JP2020109839A

JP2020109839A - パッド温度調整装置、パッド温度調整方法、研磨装置、および研磨システム

Info

Publication number: JP2020109839A
Application number: JP2019228041A
Authority: JP
Inventors: 丸山　徹; Toru Maruyama; 徹丸山
Original assignee: Ebara Corp
Current assignee: Ebara Corp
Priority date: 2018-12-28
Filing date: 2019-12-18
Publication date: 2020-07-16
Anticipated expiration: 2039-12-18
Also published as: TWI837257B; TW202040666A; JP7374751B2

Abstract

【課題】研磨ユニット間の研磨性能のばらつきを抑制することが可能なパッド温度調整装置を提供する。【解決手段】パッド温度調整装置５は、研磨パッド３の表面に接触するパッド接触部材１１と、加熱液および冷却液をパッド接触部材１１に供給する液体供給システム３０と、研磨パッド３の表面温度を測定するパッド温度測定器３９と、加熱液および冷却液の流量を制御するために、第１流量調整バルブ４２および第２流量調整バルブ５６の操作量をＰＩＤ制御する制御部４０と、を備える。制御部４０は、パッド温度測定器３９の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部１１０と、少なくとも１つの温度挙動パラメータを学習済モデルに入力し、ＰＩＤ制御のＰＩＤパラメータの変更値を出力するための演算を実行する処理装置１２０と、を備える。【選択図】図１

Description

本発明は、ウエハなどの基板の研磨に使用される研磨パッドの表面温度を調整するためのパッド温度調整装置、およびパッド温度調整方法に関する。また、本発明は、パッド温度調整装置が組み込まれた研磨装置、および少なくとも１つの研磨装置を含む研磨システムに関する。

ＣＭＰ（Chemical Mechanical Polishing）装置は、半導体デバイスの製造において、ウエハなどの基板の表面を研磨する工程に使用される。ＣＭＰ装置は、少なくとも１つの研磨ユニットを有しており、該研磨ユニットは、ウエハを研磨ヘッドで保持してウエハを回転させ、さらに回転する研磨テーブル上の研磨パッドにウエハを押し付けてウエハの表面を研磨する。研磨中、研磨パッドには研磨液（スラリー）が供給され、ウエハの表面は、研磨液の化学的作用と研磨液に含まれる砥粒の機械的作用により平坦化される。

ウエハの研磨レートは、ウエハの研磨パッドに対する研磨荷重のみならず、研磨パッドの表面温度にも依存する。これは、ウエハに対する研磨液の化学的作用が温度に依存するからである。したがって、半導体デバイスの製造においては、ウエハの研磨レートを上げて更に一定に保つために、ウエハ研磨中の研磨パッドの表面温度を最適な値に保つことが重要とされる。

そこで、研磨パッドの表面温度を調整するためにパッド温度調整装置が従来から使用されている（例えば、特許文献１、特許文献２参照）。一般に、パッド温度調整装置は、研磨パッドの表面（研磨面）に接触可能なパッド接触部材と、温度調整された加熱液および冷却液をパッド接触部材に供給する液体供給システムと、研磨パッドの表面温度を測定するパッド温度測定器と、パッド温度測定器により測定された研磨パッドの表面温度に基づいて液体供給システムを制御する制御部とを備えている。制御部は、研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するように、パッド温度測定器によって測定されたパッド表面温度に基づいて、加熱液および冷却液の流量を制御する。例えば、制御部は、目標温度と研磨パッドの表面温度との差に基づいて、液体供給システムの加熱液供給配管に配置された流量調整弁の操作量と、冷却液供給配管に配置された流量調整弁の操作量とをＰＩＤ制御することにより、パッド接触部材に供給される加熱液および冷却液の流量を制御する。これにより、研磨パッドの表面温度を速やかに最適な値に到達させ、かつこの最適な値に保つことができる。

特開２０１７−１４８９３３号公報特開２０１８−０２７５８２号公報

ＣＭＰ装置の制御部は、上記ＰＩＤ制御に用いられるＰＩＤパラメータ（すなわち、比例ゲインＰ、積分ゲインＩ、および微分ゲインＤ）を予め記憶している。ＣＭＰ装置が複数の研磨ユニットを有している場合、各研磨ユニットでの研磨パッドの表面温度の調整には、同一のＰＩＤパラメータが用いられる。さらに、半導体デバイスなどの製造工場には、複数のＣＭＰ装置が配置されていることが多い。一般に、各ＣＭＰ装置の制御部には、同一のＰＩＤパラメータが記憶されている。すなわち、複数のＣＭＰ装置は、これらＣＭＰ装置間で共通のＰＩＤパラメータを用いて各研磨ユニットの研磨パッドの表面温度を調整している。

しかしながら、同一のＰＩＤパラメータを用いているにもかかわらず、各研磨ユニット間の機差に起因して、温度挙動にばらつきが発生してしまう。本明細書において、温度挙動とは、パッド接触部材が研磨パッドの表面温度の調整を開始する時点から目標温度に到達する時点までの、研磨パッドの表面温度の経時的な変化を示す。

図１９は、４つの研磨ユニットのそれぞれにおける温度挙動を示したグラフである。図１９において、立軸は研磨パッドの表面温度を表し、横軸は時間を表す。図１９において、時点Ｔａは、パッド接触部材が研磨パッドに接触した時点、すなわち、パッド接触部材が研磨パッドの表面温度の調整を開始した時点である。図１９において、時点Ｔｂは、ウエハを保持する研磨ヘッドが研磨パッドに接触した時点、すなわち、ウエハの研磨が開始された時点である。なお、本明細書において、図１９に示されるような温度挙動を示した曲線を温度挙動曲線と称する。

図１９に示すように、各研磨ユニットの温度挙動曲線は互いに異なっている。上述したように、ウエハの研磨レートは、研磨パッドの表面温度にも依存する。したがって、各研磨ユニット間で温度挙動が異なると、研磨性能も各研磨ユニット間で異なってしまう。例えば、図１９において、温度挙動曲線Ｒ１は、温度挙動曲線Ｒ２よりも上側に位置する。これは、温度挙動曲線Ｒ１を有する研磨ユニットと温度挙動曲線Ｒ２を有する研磨ユニットとの間で研磨性能（研磨レート）が異なることを意味する。各研磨ユニット間で研磨性能が異なると、製品（すなわち、半導体デバイス）の歩留まりに悪影響を与えるおそれがある。

そこで、本発明は、研磨ユニット間の研磨性能のばらつきを抑制することが可能なパッド温度調整装置、およびパッド温度調整方法を提供することを目的とする。また、本発明は、このようなパッド温度調整装置が組み込まれた研磨装置、および少なくとも１つの研磨装置を含む研磨システムを提供することを目的とする。

一態様では、研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するためのパッド温度調整装置であって、前記研磨パッドの表面に接触可能であり、かつ加熱流路および冷却流路が内部に形成されたパッド接触部材と、前記加熱流路に接続された加熱液供給管と、前記冷却流路に接続された冷却液供給管と、前記加熱液供給管に取り付けられた第１流量制御バルブと、前記冷却液供給管に取り付けられた第２流量制御バルブと、を備え、温度調整された加熱液および冷却液を前記パッド接触部材に供給する液体供給システムと、前記研磨パッドの表面温度を測定するパッド温度測定器と、前記パッド温度測定器の測定値と前記目標温度との差に基づいて、前記第１流量調整バルブおよび前記第２流量調整バルブの操作量をＰＩＤ制御する制御部と、を備え、前記制御部は、前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部と、少なくとも１つの温度挙動パラメータを前記学習済モデルに入力し、前記ＰＩＤ制御のＰＩＤパラメータの変更値を出力するための演算を実行する処理装置と、を備えたことを特徴とするパッド温度調整装置が提供される。

一態様では、前記学習済モデルは、ニューラルネットワークを用いたディープラーニングによって構築され、前記制御部は、前記少なくとも１つの温度挙動パラメータを含む学習用データセットを前記ニューラルネットワークに入力したときに、該ニューラルネットワークから、前記温度挙動曲線を所定の許容範囲内に維持するために変更されるべきＰＩＤパラメータと、正常範囲に含まれるＰＩＤパラメータの変更値が得られるように、前記ニューラルネットワークの重みパラメータを調整して、前記学習済モデルを構築する。
一態様では、前記制御部は、前記研磨パッドに基板を押し付けて、該基板を研磨するたびに作成される前記温度挙動曲線と、前記温度挙動曲線に関連付けられた少なくとも１つの温度挙動パラメータを蓄積し、前記学習用データセットは、前記蓄積された少なくとも１つの温度挙動パラメータから作成される。
一態様では、前記学習済モデルに入力される前記少なくとも１つの温度挙動パラメータは、前記ＰＩＤ制御のＰＩＤパラメータ、前記加熱液の流量、および前記冷却液の流量である。
一態様では、前記加熱液の温度、前記研磨パッドに基板を押し付ける研磨ヘッドの回転速度、前記研磨パッドが貼付される研磨テーブルの回転速度、前記研磨パッドのドレッシング条件、前記研磨ヘッドの研磨荷重、および前記研磨パッドに供給される研磨液の流量が、さらに、前記学習済モデルに入力される。
一態様では、前記研磨パッドに対する前記パッド接触部材の押付荷重、前記研磨パッドに供給される研磨液の温度、前記パッド温度調整装置が配置される研磨ユニット内の雰囲気温度、前記加熱液の供給圧力、および前記冷却液の供給圧力が、さらに、前記学習済モデルに入力される。
一態様では、前記学習済モデルに入力される前記少なくとも１つの温度挙動パラメータが取得された時間が、さらに、学習済モデルに入力される。
一態様では、前記研磨パッドに押し付けられる基板の膜厚に関連する膜厚パラメータが、さらに、前記学習済モデルに入力される。
一態様では、前記研磨パッドの高さと、前記研磨パッドで研磨される基板の研磨レートが、さらに、前記学習済モデルに入力される。

一態様では、研磨パッドの表面にパッド接触部材を接触させながら、前記パッド接触部材内に形成された加熱流路および冷却流路に加熱液および冷却液をそれぞれ流し、前記研磨パッドの表面温度を測定し、前記研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するように、前記加熱流路に接続された加熱液供給管に取り付けられた第１流量制御バルブと、前記冷却流路に接続された冷却液供給管に取り付けられた第２流量制御バルブの操作量をＰＩＤ制御し、前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するための学習済モデルを機械学習によって構築し、少なくとも１つの温度挙動パラメータを前記学習済モデルに入力して、前記ＰＩＤ制御のＰＩＤパラメータの変更値を出力することを特徴とするパッド温度調整方法が提供される。

一態様では、研磨パッドを支持する研磨テーブルと、基板を前記研磨パッドに押し付ける研磨ヘッドと、を備えた少なくとも１つの研磨ユニットと、前記研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するためのパッド温度調整装置と、を備え、前記パッド温度調整装置は、前記研磨パッドの表面に接触可能であり、かつ加熱流路および冷却流路が内部に形成されたパッド接触部材と、前記加熱流路に接続された加熱液供給管と、前記冷却流路に接続された冷却液供給管と、前記加熱液供給管に取り付けられた第１流量制御バルブと、前記冷却液供給管に取り付けられた第２流量制御バルブと、を備え、温度調整された加熱液および冷却液を前記パッド接触部材に供給する液体供給システムと、前記研磨パッドの表面温度を測定するパッド温度測定器と、前記パッド温度測定器の測定値と前記目標温度との差に基づいて、前記第１流量調整バルブおよび前記第２流量調整バルブの操作量をＰＩＤ制御する制御部と、を備えており、前記制御部は、前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部と、少なくとも１つの温度挙動パラメータを前記学習済モデルに入力し、前記ＰＩＤ制御のＰＩＤパラメータの変更値を出力するための演算を実行する処理装置と、を備えたことを特徴とする研磨装置が提供される。

一態様では、少なくとも１つの研磨装置と、前記研磨装置と情報を送受信可能に接続される中継装置と、前記中継装置と情報を送受信可能に接続されるホスト制御システムと、を備え、前記研磨装置は、研磨パッドを支持する研磨テーブルと、基板を前記研磨パッドに押し付ける研磨ヘッドと、を備えた少なくとも１つの研磨ユニットと、前記研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するためのパッド温度調整装置と、を備え、前記パッド温度調整装置は、前記研磨パッドの表面に接触可能であり、かつ加熱流路および冷却流路が内部に形成されたパッド接触部材と、前記加熱流路に接続された加熱液供給管と、前記冷却流路に接続された冷却液供給管と、前記加熱液供給管に取り付けられた第１流量制御バルブと、前記冷却液供給管に取り付けられた第２流量制御バルブと、を備え、温度調整された加熱液および冷却液を前記パッド接触部材に供給する液体供給システムと、前記研磨パッドの表面温度を測定するパッド温度測定器と、前記パッド温度測定器の測定値と前記目標温度との差に基づいて、前記第１流量調整バルブおよび前記第２流量調整バルブの操作量をＰＩＤ制御する制御部と、を備えており、前記ホスト制御システムのホスト制御部は、前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部と、少なくとも１つの温度挙動パラメータを前記学習済モデルに入力し、前記ＰＩＤ制御のＰＩＤパラメータの変更値を出力するための演算を実行する処理装置と、を備えていることを特徴とする研磨システムが提供される。

一態様では、少なくとも１つの研磨装置と、前記研磨装置と情報を送受信可能に接続される中継装置と、前記中継装置と情報を送受信可能に接続されるホスト制御システムと、を備え、前記研磨装置は、研磨パッドを支持する研磨テーブルと、基板を前記研磨パッドに押し付ける研磨ヘッドと、を備えた少なくとも１つの研磨ユニットと、前記研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するためのパッド温度調整装置と、を備え、前記パッド温度調整装置は、前記研磨パッドの表面に接触可能であり、かつ加熱流路および冷却流路が内部に形成されたパッド接触部材と、前記加熱流路に接続された加熱液供給管と、前記冷却流路に接続された冷却液供給管と、前記加熱液供給管に取り付けられた第１流量制御バルブと、前記冷却液供給管に取り付けられた第２流量制御バルブと、を備え、温度調整された加熱液および冷却液を前記パッド接触部材に供給する液体供給システムと、前記研磨パッドの表面温度を測定するパッド温度測定器と、前記パッド温度測定器の測定値と前記目標温度との差に基づいて、前記第１流量調整バルブおよび前記第２流量調整バルブの操作量をＰＩＤ制御する制御部と、を備えており、前記中継装置の中継制御部は、前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部と、前記パッド温度測定器の測定値と、その測定時点との組み合わせと、少なくとも１つの温度挙動パラメータとを、前記学習済モデルに入力し、前記研磨パッドの表面温度を調整している間に、前記ＰＩＤ制御のＰＩＤパラメータの変更値を出力するための演算を随時実行する処理装置と、を備えていることを特徴とする研磨システムが提供される。

本発明によれば、ＰＩＤパラメータを変更することにより、温度挙動曲線を所定の許容範囲に維持することができる。その結果、研磨ユニット間の研磨性能のばらつきが抑制されるので、製品の歩留まりを向上させることができる。

図１は、研磨装置に配置された研磨ユニットの一実施形態を示す模式図である。図２は、パッド温度測定器の温度測定領域を上から見た図である。図３は、パッド温度測定器の温度測定領域を横から見た図である。図４は、パッド接触部材の一実施形態を示す水平断面図である。図５は、制御部の一実施形態を示す模式図である。図６は、制御部によって作成された温度挙動曲線の一例を示すグラフである。図７は、制御部によって作成された温度挙動曲線の他の例を示すグラフである。図８は、複数のデータセットの一例を示す模式図である。図９は、図８に示す測定時点Ｔ２のデータセットＤ２に基づいて作成された正規分布を示す図である。図１０は、図５に示す制御部に搭載される人工知能の構成の一例を示す模式図である。図１１は、図１０に示す学習済モデルを構築する方法を説明するためのフローチャートである。図１２は、ニューラルネットワークの構造の一例を示す模式図である。図１３（ａ）は、渦電流式膜厚センサを備えた研磨ユニットの一例を示す模式図であり、図１３（ｂ）は、図１３（ａ）に示す研磨ユニットの概略断面図である。図１４は、研磨パッドの厚さの変化量を測定するパッド高さセンサを備えた研磨ユニットの一例を示す模式図である。図１５は、図１０に示す人工知能の構成の変形例を示す模式図である。図１６は、少なくとも１つの研磨装置を含む研磨システムの一実施形態を示す模式図である。図１７は、少なくとも１つの研磨装置を含む研磨システムの他の実施形態を示す模式図である。図１８は、研磨パッドの表面から上方に離間したパッド温調部材によって、パッド表面温度を調整している様子を示す模式図である。図１９は、４つの研磨ユニットのそれぞれにおける温度挙動を示したグラフである。

以下、本発明の実施形態について図面を参照して説明する。
図１は、研磨装置に配置された研磨ユニットの一実施形態を示す模式図である。研磨装置は、図１に示すような研磨ユニットを少なくとも１つ備える。図１に示すように、研磨ユニットは、基板の一例であるウエハＷを保持して回転させる研磨ヘッド１と、研磨パッド３を支持する研磨テーブル２と、研磨パッド３の表面に研磨液（例えばスラリー）を供給する研磨液供給ノズル４と、研磨パッド３の表面温度を調整するパッド温度調整装置５とを備えている。研磨パッド３の表面（上面）は、ウエハＷを研磨する研磨面を構成する。

