JP2023148614A

JP2023148614A - 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

Info

Publication number: JP2023148614A
Application number: JP2022056743A
Authority: JP
Inventors: 健一武渕; Kenichi Takebuchi; 賢一郎斎藤; Kenichiro Saito
Original assignee: Ebara Corp
Current assignee: Ebara Corp
Priority date: 2022-03-30
Filing date: 2022-03-30
Publication date: 2023-10-13
Also published as: TW202347480A; WO2023189165A1

Abstract

【課題】基板処理装置の動作状態に応じて研磨パッドの状態を適切に予測する情報処理装置を提供する。【解決手段】情報処理装置５は、研磨パッドを回転可能に支持する研磨テーブル、研磨パッドに基板を押し付けるトップリング、研磨パッドに研磨流体を供給する研磨流体供給ノズル、研磨パッドをドレッシングするドレッサ及び研磨パッドに洗浄流体を噴射するアトマイザを備え、基板の化学機械研磨処理を行う基板処理装置が動作したときの動作状態として、トップリング状態情報、研磨テーブル状態情報、研磨流体供給ノズル状態情報、ドレッサ状態情報及びアトマイザ状態情報を含む動作状態情報を取得する情報取得部５００と、動作状態情報と研磨パッド状態情報との相関関係を機械学習により学習させた学習モデル１０Ａに、情報取得部が取得した動作状態情報を入力することで、当該動作状態情報に対する研磨パッド状態情報を予測する状態予測部５０１と、を備える。【選択図】図１３

Description

本発明は、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、
機械学習方法に関する。

半導体ウェハ等の基板に対して各種の処理を行う基板処理装置の１つとして、化学機械
研磨（ＣＭＰ：ＣｈｅｍｉｃａｌＭｅｃｈａｎｉｃａｌＰｏｌｉｓｈｉｎｇ）処理を
行う基板処理装置が知られている。基板処理装置では、例えば、研磨パッドを有する研磨
テーブルを回転させつつ、研磨流体供給ノズルから研磨パッドに研磨液（スラリー）を供
給した状態で、トップリングと呼ばれる研磨ヘッドにより基板を研磨パッドに押し付ける
ことで、基板は化学的かつ機械的に研磨される。そして、ドレッサにより研磨パッドのド
レッシングが行われ、さらにアトマイザから高圧の洗浄流体が研磨パッドに供給されて、
研磨パッド上に残留する研磨屑等が除去されることで、一連の処理が終了し、次の基板の
処理に移行する。

上記のような一連の処理が繰り返し行われると、研磨パッドの摩耗が徐々に進行するた
め、研磨パッドの交換が必要になるが、研磨パッドの交換時期は、例えば、研磨パッドの
累積使用時間により管理されていた（例えば、特許文献１参照）。

特開２０１１－２０４７２１号公報

特許文献１では、研磨パッドの累積使用時間は、トップリングにより基板を研磨パッド
に押し付けて基板を研磨する時間を累積することで求められる。しかしながら、研磨パッ
ドの状態は、トップリングによる研磨が行われる期間だけでなく、ドレッサによるドレッ
シングやアトマイザによる洗浄が行われる期間においても変動するため、累積使用時間に
よる管理だけでは研磨パッドの状態を詳細に把握することができない。

一方、基板処理装置が備えるトップリング、研磨テーブル、研磨流体供給ノズル、ドレ
ッサ及びアトマイザの各々の動作状態は、研磨パッドの状態に影響を与える要素であるが
、研磨パッドに対して複雑かつ相互に作用する。そのため、各動作状態が、研磨パッドの
状態にどのような影響を与えるのかを的確に解析することは困難である。

本発明は、上記の課題に鑑み、基板処理装置の動作状態に応じて研磨パッドの状態を適
切に予測することを可能とする情報処理装置、推論装置、機械学習装置、情報処理方法、
推論方法、及び、機械学習方法を提供することを目的とする。

上記目的を達成するために、本発明の一態様に係る情報処理装置は、
研磨パッドを回転可能に支持する研磨テーブル、前記研磨パッドに基板を押し付けるト
ップリング、前記研磨パッドに研磨流体を供給する研磨流体供給ノズル、ドレッサディス
クを回転可能に支持するとともに前記ドレッサディスクを前記研磨パッドに接触させて前
記研磨パッドをドレッシングするドレッサ、及び、前記研磨パッドに洗浄流体を噴射する
アトマイザを備え、前記基板の化学機械研磨処理を行う基板処理装置が動作したときの動
作状態として、前記トップリングの状態を示すトップリング状態情報、前記研磨テーブル
の状態を示す研磨テーブル状態情報、前記研磨流体供給ノズルの状態を示す研磨流体供給
ノズル状態情報、前記ドレッサの状態を示すドレッサ状態情報を含む動作状態情報、及び
、前記アトマイザの状態を示すアトマイザ状態情報を取得する情報取得部と、
前記動作状態情報と、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動
作したときの前記研磨パッドの状態を示す研磨パッド状態情報との相関関係を機械学習に
より学習させた学習モデルに、前記情報取得部により取得された前記動作状態情報を入力
することで、当該動作状態情報に対する前記研磨パッド状態情報を予測する状態予測部と
、を備える。

本発明の一態様に係る情報処理装置によれば、トップリング状態情報、研磨テーブル状
態情報、研磨流体供給ノズル状態情報、ドレッサ状態情報、及び、アトマイザ状態情報を
含む動作状態情報が学習モデルに入力されることで、当該動作状態情報に対する研磨パッ
ド状態情報が予測されるので、基板処理装置の動作状態に応じて研磨パッドの状態を適切
に予測することができる。

上記以外の課題、構成及び効果は、後述する発明を実施するための形態にて明らかにさ
れる。

基板処理システム１の一例を示す全体構成図である。基板処理装置２の一例を示す平面図である。第１乃至第４の研磨部２２Ａ～２２Ｄの一例を示す斜視図である。トップリング２２１の一例を模式的に示す断面図である。基板処理装置２の一例を示すブロック図である。コンピュータ９００の一例を示すハードウエア構成図である。データベース装置３により管理される生産履歴情報３０の一例を示すデータ構成図である。データベース装置３により管理される研磨試験情報３１の一例を示すデータ構成図である。第１の実施形態に係る機械学習装置４の一例を示すブロック図である。第１の学習モデル１０Ａ及び第１の学習用データ１１Ａの一例を示す図である。機械学習装置４による機械学習方法の一例を示すフローチャートである。第１の実施形態に係る情報処理装置５の一例を示すブロック図である。第１の実施形態に係る情報処理装置５の一例を示す機能説明図である。情報処理装置５による情報処理方法の一例を示すフローチャートである。第２の実施形態に係る機械学習装置４ａの一例を示すブロック図である。第２の学習モデル１０Ｂ及び第２の学習用データ１１Ｂの一例を示す図である。第２の実施形態に係る情報処理装置５ａとして機能する情報処理装置５ａの一例を示すブロック図である。第２の実施形態に係る情報処理装置５ａの一例を示す機能説明図である。

以下、図面を参照して本発明を実施するための実施形態について説明する。以下では、
本発明の目的を達成するための説明に必要な範囲を模式的に示し、本発明の該当部分の説
明に必要な範囲を主に説明することとし、説明を省略する箇所については公知技術による
ものとする。

（第１の実施形態）
図１は、基板処理システム１の一例を示す全体構成図である。本実施形態に係る基板処
理システム１は、半導体ウェハ等の基板（以下、「ウェハ」という）Ｗを研磨パッドに押
し付けることでウェハＷの表面を平坦に研磨する化学機械研磨処理（以下、「研磨処理」
という）、研磨処理後のウェハＷを洗浄具に接触させることでウェハＷの表面を洗浄する
洗浄処理等を含む一連の基板処理を管理するシステムとして機能する。

基板処理システム１は、その主要な構成として、基板処理装置２と、データベース装置
３と、機械学習装置４と、情報処理装置５と、ユーザ端末装置６とを備える。各装置２～
６は、例えば、汎用又は専用のコンピュータ（後述の図６参照）で構成されるとともに、
有線又は無線のネットワーク７に接続されて、各種のデータ（図１には一部のデータの送
受信を破線の矢印にて図示）を相互に送受信可能に構成される。なお、各装置２～６の数
やネットワーク７の接続構成は、図１の例に限られず、適宜変更してもよい。

基板処理装置２は、複数のユニットで構成されて、１又は複数のウェハＷに対する一連
の基板処理として、例えば、ロ―ド、研磨、洗浄、乾燥、膜厚測定、アンロード等の各処
理をそれぞれ行う装置である。その際、基板処理装置２は、各ユニットにそれぞれ設定さ
れた複数の装置パラメータからなる装置設定情報２６５と、研磨処理、洗浄処理、乾燥処
理の動作状態等を定める基板レシピ情報２６６とを参照しつつ、各ユニットの動作を制御
する。

基板処理装置２は、各ユニットの動作に応じて、各種のレポートＲをデータベース装置
３、ユーザ端末装置６等に送信する。各種のレポートＲには、例えば、基板処理が行われ
たときの対象となるウェハＷを特定する工程情報、各処理が行われたときの各ユニットの
状態を示す装置状態情報、基板処理装置２にて検出されたイベント情報、基板処理装置２
に対するユーザ（オペレータ、生産管理者、保守管理者等）の操作情報等が含まれる。

データベース装置３は、本生産用の研磨パッドを用いて基板処理が行われたときの履歴
に関する生産履歴情報３０と、試験用の研磨パッドを用いて研磨処理の試験（以下、「研
磨試験」という）が行われたときの履歴に関する研磨試験情報３１とを管理する装置であ
る。なお、データベース装置３には、上記の他に、装置設定情報２６５や基板レシピ情報
２６６が記憶されていてもよく、その場合には、基板処理装置２がこれらの情報を参照す
るようにしてもよい。

データベース装置３は、基板処理装置２が本生産用の研磨パッドを用いて基板処理を行
ったときに、基板処理装置２から各種のレポートＲを随時受信し、生産履歴情報３０に登
録することで、生産履歴情報３０には、基板処理に関するレポートＲが蓄積される。

データベース装置３は、基板処理装置２が試験用の研磨パッドを用いて研磨試験を行っ
たときに、基板処理装置２から各種のレポートＲ（装置状態情報を少なくとも含む）を随
時受信し、研磨試験情報３１に登録するとともに、その研磨試験の試験結果を対応付けて
登録することで、研磨試験情報３１には、研磨試験に関するレポートＲ及び試験結果が蓄
積される。研磨試験は、本生産用の基板処理装置２で行われてもよいし、基板処理装置２
と同様の研磨処理を再現可能な試験用の研磨試験装置（不図示）で行われてもよい。
試験用の研磨パッドや研磨試験装置には、研磨パッドのコンディションとして、例えば、
研磨パッドの研磨面上に存在する研磨屑の分布状態、研磨面の平面度、表面粗さ、温度、
湿潤度、及び、摩擦係数を測定するための各種の研磨パッド測定機器（不図示）が設けら
れ、研磨パッド測定機器の測定値が、試験結果として研磨試験情報３１に登録される。

機械学習装置４は、機械学習の学習フェーズの主体として動作し、例えば、データベー
ス装置３から研磨試験情報３１の一部を第１の学習用データ１１Ａとして取得し、情報処
理装置５にて用いられる第１の学習モデル１０Ａを機械学習により生成する。学習済みの
第１の学習モデル１０Ａは、ネットワーク７や記録媒体等を介して情報処理装置５に提供
される。

情報処理装置５は、機械学習の推論フェーズの主体として動作し、機械学習装置４によ
り生成された第１の学習モデル１０Ａを用いて、基板処理装置２による研磨処理が本生産
用の研磨パッドを用いて行われたときに、その研磨パッドの状態を予測し、その予測した
結果である研磨パッド状態情報をデータベース装置３、ユーザ端末装置６等に送信する。
情報処理装置５が研磨パッド状態情報を予測するタイミングとしては、研磨処理が行われ
た後（事後予測処理）でもよいし、研磨処理が行われている最中（リアルタイム予測処理
）でもよいし、研磨処理が行われる前（事前予測処理）でもよい。

