JP2020120004A - 情報処理システム、情報処理方法、プログラム及び基板処理装置 - Google Patents
情報処理システム、情報処理方法、プログラム及び基板処理装置 Download PDFInfo
- Publication number
- JP2020120004A JP2020120004A JP2019010209A JP2019010209A JP2020120004A JP 2020120004 A JP2020120004 A JP 2020120004A JP 2019010209 A JP2019010209 A JP 2019010209A JP 2019010209 A JP2019010209 A JP 2019010209A JP 2020120004 A JP2020120004 A JP 2020120004A
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- learning
- value
- substrate processing
- performance value
- 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
Links
- 239000000758 substrate Substances 0.000 title claims abstract description 98
- 238000012545 processing Methods 0.000 title claims abstract description 97
- 230000010365 information processing Effects 0.000 title claims description 61
- 238000003672 processing method Methods 0.000 title claims description 7
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 140
- 238000012795 verification Methods 0.000 claims abstract description 40
- 238000000605 extraction Methods 0.000 claims abstract description 23
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 230000007717 exclusion Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 6
- 238000005498 polishing Methods 0.000 description 55
- 238000003860 storage Methods 0.000 description 46
- 235000012431 wafers Nutrition 0.000 description 45
- 238000010586 diagram Methods 0.000 description 15
- 239000000463 material Substances 0.000 description 15
- 239000007788 liquid Substances 0.000 description 14
- 239000002002 slurry Substances 0.000 description 13
- 238000004140 cleaning Methods 0.000 description 12
- 238000000034 method Methods 0.000 description 9
- 239000000654 additive Substances 0.000 description 8
- 230000000996 additive effect Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 8
- 239000012528 membrane Substances 0.000 description 8
- 238000003825 pressing Methods 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 238000009826 distribution Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 6
- 230000000704 physical effect Effects 0.000 description 6
- 238000001035 drying Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 230000003746 surface roughness Effects 0.000 description 5
- 239000006061 abrasive grain Substances 0.000 description 4
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000036316 preload Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007517 polishing process Methods 0.000 description 1