研磨ヘッド１は鉛直方向に移動可能であり、かつその軸心を中心として矢印で示す方向に回転可能となっている。ウエハＷは、研磨ヘッド１の下面に真空吸着などによって保持される。研磨テーブル２にはモータ（図示せず）が連結されており、矢印で示す方向に回転可能となっている。図１に示すように、研磨ヘッド１および研磨テーブル２は、同じ方向に回転する。研磨パッド３は、研磨テーブル２の上面に貼り付けられている。

研磨ユニットは、研磨テーブル２上の研磨パッド３をドレッシングするドレッサ２０をさらに備えている。ドレッサ２０は研磨パッド３の表面上を研磨パッド３の半径方向に揺動するように構成されている。ドレッサ２０の下面は、ダイヤモンド粒子などの多数の砥粒からなるドレッシング面を構成する。ドレッサ２０は、研磨パッド３の研磨面上を揺動しながら回転し、研磨パッド３を僅かに削り取ることにより研磨パッド３の表面をドレッシングする。

ウエハＷの研磨は次のようにして行われる。研磨されるウエハＷは、研磨ヘッド１によって保持され、さらに研磨ヘッド１によって回転される。一方、研磨パッド３は、研磨テーブル２とともに回転される。この状態で、研磨パッド３の表面には研磨液供給ノズル４から研磨液が供給され、さらにウエハＷの表面は、研磨ヘッド１によって研磨パッド３の表面（すなわち研磨面）に対して押し付けられる。ウエハＷの表面は、研磨液の存在下での研磨パッド３との摺接により研磨される。ウエハＷの表面は、研磨液の化学的作用と研磨液に含まれる砥粒の機械的作用により平坦化される。

パッド温度調整装置５は、研磨パッド３の表面に接触可能なパッド接触部材１１と、温度調整された加熱液および冷却液をパッド接触部材１１に供給する液体供給システム３０と、研磨パッド３の表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するように、加熱液および冷却液の流量を少なくとも制御する制御部４０と、を備えている。

本実施形態では、制御部４０は、パッド温度調整装置５を含む研磨装置全体の動作を制御するように構成されている。以下の説明では、制御部４０がパッド温度調整装置５を含む１つの研磨ユニットの動作を制御する実施形態が説明されるが、本実施形態は、この例に限定されない。例えば、研磨装置が複数の研磨ユニットを備える場合は、制御部４０は、各研磨ユニットの動作を個別に制御可能である。

図１に示す液体供給システム３０は、温度調整された加熱液を貯留する加熱液供給源としての加熱液供給タンク３１と、加熱液供給タンク３１とパッド接触部材１１とを連結する加熱液供給管３２および加熱液戻り管３３とを備えている。加熱液供給管３２および加熱液戻り管３３の一方の端部は加熱液供給タンク３１に接続され、他方の端部はパッド接触部材１１に接続されている。

温度調整された加熱液は、加熱液供給タンク３１から加熱液供給管３２を通じてパッド接触部材１１に供給され、パッド接触部材１１内を流れ、そしてパッド接触部材１１から加熱液戻り管３３を通じて加熱液供給タンク３１に戻される。このように、加熱液は、加熱液供給タンク３１とパッド接触部材１１との間を循環する。本実施形態では、加熱液供給タンク３１には、加熱源（例えば、ヒータ）４８が配置されている。この加熱源４８によって、加熱液供給タンク３１に貯留される加熱液は所定の温度（設定温度）に加熱される。

加熱液供給管３２には、第１開閉バルブ４１および第１流量制御バルブ４２が取り付けられている。第１流量制御バルブ４２は、パッド接触部材１１と第１開閉バルブ４１との間に配置されている。第１開閉バルブ４１は、流量調整機能を有しないバルブであるのに対し、第１流量制御バルブ４２は、流量調整機能を有するバルブである。

液体供給システム３０は、パッド接触部材１１に接続された冷却液供給管５１および冷却液排出管５２をさらに備えている。冷却液供給管５１は、研磨装置が設置される工場に設けられている冷却液供給源（例えば、冷水供給源）に接続されている。冷却液は、冷却液供給管５１を通じてパッド接触部材１１に供給され、パッド接触部材１１内を流れ、そしてパッド接触部材１１から冷却液排出管５２を通じて排出される。一実施形態では、パッド接触部材１１内を流れた冷却液を、冷却液排出管５２を通じて冷却液供給源に戻してもよい。

冷却液供給管５１には、第２開閉バルブ５５および第２流量制御バルブ５６が取り付けられている。第２流量制御バルブ５６は、パッド接触部材１１と第２開閉バルブ５５との間に配置されている。第２開閉バルブ５５は、流量調整機能を有しないバルブであるのに対し、第２流量制御バルブ５６は、流量調整機能を有するバルブである。

パッド接触部材１１に供給される加熱液としては、温水が使用される。温水は、加熱液供給タンク３１の加熱源４８により、例えば約８０℃に加熱される。より速やかに研磨パッド３の表面温度を上昇させる場合には、シリコーンオイルを加熱液として使用してもよい。シリコーンオイルを加熱液として使用する場合には、シリコーンオイルは加熱液供給タンク３１の加熱源４８により１００℃以上（例えば、約１２０℃）に加熱される。パッド接触部材１１に供給される冷却液としては、冷水またはシリコーンオイルが使用される。シリコーンオイルを冷却液として使用する場合には、冷却液供給源としてチラーを冷却液供給管５１に接続し、シリコーンオイルを０℃以下に冷却することで、研磨パッド３を速やかに冷却することができる。冷水としては、純水を使用することができる。純水を冷却して冷水を生成するために、冷却液供給源としてチラーを使用してもよい。この場合は、パッド接触部材１１内を流れた冷水を、冷却液排出管５２を通じてチラーに戻してもよい。

加熱液供給管３２および冷却液供給管５１は、完全に独立した配管である。したがって、加熱液および冷却液は、混合されることなく、同時にパッド接触部材１１に供給される。加熱液戻り管３３および冷却液排出管５２も、完全に独立した配管である。したがって、加熱液は、冷却液と混合されることなく加熱液供給タンク３１に戻され、冷却液は、加熱液と混合されることなく排出されるか、または冷却液供給源に戻される。

パッド温度調整システム５は、研磨パッド３の表面温度（以下、パッド表面温度ということがある）を測定するパッド温度測定器３９をさらに備えており、制御部４０は、パッド温度測定器３９により測定されたパッド表面温度に基づいて、第１流量制御バルブ４２および第２流量制御バルブ５６を操作する。第１開閉バルブ４１および第２開閉バルブ５５は、通常は開かれている。

パッド温度測定器３９は、研磨パッド３の表面の上方に配置されており、非接触で研磨パッド３の表面温度を測定するように構成されている。パッド温度測定器３９は、制御部４０に接続されており、さらに制御部４０を介して温度表示器４５に接続されている。パッド温度測定器３９は、研磨パッド３の表面温度を測定する赤外線放射温度計または熱電対温度計であってもよく、研磨パッド３の表面温度を測定し、研磨パッド３の温度分布を取得するサーモグラフィまたはサーモパイルであってもよい。本実施形態では、パッド温度測定器３９は、赤外線放射温度計、熱電対温度計、サーモグラフィ、およびサーモパイルのうち、少なくとも１つの温度測定器である。パッド温度測定器３９に、ウエハＷの研磨によって飛び散った液体（スラリーなど）が付着すると、パッド温度測定器３９は、研磨パッド３の表面温度を正確に測定することができないことがある。したがって、パッド温度測定器３９は研磨パッド３の表面から十分に高い位置に配置されている。

図２は、パッド温度測定器３９の温度測定領域を上から見た図であり、図３は、パッド温度測定器３９の温度測定領域を横から見た図である。パッド温度測定器３９が熱電対温度計、サーモグラフィ、およびサーモパイルの場合は、パッド温度測定器３９は、研磨パッド３の中心ＣＬと研磨パッド３の外周部３ａとを含む領域における研磨パッド３の表面温度を測定するように構成されている（図２および図３の点線参照）。パッド温度測定器３９が赤外線放射温度計の場合は、パッド温度測定器３９は、研磨パッド３の中心ＣＬと研磨パッド３の外周部３ａとの間に存在する一部の領域における研磨パッド３の表面温度を測定するように構成されている（図２および図３の一点鎖線参照）。パッド温度測定器３９が赤外線放射温度計の場合は、研磨ユニットは、研磨パッド３の半径方向におけるパッド温度測定器３９の位置を変更可能な位置調整機構を有しているのが好ましい。

パッド温度測定器３９は、非接触でパッド表面温度を測定し、パッド表面温度の測定値を制御部４０に送る。パッド温度測定器３９は、所定時間毎（例えば、１００ｍｓ毎）にパッド表面温度を測定する。制御部４０は、パッド表面温度を予め設定された目標温度に到達させ、その後、該目標温度に維持されるように、測定されたパッド表面温度に基づいて、第１流量制御バルブ４２および第２流量制御バルブ５６を操作する。第１流量制御バルブ４２および第２流量制御バルブ５６は、制御部４０からの制御信号に従って動作し、パッド接触部材１１に供給される加熱液の流量および冷却液の流量を調整する。パッド接触部材１１を流れる加熱液および冷却液と研磨パッド３との間で熱交換が行われ、これによりパッド表面温度が変化する。

このようなフィードバック制御により、パッド表面温度は、所定の目標温度に到達され、その後、該目標温度に維持される。フィードバック制御は、例えば、ＰＩＤ制御である。本実施形態では、制御部４０は、研磨パッド３の表面温度と所定の目標温度との差に基づいて、第１流量調整バルブ４２および第２流量調整バルブ５６の操作量をＰＩＤ制御する。このＰＩＤ制御を実行するために、制御部４０には、ＰＩＤパラメータ（すなわち、比例ゲインＰ、積分ゲインＩ、および微分ゲインＤ）が予め入力されている。

第１流量制御バルブ４２の操作量および第２流量制御バルブ５６の操作量は、言い換えれば、バルブ開度である。第１流量制御バルブ４２の操作量は、加熱液の流量に比例し、第２流量制御バルブ５６の操作量は、冷却液の流量に比例する。好ましくは、第１流量制御バルブ４２の操作量は、加熱液の流量に正比例し、第２流量制御バルブ５６の操作量は、冷却液の流量に正比例する。

制御部４０としては、任意の制御装置を用いることができる。例えば、制御部４０として、専用のコンピュータまたは汎用のコンピュータ（例えば、パーソナルコンピュータ）を使用することができる。一実施形態では、制御部４０は、ＰＬＣ（Programmable Logic Controller)、またはサーバであってもよい。さらに、制御部４０は、ＦＰＧＡ（Field-Programmable gate array）を含んでいてもよい。研磨パッド３の目標温度は、ウエハＷの種類または研磨プロセスに応じて決定され、決定された目標温度は、制御部４０に予め入力される。

パッド表面温度を所定の目標温度に到達させ、その後、維持するために、パッド接触部材１１は、研磨パッド３の表面（すなわち研磨面）に接触する。本明細書において、パッド接触部材１１が研磨パッド３の表面に接触する態様には、パッド接触部材１１が研磨パッド３の表面に直接接触する態様のみならず、パッド接触部材１１と研磨パッド３の表面との間に研磨液（スラリー）が存在した状態でパッド接触部材１１が研磨パッド３の表面に接触する態様も含まれる。いずれの態様においても、パッド接触部材１１を流れる加熱液および冷却液と研磨パッド３との間で熱交換が行われ、これによりパッド表面温度が制御される。

図１に示すように、パッド温度調整システム５は、パッド接触部材１１を研磨パッド３の表面に対して垂直に移動させる上下動機構（垂直移動機構）７１をさらに備えている。パッド接触部材１１は、上下動機構７１に保持されている。この上下動機構７１は、パッド接触部材１１を研磨パッド３の表面に対して上下方向に移動させることが可能に構成されている。このような構成により、パッド接触部材１１は、研磨パッド３の表面に直接接触することができる。上下動機構７１としては、サーボモータとボールねじ機構との組み合わせ、またはエアシリンダなどから構成される。このような上下動機構７１によれば、パッド接触部材１１を、研磨パッド３の表面に所定の押圧力で押し付けることができる。例えば、パッド接触部材１１を研磨パッド３の表面に押し付ける押圧力は、サーボモータに送信するパルス信号、またはエアシリンダに供給される気体の圧力を制御することにより、所定の押圧力に調整される。

パッド接触部材１１は、研磨パッド３の表面に対して垂直に移動して、研磨パッド３の表面上の領域（研磨パッド３の半径方向の位置）の温度を一定に維持するように構成されている。例えば、パッド接触部材１１は、研磨パッド３の中心ＣＬからの距離が１００ｍｍである研磨パッド３の半径方向の位置の温度を５５度に維持するように、研磨パッド３の表面に対して垂直方向に移動する。ユーザーは、パッド接触部材１１によって制御される研磨パッド３の表面温度および研磨パッド３の半径方向の位置を任意に決定（変更）することができる。例えば、ユーザーは、研磨パッド３の半径方向の位置として、研磨パッド３の中心ＣＬからの距離を１００ｍｍから２００ｍｍに変更してもよく、研磨パッド３の表面温度として、５５度から７０度に変更してもよい。結果として、パッド接触部材１１は、研磨パッド３の中心ＣＬからの距離が２００ｍｍである研磨パッド３の半径方向の位置の温度を７０度に維持するように、研磨パッド３の表面に対して上下方向に移動する。

次に、パッド接触部材１１の一例について、図４を参照して説明する。図４は、パッド接触部材１１の一実施形態を示す水平断面図である。図４に示すように、パッド接触部材１１は、その内部に形成された加熱流路６１および冷却流路６２を有している。加熱流路６１および冷却流路６２は、互いに隣接して（互いに並んで）延びており、かつ螺旋状に延びている。さらに、加熱流路６１および冷却流路６２は、点対称な形状を有し、互いに同じ長さを有している。

図４に示すように、加熱流路６１および冷却流路６２のそれぞれは、曲率が一定の複数の円弧流路６４と、これら円弧流路６４を連結する複数の傾斜流路６５から基本的に構成されている。隣接する２つの円弧流路６４は、各傾斜流路６５によって連結されている。このような構成によれば、加熱流路６１および冷却流路６２のそれぞれの最外周部を、パッド接触部材１１の最外周部に配置することができる。つまり、パッド接触部材１１の下面から構成されるパッド接触面のほぼ全体は、加熱流路６１および冷却流路６２の下方に位置し、加熱液および冷却液は研磨パッド３の表面を速やかに加熱および冷却することができる。

加熱液供給管３２は、加熱流路６１の入口６１ａに接続されており、加熱液戻り管３３は、加熱流路６１の出口６１ｂに接続されている。冷却液供給管５１は、冷却流路６２の入口６２ａに接続されており、冷却液排出管５２は、冷却流路６２の出口６２ｂに接続されている。加熱流路６１および冷却流路６２の入口６１ａ，６２ａは、パッド接触部材１１の周縁部に位置しており、加熱流路６１および冷却流路６２の出口６１ｂ，６２ｂは、パッド接触部材１１の中心部に位置している。したがって、加熱液および冷却液は、パッド接触部材１１の周縁部から中心部に向かって螺旋状に流れる。加熱流路６１および冷却流路６２は、完全に分離しており、パッド接触部材１１内で加熱液および冷却液が混合されることはない。

図４に示すように、加熱流路６１および冷却流路６２は、互いに隣接しているので、加熱流路６１および冷却流路６２は、研磨パッド３の径方向のみならず、研磨パッド３の周方向に沿って並んでいる。したがって、研磨テーブル２および研磨パッド３が回転している間、パッド接触部材１１に接触する研磨パッド３は、加熱液および冷却液の両方と熱交換を行う。

図１に示すように、パッド温度調整装置５は、加熱液供給管３２に取り付けられた加熱液ポンプ４７を備えてもよい。加熱液ポンプ４７は、制御部４０に接続されており、制御部４０は、加熱液ポンプ４７の動作を制御可能に構成されている。例えば、制御部４０は、加熱液ポンプ４７の回転速度を制御することにより、パッド接触部材１１に供給される加熱液の圧力を調整することができる。さらに、パッド温度調整装置５が加熱液ポンプ４７を有する場合、加熱液供給管３２に取り付けられた第１流量調整弁４２を省略してもよい。制御部４０が加熱液ポンプ４７の回転速度を制御することにより、パッド接触部材１１に供給される加熱液の流量を調整することができる。この場合、制御部４０は、加熱液ポンプ４７の回転速度と加熱液の流量との関係を示す関係式またはデータテーブルを予め記憶している。

図示はしないが、パッド温度調整装置５は、冷却液供給管５１に取り付けられた冷却液ポンプを備えてもよい。この場合、冷却液ポンプは、制御部４０に接続され、制御部４０は、冷却液ポンプの動作を制御可能に構成されている。例えば、制御部４０は、冷却液ポンプの回転速度を制御することにより、パッド接触部材１１に供給される冷却液の圧力を調整することができる。さらに、パッド温度調整装置５が冷却液ポンプを有する場合、冷却液供給管５１に取り付けられた第２流量調整弁５６を省略してもよい。制御部４０が冷却液ポンプの回転速度を制御することにより、パッド接触部材１１に供給される冷却液の流量を調整することができる。この場合、制御部４０は、冷却液ポンプの回転速度と冷却液の流量との関係を示す関係式またはデータテーブルを予め記憶している。

