JP2021028099A - 終点検知装置、終点検知方法 - Google Patents

終点検知装置、終点検知方法 Download PDF

Info

Publication number
JP2021028099A
JP2021028099A JP2019147856A JP2019147856A JP2021028099A JP 2021028099 A JP2021028099 A JP 2021028099A JP 2019147856 A JP2019147856 A JP 2019147856A JP 2019147856 A JP2019147856 A JP 2019147856A JP 2021028099 A JP2021028099 A JP 2021028099A
Authority
JP
Japan
Prior art keywords
polishing
end point
output
point detection
measurement data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2019147856A
Other languages
English (en)
Inventor
松尾　尚典
Naonori Matsuo
尚典 松尾
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.)
Ebara Corp
Original Assignee
Ebara Corp
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 Ebara Corp filed Critical Ebara Corp
Priority to JP2019147856A priority Critical patent/JP2021028099A/ja
Priority to PCT/JP2020/029746 priority patent/WO2021029264A1/ja
Publication of JP2021028099A publication Critical patent/JP2021028099A/ja
Pending legal-status Critical Current

Links

Classifications

    • 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
    • B24B37/013—Devices or means for detecting lapping completion
    • 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
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/10—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation involving electrical means
    • 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
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/12—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation involving optical means
    • 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
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/14—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation taking regard of the temperature during grinding
    • 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
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/16—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation taking regard of the load
    • 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)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
  • Mechanical Treatment Of Semiconductor (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)

Abstract

【課題】終点検知の精度を向上できる終点検知装置および終点検知方法を提供する。【解決手段】終点検知装置は、１つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデルを有し、複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点が研磨終了を示す終点のタイミングであるか否かを推定して出力する判定部を備える。【選択図】 図９

