JP2003100696A (ja) * 2001-09-26 2003-04-04 Sony Corp 自動濃度調整装置
JP2004288963A (ja) * 2003-03-24 2004-10-14 Dainippon Screen Mfg Co Ltd 基板処理方法及びその装置
JP2006186065A (ja) * 2004-12-27 2006-07-13 Matsushita Electric Ind Co Ltd 電子デバイスの洗浄装置及び電子デバイスの製造方法
JP2008177329A (ja) * 2007-01-18 2008-07-31 Mitsubishi Electric Corp ウエットエッチング方法
JP2008235812A (ja) * 2007-03-23 2008-10-02 Dainippon Screen Mfg Co Ltd 基板処理装置の供給異常検知方法及びそれを用いた基板処理装置
JP2011029443A (ja) * 2009-07-27 2011-02-10 Panasonic Corp ウェット処理方法及びウェット処理システム
JP2012191071A (ja) * 2011-03-11 2012-10-04 Sony Corp 半導体製造装置、半導体装置の製造方法、及び電子機器の製造方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6376261B1 (en) * 2000-01-03 2002-04-23 Advanced Micro Devices Inc. Method for varying nitride strip makeup process based on field oxide loss and defect count
JP2003031456A (ja) 2001-07-19 2003-01-31 Hitachi Ltd 半導体製造方法及び半導体製造装置
US6859765B2 (en) * 2002-12-13 2005-02-22 Lam Research Corporation Method and apparatus for slope to threshold conversion for process state monitoring and endpoint detection
JP4480482B2 (ja) * 2004-06-24 2010-06-16 株式会社日立ハイテクノロジーズ プラズマエッチング処理装置の制御方法およびトリミング量制御システム
US7236848B2 (en) * 2005-09-12 2007-06-26 Advanced Micro Devices, Inc. Data representation relating to a non-sampled workpiece
JP5108116B2 (ja) * 2009-01-14 2012-12-26 株式会社日立製作所 装置異常監視方法及びシステム
US8406912B2 (en) * 2010-06-25 2013-03-26 Taiwan Semiconductor Manufacturing Company, Ltd. System and method for data mining and feature tracking for fab-wide prediction and control
US9698062B2 (en) * 2013-02-28 2017-07-04 Veeco Precision Surface Processing Llc System and method for performing a wet etching process
US9396443B2 (en) * 2013-12-05 2016-07-19 Tokyo Electron Limited System and method for learning and/or optimizing manufacturing processes
CN107258011A (zh) * 2014-10-31 2017-10-17 维克精密表面处理有限责任公司 执行湿蚀刻工艺的系统和方法
US9870928B2 (en) * 2014-10-31 2018-01-16 Veeco Precision Surface Processing Llc System and method for updating an arm scan profile through a graphical user interface