ユーザ端末装置６は、ユーザが使用する端末装置であり、据置型の装置でもよいし、携
帯型の装置でもよい。ユーザ端末装置６は、例えば、アプリケーションプログラム、ウェ
ブブラウザ等の表示画面を介して各種の入力操作を受け付けるとともに、表示画面を介し
て各種の情報（例えば、イベントの通知、研磨パッド状態情報、生産履歴情報３０、研磨
試験情報３１等）を表示する。

（基板処理装置２）
図２は、基板処理装置２の一例を示す平面図である。基板処理装置２は、平面視で略矩
形状のハウジング２０の内部に、ロード／アンロードユニット２１と、研磨ユニット２２
と、基板搬送ユニット２３と、仕上げユニット２４と、膜厚測定ユニット２５と、制御ユ
ニット２６とを備えて構成される。ロード／アンロードユニット２１と、研磨ユニット２
２、基板搬送ユニット２３及び仕上げユニット２４との間は、第１の隔壁２００Ａにより
区画され、基板搬送ユニット２３と仕上げユニット２４との間は、第２の隔壁２００Ｂに
より区画されている。

（ロード／アンロードユニット）
ロード／アンロードユニット２１は、多数のウェハＷを上下方向に収納可能なウェハカ
セット（ＦＯＵＰ等）が載置される第１乃至第４のフロントロード部２１０Ａ～２１０Ｄ
と、ウェハカセットに収納されたウェハＷの収納方向（上下方向）に沿って上下移動可能
な搬送ロボット２１１と、第１乃至第４のフロントロード部２１０Ａ～２１０Ｄの並び方
向（ハウジング２０の短手方向）に沿って搬送ロボット２１１を移動させる水平移動機構
部２１２とを備える。

搬送ロボット２１１は、第１乃至第４のフロントロード部２１０Ａ～２１０Ｄの各々に
載置されたウェハカセット、基板搬送ユニット２３（具体的に、後述のリフタ２３２）、
仕上げユニット２４（具体的に、後述の第１及び第２の乾燥部２４Ｅ、２４Ｆ）、及び、
膜厚測定ユニット２５に対してアクセス可能に構成され、それらの間でウェハＷを受け渡
すための上下二段のハンド（不図示）を備える。下側ハンドは、処理前のウェハＷを受け
渡すときに使用され、上側ハンドは、処理後のウェハＷを受け渡すときに使用される。基
板搬送ユニット２３や仕上げユニット２４に対するウェハＷの受け渡しの際には、第１の
隔壁２００Ａに設けられたシャッタ（不図示）が開閉される。

（研磨ユニット）
研磨ユニット２２は、ウェハＷの研磨処理（平坦化）をそれぞれ行う第１乃至第４の研
磨部２２Ａ～２２Ｄを備える。第１乃至第４の研磨部２２Ａ～２２Ｄは、ハウジング２０
の長手方向に沿って並べられて配置される。

図３は、第１乃至第４の研磨部２２Ａ～２２Ｄの一例を示す斜視図である。第１乃至第
４の研磨部２２Ａ～２２Ｄの基本的な構成や機能は共通する。

第１乃至第４の研磨部２２Ａ～２２Ｄの各々は、研磨面を有する研磨パッド２２００を
回転可能に支持する研磨テーブル２２０と、ウェハＷを保持し、かつウェハＷを研磨テー
ブル２２０上の研磨パッド２２００に押圧しながら研磨するためのトップリング（研磨ヘ
ッド）２２１と、研磨パッド２２００に研磨流体を供給する研磨流体供給ノズル２２２と
、ドレッサディスク２２３０を回転可能に支持するとともにドレッサディスク２２３０を
研磨パッド２２００の研磨面に接触させて研磨パッド２２００をドレッシングするドレッ
サ２２３と、研磨パッド２２００に洗浄流体を噴射するアトマイザ２２４と、研磨処理が
行われるハウジング２０の内部空間の状態を測定する環境センサ２２５とを備える。

研磨テーブル２２０は、研磨テーブルシャフト２２０ａにより支持されて、その軸心周
りに研磨テーブル２２０を回転駆動させる回転移動機構部２２０ｂと、研磨パッド２２０
０の表面温度を調節する温調機構部２２０ｃとを備える。

トップリング２２１は、上下方向に移動可能なトップリングシャフト２２１ａに支持さ
れて、その軸心周りにトップリング２２１を回転駆動させる回転移動機構部２２１ｃと、
トップリング２２１を上下方向に移動させる上下移動機構部２２１ｄと、支持シャフト２
２１ｂを旋回中心にしてトップリング２２１を旋回（揺動）移動させる揺動移動機構部２
２１ｅとを備える。

研磨流体供給ノズル２２２は、支持シャフト２２２ａに支持されて、支持シャフト２２
２ａを旋回中心にして研磨流体供給ノズル２２２を旋回移動させる揺動移動機構部２２２
ｂと、研磨流体の流量を調節する流量調節部２２２ｃと、研磨流体の温度を調節する温調
機構部２２２ｄとを備える。研磨流体は、研磨液（スラリー）又は純水であり、さらに、
薬液を含むものでもよいし、研磨液に分散剤を添加したものでもよい。

ドレッサ２２３は、上下方向に移動可能なドレッサシャフト２２３ａに支持されて、そ
の軸心周りにドレッサ２２３を回転駆動させる回転移動機構部２２３ｃと、ドレッサ２２
３を上下方向に移動させる上下移動機構部２２３ｄと、支持シャフト２２３ｂを旋回中心
にしてドレッサ２２３を旋回移動させる揺動移動機構部２２３ｅとを備える。

アトマイザ２２４は、支持シャフト２２４ａに支持されて、支持シャフト２２４ａを旋
回中心にしてアトマイザ２２４を旋回移動させる揺動移動機構部２２４ｂと、洗浄流体の
流量を調節する流量調節部２２４ｃとを備える。研磨流体は、研磨液（スラリー）又は純
水であり、さらに、薬液を含むものでもよいし、研磨液に分散剤を添加したものでもよい
。

環境センサ２２５は、ハウジング２０の内部空間に配置されたセンサからなり、例えば
、内部空間の温度を計測する温度センサ２２５ａと、内部空間の湿度を計測する湿度セン
サ２２５ｂと、内部空間の気圧を計測する気圧センサ２２５ｃと、酸素濃度センサ２２５
ｄと、マイクロホン（音センサ）２２５ｅとを備える。なお、環境センサ２２５として、
研磨処理中や研磨処理の前後に、研磨パッド２２００の表面、温度分布、気流分布等を撮
影可能なカメラ（イメージセンサ）を備えていてもよい。カメラの撮影対象は、可視光に
限られず、赤外光や紫外光等でもよい。

なお、図３では、回転移動機構部２２０ｂ、２２１ｃ、２２３ｃ、上下移動機構部２２
１ｄ、２２３ｄ、及び、揺動移動機構部２２１ｅ、２２２ｂ、２２３ｅ、２２４ｂの具体
的な構成を省略しているが、例えば、モータ、エアシリンダ等の駆動力発生用のモジュー
ルと、リニアガイド、ボールねじ、ギヤ、ベルト、カップリング、軸受等の駆動力伝達機
構と、リニアセンサ、エンコーダセンサ、リミットセンサ、トルクセンサ等のセンサとを
適宜組み合わせて構成される。図３では、流量調節部２２２ｃ、２２４ｃの具体的な構成
を省略しているが、例えば、ポンプ、バルブ、レギュレータ等の流体調節用のモジュール
と、流量センサ、圧力センサ、液面センサ、温度センサ、流体濃度センサ、流体パーティ
クルセンサ等のセンサとを適宜組み合わせて構成される。図３では、温調機構部２２０ｃ
、２２２ｄの具体的な構成を省略しているが、例えば、ヒータ、熱交換器等の温度調節用
（接触式又は非接触式）のモジュールと、温度センサ、電流センサ等のセンサとを適宜組
み合わせて構成される。

図４は、トップリング２２１の一例を模式的に示す断面図である。トップリング２２１
は、トップリングシャフト２２１ａに取り付けられたトップリング本体２２１０と、トッ
プリング本体２２１０に収容された略円盤状のキャリア２２１１と、キャリア２２１１の
下側に配置されて、ウェハＷを研磨パッド２２００に対して押圧するメンブレン２２１２
と、キャリア２２１１及びメンブレン２２１２の外周に配置されて、研磨パッド２２００
を直接押圧する略円環状のリテーナリング２２１３と、トップリング本体２２１０及びリ
テーナリング２２１３の間に配置されて、リテーナリング２２１３を研磨パッド２２００
に対して押圧するリテーナリングエアバッグ２２１４とを備える。

メンブレン２２１２は、弾性膜で形成されており、その内部に、同心状の複数の隔壁２
２１２ｅを有することにより、トップリング本体２２１０の中心から外周方向に向かって
同心状に配置された第１乃至第４のメンブレン圧力室２２１２ａ～２２１２ｄを有する。
また、メンブレン２２１２は、その下面に、ウェハＷの吸着用の複数の孔２２１２ｆを有
し、ウェハＷを保持する基板保持面として機能する。リテーナリングエアバッグ２２１４
は、弾性膜で形成されており、その内部に、リテーナリング圧力室２２１４ａを有する。
なお、トップリング２２１の構成は適宜変更してもよく、キャリア２２１１全体を押圧す
る圧力室を備えるものでもよいし、メンブレン２２１２が有するメンブレン圧力室の数や
形状は適宜変更してもよいし、吸着用の孔２２１２ｆの数や配置は適宜変更してもよい。
また、メンブレン２２１２は、吸着用の孔２２１２ｆを有しないものでもよい。

第１乃至第４のメンブレン圧力室２２１２ａ～２２１２ｄには、第１乃至第４の流路２
２１６Ａ～２２１６Ｄがそれぞれ接続され、リテーナリング圧力室２２１４ａには、第５
の流路２２１６Ｅが接続される。第１乃至第５の流路２２１６Ａ～２２１６Ｅは、トップ
リングシャフト２２１ａに設けられたロータリージョイント２２１５を介して外部に連通
し、第１の分岐流路２２１７Ａ～２２１７Ｅと、第２の分岐流路２２１８Ａ～２２１８Ｅ
とにそれぞれ分岐される。第１乃至第５の流路２２１６Ａ～２２１６Ｅには、圧力センサ
ＰＡ～ＰＥがそれぞれ設置される。第１の分岐流路２２１７Ａ～２２１７Ｅは、バルブＶ
１Ａ～Ｖ１Ｅ、流量センサＦＡ～ＦＥ及び圧力レギュレータＲＡ～ＲＥを介して圧力流体
（空気、窒素等）のガス供給源ＧＳに接続される。第２の分岐流路２２１８Ａ～２２１８
Ｅは、それぞれバルブＶ２Ａ～Ｖ２Ｅを介して真空源ＶＳに接続されるとともに、バルブ
Ｖ３Ａ～Ｖ３Ｅを介して大気に連通可能に構成される。

ウェハＷは、トップリング２２１の下面に吸着保持されて、研磨テーブル２２０上の所
定の研磨位置に移動された後、研磨流体供給ノズル２２２から研磨流体が供給された研磨
パッド２２００の研磨面に対してトップリング２２１により押圧されることで研磨される
。その際、トップリング２２１は、圧力レギュレータＲＡ～ＲＥを独立に制御することで
、第１乃至第４のメンブレン圧力室２２１２ａ～２２１２ｄに供給する圧力流体によりウ
ェハＷを研磨パッド２２００に押圧する押圧力をウェハＷの領域毎に調整するとともに、
リテーナリング圧力室２２１４ａに供給する圧力流体によりリテーナリング２２１３を研
磨パッド２２００に押圧する押圧力を調整する。第１乃至第４のメンブレン圧力室２２１
２ａ～２２１２ｄ及びリテーナリング圧力室２２１４ａにそれぞれ供給される圧力流体の
圧力は、圧力センサＰＡ～ＰＥによりそれぞれ測定され、圧力気体の流量は、流量センサ
ＦＡ～ＦＥによりそれぞれ測定される。