Description

本発明は、終点検知装置および終点検知方法に関する。
近年、半導体デバイスの高集積化が進むにつれて回路の配線が微細化し、配線間距離もより狭くなりつつある。半導体デバイスの製造では、シリコンウエハの上に多くの種類の材料が膜状に繰り返し形成され、積層構造が形成される。この積層構造を形成するためには、ウエハの表面を平坦にする技術が重要となっている。このようなウエハの表面を平坦化する一手段として、化学機械研磨（ＣＭＰ）を行う研磨装置（化学的機械的研磨装置ともいう）が広く用いられている。
この種の研磨装置は、一般に、研磨対象物（ウエハ等の基板）を研磨するための研磨パッドが取り付けられた研磨テーブルと、研磨対象物を保持して研磨パッドに押圧するためにウエハを保持するトップリングとを有している。研磨テーブルおよびトップリングはそれぞれ、駆動部（例えばモータ）によって回転駆動される。さらに、研磨装置は、研磨液を研磨パッド上に供給するノズルを備えている。ノズルから研磨液を研磨パッド上に供給しながら、トップリングによりウエハを研磨パッドに押し付け、さらにトップリングと研磨テーブルとを相対移動させることにより、ウエハを研磨してその表面を平坦にする。
研磨装置では、研磨対象物の研磨が不十分であると、回路間の絶縁がとれず、ショートするおそれが生じる。また、過研磨となった場合は、配線の断面積が減ることによる抵抗値の上昇、または配線自体が完全に除去され、回路自体が形成されないなどの問題が生じる。このため、研磨装置では、最適な研磨終点を検出することが求められる。
研磨終点検出手段の一つとして、研磨が異材質の物質へ移行した際の研磨摩擦力の変化を検出する方法が知られている。研磨対象物である半導体ウエハは、半導体、導体、絶縁体の異なる材質からなる積層構造を有しており、異材質層間で摩擦係数が異なる。このため、研磨が異材質層へ移行することによって生じる研磨摩擦力の変化を検出する方法である。この方法によれば、研磨が異材質層に達した時が研磨の終点となる。
また、研磨装置は、研磨対象物の研磨表面が平坦ではない状態から平坦になった際の研磨摩擦力の変化を検出することにより、研磨終点を検出することもできる。
ここで、研磨対象物を研磨する際に生じる研磨摩擦力は、研磨テーブルまたはトップリングを回転駆動する駆動部の駆動負荷として現れる。例えば、駆動部が電動モータの場合には、駆動負荷（トルク）はモータに流れる電流として測定することができる。このため、モータ電流（トルク電流）を電流センサで検出し、検出したモータ電流の変化に基づいて研磨の終点を検出することができる。
研磨終点検出手段の別の例として、研磨テーブルに組み込まれた光学式センサや渦電流式センサを利用して半導体ウエハの物理量の変化を検出する方法が知られている。
トルク変動検知（モータ電流変動測定）は、研磨する試料の膜質が変化する部位の終点検知に優れている。光学方式は、層間絶縁膜（ＩＬＤ）、ＳＴＩ（Ｓｈａｌｌｏｗ Ｔｒｅｎｃｈ Ｉｓｏｌａｔｉｏｎ）などの絶縁膜の残膜量の検出と、それによる終点検知に優れている。渦電流方式は、たとえばめっきされた金属膜を研磨して終点である下層の絶縁膜まで研磨した時点の終点検出に優れている。
特許文献１には、複数種類の終点検知センサを組み合わせて利用することが提案されている。
特開２０１８−５８１９７号公報
しかしながら、複数種類の終点検知センサを組み合わせて利用する場合、研磨ユニットごとに個別のチューニング対応にて、どの終点検知センサの計測データを優先して利用するか、いつのタイミングで終点検知センサ間の優先順位を切り替えるかなどを作業者が明示的に指示する必要があり、個別対応の作業が多く、個別対応に時間・コストを要していた。また、微細パターンに対応した高精度要求の終点検知に対する精度不足があった。
本発明は、以上のような点を考慮してなされたものである。本発明の目的は、終点検知の精度を向上できる終点検知装置および終点検知方法を提供することにある。
本発明の第１の態様に係る終点検知装置は、
１つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデル（たとえばチューニングされたニューラルネットワークシステム）を有し、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点が研磨終了を示す終点のタイミングであるか否かを推定して出力する判定部
を備える。
このような態様によれば、１つの研磨ユニットに設けられた複数種類の終点検知センサの各々から新たな研磨時に出力された計測データについて、どの終点検知センサの計測データを優先して利用するか、いつのタイミングで終点検知センサ間の優先順位を切り替えるかなどを作業者が明示的に指示しなくても、過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデル（たとえばチューニングされたニューラルネットワークシステム）を利用することで、過去の研磨時の計測データの波形との類似性に鑑みて、現時点が終点のタイミングであるか否かを推定して出力することができる。したがって、複数種類の終点検知センサの計測データを最適に組み合わせて利用することが可能となり、終点検知の精度向上が可能となる。
本発明の第２の態様に係る終点検知装置は、
１つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデルを有し、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点から研磨終了を示す終点のタイミングまでの残り時間を推定して出力する判定部
を備える。
このような態様によれば、１つの研磨ユニットに設けられた複数種類の終点検知センサの各々から新たな研磨時に出力された計測データについて、どの終点検知センサの計測データを優先して利用するか、いつのタイミングで終点検知センサ間の優先順位を切り替えるかなどを作業者が明示的に指示しなくても、過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデル（たとえばチューニングされたニューラルネットワークシステム）を利用することで、過去の研磨時の計測データの波形との類似性に鑑みて、現時点から研磨終了を示す終点のタイミングまでの残り時間を推定して出力することができる。したがって、複数種類の終点検知センサの計測データを最適に組み合わせて利用することが可能となり、終点検知の精度向上が可能となる。
本発明の第３の態様に係る終点検知装置は、第１の態様に係る終点検知装置であって、
前記判定部により現時点が終点のタイミングであると推定された場合に、研磨を止める制御信号を研磨ユニットに送信する第１研磨停止部
をさらに備える。
本発明の第４の態様に係る終点検知装置は、第２の態様に係る終点検知装置であって、
前記判定部により推定された前記残り時間が経過した時に、研磨を止める制御信号を研磨ユニットに送信する第１研磨停止部
をさらに備える。
本発明の第５の態様に係る終点検知装置は、第１または３の態様に係る終点検知装置であって、
前記判定部は、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点が研磨終了を示す終点のタイミングであるか否かを推定するとともに、現時点の研磨条件が正常であるか否かを推定して出力する。
本発明の第６の態様に係る終点検知装置は、第３の態様を引用する第５の態様に係る終点検知装置であって、
前記第１研磨停止部は、前記判定部により、現時点の研磨条件が正常であり、かつ現時点が終点のタイミングであると推定された場合に、研磨を止める制御信号を研磨ユニットに送信する。
本発明の第７の態様に係る終点検知装置は、第２または４の態様に係る終点検知装置であって、
前記判定部は、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点から研磨終了を示す終点のタイミングまでの時間を推定するとともに、現時点の研磨条件が正常であるか否かを推定して出力する。
本発明の第８の態様に係る終点検知装置は、第４の態様を引用する第７の態様に係る終点検知装置であって、
前記第１研磨停止部は、前記判定部により、現時点の研磨条件が正常であり、かつ前記残り時間がゼロであると推定された場合に、研磨を止める制御信号を研磨ユニットに送信する。
本発明の第９の態様に係る終点検知装置は、第５〜８のいずれかの態様に係る終点検知装置であって、
前記判定部により、現時点の研磨状態が異常であると判定された場合に、研磨を止める制御信号を研磨ユニットに送信するとともに警報を発する第２研磨停止部
をさらに備える。
本発明の第１０の態様に係る終点検知装置は、第１〜９のいずれかの態様に係る終点検知装置であって、
前記複数種類の終点検知センサは、研磨対象物に光を当てその反射率の変化を監視する光学式センサ、研磨対象物に磁力線を当てそこに発生する渦電流による磁力線の変化を監視する渦電流センサ、トップリングを揺動させる揺動機構に加わるトルクの変化を監視する揺動トルクセンサ、研磨テーブルを回転させる回転機構に加わるトルクの変化を監視する回転トルクセンサ、トップリングまたは研磨テーブルの振動を監視する振動センサ、研磨対象物と研磨パッドとの接触部分から発生する音の変化を監視する音センサのうちの２種類以上である。
本発明の第１１の態様に係る終点検知装置は、第１の態様に係る終点検知装置であって、
前記学習済みモデルは、前記複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形と、当該過去の研磨時に取得された研磨開始から研磨終了までの研磨パッドの温度、スラリの温度、スラリの流量、トップリングの各圧力室の圧力、研磨パッドの使用回数のうちの１つ以上の補助情報との関係性を機械学習しており、
前記判定部は、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データと研磨開始から現時点までに取得された前記補助情報とを入力として、現時点が終点のタイミングであるか否かを推定して出力する。
このような態様によれば、複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形と補助情報との関係性を機械学習した学習済みモデルを利用することで、過去の研磨時の計測データと補助情報の関係性との類似性に鑑みて、現時点が終点のタイミングであるか否かを推定して出力することができる。したがって、複数種類の終点検知センサの計測データと補助情報とを最適に組み合わせて利用することが可能となり、終点検知のさらなる精度向上が可能となる。
本発明の第１２の態様に係る終点検知装置は、第２の態様に係る終点検知装置であって、
前記学習済みモデルは、前記複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形と、当該過去の研磨時に取得された研磨開始から研磨終了までの研磨パッドの温度、スラリの温度、スラリの流量、トップリングの各圧力室の圧力、研磨パッドの使用回数のうちの１つ以上の補助情報との関係性を機械学習しており、
前記判定部は、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データと研磨開始から現時点までに取得された前記補助情報とを入力として、現時点から研磨終了を示す終点のタイミングまでの残り時間を推定して出力する。
このような態様によれば、複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形と補助情報との関係性を機械学習した学習済みモデルを利用することで、過去の研磨時の計測データと補助情報の関係性との類似性に鑑みて、現時点から研磨終了を示す終点のタイミングまでの残り時間を推定して出力することができる。したがって、複数種類の終点検知センサの計測データと補助情報とを最適に組み合わせて利用することが可能となり、終点検知のさらなる精度向上が可能となる。
本発明の第１３の態様に係る終点検知装置は、第１〜１２のいずれかの態様に係る終点検知装置であって、
前記複数種類の終点検知センサの各々から出力された計測データ間のタイミングを合わせてから判定部に入力するタイミング調整部
をさらに備える。
このような態様によれば、複数種類の終点検知センサの各々から出力された計測データの波形をより正確に把握することが可能となり、これにより、現時点が終点のタイミングであるか否かをより正確に判断することが可能となる。したがって、終点検知のさらなる精度向上が可能となる。
本発明の第１４の態様に係る終点検知装置は、第１３の態様に係る終点検知装置であって、
前記タイミング調整部は、前記複数種類の終点検知センサにタイミング同期信号を同時に入力し、前記複数の終点検知センサの各々から出力された計測データのうち前記タイミング同期信号に起因するパルス部分のタイミングを一致させることにより、前記計測データ間のタイミングを合わせる。
本発明の第１５の態様に係る終点検知装置は、第１〜１４のいずれかの態様に係る終点検知装置であって、
前記学習済みモデルは、第１の研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習しているとともに、前記第１の研磨ユニットとは異なる第２の研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習している。
このような態様によれば、学習済みモデルの学習速度を上げることが可能となり、これにより、終点検知のさらなる精度向上が可能となる。
本発明の第１６の態様に係る終点検知装置は、第１５の態様に係る終点検知装置であって、
前記第１の研磨ユニットと前記第２の研磨ユニットとは同一の工場内に設置されている。
本発明の第１７の態様に係る終点検知装置は、第１５の態様に係る終点検知装置であって、
前記第１の研磨ユニットと前記第２の研磨ユニットとは互いに異なる工場内に設置されている。
本発明の第１８の態様に係る終点検知方法は、
１つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデルを用いて、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までのリアルタイムの計測データを入力として、現時点が研磨終了を示す終点のタイミングであるか否かを推定して出力する判定ステップ
を含む。
本発明の第１９の態様に係る終点検知方法は、
１つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデルを用いて、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点から研磨終了を示す終点のタイミングまでの残り時間を推定して出力する判定ステップ
を含む。
本発明の第２０の態様に係る終点検知プログラムは、
コンピュータを、
１つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデルを有し、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点が研磨終了を示す終点のタイミングであるか否かを推定して出力する判定部
として機能させる。
本発明の第２１の態様に係る終点検知プログラムは、
コンピュータを、
１つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデルを有し、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点から研磨終了を示す終点のタイミングまでの残り時間を推定して出力する判定部
として機能させる。
本発明の第２２の態様に係るコンピュータ読取可能な記録媒体は、
コンピュータを、
１つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデルを有し、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨中のリアルタイムの計測データを入力として、現時点が研磨終了を示す終点のタイミングであるか否かを推定して出力する判定部
として機能させる終点検知プログラムを非一時的（ｎｏｎ−ｔｒａｎｓｉｔｏｒｙ）に記録している。
本発明の第２３の態様に係るコンピュータ読取可能な記録媒体は、
コンピュータを、
１つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデルを有し、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点から研磨終了を示す終点のタイミングまでの残り時間を推定して出力する判定部
として機能させる終点検知プログラムを非一時的（ｎｏｎ−ｔｒａｎｓｉｔｏｒｙ）に記録している。
本発明の第２４の態様に係る学習済みモデル（チューニングされたニューラルネットワークシステム）は、
入力層と、入力層に接続された１または２以上の中間層と、中間層に接続され出力層とを有し、１つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から各時点までの計測データを入力層に入力し、それにより出力層から出力される出力結果と、当該時点が終点のタイミングであるか否かの情報とを比較し、その誤差に応じて各ノードのパラメータを更新する処理を、過去の研磨時の研磨開始から各時点までの計測データについて繰り返すことにより、前記複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習したものであり、
前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データが入力層に入力されると、現時点が研磨終了を示す終点のタイミングであるか否かを推定して出力層から出力するよう、コンピュータを機能させる。
本発明の第２５の態様に係る学習済みモデル（チューニングされたニューラルネットワークシステム）は、
入力層と、入力層に接続された１または２以上の中間層と、中間層に接続され出力層とを有し、１つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から各時点までの計測データを入力層に入力し、それにより出力層から出力される出力結果と、当該時点から研磨終了を示す終点のタイミングまでの残り時間の情報とを比較し、その誤差に応じて各ノードのパラメータを更新する処理を、過去の研磨時の研磨開始から各時点までの計測データについて繰り返すことにより、前記複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習したものであり、
前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データが入力層に入力されると、現時点から研磨終了を示す終点のタイミングまでの残り時間を推定して出力層から出力するよう、コンピュータを機能させる。
本発明によれば、終点検知の精度を向上できる終点検知装置および終点検知方法を提供することができる。
図１は、一実施の形態に係る基板処理装置の全体構成を示す平面図である。 図２は、第１研磨ユニットを模式的に示す斜視図である。 図３は、トップリングの構造の一例を模式的に示す断面図である。 図４は、トップリングの構造の別例を模式的に示す断面図である。 図５は、トップリングを回転および揺動させる機構を説明するための断面図である。 図６は、研磨テーブルの内部構造を模式的に示す断面図である。 図７は、研磨テーブルに設けられた光学式センサについて説明するための模式図である。 図８は、研磨テーブルに設けられたマイクロ波センサについて説明するための模式図である。 図９は、一実施の形態に係る終点検知部（終点検知装置）の構成を示すブロック図である。 図１０Ａは、１つの形態における学習済みモデルの構成の一例を説明するための模式図である。 図１０Ｂは、別の形態における学習済みモデルの構成の一例を説明するための模式図である。 図１１Ａは、１つの形態における学習済みモデルの構成の一変形例を説明するための模式図である。 図１１Ｂは、別の形態における学習済みモデルの構成の一変形例を説明するための模式図である。 図１２は、学習済みモデルの学習内容を説明するためのイメージ図である。 図１３は、研磨中のリアルタイムの計測データに対する判定部の処理の一例を説明するための図である。 図１４は、研磨中のリアルタイムの計測データに対する判定部の処理の一例を説明するための図である。 図１５は、研磨中のリアルタイムの計測データに対する判定部の処理の一例を説明するための図である。 図１６は、タイミング調整部の処理の一例を説明するための図である。 図１７は、タイミング調整部の処理の一例を説明するための図である。 図１８Ａは、一実施の形態に係る終点検知方法の一例を示すフローチャートである。 図１８Ｂは、一実施の形態に係る終点検知方法の別例を示すフローチャートである。 図１９は、制御部による全体の制御を示す図である。 図２０は、一実施の形態に係る構成を示す図である。 図２１は、一実施の形態に係る構成の変形例を示す図である。 図２２は、一実施の形態に係る構成の変形例を示す図である。 図２３は、一実施の形態に係る構成の変形例を示す図である。
以下に、添付の図面を参照して、本発明の実施の形態を詳細に説明する。なお、以下の説明および以下の説明で用いる図面では、同一に構成され得る部分について、同一の符号を用いるとともに、重複する説明を省略する。
＜基板処理装置の全体構成＞
図１は、本発明の一実施形態に係る基板処理装置の全体構成を示す平面図である。図１に示すように、この基板処理装置は、略矩形状のハウジング６１を備えている。ハウジング６１は側壁７００を有する。ハウジング６１の内部は隔壁１ａ、１ｂによってロード／アンロード部６２と研磨部６３と洗浄部６４とに区画されている。これらのロード／アンロード部６２、研磨部６３、および洗浄部６４は、それぞれ独立に組み立てられ、独立に排気される。また、基板処理装置は、基板処理動作を制御する制御部６５を有している。