- 238000011165 process development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- 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 potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
- H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table 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
- H01L21/30625—With simultaneous mechanical treatment, e.g. mechanico-chemical polishing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B37/00—Lapping machines or devices; Accessories
- B24B37/005—Control means for lapping machines or devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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 potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
- H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table 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
- H01L21/304—Mechanical treatment, e.g. grinding, polishing, cutting
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Medical Informatics (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Power Engineering (AREA)
- Molecular Biology (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- General Factory Administration (AREA)
- Mechanical Treatment Of Semiconductor (AREA)
- Complex Calculations (AREA)
- Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
Abstract
Description
図1は、第1の実施形態に係るCMPシステムの一例の概略構成図である。図1に示すように、第1の実施形態に係るCMPシステムC1において、半導体製造のための第1工場(以下、単に第1工場という)にCMP装置1〜3が設けられ、外部機器21が設けられている。更に、第1の実施形態に係るCMPシステムC1において、半導体製造のための第2工場(以下、単に第2工場という)にCMP装置4〜6が設けられ、外部機器22が設けられている。第1工場及び第2工場内の外部機器21及び22は、例えば、ウエハ検査・測定機(膜厚測定機、パーティクル測定機など)である。
本実施形態に係るパラメータについて説明する。パラメータは、以下のうちの少なくとも一つである。
研磨パラメータ(例えば、研磨圧力、ターンテーブル回転数、ヘッド回転数、研磨時間、研磨温度など)、純水研磨パラメータ(例えば、研磨圧力、ターンテーブル回転数、ヘッド回転数、研磨時間、純水流量、純水温度など)
パッドドレスパラメータ(例えば、ドレッサ押し付け圧、ドレッサ回転数、ドレッサ揺動速度、ドレス時間、ターンテーブル回転数、ドレス液流量、ドレッサ消耗度など)
洗浄パラメータ(例えば、洗浄部材押し付け圧、洗浄部材回転数、ウエハ回転数、洗浄時間、洗浄液種類、洗浄液流量など)
ウエハ乾燥パラメータ(例えば、ウエハ回転数、ウエハ回転加速度、乾燥時間など)
ウエハパラメータ(例えば、外径寸法、反り、平面度、厚さ、べベル形状、研磨面粗さなど)
膜条件(例えば、膜種、イニシャル膜厚分布、表面自然酸化膜層厚さなど)
スラリーパラメータ(例えば、流量、プリロード量、パッド上の液膜分布、砥粒材質、粒径、粒径分布、砥粒濃度、pH、温度、添加薬液種類、添加薬液濃度、添加薬液pH、添加薬液混合比など)
パッドパラメータ(例えば、材質、厚さ、パッド孔隙率、圧縮弾性率、圧縮回復率、硬度、曲げ強度、表面溝形状、厚さプロファイル、表面粗さ、表面付着物有無、スラリー残渣堆積有無、内部への水のしみ込み面積、ウエハ処理枚数など)
メンブレンパラメータ(例えば、ゴム種類、ゴム硬度、外径寸法、ゴム物性検査データ、材料ロット、製造ロット、ウエハ処理枚数など)
リテーナリングパラメータ(例えば、材料種類、材料物性検査データ、材料ロット、製造ロット、厚み、溝の形状・寸法、ウエハ処理枚数など)
ハードウェアパラメータ(例えば、ターンテーブルトルク、ヘッド回転トルク、ヘッド揺動トルク、ドレッサ回転炉トルク、ドレッサ揺動トルク、メンブレン圧力立ち上がり・立ち下がり、メンブレン圧力ライン流量振れ、リテーナリングエアバック圧力立ち上がり・立ち下がり、リテーナリングエアバック圧力ライ流量振れなど)
次にCMP装置の性能値は、研磨レート、ウエハ内面内均一性(研磨レート、残膜量)、ウエハ間均一性(研磨レート、残膜量)、パターン段差解消性、または欠陥(スクラッチ、ゴミ、腐食、ウォーターマークなど)などである。ウォーターマークは、乾燥プロセス特有の汚染物で、シミ、水垢のようなものである。