研磨装置は、上述した研磨ユニットを少なくとも１つ備えている。研磨装置が複数の研磨ユニットを備える場合は、上記制御部４０は、複数の研磨ユニット間で共通の制御部として機能する。より具体的には、制御部４０は、各研磨ユニットの動作、および各研磨ユニットが有するパッド温度調整装置５の動作を制御するように構成される。さらに、半導体デバイスなどの工場には、複数の研磨装置が設置されることが多い。すなわち、このような工場には、複数の研磨ユニットをそれぞれ有する複数の研磨装置が設置されている。

図５は、制御部４０の一実施形態を示す模式図である。図５に示す制御部４０は、専用のまたは汎用のコンピュータ（例えば、パーソナルコンピュータ）である。一実施形態では、制御部４０は、ＰＬＣ（Programmable Logic Controller)、またはサーバであってもよい。さらに、制御部４０は、ＦＰＧＡ（Field-Programmable gate array）を含んでいてもよい。図５に示す制御部４０は、プログラムやデータなどが格納される記憶装置１１０と、記憶装置１１０に格納されているプログラムに従って演算を行うＣＰＵ（中央処理装置）またはＧＰＵ（グラフィックプロセッシングユニット）などの処理装置１２０と、データ、プログラム、および各種情報を記憶装置１１０に入力するための入力装置１３０と、処理結果や処理されたデータを出力するための出力装置１４０と、インターネットなどのネットワークに接続するための通信装置１５０を備えている。

記憶装置１１０は、処理装置１２０がアクセス可能な主記憶装置１１１と、データおよびプログラムを格納する補助記憶装置１１２を備えている。主記憶装置１１１は、例えばランダムアクセスメモリ（ＲＡＭ）であり、補助記憶装置１１２は、ハードディスクドライブ（ＨＤＤ）またはソリッドステートドライブ（ＳＳＤ）などのストレージ装置である。

入力装置１３０は、キーボード、マウスを備えており、さらに、記録媒体からデータを読み込むための記録媒体読み込み装置１３２と、記録媒体が接続される記録媒体ポート１３４を備えている。記録媒体は、非一時的な有形物であるコンピュータ読み取り可能な記録媒体であり、例えば、光ディスク（例えば、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ）や、半導体メモリー（例えば、ＵＳＢフラッシュドライブ、メモリーカード）である。記録媒体読み込み装置１３２の例としては、ＣＤ−ＲＯＭドライブ、ＤＶＤ−ＲＯＭドライブなどの光学ドライブや、カードリーダーが挙げられる。記録媒体ポート１３４の例としては、ＵＳＢポートが挙げられる。記録媒体に記憶されているプログラムおよび／またはデータは、入力装置１３０を介してコンピュータに導入され、記憶装置１１０の補助記憶装置１１２に格納される。出力装置１４０は、ディスプレイ装置１４１、印刷装置１４２を備えている。

図１９を参照して説明したように、各研磨ユニット間の機差に起因して、温度挙動にばらつきが発生してしまう。本実施形態では、このような温度挙動のばらつきを抑制するために、制御部４０の処理装置１２０は、パッド温度測定器３９の測定値と、その測定時点とに基づいて、研磨パッド３が所定の目標温度に到達するまでの温度挙動曲線を作成し、次のウエハＷを研磨するときの温度挙動曲線が所定の許容範囲に維持されるように、温度挙動パラメータの少なくとも１つを変更するように構成されている。なお、温度挙動曲線はウエハＷを研磨する毎に作成され、制御部４０の処理装置１２０は、複数の温度挙動曲線を記憶装置１１０に蓄積する。以下、図６および図７を参照して、温度挙動曲線および所定の許容範囲について説明する。

図６は、温度挙動曲線の一例を示すグラフであり、図７は、温度挙動曲線の他の例を示すグラフである。図６は、温度挙動曲線が後述する許容範囲に入っている例を示すグラフであり、図７は、温度挙動曲線が許容範囲から外れた例を示すグラフである。図６および図７において、立軸は研磨パッド３の表面温度（パッド表面温度）を表し、横軸は時間を表す。

なお、図７に示すように、パッド温度調整装置５がパッド表面温度を目標温度に収束させる途中で、パッド表面温度が目標温度を一旦超えることがある。この現象は、「オーバーシュート」と称される。本明細書において、「研磨パッド３の表面温度（パッド表面温度）が目標温度に到達した」とは、このオーバーシュートを含む概念である。より具体的には、オーバーシュートが発生した場合、パッド表面温度が一旦目標温度に到達した時点を、パッド表面温度が目標温度に到達した時点と判断せず、オーバーシュート後にパッド表面温度が目標温度に収束した時点を、パッド表面温度が目標温度に到達した時点と判断する。

上述したように、最初に、制御部４０は、上下動機構７１に指令を与えて、パッド接触部材１１を研磨パッド３の表面に接触させ、パッド表面温度の調整を開始する。これにより、研磨パッド３の表面温度が上昇し始める。図６および図７の時点Ｔａは、パッド接触部材１１が研磨パッド３の表面に接触した時点、すなわち、パッド接触部材１１がパッド表面温度の調整を開始した時点である。次に、制御部４０は、研磨ヘッド１に指令を与えて、該研磨ヘッド１に保持されるウエハＷの表面を研磨パッド３に押し付けて、ウエハ（基板）Ｗの研磨を開始する。図６および図７の時点Ｔｂは、ウエハＷが研磨パッド３の表面（研磨面）に接触した時点、すなわち、ウエハＷの研磨が開始された時点である。図６および図７に示すように、常温のウエハＷが、パッド表面温度の調整が開始された後の研磨パッド３の表面に接触すると、パッド表面温度が一時的に低下する。

制御部４０は、パッド接触部材１１の加熱流路６１および冷却流路６２をそれぞれ流れる加熱液および冷却液の流量を少なくとも制御して、パッド表面温度を所定の目標温度に到達させる。図６および図７の時点Ｔｃは、パッド表面温度が所定の目標温度に到達した時点である。その後、制御部４０は、パッド表面温度が目標温度を維持するように、パッド接触部材１１の加熱流路６１および冷却流路６２をそれぞれ流れる加熱液および冷却液の流量を少なくとも制御する。

温度挙動曲線Ｒは、パッド接触部材１１がパッド表面温度の調整を開始した時点Ｔａから目標温度に到達した時点Ｔｃまでの、パッド表面温度の経時的な変化（すなわち、温度挙動）を示す曲線である。制御部４０は、パッド温度測定器３９から送られるパッド表面温度の測定値と、その測定時点に基づいて、温度挙動曲線Ｒを作成し、この温度挙動曲線Ｒを記憶する。

パッド温度測定器３９は、所定時間毎（例えば、１００ｍｓ毎）にパッド表面温度を測定しており、パッド表面温度の測定値は、制御部４０に順次送られる。制御部４０は、パッド温度測定器３９からパッド表面温度の測定値と、その測定時点が送られるたびに、その測定値を図６に示すようなグラフに順次プロットしていき、研磨パッド３の表面温度が目標温度に到達した時点Ｔｃで、複数のプロット点を滑らかな曲線で繋ぐ。これにより、制御部４０は、温度挙動曲線Ｒを取得することができる。

図６および図７において、許容範囲は、該許容範囲の上限を区画する上限曲線Ｒｕと、該許容範囲の下限を区画する下限曲線Ｒｌとによって挟まれた領域である。この許容範囲は、温度挙動曲線Ｒのばらつきを許容可能な範囲である。制御部４０は、温度挙動曲線Ｒの少なくとも一部が許容範囲を外れた場合（図７参照）に、温度挙動曲線Ｒが許容範囲外であると決定する。許容範囲は、例えば、研磨装置の製造者が行う実験により決定することができる。この許容範囲は、各研磨ユニットで共通に用いられる。

あるいは、許容範囲を、所定枚数（例えば、１００枚）のウエハＷを研磨したときに得られる複数の温度挙動曲線から作成してもよい。以下に、複数の温度挙動曲線から許容範囲を作成する方法の一例を説明する。

図６および図７に示すように、パッド温度測定器３９は、所定の時間間隔ごとに（すなわち、測定時点Ｔ１，Ｔ２，Ｔ３，Ｔ４，・・・Ｔｎごとに）パッド表面温度を測定し、制御部４０には、所定時間間隔ごとにパッド表面温度の測定値が送られる。最初の測定時点Ｔ１は、上記時点Ｔａに相当し、測定時点Ｔｎは、上記時点Ｔｃに相当する。本実施形態では、ウエハＷの研磨が開始される時点Ｔｂは、測定時点Ｔ１（＝Ｔａ）と測定時点Ｔｎ（＝Ｔｃ）との間にある。なお、図６および図７では、図が煩雑になるのを避けるため、隣接する測定時点の間隔を拡大して描いている。隣接する測定時点の間の実際の間隔は、図６および図７に示す間隔よりも狭く、例えば、１００ｍｓである。

制御部４０は、時点Ｔａ（＝Ｔ１）から時点Ｔｃ（＝Ｔｎ）までの複数のパッド表面温度の測定値を測定時点Ｔ１，Ｔ２，Ｔ３，Ｔ４，・・・Ｔｎと関連付けて記憶する。さらに、制御部４０は、この操作を所定枚数のウエハＷを研磨するたびに実行する。これにより、制御部４０には、同一の測定時点Ｔ１，Ｔ２，・・・Ｔｎに関連付けられたパッド表面温度の測定値の複数のデータセットが蓄積される。図８は、複数のデータセットの一例を示す模式図である。なお、図８に示す複数のデータセットを作成する際に、許容範囲から外れた温度挙動曲線（図７参照）を構成するパッド表面温度の測定値と、その測定時点の組み合わせは除外されるのが好ましい。すなわち、図８に示す複数のデータセットは、許容範囲に入った温度挙動曲線（図６参照）を構成するパッド表面温度の測定値と、その測定時点の組み合わせのみから構成されるのが好ましい。

次に、制御部４０は、各データセットの正規分布を作成する。図９は、図８に示す測定時点Ｔ２のデータセットＤ２に基づいて作成された正規分布を示す図である。制御部４０は、図９に示すような正規分布に基づいて、上記上限曲線Ｒｕの１つのプロット点を抽出する。例えば、図９に示す正規分布の２σに相当するパッド表面温度の値を、上限曲線Ｒｕを構成する１つのプロット点Ｐｕ２（図６参照）として抽出する。制御部４０は、この作業を全ての測定時点Ｔ１，Ｔ２，・・・Ｔｎに対応するデータセットで繰り返し、上限曲線Ｒｕを形成する複数のプロット点Ｐｕ１，Ｐｕ２，・・・Ｐｕｎを入手する。これらプロット点Ｐｕ１，Ｐｕ２，・・・Ｐｕｎを滑らかな曲線で繋ぐことにより、上限曲線Ｒｕが得られる。なお、図６には、上限曲線Ｒｕを形成するプロット点の代表として、プロット点Ｐｕ２のみが描かれている。

同様に、図９に示す正規分布の−２σに相当するパッド表面温度の値を、下限曲線Ｒｌを構成する１つのプロット点Ｐｌ２（図６参照）として抽出する。制御部４０は、この作業を全ての測定時点Ｔ１，Ｔ２，・・・Ｔｎに対応するデータセットで繰り返し、下限曲線Ｒｌを形成する複数のプロット点Ｐｌ１，Ｐｌ２，・・・Ｐｌｎを入手する。これらプロット点を滑らかな曲線で繋ぐことにより、下限曲線Ｒｌが得られる。なお、図６には、下限曲線Ｒｌを形成するプロット点の代表として、プロット点Ｐｌ２のみが描かれている。このようにして得られた許容範囲は、所定枚数のウエハＷを研磨したときに得られる複数の温度挙動曲線の平均の±２σの範囲に相当する。

許容範囲を、所定枚数（例えば、１００枚）のウエハＷを研磨したときに得られる複数の温度挙動曲線から作成する方法の他の例は、複数の温度挙動曲線のなかから基準温度挙動曲線を選択する方法である。基準温度曲線は、例えば、複数の温度挙動曲線を同一のグラフ上に描いたときに、最も中心に位置する温度挙動曲線である。許容範囲は、基準温度曲線から所定の割合だけ上下方向に離れた上限曲線Ｒｕと下限曲線Ｒｌとにより区画される。より具体的には、許容範囲の上限を区画する上限曲線Ｒｕは、選択された基準温度挙動曲線を構成する各パッド表面温度の値に、正数である所定の係数（＋Ｃ％）を乗算して得られた値を滑らかな曲線で繋ぐことにより得られる。許容範囲の下限を区画する下限曲線Ｒｌは、選択された基準温度挙動曲線を構成する各パッド表面温度の値に、負数である所定の係数（−Ｃ％）を乗算して得られた値を滑らかな曲線で繋ぐことにより得られる。この場合、許容範囲は、基準温度曲線から±Ｃ％だけ上下方向に離れた上限曲線Ｒｕと下限曲線Ｒｌとによって区画される。一般に、所定の割合であるＣの値としては、５から２０の範囲にある値が用いられる。

図７に示すように、温度挙動曲線Ｒが所定の許容範囲を越えると、製品（すなわち、半導体デバイス）の歩留まりに悪影響を与えるおそれがある。そのため、温度挙動曲線Ｒは、常に、所定の許容範囲内に収まっているのが好ましい。温度挙動曲線Ｒを所定の許容範囲に収めるための方法の一例は、ウエハＷを研磨する際に作成される温度挙動曲線Ｒが所定の許容範囲を越えた場合に、次のウエハＷの研磨時に使用される温度挙動パラメータの少なくとも１つを変更する方法である。変更されるべき温度挙動パラメータ、およびその変更値は、例えば、研磨装置の製造者によって行われる実験によって決定することができる。

しかしながら、本実施形態では、温度挙動曲線Ｒを所定の許容範囲に維持するために、制御部４０は、人工知能（ＡＩ：artificial intelligence）を使用して、変更されるべき温度挙動パラメータと、その変更値を予測する。

なお、本明細書において、温度挙動パラメータは、上述した温度挙動を変更可能なパラメータの総称である。温度挙動パラメータの代表的な例としては、以下のものがあげられる。
１）加熱液の流量
２）冷却液の流量
３）第１流量調整バルブ４２および第２流量調整バルブ５６の操作量を決定するためのＰＩＤパラメータ
４）加熱液ポンプの回転速度
５）冷却液ポンプの回転速度
６）加熱液の供給圧
７）冷却液の供給圧
８）加熱液の温度
９）冷却液の温度
１０）加熱源４８の設定温度
１１）研磨液の温度
１２）研磨液の流量
１３）研磨液の滴下位置
１４）研磨ヘッド１の回転速度
１５）研磨テーブル２の回転速度
１６）ウエハＷの研磨パッド３に対する研磨荷重
１７）パッド接触部材１１の研磨パッド３に対する押付荷重
１８）ドレッシング条件
１９）研磨ユニット内の雰囲気温度
２０）研磨パッド３の半径方向におけるパッド温度測定器３９の位置
２１）時間

上記項目２１）に記載の時間は、上記項目１）乃至２０）に記載の温度挙動パラメータを制御部４０が取得した時間を意味しており、上記項目１）乃至２０）に記載の温度挙動パラメータに関連する値である。ここで、温度挙動パラメータを変更することにより、研磨パッド３の温度を調整するためには、時々刻々と変化する温度挙動パラメータを監視する必要があるため、温度挙動パラメータの取得時間は、正確な温度制御を実行するためには、非常に重要なファクターとなる。そのため、本明細書では、温度挙動パラメータには、「時間」を含むと定義する。

上記１）乃至２０）に示される温度挙動パラメータの少なくとも１つを変更することにより、温度挙動（すなわち、温度挙動曲線）を変化させることができる。例えば、加熱液の流量および／または温度を増加させるか、冷却液の流量および／または温度を減少させると、研磨パッド３の表面温度は、より速やかに上昇する。ＰＩＤパラメータを変更すると、第１流量調整バルブ４２および第２流量調整バルブ５６の操作量が変化し、結果として、加熱液の流量および冷却液の流量が変更される。特に、ＰＩＤパラメータの比例ゲインＰの変更は、温度挙動の変化に大きく作用する。

加熱液供給管３２に加熱液ポンプ４７（図１参照）が取り付けられている場合は、加熱液ポンプ４７の回転速度を変更することにより、加熱液の流量および供給圧を変更することができる。同様に、冷却液供給管５１に冷却液ポンプ（図示せず）が取り付けられている場合は、冷却液ポンプの回転速度を変更することにより、冷却液の流量および供給圧を変更することができる。したがって、加熱液ポンプ４７の回転速度および／または冷却液ポンプの回転速度を変更することによって、温度挙動を変化させることができる。

また、制御部４０は、加熱液供給タンク３１に配置される加熱源（例えば、ヒータ）４８の設定温度を変更してもよい。これにより、パッド接触部材１１に供給される加熱液の温度が変更されるので、温度挙動を変化させることができる。

研磨パッド３上に供給される研磨液（スラリー）は、パッド接触部材１１によって上昇されたパッド表面温度を低下させる。したがって、研磨液の温度および／または流量を変更すると、パッド表面温度の低下量が変化し、結果として、温度挙動が変化する。同様の理由から、研磨液の滴下位置を変更することで、温度挙動を変更させることができる。