ロード／アンロード部６２は、多数のウエハ（基板）をストックするウエハカセットが載置される２つ以上（本実施形態では４つ）のフロントロード部２０を備えている。これらのフロントロード部２０はハウジング６１に隣接して配置され、基板処理装置の幅方向（長手方向に垂直な方向）に沿って配列されている。フロントロード部２０には、オープンカセット、ＳＭＩＦ（Ｓｔａｎｄａｒｄ Ｍａｎｕｆａｃｔｕｒｉｎｇ Ｉｎｔｅｒｆａｃｅ）ポッド、またはＦＯＵＰ（Ｆｒｏｎｔ Ｏｐｅｎｉｎｇ Ｕｎｉｆｉｅｄ Ｐｏｄ）を搭載することができるようになっている。ここで、ＳＭＩＦ、ＦＯＵＰは、内部にウエハカセットを収納し、隔壁で覆うことにより、外部空間とは独立した環境を保つことができる密閉容器である。
また、ロード／アンロード部６２には、フロントロード部２０の並びに沿って走行機構２１が敷設されている。走行機構２１上にウエハカセットの配列方向に沿って移動可能な２台の搬送ロボット（ローダー）２２が設置されている。搬送ロボット２２は走行機構２１上を移動することによってフロントロード部２０に搭載されたウエハカセットにアクセスできるようになっている。各々の搬送ロボット２２は上下に２つのハンドを備えている。上側のハンドは、処理されたウエハをウエハカセットに戻すときに使用される。下側のハンドは、処理前のウエハをウエハカセットから取り出すときに使用される。このように、上下のハンドは使い分けられる。さらに、搬送ロボット２２の下側のハンドは、その軸心周りに回転することで、ウエハを反転させることができる。
ロード／アンロード部６２は最もクリーンな状態を保つ必要がある領域である。そのため、ロード／アンロード部６２の内部は、基板処理装置外部、研磨部６３、および洗浄部６４のいずれよりも高い圧力に常時維持されている。研磨部６３は研磨液としてスラリを用いるため最もダーティな領域である。したがって、研磨部６３の内部には負圧が形成され、その圧力は洗浄部６４の内部圧力よりも低く維持されている。ロード／アンロード部６２には、ＨＥＰＡフィルタ、ＵＬＰＡフィルタ、またはケミカルフィルタなどのクリーンエアフィルタを有するフィルタファンユニット（図示せず）が設けられている。フィルタファンユニットからはパーティクルや有毒蒸気、有毒ガスが除去されたクリーンエアが常時吹き出している。
研磨部６３は、ウエハの研磨（平坦化）が行われる領域であり、第１研磨ユニット３Ａ、第２研磨ユニット３Ｂ、第３研磨ユニット３Ｃ、第４研磨ユニット３Ｄを備えている。第１研磨ユニット３Ａ、第２研磨ユニット３Ｂ、第３研磨ユニット３Ｃ、および第４研磨ユニット３Ｄは、図１に示すように、基板処理装置の長手方向に沿って配列されている。
図１に示すように、第１研磨ユニット３Ａは、研磨テーブル３０Ａと、トップリング３１Ａと、研磨液供給ノズル３２Ａと、ドレッサ３３Ａと、アトマイザ３４Ａとを備えている。研磨テーブル３０Ａには、研磨面を有する研磨パッド１０が取り付けられている。トップリング(保持部)３１Ａは、ウエハを保持し、かつウエハを研磨テーブル３０Ａ上の研磨パッド１０に押圧しながら研磨する。研磨液供給ノズル３２Ａは、研磨パッド１０に研磨液やドレッシング液（例えば、純水）を供給する。ドレッサ３３Ａは、研磨パッド１０の研磨面のドレッシングを行う。アトマイザ３４Ａは、液体（例えば純水）と気体（例えば窒素ガス）の混合流体または液体（例えば純水）を霧状にして研磨面に噴射する。
同様に、第２研磨ユニット３Ｂは、研磨パッド１０が取り付けられた研磨テーブル３０Ｂと、トップリング３１Ｂと、研磨液供給ノズル３２Ｂと、ドレッサ３３Ｂと、アトマイザ３４Ｂとを備えている。第３研磨ユニット３Ｃは、研磨パッド１０が取り付けられた研磨テーブル３０Ｃと、トップリング３１Ｃと、研磨液供給ノズル３２Ｃと、ドレッサ３３Ｃと、アトマイザ３４Ｃとを備えている。第４研磨ユニット３Ｄは、研磨パッド１０が取り付けられた研磨テーブル３０Ｄと、トップリング３１Ｄと、研磨液供給ノズル３２Ｄと、ドレッサ３３Ｄと、アトマイザ３４Ｄとを備えている。
第１研磨ユニット３Ａ、第２研磨ユニット３Ｂ、第３研磨ユニット３Ｃ、および第４研磨ユニット３Ｄは、互いに同一の構成を有しているので、研磨ユニットの詳細に関しては、以下では、第１研磨ユニット３Ａを対象として説明する。
＜研磨ユニットの構成＞
図２は、第１研磨ユニット３Ａを模式的に示す斜視図である。トップリング３１Ａは、トップリングシャフト６３６に支持されている。研磨テーブル３０Ａの上面には研磨パッド１０が貼付されており、この研磨パッド１０の上面は半導体ウエハ１６を研磨する研磨面を構成する。なお、研磨パッド１０に代えて固定砥粒を用いることもできる。トップリング３１Ａおよび研磨テーブル３０Ａは、矢印で示すように、その軸心周りに回転するように構成されている。半導体ウエハ１６は、トップリング３１Ａの下面に真空吸着により保持される。研磨時には、研磨液供給ノズル３２Ａから研磨パッド１０の研磨面に研磨液が供給され、研磨対象である半導体ウエハ１６がトップリング３１Ａにより研磨面に押圧されて研磨される。
図３は、トップリング３１Ａの構造を模式的に示す断面図である。トップリング３１Ａは、トップリングシャフト６３６の下端に自在継手６３７を介して連結されている。自在継手６３７は、トップリング３１Ａとトップリングシャフト６３６との互いの傾動を許容しつつ、トップリングシャフト６３６の回転をトップリング３１Ａに伝達するボールジョイントである。トップリング３１Ａは、略円盤状のトップリング本体６３８と、トップリング本体６３８の下部に配置されたリテーナリング６４０とを備えている。トップリング本体６３８は金属やセラミックス等の強度および剛性が高い材料から形成されている。また、リテーナリング６４０は、剛性の高い樹脂材またはセラミックス等から形成されている。なお、リテーナリング６４０をトップリング本体６３８と一体的に形成することとしてもよい。
トップリング本体６３８およびリテーナリング６４０の内側に形成された空間内には、半導体ウエハ１６に当接する円形の弾性パッド６４２と、弾性膜からなる環状の加圧シート６４３と、弾性パッド６４２を保持する概略円盤状のチャッキングプレート６４４とが収容されている。弾性パッド６４２の上周端部はチャッキングプレート６４４に保持され、弾性パッド６４２とチャッキングプレート６４４との間には、４つの圧力室（エアバッグ）Ｐ１，Ｐ２，Ｐ３，Ｐ４が設けられている。圧力室Ｐ１，Ｐ２，Ｐ３，Ｐ４は弾性パッド６４２とチャッキングプレート６４４とによって形成されている。圧力室Ｐ１，Ｐ２，Ｐ３，Ｐ４にはそれぞれ流体路６５１，６５２，６５３，６５４を介して加圧空気等の加圧流体が供給され、あるいは真空引きがされるようになっている。中央の圧力室Ｐ１は円形であり、他の圧力室Ｐ２，Ｐ３，Ｐ４は環状である。これらの圧力室Ｐ１，Ｐ２，Ｐ３，Ｐ４は、同心上に配列されている。
圧力室Ｐ１，Ｐ２，Ｐ３，Ｐ４の内部圧力は後述する圧力調整部により互いに独立して変化させることが可能であり、これにより、半導体ウエハ１６の４つの領域、すなわち、中央部、内側中間部、外側中間部、および周縁部に対する押圧力を独立に調整することができる。また、トップリング３１Ａの全体を昇降させることにより、リテーナリング６４０を所定の押圧力で研磨パッド１０に押圧できるようになっている。チャッキングプレート６４４とトップリング本体６３８との間には圧力室Ｐ５が形成され、この圧力室Ｐ５には流体路６５５を介して加圧流体が供給され、あるいは真空引きがされるようになっている。これにより、チャッキングプレート６４４および弾性パッド６４２全体が上下方向に動くことができる。
半導体ウエハ１６の周端部はリテーナリング６４０に囲まれており、研磨中に半導体ウエハ１６がトップリング３１Ａから飛び出さないようになっている。圧力室Ｐ３を構成する、弾性パッド６４２の部位には開口（図示せず）が形成されており、圧力室Ｐ３に真空を形成することにより半導体ウエハ１６がトップリング３１Ａに吸着保持されるようになっている。また、この圧力室Ｐ３に窒素ガス、乾燥空気、圧縮空気等を供給することにより、半導体ウエハ１６がトップリング３１Ａからリリースされるようになっている。
図４は、トップリング３１Ａの他の構造例を模式的に示す断面図である。この例では、チャッキングプレートは設けられていなく、弾性パッド６４２はトップリング本体６３８の下面に取り付けられている。また、チャッキングプレートとトップリング本体６３８との間の圧力室Ｐ５も設けられていない。これに代えて、リテーナリング６４０とトップリング本体６３８との間には弾性バッグ６４６が配置されており、その弾性バッグ６４６の内部には圧力室Ｐ６が形成されている。リテーナリング６４０はトップリング本体６３８に対して相対的に上下動可能となっている。圧力室Ｐ６には流体路６５６が連通しており、加圧空気等の加圧流体が流体路６５６を通じて圧力室Ｐ６に供給されるようになっている。圧力室Ｐ６の内部圧力は後述する圧力調整部により調整可能となっている。したがって、半導体ウエハ１６に対する押圧力とは独立してリテーナリング６４０の研磨パッド１０に対する押圧力を調整することができる。他の構成および動作は、図３に示すトップリングの構成と同一である。本実施形態では、図３または図４のいずれのタイプのトップリングを用いることができる。
図５はトップリング３１Ａを回転および揺動させる機構を説明するための断面図である。トップリングシャフト（例えば、スプラインシャフト）６３６はトップリングヘッド６６０に回転自在に支持されている。また、トップリングシャフト６３６は、プーリ６６１，６６２およびベルト６６３を介してモータＭ１の回転軸に連結されており、モータＭ１によってトップリングシャフト６３６およびトップリング３１Ａがその軸心周りに回転する。このモータＭ１はトップリングヘッド６６０の上部に取り付けられている。また、トップリングヘッド６６０とトップリングシャフト６３６とは、上下駆動源としてのエアシリンダ６６５によって連結されている。このエアシリンダ６６５に供給されるエア（圧縮気体）によりトップリングシャフト６３６およびトップリング３１Ａが一体に上下動する。なお、エアシリンダ６６５に代えて、ボールねじおよびサーボモータを有する機構を上下駆動源として用いてもよい。
トップリングヘッド６６０は、支持軸６６７に軸受６７２を介して回転自在に支持されている。この支持軸６６７は固定軸であり、回転しない構造となっている。トップリングヘッド６６０にはモータＭ２が設置されており、トップリングヘッド６６０とモータＭ２との相対位置は固定である。このモータＭ２の回転軸は、図示しない回転伝達機構（歯車など）を介して支持軸６６７に連結されており、モータＭ２を回転させることによって、トップリングヘッド６６０が支持軸６６７を中心として揺動（スイング）するようになっている。したがって、トップリングヘッド６６０の揺動運動により、その先端に支持されたトップリング３１Ａは研磨テーブル３０Ａの上方の研磨位置と研磨テーブル３０Ａの側方の搬送位置との間を移動する。なお、本実施形態では、トップリング３１Ａを揺動させる揺動機構はモータＭ２から構成される。図５に示すように、トップリング３１Ａを揺動させる揺動機構（モータＭ２）には、揺動機構に加わるトルクを検知する揺動トルクセンサ２６が接続されている。揺動トルクセンサ２６の信号は、後述する制御部６５に送信されるようになっている。
トップリングシャフト３６の内部には、その長手方向に延びる貫通孔（図示せず）が形成されている。上述したトップリング３１Ａの流体路６５１，６５２，６５３，６５４，６５５，６５６は、この貫通孔を通って、トップリングシャフト６３６の上端に設けられている回転継手６６９に接続されている。この回転継手６６９を介してトップリング３１Ａに加圧気体（クリーンエア）や窒素ガスなどの流体が供給され、またトップリング３１Ａから気体が真空排気される。回転継手６６９には、上記流体通路６５１，６５２，６５３，６５４，６５５，６５６（図３および図４参照）に連通する複数の流体管６７０が接続され、これら流体管６７０は圧力調整部６７５に接続されている。また、エアシリンダ６６５に加圧空気を供給する流体管６７１も圧力調整部６７５に接続されている。
圧力調整部６７５は、トップリング３１Ａに供給される流体の圧力を調整する電空レギュレータや、流体管６７０，６７１に接続される配管、これら配管に設けられたエアオペレートバルブ、これらのエアオペレートバルブの作動源となるエアの圧力を調整する電空レギュレータ、トップリング３１Ａに真空を形成するエジェクタなどを有しており、これらが集合して１つのブロック（ユニット）を構成している。圧力調整部６７５は、トップリングヘッド６６０の上部に固定されている。トップリング３１Ａの圧力室Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｐ５（図３参照）に供給される加圧気体や、エアシリンダ６６５に供給される加圧空気の圧力は、この圧力調整部６７５の電空レギュレータによって調整される。同様に、圧力調整部６７５のエジェクタによってトップリング３１ＡのエアバッグＰ１，Ｐ２，Ｐ３，Ｐ４内や、チャッキングプレート４４とトップリング本体３８の間の圧力室Ｐ５内に真空が形成される。
このように、圧力調整機器である電空レギュレータやバルブがトップリング３１Ａの近くに設置されているので、トップリング３１Ａ内の圧力の制御性が向上される。より具体的には、電空レギュレータと圧力室Ｐ１，Ｐ２，Ｐ３，Ｐ４，Ｐ５との距離が短いので、制御部６５からの圧力変更指令に対する応答性が向上する。同様に、真空源であるエジェクタもトップリング３１Ａの近くに設置されているので、トップリング３１Ａ内に真空を形成するときの応答性が向上する。また、圧力調整部６７５の裏面を、電装機器の取り付け用台座として利用することができ、従来必要であった取付用のフレームを不要とすることができる。
トップリングヘッド６６０、トップリング３１Ａ、圧力調整部６７５、トップリングシャフト６３６、モータＭ１、モータＭ２、エアシリンダ６６５は、１つのモジュール（以下、トップリングアッセンブリという）として構成されている。すなわち、トップリングシャフト６３６、モータＭ１、モータＭ２、圧力調整部６７５、エアシリンダ６６５は、トップリングヘッド６６０に取り付けられている。トップリングヘッド６６０は、支持軸６６７から取り外しできるように構成されている。したがって、トップリングヘッド６６０と支持軸６６７とを分離することにより、トップリングアッセンブリを基板処理装置から取り外すことができる。このような構成によれば、支持軸６６７やトップリングヘッド６６０などのメンテナンス性を向上させることができる。例えば、軸受６７２から異音が発生したときに、軸受６７２を容易に交換することができ、また、モータＭ２や回転伝達機構（減速機）を交換する際に、隣接する機器を取り外す必要もない。
図６は、研磨テーブル３０Ａの内部構造を模式的に示す断面図である。図６に示すように、研磨テーブル３０Ａには、研磨テーブル３０Ａを回転駆動する回転機構（モータ３００）が設けられている。モータ３００の動力は、ベルト３１０を介して研磨テーブル３１０に固設された主軸３２０に伝達され、研磨テーブル３０Ａを回転させる。図６に示すように、研磨テーブル３０Ａを回転させる回転機構（モータ３００）には、回転機構に加わるトルクを検知する回転トルクセンサ３３０が接続されている。回転トルクセンサ３３０の信号は、後述する制御部６５に送信されるようになっている。
図６に示すように、研磨テーブル３０Ａの内部には、半導体ウエハ１６の膜の状態を検知する渦電流センサ６７６Ａが埋設されている。渦電流センサ６７６Ａの信号は制御部６５に送信され、制御部６５によって膜厚を表すモニタリング信号が生成されるようになっている。このモニタリング信号（およびセンサ信号）の値は膜厚自体を示すものではないが、モニタリング信号の値は膜厚に応じて変化する。したがって、モニタリング信号は半導体ウエハ１６の膜厚を示す信号ということができる。
制御部６５は、モニタリング信号に基づいて各々の圧力室Ｐ１，Ｐ２，Ｐ３，Ｐ４の内部圧力を決定し、決定された内部圧力が各々の圧力室Ｐ１，Ｐ２，Ｐ３，Ｐ４に形成されるように圧力調整部６７５に指令を出すようになっている。図６に示すように、制御部６５は、モニタリング信号に基づいて各々の圧力室Ｐ１，Ｐ２，Ｐ３，Ｐ４の内部圧力を操作する圧力制御部２００と、研磨終点を検知する終点検知部１００とを有している。
渦電流センサ６７６Ａは、第１研磨ユニット３Ａと同様に、第２研磨ユニット３Ｂ、第３研磨ユニット３Ｃ、および第４研磨ユニット３Ｄの研磨テーブルにも設けられている。制御部６５は、各々の研磨ユニット３Ａ〜３Ｄの渦電流センサ６７６Ａから送られてくる信号からモニタリング信号を生成し、各々の研磨ユニット３Ａ〜３Ｄでのウエハの研磨の進捗を監視する。複数のウエハが研磨ユニット３Ａ〜３Ｄで研磨されている場合、制御部５は、ウエハの膜厚を示すモニタリング信号を研磨中に監視し、それらのモニタリング信号に基づいて、研磨ユニット３Ａ〜３Ｄでの研磨時間がほぼ同一となるようにトップリング３１Ａ〜３１Ｄの押圧力を制御する。このように研磨中のトップリング３１Ａ〜３１Ｄの押圧力をモニタリング信号に基づいて調整することで、研磨ユニット３Ａ〜３Ｄでの研磨時間を平準化することができる。
半導体ウエハ１６は、第１研磨ユニット３Ａ、第２研磨ユニット３Ｂ、第３研磨ユニット３Ｃ、第４研磨ユニット３Ｄのいずれかで研磨されてもよく、またはこれらの研磨ユニット３Ａ〜３Ｄから予め選択された複数の研磨ユニットで連続的に研磨されてもよい。例えば、半導体ウエハ１６を第１研磨ユニット３Ａ→第２研磨ユニット３Ｂの順で研磨してもよく、または半導体ウエハ１６を第３研磨ユニット３Ｃ→第４研磨ユニット３Ｄの順で研磨してもよい。さらに、半導体ウエハ１６を第１研磨ユニット３Ａ→第２研磨ユニット３Ｂ→第３研磨ユニット３Ｃ→第４研磨ユニット３Ｄの順で研磨してもよい。いずれの場合でも、研磨ユニット３Ａ〜３Ｄのすべての研磨時間を平準化することで、スループットを向上させることができる。
渦電流センサ６７６Ａは、ウエハの膜が金属膜である場合に好適に用いられる。ウエハの膜が酸化膜などの光透過性を有する膜である場合には、渦電流センサ６７６Ａの代わりに、または渦電流センサ６７６Ａとともに、光学式センサを用いてもよい。あるいは、渦電流センサ６７６Ａの代わりに、または渦電流センサ６７６Ａとともに、マイクロ波センサを用いてもよい。マイクロ波センサは、金属膜および非金属膜のいずれの場合にも用いることができる。以下、光学式センサおよびマイクロ波センサの一例について説明する。
図７は、研磨テーブル３０Ａに設けられた光学式センサ６７６Ｂを説明するための模式図である。図７に示すように、研磨テーブル３０Ａの内部に、半導体ウエハ１６の膜の状態を検知する光学式センサ６７６Ｂが埋設されている。この光学式センサ６７６Ｂは、半導体ウエハ１６に光を照射し、半導体ウエハ１６からの反射光の強度（反射強度または反射率）から半導体ウエハ１６の膜の状態（膜厚など）を検知する。
また、研磨パッド１０には、光学式センサ６７６Ｂからの光を透過させるための透光部６７７が取付けられている。この透光部６７７は、透過率の高い材質で形成されており、例えば、石英ガラス、ガラス材料、純水（流路あり）などにより形成される。あるいは、研磨パッド１０に貫通孔を設け、この貫通孔が半導体ウエハ１６に塞がれる間下方から透明液を流すことにより、透光部６７７を構成してもよい。透光部６７７は、トップリング３１Ａに保持された半導体ウエハ１６の中心を通過する位置に配置される。
光学式センサ６７６Ｂは、図７に示すように、光源６７８ａと、光源６７８ａからの光を半導体ウエハ１６の被研磨面に照射する発光部としての発光光ファイバ６７８ｂと、被研磨面からの反射光を受光する受光部としての受光光ファイバ６７８ｃと、受光光ファイバ６７８ｃにより受光された光を分光する分光器およびこの分光器により分光された光を電気的情報として蓄積する複数の受光素子とを内部に有する分光器ユニット６７８ｄと、光源６７８ａの点灯および消灯や分光器ユニット６７８ｄ内の受光素子の読取開始のタイミングなどの制御を行う動作制御部６７８ｅと、動作制御部６７８ｅに電力を供給する電源６７８ｆとを備えている。なお、光源６７８ａおよび分光器ユニット６７８ｄには、動作制御部６７８ｅを介して電力が供給される。
発光光ファイバ６７８ｂの発光端と受光光ファイバ６７８ｃの受光端は、半導体ウエハ１６の被研磨面に対して略垂直になるように構成されている。分光器ユニット６７８ｄ内の受光素子としては、例えば１２８素子のフォトダイオードアレイを用いることができる。分光器ユニット６７８ｄは、動作制御部６７８ｅに接続されている。分光器ユニット６７８ｄ内の受光素子からの情報は、動作制御部６７８ｅに送られ、この情報に基づいて反射光のスペクトルデータが生成される。すなわち、動作制御部６７８ｅは、受光素子に蓄積された電気的情報を読み取って反射光のスペクトルデータを生成する。このスペクトルデータは、波長に従って分解された反射光の強度を示し、膜厚によって変化する。
動作制御部６７８ｅは、上述した制御部６５に接続されている。このようにして、動作制御部６７８ｅで生成されたスペクトルデータは、制御部６５に送信される。制御部６５では、動作制御部６７８ｅから受信したスペクトルデータに基づいて、半導体ウエハ１６の膜厚に関連付けられた特性値を算出して、これをモニタリング信号として使用する。
図８は、研磨テーブル３０Ａに設けられたマイクロ波センサ６７６Ｃを説明するための模式図である。マイクロ波センサ６７６Ｃは、マイクロ波を半導体ウエハ１６の被研磨面に向けて照射するアンテナ６８０ａと、アンテナ６８０ａにマイクロ波を供給するセンサ本体６８０ｂと、アンテナ６８０ａとセンサ本体６８０ｂとを接続する導波管６８１とを備えている。アンテナ６８０ａは研磨テーブル３０Ａに埋設されており、トップリング３１Ａに保持された半導体ウエハ１６の中心位置に対向するように配置されている。アンテナ６８０ａは、研磨ヘッド（トップリング）３１Ａを揺動する時に、研磨ヘッド３１Ａの中心が通過する軌跡上のいずれかの場所にあってもよい。