（基板搬送ユニット）
基板搬送ユニット２３は、図２に示すように、第１乃至第４の研磨部２２Ａ～２２Ｄの
並び方向（ハウジング２０の長手方向）に沿って水平移動可能な第１及び第２のリニアト
ランスポータ２３０Ａ、２３０Ｂと、第１及び第２のリニアトランスポータ２３０Ａ、２
３０Ｂの間に配置されたスイングトランスポータ２３１と、ロード／アンロードユニット
２１側に配置されたリフタ２３２と、仕上げユニット２４側に配置されたウェハＷの仮置
き台２３３とを備える。

第１のリニアトランスポータ２３０Ａは、第１及び第２の研磨部２２Ａ、２２Ｂに隣接
して配置されて、４つの搬送位置（ロード／アンロードユニット２１側から順に第１乃至
第４の搬送位置ＴＰ１～ＴＰ４とする）の間でウェハＷを搬送する機構である。第２の搬
送位置ＴＰ２は、第１の研磨部２２Ａに対してウェハＷを受け渡す位置であり、第３の搬
送位置ＴＰ３は、第２の研磨部２２Ｂに対してウェハＷを受け渡す位置である。

第２のリニアトランスポータ２３０Ｂは、第３及び第４の研磨部２２Ｃ、２２Ｄに隣接
して配置されて、３つの搬送位置（ロード／アンロードユニット２１側から順に第５乃至
第７の搬送位置ＴＰ５～ＴＰ７とする）の間でウェハＷを搬送する機構である。第６の搬
送位置ＴＰ６は、第３の研磨部２２Ｃに対してウェハＷを受け渡す位置であり、第７の搬
送位置ＴＰ７は、第４の研磨部２２Ｄに対してウェハＷを受け渡す位置である。

スイングトランスポータ２３１は、第４及び第５の搬送位置ＴＰ４、ＴＰ５に隣接して
配置されるとともに、第４及び第５の搬送位置ＴＰ４、ＴＰ５の間を移動可能なハンドを
有する。スイングトランスポータ２３１は、第１及び第２のリニアトランスポータ２３０
Ａ、２３０Ｂの間でウェハＷを受け渡すとともに、仮置き台２３３にウェハＷを仮置きす
る機構である。リフタ２３２は、第１の搬送位置ＴＰ１に隣接して配置されて、ロード／
アンロードユニット２１の搬送ロボット２１１との間でウェハＷを受け渡す機構である。
ウェハＷの受け渡しの際、第１の隔壁２００Ａに設けられたシャッタ（不図示）が開閉さ
れる。

（仕上げユニット）
仕上げユニット２４は、図２に示すように、ロールスポンジ２４００を用いた基板洗浄
装置として、上下二段に配置された第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂ
と、ペンスポンジ２４０１を用いた基板洗浄装置として、上下二段に配置された第１及び
第２のペンスポンジ洗浄部２４Ｃ、２４Ｄと、洗浄後のウェハＷを乾燥させる基板乾燥装
置として、上下二段に配置された第１及び第２の乾燥部２４Ｅ、２４Ｆと、ウェハＷを搬
送する第１及び第２の搬送部２４Ｇ、２４Ｈとを備える。なお、ロールスポンジ洗浄部２
４Ａ、２４Ｂ、ペンスポンジ洗浄部２４Ｃ、２４Ｄ、乾燥部２４Ｅ、２４Ｆ、及び、搬送
部２４Ｇ、２４Ｈの数や配置は、図２の例に限られず、適宜変更してもよく、例えば、ロ
ールスポンジ洗浄部２４Ａ、２４Ｂとペンスポンジ洗浄部２４Ｃ、２４Ｄの位置を入れ替
えてもよい。

仕上げユニット２４の各部２４Ａ～２４Ｈは、それぞれが区画された状態で第１及び第
２のリニアトランスポータ２３０Ａ、２３０Ｂに沿って、例えば、第１及び第２のロール
スポンジ洗浄部２４Ａ、２４Ｂ、第１の搬送部２４Ｇ、第１及び第２のペンスポンジ洗浄
部２４Ｃ、２４Ｄ、第２の搬送部２４Ｈ、及び、第１及び第２の乾燥部２４Ｅ、２４Ｆの
順（ロード／アンロードユニット２１から遠い順）に配置される。仕上げユニット２４は
、研磨処理後のウェハＷに対して、第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂ
のいずれか又は両方による一次洗浄処理、第１及び第２のペンスポンジ洗浄部２４Ｃ、２
４Ｄのいずれか又は両方による二次洗浄処理、及び、第１及び第２の乾燥部２４Ｅ、２４
Ｆのいずれか又は両方による乾燥処理を順に行う。なお、仕上げユニット２４の各部２４
Ａ～２４Ｈによる処理の順序は適宜変更してもよいし、処理の一部を省略してもよく、例
えば、ロールスポンジ洗浄部２４Ａ、２４Ｂによる洗浄処理を省略して、ペンスポンジ洗
浄部２４Ｃ、２４Ｄによる洗浄処理から開始してもよい。また、仕上げユニット２４は、
ロールスポンジ洗浄部２４Ａ、２４Ｂ、及び、ペンスポンジ洗浄部２４Ｃ、２４Ｄのいず
れかに代えて又は加えて、バフ洗浄部（不図示）を備えることにより、バフ洗浄処理を行
うようにしてもよい。さらに、本実施形態では、仕上げユニット２４の各部２４Ａ～２４
Ｈは、ウェハＷを水平置きで保持（水平保持）するものであるが、ウェハＷを垂直保持又
は斜め保持するものでもよい。

（膜厚測定ユニット）
膜厚測定ユニット２５は、研磨処理前又は研磨処理後のウェハＷの膜厚を測定する測定
器であり、例えば、光学式膜厚測定器、渦電流式膜厚測定器等で構成される。各膜厚測定
モジュールに対するウェハＷの受け渡しは、搬送ロボット２１１により行われる。

（制御ユニット）
図５は、基板処理装置２の一例を示すブロック図である。制御ユニット２６は、各ユニ
ット２１～２５と電気的に接続されて、各ユニット２１～２５を統括的に制御する制御部
として機能する。以下では、研磨ユニット２２の制御系（モジュール、センサ、シーケン
サ）を例にして説明するが、他のユニット２１、２３～２５も基本的な構成や機能は共通
するため、説明を省略する。

研磨ユニット２２は、研磨ユニット２２が備える各サブユニット（例えば、研磨テーブ
ル２２０、トップリング２２１、研磨流体供給ノズル２２２、ドレッサ２２３、アトマイ
ザ２２４等）にそれぞれ配置されて、制御対象となる複数のモジュール２２７_１～２２７
_ｒと、複数のモジュール２２７_１～２２７_ｒにそれぞれ配置されて、各モジュール２２７
_１～２２７_ｒの制御に必要なデータ（検出値）を検出する複数のセンサ２２８_１～２２８
_ｓと、各センサ２２８_１～２２８_ｓの検出値に基づいて各モジュール２２７_１～２２７_ｒ
の動作を制御するシーケンサ２２９とを備える。

研磨ユニット２２のセンサ２２８_１～２２８_ｓには、例えば、研磨テーブル２２０の回
転数を検出するセンサ、研磨テーブル２２０の回転トルクを検出するセンサ、研磨パッド
２２００の表面温度を検出するセンサ、トップリング２２１の回転数を検出するセンサ、
トップリング２２１の回転トルクを検出するセンサ、トップリング２２１の揺動位置を検
出するセンサ、トップリング２２１の揺動速度を検出するセンサ、トップリング２２１の
揺動トルクを検出するセンサ、トップリング２２１の高さを検出するセンサ、トップリン
グ２２１の昇降トルクを検出するセンサ、第１乃至第４のメンブレン圧力室２２１２ａ～
２２１２ｄ及びリテーナリング圧力室２２１４ａ内の圧力（正圧及び負圧）を検出するセ
ンサ、第１乃至第４のメンブレン圧力室２２１２ａ～２２１２ｄ及びリテーナリング圧力
室２２１４ａに供給される圧力流体の流量を検出するセンサ、研磨流体供給ノズル２２２
から供給される研磨流体の流量を検出するセンサ、研磨流体供給ノズル２２２から供給さ
れる研磨流体の温度を検出するセンサ、研磨流体供給ノズル２２２による研磨流体の滴下
位置に変換可能な研磨流体供給ノズル２２２の揺動位置を検出するセンサ、研磨流体の濃
度を検出するセンサ、研磨流体の清浄度（例えば、研磨流体の廃液に含まれるパーティク
ルの濃度、粒子径、粒子径毎の粒子数）を検出するセンサ、ドレッサ２２３の回転数を検
出するセンサ、ドレッサ２２３の回転トルクを検出するセンサ、ドレッサ２２３の揺動位
置を検出するセンサ、ドレッサ２２３の揺動速度を検出するセンサ、ドレッサ２２３の揺
動トルクを検出するセンサ、ドレッサ２２３の高さを検出するセンサ、ドレッサディスク
２２３０を研磨パッドに接触させるときの押付荷重を検出するセンサ、アトマイザ２２４
から供給される洗浄流体の流量を検出するセンサ、アトマイザ２２４から供給される洗浄
流体の温度を検出するセンサ、アトマイザ２２４から供給される洗浄流体の圧力を検出す
るセンサ、アトマイザ２２４による洗浄流体の滴下位置に変換可能なアトマイザ２２４の
揺動位置を検出するセンサ、環境センサ２２５等が含まれる。

制御ユニット２６は、制御部２６０、通信部２６１、入力部２６２、出力部２６３、及
び、記憶部２６４を備える。制御ユニット２６は、例えば、汎用又は専用のコンピュータ
（後述の図６参照）で構成される。

通信部２６１は、ネットワーク７に接続され、各種のデータを送受信する通信インター
フェースとして機能する。入力部２６２は、各種の入力操作を受け付けるとともに、出力
部２６３は、表示画面、シグナルタワー点灯、ブザー音を介して各種の情報を出力するこ
とで、ユーザインターフェースとして機能する。

記憶部２６４は、基板処理装置２の動作で使用される各種のプログラム（オペレーティ
ングシステム（ＯＳ）、アプリケーションプログラム、ウェブブラウザ等）やデータ（装
置設定情報２６５、基板レシピ情報２６６等）を記憶する。装置設定情報２６５及び基板
レシピ情報２６６は、表示画面を介してユーザにより編集可能なデータである。

制御部２６０は、複数のシーケンサ２１９、２２９、２３９、２４９、２５９（以下、
「シーケンサ群」という）を介して複数のセンサ２１８_１～２１８_ｑ、２２８_１～２２８
_ｓ、２３８_１～２３８_ｕ、２４８_１～２４８_ｗ、２５８_１～２５８_ｙ（以下、「センサ群
」という）の検出値を取得するとともに、複数のモジュール２１７_１～２１７_ｐ、２２７
_１～２２７_ｒ、２３７_１～２３７_ｔ、２４７_１～２４７_ｖ、２５７_１～２５７_ｘ（以下、
「モジュール群」という）を連携して動作させることで、ロ―ド、研磨、洗浄、乾燥、膜
厚測定、アンロード等の一連の基板処理を行う。

（各装置のハードウエア構成）
図６は、コンピュータ９００の一例を示すハードウエア構成図である。基板処理装置２
の制御ユニット２６、データベース装置３、機械学習装置４、情報処理装置５、及び、ユ
ーザ端末装置６の各々は、汎用又は専用のコンピュータ９００により構成される。

コンピュータ９００は、図６に示すように、その主要な構成要素として、バス９１０、
プロセッサ９１２、メモリ９１４、入力デバイス９１６、出力デバイス９１７、表示デバ
イス９１８、ストレージ装置９２０、通信Ｉ／Ｆ（インターフェース）部９２２、外部機
器Ｉ／Ｆ部９２４、Ｉ／Ｏ（入出力）デバイスＩ／Ｆ部９２６、及び、メディア入出力部
９２８を備える。なお、上記の構成要素は、コンピュータ９００が使用される用途に応じ
て適宜省略されてもよい。