回転する研磨ヘッド１に保持されたウエハＷを、回転する研磨テーブル２に支持される研磨パッド３に押し付けると、ウエハＷと研磨パッド３との間に摩擦熱が発生し、この摩擦熱によってパッド表面温度が上昇する。この摩擦熱の量は、研磨ヘッド１の回転速度、研磨テーブル２の回転速度、ウエハＷの研磨パッド３に対する研磨荷重によって変化する。したがって、研磨ヘッド１の回転速度、研磨テーブル２の回転速度、および／または研磨荷重を変更することによって、温度挙動を変化させることができる。

さらに、上下動機構１１によって、パッド接触部材１１を回転する研磨パッド３の表面に押し付けると、パッド接触部材１１と研磨パッド３との間に摩擦熱が発生し、この摩擦熱によっても、パッド表面温度が上昇する。この摩擦熱の量は、パッド接触部材１１の研磨パッド３に対する押付荷重に応じて変化する。したがって、上下動機構１１がパッド接触部材１１を研磨パッド３の表面に押し付ける押付荷重を変更することにより、温度挙動を変化させることができる。

ドレッサ２０は、予め設定されたドレッシング条件にしたがって研磨パッド３の表面をドレッシングする。このドレッシング条件には、例えば、ドレッサ２０の回転速度、ドレッサ２０の研磨パッド３に対する押付荷重などが含まれている。ドレッシング条件を変更すると、ドレッサ２０によってドレッシングされた後の研磨パッド３の表面の粗さが変化する。その結果、研磨中のウエハＷと研磨パッド３との間に発生する摩擦熱の量、およびパッド接触部材１１と研磨パッド３との間に発生する摩擦熱の量が変化するので、ドレッシング条件を変更することにより、温度挙動を変化させることができる。

研磨ユニット内の雰囲気温度も温度挙動に影響を与えるので、該雰囲気温度も温度挙動パラメータの１つである。例えば、雰囲気温度が２０℃である研磨ユニットにおける温度挙動曲線の勾配は、雰囲気温度が２５℃である研磨ユニットにおける温度挙動曲線の勾配よりも小さくなる。

上述したように、パッド温度測定器３９が赤外線放射温度計の場合は、研磨パッド３の半径方向におけるパッド温度測定器３９の位置を調整することができる。研磨パッド３の半径方向におけるパッド温度測定器３９の位置を変更すると、研磨パッド３におけるパッド温度測定器３９の測定領域が変化する。そのため、パッド温度測定器３９の測定値がその位置を変更する前後で変わる。制御部４０は、測定されたパッド表面温度に基づいて、第１流量制御バルブ４２および第２流量制御バルブ５６を操作しているので、研磨パッド３の半径方向におけるパッド温度測定器３９の位置を変更することにより、温度挙動を変化させることができる。

図１０は、図５に示す制御部４０に搭載される人工知能の構成の一例を示す模式図である。図１０に示す人工知能では、ニューラルネットワークまたは量子コンピューティングを用いた機械学習を行い、温度挙動曲線Ｒを所定の許容範囲に維持するための学習済モデルが構築される。一般に、学習済モデルは、入力データに対する予測結果または診断結果を出力するように構築される。例えば、少なくとも１つの温度挙動パラメータを学習済モデルに入力すると、学習済モデルは、温度挙動曲線Ｒを所定の許容範囲に維持するために変更されるべき少なくとも１つの温度挙動パラメータと、その変更値を予測して出力する。

図１１は、図１０に示す学習済モデルを構築する方法を説明するためのフローチャートである。学習済モデルを構築する際には、最初に、データの収集を行い（ステップ１参照）、生データの集合体を作成する（ステップ２参照）。ステップ１で行われるデータの収集は広範囲にわたって実施される。例えば、収集されるデータには、研磨装置に配置された各種センサの測定値、研磨装置に配置された各構成機器の材料、作業者によって研磨装置に入力されたパラメータなどが含まれ、撮像装置が研磨装置に配置されている場合は、該撮像装置が取得した画像データも含まれる。さらに、収集されるデータには、センサの測定値、画像データなどを処理した加工データを含んでもよいし、研磨装置の各種データを保存しているデータベース、および検索データを含んでもよい。これら生データの集合体は、「ビッグデータ」と称されることがある。

次に、生データの集合体から、学習済モデルを構築するために必要な学習用データセットを作成する（ステップ３参照）。学習用データセットは、温度挙動曲線Ｒを所定の許容範囲に維持するための学習済モデルを構築する際に必要なデータセットであり、「教師データ」とも称される。この学習用データセットは、正常データ、異常データ、参照データ、または混在データである。混在データとは、正常データと異常データとが所定の割合で混ざっているデータセットを意味する。例えば、混在データは、８０％の正常データと２０％の異常データから構成されてもよいし、９０％の正常データと１０％の異常データから構成されてもよい。一般的に、混在データには、正常データが異常データよりも多く含まれており、多用される異常データに対する正常データの割合は、８：１または９：１である。このように、正常データの割合と異常データの割合との合計が１００％となるように、正常データの割合を７０〜１００％の範囲から選択し、かつ異常データの割合を０〜３０％の範囲から選択して作成された混在データを使用するのが好適である。

学習用データセットは、例えば、少なくとも１つの温度挙動パラメータを含んでいる。上述したように、温度挙動パラメータは、加熱液の流量、冷却液の流量、第１流量調整バルブ４２および第２流量調整バルブ５６の操作量を決定するためのＰＩＤパラメータ、加熱液ポンプの回転速度、冷却液ポンプの回転速度、加熱液の供給圧、冷却液の供給圧、加熱液の温度、冷却液の温度、加熱源４８の設定温度、研磨液の温度、研磨液の流量、研磨液の滴下位置、研磨ヘッド１の回転速度、研磨テーブル２の回転速度、ウエハＷの研磨パッド３に対する研磨荷重、パッド接触部材１１の研磨パッド３に対する押付荷重、ドレッシング条件、および研磨ユニット内の雰囲気温度などの温度挙動パラメータ、研磨パッド３の半径方向における赤外線放射温度計の位置、および時間を含んでいる。学習用データセットは、制御部４０の記憶装置１１０に予め記憶されていてもよいし、通信装置１５０を介して制御部４０に提供されてもよい。さらに、学習用データセットは、記憶装置１１０に蓄積された複数の温度挙動曲線を含んでもよいし、さらに、各温度挙動曲線を作成する際に使用されたパッド温度測定器３９の測定値と、その測定時点の組み合わせを含んでもよい。

次に、ニューラルネットワークまたは量子コンピューティングを用いた機械学習を行い（ステップ４参照）、温度挙動曲線Ｒを所定の許容範囲に維持するための学習済モデルを構築する（ステップ５参照）。学習済モデルを構築するための機械学習には、正常データを学習用データセットとして用いる学習、異常データを学習用データセットとして用いる学習、参照データを学習用データセットとして用いる学習、および混在データを学習用データセットとして用いる学習が含まれる。学習済モデルを構築するための機械学習には、上記学習とは異なる学習も含まれる。例えば、学習済モデルは、学習用データセットを用いない学習（すなわち、「教師データ」がない学習）、または強化学習を行うことにより構築されてもよい。

ニューラルネットワークまたは量子コンピューティングを用いた機械学習としては、ディープラーニング法（深層学習法）が好適である。ディープラーニング法は、隠れ層（中間層ともいう）が多層化されたニューラルネットワークをベースとする学習法である。本明細書では、入力層と、二層以上の隠れ層と、出力層で構成されるニューラルネットワークを用いた機械学習をディープラーニングと称する。

図１２は、ニューラルネットワークの構造の一例を示す模式図である。学習済モデルは、図１２に示されるようなニューラルネットワークを用いたディープラーニング法によって構築される。

図１２に示すニューラルネットワークは、入力層３０１と、複数の（図示した例では、５つの）隠れ層３０２と、出力層３０３を有している。正常データが学習用データセットとして用いられる場合は、制御部４０は、学習済モデルを構築するために、正常データを用いてニューラルネットワークを構成する重みパラメータを調整する。より具体的には、制御部４０は、学習用に作成された少なくとも１つの温度挙動パラメータを含むデータをニューラルネットワークの入力層３０１に入力したときに、温度挙動曲線を所定の許容範囲内に維持するために変更されるべき温度挙動パラメータと、その変更値に相当するデータがニューラルネットワークの出力層３０３から出力されるように、ニューラルネットワークの重みパラメータを調整する。例えば、少なくとも１つの温度挙動パラメータを含むデータをニューラルネットワークの入力層３０１に入力したときに、温度挙動曲線を所定の許容範囲内に維持するために変更されるべきＰＩＤパラメータと、該ＰＩＤパラメータの変更値がニューラルネットワークの出力層３０３から出力されるように、ニューラルネットワークの重みパラメータを調整する。

出力層３０３から出力されたＰＩＤパラメータの変更値は、温度挙動曲線が所定の許容範囲内に入っていたときのＰＩＤパラメータの集合体である正常範囲と比較される。出力層３０３から出力されたＰＩＤパラメータの変更値が正常範囲から外れる場合は、学習用に作成された少なくとも１つの温度挙動パラメータを含むデータをニューラルネットワークの入力層３０１に再度入力したときに、出力層３０３から出力されるＰＩＤパラメータの変更値が正常範囲に入るように、重みパラメータを自動で調整していく。このように、学習済モデルは、入力層への少なくとも１つの温度挙動パラメータの入力、出力層からの出力値と正常範囲との比較、および重みパラメータの調整を繰り返し行うことにより構築される。

さらに、制御部４０は、検証用データをニューラルネットワークに入力し、ニューラルネットワークから出力されたデータが、正常範囲に含まれるデータに相当するか否かを検証するのが好ましい。検証用データは、ステップ３で作成された学習用データセットの一部を予め抽出しておくことで作成してもよい。あるいは、ステップ３で作成された学習用データセットの全部を検証用データとして使用してもよい。この場合、ステップ３で作成された学習用データセットの全部が学習済モデルに再度入力され、重みパラメータの調整が同一の学習用データセットを用いて繰り返される。

一実施形態では、ニューラルネットワークは、入力層３０１とは異なる入力層３０１’を有していてもよい。入力層３０１’には、例えば、温度挙動パラメータとは異なるデータが入力されてもよいし、入力層３０１に入力された温度挙動パラメータとは異なる温度挙動パラメータが入力されてもよい。入力層３０１’に入力されるデータの例は、記憶装置１１０に蓄積された複数の温度挙動曲線、および／または各温度挙動曲線を作成する際に使用されたパッド温度測定器３９の測定値と、その測定時点の組み合わせである。入力層３０１’に入力されるデータの他の例は、研磨ユニットで用いられる消耗品の使用時間である。消耗品の例には、研磨パッド３、ウエハＷの研磨中に研磨ヘッド１からウエハＷが飛び出すことを防止するリテーナリング（図示せず）、および研磨ヘッド１の下方に配置され、ウエハＷを所定の押圧力で研磨パッド３に押圧するためのメンブレン（図示せず）などが含まれる。

入力層３０１’に入力されるデータのさらに他の例は、温度挙動に影響を与える状態量の経時的な変化を表す温度挙動パラメータ（例えば、加熱液の温度、研磨ヘッド１の回転速度、研磨テーブル２の回転速度、ドレッシング条件、研磨ヘッド１の研磨荷重、および研磨液の流量など）である。入力層３０１’に入力されるデータのさらに他の例は、温度挙動に影響を与える環境の経時的な変化を表す温度挙動パラメータ（例えば、パッド接触部材１１の押付荷重、研磨液の温度、研磨ユニット内の雰囲気温度、加熱液の供給圧、および冷却液の供給圧など）である。

温度挙動パラメータとは異なるデータ、温度挙動に影響を与える状態量の経時的な変化を表す温度挙動パラメータ、および／または温度挙動に影響を与える環境の経時的な変化を表す温度挙動パラメータをニューラルネットワークに入力することにより、ニューラルネットワークの出力層３０３は、より正確な予測値（すなわち、変更されるべき温度挙動パラメータと、その変更値）を出力することができる。例えば、ニューラルネットワークは、温度挙動に影響を与える状態量の経時的な変化、および／または温度挙動に影響を与える環境の経時的な変化が考慮された、より正確な変更されるべき温度挙動パラメータの変更値を出力層３０３から出力することができる。

さらに、ニューラルネットワークは、出力層３０３とは異なる出力層３０３’を有していてもよい。出力層３０３’は、例えば、変更されるべき温度挙動パラメータと、その変更値とは異なるデータを出力する。出力層３０３’から出力されるデータの例は、ウエハＷを研磨するときに調整される最適なパッド表面温度の時間経過を表す最適温度挙動曲線、および／または最適温度挙動曲線を構成するパッド表面温度と、その測定時点の組み合わせである。出力層３０３’から出力されるデータの他の例は、ＰＩＤパラメータとは異なる他の温度挙動パラメータである。例えば、出力層３０３’は、温度挙動曲線を所定の許容範囲内に維持するために変更されるべき、ＰＩＤパラメータとは異なる他の温度挙動パラメータとその変更値とを出力してもよい。あるいは、出力層３０３’は、出力層３０３から出力されるＰＩＤパラメータを変更したときに、ＰＩＤパラメータとは異なる他の温度挙動パラメータの変化の予測値を出力してもよい。

このように構築された学習済モデルは、記憶装置１１０（図５参照）に格納されている。制御部４０は、記憶装置１１０に電気的に格納されたプログラムに従って動作する。すなわち、制御部４０の処理装置１２０は、少なくとも１つの温度挙動パラメータを含むデータを、前記学習済モデルの入力層３０１に入力し、温度挙動曲線Ｒを所定の許容範囲に維持するために変更されるべき少なくとも１つの温度挙動パラメータと、その変更値とを出力層３０３から出力するための演算を実行する。

上述したように、ＰＩＤパラメータを変更すると、第１流量調整バルブ４２および第２流量調整バルブ５６の操作量が変化し、結果として、加熱液の流量および冷却液の流量が変更される。ＰＩＤパラメータの変更（特に、比例ゲインＰの変更）は、温度挙動（すなわち、温度挙動曲線）の変化に直接的かつ大きく作用する。以下では、変更されるべき温度挙動パラメータとして、ＰＩＤパラメータと、その変更値が学習済モデルの出力層３０３から出力される実施例を説明する。

第１の例としては、制御部４０は、ＰＩＤパラメータ、加熱液の流量、および冷却液の流量を入力層３０１に入力する。学習済モデルは、ＰＩＤパラメータ、加熱液の流量、および冷却液の流量を入力層３０１に入力したときに、温度挙動曲線Ｒを所定の許容範囲に維持するために変更されるべきＰＩＤパラメータと、その変更値とを出力層３０３から出力するように構築されている。学習済モデルは、ＰＩＤパラメータの少なくとも１つ（例えば、比例ゲインＰ）と、その変更値を出力層３０３から出力するように構築されていてもよい。

一実施形態では、制御部４０は、入力層３０１に入力されるＰＩＤパラメータ、加熱液の流量、および冷却液の流量の各データを取得した時間（上記項目２１）参照）を入力層３０１’に入力してもよい。あるいは、制御部４０は、ＰＩＤパラメータ、加熱液の流量、および冷却液の流量に加えて、ＰＩＤパラメータ、加熱液の流量、および冷却液の流量の各データを取得した時間を入力層３０１に入力してもよい。

上記項目１）乃至２０）に記載の温度挙動パラメータは、研磨ユニットに配置された各種センサによって取得される。各種センサが温度挙動パラメータの測定値を取得する時間は、互いに異なっている。例えば、加熱液の流量を測定するセンサが該加熱液の流量値を取得する時間は、冷却液の流量を測定するセンサが該冷却液の流量値を取得する時間と異なる。さらに、各センサが取得した温度挙動パラメータを制御部４０に送信してから、該制御部４０が温度挙動パラメータを受け取るまでの時間も、互いに異なっている。例えば、加熱液の流量を測定するセンサから送信された加熱液の流量値を制御部４０が受け取った時間は、冷却液の流量を測定するセンサから送信された冷却液の流量値を制御部４０が受け取った時間と異なる。これは、各センサから制御部４０までの距離が異なるために、各センサから制御部４０まで延びるケーブル長に違いがあること、各センサに配置されたアンプなどの機器が互いに異なることなどが理由である。

ニューラルネットワークの出力層３０３が温度挙動曲線Ｒを所定の許容範囲に維持するために変更されるべき少なくとも１つの温度挙動パラメータと、その変更値とをより正確に出力するためには、制御部４０によって取得される各温度挙動パラメータの時間を一致させることが好ましい。しかしながら、上述したように、制御部４０が各温度挙動パラメータを取得する時間を一致させるのは困難である。そこで、ニューラルネットワークの入力層３０１（または、入力層３０１’）に時間を追加的に入力する。時間が入力されたニューラルネットワークは、時間以外に入力された複数の温度挙動パラメータの経時変化から、複数の温度挙動パラメータの測定時間を一致させた各予測値を演算し、この予測値に基づいて、出力層３０３から変更されるべきＰＩＤパラメータと、その変更値とを出力する。これにより、制御部４０が取得する各温度挙動パラメータの時間差を考慮したより正確な出力値を得ることができる。