センサ本体６８０ｂは、マイクロ波を生成してアンテナ６８０ａにマイクロ波を供給するマイクロ波源６８０ｃと、マイクロ波源６８０ｃにより生成されたマイクロ波（入射波）と半導体ウエハ１６の表面から反射したマイクロ波（反射波）とを分離させる分離器６８０ｄと、分離器６８０ｄにより分離された反射波を受信して反射波の振幅および位相を検出する検出部６８０ｅとを備えている。なお、分離器６８０ｄとしては、方向性結合器が好適に用いられる。
アンテナ６８０ａは導波管６８１を介して分離器６８０ｄに接続されている。マイクロ波源６８０ｃは分離器６８０ｄに接続され、マイクロ波源６８０ｃにより生成されたマイクロ波は、分離器６８０ｄおよび導波管６８１を介してアンテナ６８０ａに供給される。マイクロ波はアンテナ６８０ａから半導体ウエハ１６に向けて照射され、研磨パッド６１０を透過（貫通）して半導体ウエハ１６に到達する。半導体ウエハ１６からの反射波は再び研磨パッド１０を透過した後、アンテナ６８０ａにより受信される。
反射波はアンテナ６８０ａから導波管６８１を介して分離器６８０ｄに送られ、分離器６８０ｄによって入射波と反射波とが分離される。分離器６８０ｄにより分離された反射波は検出部６８０ｅに送信される。検出部６８０ｅでは反射波の振幅および位相が検出される。反射波の振幅は電力（ｄｂｍまたはＷ）または電圧（Ｖ）として検出され、反射波の位相は検出部６８０ｅに内蔵された位相計測器（図示せず）により検出される。検出部６８０ｅによって検出された反射波の振幅および位相は制御部６５に送られ、ここで反射波の振幅および位相に基づいて半導体ウエハ１６の金属膜や非金属膜などの膜厚が解析される。解析された値は、モニタリング信号として制御部６５により監視される。
＜終点検知部の構成＞
次に、上述した制御部６５が有する終点検知部１００（終点検知装置）の構成について説明する。図９は、終点検知部１００の構成を示すブロック図である。
図９に示すように、終点検知部１００は、タイミング調整部１１０と、判定部１２０と、第１研磨停止部１３０と、第２研磨停止部１４０とを有している。
判定部１２０は、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（図示された例では第１〜第３センサ５１〜５３）の各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデル１２１（たとえばチューニングされたニューラルネットワークシステム）を有している。
複数種類の終点検知センサ（第１〜第３センサ５１〜５３）は、研磨対象物に光を当てその反射率の変化を監視する光学式センサ６７６Ｂ（図７参照）、研磨対象物に磁力線を当てそこに発生する渦電流による磁力線の変化を監視する渦電流センサ６７６Ａ（図６参照）、トップリング３１Ａを揺動させる揺動機構（モータＭ２）に加わるトルクの変化を監視する揺動トルクセンサ２６（図５参照）、研磨テーブル３０Ａを回転させる回転機構（モータ３００）に加わるトルクの変化を監視する回転トルクセンサ３３０（図６参照）、トップリング３１Ａまたは研磨テーブル３０Ａの振動を監視する振動センサ（不図示）、ウエハ１６と研磨パッド１０との接触部分から発生する音の変化を監視する音センサ（不図示）のうちの２種類以上である。
学習済みモデル１２１の学習方法（ニューラルネットワークシステムのチューニング方法）は、教師あり学習であってもよいし、教師なし学習であってもよいし、強化学習であってもよい。図１０は、学習済みモデル１２１の構成の一例を説明するための模式図である。図１０に示すように、学習済みモデル１２１は、入力層と、入力層に接続された１または２以上の中間層と、中間層に接続され出力層とを有する階層型のニューラルネットワークまたは量子ニューラルネットワーク（ＱＮＮ）を含んでいてもよい。学習済みモデル１２１は、中間層が２層以上に多層化されたニューラルネットワーク、すなわちディープラーニング（深層学習）を含んでいてもよい。
１つの形態として、学習済みモデル１２１の生成方法の一例について説明すると、図１０Ａに示すように、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から過去の研磨時に出力された研磨開始から各時点までの計測データを入力層に入力し、それにより出力層から出力される出力結果と、当該時点の計測データに紐づけられた、当該時点の研磨条件が正常であるか否か、および当該時点が終点（すなわち研磨終了）のタイミングであるか否かの情報とを比較し、その誤差に応じて各ノードのパラメータ（重みや閾値など）を更新する処理を、過去の研磨時の研磨開始から各時点までの計測データについて繰り返す。これにより、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデル１２１（チューニングされたニューラルネットワークシステム）が生成される。
別の形態として、学習済みモデル１２１の生成方法の一例について説明すると、図１０Ｂに示すように、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から過去の研磨時に出力された研磨開始から各時点までの計測データを入力層に入力し、それにより出力層から出力される出力結果と、当該時点の計測データに紐づけられた、当該時点の研磨条件が正常であるか否か、および当該時点から終点（すなわち研磨終了）までの残り時間の情報とを比較し、その誤差に応じて各ノードのパラメータ（重みや閾値など）を更新する処理を、過去の研磨時の研磨開始から各時点までの計測データについて繰り返す。これにより、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデル１２１（チューニングされたニューラルネットワークシステム）が生成される。
なお、学習済みモデル１２１が学習対象とする計測データ（教師データ）に関し、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データのうち、過研磨や研磨不足とならずに正常に研磨終了となった場合の計測データについては、研磨開始から研磨終了までの各時点の研磨条件がいずれも正常であったと紐づけられていてもよい。
図１２は、学習済みモデル１２１の学習内容を説明するためのイメージ図である。図１２に示す例では、領域Ａ１〜Ａ３は、それぞれ、研磨開始から研磨終了までの研磨条件が正常である場合に、第１〜第３センサ５１〜５３の各々から出力された過去の研磨時の計測データの波形が、統計的に所定の確率（たとえば９５％以上の信頼度ＣＬ）で含まれる領域を示している。図１２に示す例では、研磨開始時点に近い時間帯では、領域Ａ１の幅が領域Ａ２、Ａ３の幅より狭くなっていることから、研磨開始時点に近い時間帯では、第１センサ５１から出力される計測データの優先度が、第２、第３センサ５２、５３から出力される計測データの優先度より高くなっていると解釈できる。他方、研磨終了時点に近い時間帯では、領域Ａ２の幅が領域Ａ１、Ａ３の幅より狭くなっていることから、研磨終了時点に近い時間帯では、第２センサ５２から出力される計測データの優先度が、第１、第３センサ５１、５３から出力される計測データの優先度より高くなっていると解釈できる。
学習済みモデル１２１は、第１の研磨ユニット３Ａに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習しているとともに、第１の研磨ユニット３Ａとは異なる第２の研磨ユニット３Ｂに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習していてもよい。この場合、学習済みモデル１２１の学習速度を上げることが可能となる。ここで、図１に示すように、第１の研磨ユニット３Ａと第２の研磨ユニット３Ｂとは、同一の工場内に設置されていてもよい。あるいは、図示は省略するが、第１の研磨ユニット３Ａと第２の研磨ユニット３Ｂとは、互いに異なる工場内に設置されていてもよい。
１つの形態として、判定部１２０は、図１０Ａに示すように、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、上記した一例に係る学習済みモデル１２１を用いて、現時点の研磨条件が正常であるか否か、および現時点が研磨終了を示す終点のタイミングであるか否かを推定して出力する。別の形態として、判定部１２０は、図１０Ｂに示すように、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、上記した学習済みモデル１２１を用いて、現時点の研磨条件が正常であるか否かを推定するとともに、現時点から研磨終了を示す終点のタイミングまでの残り時間を推定して出力してもよい。
たとえば、図１３に示すように、第１〜第３センサ５１〜５３の各々から新たな研磨時に出力された研磨開始から現時点までの計測データＤ１〜Ｄ３が、それぞれ、研磨開始から研磨終了までの研磨条件が正常である場合に統計的に含まれているべき領域Ａ１〜Ａ３に入っており、かつ現時点の時間が研磨終了のタイミングと一致していない場合に、１つの形態として、判定部１２０は、現時点の研磨条件が正常であり、かつ現時点が研磨終了を示す終点のタイミングではない、と推測して出力する。別の形態として、判定部１２０は、現時点の研磨条件が正常であると推定するとともに、現時点から研磨終了を示す終点のタイミングまでの残り時間Ｔｅを推定して出力してもよい。
また、たとえば、図１４に示すように、第１〜第３センサ５１〜５３の各々から新たな研磨時に出力された研磨開始から現時点までの計測データＤ１〜Ｄ３が、それぞれ、研磨開始から研磨終了までの研磨条件が正常である場合に統計的に含まれているべき領域Ａ１〜Ａ３に入っており、かつ現時点の時間が研磨終了のタイミングと一致している場合に、１つの形態として、判定部１２０は、現時点の研磨条件が正常であり、かつ現時点が研磨終了を示す終点のタイミングである、と推測して出力する。別の形態として、判定部１２０は、現時点の研磨条件が正常であると推定するとともに、現時点から研磨終了を示す終点のタイミングまでの残り時間Ｔｅがゼロであると推定して出力してもよい。
また、たとえば、図１５に示すように、第１〜第３センサ５１〜５３の各々から新たな研磨時に出力された研磨開始から現時点までの計測データＤ１〜Ｄ３のいずれか（図示された例では第１センサ５１の計測データＤ１）が、研磨開始から研磨終了までの研磨条件が正常である場合に統計的に含まれているべき領域Ａ１から外れている場合には、判定部１２０は、現時点の研磨条件が異常である、と推測して出力する。なお、図１２〜図１５は、あくまで「イメージ図」であり、これに限定されるものではなく、統計処理を使用せず、正常終了の計測データを用いて学習させた学習済みモデルを用いて正常・異常の判断を出力する方式を用いてもよい。たとえば、学習することにより波形解析予測する学習済みモデルの構築（チューニング）がなされ、１つの形態として、判定部１２０は、予測した結果として、現時点の終点検出の確率＊％と出力してもよい。別の形態として、判定部１２０は、予測した結果として、終点検出の＊ｓ後に＊％以上の確率で終点であると出力してもよい。
判定部１２０は、第１〜第３センサ５１〜５３の各々から新たな研磨時に出力された研磨開始から現時点までの計測データについて、どの終点検知センサの計測データを優先して利用するか、いつのタイミングで終点検知センサ間の優先順位を切り替えるかなどを作業者が明示的に指示しなくても、１つの形態として、上記した学習済みモデル１２１（図１０Ａ参照）を利用することで、過去の研磨時の計測データの波形との類似性に鑑みて、現時点の研磨条件が正常であるか否か、および現時点が終点のタイミングであるか否かを推定して出力することができる。また、別の形態として、上記した学習済みモデル１２１（図１０Ｂ参照）を利用することで、過去の研磨時の計測データの波形との類似性に鑑みて、現時点の研磨条件が正常であるか否か、および現時点から終点のタイミングまでの残り時間を推定して出力することができる。
一変形として、学習済みモデル１２１は、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（たとえば第１〜第３センサ５１〜５３）の各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形と、当該過去の研磨時に取得された研磨開始から研磨終了までの研磨パッド１０の温度、スラリの温度、スラリの流量、トップリング３１Ａの各圧力室の圧力、研磨パッド１０の使用回数のうちの１つ以上の補助情報との関係性を機械学習していてもよい。
１つの形態として、一変形例に係る学習済みモデル１２１の生成方法の一例について説明すると、図１１Ａに示すように、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から過去の研磨時に出力された研磨開始から各時点までの計測データと、研磨開始から当該時点までに取得された研磨パッド１０の温度、スラリの温度、スラリの流量、トップリング３１Ａの各圧力室の圧力、研磨パッド１０の使用回数のうちの１つ以上の補助情報とを入力層に入力し、それにより出力層から出力される出力結果と、当該時点の計測データに紐づけられた、当該時点の研磨条件が正常であるか否か、および当該時点が終点（すなわち研磨終了）のタイミングであるか否かの情報とを比較し、その誤差に応じて各ノードのパラメータ（重みや閾値など）を更新する処理を、過去の研磨時の研磨開始から各時点までの計測データについて繰り返す。これにより、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形と、当該過去の研磨時に取得された研磨開始から研磨終了までの補助情報との関係性を機械学習した学習済みモデル１２１が生成される。
この場合、判定部１２０は、図１１Ａに示すように、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から新たな研磨時に出力された研磨開始から現時点までの計測データと、研磨開始から現時点までに取得された補助情報とを入力として、一変形例に係る学習済みモデル１２１を用いて、現時点の研磨条件が正常であるか否か、および現時点が終点のタイミングであるか否かを推定して出力する。
別の形態として、一変形例に係る学習済みモデル１２１の生成方法の一例について説明すると、図１１Ｂに示すように、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から過去の研磨時に出力された研磨開始から各時点までの計測データと、研磨開始から当該時点までに取得された研磨パッド１０の温度、スラリの温度、スラリの流量、トップリング３１Ａの各圧力室の圧力、研磨パッド１０の使用回数のうちの１つ以上の補助情報とを入力層に入力し、それにより出力層から出力される出力結果と、当該時点の計測データに紐づけられた、当該時点の研磨条件が正常であるか否か、および当該時点が終点（すなわち研磨終了）までの残り時間の情報を比較し、その誤差に応じて各ノードのパラメータ（重みや閾値など）を更新する処理を、過去の研磨時の研磨開始から各時点までの計測データについて繰り返す。これにより、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形と、当該過去の研磨時に取得された研磨開始から研磨終了までの補助情報との関係性を機械学習した学習済みモデル１２１が生成される。
この場合、判定部１２０は、図１１Ｂに示すように、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から新たな研磨時に出力された研磨開始から現時点までの計測データと、研磨開始から現時点までに取得された補助情報とを入力として、一変形例に係る学習済みモデル１２１を用いて、現時点の研磨条件が正常であるか否かを推定するとともに、現時点から終点のタイミングまでの残り時間を推定して出力する。
ここで、判定部１２０は、研磨パッド１０の温度、スラリの温度、スラリの流量、トップリング３１Ａの各圧力室の圧力、研磨パッド１０の使用回数のうちの１つ以上の補助情報を、装置エンジニアリングシステム（Ｅｑｕｉｐｍｅｎｔ Ｅｎｇｉｎｅｅｒｉｎｇ Ｓｙｓｔｅｍ；ＥＥＳ）から取得してもよい。
図９を参照し、１つの形態では、第１研磨停止部１３０は、判定部１２０により、現時点の研磨条件が正常であり、かつ現時点が終点のタイミングであると判定された場合に、研磨を止める（研磨ユニット３Ａの動作を停止させる）制御信号を研磨ユニット３Ａに送信する。別の形態では、第１研磨停止部１３０は、判定部１２０により推定された残り時間が経過した時に、研磨を止める制御信号を研磨ユニット３Ａに送信してもよい。
第２研磨停止部１４０は、現時点の研磨状態が異常であると判定された場合に、研磨を止める（研磨ユニット３Ａの動作を停止させる）制御信号を研磨ユニット３Ａに送信するとともに、警報を発報する。第２研磨停止部１４０は、警報を発報する代わりに、エラー表示、パトライト表示、自動連絡のうちの１つの方式をとってもよいし、警報、エラー表示、パトライト表示、自動連絡のうちの２つ以上の組み合わせによる方式をとってもよい。
タイミング調整部１１０は、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（たとえば第１〜第３センサ５１〜５３）の各々から出力された計測データＤ１〜Ｄ３間のタイミングを合わせてから判定部１２０に入力する。
具体的には、たとえば、タイミング調整部１１０は、研磨開始前に、複数種類の終点検知センサ（第１〜第３センサ５１〜５３）にタイミング同期信号を同時に入力し、図１６に示すように、複数の終点検知センサ（第１〜第３センサ５１〜５３）の各々から出力された計測データＤ１〜Ｄ３のうちタイミング同期信号に起因するパルス部分のタイミングを比較する。図１６に示す例では、第２センサ５２から出力された計測データＤ２のパルス部分と第３センサ５３から出力された計測データＤ３のパルス部分とはタイミングが一致しているが、それらに比べて、第１センサ５１から出力された計測データＤ１のパルス部分はΔｔだけタイミングが進んでいる（早くなっている）。
複数の終点検知センサ（第１〜第３センサ５１〜５３）の各々から出力された計測データＤ１〜Ｄ３のパルス部分のタイミングにずれがある場合には、タイミング調整部１１０は、当該パルス部分のタイミングを一致させることにより、計測データＤ１〜Ｄ３間のタイミングを合わせる。たとえば、図１６に示すように、第１センサ５１から出力された計測データＤ１のパルス部分がΔｔだけタイミングが進んでいた場合には、タイミング調整部１１０は、図１７に示すように、第１センサ４１から出力された計測データＤ１の時間軸（基準時刻）をΔｔだけ遅らせることにより、計測データＤ１〜Ｄ３の各々に含まれるパルス部分のタイミングを一致させ、これにより、計測データＤ１〜Ｄ３間のタイミングを合わせる。
なお、本実施の形態に係る終点検知部１００は、１つのコンピュータまたは量子コンピューティングシステム、もしくは互いにネットワークを介して接続された複数のコンピュータまたは量子コンピューティングシステムによって構成され得るが、１または複数のコンピュータまたは量子コンピューティングシステムに終点検知部１００を実現させるためのプログラム及び当該プログラムを非一時的（ｎｏｎ−ｔｒａｎｓｉｔｏｒｙ）に記録したコンピュータ読取可能な記録媒体も、本件の保護対象である。
＜終点検知方法の一例＞
次に、このような構成からなる終点検知部１００による終点検知方法の一例について説明する。図１８Ａは、終点検知方法の一例を示すフローチャートである。
図１８Ａに示すように、まず、研磨開始前に、タイミング調整部１１０が、対象とする１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）にタイミング同期信号を同時に入力する（ステップＳ１１）。
そして、タイミング調整部１１０は、図１６に示すように、当該複数の終点検知センサ（第１〜第３センサ５１〜５３）の各々から出力された計測データＤ１〜Ｄ３のうちタイミング同期信号に起因するパルス部分のタイミングを比較する（ステップＳ１２）。図１６に示す例では、第２センサ５２から出力された計測データＤ２のパルス部分と第３センサ５３から出力された計測データＤ３のパルス部分とはタイミングが一致しているが、それらに比べて、第１センサ５１から出力された計測データＤ１のパルス部分はΔｔだけタイミングが進んでいる（早くなっている）。
計測データＤ１〜Ｄ３のパルス部分のタイミングが一致しない場合には（ステップＳ１３：ＹＥＳ）、タイミング調整部１１０は、パルス部分のタイミングが一致するように、計測データＤ１〜Ｄ３間のタイミングを合わせる（ステップＳ１４）。たとえば、図１６に示すように、第１センサ５１から出力された計測データＤ１のパルス部分がΔｔだけタイミングが進んでいた場合には、タイミング調整部１１０は、図１７に示すように、第１センサ４１から出力された計測データＤ１の時間軸（基準時刻）をΔｔだけ遅らせることにより、計測データＤ１〜Ｄ３の各々に含まれるパルス部分のタイミングを一致させ、これにより、計測データＤ１〜Ｄ３間のタイミングを合わせる。
次に、図１０Ａを参照し、対象とする１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から新たな研磨時に出力された研磨開始から現時点までの計測データが、判定部１２０の学習済みモデル１２１に入力される（ステップＳ１５）。
一変形として、図１１Ａを参照し、対象とする１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から新たな研磨時に出力された研磨開始から現時点までの計測データとともに、研磨開始から現時点までに取得された研磨パッド１０の温度、スラリの温度、スラリの流量、トップリング３１Ａの各圧力室の圧力、研磨パッド１０の使用回数のうちの１つ以上の補助情報とが、判定部１２０の学習済みモデル１２１に入力されてもよい。