プロセッサ９１２は、１つ又は複数の演算処理装置（ＣＰＵ（ＣｅｎｔｒａｌＰｒｏ
ｃｅｓｓｉｎｇＵｎｉｔ）、ＭＰＵ（Ｍｉｃｒｏ－ｐｒｏｃｅｓｓｉｎｇｕｎｉｔ）
、ＤＳＰ（ｄｉｇｉｔａｌｓｉｇｎａｌｐｒｏｃｅｓｓｏｒ）、ＧＰＵ（Ｇｒａｐｈ
ｉｃｓＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）等）で構成され、コンピュータ９００全体を
統括する制御部として動作する。メモリ９１４は、各種のデータ及びプログラム９３０を
記憶し、例えば、メインメモリとして機能する揮発性メモリ（ＤＲＡＭ、ＳＲＡＭ等）と
、不揮発性メモリ（ＲＯＭ）、フラッシュメモリ等とで構成される。

入力デバイス９１６は、例えば、キーボード、マウス、テンキー、電子ペン等で構成さ
れ、入力部として機能する。出力デバイス９１７は、例えば、音（音声）出力装置、バイ
ブレーション装置等で構成され、出力部として機能する。表示デバイス９１８は、例えば
、液晶ディスプレイ、有機ＥＬディスプレイ、電子ペーパー、プロジェクタ等で構成され
、出力部として機能する。入力デバイス９１６及び表示デバイス９１８は、タッチパネル
ディスプレイのように、一体的に構成されていてもよい。ストレージ装置９２０は、例え
ば、ＨＤＤ、ＳＳＤ（ＳｏｌｉｄＳｔａｔｅＤｒｉｖｅ）等で構成され、記憶部とし
て機能する。ストレージ装置９２０は、オペレーティングシステムやプログラム９３０の
実行に必要な各種のデータを記憶する。

通信Ｉ／Ｆ部９２２は、インターネットやイントラネット等のネットワーク９４０（図
１のネットワーク７と同じであってもよい）に有線又は無線により接続され、所定の通信
規格に従って他のコンピュータとの間でデータの送受信を行う通信部として機能する。外
部機器Ｉ／Ｆ部９２４は、カメラ、プリンタ、スキャナ、リーダライタ等の外部機器９５
０に有線又は無線により接続され、所定の通信規格に従って外部機器９５０との間でデー
タの送受信を行う通信部として機能する。Ｉ／ＯデバイスＩ／Ｆ部９２６は、各種のセン
サ、アクチュエータ等のＩ／Ｏデバイス９６０に接続され、Ｉ／Ｏデバイス９６０との間
で、例えば、センサによる検出信号やアクチュエータへの制御信号等の各種の信号やデー
タの送受信を行う通信部として機能する。メディア入出力部９２８は、例えば、ＤＶＤド
ライブ、ＣＤドライブ等のドライブ装置で構成され、ＤＶＤ、ＣＤ等のメディア（非一時
的な記憶媒体）９７０に対してデータの読み書きを行う。

上記構成を有するコンピュータ９００において、プロセッサ９１２は、ストレージ装置
９２０に記憶されたプログラム９３０をメモリ９１４に呼び出して実行し、バス９１０を
介してコンピュータ９００の各部を制御する。なお、プログラム９３０は、ストレージ装
置９２０に代えて、メモリ９１４に記憶されていてもよい。プログラム９３０は、インス
トール可能なファイル形式又は実行可能なファイル形式でメディア９７０に記録され、メ
ディア入出力部９２８を介してコンピュータ９００に提供されてもよい。プログラム９３
０は、通信Ｉ／Ｆ部９２２を介してネットワーク９４０経由でダウンロードすることによ
りコンピュータ９００に提供されてもよい。また、コンピュータ９００は、プロセッサ９
１２がプログラム９３０を実行することで実現する各種の機能を、例えば、ＦＰＧＡ、Ａ
ＳＩＣ等のハードウエアで実現するものでもよい。

コンピュータ９００は、例えば、据置型コンピュータや携帯型コンピュータで構成され
、任意の形態の電子機器である。コンピュータ９００は、クライアント型コンピュータで
もよいし、サーバ型コンピュータやクラウド型コンピュータでもよい。コンピュータ９０
０は、各装置２～６以外の装置にも適用されてもよい。

（生産履歴情報３０）
図７は、データベース装置３により管理される生産履歴情報３０の一例を示すデータ構
成図である。生産履歴情報３０は、本生産用の研磨パッドを用いて基板処理が行われたと
きに取得されたレポートＲが分類されて登録されるテーブルとして、例えば、各ウェハＷ
に関するウェハ履歴テーブル３００と、研磨処理における装置状態情報に関する研磨履歴
テーブル３０１とを備える。なお、生産履歴情報３０は、上記の他に、洗浄処理における
装置状態情報に関する洗浄履歴テーブル、イベント情報に関するイベント履歴テーブル及
び操作情報に関する操作履歴テーブル等を備えるが、詳細な説明は省略する。

ウェハ履歴テーブル３００の各レコードには、例えば、ウェハＩＤ、カセット番号、ス
ロット番号、各工程の開始時刻、終了時刻、使用ユニットＩＤ等が登録される。なお、図
７では、研磨工程、洗浄工程が例示されているが、他の工程についても同様に登録される
。

研磨履歴テーブル３０１の各レコードには、例えば、ウェハＩＤ、トップリング状態情
報、研磨テーブル状態情報、研磨流体供給ノズル状態情報、ドレッサ状態情報、アトマイ
ザ状態情報、装置内環境情報、処理実績情報等が登録される。

トップリング状態情報は、研磨処理におけるトップリング２２１の状態を示す情報であ
る。トップリング状態情報は、例えば、トップリング２２１が有するセンサ群（又はモジ
ュール群）により所定の時間間隔でサンプリングされた各センサの検出値（又は各モジュ
ールへの指令値）である。

研磨テーブル状態情報は、研磨処理における研磨テーブル２２０の状態を示す情報であ
る。研磨テーブル状態情報は、例えば、研磨テーブル２２０が有するセンサ群（又はモジ
ュール群）により所定の時間間隔でサンプリングされた各センサの検出値（又は各モジュ
ールへの指令値）である。

研磨流体供給ノズル状態情報は、研磨処理における研磨流体供給ノズル２２２の状態を
示す情報である。研磨流体供給ノズル状態情報は、例えば、研磨流体供給ノズル２２２が
有するセンサ群（又はモジュール群）により所定の時間間隔でサンプリングされた各セン
サの検出値（又は各モジュールへの指令値）である。

ドレッサ状態情報は、研磨処理におけるドレッサ２２３の状態を示す情報である。ドレ
ッサ状態情報は、例えば、ドレッサ２２３が有するセンサ群（又はモジュール群）により
所定の時間間隔でサンプリングされた各センサの検出値（又は各モジュールへの指令値）
である。

アトマイザ状態情報は、研磨処理におけるアトマイザ２２４の状態を示す情報である。
アトマイザ状態情報は、例えば、アトマイザ２２４が有するセンサ群（又はモジュール群
）により所定の時間間隔でサンプリングされた各センサの検出値（又は各モジュールへの
指令値）である。

装置内環境情報は、ハウジング２０により形成された基板処理装置２の内部空間の状態
を示す情報である。基板処理装置２の内部空間は、研磨ユニット２２が配置された空間で
あり、装置内環境情報は、例えば、環境センサ２２５により所定の時間間隔でサンプリン
グされた各センサの検出値である。なお、基板処理装置２の内部空間は、研磨ユニット２
２が備える第１乃至第４の研磨部２２Ａ～２２Ｄ毎で区切られている場合には、環境セン
サ２２５は、第１乃至第４の研磨部２２Ａ～２２Ｄ毎に設置されており、装置内環境情報
は、第１乃至第４の研磨部２２Ａ～２２Ｄ毎に取得される。

処理実績情報は、研磨処理の実績を示す情報である。処理実績情報は、研磨パッド２２
００が交換されてからその研磨パッド２２００を用いて研磨処理が行われたときのウェハ
Ｗの累積使用枚数や累積使用時間を含む。

研磨履歴テーブル３０１を参照することで、ウェハＩＤで特定されるウェハＷに対して
研磨処理が行われたときの基板処理装置２の装置状態として、各センサの時系列データ（
又は各モジュールの時系列データ）が抽出可能である。

（研磨試験情報３１）
図８は、データベース装置３により管理される研磨試験情報３１の一例を示すデータ構
成図である。研磨試験情報３１は、試験用の研磨パッドや研磨試験装置を用いて研磨試験
が行われたときに取得されたレポートＲ及び試験結果が分類されて登録される研磨試験テ
ーブル３１０を備える。

研磨試験テーブル３１０の各レコードには、例えば、試験ＩＤ、トップリング状態情報
、研磨テーブル状態情報、研磨流体供給ノズル状態情報、ドレッサ状態情報、アトマイザ
状態情報、装置内環境情報、処理実績情報、試験結果情報等が登録される。研磨試験テー
ブル３１０のトップリング状態情報、研磨テーブル状態情報、研磨流体供給ノズル状態情
報、ドレッサ状態情報、アトマイザ状態情報、装置内環境情報、及び、処理実績情報は、
研磨試験における各部の状態を示す情報であり、そのデータ構成は、研磨履歴テーブル３
０１と同様であるため、詳細な説明を省略する。

試験結果情報は、研磨試験において研磨処理が行われたときの試験用の研磨パッドの状
態を示す情報である。試験結果情報は、試験用の研磨パッドや研磨試験装置に設けられた
研磨パッド測定機器により所定の時間間隔でサンプリングされた測定値である。図８に示
す試験結果情報は、研磨処理を開始してから終了するまでの研磨処理期間に含まれる各時
刻ｔ１，ｔ２，…，…ｔｍ，…，ｔｎにおける研磨屑の分布状態、研磨面の平面度、表面
粗さ、温度、湿潤度、及び、摩擦係数の各測定値Ｖ１～Ｖ４をそれぞれ含む。研磨屑には
、例えば、ウェハＷから削り取られた削り屑、消耗部材（研磨パッド、リテーナリング、
ドレッサディスク）の削り屑、研磨流体の残滓等が含まれる。なお、試験結果情報は、上
記のように、研磨パッド測定機器による測定結果である測定値でもよいし、環境センサ２
２５として設置されたカメラや光学式顕微鏡や走査電子顕微鏡（ＳＥＭ）に搭載されたカ
メラにより試験用の研磨パッドを所定の時間間隔で撮影し、その撮影した各画像に対して
画像処理を行った画像処理結果や実験者が解析した実験解析結果に基づくものでもよい。
また、試験結果情報は、研磨処理を開始してから終了するまでを連続して行った１回の研
磨試験にて収集されたものでもよいし、研磨処理を開始してから所定の時刻に到達するま
での研磨試験を所定の時刻を徐々に長くしながら繰り返し行うことで、複数回の研磨試験
にて収集されたものでもよい。

研磨試験テーブル３１０を参照することで、試験ＩＤで特定される研磨試験において、
試験用の研磨パッドを用いて研磨処理が行われたときの研磨ユニット２２の状態を示す時
系列データ（又は各モジュールの時系列データ）と、そのときの試験用の研磨パッドの状
態を示す時系列データとが抽出可能である。

（機械学習装置４）
図９は、第１の実施形態に係る機械学習装置４の一例を示すブロック図である。機械学
習装置４は、制御部４０、通信部４１、学習用データ記憶部４２、及び、学習済みモデル
記憶部４３を備える。

制御部４０は、学習用データ取得部４００及び機械学習部４０１として機能する。通信
部４１は、ネットワーク７を介して外部装置（例えば、基板処理装置２、データベース装
置３、情報処理装置５、及び、ユーザ端末装置６、研磨試験装置（不図示）等）と接続さ
れ、各種のデータを送受信する通信インターフェースとして機能する。