図1に示すように、CMP装置1〜6と記憶媒体14をネットワークNWで繋がれており、CMP装置1〜6内部に設置されている計測器や機器で取得した次の情報及びデータが、記憶媒体14に蓄積される。
研磨パラメータ(研磨圧力、ターンテーブル回転数、ヘッド回転数、研磨時間、研磨温度)
純水研磨パラメータ(研磨圧力、ターンテーブル回転数、ヘッド回転数、研磨時間、純水流量、純水温度)
パッドドレスパラメータ(ドレッサ押し付け圧、ドレッサ回転数、ドレッサ揺動速度、ドレス時間、ターンテーブル回転数、ドレス液流量、ドレッサ消耗度)
洗浄パラメータ(洗浄部材押し付け圧、洗浄部材回転数、ウエハ回転数、洗浄時間、洗浄液種類、洗浄液流量)
ウエハ乾燥パラメータ(ウエハ回転数、ウエハ回転加速度、乾燥時間)、スラリーパラメータ(流量、プリロード量、パッド上の液膜分布)
パッドパラメータ(厚さプロファイル、表面粗さ、表面付着物有無、スラリー残渣堆積有無、内部への水のしみ込み面積、ウエハ処理枚数)
メンブレンパラメータ(ウエハ処理枚数)、リテーナリングパラメータ(厚み、ウエハ処理枚数)
ハードウェアパラメータ(ターンテーブルトルク、ヘッド回転トルク、ヘッド揺動トルク、ドレッサ回転炉トルク、ドレッサ揺動トルク、メンブレン圧力立ち上がり・立ち下がり、メンブレン圧力ライン流量振れ、リテーナリングエアバック圧力立ち上がり・立ち下がり、リテーナリングエアバック圧力ライン流量振れ)
初期ウエハ膜厚分布、研磨レート、ウエハ内面内均一性(Removal、Remaining)、ウエハ間均一性(Removal、Remaining)、パターン段差解消性、欠陥、ウエハロット情報、膜種、スラリーパラメータ(pH、温度、添加薬液種類、添加薬液濃度、添加薬液pH、添加薬液混合比など)
ここで、Removalは研磨された膜厚、Remainは研磨後に残った膜厚を意味する。
ウエハパラメータ(Lot ID、S/N、外径寸法、反り、平面度、厚さ、べベル形状、研磨面粗さ)、スラリーパラメータ(Lot ID、S/N、砥粒材質、粒径、粒径分布、砥粒濃度)、パッドパラメータ(Lot ID、S/N、材質、厚さ、パッド孔隙率、圧縮弾性率、圧縮回復率、硬度、曲げ強度、表面溝形状、厚さプロファイル、表面粗さ)、メンブレンパラメータ(Lot ID、S/N、ゴム種類、ゴム硬度、外径寸法、ゴム物性検査データ、材料Lot、製造Lot)、リテーナリングパラメータ(Lot ID、S/N、材料種類、材料物性検査データ、材料Lot、製造ロット、厚み、溝の形状・寸法)
AI112は、パラメータの組P2を入力値とし、そのパラメータの組P1のときのCMP装置の性能値E2を出力値とする学習データセットを複数用いて、学習する。
AI113は、パラメータの組P3を入力値とし、そのパラメータの組P1のときのCMP装置の性能値E3を出力値とする学習データセットを複数用いて、学習する。
第2の人工知能部13は、選択部12によって選択されたパラメータ種別の組で構成される過去のパラメータの組及び対応する過去の性能値を、記憶媒体14から読み出す。そして、第2の人工知能部13は、読み出した過去のパラメータの組を入力値とし対応する過去の性能値を出力値とする複数の第2学習データセットを用いて学習する。
第2の人工知能部13は、学習後に、選択部12によって選択されたパラメータ種別の組で構成されるパラメータのうち、CMP装置1〜6毎に必然的に決まってしまう固定パラメータを対象のCMP装置1〜6へ要求する。
第2の人工知能部13は、この要求に応じて、CMP装置i(iは1〜6までの整数)から送信された固定パラメータの組Ui(iは1〜6までの整数)を受信する。
第2の人工知能部13の予測性能と実際の性能に予め決められた基準以上の乖離が見られた場合には、第2の人工知能部13は、CMP装置に対してウエハの処理を停止するよう要求してもよい。この場合、第2の人工知能部13は、CMP装置から警告を発報するようにCMP装置に対して要求してもよいし、CMP装置がウエハの処理を停止するよう要求された場合にCMP装置のコントローラが警告を発報するように制御してもよい。
続いて第2の実施形態について説明する。図6は、第2の実施形態に係るCMPシステムの一例の概略構成図である。第1の実施形態のCMPシステムC1では、図1に示すように、第1の人工知能部11、選択部12、第2の人工知能部13、記憶媒体14が全て分析センターに設けられていた。一方、第2の実施形態のCMPシステムC2では、図6に示すように、第1の人工知能部11、選択部12、記憶媒体14は分析センターに設けられているが、第2の人工知能部13は、第1工場、第2工場にそれぞれ設けられている。図6に示すように、第2の実施形態に係る情報処理システムは、第1の人工知能部11、選択部12、記憶媒体14及び二つの第2の人工知能部13を備える。
続いて第3の実施形態について説明する。図7は、第3の実施形態に係るCMPシステムの一例の概略構成図である。第1の実施形態のCMPシステムC1では、図1に示すように、第1の人工知能部11、選択部12、第2の人工知能部13、記憶媒体14が全て分析センターに設けられていた。一方、第3の実施形態のCMPシステムC3では、図7に示すように、第1の人工知能部11、選択部12、記憶媒体14は分析センターに設けられているが、第2の人工知能部13は、CMP装置1〜6毎に設けられている。図7に示すように、第3の実施形態に係る情報処理システムS3は、第1の人工知能部11、選択部12、記憶媒体14及び六つの第2の人工知能部13を備える。