判定部１２０は、図１０Ａを参照し、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、学習済みモデル１２１を用いて、現時点の研磨条件が正常であるか否か、および現時点が研磨終了を示す終点のタイミングであるか否かを推定して出力する（ステップＳ１６）。
たとえば、図１２に示すように、第１〜第３センサ５１〜５３の各々から新たな研磨時に出力された研磨開始から現時点までの計測データＤ１〜Ｄ３が、それぞれ、研磨開始から研磨終了までの研磨条件が正常である場合に統計的に含まれているべき領域Ａ１〜Ａ３に入っており、かつ現時点の時間が研磨終了のタイミングと一致していない場合に、判定部１２０は、現時点の研磨条件が正常であり、かつ現時点が研磨終了を示す終点のタイミングではない、と推測して出力する。
また、たとえば、図１３に示すように、第１〜第３センサ５１〜５３の各々から新たな研磨時に出力された研磨開始から現時点までの計測データＤ１〜Ｄ３が、それぞれ、研磨開始から研磨終了までの研磨条件が正常である場合に統計的に含まれているべき領域Ａ１〜Ａ３に入っており、かつ現時点の時間が研磨終了のタイミングと一致している場合に、判定部１２０は、現時点の研磨条件が正常であり、かつ現時点が研磨終了を示す終点のタイミングである、と推測して出力する。
また、たとえば、図１４に示すように、第１〜第３センサ５１〜５３の各々から新たな研磨時に出力された研磨開始から現時点までの計測データＤ１〜Ｄ３のいずれか（図示された例では第１センサ５１の計測データＤ１）が、研磨開始から研磨終了までの研磨条件が正常である場合に統計的に含まれているべき領域Ａ１から外れている場合には、判定部１２０は、現時点の研磨条件が異常である、と推測して出力する。
一変形として、判定部１２０は、図１１に示すように、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から新たな研磨時に出力された研磨開始から現時点までの計測データと、研磨開始から現時点までに取得された補助情報とを入力として、一変形例に係る学習済みモデル１２１を用いて、現時点の研磨条件が正常であるか否か、および現時点が終点のタイミングであるか否かを推定して出力してもよい。
図１４を参照し、判定部１２０により現時点の研磨条件が正常であると判定された場合であって（ステップＳ１７：ＹＥＳ）、現時点が終点のタイミングであると判定された場合には（ステップＳ１８：ＹＥＳ）、第１研磨停止部１３０が、研磨ユニット３Ａの動作を停止させる制御信号を研磨ユニット３Ａに送信する（ステップＳ１９）。
また、図１３を参照し、判定部１２０により現時点の研磨条件が正常であると判定された場合であって（ステップＳ１７：ＹＥＳ）、現時点が終点のタイミングではないと判定された場合には（ステップＳ１８：ＮＯ）、終点検知部１００は、ステップＳ１５から処理を繰り返す。
他方、図１５を参照し、判定部１２０により現時点の研磨条件が異常であると判定された場合には（ステップＳ１７：ＮＯ）、第２研磨停止部１４０が、研磨ユニット３Ａの動作を停止させる制御信号を研磨ユニット３Ａに送信するとともに、警報を発報する（ステップＳ２０）。
ところで、発明が解決しようとする課題の欄でも言及したように、従来、複数種類の終点検知センサを組み合わせて利用する場合には、研磨ユニットごとに個別のチューニング対応にて、どの終点検知センサの計測データを優先して利用するか、いつのタイミングで終点検知センサ間の優先順位を切り替えるかなどを作業者が明示的に指示する必要があり、個別対応の作業が多く、個別対応に時間・コストを要していた。また、微細パターンに対応した高精度要求の終点検知に対する精度不足があった。
これに対し、上述した本実施の形態によれば、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（たとえば第１〜第３センサ５１〜５３）の各々から新たな研磨時に出力された計測データについて、どの終点検知センサの計測データを優先して利用するか、いつのタイミングで終点検知センサ間の優先順位を切り替えるかなどを作業者が明示的に指示しなくても、過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデル１２１を利用することで、過去の研磨時の計測データの波形との類似性に鑑みて、現時点の研磨条件が正常であるか否か、および現時点が終点のタイミングであるか否かを推定して出力することができる。したがって、複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の計測データを最適に組み合わせて利用することが可能となり、終点検知の精度向上が可能となる。
また、本実施の形態の一変形例によれば、複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形と、当該過去の研磨時に取得された研磨開始から研磨終了までの研磨パッド１０の温度、スラリの温度、スラリの流量、トップリング３１Ａの各圧力室の圧力、研磨パッド１０の使用回数などの補助情報との関係性を機械学習した学習済みモデル１２１を利用することで、過去の研磨時の計測データの波形と補助情報の関係性との類似性に鑑みて、現時点の研磨条件が正常であるか否か、および現時点が終点のタイミングであるか否かを推定して出力することができる。したがって、複数種類の終点検知センサの計測データ（第１〜第３センサ５１〜５３）と補助情報とを最適に組み合わせて利用することが可能となり、終点検知のさらなる精度向上が可能となる。
また、本実施の形態によれば、タイミング調整部１１０が、複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から出力された計測データ間のタイミングを合わせてから判定部１２０に入力するため、判定部１２０は、複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から出力された計測データの波形をより正確に把握することが可能となり、これにより、現時点の研磨条件が正常であるか否か、および現時点が終点のタイミングであるか否かをより正確に判断することが可能となる。したがって、終点検知のさらなる精度向上が可能となる。
＜終点検知方法の別例＞
次に、終点検知部１００による終点検知方法の別例について説明する。図１８Ｂは、終点検知方法の別例を示すフローチャートである。図１８Ｂに示す終点検知方法のうち、ステップＳ１１〜Ｓ１４は、図１８Ａに示す終点検知方法と同様であり、説明を省略する。
図１８Ｂに示す例では、ステップＳ１４の後、図１０Ｂを参照し、対象とする１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から新たな研磨時に出力された研磨開始から現時点までの計測データが、判定部１２０の学習済みモデル１２１に入力される（ステップＳ１５１）。
一変形として、図１１Ｂを参照し、対象とする１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から新たな研磨時に出力された研磨開始から現時点までの計測データとともに、研磨開始から現時点までに取得された研磨パッド１０の温度、スラリの温度、スラリの流量、トップリング３１Ａの各圧力室の圧力、研磨パッド１０の使用回数のうちの１つ以上の補助情報とが、判定部１２０の学習済みモデル１２１に入力されてもよい。
判定部１２０は、図１０Ｂを参照し、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、学習済みモデル１２１を用いて、現時点の研磨条件が正常であるか否か、および現時点から研磨終了を示す終点のタイミングまでの残り時間を推定して出力する（ステップＳ１６１）。
たとえば、図１２に示すように、第１〜第３センサ５１〜５３の各々から新たな研磨時に出力された研磨開始から現時点までの計測データＤ１〜Ｄ３が、それぞれ、研磨開始から研磨終了までの研磨条件が正常である場合に統計的に含まれているべき領域Ａ１〜Ａ３に入っており、かつ現時点の時間が研磨終了のタイミングと一致していない場合に、判定部１２０は、現時点の研磨条件が正常であると推定するとともに、現時点から研磨終了を示す終点のタイミングまでの残り時間Ｔｅを推定して出力する。
また、たとえば、図１３に示すように、第１〜第３センサ５１〜５３の各々から新たな研磨時に出力された研磨開始から現時点までの計測データＤ１〜Ｄ３が、それぞれ、研磨開始から研磨終了までの研磨条件が正常である場合に統計的に含まれているべき領域Ａ１〜Ａ３に入っており、かつ現時点の時間が研磨終了のタイミングと一致している場合に、判定部１２０は、現時点の研磨条件が正常であると推定するとともに、現時点から研磨終了を示す終点のタイミングまでの残り時間Ｔｅがゼロであると推定して出力する。
また、たとえば、図１４に示すように、第１〜第３センサ５１〜５３の各々から新たな研磨時に出力された研磨開始から現時点までの計測データＤ１〜Ｄ３のいずれか（図示された例では第１センサ５１の計測データＤ１）が、研磨開始から研磨終了までの研磨条件が正常である場合に統計的に含まれているべき領域Ａ１から外れている場合には、判定部１２０は、現時点の研磨条件が異常である、と推測して出力する。
一変形として、判定部１２０は、図１１に示すように、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から新たな研磨時に出力された研磨開始から現時点までの計測データと、研磨開始から現時点までに取得された補助情報とを入力として、一変形例に係る学習済みモデル１２１を用いて、現時点の研磨条件が正常であるか否かを推定するとともに、現時点から終点のタイミングまでの残り時間Ｔｅを推定して出力してもよい。
図１４を参照し、判定部１２０により現時点の研磨条件が正常であると判定された場合であって（ステップＳ１７：ＹＥＳ）、判定部１２０により推定された残り時間Ｔｅが経過している場合には（ステップＳ１８１：ＹＥＳ）、第１研磨停止部１３０が、研磨ユニット３Ａの動作を停止させる制御信号を研磨ユニット３Ａに送信する（ステップＳ１９）。
また、図１３を参照し、判定部１２０により現時点の研磨条件が正常であると判定された場合であって（ステップＳ１７：ＹＥＳ）、判定部１２０により推定された残り時間Ｔｅが経過していない場合には（ステップＳ１８１：ＮＯ）、終点検知部１００は、ステップＳ１５から処理を繰り返す。
他方、図１５を参照し、判定部１２０により現時点の研磨条件が異常であると判定された場合には（ステップＳ１７：ＮＯ）、第２研磨停止部１４０が、研磨ユニット３Ａの動作を停止させる制御信号を研磨ユニット３Ａに送信するとともに、警報を発報する（ステップＳ２０）。
以上のような実施の形態によれば、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（たとえば第１〜第３センサ５１〜５３）の各々から新たな研磨時に出力された計測データについて、どの終点検知センサの計測データを優先して利用するか、いつのタイミングで終点検知センサ間の優先順位を切り替えるかなどを作業者が明示的に指示しなくても、過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデル１２１を利用することで、過去の研磨時の計測データの波形との類似性に鑑みて、現時点の研磨条件が正常であるか否を推定するとともに、現時点から終点のタイミングまでの残り時間Ｔｅを推定して出力することができる。したがって、複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の計測データを最適に組み合わせて利用することが可能となり、終点検知の精度向上が可能となる。
また、実施の形態の一変形例によれば、複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形と、当該過去の研磨時に取得された研磨開始から研磨終了までの研磨パッド１０の温度、スラリの温度、スラリの流量、トップリング３１Ａの各圧力室の圧力、研磨パッド１０の使用回数などの補助情報との関係性を機械学習した学習済みモデル１２１を利用することで、過去の研磨時の計測データの波形と補助情報の関係性との類似性に鑑みて、現時点の研磨条件が正常であるか否かを推定するとともに、現時点から終点のタイミングまでの残り時間Ｔｅを推定して出力することができる。したがって、複数種類の終点検知センサの計測データ（第１〜第３センサ５１〜５３）と補助情報とを最適に組み合わせて利用することが可能となり、終点検知のさらなる精度向上が可能となる。
なお、上述した実施の形態では、学習済みモデル１２１（チューニングされたニューラルネットワークシステム）の生成時に使用される教師データとして、１つの研磨ユニット３Ａに設けられた複数種類の終点検知センサ（第１〜第３センサ５１〜５３）の各々から過去の「正常終了の」研磨時に出力された研磨開始から研磨終了までの各時点の計測データ（すなわち正常終了のデータセット）が用いられたが、教師データは、正常終了のデータセットに限定されるものではなく、異常終了のデータセットでもよいし、正常終了のデータセットと異常終了のデータセットとが混在したデータセットであってもよい。正常終了のデータセットを使用した学習では、正常状態または条件を判断する学習済みモデル１２１（チューニングされたニューラルネットワークシステム）を生成できる。異常終了のデータセットを使用した学習では、異常状態または条件を判断する学習済みモデル１２１（チューニングされたニューラルネットワークシステム）を生成できる。正常終了のデータセットと異常終了のデータセットとが混在したデータセットを使用した学習では、正常状態または条件と異常状態または条件とを判断する学習済みモデル１２１（チューニングされたニューラルネットワークシステム）を生成できる。この場合、正常終了のデータセットと異常終了のデータセットの割合は、正常終了のデータセット／異常終了のデータセット＝７０％／３０％〜９９％／１％を用いると最適である。
＜基板処理装置全体の制御＞
次に、図１９により、制御部６５による基板処理装置全体の制御について説明する。メインコントローラである制御部６５は、ＣＰＵとメモリと記録媒体と、記録媒体に記録されたソフトウェア等とを有する。制御部６５は、基板処理装置全体の監視・制御を行い、そのための信号の授受、情報記録、演算を行う。制御部６５は主にユニットコントローラ７６０との間で信号の授受を行う。ユニットコントローラ７６０も、ＣＰＵとメモリと記録媒体と、記録媒体に記録されたソフトウェア等とを有する。図１９の場合、制御部６５は、研磨の終了を示す研磨終点を検出する終点検出手段、研磨ユニットによる研磨を制御する制御手段として機能するプログラムを内蔵する。なお、ユニットコントローラ７６０が、このプログラムの一部または全部を内蔵してもよい。プログラムは更新可能である。なお、プログラムは更新可能でなくてもよい。
図１９〜図２３により説明する実施形態によれば、以下の課題を解決することができる。これまでの典型的な研磨装置の制御方式の課題として、以下の点がある。終点検出について、対象物の研磨を行う前に、複数のテストを行い、得られたデータから研磨条件や終点判定条件を求めて、研磨条件であるレシピ作成を行う。一部信号解析を用いていることもあるが、ウエハ構造に対して、１つのセンサ信号を用いて、終点検出を判断する処理を行う。これでは次のような要求に対して十分な精度が得られなかった。製作するデバイスやチップの歩留まり向上のために、デバイスやチップの製作において更に高精度の終点検出と、ロット間やチップ間のばらつきを小さく抑える必要がある。それを実現するため、図１９〜図２３に示す実施例を適用した終点検知を行うシステムを用いることにより、より高精度の終点検出を行うことが可能となり、歩留まり向上やチップ間の研磨量バラツキを低減することが可能となる。
特に、高速のデータ処理、多数種類かつ多数のセンサの信号処理、これらの信号を規格化したデータ、データから人工知能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ；ＡＩ）を利用した学習及び終点検出の判定に用いるデータセットの作成と、作成されたデータセットによる判定例の蓄積による学習と、学習効果による精度向上、学習された判定機能により判断され更新された研磨パラメータ、この研磨パラメータの高速な制御系への反映を実現する高速通信処理系、等が実現できる。これらは、図１９以前に示した全ての実施例に対して適用可能である。
ユニットコントローラ７６０は、基板処理装置に搭載されているユニット７６２（１個もしくは複数）の制御を行う。ユニットコントローラ７６０は、各々のユニット７６２ごとに本実施形態では設けられる。ユニット７６２としては、アンロード部６２、研磨部６３、洗浄部６４等がある。ユニットコントローラ７６０は、ユニット７６２の動作制御、監視用センサとの信号授受、制御信号の授受、高速な信号処理等を行う。ユニットコントローラ７６０は、ＦＰＧＡ（ｆｉｅｌｄ−ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）や、ＡＳＩＣ（ａｐｐｌｉｃａｔｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ、特定用途向け集積回路）等から構成されている。
ユニット７６２は、ユニットコントローラ７６０からの信号により動作を行う。また、ユニット７６２は、センサ信号をセンサから受信し、ユニットコントローラ７６０に送信する。センサ信号は、ユニットコントローラ７６０から、さらに制御部６５に送られることもある。センサ信号が制御部６５又はユニットコントローラ７６０により処理（演算処理含む）され、次の動作のための信号がユニットコントローラ７６０から送られてくる。それに従ってユニット７６２は動作を行う。例えば、ユニットコントローラ７６０は、揺動アーム１１０のトルク変動を揺動軸モータ１４の電流変化により検知する。ユニットコントローラ７６０は検知結果を制御部６５に送る。制御部６５は、終点検知を行う。
ソフトウェアとしては、例えば以下のものがある。ソフトウェアは、コントロール機器（制御部６５又はユニットコントローラ７６０）内に記録されているデータにより、研磨パッド１０の種類とスラリ供給量を求める。次に、ソフトウェアは、研磨パッド１０のメンテナンス時期又はメンテナンス時期まで使用できる研磨パッド１０を特定し、スラリ供給量を演算し、これらを出力する。ソフトウェアは、基板処理装置７６４を出荷後に、基板処理装置７６４にインストール可能なソフトウェアであってもよい。
制御部６５、ユニットコントローラ７６０、ユニット７６２の間における通信は、有線、無線のいずれも可能である。基板処理装置７６４の外部との間ではインターネットを介した通信や他の通信手段（専用回線による高速通信）が使用可能である。データの通信に関しては、クラウド連携によりクラウドを利用すること、スマートフォン連携により基板処理装置においてスマートフォン経由でのデータの交換等を行うことが可能である。これらにより、基板処理装置の運転状況、基板処理の設定情報を基板処理装置の外部とやり取りを行うことが可能である。通信機器として、センサ間に通信ネットワークを形成して、この通信ネットワークを利用してもよい。
上記の制御機能、通信機能を用いて、基板処理装置の自動化運転を行うことも可能である。自動化運転のために、基板処理装置の制御パターンの規格化や、研磨終点の判断における閾値の利用が可能である。
基板処理装置の異常／寿命の予測／判断／表示を行うことが可能である。また、性能安定化のための制御を行うことも可能である。
基板処理装置の運転時の種々のデータや研磨データ（膜厚や研磨の終点）の特徴量を自動的に抽出して、運転状態や研磨状態を自動学習することや、制御パターンの自動規格化を行い、異常／寿命の予測／判断／表示を行うことが可能である。
通信方式、機器インターフェース等において、例えばフォーマット等の規格化を行い、装置・機器相互の情報通信に用いて、装置・機器の管理を行うことが可能である。
次に、基板処理装置７６４において、センサで半導体ウエハ１６から情報を取得し、インターネット等の通信手段を経由して、基板処理装置が設置された工場内/工場外に設置されたデータ処理装置（クラウド等）にデータを蓄積し、クラウド等に蓄積されたデータを分析し、分析結果に応じて基板処理装置を制御する実施形態について説明する。図２０は、この実施形態の構成を示す。
１．センサで半導体ウエハ１６から取得する情報としては、以下が可能である。
・ 揺動軸モータ１４のトルク変動に関する測定信号又は測定データ
・ ＳＯＰＭ（Ｓｐｅｃｔｒｕｍ Ｏｐｔｉｃａｌ Ｅｎｄｐｏｉｎｔ Ｍｏｎｉｔｏｒｉｎｇ；光学式センサ）の測定信号又は測定データ
・ 渦電流センサの測定信号又は測定データ
・トップリングまたは研磨テーブルの振動を監視する振動センサの測定信号又は測定データ
・ウエハと研磨パッドとの接触部分から発生する音の変化を監視する音センサ（不図示）の測定信号又は測定データ
・ 上記の１つ又は複数の組合せの測定信号又は測定データ
２．インターネット等の通信手段の機能及び構成としては、以下が可能である。
・ 上記の測定信号又は測定データを含む信号又はデータを、ネットワーク７６６に接続されたデータ処理装置７６８に伝送する。
・ ネットワーク７６６は、インターネット又は高速通信等の通信手段でよい。例えば、基板処理装置、ゲートウェイ、インターネット、クラウド、インターネット、データ処理装置という順序で接続されたネットワーク７６６が可能である。高速通信としては、高速光通信、高速無線通信等がある。また、高速無線通信としては、Ｗｉ−Ｆｉ（登録商標），Ｂｌｕｅｔｏｏｔｈ（登録商標），Ｗｉ−Ｍａｘ（登録商標），３Ｇ，４Ｇ，ＬＴＥ，５Ｇ等が考えられる。これ以外の高速無線通信も適用可能である。なお、クラウドをデータ処理装置とすることも可能である。