学習用データ取得部４００は、通信部４１及びネットワーク７を介して外部装置と接続
され、入力データとしての動作状態情報と、出力データとしての研磨パッド状態情報とで
構成される第１の学習用データ１１Ａを取得する。第１の学習用データ１１Ａは、教師あ
り学習における教師データ（トレーニングデータ）、検証データ及びテストデータとして
用いられるデータである。また、研磨パッド状態情報は、教師あり学習における正解ラベ
ルとして用いられるデータである。

学習用データ記憶部４２は、学習用データ取得部４００で取得した第１の学習用データ
１１Ａを複数組記憶するデータベースである。なお、学習用データ記憶部４２を構成する
データベースの具体的な構成は適宜設計すればよい。

機械学習部４０１は、学習用データ記憶部４２に記憶された複数組の第１の学習用デー
タ１１Ａを用いて機械学習を実施する。すなわち、機械学習部４０１は、第１の学習モデ
ル１０Ａに第１の学習用データ１１Ａを複数組入力し、第１の学習用データ１１Ａに含ま
れる動作状態情報と研磨パッド状態情報との相関関係を第１の学習モデル１０Ａに学習さ
せることで、学習済みの第１の学習モデル１０Ａを生成する。

学習済みモデル記憶部４３は、機械学習部４０１により生成された学習済みの第１の学
習モデル１０Ａ（具体的には、調整済みの重みパラメータ群）を記憶するデータベースで
ある。学習済みモデル記憶部４３に記憶された学習済みの第１の学習モデル１０Ａは、ネ
ットワーク７や記録媒体等を介して実システム（例えば、情報処理装置５）に提供される
。なお、図９では、学習用データ記憶部４２と、学習済みモデル記憶部４３とが別々の記
憶部として示されているが、これらは単一の記憶部で構成されてもよい。

なお、学習済みモデル記憶部４３に記憶される第１の学習モデル１０Ａの数は１つに限
定されず、例えば、機械学習の手法、ウェハＷの種類（サイズ、厚み、膜種等）、研磨パ
ッド２２００の種類、トップリング２２１の機構や材質の違い、メンブレン２２１２の種
類、リテーナリング２２１３の種類、研磨流体の種類、ドレッサディスク２３００の種類
、洗浄流体の種類、動作状態情報に含まれるデータの種類、研磨パッド状態情報に含まれ
るデータの種類等のように、条件が異なる複数の学習モデルが記憶されてもよい。その場
合には、学習用データ記憶部４２には、条件が異なる複数の学習モデルにそれぞれ対応す
るデータ構成を有する複数種類の学習用データが記憶されればよい。

図１０は、第１の学習モデル１０Ａ及び第１の学習用データ１１Ａの一例を示す図であ
る。第１の学習モデル１０Ａの機械学習に用いられる第１の学習用データ１１Ａは、動作
状態情報と研磨パッド状態情報とで構成される。

第１の学習用データ１１Ａを構成する動作状態情報は、基板処理装置２により行われる
ウェハＷの研磨処理におけるトップリング２２１の状態を示すトップリング状態情報、研
磨テーブル２２０の状態を示す研磨テーブル状態情報、研磨流体供給ノズル２２２の状態
を示す研磨流体供給ノズル状態情報、ドレッサ２２３の状態を示すドレッサ状態情報、及
び、アトマイザ２２４の状態を示すアトマイザ状態情報を含む。

動作状態情報に含まれるトップリング状態情報は、トップリング２２１の回転数、トッ
プリング２２１の回転トルク、トップリング２２１の揺動位置、トップリング２２１の揺
動トルク、トップリング２２１の高さ、トップリング２２１の昇降トルク、メンブレン圧
力室２２１２ａ～２２１２ｄ内の圧力（メンブレン圧力）、メンブレン圧力室２２１２ａ
～２２１２ｄに供給される圧力流体の流量（メンブレン流量）、メンブレン２２１２のコ
ンディション、リテーナリング圧力室２２１４ａ内の圧力（リテーナリングエアバッグ圧
力）、リテーナリング圧力室２２１４ａに供給される圧力流体の流量（リテーナリングエ
アバッグ流量）、及び、リテーナリング２２１３のコンディションの少なくとも１つを含
む。メンブレン２２１２のコンディションは、例えば、表面性状、伸縮状態、厚み等で表
され、メンブレン２２１２の使用状況（使用時間、交換の有無）、トップリング状態情報
、研磨テーブル状態情報等に基づいて設定される。リテーナリング２２１３のコンディシ
ョンは、例えば、表面性状、平面度、厚み、断面形状、内周部分の削れや汚れで表され、
リテーナリング２２１３の使用状況（使用時間、交換の有無）、トップリング状態情報、
研磨テーブル状態情報等に基づいて設定される。メンブレン２２１２及びリテーナリング
２２１３のコンディションは、例えば、研磨処理中に経時変化するものでもよい。

動作状態情報に含まれる研磨テーブル状態情報は、研磨テーブル２２０の回転数、研磨
テーブル２２０の回転トルク、研磨パッド２２００の表面温度、及び、研磨パッド２２０
０のコンディションの少なくとも１つを含む。研磨パッド２２００のコンディションは、
研磨パッド状態情報における対象時点よりも前の時点における研磨パッド２２００のコン
ディションを示すものであり、例えば、表面性状、平面度、清浄度、温度、湿潤度、摩擦
係数等で表され、研磨パッド２２００の使用状況（使用時間、使用時のメンブレン圧力や
リテーナリングエアバッグ圧力、ドレッシングの有無、交換の有無、研磨パッド２２００
の表面を撮影した画像）、トップリング状態情報、研磨テーブル状態情報、研磨流体供給
ノズル状態情報、ドレッサ状態情報、アトマイザ状態情報等に基づいて設定される。研磨
パッド２２００のコンディションは、例えば、研磨処理中に経時変化するものでもよい。

動作状態情報に含まれる研磨流体供給ノズル状態情報は、研磨流体の流量、研磨流体の
滴下位置、及び、研磨流体の温度の少なくとも１つを含む。なお、研磨流体が、複数種類
の研磨流体（例えば、研磨液、純水、薬液、分散剤等）である場合には、種類毎の流量、
種類毎の滴下位置、及び、種類毎の温度の少なくとも１つを含むものであればよく、例え
ば、研磨流体が、研磨液及び純水である場合には、研磨液の流量、研磨液の滴下位置、研
磨液の温度、純水の流量、純水の滴下位置、及び、純水の温度の少なくとも１つを含むも
のであればよい。

動作状態情報に含まれるドレッサ状態情報は、ドレッサ２２３の回転数、ドレッサ２２
３の回転トルク、ドレッサ２２３の揺動位置、ドレッサ２２３の揺動速度、ドレッサ２２
３の揺動トルク、ドレッサ２２３の高さ、ドレッサディスク２２３０を研磨パッド２２３
０に接触させるときの押付荷重、及び、ドレッサディスク２２３０のコンディションの少
なくとも１つを含む。ドレッサディスク２２３０のコンディションは、例えば、ドレッサ
ディスク２２３０の使用状況（使用時間、使用時の押付荷重、交換の有無、ドレッサディ
スク２２３０の表面を撮影した画像）に基づいて設定されたドレッサディスク２２３０の
消耗度合を表す。ドレッサディスク２２３０のコンディションは、例えば、研磨処理中に
経時変化するものでもよい。

動作状態情報に含まれるアトマイザ状態情報は、洗浄流体の流量、洗浄流体の滴下位置
、及び、洗浄流体の圧力の少なくとも１つを含む。

なお、動作状態情報は、研磨処理が行われる空間の環境を示す装置内環境情報をさらに
含むものでもよく、動作状態情報に含まれる装置内環境情報は、ハウジング２０により形
成された内部空間（第１乃至第４の研磨部２２Ａ～２２Ｄ毎）の温度、湿度、気圧、気流
、酸素濃度、及び、音の少なくとも１つを含む。また、動作状態情報は、研磨処理の実績
を示す処理実績情報をさらに含むものでもよく、動作状態情報に含まれる処理実績情報は
、例えば、研磨パッド２２００が交換されてからその研磨パッド２２００を用いて研磨処
理が行われたときのウェハＷの累積使用枚数、及び、累積使用時間の少なくとも１つを含
む。

第１の学習用データ１１Ａを構成する研磨パッド状態情報は、動作状態情報が示す動作
状態にて基板処理装置２が動作したときの研磨パッド２２００の状態を示す情報である。
本実施形態では、研磨パッド状態情報は、研磨パッド２２００の研磨面のコンディション
を示すコンディション情報である。コンディション情報は、例えば、研磨処理を開始して
から終了するまでの研磨処理期間（ウェハ１枚当たりの研磨処理に要する時間）に含まれ
る対象時点における研磨屑の分布状態、研磨面の平面度、表面粗さ、温度、湿潤度、及び
、摩擦係数の少なくとも１つを含む。研磨処理期間には、トップリング２２１がウェハＷ
を研磨パッド２２００に押し付ける動作、研磨流体供給ノズル２２２が研磨パッド２２０
０に研磨流体を供給する動作、ドレッサ２２３がドレッサディスク２２３０を研磨パッド
２２００に接触させて研磨パッド２２００をドレッシングする動作、及び、アトマイザ２
２４が洗浄流体を研磨パッド２２００に噴射する動作が含まれる。

学習用データ取得部４００は、研磨試験情報３１を参照するとともに、必要に応じてユ
ーザ端末装置６によるユーザの入力操作を受け付けることで、第１の学習用データ１１Ａ
を取得する。例えば、学習用データ取得部４００は、研磨試験情報３１の研磨試験テーブ
ル３１０を参照することで、試験ＩＤで特定される研磨試験が行われたときのトップリン
グ状態情報、研磨テーブル状態情報、研磨流体供給ノズル状態情報、ドレッサ状態情報、
及び、アトマイザ状態情報（トップリング２２１、研磨テーブル２２０、研磨流体供給ノ
ズル２２２、ドレッサ２２３及びアトマイザ２２４がそれぞれ有する各センサの時系列デ
ータ）を、動作状態情報として取得する。

なお、本実施形態では、動作状態情報を、図１０に示すようなセンサ群の時系列データ
として取得する場合について説明するが、研磨ユニット２２（特に、トップリング２２１
、研磨テーブル２２０、研磨流体供給ノズル２２２、ドレッサ２２３及びアトマイザ２２
４）の構成に応じて適宜変更してもよい。また、動作状態情報として、モジュールへの指
令値を用いてもよいし、センサの検出値又はモジュールへの指令値から換算されるパラメ
ータを用いてもよいし、複数のセンサの検出値に基づいて算出されるパラメータを用いて
もよい。さらに、動作状態情報は、研磨処理期間全体の時系列データとして取得されても
よいし、研磨処理期間の一部である対象期間の時系列データとして取得されてもよいし、
特定の対象時点における時点データとして取得されてもよい。上記のように、動作状態情
報の定義を変更する場合には、第１の学習モデル１０Ａ及び第１の学習用データ１１Ａに
おける入力データのデータ構成を適宜変更すればよい。

また、学習用データ取得部４００は、研磨試験情報３１の研磨試験テーブル３１０を参
照することで、同一の試験ＩＤで特定される研磨試験が行われたときの試験結果情報（研
磨パッド測定機器の時系列データ（図８））を、上記の動作状態情報に対する研磨パッド
状態情報として取得する。研磨パッド測定機器が、研磨パッド２２００の研磨面に対して
面的な測定が可能な測定機器である場合には、学習用データ取得部４００は、面的な測定
値を研磨パッド状態情報として取得する。