続いて第4の実施形態について説明する。図8は、第4の実施形態に係るCMPシステムの一例の概略構成図である。第1の実施形態のCMPシステムC1では、図1に示すように、第1の人工知能部11、選択部12、第2の人工知能部13、記憶媒体14が全て分析センターに設けられていた。一方、第4の実施形態のCMPシステムC4では、図8に示すように、各工場に、第1の人工知能部11、選択部12、第2の人工知能部13、及び記憶媒体14を備える分析センターが設けられている。図8に示すように、第4の実施形態に係る情報処理システムS4−1、S4−2はそれぞれ、第1の人工知能部11、選択部12、第2の人工知能部13、及び記憶媒体14を備える。
続いて第5の実施形態について説明する。図9は、第5の実施形態に係るCMPシステムの一例の概略構成図である。第1の実施形態のCMPシステムC1では、図1に示すように、第1の人工知能部11、選択部12、第2の人工知能部13、記憶媒体14が全て分析センターに設けられていた。一方、第5の実施形態のCMPシステムC5では、図9に示すように、各工場に、第1の人工知能部11、選択部12、及び記憶媒体14を備える分析センターが設けられており、且つ第2の人工知能部13は、CMP装置1〜6毎に設けられている。図9に示すように、第5の実施形態に係る情報処理システムS5−1、S5−2はそれぞれ、第1の人工知能部11、選択部12、三つの第2の人工知能部13、及び記憶媒体14を備える。
続いて第6の実施形態について説明する。図10は、第6の実施形態に係るCMPシステムの一例の概略構成図である。第1の実施形態のCMPシステムC1では、図1に示すように、第1の人工知能部11、選択部12、第2の人工知能部13、記憶媒体14が全て分析センターに設けられていた。一方、第6の実施形態のCMPシステムC6では、図10に示すように、第1の人工知能部11、選択部12、第2の人工知能部13及び記憶媒体14が、CMP装置1〜6毎に設けられている。図10に示すように、第6の実施形態に係る情報処理システムS6−1〜S6−6はそれぞれ、第1の人工知能部11、選択部12、第2の人工知能部13、及び記憶媒体14を備える。
続いて第7の実施形態について説明する。図11は、第7の実施形態に係るCMPシステムの一例の概略構成図である。第1の実施形態のCMPシステムC1では、図1に示すように、第1の人工知能部11、選択部12、第2の人工知能部13、記憶媒体14が全て分析センターに設けられていた。一方、第7の実施形態のCMPシステムC7では、図11に示すように、第1の人工知能部11、選択部12、第2の人工知能部13及び第2記憶媒体14bが、CMP装置1〜6毎に設けられており、第1記憶媒体14aが工場毎に設けられている。ここで、第1記憶媒体14aは、CMP装置1〜6の外部の情報を格納しており、第2記憶媒体14bは、対応するCMP装置の内部の情報、及びCMP外部の情報を格納している。図11に示すように、第7の実施形態に係る情報処理システムS7−1〜S7−6はそれぞれ、第1の人工知能部11、選択部12、第2の人工知能部13、第1記憶媒体14a、及び第2記憶媒体14bを備える。
11 第1の人工知能部
110 AI実行部
111 AI
112 AI
113 AI
12 選択部
13 第2の人工知能部
14 記憶媒体
15 決定部
16 排除基準決定部
21〜23 外部機器
C1〜C7 CMPシステム
S1〜S3、S4−1、S4−2、S5−1、S5−2、S6−1〜S6−6、S7−1〜S7−6 情報処理システム
Claims (9)
- 基板処理装置のパラメータ値の組み合わせを提供する情報処理システムであって、
互いにパラメータ種別の組み合わせが異なるパラメータの組を入力値とし対応する前記基板処理装置の性能値を出力値とする複数の第1学習データセットそれぞれについて学習し、学習後に、複数の検証用データセットであって学習時とパラメータ種別の組み合わせが共通する複数の検証用データセットそれぞれを入力として、性能値を予測する第1の人工知能部と、
前記予測の性能値の正答の割合を示す値、当該学習にかかる時間、及び前記性能値の予測に要する時間のうち少なくとも一つを用いて、前記複数の検証用データセットに含まれる複数のパラメータ種別の組のうちから一つのパラメータ種別の組を選択する選択部と、
前記選択されたパラメータ種別の組で構成される過去のパラメータ値の組を入力値とし対応する過去の性能値を出力値とする複数の第2学習データセットを用いて学習し、学習後に、前記選択されたパラメータ種別の組で構成されるパラメータのうち対象の基板処理装置で必然的に決まってしまう固定パラメータを入力として、前記選択されたパラメータ種別の組で構成されるパラメータのうち可変のパラメータを変化させた場合に前記対象の基板処理装置の性能値を予測し、予測された性能値のうち、当該性能値が抽出基準を満たすパラメータ値の組み合わせを出力する第2の人工知能部と、
を備える情報処理システム。 - 前記基板処理装置の複数のパラメータ値それぞれと性能値との間の相関を決定し、決定された複数の相関を用いて、前記第1の人工知能部が入力値として用いる複数のパラメータのパラメータ種別を決定する決定部を更に備える
請求項1に記載の情報処理システム。 - 前記決定部は、前記基板処理装置の複数のパラメータ値それぞれの間の相互相関をそれぞれ決定し、決定された相互相関を用いて、前記第2の人工知能部が入力値として用いる複数のパラメータのパラメータ種別を追加または一部もしくは全部入れ替える
請求項2に記載の情報処理システム。 - 前記基板処理装置の一つのパラメータ値と性能値との間の相関式を決定し、当該相関式を用いて、異常値を排除する基準を決定する排除基準決定部を更に備え、
前記選択部は、前記決定された基準を満たすパラメータを除いて、前記パラメータ種別の組を選択する