・ データ処理装置７６８が、工場内に設置される場合は、工場内にある１台もしくは複数の基板処理装置からの信号を処理することが可能である。
・ データ処理装置７６８が、工場外に設置される場合は、工場内にある１台もしくは複数の基板処理装置からの信号を、工場外部に伝達し、処理することが可能である。このときは、国内又は外国に設置されたデータ処理装置との接続が可能である。
３．クラウド等に蓄積されたデータをデータ処理装置７６８が分析し、分析結果に応じて基板処理装置７６４を制御することに関しては、以下のようなことが可能である。
・ 測定信号又は測定データが処理された後に、制御信号又は制御データとして基板処理装置７６４に伝達することができる。
・ データを受取った基板処理装置７６４はそのデータに基づいて、研磨処理に関する研磨パラメータを更新して研磨動作を行う、また、データ処理装置７６８からのデータが、終点が検知されたことを示す信号／データの場合、終点が検知されたと判断して、研磨を終了する。研磨パラメータとしては、（１）半導体ウエハ１６の４つの領域、すなわち、中央部、内側中間部、外側中間部、および周縁部に対する押圧力、（２）研磨時間、（３）研磨テーブル３０Ａやトップリング３１Ａの回転数、（４）研磨終点の判定のための閾値等がある。
次に、図２１により別の実施形態を説明する。図２１は、図２０の実施形態の変形例を示す図である。本実施形態は、基板処理装置、中間処理装置、ネットワーク７６６、データ処理装置という順に接続された構成である。中間処理装置は、例えば、ＦＰＧＡやＡＳＩＣで構成され、フィルタリング機能、演算機能、データ加工機能、データセット作成機能等を有する。
インターネットと高速光通信をどのように使用するかによって、以下の３ケースに分ける。（１）基板処理装置と中間処理装置との間がインターネットであり、ネットワーク７６６がインターネットである場合、（２）基板処理装置と中間処理装置との間が高速光通信であり、ネットワーク７６６が高速光通信である場合、（３）基板処理装置と中間処理装置との間が高速光通信であり、中間処理装置から外側がインターネットである場合がある。
（１）の場合：全体システムにおけるデータ通信速度とデータ処理速度が、インターネット通信速度でよい場合である。データサンプリング速度１〜１０００ｍＳ程度であり、複数の研磨条件パラメータのデータ通信を行うことができる。この場合は、中間処理装置７７０は、データ処理装置７６８に送るデータセットの作成を行う。データセットの詳細は後述する。データセットを受領したデータ処理装置７６８はデータ処理を行い、例えば、終点位置までの研磨条件パラメータの変更値の算出と、研磨プロセスの工程計画を作成し、ネットワーク７６６を通じて中間処理装置７７０に返す。中間処理装置７７０は研磨条件パラメータの変更値と、必要な制御信号を基板処理装置７６４に送る。
（２）の場合：基板処理装置−中間処理装置間、中間処理装置−データ処理装置間のセンサ信号や状態管理機器間の通信が高速通信である。高速通信では、通信速度１〜１０００Ｇｂｐｓで通信が可能である。高速通信では、データ・データセット・ コマンド・ 制御信号等が通信できる。この場合、中間処理装置７７０にてデータセットの作成を行い、それをデータ処理装置７６８に送信する。中間処理装置７７０は、データ処理装置７６８における処理に必要なデータを抽出して、加工を行い、データセットとして作成する。例えば、終点検出用の複数のセンサ信号を抽出してデータセットとして作成する。
中間処理装置７７０は、作成したデータセットを高速通信にてデータ処理装置７６８に送る。データ処理装置７６８は、データセットに基づいて、研磨終点までのパラメータ変更値の算出・工程計画作成を行う。データ処理装置７６８は、複数の基板処理装置７６４からのデータセットを受領し、夫々の装置に対する、次のステップのパラメータ更新値の算出と工程計画作成を行い、更新されたデータセットを中間処理装置７７０に送信する。中間処理装置７７０は、更新されたデータセットに基づいて、更新されたデータセットを制御信号に変換して、基板処理装置７６４の制御部６５に高速通信にて送信する。基板処理装置７６４は、更新された制御信号に応じて研磨を実施し、精度のよい終点検出を行う。
（３）の場合：中間処理装置７７０は、基板処理装置７６４の複数のセンサ信号を高速通信により受領する。高速光通信では、通信速度１〜１００００Ｇｂｐｓの通信が可能である。この場合、基板処理装置７６４、センサ、制御部６５と、中間処理装置７７０との間は、高速通信によるオンラインの研磨条件の制御を行うことが可能である。データの処理順序は、例えば、センサ信号受領（基板処理装置７６４から中間処理装置７６６）、データセット作成、 データ処理、パラメータ更新値算出、更新パラメータ信号の送信、制御部６５による研磨制御、更新した終点検知という順序である。
この時、中間処理装置７７０は、高速の終点検出制御を高速通信の中間処理装置７７０で行う。中間処理装置７７０からは、ステータス信号をデータ処理装置７６８に定期的に送信し、制御状態のモニタリング処理をデータ処理装置７６８で行う。データ処理装置７６８は、複数の基板処理装置７６４からのステータス信号を受領し、それぞれの基板処理装置７６４に対して、次のプロセス工程の計画作成を行う。計画に基づいたプロセス工程の計画信号をそれぞれの基板処理装置７６４に送り、それぞれの基板処理装置７６４において、互いに独立に、研磨プロセスの準備・研磨プロセスの実施を行う。この様に、高速の終点検出制御を高速通信の中間処理装置７７０で行い、複数の基板処理装置７６４の状態管理をデータ処理装置７６８にて行う。
次に、データセットの例について説明する。センサ信号と必要な制御パラメータをデータセットにすることが可能である。データセットは、トップリング３１Ａの半導体ウエハ１６への押圧・揺動軸モータ１４の電流・ 研磨テーブル３０Ａのモータ電流・光学式センサの測定信号・ 渦電流センサの測定信号・研磨パッド１０上でのトップリング３１Ａの位置・スラリと薬液の流量／種類、それらの相関算出データ等を含むことができる。
上記の種類のデータセットは、１次元データをパラレルに送信する送信システムや、１次元データをシーケンシャルに送信する送信システムを用いて、送信することが可能である。データセットとして、上記１次元データを２次元データに加工して、データセットにすることが可能である。例えば、Ｘ軸を時間とし、Ｙ軸が多数のデータ列とすると、同時刻における複数のパラメータデータが、一つのデータセットに加工処理される。２次元データは、２次元の画像データのようなものとして扱える。このメリットは、２次元データの転送とするため、１次元データの転送よりも少ない配線で、時間に関連付けられたデータとして授受でき、かつ、取扱いができることである。具体的には、１次元データをそのまま１信号１ラインにすると、多数の配線が必要となるが、２次元データの転送の場合、１本のラインにより複数の信号を送ることができる。また、複数本のラインを用いると、送信されたデータを受けるデータ処理装置７６８とのインターフェースが複雑となり、データ処理装置７６８におけるデータ再組立てが複雑となる。
また、このような時間に関連付けられた２次元データセットがあると、以前に行った標準的な研磨条件による研磨時のデータセットと、現時点で行っている標準的な研磨条件のデータセットの比較が容易となる。また、２次元データ相互の相違点を差分処理等により容易に知ることが可能となる。差があるところを抽出して、異常が起こっているセンサやパラメータ信号を検出することも容易となる。また、以前の標準的な研磨条件と現時点の研磨中のデータセットの比較を行い、周囲との差分が異なる部位のパラメータ信号の抽出による異常検知も容易となる。
次に、図２２により別の実施形態を説明する。図２２は、図２０の実施形態の変形例を示す図である。本実施形態は、半導体工場の例である。複数の基板処理装置７６４が工場内にある。研磨や終点検知を行う基板処理装置７６４に関しては、図１９〜図２１に示した機器や機能と同じものを有することができる。例えば、多数のセンサ（１０個以上で、種類数≧３ である。）を用いる終点検知では、センサ信号のデータ量が多量となる。このときに、データセットを作成して、データ解析及び研磨条件パラメータの更新を行うために、インターネットを用いて通信を行うと、通信に時間が掛る。そこで基板処理装置７６４と中間処理装置７７０を接続する通信回線Ｌ１は、高速光通信や高速無線通信等を行う高速通信機器を用いて行う。中間処理装置７７０は、センサ又は基板処理装置７６４の近くにあり、高速でセンサ又はセンサのコントローラからの信号を処理する。処理結果を反映したフィードバック又はフィードフォワードのパラメータ更新を行うための信号を基板処理装置７６４に高速で伝達する。基板処理装置７６４は、パラメータ更新の信号を受取って研磨処理を行い、また終点検知を行う。
基板処理装置７６４が、図２２に示すように、複数ある場合、工場内では各々の基板処理装置７６４からの信号を受取って、処理を行う第１の処理装置７７２があってもよい。第１の処理装置７７２は、中型のメモリと演算機能を有し、高速計算を行うことが可能である。第１の処理装置７７２は、自動学習機能を有して、データを蓄積しながら自動学習を行い、加工量均一性の向上や、終点検出精度向上等のためのパラメータ更新を行う。自動学習により、パラメータを最適値に近づけるパラメータ更新を継続して行うことが可能である。この場合、Ｉｎｓｉｔｕでオンライン処理を行う時は高速通信が必要であり、通信回線Ｌ１／通信回線Ｌ２は、例えば、高速光通信用通信回線である。この時例えば、データセット作成が中間処理装置７７０で行われ、データ解析やパラメータ更新は第１の処理装置７７２において行うことができる。そして、各々の基板処理装置７６４に更新パラメータ値を反映させるための信号を通信回線Ｌ１／通信回線Ｌ２により、基板処理装置７６４に送る。
又、研磨部相互の間を移動する間に均一性測定等を行うＩｎｌｉｎｅモニタリングのような、それほど高速性が必要とされない場合では、通信回線Ｌ２がインターネット通信用通信回線等の、比較的低速な通信回線で済む場合もある。初期研磨のデータを中間処理装置７７０において処理し、生成されたデータセットをインターネットにより第１の処理装置７７２に送る。第１の処理装置７７２は、解析及びパラメータ更新値を求め、更新データセットを作成する。第１の処理装置７７２は、それを中間処理装置７７０に送る。次の研磨部で本研磨を行う場合に、中間処理装置７７０にある更新データセットから反映された更新パラメータ値が基板処理装置７６４に送られ、それに従って研磨を行う。
工場外部と情報の授受を行う時は、第１の処理装置７７２からネットワーク７６６を用いて、工場外の第２の処理装置７７４又はパソコンなどの管理機器と、当該情報に関するデータのやり取りを行う。この場合、工場外の第２の処理装置７７４と通信を行う場合は、セキュリティを確保するために、当該情報に関するデータは暗号化される場合がある。又、当該情報に関するデータとしては、基板処理装置７６４のステータスに関連した情報を示すデータがある。又、基板処理装置７６４の消耗品の状態に関する情報のデータの授受を行い、その交換時期を外部の第２の処理装置７７４にて算出し、交換時期を顧客に知らせること、又は基板処理装置７６４上に表示することが可能である。
次に、図２３により別の実施形態を説明する。図２３は、図２０の実施形態の変形例を示す図である。本実施形態は、半導体工場の例である。複数の基板処理装置７６４が工場内にある。研磨や終点検知を行う基板処理装置７６４に関しては、図１９〜図２１に示した機器や機能と同じものを有することができる。図２２の実施形態と比べると、本実施形態では、基板処理装置７６４から、中間処理装置７７０を介さないで第１の処理装置７７２に接続される通信回線Ｌ３がある点で異なる。本形態の特徴は、多量のセンサ群からのデータから作成され、その作成に高速通信が必要なデータセットを形成するデータの通信に関しては、高速である通信回線Ｌ１および通信回線Ｌ２を用いた通信を利用することである。その他の、高速通信を必要としない制御パラメータの通信は、通信回線Ｌ３により、基板処理装置７６４を第１の処理装置７７２に接続して行う。例えば、搬送系・洗浄系・乾燥系等は、高速制御が必要でないパラメータ群を用いることができるため、これらの系に関しては、通信回線Ｌ３により、基板処理装置７６４を第１の処理装置７７２に接続して行う。基板処理装置７６４の稼働状況に応じて、高速通信・高速解析・高速通信用データセットが必要なパラメータ信号やセンサ信号を可変的に選んで、当該信号等を通信回線Ｌ１および通信回線Ｌ２を用いて送受信することとしてもよい。
本実施形態では、工場内にある第１の処理装置７７２に、通信回線Ｌ２と通信回線Ｌ３を用いて基板処理装置７６４からのデータを送り、データ解析・自動学習・パラメータ更新値作成等を行う。そして、第１の処理装置７７２は、各々の基板処理装置７６４に対して、次の工程における当該装置の制御パラメータを送る。本実施形態によれば、工場内に複数の基板処理装置７６４があるとき、第１の処理装置７７２は、複数の基板処理装置７６４からデータを受取り、データを処理して、各々の基板処理装置７６４に中間処理装置７７０を介して、処理結果を送ることが可能となる。
本実施形態を変更した別の形態としては、通信回線Ｌ２が無い形態も可能である。通信回線Ｌ２を用いないで、中間処理装置７７０にて処理が行われた高速処理状態のステータスに関するデータを、他の装置状態ステータスに関するデータと一緒に、通信回線Ｌ３を介して第１の処理装置７７２に送ることが可能である。この場合、通信回線Ｌ２に関する通信回線用配線が削減できる。つまり、高速データ処理及び高速制御を行う必要のあるところだけ、高速通信回線と高速の中間処理装置７７０によりデータ処理・自動学習・制御パラメータ更新を行い、基板処理装置７６４に処理結果を送る。高速データ処理及び高速制御に関するステータス信号と他のステータス信号を一緒にして、通信回線Ｌ３にて第１の処理装置７７２に送り、第１の処理装置７７２でデータ処理・自動学習・制御パラメータ更新を行い、各々の基板処理装置７６４に、処理結果を含む信号を送ることが可能である。図２３に示す形態およびそれを変更した別の形態では、複数の基板処理装置７６４に対して１個の第１の処理装置７７２により対応可能である。これらの形態では、工場外への通信については、図２２の形態と同様である。
次に、前述の図１９〜図２３に示すデータ処理及び制御形態におけるデータセットと自動学習、及びそれに関する演算の例について説明する。最初にデータセットの１例に関して説明する。データセットに関しては、研磨等の処理の進行に伴い、有効な制御パラメータの更新を行うために、処理に応じたデータセットを作成する必要がある。例えば、終点検出には、半導体の膜の特徴を効果的にとらえたセンサ信号を選択したデータセットを用いるとよい。研磨レシピを利用して、ウエハ上に形成された膜構造に対応したレシピ(研磨条件)選択が行われる。その時、膜構造に関して、次の特徴により、膜の分類を行うことが可能である。（１）酸化膜または絶縁膜を薄くする、（２）金属膜または導電膜を薄くする、（３）下層との境界面まで研磨する（導電層と絶縁層の境界面等）、（４）成膜部をパターン境界部まで研磨する（配線材料や絶縁材料の成膜後の不要部の研磨等）。この分類に対応して、データセットとしては、センサの種類について、全ての種類のセンサからのデータを取込んで作成する場合と、当該膜の研磨状態の検知に関して、膜に適した種類のセンサからのデータを選択して、データセットを作成する場合がある。
全ての種類のセンサからのデータを取込んで作成する場合のデータセットとしては、以下がある。例えば、ＴＣＭ（モータ電流変動測定）におけるトルクデータ（モータ電流等）、トップリング付アームのトルクデータ（搖動モータ電流等）、光学式センサ（ＳＯＰＭ等）データ、渦電流センサデータ、等のデータと、それらのデータを演算したデータ（微分データ等）、相関データ（微分したデータの絶対値等の高いデータと、低いデータの差分データ等）をセットにしたデータセットなどを作成する。
膜の研磨状態の検知に関して、膜に適した種類のセンサからのデータを選択して、データセットを作成する場合のデータセットとしては、以下がある。（１）酸化膜または絶縁膜を薄くする場合、膜厚変化に対して感度の高い光学式センサ信号は、演算したデータの値が高くなる。この場合、複数のデータを評価することにより、例えば、研磨時間を加算することにより、目標の研磨量を達成できたことと、終点の検知を行う。例えば、ＴＣＭによる測定値およびトップリング付アームトルクデータが安定していると、同一研磨レートによる研磨が達成されていると考えられる。光学式センサデータによる膜厚変化により、膜厚が、ある厚さに達した時点を基準とした時間カウントによる終点検知が精度よくできる。
（２）金属膜または導電膜を薄くする場合は、導電膜や金属膜の薄膜化を行うため、導電膜の膜厚変化に対して感度の高い渦電流センサと光学式センサの演算データが、膜厚が、ある厚さに達したことを判定する基準として用いられる。（１）と同様に、ＴＣＭによる測定値およびトップリング付アームトルクデータが安定している場合、目標値に近い膜厚での演算データ値の高い方を主として選択し、他方を従として選択する。主として選択したセンサのデータによる膜厚変化により、膜厚が、ある厚さに達した時点を基準とした時間カウントによる終点検知を行う。従として選択したセンサのデータにより、ズレなし確認（ほぼ目標領域に到達していることの確認）を行い、検知精度を高める。
従として選択したセンサのデータの使用方法としては、主であるセンサと従であるセンサの両方の目標値に優先割合係数(重み係数)を設けて、主であるセンサと従であるセンサとの影響割合を規定して、目標値を設定して終点検知を行うことも可能である。又、この時、回数を重ねるごとにデータを学習データとして利用して、判断機能（優先割合係数の変更等）において、学習による判断機能の更新を行い、より高い精度の終点検知となるよう改良していくことが可能である。
（３）下層との境界面まで研磨（過研磨）する場合は、ＴＣＭにおけるトルクデータ、トップリング付アームのトルクデータ、光学式センサのデータ、渦電流式センサのデータの全てにおいて変化が生じる。この時、ＴＣＭにおけるトルクデータとトップリング付アームトルクデータは、演算データでみると、境界面付近で急激な変化（パルス的な変化）を発生する。従って、境界面付近の研磨領域に近づいたことの判定を光学式センサのデータおよび／または渦電流式センサのデータで行う。次に、ＴＣＭにおけるトルクデータおよび／またはトップリング付アームのトルクデータの変化を確認した時点を基準に、所定時間経過後を終点検知時刻として再設定することが可能となる。このように過研磨を行う理由は、以下のとおりである。境界面まで研磨した時に、研磨残りがあると、例えば金属が埋め込まれた縦配線、例えばビアやプラグの底に酸化膜が残留していると、縦配線の抵抗値が高くなり、回路動作不良の原因となる。そのため、研磨残りがないように過研磨を行う。境界面において酸化膜は、研磨前は通常、小さな凹凸を有し、波状である。従って、小さな凹凸が存在することを考慮して、過研磨を行い、境界面にある酸化膜を除去する必要がある。過研磨を行う他の理由としては、研磨装置を、境界面に到達した時に急激に停止させることは、できないためである。そこで、前述の所定時間経過後を終点検知時刻として、過研磨を行い、研磨装置を停止させる。
再設定とは例えば、以下のような処理方法を指す。トップリング付アームトルクデータの信号波形変化量の閾値を、研磨開始時に仮基準として設定し、実際に波形検知を行った時点を基準として、所定時間を残りの研磨時間のカウント数として設定し、カウント数を、終点検知時刻の更新値として設定して、研磨を行うことが可能である。この時、ＴＣＭにおけるトルクデータおよび／またはトップリング付アームのトルクデータの内、感度の高い方を主、低い方を従として、（２）と同様に処理することが可能である。再設定の精度を上げるために、学習を利用して、研磨パラメータを設定することや、設定された研磨パラメータを更新することができる。また、再設定の精度を上げるために、複数のセンサを用いることができる。学習は、自動学習が可能であるが、一部マニュアルによる複合式の学習も可能である。
（４）成膜部をパターン境界部まで研磨（配線材料や絶縁材料の成膜後の不要部の研磨等）する場合は、（３）と同様である。但し、成膜部では、金属膜と絶縁膜が混在しているため、境界部のパターンと材料の影響を受けて、境界部以降の波形の変動は他に比べて大きい。渦電流センサのみ、又は光学式センサのみでは、終点検知が困難である。この様なときに、複数センサのデータから作成したデータセットと、それを用いた学習機能による精度改良と、優先割合係数による終点検知用カウント数の更新が有効となる。一つ又は２つのセンサ信号だけを用いた場合は、終点付近の精度の高いモニタリングが難しいので、複数種（３種以上）のセンサデータと、これらのデータから作成したデータセットを用いた終点検出が大変有効となる。このような多くのデータを利用するときは、学習により、精度改良作業の効率が向上する。
（４）の場合、全ての終点検知に係わるセンサ信号を用いてデータセットを作成するが、データセット作成時に有効なセンサデータを選択して、データセットを作成することも可能である。（１）、（２）、（３）の単純な膜構造の場合は特に有効となる。
以上、本発明の実施の形態および変形例を例示により説明したが、本発明の範囲はこれらに限定されるものではなく、請求項に記載された範囲内において目的に応じて変更・変形することが可能である。また、各実施の形態および変形例は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。
３Ａ〜３Ｄ 研磨ユニット
２６ 揺動トルクセンサ
３３０ 回転トルクセンサ
６５ 制御部
６７６Ａ 渦電流センサ
６７６Ｂ 光学式センサ
６７６Ｃ マイクロ波センサ
１００ 終点検知部（終点検知装置）
１１０ タイミング調整部
１２０ 判定部
１２１ 学習済みモデル
１３０ 第１研磨停止部
１４０ 第２研磨停止部