なお、本実施形態では、研磨パッド状態情報が、図１０に示すようなコンディション情
報である場合について説明するが、研磨屑の分布状態、研磨面の平面度、表面粗さ、温度
、湿潤度、及び、摩擦係数の少なくとも１つを含むものでもよい。また、研磨パッド状態
情報は、研磨パッド測定機器の測定値を所定の算出式に代入することで算出されてもよい
。さらに、動作状態情報が、例えば、研磨処理期間全体の時系列データ又は研磨処理期間
の一部である対象期間の時系列データとして取得されている場合には、研磨パッド状態情
報は、研磨処理期間全体の時系列データ又は対象期間の時系列データとして取得されても
よいし、研磨処理終了時点の時点データ又は対象時点の時点データとして取得されてもよ
い。また、動作状態情報が、例えば、特定の対象時点における時点データとして取得され
ている場合には、研磨パッド状態情報は、その特定の対象時点における時点データとして
取得されてもよい。上記のように、研磨パッド状態情報の定義を変更する場合には、第１
の学習モデル１０Ａ及び第１の学習用データ１１Ａにおける出力データのデータ構成を適
宜変更すればよい。

第１の学習モデル１０Ａは、例えば、ニューラルネットワークの構造を採用したもので
あり、入力層１００、中間層１０１、及び、出力層１０２を備える。各層の間には、各ニ
ューロンをそれぞれ接続するシナプス（不図示）が張られており、各シナプスには、重み
がそれぞれ対応付けられている。各シナプスの重みからなる重みパラメータ群が、機械学
習により調整される。

入力層１００は、入力データとしての動作状態情報に対応する数のニューロンを有し、
動作状態情報の各値が各ニューロンにそれぞれ入力される。出力層１０２は、出力データ
としての研磨パッド状態情報に対応する数のニューロンを有し、動作状態情報に対する研
磨パッド状態情報の予測結果（推論結果）が、出力データとして出力される。第１の学習
モデル１０Ａが、回帰モデルで構成される場合には、研磨パッド状態情報は、所定の範囲
（例えば、０～１）に正規化された数値でそれぞれ出力される。また、第１の学習モデル
１２Ａが、分類モデルで構成される場合には、研磨パッド状態情報は、各クラスに対する
スコア（確度）として、所定の範囲（例えば、０～１）に正規化された数値でそれぞれ出
力される。

（機械学習方法）
図１１は、機械学習装置４による機械学習方法の一例を示すフローチャートである。

まず、ステップＳ１００において、学習用データ取得部４００は、機械学習を開始する
ための事前準備として、研磨試験情報３１等から所望の数の第１の学習用データ１１Ａを
取得し、その取得した第１の学習用データ１１Ａを学習用データ記憶部４２に記憶する。
ここで準備する第１の学習用データ１１Ａの数については、最終的に得られる第１の学習
モデル１０Ａに求められる推論精度を考慮して設定すればよい。

次に、ステップＳ１１０において、機械学習部４０１は、機械学習を開始すべく、学習
前の第１の学習モデル１０Ａを準備する。ここで準備する学習前の第１の学習モデル１０
Ａは、図１０に例示したニューラルネットワークモデルで構成されており、各シナプスの
重みが初期値に設定されている。

次に、ステップＳ１２０において、機械学習部４０１は、学習用データ記憶部４２に記
憶された複数組の第１の学習用データ１１Ａから、例えば、ランダムに１組の第１の学習
用データ１１Ａを取得する。

次に、ステップＳ１３０において、機械学習部４０１は、１組の第１の学習用データ１
１Ａに含まれる動作状態情報（入力データ）を、準備された学習前（又は学習中）の第１
の学習モデル１０Ａの入力層１００に入力する。その結果、第１の学習モデル１０Ａの出
力層１０２から推論結果として研磨パッド状態情報（出力データ）が出力されるが、当該
出力データは、学習前（又は学習中）の第１の学習モデル１０Ａによって生成されたもの
である。そのため、学習前（又は学習中）の状態では、推論結果として出力された出力デ
ータは、第１の学習用データ１１Ａに含まれる研磨パッド状態情報（正解ラベル）とは異
なる情報を示す。

次に、ステップＳ１４０において、機械学習部４０１は、ステップＳ１２０において取
得された１組の第１の学習用データ１１Ａに含まれる研磨パッド状態情報（正解ラベル）
と、ステップＳ１３０において出力層から推論結果として出力された研磨パッド状態情報
（出力データ）とを比較し、各シナプスの重みを調整する処理（バックプロパゲーション
）を実施することで、機械学習を実施する。これにより、機械学習部４０１は、動作状態
情報と研磨パッド状態情報との相関関係を第１の学習モデル１０Ａに学習させる。

次に、ステップＳ１５０において、機械学習部４０１は、所定の学習終了条件が満たさ
れたか否かを、例えば、第１の学習用データ１１Ａに含まれる研磨パッド状態情報（正解
ラベル）と、推論結果として出力された研磨パッド状態情報（出力データ）とに基づく誤
差関数の評価値や、学習用データ記憶部４２内に記憶された未学習の第１の学習用データ
１１Ａの残数に基づいて判定する。

ステップＳ１５０において、機械学習部４０１が、学習終了条件が満たされておらず、
機械学習を継続すると判定した場合（ステップＳ１５０でＮｏ）、ステップＳ１２０に戻
り、学習中の第１の学習モデル１０Ａに対してステップＳ１２０～Ｓ１４０の工程を未学
習の第１の学習用データ１１Ａを用いて複数回実施する。一方、ステップＳ１５０におい
て、機械学習部４０１が、学習終了条件が満たされて、機械学習を終了すると判定した場
合（ステップＳ１５０でＹｅｓ）、ステップＳ１６０に進む。

そして、ステップＳ１６０において、機械学習部４０１は、各シナプスに対応付けられ
た重みを調整することで生成された学習済みの第１の学習モデル１０Ａ（調整済みの重み
パラメータ群）を学習済みモデル記憶部４３に記憶し、図１１に示す一連の機械学習方法
を終了する。機械学習方法において、ステップＳ１００が学習用データ記憶工程、ステッ
プＳ１１０～Ｓ１５０が機械学習工程、ステップＳ１６０が学習済みモデル記憶工程に相
当する。

以上のように、本実施形態に係る機械学習装置４及び機械学習方法によれば、トップリ
ング状態情報、研磨テーブル状態情報、研磨流体供給ノズル状態情報、ドレッサ状態情報
及びアトマイザ状態情報を含む動作状態情報から、当該研磨パッド２２００の状態を示す
研磨パッド状態情報を予測（推論）することが可能な第１の学習モデル１０Ａを提供する
ことができる。

（情報処理装置５）
図１２は、第１の実施形態に係る情報処理装置５の一例を示すブロック図である。図１
３は、第１の実施形態に係る情報処理装置５の一例を示す機能説明図である。情報処理装
置５は、制御部５０、通信部５１、及び、学習済みモデル記憶部５２を備える。

制御部５０は、情報取得部５００、状態予測部５０１及び出力処理部５０２として機能
する。通信部５１は、ネットワーク７を介して外部装置（例えば、基板処理装置２、デー
タベース装置３、機械学習装置４、及び、ユーザ端末装置６等）と接続され、各種のデー
タを送受信する通信インターフェースとして機能する。

情報取得部５００は、通信部５１及びネットワーク７を介して外部装置と接続され、ト
ップリング状態情報、研磨テーブル状態情報、研磨流体供給ノズル状態情報、ドレッサ状
態情報、及び、アトマイザ状態情報を含む動作状態情報を取得する。

例えば、研磨処理がすでに行われた後のウェハＷに対する研磨パッド状態情報の「事後
予測処理」を行う場合には、情報取得部５００は、生産履歴情報３０の研磨履歴テーブル
３０１を参照することで、そのウェハＷに対して研磨処理が行われたときのトップリング
状態情報、研磨テーブル状態情報、研磨流体供給ノズル状態情報、ドレッサ状態情報、及
び、アトマイザ状態情報を、動作状態情報として取得する。研磨処理が行われている最中
のウェハＷに対する研磨パッド状態情報の「リアルタイム予測処理」を行う場合には、情
報取得部５００は、その研磨処理を行っている基板処理装置２から装置状態情報に関する
レポートＲを随時受信することで、そのウェハＷに対して研磨処理が行われている最中の
トップリング状態情報、研磨テーブル状態情報、研磨流体供給ノズル状態情報、ドレッサ
状態情報、及び、アトマイザ状態情報を、動作状態情報として随時取得する。研磨処理が
行われる前のウェハＷに対する研磨パッド状態情報の「事前予測処理」を行う場合には、
情報取得部５００は、その研磨処理を行う予定の基板処理装置２から基板レシピ情報２６
６を受信し、その基板レシピ条件２６６に従って研磨ユニット２２が動作するときの装置
状態情報をシミュレーションすることで、そのウェハＷに対して研磨処理が行われるとき
のトップリング状態情報、研磨テーブル状態情報、研磨流体供給ノズル状態報、ドレッサ
状態情報、及び、アトマイザ状態情報を、動作状態情報として取得する。

状態予測部５０１は、上記のように、情報取得部５００により取得された動作状態情報
を入力データとして第１の学習モデル１０Ａに入力することで、当該動作状態情報が示す
動作状態にて基板処理装置２が動作したときの研磨パッドの状態を示す研磨パッド状態情
報（本実施形態では、コンディション情報）を予測する。

学習済みモデル記憶部５２は、状態予測部５０１にて用いられる学習済みの第１の学習
モデル１０Ａを記憶するデータベースである。なお、学習済みモデル記憶部５２に記憶さ
れる第１の学習モデル１０Ａの数は１つに限定されず、例えば、機械学習の手法、ウェハ
Ｗの種類（サイズ、厚み、膜種等）、研磨パッド２２００の種類、トップリング２２１の
機構や材質の違い、メンブレン２２１２の種類、リテーナリング２２１３の種類、研磨流
体の種類、ドレッサディスク２３００の種類、洗浄流体の種類、動作状態情報に含まれる
データの種類、研磨パッド状態情報に含まれるデータの種類等のように、条件が異なる複
数の学習済みモデルが記憶され、選択的に利用可能としてもよい。また、学習済みモデル
記憶部５２は、外部コンピュータ（例えば、サーバ型コンピュータやクラウド型コンピュ
ータ）の記憶部で代用されてもよく、その場合には、状態予測部５０１は、当該外部コン
ピュータにアクセスすればよい。

出力処理部５０２は、状態予測部５０１により生成された研磨パッド状態情報を出力す
るための出力処理を行う。例えば、出力処理部５０２は、その研磨パッド状態情報を基板
処理装置２やユーザ端末装置６に送信することで、その研磨パッド状態情報に基づく表示
画面が基板処理装置２やユーザ端末装置６に表示されてもよいし、その研磨パッド状態情
報をデータベース装置３に送信することで、その研磨パッド状態情報が生産履歴情報３０
に登録されてもよい。

（情報処理方法）
図１４は、情報処理装置５による情報処理方法の一例を示すフローチャートである。以
下では、ユーザがユーザ端末装置６を操作して、特定のウェハＷに対する研磨パッド状態
情報の「事後予測処理」を行う場合の動作例について説明する。

まず、ステップＳ２００において、ユーザが、ユーザ端末装置６に対して、予測対象の
ウェハＷを特定するウェハＩＤを入力する入力操作を行うと、ユーザ端末装置６は、その
ウェハＩＤを情報処理装置５に送信する。

次に、ステップＳ２１０において、情報処理装置５の情報取得部５００は、ステップＳ
２００にて送信されたウェハＩＤを受信する。ステップＳ２１１において、情報取得部５
００は、ステップＳ２１０で受信したウェハＩＤを用いて生産履歴情報３０の研磨履歴テ
ーブル３０１を参照することで、そのウェハＩＤで特定されたウェハＷに対して研磨処理
が行われたときの動作状態情報を取得する。

次に、ステップＳ２２０において、状態予測部５０１は、ステップＳ２１１にて取得さ
れた動作状態情報を入力データとして第１の学習モデル１０Ａに入力することで、当該動
作状態情報に対する研磨パッド状態情報を出力データとして生成し、その研磨パッド２２
００の状態を予測する。

次に、ステップＳ２３０において、出力処理部５０２は、ステップＳ２２０にて生成さ
れた研磨パッド状態情報を出力するための出力処理として、その研磨パッド状態情報をユ
ーザ端末装置６に送信する。なお、研磨パッド状態情報の送信先は、ユーザ端末装置６に
加えて又は代えて、データベース装置３でもよい。