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01309332A (ja) * 1988-06-08 1989-12-13 Toyo Electric Mfg Co Ltd エッチングの自動制御装置
US5364510A (en) * 1993-02-12 1994-11-15 Sematech, Inc. Scheme for bath chemistry measurement and control for improved semiconductor wet processing
JPH06252127A (ja) * 1993-02-24 1994-09-09 Sharp Corp ウェハのエッチング処理方法
JP2003509860A (ja) * 1999-09-10 2003-03-11 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 半導体加工に利用される水性浴の寿命限界を検出するための装置および方法
JP2001308063A (ja) * 2000-04-26 2001-11-02 Daikin Ind Ltd 洗浄液の判定方法及び洗浄装置
JP2003100696A (ja) * 2001-09-26 2003-04-04 Sony Corp 自動濃度調整装置
JP2004288963A (ja) * 2003-03-24 2004-10-14 Dainippon Screen Mfg Co Ltd 基板処理方法及びその装置
JP2006186065A (ja) * 2004-12-27 2006-07-13 Matsushita Electric Ind Co Ltd 電子デバイスの洗浄装置及び電子デバイスの製造方法
JP2008177329A (ja) * 2007-01-18 2008-07-31 Mitsubishi Electric Corp ウエットエッチング方法
JP2008235812A (ja) * 2007-03-23 2008-10-02 Dainippon Screen Mfg Co Ltd 基板処理装置の供給異常検知方法及びそれを用いた基板処理装置
JP2011029443A (ja) * 2009-07-27 2011-02-10 Panasonic Corp ウェット処理方法及びウェット処理システム
JP2012191071A (ja) * 2011-03-11 2012-10-04 Sony Corp 半導体製造装置、半導体装置の製造方法、及び電子機器の製造方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021086572A (ja) * 2019-11-29 2021-06-03 東京エレクトロン株式会社 予測装置、予測方法及び予測プログラム
JP7412150B2 (ja) 2019-11-29 2024-01-12 東京エレクトロン株式会社 予測装置、予測方法及び予測プログラム
WO2023013436A1 (ja) * 2021-08-05 2023-02-09 東京エレクトロン株式会社 予測方法、予測プログラム、予測装置、学習方法、学習プログラム及び学習装置
WO2023042774A1 (ja) * 2021-09-14 2023-03-23 株式会社Ｓｃｒｅｅｎホールディングス 基板処理装置および基板処理方法

Also Published As

Publication number Publication date
JP6525044B1 (ja) 2019-06-05
EP3499331B1 (en) 2022-01-26
EP3499331A1 (en) 2019-06-19
CN109918690A (zh) 2019-06-21
US20190181025A1 (en) 2019-06-13
CN109918690B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
JP6525044B1 (ja) 監視システム、学習装置、学習方法、監視装置及び監視方法
KR102219726B1 (ko) 예측 시스템들에서 이득을 최적화하기 위한 방법 및 장치
TW202037906A (zh) 半導體設備的缺陷分類及來源分析
JP5629770B2 (ja) プラズマチャンバ検証用のエッチング速度均一性を予測する方法、装置、及び、プログラム記憶媒体
CN110633194B (zh) 一种硬件资源在特定环境下的性能评估方法
KR102248777B1 (ko) 총 측정 불확도의 정량화 및 감소
JP2022503783A (ja) 予測モデルの改良
JP6841980B2 (ja) 装置診断装置、プラズマ処理装置及び装置診断方法
JP2019140193A (ja) データ処理方法、データ処理装置、および、データ処理プログラム
US11187992B2 (en) Predictive modeling of metrology in semiconductor processes
US8565910B2 (en) Manufacturing execution system (MES) including a wafer sampling engine (WSE) for a semiconductor manufacturing process
TW202013104A (zh) 資料處理、資料處理裝置以及電腦可讀取記錄媒體
CN111191861A (zh) 机台数量确定方法及装置、处理线、存储介质和电子设备
JP7223947B2 (ja) 製造条件計算装置、製造条件計算方法及び製造条件計算プログラム
Umar Software testing defect prediction model-a practical approach
JP2019125252A (ja) 情報処理装置、データ管理システム、データ管理方法及びプログラム
US20190011906A1 (en) Method and system for maintenance of at least one of a plurality of field devices in a plant of automation technology
JP5911831B2 (ja) 生産管理装置および生産管理プログラム
JP2010224988A (ja) 品質管理システム、品質管理方法、品質管理プログラム、および製品の製造方法
JP2019102574A (ja) 情報処理装置、情報処理装置の制御方法、およびプログラム
CN112287302A (zh) 用于检测油液酸碱度的方法、计算设备和计算机存储介质
CN110673954A (zh) 利用率预测方法、装置、计算设备、存储介质及程序产品
Prasad et al. Assessing software reliability using inter failures time data
WO2023022177A1 (ja) 予測装置、現像装置、予測方法、および、予測プログラム
WO2022092289A1 (ja) 情報処理方法及び情報処理装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180209

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20181204

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190124

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20190409

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190422

R150 Certificate of patent or registration of utility model

Ref document number: 6525044

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250