Claims (25)

  1. １つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデルを有し、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点が研磨終了を示す終点のタイミングであるか否かを推定して出力する判定部
    を備えたことを特徴とする終点検知装置。
  2. １つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデルを有し、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点から研磨終了を示す終点のタイミングまでの残り時間を推定して出力する判定部
    を備えたことを特徴とする終点検知装置。
  3. 前記判定部により現時点が終点のタイミングであると推定された場合に、研磨を止める制御信号を研磨ユニットに送信する第１研磨停止部
    をさらに備えたことを特徴とする請求項１に記載の終点検知装置。
  4. 前記判定部により推定された前記残り時間が経過した時に、研磨を止める制御信号を研磨ユニットに送信する第１研磨停止部
    をさらに備えたことを特徴とする請求項３に記載の終点検知装置。
  5. 前記判定部は、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点が研磨終了を示す終点のタイミングであるか否かを推定するとともに、現時点の研磨条件が正常であるか否かを推定して出力する
    ことを特徴とする請求項１または３に記載の終点検知装置。
  6. 前記第１研磨停止部は、前記判定部により、現時点の研磨条件が正常であり、かつ現時点が終点のタイミングであると推定された場合に、研磨を止める制御信号を研磨ユニットに送信する
    ことを特徴とする請求項３を引用する請求項５に記載の終点検知装置。
  7. 前記判定部は、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点から研磨終了を示す終点のタイミングまでの時間を推定するとともに、現時点の研磨条件が正常であるか否かを推定して出力する
    ことを特徴とする請求項２または４に記載の終点検知装置。
  8. 前記第１研磨停止部は、前記判定部により、現時点の研磨条件が正常であり、かつ前記残り時間がゼロであると推定された場合に、研磨を止める制御信号を研磨ユニットに送信する
    ことを特徴とする請求項４を引用する請求項７に記載の終点検知装置。
  9. 前記判定部により、現時点の研磨状態が異常であると判定された場合に、研磨を止める制御信号を研磨ユニットに送信するとともに警報を発する第２研磨停止部
    をさらに備えたことを特徴とする請求項５〜８のいずれかに記載の終点検知装置。
  10. 前記複数種類の終点検知センサは、研磨対象物に光を当てその反射率の変化を監視する光学式センサ、研磨対象物に磁力線を当てそこに発生する渦電流による磁力線の変化を監視する渦電流センサ、トップリングを揺動させる揺動機構に加わるトルクの変化を監視する揺動トルクセンサ、研磨テーブルを回転させる回転機構に加わるトルクの変化を監視する回転トルクセンサ、トップリングまたは研磨テーブルの振動を監視する振動センサ、研磨対象物と研磨パッドとの接触部分から発生する音の変化を監視する音センサのうちの２種類以上である
    ことを特徴とする請求項１〜９のいずれかに記載の終点検知装置。
  11. 前記学習済みモデルは、前記複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形と、当該過去の研磨時に取得された研磨開始から研磨終了までの研磨パッドの温度、スラリの温度、スラリの流量、トップリングの各圧力室の圧力、研磨パッドの使用回数のうちの１つ以上の補助情報との関係性を機械学習しており、
    前記判定部は、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データと研磨開始から現時点までに取得された前記補助情報とを入力として、現時点が終点のタイミングであるか否かを推定して出力する
    ことを特徴とする請求項１に記載の終点検知装置。
  12. 前記学習済みモデルは、前記複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形と、当該過去の研磨時に取得された研磨開始から研磨終了までの研磨パッドの温度、スラリの温度、スラリの流量、トップリングの各圧力室の圧力、研磨パッドの使用回数のうちの１つ以上の補助情報との関係性を機械学習しており、
    前記判定部は、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データと研磨開始から現時点までに取得された前記補助情報とを入力として、現時点から研磨終了を示す終点のタイミングまでの残り時間を推定して出力する
    ことを特徴とする請求項２に記載の終点検知装置。
  13. 前記複数種類の終点検知センサの各々から出力された計測データ間のタイミングを合わせてから判定部に入力するタイミング調整部
    をさらに備えたことを特徴とする請求項１〜１２のいずれかに記載の終点検知装置。
  14. 前記タイミング調整部は、前記複数種類の終点検知センサにタイミング同期信号を同時に入力し、前記複数の終点検知センサの各々から出力された計測データのうち前記タイミング同期信号に起因するパルス部分のタイミングを一致させることにより、前記計測データ間のタイミングを合わせる
    ことを特徴とする請求項１３に記載の終点検知装置。
  15. 前記学習済みモデルは、第１の研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習しているとともに、前記第１の研磨ユニットとは異なる第２の研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習している
    ことを特徴とする請求項１〜１４のいずれかに記載の終点検知装置。
  16. 前記第１の研磨ユニットと前記第２の研磨ユニットとは同一の工場内に設置されている
    ことを特徴とする請求項１５に記載の終点検知装置。
  17. 前記第１の研磨ユニットと前記第２の研磨ユニットとは互いに異なる工場内に設置されている
    ことを特徴とする請求項１５に記載の終点検知装置。
  18. １つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデルを用いて、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点が研磨終了を示す終点のタイミングであるか否かを推定して出力する判定ステップ
    を含むことを特徴とする終点検知方法。
  19. １つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデルを用いて、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点から研磨終了を示す終点のタイミングまでの残り時間を推定して出力する判定ステップ
    を含むことを特徴とする終点検知方法。
  20. コンピュータを、
    １つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデルを有し、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点が研磨終了を示す終点のタイミングであるか否かを推定して出力する判定部
    として機能させることを特徴とする終点検知プログラム。
  21. コンピュータを、
    １つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデルを有し、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点から研磨終了を示す終点のタイミングまでの残り時間を推定して出力する判定部
    として機能させることを特徴とする終点検知プログラム。
  22. コンピュータを、
    １つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデルを有し、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨中のリアルタイムの計測データを入力として、現時点が研磨終了を示す終点のタイミングであるか否かを推定して出力する判定部
    として機能させる終点検知プログラムを記録したコンピュータ読取可能な記録媒体。
  23. コンピュータを、
    １つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習した学習済みモデルを有し、前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データを入力として、現時点から研磨終了を示す終点のタイミングまでの残り時間を推定して出力する判定部
    として機能させる終点検知プログラムを記録したコンピュータ読取可能な記録媒体。
  24. 入力層と、入力層に接続された１または２以上の中間層と、中間層に接続され出力層とを有し、１つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から各時点までの計測データを入力層に入力し、それにより出力層から出力される出力結果と、当該時点が終点のタイミングであるか否かの情報とを比較し、その誤差に応じて各ノードのパラメータを更新する処理を、過去の研磨時の研磨開始から各時点までの計測データについて繰り返すことにより、前記複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習したものであり、
    前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データが入力層に入力されると、現時点が研磨終了を示す終点のタイミングであるか否かを推定して出力層から出力するよう、コンピュータを機能させるための学習済みモデル。
  25. 入力層と、入力層に接続された１または２以上の中間層と、中間層に接続され出力層とを有し、１つの研磨ユニットに設けられた複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から各時点までの計測データを入力層に入力し、それにより出力層から出力される出力結果と、当該時点から研磨終了を示す終点のタイミングまでの残り時間の情報とを比較し、その誤差に応じて各ノードのパラメータを更新する処理を、過去の研磨時の研磨開始から各時点までの計測データについて繰り返すことにより、前記複数種類の終点検知センサの各々から過去の研磨時に出力された研磨開始から研磨終了までの計測データの波形を機械学習したものであり、
    前記複数種類の終点検知センサの各々から新たな研磨時に出力された研磨開始から現時点までの計測データが入力層に入力されると、現時点から研磨終了を示す終点のタイミングまでの残り時間を推定して出力層から出力するよう、コンピュータを機能させるための学習済みモデル。
JP2019147856A 2019-08-09 2019-08-09 終点検知装置、終点検知方法 Pending JP2021028099A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2019147856A JP2021028099A (ja) 2019-08-09 2019-08-09 終点検知装置、終点検知方法
PCT/JP2020/029746 WO2021029264A1 (ja) 2019-08-09 2020-08-04 終点検知装置、終点検知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019147856A JP2021028099A (ja) 2019-08-09 2019-08-09 終点検知装置、終点検知方法