一実施形態では、制御部４０は、パッド温度測定器３９の測定値と、その測定時点の組み合わせ、および／またはパッド温度測定器３９の測定値と、その測定時点に基づいて作成された温度挙動曲線を学習済モデルの入力層３０１’にさらに入力してもよい。この場合も、学習済モデルは、温度挙動曲線Ｒを所定の許容範囲に維持するために変更されるべきＰＩＤパラメータ（または、ＰＩＤパラメータの少なくとも１つ）と、その変更値とを出力層３０３から出力する。

制御部４０は、学習済モデルからの出力に応じてＰＩＤパラメータを変更し、変更されたＰＩＤパラメータにしたがって研磨パッド３の表面温度を調整しながら、次のウエハＷを研磨する。ＰＩＤパラメータ、加熱液の流量、および冷却液の流量の組み合わせのデータセットは、温度挙動（すなわち、温度挙動曲線）の変化に最も影響を与えるパラメータの組み合わせである。したがって、第１の例のデータセットを入力層３０１に入力することにより、学習済モデルが最も適切なＰＩＤパラメータと、その変更値を出力することが期待できる。上述したように、学習済モデルは、その出力層３０３’から最適温度挙動曲線、および／または最適温度挙動曲線を構成するパッド表面温度と、その測定時点の組み合わせをさらに出力してもよい。

一実施形態では、学習済モデルは、出力層３０３’から、温度挙動曲線を所定の許容範囲内に維持するために変更されるべき、ＰＩＤパラメータとは異なる他の温度挙動パラメータとその変更値とを出力してもよい。この場合、制御部４０は、出力層３０３から出力されたＰＩＤパラメータをその変更値に更新するのと同時に、出力層３０３’から出力される他の温度挙動パラメータをその変更値に更新する。この場合、温度挙動曲線が許容範囲から外れることをより効果的に防止することができる。

第２の例としては、制御部４０は、加熱液の温度、研磨ヘッド１の回転速度、研磨テーブル２の回転速度、ドレッシング条件、研磨ヘッド１の研磨荷重、および研磨液の流量を入力層３０１に入力する。学習済モデルは、加熱液の温度、研磨ヘッド１の回転速度、研磨テーブル２の回転速度、ドレッシング条件、研磨ヘッド１の研磨荷重、および研磨液の流量を入力層３０１に入力したときに、温度挙動曲線Ｒを所定の許容範囲に維持するために変更されるべきＰＩＤパラメータ（または、ＰＩＤパラメータの少なくとも１つ）と、その変更値とを出力層３０３から出力するように構築されている。

第２の例のデータセットは、温度挙動に影響を与える状態量の経時的な変化を表す温度挙動パラメータの代表的な組み合わせである。例えば、加熱液の温度は、パッド温度調整装置５が研磨パッド３の表面温度を調整している間に時々刻々と変化する状態量であり、加熱液の温度の経時的な変化は、温度挙動の変化に影響を与える。したがって、第２の例のデータセットを入力層３０１に入力することにより、出力層３０３は、温度挙動に影響を与える状態量の経時的な変化に基づいた、変更されるべきＰＩＤパラメータと、その変更値とを出力することができる。

第１の例と同様に、制御部４０は、時間を学習済モデルの入力層３０１’（または入力層３０１）に入力してもよい。さらに、制御部４０は、パッド温度測定器３９の測定値と、その測定時点の組み合わせ、および／またはパッド温度測定器３９の測定値と、その測定時点に基づいて作成された温度挙動曲線を学習済モデルの入力層３０１’に入力してもよい。さらに、学習済モデルは、その出力層３０３’から温度挙動曲線を所定の許容範囲内に維持するために変更されるべき、ＰＩＤパラメータとは異なる他の温度挙動パラメータとその変更値とを出力してもよいし、最適温度挙動曲線、および／または最適温度挙動曲線を構成するパッド表面温度と、その測定時点の組み合わせを出力してもよい。

制御部４０は、学習済モデルからの出力に応じてＰＩＤパラメータを変更し、変更されたＰＩＤパラメータにしたがって研磨パッド３の表面温度を調整しながら、次のウエハＷを研磨する。第２の例のデータセットが入力される学習済モデルを構築して、パッド表面温度の調整を行う場合は、研磨装置の各構成機器を改造する必要がない。すなわち、第２の例のデータセットは、既設の研磨装置でも常にモニタリングしているパラメータのみで構成されている。したがって、この学習済モデルを制御部４０にインストールするだけで、既設の研磨装置を改造することなく、温度挙動曲線Ｒを所定の許容範囲に維持することができる。その結果、研磨性能のばらつきが低減された研磨装置を安価に提供することができる。

一実施形態では、第２の例のデータセットに追加して、第１の例のデータセットを、入力層３０１（または、入力層３０１’）に入力してもよい。上述したように、第２の例のデータセットは、温度挙動に影響を与える状態量の経時的な変化を表す温度挙動パラメータの代表的な組み合わせである。したがって、第１の例のデータセットと、第２の例のデータセットの組み合わせを入力層３０１に入力することにより、出力層３０３は、温度挙動に影響を与える状態量の経時的な変化を考慮して、変更されるべきＰＩＤパラメータと、その変更値とを出力する。その結果、ニューラルネットワークは、より精度が高められた変更されるべきＰＩＤパラメータと、その変更値とを出力することができる。

第３の例としては、制御部４０は、パッド接触部材１１の押付荷重、研磨液の温度、研磨ユニット内の雰囲気温度、加熱液の供給圧、および冷却液の供給圧を入力層３０１に入力する。学習済モデルは、パッド接触部材１１の押付荷重、研磨液の温度、研磨ユニット内の雰囲気温度、加熱液の供給圧、および冷却液の供給圧を入力層３０１に入力したときに、温度挙動曲線Ｒを所定の許容範囲に維持するために変更されるべきＰＩＤパラメータ（または、ＰＩＤパラメータの少なくとも１つ）と、その変更値とを出力層３０３から出力するように構築されている。

第３の例のデータセットは、温度挙動に影響を与える環境の経時的な変化を表す温度挙動パラメータの代表的な組み合わせである。したがって、第３の例のデータセットを入力層３０１に入力することにより、出力層３０３は、温度挙動に影響を与える環境の経時的な変化に基づいた、変更されるべきＰＩＤパラメータと、その変更値とを出力することができる。

制御部４０は、学習済モデルからの出力に応じてＰＩＤパラメータを変更し、変更されたＰＩＤパラメータにしたがって研磨パッド３の表面温度を調整しながら、次のウエハＷを研磨する。第３の例のデータセットが入力される学習済モデルを構築して、パッド表面温度の調整を行う場合は、研磨装置の改造が必要となるが、この学習済モデルを制御部４０にインストールすることにより、温度挙動曲線Ｒを所定の許容範囲に維持することができる。

一実施形態では、第３の例のデータセットに追加して、第１の例のデータセットを、入力層３０１（または、入力層３０１’）に入力してもよい。上述したように、第３の例のデータセットは、温度挙動に影響を与える環境の経時的な変化を表す温度挙動パラメータの代表的な組み合わせである。したがって、第１の例のデータセットと、第３の例のデータセットの組み合わせを入力層３０１に入力することにより、出力層３０３は、温度挙動に影響を与える環境の経時的な変化を考慮して、変更されるべきＰＩＤパラメータと、その変更値とを出力する。その結果、ニューラルネットワークは、より精度が高められた変更されるべきＰＩＤパラメータと、その変更値とを出力することができる。

さらに、第３の例のデータセットに追加して、第１の例のデータセットと第２の例のデータセットとを、入力層３０１（または、入力層３０１’）に入力してもよい。第１の例のデータセット、第２の例のデータセット、および第３の例のデータセットの組み合わせを入力層３０１に入力することにより、出力層３０３は、温度挙動に影響を与える状態量の経時的変化と環境の経時的な変化を考慮して、変更されるべきＰＩＤパラメータと、その変更値とを出力する。その結果、ニューラルネットワークは、より精度が高められた変更されるべきＰＩＤパラメータと、その変更値とを出力することができる。

第４の例としては、制御部４０は、パッド温度測定器３９の測定値と、その測定時点の組み合わせを入力層３０１’のみに入力する。学習済モデルは、パッド温度測定器３９の測定値と、その測定時点の組み合わせを入力層３０１’に入力したときに、温度挙動曲線Ｒを所定の許容範囲に維持するために変更されるべきＰＩＤパラメータ（または、ＰＩＤパラメータの少なくとも１つ）と、その変更値とを出力層３０３から出力するように構築されている。第１の例と同様に、学習済モデルは、その出力層３０３’から最適温度挙動曲線、および／または最適温度挙動曲線を構成するパッド表面温度と、その測定時点の組み合わせを出力してもよい。

制御部４０は、学習済モデルからの出力に応じてＰＩＤパラメータを変更し、変更されたＰＩＤパラメータにしたがって研磨パッド３の表面温度を調整しながら、次のウエハＷを研磨する。第４の例のデータセットが入力される学習済モデルを構築して、パッド表面温度の調整を行う場合は、第２の例と同様に、研磨装置の各構成機器を改造する必要がない。したがって、この学習済モデルを制御部４０にインストールするだけで、温度挙動曲線Ｒを所定の許容範囲に維持することができる。

上述した実施形態において、研磨ユニットで研磨されるウエハＷの膜の厚さに関連する少なくとも１つの膜厚パラメータを入力層３０１（または、入力層３０１’）にさらに入力してもよい。言い換えれば、制御部４０は、少なくとも１つの温度挙動パラメータと、少なくとも１つの膜厚パラメータとを入力層３０１に入力してもよい。この場合、制御部４０は、第１の例乃至第４の例に示すデータセットのうちの少なくとも１つのデータセットを入力層３０１（または、入力層３０１’）にさらに入力してもよい。本明細書では、膜厚パラメータは、ウエハ（基板）Ｗの表面に形成された膜の厚さに関連する指標値の総称である。以下で説明するように、膜厚パラメータは、例えば、膜厚センサによって取得された膜厚信号、および該膜厚信号を演算する（または、変換する）ことにより得られる膜厚値を含んでいる。

従来から、ウエハＷを研磨する研磨工程で、所望のターゲット膜厚に到達した時点である研磨終点を検出するために、膜厚センサを用いて、ウエハＷの表面に形成された膜の厚さを検出することが行われている。例えば、研磨ユニットで研磨されるウエハＷの膜が導電性膜である場合は、渦電流式膜厚センサを用いて導電性膜の膜厚を検出することが行われている。渦電流式膜厚センサは、コイルに高周波の交流電流を流してウエハＷの導電膜に渦電流を誘起させ、この渦電流の磁界に起因するインピーダンスの変化から導電膜の厚さを検出するように構成される。膜厚センサは、ウエハＷの表面に形成された膜の厚さを検出可能である限り任意のセンサを用いることができるが、以下では、膜厚センサの一例である渦電流式膜厚センサを用いて、ウエハＷの導電性膜の厚さを検出する例が説明される。

図１３（ａ）は、渦電流式膜厚センサを備えた研磨ユニットの一例を示す模式図であり、図１３（ｂ）は、図１３（ａ）に示す研磨ユニットの概略断面図である。図１３（ａ）および図１３（ｂ）では、研磨ヘッド１、研磨テーブル２、研磨パッド３、および渦電流式膜厚センサ７以外の研磨ユニットの構成要素の図示を省略している。図１３（ｂ）は、渦電流式膜厚センサがウエハの下方を通過している様子を示している。特に説明しない本実施形態の研磨ユニットの構成は、上述した実施形態の研磨ユニットの構成と同様であるため、その重複する説明を省略する。

図１３（ａ）および図１３（ｂ）に示すように、渦電流式膜厚センサ７は、研磨テーブル２に埋設されており、研磨テーブル２の回転にともなって研磨テーブル２の中心軸まわりに公転する。研磨テーブル２の中心軸は、図２および図３に示す研磨パッド３の中心ＣＬを通って鉛直方向に延びる。渦電流式膜厚センサ７は、研磨テーブル２が回転するたびにウエハＷの表面を走査しながら、該ウエハＷ上の少なくとも１つの測定点における膜厚信号を取得する。渦電流式膜厚センサ７は、制御部４０に接続されており、渦電流式膜厚センサ７によって取得された少なくとも１つの膜厚信号は制御部４０に送られる。この膜厚信号は、ウエハＷの導電膜の厚さの変化に従って変化する。膜厚信号は、研磨されるウエハＷの膜の厚さに関連する膜厚パラメータの１つである。制御部４０は、膜厚信号に基づいてウエハＷの研磨進捗を監視することができる。例えば、制御部４０は、膜厚信号が所定のしきい値に達した時点である研磨終点を決定することができる。

一実施形態では、制御部４０は、受信した膜厚信号を演算して、導電性膜の膜厚値を取得可能に構成されていてもよい。ウエハＷの研磨進捗にしたがって変化する導電性膜の実際の膜厚値も、膜厚パラメータの１つである。制御部４０は、膜厚値に基づいてウエハＷの研磨進捗を監視することができる。例えば、制御部４０は、演算により取得された導電性膜の膜厚値が所望のターゲット膜厚に到達した時点を研磨終点として決定することができる。

本実施形態では、渦電流式膜厚センサ７がウエハＷの膜厚信号を取得するたびに、制御部４０は、少なくとも１つの温度挙動パラメータと、少なくとも１つの膜厚パラメータとを入力層３０１に入力する。渦電流式膜厚センサ７が複数の測定点における複数の膜厚信号を取得する場合は、制御部４０は、全ての膜厚信号を入力層３０１に入力してもよいし、複数の膜厚信号の代表値を入力層３０１に入力してもよい。膜厚信号の代表値は、例えば、全ての膜厚信号の平均値、最大値、および最小値のいずれかである。あるいは、制御部４０は、全ての膜厚信号から選択された、いくつかの膜厚信号を入力層３０１に入力してもよい。例えば、制御部４０は、全ての膜厚信号の平均値、最大値、および最小値を入力層３０１に入力する。

導電性膜の膜厚値が取得される場合は、制御部４０は、上記膜厚信号に加えて、または、膜厚信号の代わりに、演算により得られた膜厚値を入力層３０１（または、入力層３０１’）に入力してもよい。膜厚値は、渦電流式膜厚センサ７がウエハＷの膜厚信号を取得するたびに入力層３０１（または、入力層３０１’）に入力される。渦電流式膜厚センサ７が複数の測定点における複数の膜厚信号を取得する場合は、制御部４０は、全ての膜厚信号から得られた全ての膜厚値を入力層３０１に入力してもよいし、複数の膜厚信号の代表値から得られた代表膜厚値を入力層３０１に入力してもよい。代表膜厚値は、例えば、全ての膜厚信号の平均値、最大値、および最小値のいずれかから得られた膜厚値である。あるいは、制御部４０は、全ての膜厚信号から選択された、いくつかの膜厚信号から得られた選択膜厚値を入力層３０１に入力してもよい。例えば、制御部４０は、全ての膜厚信号の平均値、最大値、および最小値から取得された３つの選択膜厚値を入力層３０１に入力する。

上述したように、学習済モデルは、その出力層３０３から変更されるべきＰＩＤパラメータと、その変更値とを出力する。本実施形態では、学習済モデルは、さらに、渦電流式膜厚センサ７がウエハＷの膜厚信号を取得するたびにウエハＷの研磨終点を予測して、該予測された研磨終点をその出力層３０３（または、出力層３０３’）から出力するように構築される。一実施形態では、学習済モデルは、上記予測研磨終点に代えて、または予測研磨終点に加えて、渦電流式膜厚センサ７がウエハＷの膜厚信号を取得するたびに現時点から研磨終点までの研磨完了時間を予測して、該予測された研磨完了時間をその出力層３０３（または、出力層３０３’）から出力するように構築されてもよい。この予測研磨終点および／または研磨完了時間は、時々刻々と研磨される（すなわち、変化する）膜の厚さを考慮しつつ、パッド表面温度が最適なＰＩＤパラメータにしたがって調整された状態で研磨されたウエハＷの研磨終点および／または研磨完了時間である。したがって、研磨されるべきウエハＷの膜の厚さをより正確にターゲット膜厚に一致させることができる。

上述した実施形態において、研磨パッド３の厚さの変化量を入力層３０１（または、入力層３０１’）にさらに入力してもよい。言い換えれば、制御部４０は、少なくとも１つの温度挙動パラメータと、研磨パッド３の厚さの変化量とを入力層３０１に入力してもよい。この場合、制御部４０は、第１の例乃至第４の例に示すデータセットのうちの少なくとも１つのデータセットを入力層３０１（または、入力層３０１’）にさらに入力してもよい。

研磨パッド３の厚さの変化量は、ウエハＷの研磨レートに影響を与えるパラメータである。すなわち、研磨パッド３の厚さが変化すると、ウエハＷの研磨レートも変化する。したがって、研磨パッド３の厚さの変化量は、研磨環境の経時的な変化を表すパラメータの１つである。そこで、本実施形態では、研磨レートを最適な状態に保つために、パッド表面温度を調整する。具体的には、学習済モデルは、少なくとも１つの温度挙動パラメータに加えて、研磨パッド３の厚さの変化量をその入力層３０１（または、入力層３０１’）に入力したときに、最適な研磨レートを維持するために必要な温度挙動曲線を予測し、この予測温度挙動曲線を達成するために変更されるべきＰＩＤパラメータと、その変更値とを出力層３０３から出力するように構築される。以下では、研磨パッド３の厚さの変化量を測定可能な研磨ユニットの例が説明される。