次に、ステップＳ２４０において、ユーザ端末装置６は、ステップＳ２００の送信処理
に対する応答として、ステップＳ２３０にて送信された研磨パッド状態情報を受信すると
、その研磨パッド状態情報に基づいて表示画面を表示することで、その研磨パッド２２０
０の状態がユーザにより視認される。上記の情報処理方法において、ステップＳ２１０、
Ｓ２１１が情報取得工程、ステップＳ２２０が状態予測工程、ステップＳ２３０が出力処
理工程に相当する。

以上のように、本実施形態に係る情報処理装置５及び情報処理方法によれば、研磨処理
における、トップリング状態情報、研磨テーブル状態情報、研磨流体供給ノズル状態情報
、ドレッサ状態情報、及び、アトマイザ状態情報を含む動作状態情報が第１の学習モデル
１０Ａに入力されることで、当該動作状態情報に対する研磨パッド状態情報（コンディシ
ョン情報）が予測されるので、基板処理装置２の動作状態に応じて研磨パッド２２００の
状態を適切に予測することができる。

（第２の実施形態）
第２の実施形態は、研磨パッド状態情報が、研磨パッド２２００の余寿命を示す余寿命
情報、及び、研磨パッド２２００の研磨品質を示す研磨品質情報の少なくとも１つである
点で第１の実施形態と相違する。以下では、第２の実施形態に係る機械学習装置４ａ及び
情報処理装置５ａについて、第１の実施形態と異なる部分を中心に説明する。

図１５は、第２の実施形態に係る機械学習装置４ａの一例を示すブロック図である。図
１６は、第２の学習モデル１０Ｂ及び第２の学習用データ１１Ｂの一例を示す図である。
第２の学習用データ１１Ｂは、第２の学習モデル１０Ｂの機械学習に用いられる。

第２の学習用データ１１Ｂを構成する研磨パッド状態情報は、研磨パッド２２００の余
寿命を示す余寿命情報、及び、研磨パッド２２００の研磨品質を示す研磨品質情報の少な
くとも１つである。研磨パッド２２００の余寿命は、例えば、研磨パッド２２００が寿命
に到達するまでの使用可能回数や使用可能時間にて定められる。研磨パッド２２００の研
磨品質は、例えば、研磨レート、研磨プロファイル、残膜といったウェハＷの研磨の度合
に関する研磨度合情報や、スクラッチやコロージョンといったウェハＷの欠損（ディフェ
クト）の程度や有無に関する基板欠損情報等で定められる。なお、第２の学習用データ１
１Ｂを構成する動作状態情報は、第１の実施形態と同様であるため、説明を省略する。

学習用データ取得部４００は、研磨試験情報３１を参照するとともに、必要に応じてユ
ーザ端末装置６によるユーザの入力操作を受け付けることで、第２の学習用データ１１Ｂ
を取得する。研磨試験情報３１には、例えば、試験結果情報として、試験用の研磨パッド
や研磨試験装置を用いて繰り返し研磨処理が行われた場合に、研磨パッド２２００の寿命
に到達したときの余寿命情報には、「０」が設定され、過去に遡るほど大きな値が設定さ
れた余寿命情報と、光学式顕微鏡や走査電子顕微鏡（ＳＥＭ）等の計測機器にて計測され
た研磨品質情報が登録されている。そして、学習用データ取得部４００は、研磨試験情報
３１の研磨試験テーブル３１０から試験ＩＤで特定される研磨試験が行われたときの試験
結果情報を取得することで、余寿命情報及び研磨品質情報を取得する。

機械学習部４０１は、第２の学習モデル１０Ｂに第２の学習用データ１１Ｂを複数組入
力し、第２の学習用データ１１Ｂに含まれる動作状態情報と研磨パッド状態情報（余寿命
情報及び研磨品質情報の少なくとも１つ）との相関関係を第２の学習モデル１０Ｂに学習
させることで、学習済みの第２の学習モデル１０Ｂを生成する。

図１７は、第２の実施形態に係る情報処理装置５ａとして機能する情報処理装置５ａの
一例を示すブロック図である。図１８は、第２の実施形態に係る情報処理装置５ａの一例
を示す機能説明図である。

情報取得部５００は、第１の実施形態と同様に、トップリング状態情報、研磨テーブル
状態情報、研磨流体供給ノズル状態情報、ドレッサ状態情報、及び、アトマイザ状態情報
を含む動作状態情報を取得する。

状態予測部５０１は、上記のように、情報取得部５００により取得された動作状態情報
を入力データとして第２の学習モデル１０Ｂに入力することで、当該動作状態情報が示す
動作状態にて基板処理装置２が動作したときの研磨パッドの状態を示す研磨パッド状態情
報（余寿命情報及び研磨品質情報の少なくとも１つ）を予測する。

出力処理部５０２は、第１の実施形態と同様に、状態予測部５０１により生成された研
磨パッド状態情報（余寿命情報及び研磨品質情報の少なくとも１つ）を出力するための出
力処理を行う。例えば、出力処理部５０２は、その研磨パッド状態情報を基板処理装置２
やユーザ端末装置６に送信することで、その研磨パッド状態情報に基づく表示画面が基板
処理装置２やユーザ端末装置６に表示されてもよいし、その研磨パッド状態情報をデータ
ベース装置３に送信することで、その研磨パッド状態情報が生産履歴情報３０に登録され
てもよい。その際、出力処理部５０２は、例えば、余寿命情報が示す研磨パッド２２００
の余寿命が所定の予告基準回数や予告基準時間を下回った場合や、研磨品質情報が示す研
磨品質が所定の基準品質を下回った場合には、研磨パッド２２００の交換予告、交換作業
の手順書、交換作業に要する時間、交換部品の価格等を表示するための情報を基板処理装
置２やユーザ端末装置６に送信するようにしてもよい。また、出力処理部５０２は、基板
処理装置２が研磨パッド２２００を自動で交換する機能を有する場合には、研磨パッド２
２００を自動で交換する指令を基板処理装置２に送信するようにしてもよいし、研磨パッ
ド２２００の交換部品の発注を指示する指令を、研磨パッド２２００の在庫を管理する在
庫管理装置（不図示）に送信するようにしてもよい。

以上のように、本実施形態に係る情報処理装置５ａ及び情報処理方法によれば、研磨処
理における、トップリング状態情報、研磨テーブル状態情報、研磨流体供給ノズル状態情
報、ドレッサ状態情報、及び、アトマイザ状態情報を含む動作状態情報が第２の学習モデ
ル１０Ｂに入力されることで、当該動作状態情報に対する研磨パッド状態情報（余寿命情
報及び研磨品質情報の少なくとも１つ）が予測されるので、基板処理装置２の動作状態に
応じて研磨パッド２２００の状態を適切に予測することができる。

（他の実施形態）
本発明は上述した実施形態に制約されるものではなく、本発明の主旨を逸脱しない範囲
内で種々変更して実施することが可能である。そして、それらはすべて、本発明の技術思
想に含まれるものである。

上記実施形態では、データベース装置３、機械学習装置４及び情報処理装置５は、別々
の装置で構成されたものとして説明したが、それら３つの装置が、単一の装置で構成され
ていてもよいし、それら３つの装置のうち任意の２つの装置が、単一の装置で構成されて
いてもよい。また、機械学習装置４及び情報処理装置５の少なくとも一方は、基板処理装
置２の制御ユニット２６又はユーザ端末装置６に組み込まれていてもよい。

上記実施形態では、基板処理装置２が、各ユニット２１～２５を備えるものとして説明
したが、基板処理装置２は、研磨ユニット２２を少なくとも備えていればよく、他のユニ
ットは省略されていてもよい。

上記実施形態では、機械学習部４０１による機械学習を実現する学習モデルとして、ニ
ューラルネットワークを採用した場合について説明したが、他の機械学習のモデルを採用
してもよい。他の機械学習のモデルとしては、例えば、決定木、回帰木等のツリー型、バ
ギング、ブースティング等のアンサンブル学習、再帰型ニューラルネットワーク、畳み込
みニューラルネットワーク、ＬＳＴＭ等のニューラルネット型(ディープラーニングを含
む)、階層型クラスタリング、非階層型クラスタリング、ｋ近傍法、ｋ平均法等のクラス
タリング型、主成分分析、因子分析、ロジスティク回帰等の多変量解析、サポートベクタ
ーマシン等が挙げられる。

（機械学習プログラム及び情報処理プログラム）
本発明は、機械学習装置４が備える各部としてコンピュータ９００を機能させるプログ
ラム（機械学習プログラム）や、機械学習方法が備える各工程をコンピュータ９００に実
行させるためのプログラム（機械学習プログラム）の態様で提供することもできる。また
、本発明は、情報処理装置５が備える各部としてコンピュータ９００を機能させるための
プログラム（情報処理プログラム）や、上記実施形態に係る情報処理方法が備える各工程
をコンピュータ９００に実行させるためのプログラム（情報処理プログラム）の態様で提
供することもできる。

（推論装置、推論方法及び推論プログラム）
本発明は、上記実施形態に係る情報処理装置５（情報処理方法又は情報処理プログラム
）の態様によるもののみならず、研磨パッド状態情報を推論するために用いられる推論装
置（推論方法又は推論プログラム）の態様で提供することもできる。その場合、推論装置
（推論方法又は推論プログラム）としては、メモリと、プロセッサとを含み、このうちの
プロセッサが、一連の処理を実行するものとすることができる。当該一連の処理とは、動
作状態情報を取得する情報取得処理（情報取得工程）と、情報取得処理にて動作状態情報
を取得すると、当該動作状態情報が示す動作状態にて基板処理装置が動作したときの研磨
パッドの状態を示す研磨パッド状態情報（コンディション情報、余寿命情報又は研磨品質
情報）を推論する推論処理（推論工程）とを含む。

推論装置（推論方法又は推論プログラム）の態様で提供することで、情報処理装置を実
装する場合に比して簡単に種々の装置への適用が可能となる。推論装置（推論方法又は推
論プログラム）が研磨パッド状態情報を推論する際、上記実施形態に係る機械学習装置及
び機械学習方法により生成された学習済みの学習モデルを用いて、状態予測部が実施する
推論手法を適用してもよいことは、当業者にとって当然に理解され得るものである。

１…基板処理システム、２…基板処理装置、３…データベース装置、
４、４ａ…機械学習装置、５、５ａ…情報処理装置、
６…ユーザ端末装置、７…ネットワーク、
１０Ａ…第１の学習モデル、１０Ｂ…第２の学習モデル、
１１Ａ…第１の学習用データ、１１Ｂ…第２の学習用データ、
２０…ハウジング、２１…ロード／アンロードユニット、
２２…研磨ユニット、２２Ａ～２２Ｄ…研磨部、２３…基板搬送ユニット、
２４…仕上げユニット、２５…膜厚測定ユニット、２６…制御ユニット、
３０…生産履歴情報、３１…研磨試験情報、
４０…制御部、４１…通信部、４２…学習用データ記憶部、
４３…学習済みモデル記憶部、
５０…制御部、５１…通信部、５２…学習済みモデル記憶部、
２２０…研磨テーブル、２２１…トップリング、２２２…研磨流体供給ノズル、
２２３…ドレッサ、２２４…アトマイザ、２２５…環境センサ
２６０…制御部、２１…通信部、２６２…入力部、２６３…出力部、２６４…記憶部、
３００…ウェハ履歴テーブル、３０１…研磨履歴テーブル、３１０…研磨試験テーブル、
４００…学習用データ取得部、４０１…機械学習部、
５００…情報取得部、５０１…状態予測部、５０２…出力処理部、
９００…コンピュータ
２２００…研磨パッド、２２１０…トップリング本体、２２１１…キャリア、
２２１２…メンブレン、２２１２ａ～２２１２ｄ…メンブレン圧力室、
２２１３…リテーナリング、２２１４…リテーナリングエアバッグ、
２２１４ａ…リテーナリング圧力室、２２３０…ドレッサディスク