請求項1から3のいずれか一項に記載の情報処理システム。 - 前記第2の人工知能部は、対象の基板処理装置が使用している複数のパラメータ値とその際の性能値の組を、前記第2学習データセットに追加または既存の前記第2学習データセットに含まれるデータと置換して更に学習し、学習後に、前記選択されたパラメータ種別の組で構成されるパラメータを含む複数の検証用データセットを入力として、前記基板処理装置の性能値を予測し、予測された性能値のうち当該性能値が前記抽出基準を満たすパラメータ値の組み合わせを出力する
請求項1から4のいずれか一項に記載の情報処理システム。 - 基板処理装置のパラメータ値の組み合わせを提供する情報処理方法であって、
互いにパラメータ種別の組み合わせが異なるパラメータの組を入力値とし対応する前記基板処理装置の性能値を出力値とする複数の第1学習データセットそれぞれについて学習し、学習後に、複数の検証用データセットであって学習時とパラメータ種別の組み合わせが共通する複数の検証用データセットそれぞれを入力として、性能値を予測するステップと、
前記予測の性能値の正答の割合を示す値、当該学習にかかる時間、及び前記性能値の予測に要する時間のうち少なくとも一つを用いて、前記複数の検証用データセットに含まれる複数のパラメータ種別の組のうちから一つのパラメータ種別の組を選択するステップと、
前記選択されたパラメータ種別の組で構成される過去のパラメータ値の組を入力値とし対応する過去の性能値を出力値とする複数の第2学習データセットを用いて学習し、学習後に、前記選択されたパラメータ種別の組で構成されるパラメータを含む複数の検証用データセットを入力として、前記基板処理装置の性能値を予測し、予測された性能値のうち、当該性能値が抽出基準を満たすパラメータ値の組み合わせを出力するステップと、
を有する情報処理方法。 - 請求項1から5のいずれか一項に情報処理システムで用いられるコンピュータを、
互いにパラメータ種別の組み合わせが異なるパラメータの組を入力値とし対応する前記基板処理装置の性能値を出力値とする複数の第1学習データセットそれぞれについて学習し、学習後に、複数の検証用データセットであって学習時とパラメータ種別の組み合わせが共通する複数の検証用データセットそれぞれを入力として、性能値を予測する第1の人工知能部
として機能させるためのプログラム。 - 請求項1から5のいずれか一項に情報処理システムで用いられるコンピュータを、
前記選択されたパラメータ種別の組で構成される過去のパラメータ値の組を入力値とし対応する過去の性能値を出力値とする複数の第2学習データセットを用いて学習し、学習後に、前記選択されたパラメータ種別の組で構成されるパラメータのうち対象の基板処理装置で必然的に決まってしまう固定パラメータを入力として、前記選択されたパラメータ種別の組で構成されるパラメータのうち可変のパラメータを変化させた場合に前記対象の基板処理装置の性能値を予測し、予測された性能値のうち、当該性能値が抽出基準を満たすパラメータ値の組み合わせを出力する第2の人工知能部
として機能させるためのプログラム。 - 基板処理装置であって、
選択済のパラメータ種別の組で構成されるパラメータ値の組と性能値との関係性を学習した第2の人工知能部であって、当該選択済のパラメータ種別の組で構成されるパラメータのうち当該基板処理装置で必然的に決まってしまう固定パラメータを入力として、前記選択されたパラメータ種別の組で構成されるパラメータのうち可変のパラメータを変化させた場合に当該基板処理装置の性能値を予測し、予測された性能値のうち、当該性能値が抽出基準を満たすパラメータ値の組み合わせを出力する第2の人工知能部を備え、
前記出力されたパラメータ値の組み合わせを用いて基板を処理する基板処理装置。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019010209A JP7220573B2 (ja) | 2019-01-24 | 2019-01-24 | 情報処理システム、情報処理方法、プログラム及び基板処理装置 |
TW108144087A TW202042963A (zh) | 2019-01-24 | 2019-12-03 | 資訊處理系統、資訊處理方法、程式製品及基板處理裝置 |
CN201980090127.8A CN113329845B (zh) | 2019-01-24 | 2019-12-04 | 信息处理系统、信息处理方法、程序以及基板处理装置 |
PCT/JP2019/047317 WO2020153001A1 (ja) | 2019-01-24 | 2019-12-04 | 情報処理システム、情報処理方法、プログラム及び基板処理装置 |
SG11202107874TA SG11202107874TA (en) | 2019-01-24 | 2019-12-04 | Information processing system, information processing method, program, and substrate processing apparatus |
US17/425,195 US20220093409A1 (en) | 2019-01-24 | 2019-12-04 | Information processing system, information processing method, program, and substrate processing apparatus |