図１４は、研磨パッドの厚さの変化量を測定するパッド高さセンサを備えた研磨ユニットの一例を示す模式図である。図１４では、パッド温度調整装置５の図示を省略している。特に説明しない本実施形態に係る研磨ユニットの構成は、上述した実施形態に係る研磨ユニットの構成と同様であるため、その重複する説明を省略する。

図１４に示す研磨ユニットでは、ドレッサ２０は、ドレッサシャフト２４に連結されており、ドレッサシャフト２４の上端には、エアシリンダ２５が設けられている。ドレッサシャフト２４はドレッサアーム２１に回転自在に支持されている。さらに、ドレッサシャフト２４およびドレッサ２０は、ドレッサアーム２１に対して上下動可能となっている。エアシリンダ２５は、研磨パッド３へのドレッシング荷重（すなわち、ドレッサ２０の研磨パッド３に対する押付荷重）をドレッサ２０に付与する装置である。ドレッシング荷重は、エアシリンダ２５に供給される空気圧により調整することができる。エアシリンダ２５は、ドレッサシャフト２４を介してドレッサ２０を所定の荷重で研磨パッド３の表面（すなわち、研磨面）に押圧する。

ドレッサアーム２１は、モータ（図示せず）に駆動されて、支軸１９を中心として揺動するように構成されている。このドレッサアーム２１により、ドレッサ２０は研磨パッド３に接触しながら、該研磨パッド３の半径方向に揺動するようになっている。ドレッサシャフト２４は、ドレッサアーム２１内に設置された図示しないモータにより回転し、このドレッサシャフト２４の回転により、ドレッサ２０は、その軸心まわりに回転する。

ドレッサアーム２１には、研磨パッド３の表面の高さを測定するパッド高さセンサ（表面高さ測定機）２７が固定されている。また、ドレッサシャフト２４には、パッド高さセンサ２７に対向してセンサターゲット２８が固定されている。

エアシリンダ２５を駆動すると、ドレッサ２０、ドレッサシャフト２４、およびセンサターゲット２８が一体に上下動する。一方、ドレッサアーム２１、およびパッド高さセンサ２７の鉛直方向の位置は固定である。パッド高さセンサ２７は、ドレッサ２０が研磨パッド３の表面（すなわち、研磨面）に接触しているときに、ドレッサアーム２１に対するドレッサ２０の鉛直方向の相対位置を測定することにより、研磨パッド３の表面の高さを間接的に測定する。センサターゲット２８はドレッサ２０に連結されているので、パッド高さセンサ２７は、研磨パッド３のコンディショニング中に研磨パッド３の表面の高さを測定することができる。パッド高さセンサ２７としては、リニアスケール式センサ、レーザ式センサ、超音波センサ、または渦電流式センサなどのあらゆるタイプのセンサを用いることができる。パッド高さセンサ２７は、制御部４０に接続されており、パッド高さセンサ２７によって取得された研磨パッド３の厚さの測定値は制御部４０に送られる。

研磨パッド３の厚さの変化量は、次のようにして求められる。まず、エアシリンダ２５を駆動させてドレッサ２０を、摩耗していない研磨パッド３の表面に当接させる。この状態で、パッド高さセンサ２７はドレッサ２０の初期位置（研磨パッド３の初期表面高さ）を測定し、制御部４０はそのドレッサ２０の初期位置の測定値を取得する。そして、一枚の、または複数枚のウエハＷの研磨処理が終了した後、再びドレッサ２０を研磨パッド３の表面に当接させ、この状態でパッド高さセンサ２７はドレッサ２０の位置を再度測定する。制御部４０は、そのドレッサ２０の位置（すなわち、摩耗した研磨パッド３の表面高さ）の測定値を取得する。ドレッサ２０は、研磨パッド３の摩耗に従って下方に変位するため、制御部４０は、研磨パッド３の初期表面高さの測定値と、摩耗した研磨パッド３の表面高さの測定値との差から、研磨パッド３の厚さの変化量を決定することができる。

通常、研磨パッド３のドレッシングは、１枚のウエハＷを研磨するたびに行なわれる。ドレッシングは、ウエハＷの研磨の前または後、あるいはウエハＷの研磨中に実施される。研磨パッド３の厚さの変化量の算出には、いずれかのドレッシング時に取得されたパッド高さセンサ２７の測定値が使用される。

ドレッサ２０は、ドレッサアーム２１の揺動により、研磨パッド３上をその半径方向に揺動する。研磨パッド３の表面高さの測定値は、パッド高さセンサ２７から制御部４０に送られ、ここでドレッシング中の研磨パッド３の表面高さの測定値の平均が求められる。なお、１回のドレッシング動作につき、ドレッサ２０は、１回または複数回研磨パッド３上を往復する。

本実施形態では、制御部４０は、研磨パッド３の厚さの変化量を取得するたびに、少なくとも１つの温度挙動パラメータに加えて、研磨パッド３の厚さの変化量を入力層３０１（または、入力層３０１’）に入力する。学習済モデルは、最適な研磨レートを維持するために必要な温度挙動曲線を予測し、この予測温度挙動曲線を達成するために変更されるべきＰＩＤパラメータと、その変更値とを出力層３０３から出力する。このように、出力層３０３は、研磨レートに影響を与える研磨パッド３の厚さの変化量を考慮して、最適な研磨レートを維持するために変更されるべきＰＩＤパラメータと、その変更値とを出力する。制御部４０は、学習済モデルからの出力に応じてＰＩＤパラメータを変更し、変更されたＰＩＤパラメータにしたがって研磨パッド３の表面温度を調整しながら、次のウエハＷを研磨する。

一実施形態では、研磨レートを、さらに入力層３０１（または、入力層３０１’）に入力してもよい。制御部４０は、研磨された膜の厚さを、研磨時間（すなわち、研磨開始から研磨終点までの時間）で除算することにより実際の研磨レートを取得することができる。実際の研磨レートをさらに入力層３０１（または、入力層３０１’）に入力することにより、ニューラルネットワークは、より精度が高められた変更されるべきＰＩＤパラメータと、その変更値とを出力することができる。

一実施形態では、入力層３０１に、少なくとも１つの温度挙動パラメータと、研磨パッド３の厚さの変化量（および研磨レート）を入力したときに、出力層３０３（または、出力層３０３’）がドレッシング条件をさらに出力するように、学習済モデルを構築してもよい。ドレッシング条件は、例えば、ドレッサ２０の回転速度、ドレッサ２０の研磨パッド３に対する押付荷重、およびドレッサ２０の揺動速度などを含む。出力層３０３から出力されたドレッシング条件で研磨パッド３をドレッシングすることで、研磨パッド３の表面状態を、最適な研磨レートを維持するための表面状態に維持するか、または近づけることができる。

制御部４０は、記憶装置１１０に電気的に格納されたプログラムに従って動作する。すなわち、制御部４０は、パッド温度測定器３９によって測定されたパッド表面温度に基づいて、パッド表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するように、加熱液および冷却液の流量を少なくとも制御し、パッド表面温度が目標温度に到達するまでの温度挙動曲線を作成し、機械学習によって構築された学習済モデルに少なくとも１つの温度挙動パラメータを入力して、ＰＩＤ制御のＰＩＤパラメータの変更値を出力するための演算を実行し、次のウエハＷを研磨するときに、変更されたＰＩＤパラメータで加熱液および冷却液の流量を制御するステップを実行する。

上記ステップを制御部４０に実行させるためのプログラムは、非一時的な有形物であるコンピュータ読み取り可能な記録媒体に記録され、記録媒体を介して制御部４０に提供される。または、プログラムは、通信装置１５０を介してインターネットなどの通信ネットワークを介して制御部４０に提供されてもよい。制御部４０に提供されたプログラムは、処理装置１２０によって記憶装置１１０にインストールされる。さらに、旧プログラムを新プログラムに更新する（例えば、プログラムのバージョンアップを行う）際には、新プログラムが、通信装置１５０を介して、または入力装置１３０を介して制御部４０に提供される。処理装置１２０は、提供された新プログラムを記憶装置１１０にインストールして、旧プログラムを更新する。処理装置１２０は、旧プログラムを記憶装置１１０からアンインストールした後で、新プログラムを記憶装置１１０にインストールしてもよい。

このように、人工知能を用いてＰＩＤパラメータを変更しながら、パッド表面温度を調整していても、図７に示すように、温度挙動範囲Ｒが所定の許容範囲から外れる可能性がある。温度挙動曲線Ｒが所定の許容範囲から外れた場合、制御部４０は、警報を出力するのが好ましい。警報を受け取った研磨装置の作業者は、警報が出力された研磨ユニットで温度挙動の異常が発生したことを検知することができる。さらに、作業者は、温度挙動の異常が発生したウエハＷの状態を確認することができる。

制御部４０は、警報を出力した後、または警報の出力と同時に、警報が出力された研磨ユニットの動作を停止してもよい。これにより、研磨装置の作業者は、温度挙動の異常が発生したウエハＷを回収し、該ウエハＷの状態および研磨ユニットの状態を確認することができる。一実施形態では、制御部４０は、研磨ユニットの動作を停止した後で、警報が出力された研磨ユニットで研磨中のウエハＷをウエハ待避部（図示せず）に載置するステップを実行してもよい。ウエハ待避部は、好ましくは、研磨ユニット内に設けられる。これにより、研磨装置の作業者は、温度挙動異常が発生したウエハＷを容易かつ確実に回収することができる。

所定枚数（例えば、２５枚）のウエハＷが収容されるウエハカセットが研磨装置に誤って搬送されることがある。本実施形態では、制御部４０は、ウエハカセットの誤搬送を判断することができる。より具体的には、ウエハカセットが研磨装置に誤搬送された場合、このウエハカセットに収容されるウエハＷの研磨に使用される研磨レシピは、本来使用されるべき研磨レシピとは異なる。ウエハＷが本来使用される研磨レシピとは異なる研磨レシピで研磨されると、温度挙動曲線が許容範囲から大きく外れることが想定される。本実施形態では、作業者は、温度挙動の異常が発生したウエハＷを回収できるので、容易にウエハカセットの誤搬送が発生しているか否かを確認することができる。その結果、ウエハカセットに収容されたウエハＷの全数が廃棄処分となることを防止することができる。

図１５は、図１０に示す人工知能の構成の他の例を示す模式図である。図１５に示す人工知能は、学習済モデルを自動で更新していく特徴を有する。より具体的には、学習済モデルの出力層３０３から出力されたＰＩＤパラメータの変更値が正常範囲に含まれると判断された場合に、制御部４０は、このＰＩＤパラメータと、その変更値とを追加の学習用データセットとして記憶装置１１０に蓄積し、学習用データセットおよび追加の学習用データセットを基にした機械学習（ディープラーニング）を通じて、学習済モデルを自動で更新していく。これにより、学習済モデルから出力されるＰＩＤパラメータ（少なくとも１つの温度挙動パラメータ）と、その変更値との精度を向上させることができる。

機械学習（ディープラーニング）は、変更されるべきＰＩＤパラメータ（少なくとも１つの温度挙動パラメータ）と、その変更値との組み合わせだけでなく、様々な要素を学習することができる。そのため、機械学習によって構築された学習済モデルは、パッド温度調整装置５の状態および／または異常を診断または予測に利用することができる。さらに、機械学習によって構築された学習済モデルは、研磨ユニットの状態および／または異常を診断または予測に利用することができる。以下では、説明の便宜上、上述した実施形態に係る学習済モデルを、「学習済モデル１」と称することがある。さらに、以下に説明する学習済モデルを、「学習済モデル２」と称することがある。

学習済モデル２は、図１２を参照して説明されたニューラルネットワークを用いて構築される。この学習済モデル２は、パッド表面温度器３９の測定値と、その測定時点とに基づいて作成された温度挙動曲線Ｒと、記憶装置１１０に蓄積された複数の温度挙動曲線を入力層３０１に入力したときに、研磨パッド３の寿命および／またはドレッサ２０の寿命を予測して、その結果を出力層３０３から出力するように構築される。あるいは、学習済モデル２は、パッド表面温度器３９の測定値と、その測定時点とに基づいて作成された温度挙動曲線Ｒと、記憶装置１１０に蓄積された複数の温度挙動曲線を入力層３０１に入力したときに、研磨ヘッド１の異常、研磨テーブル３の異常、および研磨液供給ノズル４の異常を診断し、その結果を出力層３０３から出力するように構築されてもよい。

ウエハＷを研磨パッド３に押し付けて該ウエハＷを研磨すると、研磨パッド３が劣化し、研磨パッド３とウエハＷとの間に発生する摩擦熱の量が減少する。そのため、研磨パッド３が劣化するにつれて、温度挙動曲線の勾配が徐々に低下する。あるいは、研磨パッド３がドレッサ２０により削られるにつれて、研磨パッド３の表面に設けられている溝（図示せず）の深さが小さくなり、最終的には溝がなくなってしまう。このような現象に起因して、研磨パッド３とウエハＷとの間に発生する摩擦熱の量が減少または増加することがあり、温度挙動曲線の勾配が変化する。そこで、学習済モデル２は、入力層３０１に入力されたパッド表面温度器３９の測定値と、その測定時点とに基づいて作成された温度挙動曲線Ｒと、記憶装置１１０に蓄積された複数の温度挙動曲線を比較し、温度挙動曲線の勾配の減少量から研磨パッド３の寿命を予測して、その予測結果を出力層３０３から出力する。

さらに、ドレッサ２０を使用して研磨パッド３の表面をドレッシングすると、ドレッサ２０のドレッシング面が劣化し、ドレッシング後の研磨パッド３の表面の粗さが小さくなる。あるいは、ドレッシング面が劣化すると研磨パッド３の表面を適切にドレッシングできないことがある。そのため、ドレッサ２０が劣化するにつれて、研磨パッド３とウエハＷとの間に発生する摩擦熱の量が減少または増加し、温度挙動曲線の勾配が徐々に低下または増加する。そこで、学習済モデル２は、入力層３０１に入力されたパッド表面温度器３９の測定値と、その測定時点とに基づいて作成された温度挙動曲線Ｒと、記憶装置１１０に蓄積された複数の温度挙動曲線Ｒを複数の温度挙動曲線を比較し、温度挙動曲線の勾配の減少量または増加量からドレッサ２０の寿命を予測して、その予測結果を出力層３０３から出力する。

パッド接触部材１１の底面に研磨液（スラリー）が固着することを防止するために、パッド接触部材１１の底面にコーティング膜を貼付することがある。この場合、学習済モデル２は、パッド表面温度器３９の測定値と、その測定時点とに基づいて作成された温度挙動曲線Ｒと、記憶装置１１０に蓄積された複数の温度挙動曲線Ｒを入力層３０１に入力したときに、コーティング膜の摩耗状態を診断し、その結果を出力層３０３から出力するように構築されてもよい。

コーティング膜の材料は、例えば、比較的高い断熱効果を有するテフロン（登録商標）である。パッド接触部材１１は、研磨パッド３の表面に所定の押付荷重で押し付けられるため、パッド表面温度を調整するたびに、コーティング膜が摩耗する。コーティング膜の摩耗が進むにつれて、温度挙動曲線の勾配が上昇する。そこで、学習済モデル２は、入力層３０１に入力されたパッド表面温度器３９の測定値と、その測定時点とに基づいて作成された温度挙動曲線Ｒと、記憶装置１１０に蓄積された複数の温度挙動曲線を比較し、温度挙動曲線の勾配の増加量からコーティング膜の寿命を予測して、その予測結果を出力層３０３から出力する。

研磨ヘッド１に保持されるウエハＷと研磨パッド３の表面との間に発生する摩擦熱の量が変化することによっても、温度挙動曲線が変化する。例えば、ウエハＷの研磨パッド３に対する研磨荷重が所望の値からずれると、温度挙動曲線が変化する。研磨液の供給量および／または温度が所望の値からずれたり、研磨液の滴下位置が所望の位置からずれることによっても、温度挙動曲線が変化する。さらに、研磨ヘッド１の回転速度、および／または研磨テーブル３の回転速度が所望の値からずれることによっても、温度挙動曲線が変化する。したがって、学習済モデル２は、入力層３０１に入力されたパッド表面温度器３９の測定値と、その測定時点とに基づいて作成された温度挙動曲線Ｒと、記憶装置１１０に蓄積された複数の温度挙動曲線を比較することにより、研磨ヘッド１の異常、研磨テーブル３の異常、および研磨液供給ノズル４の異常を診断することができる。

制御部４０は、記憶装置１１０に電気的に格納されたプログラムに従って動作する。すなわち、制御部４０は、パッド温度測定器３９によって測定されたパッド表面温度に基づいて、パッド表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するように、加熱液および冷却液の流量を少なくとも制御し、パッド表面温度が目標温度に到達するまでの温度挙動曲線Ｒを作成し、作成された温度挙動曲線Ｒと、記憶装置１１０に蓄積された複数の温度挙動曲線を、機械学習により構築された学習済モデルに入力して、研磨パッド３の寿命および／またはドレッサ２０の寿命を診断するステップを実行する。制御部４０は、研磨パッド３の寿命および／またはドレッサ２０の寿命を診断するステップに代えて、コーティング膜の摩耗を診断するステップを実行してもよいし、研磨ヘッド１の異常、研磨テーブル３の異常、および研磨液供給ノズル４の異常を診断するステップを実行してもよい。