Publications (1)

Publication Number Publication Date
JP2021028099A true JP2021028099A (ja) 2021-02-25

Family

ID=74569438

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019147856A Pending JP2021028099A (ja) 2019-08-09 2019-08-09 終点検知装置、終点検知方法

Country Status (2)

Country Link
JP (1) JP2021028099A (ja)
WO (1) WO2021029264A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2023153208A1 (ja) * 2022-02-09 2023-08-17 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
WO2023189165A1 (ja) * 2022-03-30 2023-10-05 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

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009004442A (ja) * 2007-06-19 2009-01-08 Renesas Technology Corp 半導体ウェハの研磨方法
US9352440B2 (en) * 2014-04-30 2016-05-31 Applied Materials, Inc. Serial feature tracking for endpoint detection
JP6357260B2 (ja) * 2016-09-30 2018-07-11 株式会社荏原製作所 研磨装置、及び研磨方法
TWI807987B (zh) * 2016-11-30 2023-07-01 美商應用材料股份有限公司 使用神經網路的光譜監測
TWI789385B (zh) * 2017-04-21 2023-01-11 美商應用材料股份有限公司 使用神經網路來監測的拋光裝置
US11565365B2 (en) * 2017-11-13 2023-01-31 Taiwan Semiconductor Manufacturing Co., Ltd. System and method for monitoring chemical mechanical polishing

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2023153208A1 (ja) * 2022-02-09 2023-08-17 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
WO2023189165A1 (ja) * 2022-03-30 2023-10-05 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

Also Published As

Publication number Publication date
WO2021029264A1 (ja) 2021-02-18

Similar Documents

Publication Publication Date Title
TWI831836B (zh) 研磨裝置、研磨方法及機器學習裝置
JP6842505B2 (ja) 研磨装置、及び研磨方法
WO2021029264A1 (ja) 終点検知装置、終点検知方法
TW201828388A (zh) Rfid部件認證及處理組件的追蹤
US20130087098A1 (en) Method and system for endpoint detection
KR102622803B1 (ko) 연마 장치, 및 연마 방법
KR101699197B1 (ko) 인-시튜 프로파일 제어(ｉｓｐｃ)를 이용한 동적 잔류물 클리어링 제어
CN110030918B (zh) 磁性元件、使用其的涡电流式传感器、研磨装置、研磨方法以及计算机可读取记录介质
TWI496661B (zh) 用於光學監測之參考光譜的自動產生
JP7244250B2 (ja) 磁性素子、及びそれを用いた渦電流式センサ
TW202241640A (zh) 具備檢測器的量測晶圓、及其使用方法