Claims

研磨パッドを回転可能に支持する研磨テーブル、前記研磨パッドに基板を押し付けるト
ップリング、前記研磨パッドに研磨流体を供給する研磨流体供給ノズル、ドレッサディス
クを回転可能に支持するとともに前記ドレッサディスクを前記研磨パッドに接触させて前
記研磨パッドをドレッシングするドレッサ、及び、前記研磨パッドに洗浄流体を噴射する
アトマイザを備え、前記基板の化学機械研磨処理を行う基板処理装置が動作したときの動
作状態として、前記トップリングの状態を示すトップリング状態情報、前記研磨テーブル
の状態を示す研磨テーブル状態情報、前記研磨流体供給ノズルの状態を示す研磨流体供給
ノズル状態情報、前記ドレッサの状態を示すドレッサ状態情報を含む動作状態情報、及び
、前記アトマイザの状態を示すアトマイザ状態情報を取得する情報取得部と、
前記動作状態情報と、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動
作したときの前記研磨パッドの状態を示す研磨パッド状態情報との相関関係を機械学習に
より学習させた学習モデルに、前記情報取得部により取得された前記動作状態情報を入力
することで、当該動作状態情報に対する前記研磨パッド状態情報を予測する状態予測部と
、を備える、
情報処理装置。
前記トップリングは、
回転移動機構部、上下移動機構部及び揺動移動機構部により移動されるトップリング
本体と、
前記トップリング本体に収容されて、メンブレン圧力室に供給される圧力流体に応じ
て前記基板を前記研磨パッドに押圧するメンブレンと、
前記メンブレンの外周に配置されて、リテーナリング圧力室に供給される圧力流体に
応じて前記研磨パッドを押圧するリテーナリングとを備え、
前記動作状態情報に含まれる前記トップリング状態情報は、
前記トップリングの回転数、
前記トップリングの回転トルク、
前記トップリングの揺動位置、
前記トップリングの揺動速度、
前記トップリングの揺動トルク、
前記トップリングの高さ、
前記トップリングの昇降トルク、
前記メンブレン圧力室内の圧力、
前記メンブレン圧力室に供給される前記圧力流体の流量、
前記メンブレンのコンディション、
前記リテーナリング圧力室内の圧力、
前記リテーナリング圧力室に供給される前記圧力流体の流量、及び、
前記リテーナリングのコンディションの少なくとも１つを含む、
請求項１に記載の情報処理装置。
前記動作状態情報に含まれる前記研磨テーブル状態情報は、
前記研磨テーブルの回転数、
前記研磨テーブルの回転トルク、
前記研磨パッドの表面温度、及び、
前記研磨パッドのコンディションの少なくとも１つを含む、
請求項１又は請求項２に記載の情報処理装置。
前記動作状態情報に含まれる前記研磨流体供給ノズル状態情報は、
前記研磨流体の流量、
前記研磨流体の滴下位置、
前記研磨流体の温度、
前記研磨流体の濃度、及び、
前記研磨流体の清浄度の少なくとも１つを含む、
請求項１乃至請求項３のいずれか一項に記載の情報処理装置。
前記ドレッサは、
回転移動機構部、上下移動機構部及び揺動移動機構部により移動される前記ドレッサ
ディスクを備え、
前記動作状態情報に含まれる前記ドレッサ状態情報は、
前記ドレッサの回転数、
前記ドレッサの回転トルク、
前記ドレッサの揺動位置、
前記ドレッサの揺動速度、
前記ドレッサの揺動トルク、
前記ドレッサの高さ、
前記ドレッサディスクを前記研磨パッドに接触させるときの押付荷重、及び、
前記ドレッサディスクのコンディションの少なくとも１つを含む、
請求項１乃至請求項４のいずれか一項に記載の情報処理装置。
前記動作状態情報に含まれる前記アトマイザ状態情報は、
前記洗浄流体の流量、
前記洗浄流体の滴下位置、及び、
前記洗浄流体の圧力の少なくとも１つを含む、
請求項１乃至請求項５のいずれか一項に記載の情報処理装置。
前記動作状態情報は、
前記化学機械研磨処理が行われる空間の環境を示す装置内環境情報をさらに含み、
前記動作状態情報に含まれる前記装置内環境情報は、
前記空間の温度、
前記空間の湿度、
前記空間の気圧、
前記空間の気流、
前記空間の酸素濃度、及び、
前記空間の音の少なくとも１つを含む、
請求項１乃至請求項６のいずれか一項に記載の情報処理装置。
前記動作状態情報は、
前記化学機械研磨処理の実績を示す処理実績情報をさらに含み
前記動作状態情報に含まれる前記処理実績情報は、
前記化学機械研磨処理が行われた前記基板の枚数を含む、
請求項１乃至請求項７のいずれか一項に記載の情報処理装置。
前記研磨パッド状態情報は、
前記研磨パッドの研磨面のコンディションを示すコンディション情報であり、
前記コンディション情報は、
前記研磨面上の研磨屑の分布状態、
前記研磨面の平面度、
前記研磨面の表面粗さ、
前記研磨面の温度、
前記研磨面の湿潤度、及び、
前記研磨面の摩擦係数の少なくとも１つを含む、
請求項１乃至請求項８のいずれか一項に記載の情報処理装置。
前記研磨パッド状態情報は、
前記研磨パッドの余寿命を示す余寿命情報、及び、
前記研磨パッドの研磨品質を示す研磨品質情報の少なくとも１つを含む、
請求項１乃至請求項８のいずれか一項に記載の情報処理装置。
メモリと、プロセッサとを備える推論装置であって、
前記プロセッサは、
研磨パッドを回転可能に支持する研磨テーブル、前記研磨パッドに基板を押し付ける
トップリング、前記研磨パッドに研磨流体を供給する研磨流体供給ノズル、ドレッサディ
スクを回転可能に支持するとともに前記ドレッサディスクを前記研磨パッドに接触させて
前記研磨パッドをドレッシングするドレッサ、及び、前記研磨パッドに洗浄流体を噴射す
るアトマイザを備え、前記基板の化学機械研磨処理を行う基板処理装置が動作したときの
動作状態として、前記トップリングの状態を示すトップリング状態情報、前記研磨テーブ
ルの状態を示す研磨テーブル状態情報、前記研磨流体供給ノズルの状態を示す研磨流体供
給ノズル状態情報、前記ドレッサの状態を示すドレッサ状態情報を含む動作状態情報、及
び、前記アトマイザの状態を示すアトマイザ状態情報を取得する情報取得処理と、
前記情報取得処理にて前記動作状態情報を取得すると、当該動作状態情報が示す前記
動作状態にて前記基板処理装置が動作したときの前記研磨パッドの状態を示す研磨パッド
状態情報を推論する推論処理と、を実行する、
推論装置。
研磨パッドを回転可能に支持する研磨テーブル、前記研磨パッドに基板を押し付けるト
ップリング、前記研磨パッドに研磨流体を供給する研磨流体供給ノズル、ドレッサディス
クを回転可能に支持するとともに前記ドレッサディスクを前記研磨パッドに接触させて前
記研磨パッドをドレッシングするドレッサ、及び、前記研磨パッドに洗浄流体を噴射する
アトマイザを備え、前記基板の化学機械研磨処理を行う基板処理装置が動作したときの動
作状態として、前記トップリングの状態を示すトップリング状態情報、前記研磨テーブル
の状態を示す研磨テーブル状態情報、前記研磨流体供給ノズルの状態を示す研磨流体供給
ノズル状態情報、前記ドレッサの状態を示すドレッサ状態情報を含む動作状態情報、及び
、前記アトマイザの状態を示すアトマイザ状態情報と、当該動作状態情報が示す前記動作
状態にて前記基板処理装置が動作したときの前記研磨パッドの状態を示す研磨パッド状態
情報とで構成される学習用データを複数組記憶する学習用データ記憶部と、
複数組の前記学習用データを学習モデルに入力することで、前記動作状態情報と前記研
磨パッド状態情報との相関関係を前記学習モデルに学習させる機械学習部と、
前記機械学習部により前記相関関係を学習させた前記学習モデルを記憶する学習済みモ
デル記憶部と、を備える、
機械学習装置。
研磨パッドを回転可能に支持する研磨テーブル、前記研磨パッドに基板を押し付けるト
ップリング、前記研磨パッドに研磨流体を供給する研磨流体供給ノズル、ドレッサディス
クを回転可能に支持するとともに前記ドレッサディスクを前記研磨パッドに接触させて前
記研磨パッドをドレッシングするドレッサ、及び、前記研磨パッドに洗浄流体を噴射する
アトマイザを備え、前記基板の化学機械研磨処理を行う基板処理装置が動作したときの動
作状態として、前記トップリングの状態を示すトップリング状態情報、前記研磨テーブル
の状態を示す研磨テーブル状態情報、前記研磨流体供給ノズルの状態を示す研磨流体供給
ノズル状態情報、前記ドレッサの状態を示すドレッサ状態情報を含む動作状態情報、及び
、前記アトマイザの状態を示すアトマイザ状態情報を取得する情報取得工程と、
前記動作状態情報と、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動
作したときの前記研磨パッドの状態を示す研磨パッド状態情報との相関関係を機械学習に
より学習させた学習モデルに、前記情報取得工程により取得された前記動作状態情報を入
力することで、当該動作状態情報に対する前記研磨パッド状態情報を予測する状態予測工
程と、を備える、
情報処理方法。
メモリと、プロセッサとを備える推論装置により実行される推論方法であって、
前記プロセッサは、
研磨パッドを回転可能に支持する研磨テーブル、前記研磨パッドに基板を押し付ける
トップリング、前記研磨パッドに研磨流体を供給する研磨流体供給ノズル、ドレッサディ
スクを回転可能に支持するとともに前記ドレッサディスクを前記研磨パッドに接触させて
前記研磨パッドをドレッシングするドレッサ、及び、前記研磨パッドに洗浄流体を噴射す
るアトマイザを備え、前記基板の化学機械研磨処理を行う基板処理装置が動作したときの
動作状態として、前記トップリングの状態を示すトップリング状態情報、前記研磨テーブ
ルの状態を示す研磨テーブル状態情報、前記研磨流体供給ノズルの状態を示す研磨流体供
給ノズル状態情報、前記ドレッサの状態を示すドレッサ状態情報を含む動作状態情報、及
び、前記アトマイザの状態を示すアトマイザ状態情報を取得する情報取得工程と、
前記情報取得工程にて前記動作状態情報を取得すると、当該動作状態情報が示す前記
動作状態にて前記基板処理装置が動作したときの前記研磨パッドの状態を示す研磨パッド
状態情報を推論する推論工程と、を実行する、
推論方法。
研磨パッドを回転可能に支持する研磨テーブル、前記研磨パッドに基板を押し付けるト
ップリング、前記研磨パッドに研磨流体を供給する研磨流体供給ノズル、ドレッサディス
クを回転可能に支持するとともに前記ドレッサディスクを前記研磨パッドに接触させて前
記研磨パッドをドレッシングするドレッサ、及び、前記研磨パッドに洗浄流体を噴射する
アトマイザを備え、前記基板の化学機械研磨処理を行う基板処理装置が動作したときの動
作状態として、前記トップリングの状態を示すトップリング状態情報、前記研磨テーブル
の状態を示す研磨テーブル状態情報、前記研磨流体供給ノズルの状態を示す研磨流体供給
ノズル状態情報、前記ドレッサの状態を示すドレッサ状態情報を含む動作状態情報、及び
、前記アトマイザの状態を示すアトマイザ状態情報と、当該動作状態情報が示す前記動作
状態にて前記基板処理装置が動作したときの前記研磨パッドの状態を示す研磨パッド状態
情報とで構成される学習用データを学習用データ記憶部に複数組記憶する学習用データ記
憶工程と、
複数組の前記学習用データを学習モデルに入力することで、前記動作状態情報と前記研
磨パッド状態情報との相関関係を前記学習モデルに学習させる機械学習工程と、
前記機械学習工程により前記相関関係を学習させた前記学習モデルを学習済みモデル記
憶部に記憶する学習済みモデル記憶工程と、を備える、
機械学習方法。