図１６は、少なくとも１つの研磨装置を含む研磨システムの一実施形態を示す模式図である。図１６に示す研磨システムは、上述した実施形態に係る複数の研磨装置と、各研磨装置に接続される複数の中継装置５００と、複数の中継装置５００に接続されるホスト制御システム６００と、を備える。中継装置５００は、ルーターなどのゲートウェイであり、中継制御部５１０と、中継通信装置５１５と、中継記憶装置５１２と、を備える。ホスト制御システム６００は、ホスト制御部６１０と、ホスト通信装置６１５と、ホスト記憶装置６１２と、を備える。

研磨装置の制御部４０の通信装置１５０（図５参照）は、中継装置５００の中継通信装置５１５と無線通信（例えば、高速ＷｉＦｉ（登録商標））または有線通信で情報を送受信可能に接続されている。中継装置５００の中継通信装置５１５は、ホスト制御システム６００のホスト通信装置６１５と無線通信（例えば、高速ＷｉＦｉ（登録商標））または有線通信で情報を送受信可能に接続されている。本実施形態では、各研磨装置は、ホスト制御システム６００と中継装置５００を介したネットワーク（例えば、インターネット）により接続されている。

さらに、ホスト制御システム６００は、少なくとも１つの研磨装置が設置された工場内に配置されていてもよいし、少なくとも１つの研磨装置が設置された工場外に配置されていてもよい。ホスト制御システム６００が少なくとも１つの研磨装置が設置された工場内に配置されている場合は、ホスト制御システム６００は、該工場内に配置されたホストコンピュータであってもよいし、該工場内に構築されたクラウドコンピューティングシステムまたはフォグコンピューティングシステムであってもよい。ホスト制御システム６００が少なくとも１つの研磨装置が設置された工場外に配置されている場合は、ホスト制御システム６００は、好ましくは、クラウドコンピューティングシステムまたはフォグコンピューティングシステムである。この場合、ホスト制御システム６００は、少なくとも１つの研磨装置が設置された複数の工場に接続されるのが好ましい。

図１６に示す例では、中継装置５００は、研磨装置の外部に配置されている。しかしながら、本発明はこの例に限定されない。例えば、中継装置５００は、研磨装置の内部に配置されていてもよい。

図１６に示す実施形態では、ホスト制御システム６００のホスト制御部６１０が温度挙動曲線Ｒを所定の許容範囲に入れるために変更されるべきＰＩＤパラメータ（少なくともの１つの温度挙動パラメータ）と、その変更値とを人工知能（ＡＩ：artificial intelligence）によって決定する。ホスト制御部６１０のホスト記憶装置６１２は、図１０乃至図１５を参照して説明された学習済モデル１を予め記憶している。なお、ホスト制御部６１０は、図５に示す処理装置１２０に相当する処理装置（図示せず）を有している。ホスト制御部６１０の処理装置は、ホスト記憶装置６１２に記憶された学習済モデルを読み出して、少なくとも１つの温度挙動パラメータを該学習済モデルに入力し、ＰＩＤパラメータと、その変更値とを出力するための演算を実行する。

一実施形態では、ホスト制御部６１０の処理装置は、時間を学習済モデル１の入力層３０１’（または入力層３０１）に入力してもよい。さらに、ホスト制御部６１０の処理装置は、パッド温度測定器３９の測定値と、その測定時点の組み合わせ、および／またはパッド温度測定器３９の測定値と、その測定時点に基づいて作成された温度挙動曲線Ｒを学習済モデル１の入力層３０１’にさらに入力してもよい。さらに、学習済モデル１は、その出力層３０３’から温度挙動曲線を所定の許容範囲内に維持するために変更されるべき、ＰＩＤパラメータとは異なる他の温度挙動パラメータとその変更値とを出力してもよいし、最適温度挙動曲線、および／または最適温度挙動曲線を構成するパッド表面温度と、その測定時点の組み合わせを出力してもよい。

本実施形態では、各研磨装置の制御部４０は、パッド表面温度器３９の測定値と、その測定時点との組み合わせ、および学習済モデル１に入力される少なくとも１つの温度挙動パラメータを含むデータを、中継装置５００を介してホスト制御システム６００に送信する。このデータを受信したホスト制御システム６００のホスト制御部６１０は、パッド表面温度器３９の測定値と、その測定時点とから温度挙動曲線Ｒを作成するとともに、少なくとも１つの温度挙動パラメータをホスト記憶装置６１２に格納された学習済モデル１の入力層３０１に入力し、次のウエハＷを研磨するときの温度挙動曲線を所定の許容範囲に維持するために変更されるべきＰＩＤパラメータと、その変更値とを出力するための演算を実行する。

学習済モデル１の出力層３０３から出力されたＰＩＤパラメータと、その変更値とは、中継装置５００を介して研磨装置に送られる。研磨装置の制御部４０は、受信したＰＩＤパラメータと、その変更値とにしたがって、研磨パッド３の表面温度を調整する。出力層３０３’から温度挙動曲線を所定の許容範囲内に維持するために変更されるべき、ＰＩＤパラメータとは異なる他の温度挙動パラメータとその変更値とが出力されている場合は、制御部４０は、他の温度挙動パラメータをその変更値に更新する。

学習済モデル１に入力するために、研磨装置がホスト制御システム６００に送信するデータの第１の例は、上述したＰＩＤパラメータ、加熱液の流量、および冷却液の流量である。研磨装置がホスト制御システム６００に送信するデータの第２の例は、加熱液の温度、研磨ヘッド１の回転速度、研磨テーブル２の回転速度、ドレッシング条件、研磨ヘッド１の研磨荷重、および研磨液の流量である。研磨装置がホスト制御システム６００に送信するデータの第３の例は、加熱液の温度、研磨ヘッド１の回転速度、研磨テーブル２の回転速度、ドレッシング条件、研磨ヘッド１の研磨荷重、および研磨液の流量である。学習済モデル１に入力するために、研磨装置がホスト制御システム６００に送信するデータは、第１の例乃至第３の例の組み合わせであってもよい。さらに、上記項目２１）に記載される時間をホスト制御システム６００に送信し、学習済モデル１に入力してもよい。この場合、学習済モデル１は、時間以外に入力された複数の温度挙動パラメータの経時変化から、複数の温度挙動パラメータの測定時間を一致させた各予測値を演算し、この予測値に基づいて、出力層３０３から変更されるべきＰＩＤパラメータと、その変更値とを出力する。これにより、制御部４０が取得する各温度挙動パラメータの時間差を考慮したより正確な出力値を得ることができる。さらに、いずれの例においても、学習済モデル１に入力するために、研磨装置は、パッド表面温度器３９の測定値と、その測定時点との組み合わせ、および／またはパッド表面温度器３９の測定値と、その測定時点とに基づいて作成された温度挙動曲線Ｒを、さらにホスト制御システム６００に送信してもよい。

学習済モデル１に入力するために、研磨装置がホスト制御システム６００に送信するデータの他の例は、ウエハＷの膜の厚さに関連する少なくとも１つの膜厚パラメータである。上述したように、膜厚パラメータは、膜厚センサによって取得された膜厚信号、および該膜厚信号を演算する（または、変換する）ことにより得られる実際の膜厚値を含んでいる。学習済モデル１に入力するために、研磨装置がホスト制御システム６００に送信するデータのさらなる他の例は、研磨パッド３の厚さの変化量、および研磨レートである。

学習済モデル１の出力層３０３から出力されたＰＩＤパラメータの変更値が正常範囲に含まれると判断された場合に、ホスト制御システム６００のホスト制御部６１２は、このＰＩＤパラメータと、その変更値とを追加の学習用データセットとしてホスト記憶装置６１２に蓄積し、学習用データセットおよび追加の学習用データセットを基にした機械学習（ディープラーニング）を通じて、学習済モデル１を自動で更新していく。ホスト制御システム６００には、複数の研磨装置から変更すべきＰＩＤパラメータと、その変更値とを含む膨大なデータが送られるので、学習済モデル１の出力層３０３から出力されるＰＩＤパラメータと、その変更値との精度を短期間で向上させることができる。

ホスト制御システム６００のホスト記憶装置６１２は、学習済モデル１に加えて、上述した学習済モデル２を格納していてもよい。この場合、ホスト制御システム６００は、研磨パッド３の寿命および／またはドレッサ２０の寿命を予測してもよいし、研磨ヘッド１の異常、研磨テーブル３の異常、および研磨液供給ノズル４の異常を診断してもよい。パッド接触部材１１の底面にコーティング膜が設けられている場合は、ホスト制御システム６００のホスト記憶装置６１２に格納された学習済モデルは、コーティング膜の摩耗状態を診断してもよい。

一実施形態では、研磨装置の制御部４０の記憶部１１０に、上述した学習済モデル１を格納し、ホスト制御システム６００のホスト記憶装置６１２に上述した学習済モデル２を格納してもよい。この場合、研磨装置の制御部４０は、温度挙動曲線Ｒを所定の許容範囲に維持するために変更されるべきＰＩＤパラメータと、その変更値を演算し、ホスト制御システム６００のホスト制御部６１２は、研磨パッド３の寿命および／またはドレッサ２０の寿命を予測するか、研磨ヘッド１の異常、研磨テーブル３の異常、および研磨液供給ノズル４の異常を診断する。

あるいは、研磨装置の制御部４０の記憶部１１０に、上述した学習済モデル２を格納し、ホスト制御システム６００のホスト記憶装置６１２に上述した学習済モデル１を格納してもよい。この場合、研磨装置の制御部４０は、研磨パッド３の寿命および／またはドレッサ２０の寿命を予測するか、研磨ヘッド１の異常、研磨テーブル３の異常、および研磨液供給ノズル４の異常を診断し、ホスト制御システム６００のホスト制御部６１２は、温度挙動曲線Ｒを所定の許容範囲に維持するために変更されるべきＰＩＤパラメータと、その変更値を演算する。

図１７は、少なくとも１つの研磨装置を含む研磨システムの他の実施形態を示す模式図である。特に説明しない本実施形態の構成は、図１６に示す実施形態と同様であるため、その重複する説明を省略する。

図１７に示す実施形態では、中継装置５００の中継制御部５１０が温度挙動曲線Ｒを所定の許容範囲に入れるために変更されるべきＰＩＤパラメータ（少なくともの１つの温度挙動パラメータ）と、その変更値とを人工知能（ＡＩ：artificial intelligence）によって決定する。この場合、研磨システムは、中継装置５００が研磨装置の近くに配置されたエッジコンピューティングシステムとして構築されている。中継装置５００の中継記憶装置５１２には、図１０乃至図１５を参照して説明された学習済モデルが予め格納されている。なお、説明の便宜上、中継記憶装置５１２に格納される学習済モデルを、「学習済モデル３」と称する。

中継制御部５１０は、図５に示す処理装置１２０に相当する処理装置（図示せず）を有している。中継記憶装置５１２に格納される学習済モデル３は、学習済モデル１と同様に、温度挙動曲線Ｒを所定の許容範囲に維持するために、機械学習によって構築される学習済モデルである。学習済モデル３では、入力層３０１に、少なくとも１つの温度挙動パラメータに加えて、パッド温度測定器３９がパッド表面温度を測定するたびに、その測定値と測定時点が入力される。学習済モデル３は、その出力層３０３から、パッド温度測定器３９の測定値が許容範囲から外れないように予測されたＰＩＤパラメータと、その変更値とが随時出力されるように構築されている。すなわち、学習済モデル３は、パッド表面温度を調整している間に送られてくるパッド表面温度器３９の測定値と、その測定時点との組み合わせを入力層３０１に随時入力していき、温度挙動曲線Ｒが所定の許容範囲を越えるか否かをリアルタイムに予測して、変更されるべきＰＩＤパラメータと、その変更値を出力層３０３から随時出力するように構築されている。

中継制御部５１０の処理装置は、中継記憶装置５１２に記憶された学習済モデル３を読み出して、少なくとも１つの温度挙動パラメータを入力層３０１に入力するとともに、パッド表面温度を調整している間に送られてくるパッド表面温度器３９の測定値と、その測定時点との組み合わせを入力層３０１に随時入力していく。さらに、中継制御部５１０の処理装置は、温度挙動曲線Ｒが所定の許容範囲を越えるか否かをリアルタイムに予測して、変更されるべきＰＩＤパラメータと、その変更値を出力層３０３から出力する演算をリアルタイムで実行する。演算されたＰＩＤパラメータと、その変更値は、パッド表面温度を調整している間に随時出力層３０３から出力される。中継装置５００の中継制御部５１０は、出力層３０３から出力されたＰＩＤパラメータと、その変更値とを研磨装置の制御部４０に送信する。

変更されるべきＰＩＤパラメータと、その変更値とを受信した研磨装置の制御部４０は、ＰＩＤパラメータを受信した変更値に随時変更しながら、パッド表面温度を調整する。

本実施形態では、中継処理装置５００が、ウエハＷの研磨中に、変更すべきＰＩＤパラメータと、その変更値を随時予測し、予測されたＰＩＤパラメータと，その変更値とを直ちに研磨装置に送る。したがって、温度挙動曲線Ｒが所定の許容範囲から外れることを効果的に防止することができる。

本実施形態に係る研磨システムでは、中継装置５００の中継制御部５１０が温度挙動曲線Ｒを所定の許容範囲に入れるために変更される少なくともの１つの温度挙動パラメータと、その変更値との診断結果を高速で処理して、研磨装置に出力することができる。一方で、高速で処理する必要のない情報（例えば、各研磨ユニットのステータス情報など）は、研磨装置から中継装置５００を介してホスト制御システム６００に送信される。その結果、中継装置５００の中継制御部５１０は、余計な情報処理を実行する必要がないので、変更すべきＰＩＤパラメータと、その変更値の決定を高速で処理することができる。

一実施形態では、上述した「時間」を学習済モデル３の入力層３０１（または、入力層３０１’）に追加的に入力してもよい。この場合、学習済モデル３は、時間以外に入力された複数の温度挙動パラメータの経時変化から、複数の温度挙動パラメータの測定時間を一致させた各予測値を演算し、この予測値に基づいて、出力層３０３から変更されるべきＰＩＤパラメータと、その変更値とを随時出力していく。これにより、各温度挙動パラメータの時間差を考慮したより正確な出力値を出力層３０３から出力することができる。その結果、温度挙動曲線Ｒが所定の許容範囲から外れることをより効果的に防止することができる。

さらに、出力層３０３’から温度挙動曲線を所定の許容範囲内に維持するために変更されるべき、ＰＩＤパラメータとは異なる他の温度挙動パラメータとその変更値とが出力してもよい。この場合、制御部４０は、ＰＩＤパラメータと、他の温度挙動パラメータをその変更値に随時更新しながら、パッド表面温度を調整するので、温度挙動曲線Ｒが所定の許容範囲から外れることをより効果的に防止することができる。

一実施形態では、ホスト制御システム６００のホスト記憶装置６１２に上述した学習済モデル２を格納してもよい。あるいは、研磨装置の制御部４０の記憶部１１０に、上述した学習済モデル３を格納してもよい。

上述した実施形態では、学習済モデル１または学習済モデル３は、その出力層３０３から変更すべきＰＩＤパラメータと、その変更値とを出力するが、本発明は、この例に限定されない。例えば、学習済モデル１または学習済モデル３は、その出力層３０３から変更すべきＰＩＤパラメータと、その変更値を算出するためのプログラムとを出力してもよい。この場合、研磨装置の制御部４０、中継装置５００の中継制御部５１０、またはホスト制御装置６００のホスト制御部６１０は、出力層３０３から出力されたプログラムにしたがってＰＩＤパラメータの変更値を演算する処理を実行する。あるいは、ホスト制御システム６００のホスト制御部６１０、または中継装置５００の中継制御部５１０が、出力層３０３から出力されたプログラムにしたがって温度挙動パラメータの変更値を演算する処理を実行し、その結果を研磨装置に送ってもよい。

あるいは、学習済モデル１または学習済モデル３は、その出力層３０３から変更すべきＰＩＤパラメータと、変更後のＰＩＤパラメータの値を算出するための補正係数とを出力してもよい。この場合、研磨装置の制御部４０、中継装置５００の中継制御部５１０、またはホスト制御装置６００のホスト制御部６１０は、出力層３０３から出力された補正係数を、現在のＰＩＤパラメータに乗算することにより、変更後のＰＩＤパラメータの値を得ることができる。あるいは、ホスト制御システム６００のホスト制御部６１０、または中継装置５００の中継制御部５１０が、出力層３０３から出力された補正係数を、現在のＰＩＤパラメータに乗算することにより、変更後のＰＩＤパラメータの値を得て、その値を研磨装置に送ってもよい。

上述した実施形態では、パッド表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するパッド接触部材（パッド温調部材）１１は、研磨パッド３の表面（すなわち、研磨面）に接触している。しかしながら、図１８に示すように、パッド接触部材１１は、研磨パッド３の表面から上方に離間していてもよい。この場合、図１８で符号１１が付される部材は、パッド表面温度を非接触式に調整するパッド温調部材として機能するため、以下では、「パッド温調部材」と称する。

パッド温調部材１１は、研磨パッド３の表面を非接触式に加熱するパッド加熱源１１ａを含む。一実施形態では、パッド温調部材１１は、パッド加熱源１１ａ自体であってもよい。パッド加熱源１１ａの例としては、研磨パッド３の表面に向けて放射熱を発するヒーター（特に、赤外線ヒーター）、またはランプ（特に、赤外線ランプ）が挙げられる。パッド加熱源１１ａがヒーターまたはランプの場合は、上述した温度挙動パラメータのうちの「加熱液の温度」が「パッド加熱源の温度」に読み替えられる。