KR1020217026411A KR20210118128A (ko) | 2019-01-24 | 2019-12-04 | 정보 처리 시스템, 정보 처리 방법, 프로그램 및 기판 처리 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019010209A JP7220573B2 (ja) | 2019-01-24 | 2019-01-24 | 情報処理システム、情報処理方法、プログラム及び基板処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020120004A true JP2020120004A (ja) | 2020-08-06 |
JP7220573B2 JP7220573B2 (ja) | 2023-02-10 |
Family
ID=71736336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019010209A Active JP7220573B2 (ja) | 2019-01-24 | 2019-01-24 | 情報処理システム、情報処理方法、プログラム及び基板処理装置 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20220093409A1 (ja) |
JP (1) | JP7220573B2 (ja) |
KR (1) | KR20210118128A (ja) |
CN (1) | CN113329845B (ja) |
SG (1) | SG11202107874TA (ja) |
TW (1) | TW202042963A (ja) |
WO (1) | WO2020153001A1 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022138272A1 (ja) * | 2020-12-25 | 2022-06-30 | 東京エレクトロン株式会社 | 管理システム、管理方法及び管理プログラム |
WO2022220126A1 (ja) * | 2021-04-13 | 2022-10-20 | 株式会社Screenホールディングス | 基板処理装置、基板処理システム、及びデータ処理方法 |
WO2022270345A1 (ja) * | 2021-06-22 | 2022-12-29 | 株式会社荏原製作所 | 研磨方法および研磨装置 |
WO2023166991A1 (ja) * | 2022-03-01 | 2023-09-07 | 株式会社荏原製作所 | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 |
WO2024024391A1 (ja) * | 2022-07-25 | 2024-02-01 | 株式会社荏原製作所 | 情報処理装置、機械学習装置、情報処理方法、及び、機械学習方法 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020131353A (ja) * | 2019-02-19 | 2020-08-31 | パナソニックIpマネジメント株式会社 | 研磨加工システム、学習装置、学習装置の学習方法 |
TWI826877B (zh) * | 2020-12-18 | 2023-12-21 | 美商應用材料股份有限公司 | 拋光基板及匹配拋光系統之間的拋光效能的方法 |
WO2023230517A1 (en) * | 2022-05-27 | 2023-11-30 | Onto Innovation Inc. | Performance management of semiconductor substrate tools |
TWI840151B (zh) * | 2023-03-08 | 2024-04-21 | 中國砂輪企業股份有限公司 | 化學機械拋光墊的使用方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5664066A (en) * | 1992-11-09 | 1997-09-02 | The United States Of America As Represented By The United States Department Of Energy | Intelligent system for automatic feature detection and selection or identification |
JP2006501684A (ja) * | 2002-10-01 | 2006-01-12 | 東京エレクトロン株式会社 | プラズマプロセスのデータを解析するための方法とシステム |
US7001243B1 (en) * | 2003-06-27 | 2006-02-21 | Lam Research Corporation | Neural network control of chemical mechanical planarization |
JP2010272053A (ja) * | 2009-05-25 | 2010-12-02 | Victor Co Of Japan Ltd | データ分類器作成装置、データ分類装置、データ分類器作成方法、データ分類方法、データ分類器作成プログラム、データ分類プログラム |
JP2012074574A (ja) * | 2010-09-29 | 2012-04-12 | Hitachi Ltd | 加工装置制御システムおよび加工装置制御方法 |
JP2014507801A (ja) * | 2011-01-19 | 2014-03-27 | 東京エレクトロン株式会社 | ツール操作パラメータ及び材料測定と分光情報を関連付けることによるツール性能の改良 |
JP2017135365A (ja) * | 2015-12-17 | 2017-08-03 | ラム リサーチ コーポレーションLam Research Corporation | 表面反応速度モデル最適化によるエッチングプロファイルマッチングのための方法および装置 |