パッド加熱源１１ａの他の例としては、研磨パッド３の表面に温風、温水、および過熱蒸気などの加熱流体を噴射する加熱流体噴射装置が挙げられる。パッド加熱源１１ａが加熱流体噴射装置である場合は、加熱流体が図示しない供給ラインを介してパッド加熱源１１ａに供給される。さらに、上述した温度挙動パラメータのうちの「加熱液の流量」が「加熱流体の噴射量」と読み替えられ、「加熱液の温度」が「加熱流体の温度」と読み替えられる。

パッド温調部材１１は、研磨パッド３の表面を非接触式に冷却するパッド冷却源１１ｂをさらに含んでいてもよい。図１８では、パッド冷却源１１ｂが仮想線（点線）で描かれている。パッド冷却源１１ｂの例としては、研磨パッド３の表面に冷風、および冷水などの冷却流体を噴射する冷却流体噴射装置が挙げられる。パッド冷却源１１ｂが冷却流体噴射装置である場合は、冷却流体が図示しない供給ラインを介してパッド冷却源１１ｂに供給される。さらに、上述した温度挙動パラメータのうちの「冷却液の流量」が「冷却流体の噴射量」と読み替えられ、「冷却液の温度」が「冷却流体の温度」と読み替えられる。

パッド冷却源１１ｂの他の例としては、研磨パッド３の表面にドライアイスなどの冷却剤を噴射する冷却剤噴射装置が挙げられる。パッド冷却源１１ｂが冷却剤噴射装置である場合は、冷却剤が図示しない供給ラインを介してパッド冷却源１１ｂに供給される。さらに、上述した温度挙動パラメータのうちの「冷却液の流量」が「冷却剤の噴射量」と読み替えられ、「冷却液の温度」が「冷却剤の温度」と読み替えられる。

上述した実施形態は、本発明が属する技術分野における通常の知識を有する者が本発明を実施できることを目的として記載されたものである。上記実施形態の種々の変形例は、当業者であれば当然になしうることであり、本発明の技術的思想は他の実施形態にも適用しうる。したがって、本発明は、記載された実施形態に限定されることはなく、特許請求の範囲によって定義される技術的思想に従った最も広い範囲に解釈されるものである。

１研磨ヘッド
２研磨テーブル
３研磨パッド
４研磨液供給ノズル
５パッド温度調整装置
１１パッド接触部材（パッド温調部材）
３０液体供給システム
３１加熱液供給タンク
３２加熱液供給管
３３加熱液戻り管
３９パッド温度測定器
４０制御部
４１第１開閉バルブ
４２第１流量制御バルブ
４７加熱液ポンプ
４８加熱源
５１冷却液供給管
５２冷却液排出管
５５第２開閉バルブ
５６第２流量制御バルブ
６１加熱流路
６２冷却流路
１１０記憶装置
１２０処理装置
１５０通信装置
３０１入力層
３０２隠れ層
３０３出力層
５００中継装置
５１０中継制御部
５１２中継記憶装置
６００ホスト処理システム
６１０ホスト制御部
６１２ホスト記憶装置

Claims

研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するためのパッド温度調整装置であって、
前記研磨パッドの表面に接触可能であり、かつ加熱流路および冷却流路が内部に形成されたパッド接触部材と、
前記加熱流路に接続された加熱液供給管と、前記冷却流路に接続された冷却液供給管と、前記加熱液供給管に取り付けられた第１流量制御バルブと、前記冷却液供給管に取り付けられた第２流量制御バルブと、を備え、温度調整された加熱液および冷却液を前記パッド接触部材に供給する液体供給システムと、
前記研磨パッドの表面温度を測定するパッド温度測定器と、
前記パッド温度測定器の測定値と前記目標温度との差に基づいて、前記第１流量調整バルブおよび前記第２流量調整バルブの操作量をＰＩＤ制御する制御部と、を備え、
前記制御部は、
前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部と、
少なくとも１つの温度挙動パラメータを前記学習済モデルに入力し、前記ＰＩＤ制御のＰＩＤパラメータの変更値を出力するための演算を実行する処理装置と、を備えたことを特徴とするパッド温度調整装置。
前記学習済モデルは、ニューラルネットワークを用いたディープラーニングによって構築され、
前記制御部は、
前記少なくとも１つの温度挙動パラメータを含む学習用データセットを前記ニューラルネットワークに入力したときに、該ニューラルネットワークから、前記温度挙動曲線を所定の許容範囲内に維持するために変更されるべきＰＩＤパラメータと、正常範囲に含まれるＰＩＤパラメータの変更値が得られるように、前記ニューラルネットワークの重みパラメータを調整して、前記学習済モデルを構築することを特徴とする請求項１に記載のパッド温度調整装置。
前記制御部は、
前記研磨パッドに基板を押し付けて、該基板を研磨するたびに作成される前記温度挙動曲線と、前記温度挙動曲線に関連付けられた少なくとも１つの温度挙動パラメータを蓄積し、
前記学習用データセットは、前記蓄積された少なくとも１つの温度挙動パラメータから作成されることを特徴とする請求項２に記載のパッド温度調整装置。
前記学習済モデルに入力される前記少なくとも１つの温度挙動パラメータは、前記ＰＩＤ制御のＰＩＤパラメータ、前記加熱液の流量、および前記冷却液の流量であることを特徴とする請求項１乃至３のいずれか一項に記載のパッド温度調整装置。
前記加熱液の温度、前記研磨パッドに基板を押し付ける研磨ヘッドの回転速度、前記研磨パッドが貼付される研磨テーブルの回転速度、前記研磨パッドのドレッシング条件、前記研磨ヘッドの研磨荷重、および前記研磨パッドに供給される研磨液の流量が、さらに、前記学習済モデルに入力されることを特徴とする請求項４に記載のパッド温度調整装置。
前記研磨パッドに対する前記パッド接触部材の押付荷重、前記研磨パッドに供給される研磨液の温度、前記パッド温度調整装置が配置される研磨ユニット内の雰囲気温度、前記加熱液の供給圧力、および前記冷却液の供給圧力が、さらに、前記学習済モデルに入力されることを特徴とする請求項４または５に記載のパッド温度調整装置。
前記学習済モデルに入力される前記少なくとも１つの温度挙動パラメータが取得された時間が、さらに、学習済モデルに入力されることを特徴とする請求項４乃至６のいずれか一項に記載のパッド温度調整装置。
前記研磨パッドに押し付けられる基板の膜厚に関連する膜厚パラメータが、さらに、前記学習済モデルに入力されることを特徴とする請求項１乃至７のいずれか一項に記載のパッド温度調整装置。
前記研磨パッドの高さと、前記研磨パッドで研磨される基板の研磨レートが、さらに、前記学習済モデルに入力されることを特徴とする請求項１乃至８のいずれか一項に記載のパッド温度調整装置。
研磨パッドの表面にパッド接触部材を接触させながら、前記パッド接触部材内に形成された加熱流路および冷却流路に加熱液および冷却液をそれぞれ流し、
前記研磨パッドの表面温度を測定し、
前記研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するように、前記加熱流路に接続された加熱液供給管に取り付けられた第１流量制御バルブと、前記冷却流路に接続された冷却液供給管に取り付けられた第２流量制御バルブの操作量をＰＩＤ制御し、
前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するための学習済モデルを機械学習によって構築し、
少なくとも１つの温度挙動パラメータを前記学習済モデルに入力して、前記ＰＩＤ制御のＰＩＤパラメータの変更値を出力することを特徴とするパッド温度調整方法。
前記学習済モデルを構築する工程は、ニューラルネットワークを用いたディープラーニングによって行われる工程であり、
前記ディープラーニングは、前記少なくとも１つの温度挙動パラメータを含む学習用データセットを前記ニューラルネットワークに入力したときに、該ニューラルネットワークから、前記温度挙動曲線を所定の許容範囲内に維持するために変更されるべきＰＩＤパラメータと、正常範囲に含まれるＰＩＤパラメータの変更値が得られるように、前記ニューラルネットワークの重みパラメータを調整して、前記学習済モデルを構築することを特徴とする請求項１０に記載のパッド温度調整方法。
前記研磨パッドに基板を押し付けて、該基板を研磨するたびに作成される前記温度挙動曲線と、前記温度挙動曲線に関連付けられた少なくとも１つの温度挙動パラメータを蓄積する工程をさらに備え、
前記学習用データセットは、前記蓄積された少なくとも１つの温度挙動パラメータから作成されることを特徴とする請求項１１に記載のパッド温度調整方法。
前記学習済モデルに入力される前記少なくとも１つの温度挙動パラメータは、前記ＰＩＤ制御のＰＩＤパラメータ、前記加熱液の流量、および前記冷却液の流量であることを特徴とする請求項１０乃至１２のいずれか一項に記載のパッド温度調整方法。
前記加熱液の温度、前記研磨パッドに基板を押し付ける研磨ヘッドの回転速度、前記研磨パッドが貼付される研磨テーブルの回転速度、前記研磨パッドのドレッシング条件、前記研磨ヘッドの研磨荷重、および前記研磨パッドに供給される研磨液の流量が、さらに、前記学習済モデルに入力されることを特徴とする請求項１３に記載のパッド温度調整方法。
前記研磨パッドに対する前記パッド接触部材の押付荷重、前記研磨パッドに供給される研磨液の温度、前記パッド温度調整装置が配置される研磨ユニット内の雰囲気温度、前記加熱液の供給圧力、および前記冷却液の供給圧力が、さらに、前記学習済モデルに入力されることを特徴とする請求項１３または１４に記載のパッド温度調整方法。
前記学習済モデルに入力される前記少なくとも１つの温度挙動パラメータが取得された時間が、さらに、学習済モデルに入力されることを特徴とする請求項１３乃至１５のいずれか一項に記載のパッド温度調整方法。
前記研磨パッドに押し付けられる基板の膜厚に関連する膜厚パラメータが、さらに、前記学習済モデルに入力されることを特徴とする請求項１０乃至１６のいずれか一項に記載のパッド温度調整方法。
前記研磨パッドの高さと、前記研磨パッドで研磨される基板の研磨レートが、さらに、前記学習済モデルに入力されることを特徴とする請求項１０乃至１７のいずれか一項に記載のパッド温度調整方法。
研磨パッドを支持する研磨テーブルと、基板を前記研磨パッドに押し付ける研磨ヘッドと、を備えた少なくとも１つの研磨ユニットと、
前記研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するためのパッド温度調整装置と、を備え、
前記パッド温度調整装置は、
前記研磨パッドの表面に接触可能であり、かつ加熱流路および冷却流路が内部に形成されたパッド接触部材と、
前記加熱流路に接続された加熱液供給管と、前記冷却流路に接続された冷却液供給管と、前記加熱液供給管に取り付けられた第１流量制御バルブと、前記冷却液供給管に取り付けられた第２流量制御バルブと、を備え、温度調整された加熱液および冷却液を前記パッド接触部材に供給する液体供給システムと、
前記研磨パッドの表面温度を測定するパッド温度測定器と、
前記パッド温度測定器の測定値と前記目標温度との差に基づいて、前記第１流量調整バルブおよび前記第２流量調整バルブの操作量をＰＩＤ制御する制御部と、を備えており、
前記制御部は、
前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部と、
少なくとも１つの温度挙動パラメータを前記学習済モデルに入力し、前記ＰＩＤ制御のＰＩＤパラメータの変更値を出力するための演算を実行する処理装置と、を備えたことを特徴とする研磨装置。
前記学習済モデルは、ニューラルネットワークを用いたディープラーニングによって構築され、
前記制御部は、
前記少なくとも１つの温度挙動パラメータを含む学習用データセットを前記ニューラルネットワークに入力したときに、該ニューラルネットワークから、前記温度挙動曲線を所定の許容範囲内に維持するために変更されるべきＰＩＤパラメータと、正常範囲に含まれるＰＩＤパラメータの変更値が得られるように、前記ニューラルネットワークの重みパラメータを調整して、前記学習済モデルを構築することを特徴とする請求項１９に記載の研磨装置。
前記制御部は、
前記研磨パッドに基板を押し付けて、該基板を研磨するたびに作成される前記温度挙動曲線と、前記温度挙動曲線に関連付けられた少なくとも１つの温度挙動パラメータを蓄積し、
前記学習用データセットは、前記蓄積された少なくとも１つの温度挙動パラメータから作成されることを特徴とする請求項２０に記載の研磨装置。
前記学習済モデルに入力される前記少なくとも１つの温度挙動パラメータは、前記ＰＩＤ制御のＰＩＤパラメータ、前記加熱液の流量、および前記冷却液の流量であることを特徴とする請求項１９乃至２１のいずれか一項に記載の研磨装置。
前記加熱液の温度、前記研磨パッドに基板を押し付ける研磨ヘッドの回転速度、前記研磨パッドが貼付される研磨テーブルの回転速度、前記研磨パッドのドレッシング条件、前記研磨ヘッドの研磨荷重、および前記研磨パッドに供給される研磨液の流量が、さらに、前記学習済モデルに入力されることを特徴とする請求項２２に記載の研磨装置。
前記研磨パッドに対する前記パッド接触部材の押付荷重、前記研磨パッドに供給される研磨液の温度、前記パッド温度調整装置が配置される研磨ユニット内の雰囲気温度、前記加熱液の供給圧力、および前記冷却液の供給圧力が、さらに、前記学習済モデルに入力されることを特徴とする請求項２２または２３に記載の研磨装置。
前記学習済モデルに入力される前記少なくとも１つの温度挙動パラメータが取得された時間が、さらに、学習済モデルに入力されることを特徴とする請求項２２乃至２４のいずれか一項に記載の研磨装置。
前記研磨パッドに押し付けられる基板の膜厚に関連する膜厚パラメータが、さらに、前記学習済モデルに入力されることを特徴とする請求項１９乃至２５のいずれか一項に記載の研磨装置。
前記研磨パッドの高さと、前記研磨パッドで研磨される基板の研磨レートが、さらに、前記学習済モデルに入力されることを特徴とする請求項１９乃至２６のいずれか一項に記載の研磨装置。
少なくとも１つの研磨装置と、
前記研磨装置と情報を送受信可能に接続される中継装置と、
前記中継装置と情報を送受信可能に接続されるホスト制御システムと、を備え、
前記研磨装置は、
研磨パッドを支持する研磨テーブルと、基板を前記研磨パッドに押し付ける研磨ヘッドと、を備えた少なくとも１つの研磨ユニットと、
前記研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するためのパッド温度調整装置と、を備え、
前記パッド温度調整装置は、
前記研磨パッドの表面に接触可能であり、かつ加熱流路および冷却流路が内部に形成されたパッド接触部材と、
前記加熱流路に接続された加熱液供給管と、前記冷却流路に接続された冷却液供給管と、前記加熱液供給管に取り付けられた第１流量制御バルブと、前記冷却液供給管に取り付けられた第２流量制御バルブと、を備え、温度調整された加熱液および冷却液を前記パッド接触部材に供給する液体供給システムと、
前記研磨パッドの表面温度を測定するパッド温度測定器と、
前記パッド温度測定器の測定値と前記目標温度との差に基づいて、前記第１流量調整バルブおよび前記第２流量調整バルブの操作量をＰＩＤ制御する制御部と、を備えており、
前記ホスト制御システムのホスト制御部は、
前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部と、
少なくとも１つの温度挙動パラメータを前記学習済モデルに入力し、前記ＰＩＤ制御のＰＩＤパラメータの変更値を出力するための演算を実行する処理装置と、を備えていることを特徴とする研磨システム。
少なくとも１つの研磨装置と、
前記研磨装置と情報を送受信可能に接続される中継装置と、
前記中継装置と情報を送受信可能に接続されるホスト制御システムと、を備え、
前記研磨装置は、
研磨パッドを支持する研磨テーブルと、基板を前記研磨パッドに押し付ける研磨ヘッドと、を備えた少なくとも１つの研磨ユニットと、
前記研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するためのパッド温度調整装置と、を備え、
前記パッド温度調整装置は、
前記研磨パッドの表面に接触可能であり、かつ加熱流路および冷却流路が内部に形成されたパッド接触部材と、
前記加熱流路に接続された加熱液供給管と、前記冷却流路に接続された冷却液供給管と、前記加熱液供給管に取り付けられた第１流量制御バルブと、前記冷却液供給管に取り付けられた第２流量制御バルブと、を備え、温度調整された加熱液および冷却液を前記パッド接触部材に供給する液体供給システムと、
前記研磨パッドの表面温度を測定するパッド温度測定器と、
前記パッド温度測定器の測定値と前記目標温度との差に基づいて、前記第１流量調整バルブおよび前記第２流量調整バルブの操作量をＰＩＤ制御する制御部と、を備えており、
前記中継装置の中継制御部は、
前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部と、
前記パッド温度測定器の測定値と、その測定時点との組み合わせと、少なくとも１つの温度挙動パラメータとを、前記学習済モデルに入力し、前記研磨パッドの表面温度を調整している間に、前記ＰＩＤ制御のＰＩＤパラメータの変更値を出力するための演算を随時実行する処理装置と、を備えていることを特徴とする研磨システム。