JP2018117116A (ja) * | 2016-12-23 | 2018-07-26 | ラム リサーチ コーポレーションLam Research Corporation | 処理のエンドポイントを制御するためのスペクトルの時系列からの特徴強要方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6439964B1 (en) | 1999-10-12 | 2002-08-27 | Applied Materials, Inc. | Method of controlling a polishing machine |
WO2014027354A1 (en) * | 2012-08-15 | 2014-02-20 | Nova Measuring Instruments Ltd. | Optical metrology for in-situ measurements |
WO2016087388A1 (en) * | 2014-12-02 | 2016-06-09 | Asml Netherlands B.V. | Lithographic method and apparatus |
US12036634B2 (en) * | 2016-10-18 | 2024-07-16 | Ebara Corporation | Substrate processing control system, substrate processing control method, and program |
-
2019
- 2019-01-24 JP JP2019010209A patent/JP7220573B2/ja active Active
- 2019-12-03 TW TW108144087A patent/TW202042963A/zh unknown
- 2019-12-04 WO PCT/JP2019/047317 patent/WO2020153001A1/ja active Application Filing
- 2019-12-04 US US17/425,195 patent/US20220093409A1/en active Pending
- 2019-12-04 CN CN201980090127.8A patent/CN113329845B/zh active Active
- 2019-12-04 SG SG11202107874TA patent/SG11202107874TA/en unknown
- 2019-12-04 KR KR1020217026411A patent/KR20210118128A/ko unknown
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5664066A (en) * | 1992-11-09 | 1997-09-02 | The United States Of America As Represented By The United States Department Of Energy | Intelligent system for automatic feature detection and selection or identification |
JP2006501684A (ja) * | 2002-10-01 | 2006-01-12 | 東京エレクトロン株式会社 | プラズマプロセスのデータを解析するための方法とシステム |
US7001243B1 (en) * | 2003-06-27 | 2006-02-21 | Lam Research Corporation | Neural network control of chemical mechanical planarization |
JP2010272053A (ja) * | 2009-05-25 | 2010-12-02 | Victor Co Of Japan Ltd | データ分類器作成装置、データ分類装置、データ分類器作成方法、データ分類方法、データ分類器作成プログラム、データ分類プログラム |
JP2012074574A (ja) * | 2010-09-29 | 2012-04-12 | Hitachi Ltd | 加工装置制御システムおよび加工装置制御方法 |
JP2014507801A (ja) * | 2011-01-19 | 2014-03-27 | 東京エレクトロン株式会社 | ツール操作パラメータ及び材料測定と分光情報を関連付けることによるツール性能の改良 |
JP2017135365A (ja) * | 2015-12-17 | 2017-08-03 | ラム リサーチ コーポレーションLam Research Corporation | 表面反応速度モデル最適化によるエッチングプロファイルマッチングのための方法および装置 |
JP2018117116A (ja) * | 2016-12-23 | 2018-07-26 | ラム リサーチ コーポレーションLam Research Corporation | 処理のエンドポイントを制御するためのスペクトルの時系列からの特徴強要方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022138272A1 (ja) * | 2020-12-25 | 2022-06-30 | 東京エレクトロン株式会社 | 管理システム、管理方法及び管理プログラム |
WO2022220126A1 (ja) * | 2021-04-13 | 2022-10-20 | 株式会社Screenホールディングス | 基板処理装置、基板処理システム、及びデータ処理方法 |
WO2022270345A1 (ja) * | 2021-06-22 | 2022-12-29 | 株式会社荏原製作所 | 研磨方法および研磨装置 |
WO2023166991A1 (ja) * | 2022-03-01 | 2023-09-07 | 株式会社荏原製作所 | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 |
WO2024024391A1 (ja) * | 2022-07-25 | 2024-02-01 | 株式会社荏原製作所 | 情報処理装置、機械学習装置、情報処理方法、及び、機械学習方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020153001A1 (ja) | 2020-07-30 |
KR20210118128A (ko) | 2021-09-29 |
TW202042963A (zh) | 2020-12-01 |
SG11202107874TA (en) | 2021-08-30 |
CN113329845A (zh) | 2021-08-31 |
JP7220573B2 (ja) | 2023-02-10 |
CN113329845B (zh) | 2023-07-25 |
US20220093409A1 (en) | 2022-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020153001A1 (ja) | 情報処理システム、情報処理方法、プログラム及び基板処理装置 | |
US6567718B1 (en) | Method and apparatus for monitoring consumable performance | |
JP4808453B2 (ja) | 研磨方法及び研磨装置 | |
JP4880512B2 (ja) | モデル予測制御を用いた、半導体製作における個別部品の生産を制御するための方法およびコントローラ装置 | |
JP7527279B2 (ja) | 基板処理システム | |
CN100556620C (zh) | 使用垫调节装置的传感信号来控制化学机械研磨的方法及系统 | |
CN111133560A (zh) | 使用机器学习方式以产生工艺控制参数的半导体制造 | |
CN107107309B (zh) | 抛光研磨处理中研磨量的模拟方法、抛光研磨装置及研磨量的模拟用存储介质 | |
JP2009522126A (ja) | 基板研磨システムにおいて基板処理回数を調整する方法 | |
TWI826943B (zh) | 用於對保持環評估拋光及優化拋光的方法以及包括執行該方法的電腦程式編碼的非瞬態電腦可讀媒體 | |
JP4237201B2 (ja) | 半導体装置の製造方法及び半導体装置の製造装置 | |
JP2018202491A (ja) | キャリブレーション方法およびキャリブレーションプログラム | |
CN107567382B (zh) | 用于补偿光学镜片制造过程中的偏差的系统和方法 | |
KR102276869B1 (ko) | 화학적 기계적 연마 자동화된 레시피 생성 | |
CN107953259A (zh) | 抛光垫修整方法及包含其的化学机械抛光方法 | |
KR101796728B1 (ko) | 반도체 웨이퍼 연마장치 모니터링 시스템 | |
US11958166B2 (en) | Dressing estimation device and controller | |
KR102279045B1 (ko) | 공정 제어정보 생성 장치, 방법 및 이를 포함하는 공정 제어장치 | |
JP2005252036A (ja) | 化学的機械的研磨方法、化学的機械的研磨システム、及び半導体装置の製造方法 | |
CN117620880A (zh) | 一种集成电路化学机械研磨机台的健康状况预测评估方法 | |
JP2007281026A (ja) | 半導体装置の研磨方法 | |
WO2022256175A1 (en) | Methods of modeling and controlling pad wear | |
JP2005340272A (ja) | 基板研磨方法および基板研磨管理システム | |
CN111571446A (zh) | 金刚石研磨盘上风险金刚石的确定方法 | |
Baisie | Modeling, Simulation, And Optimization Of Diamond Disc Pad Conditioning In Chemical Mechanical Polishing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211005 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220830 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220921 |
|
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: 20230110 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230131 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7220573 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |