KR102421919B1 - 기판 처리 장치, 기판 처리 방법, 기판 처리 시스템, 및 학습용 데이터의 생성 방법 - Google Patents

기판 처리 장치, 기판 처리 방법, 기판 처리 시스템, 및 학습용 데이터의 생성 방법 Download PDF

Info

Publication number
KR102421919B1
KR102421919B1 KR1020200182990A KR20200182990A KR102421919B1 KR 102421919 B1 KR102421919 B1 KR 102421919B1 KR 1020200182990 A KR1020200182990 A KR 1020200182990A KR 20200182990 A KR20200182990 A KR 20200182990A KR 102421919 B1 KR102421919 B1 KR 102421919B1
Authority
KR
South Korea
Prior art keywords
substrate
processing
learning
nozzle
speed
Prior art date
Application number
KR1020200182990A
Other languages
English (en)
Other versions
KR20210084305A (ko
Inventor
히데지 나오하라
타카시 오타
타카시 이케우치
야스노리 나카무라
Original Assignee
가부시키가이샤 스크린 홀딩스
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
Priority claimed from JP2020194253A external-priority patent/JP7542417B2/ja
Application filed by 가부시키가이샤 스크린 홀딩스 filed Critical 가부시키가이샤 스크린 홀딩스
Publication of KR20210084305A publication Critical patent/KR20210084305A/ko
Priority to KR1020220086041A priority Critical patent/KR20220104117A/ko
Application granted granted Critical
Publication of KR102421919B1 publication Critical patent/KR102421919B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/302—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to change their surface-physical characteristics or shape, e.g. etching, polishing, cutting
    • H01L21/306—Chemical or electrical treatment, e.g. electrolytic etching
    • H01L21/30604—Chemical etching
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67017—Apparatus for fluid treatment
    • H01L21/67063—Apparatus for fluid treatment for etching
    • H01L21/67075—Apparatus for fluid treatment for etching for wet etching
    • H01L21/6708—Apparatus for fluid treatment for etching for wet etching using mainly spraying means, e.g. nozzles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05C—APPARATUS FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05C11/00—Component parts, details or accessories not specifically provided for in groups B05C1/00 - B05C9/00
    • B05C11/10—Storage, supply or control of liquid or other fluent material; Recovery of excess liquid or other fluent material
    • B05C11/1002—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves
    • B05C11/1015—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves responsive to a conditions of ambient medium or target, e.g. humidity, temperature ; responsive to position or movement of the coating head relative to the target
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05C—APPARATUS FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05C11/00—Component parts, details or accessories not specifically provided for in groups B05C1/00 - B05C9/00
    • B05C11/10—Storage, supply or control of liquid or other fluent material; Recovery of excess liquid or other fluent material
    • B05C11/1002—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves
    • B05C11/1026—Valves
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/31—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to form insulating layers thereon, e.g. for masking or by using photolithographic techniques; After treatment of these layers; Selection of materials for these layers
    • H01L21/3205—Deposition of non-insulating-, e.g. conductive- or resistive-, layers on insulating layers; After-treatment of these layers
    • H01L21/321—After treatment
    • H01L21/3213—Physical or chemical etching of the layers, e.g. to produce a patterned layer from a pre-deposited extensive layer
    • H01L21/32133—Physical or chemical etching of the layers, e.g. to produce a patterned layer from a pre-deposited extensive layer by chemical means only
    • H01L21/32134—Physical or chemical etching of the layers, e.g. to produce a patterned layer from a pre-deposited extensive layer by chemical means only by liquid etching only
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67017—Apparatus for fluid treatment
    • H01L21/67028—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like
    • H01L21/6704—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like for wet cleaning or washing
    • H01L21/67051—Apparatus for fluid treatment for cleaning followed by drying, rinsing, stripping, blasting or the like for wet cleaning or washing using mainly spraying means, e.g. nozzles
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67276—Production flow monitoring, e.g. for increasing throughput
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/683—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping
    • H01L21/687—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches
    • H01L21/68714—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches the wafers being placed on a susceptor, stage or support
    • H01L21/68764—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches the wafers being placed on a susceptor, stage or support characterised by a movable susceptor, stage or support, others than those only rotating on their own vertical axis, e.g. susceptors on a rotating caroussel
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Manufacturing & Machinery (AREA)
  • Power Engineering (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Chemical & Material Sciences (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Cleaning Or Drying Semiconductors (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Feedback Control In General (AREA)
  • Image Analysis (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

본 발명은, 기판 처리 장치, 기판 처리 방법, 기판 처리 시스템, 및 학습용 데이터의 생성 방법을 제공한다. 기판 처리 장치(100)는, 노즐(41), 이동 기구(6), 기억부(103), 및 제어부(102)를 구비한다. 이동 기구(6)는, 노즐(41)을 이동시킨다. 기억부(103)는, 학습 완료된 모델(136)을 기억한다. 학습 완료된 모델(136)은, 노즐(41)의 이동 속도를 나타내는 학습대상 속도 정보와, 학습대상 속도 정보에 근거한 속도로 노즐(41)을 이동시키면서 학습대상의 기판(W)에 처리를 실행하여 취득되는 처리량을, 학습용 데이터로서 학습하는 것으로써 생성된다. 제어부(102)는, 처리량의 목표량을 학습 완료된 모델(136)에 입력하여, 학습 완료된 모델(136)로부터 처리시 속도 정보를 출력시킨다. 제어부(102)는, 처리대상의 기판(W)에 대해서 처리를 실행할 때에, 처리시 속도 정보에 근거한 속도로 노즐(41)이 이동하도록 이동 기구(6)를 제어한다. 처리시 속도 정보는, 노즐(41)의 이동 속도를 나타낸다.

Description

기판 처리 장치, 기판 처리 방법, 기판 처리 시스템, 및 학습용 데이터의 생성 방법{SUBSTRATE TREATMENT APPARATUS, SUBSTRATE TREATMENT METHOD, SUBSTRATE TREATMENT SYSTEM, AND LEARNING DATA GENERATION METHOD}
본 발명은, 기판 처리 장치, 기판 처리 방법, 기판 처리 시스템, 및 학습용 데이터의 생성 방법에 관한 것이다.
표면에 피막(被膜)이 형성된 웨이퍼를 처리대상으로 하여, 액(液) 처리에 의해 피막의 막두께 조정 및 이물 제거를 실시하는 기판 처리 장치가 알려져 있다. 이러한 기판 처리 장치의 일종으로, 웨이퍼 표면에 에칭용 처리액을 공급하는 노즐을 갖춘 매엽형(枚葉型)의 기판 처리 장치가 있다(예를 들면, 특허문헌 1 참조). 특허문헌 1의 기판 처리 장치는, 에칭 처리의 실행시, 미리 규정된 속도 프로파일에 근거해 노즐을 이동시키면서, 에칭용 처리액을 노즐로부터 토출시킨다.
일본 특허공개 2019-54104호 공보
그러나, 미리 규정된 속도 프로파일에 근거해 노즐을 이동시키는 기판 처리 장치에서는, 예를 들면, 웨이퍼에 대해서 실행하는 전처리의 변경에 맞춰서 속도 프로파일을 다시 개발할 필요가 있다. 전처리가 변경되면, 에칭 처리 전의 피막의 막두께나, 에칭 처리 전의 피막의 막두께의 편차가 변화하기 때문이다. 따라서, 속도 프로파일의 개발에 관여하는 작업자의 부담이 되고 있었다.
본 발명은 상기 과제를 감안하여 이루어진 것으로, 그 목적은, 작업자의 부담을 경감할 수 있는 기판 처리 장치, 기판 처리 방법, 기판 처리 시스템, 및 학습용 데이터의 생성 방법을 제공하는 것에 있다.
본 발명의 일 양태에 의하면, 기판 처리 장치는, 처리액을 기판에 공급하여 상기 기판에 처리를 실행한다. 상기 기판 처리 장치는, 노즐과, 이동 기구와, 기억부와, 제어부를 구비한다. 상기 노즐은, 상기 기판에 상기 처리액을 공급한다. 상기 이동 기구는, 상기 노즐 및 상기 기판의 적어도 일방을 이동시킨다. 상기 기억부는, 학습 완료된 모델을 기억한다. 상기 제어부는, 상기 학습 완료된 모델을 이용하여, 상기 이동 기구를 제어한다. 상기 학습 완료된 모델은, 상기 노즐의 이동 속도 및 학습대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 학습대상의 기판과의 상대적인 이동 속도를 나타내는 학습대상 속도 정보와, 상기 학습대상 속도 정보에 근거한 속도로 상기 노즐 및 상기 학습대상의 기판의 적어도 일방을 이동시키면서 상기 학습대상의 기판에 상기 처리를 실행하여 취득되는 처리량을, 학습용 데이터로서 학습함으로써 생성된다. 상기 처리량은, 상기 처리에 의해 상기 기판이 처리되는 양을 나타낸다. 상기 제어부는, 상기 처리량의 목표량을 상기 학습 완료된 모델에 입력하여, 상기 학습 완료된 모델로부터 처리시 속도 정보를 출력시킨다. 상기 제어부는, 처리대상의 기판에 대해서 상기 처리를 실행할 때에, 상기 처리시 속도 정보에 근거한 속도로 상기 노즐 및 상기 처리대상의 기판의 적어도 일방이 이동하도록 상기 이동 기구를 제어한다. 상기 처리시 속도 정보는, 상기 노즐의 이동 속도 및 상기 처리대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 처리대상의 기판과의 상대적인 이동 속도를 나타낸다.
어느 실시 형태에 있어서, 상기 학습대상 속도 정보는, 상기 노즐이 이동하는 이동 구간을 복수의 구간으로 분할하는 각 노즐 위치 마다 설정된 상기 노즐의 이동 속도, 및, 상기 학습대상의 기판이 이동하는 이동 구간을 복수의 구간으로 분할하는 각 기판 위치 마다 설정된 상기 학습대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 학습대상의 기판과의 상대적인 이동 속도를, 상기 각 노즐 위치 마다, 또는 상기 각 기판 위치 마다 나타낸다. 상기 처리시 속도 정보는, 상기 각 노즐 위치 마다 설정된 상기 노즐의 이동 속도, 및, 상기 각 기판 위치 마다 설정된 상기 처리대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 처리대상의 기판과의 상대적인 이동 속도를, 상기 각 노즐 위치 마다, 또는 상기 각 기판 위치 마다 나타낸다.
어느 실시 형태에 있어서, 상기 기판 처리 장치는, 기판 보관유지부와, 기판 회전부를 더 구비한다. 상기 기판 보관유지부는, 상기 기판을 수평하게 보관유지(保持)한다. 상기 기판 회전부는, 상하 방향으로 늘어나는 중심축을 중심으로 하여, 상기 기판과 상기 기판 보관유지부를 일체(一體)로 회전시킨다. 상기 상대적인 이동 속도는, 회전하는 상기 기판의 표면과 상기 노즐과의 상대적인 이동 속도를 나타낸다.
어느 실시 형태에 있어서, 상기 제어부는, 상기 처리시 속도 정보와, 상기 처리시 속도 정보에 근거한 속도로 상기 노즐 및 상기 처리대상의 기판의 적어도 일방을 이동시키면서 상기 처리대상의 기판에 상기 처리를 실행하여 취득되는 상기 처리량을, 추가 학습을 위한 학습용 데이터로서 학습하여, 추가 학습 후의 학습 완료된 모델을 생성한다.
어느 실시 형태에 있어서, 상기 제어부는, 상기 처리량이 상기 추가 학습에 이용 가능한지 여부를 판정한다.
어느 실시 형태에 있어서, 상기 기판 처리 장치는, 계측기를 더 구비한다. 상기 계측기는, 계측대상의 값을 계측한다. 상기 기억부는, 상기 처리의 실행을 제어하기 위한 레시피를 기억한다. 상기 레시피는, 상기 계측대상에 대한 설정값을 나타낸다. 상기 제어부는, 상기 계측대상의 값과 상기 설정값과의 차분이 규정값 이상인 경우, 상기 처리량이 상기 추가 학습에 이용 가능한지 여부에 따라, 상이한 에러 알림을 실행한다.
어느 실시 형태에 있어서, 상기 기판 처리 장치는, 상기 처리량을 검출하기 위한 처리량 검출부를 더 구비한다.
어느 실시 형태에 있어서, 상기 기억부는, 상기 학습대상 속도 정보를 기억한다. 상기 제어부는, 상기 학습대상 속도 정보에 근거한 속도로 상기 노즐 및 상기 학습대상의 기판의 적어도 일방이 이동하도록 상기 이동 기구를 제어하면서, 상기 노즐로부터 상기 처리액을 상기 학습대상의 기판에 공급시켜, 상기 학습대상의 기판에 대해서 상기 처리를 실행한다. 상기 제어부는, 상기 학습대상의 기판에 대해서 상기 처리를 실행함으로써 취득되는 상기 처리량과, 상기 학습대상 속도 정보를 포함하는 상기 학습용 데이터를 생성한다. 상기 제어부는, 미리 정해진 분류 규칙에 근거해 상기 학습용 데이터를 각 클래스로 분류한다. 상기 제어부는, 상기 클래스 마다 상기 학습용 데이터를 학습하여, 상기 학습 완료된 모델을 생성한다. 상기 제어부는, 상기 처리대상의 기판에 대해서 상기 처리를 실행할 때에, 미리 정해진 선택 규칙에 근거해 상기 클래스 중 하나를 선택한다. 상기 제어부는, 선택한 상기 클래스에 대응하는 상기 학습 완료된 모델에 상기 목표량을 입력함으로써, 상기 학습 완료된 모델로부터 상기 처리시 속도 정보를 출력시킨다.
어느 실시 형태에 있어서, 상기 분류 규칙은, 상기 학습대상의 기판의 처리 매수에 따라 상기 학습용 데이터를 상기 각 클래스로 분류하는 것을 규정하고 있다. 상기 학습대상의 기판의 처리 매수는, 상기 학습대상의 기판에 대한 상기 처리에 사용하는 상기 처리액의 사용 개시시로부터의 처리 매수를 나타낸다. 상기 선택 규칙은, 상기 처리대상의 기판의 처리 매수에 따라, 상기 클래스 중 하나를 선택하는 것을 규정하고 있다. 상기 처리대상의 기판의 처리 매수는, 상기 처리대상의 기판에 대한 상기 처리에 사용하는 상기 처리액의 사용 개시시로부터의 처리 매수를 나타낸다.
어느 실시 형태에 있어서, 상기 제어부는, 상기 학습대상의 기판에 대해서 상기 처리를 실행할 때에, 학습시 로트(lot) 수를 취득한다. 상기 학습시 로트 수는, 상기 처리에 사용하는 상기 처리액의 사용 개시시로부터의 로트 수이다. 상기 분류 규칙은, 상기 학습시 로트 수에 따라 상기 학습용 데이터를 상기 각 클래스로 분류하는 것을 규정하고 있다. 상기 제어부는, 상기 처리대상의 기판에 대해서 상기 처리를 실행할 때에, 처리시 로트 수를 취득한다. 상기 처리시 로트 수는, 상기 처리에 사용하는 상기 처리액의 사용 개시시로부터의 로트 수이다. 상기 선택 규칙은, 상기 처리시 로트 수에 따라 상기 클래스 중 하나를 선택하는 것을 규정한다.
어느 실시 형태에 있어서, 상기 기판 처리 장치는, 입력부를 더 구비한다. 상기 입력부는, 상기 클래스의 각각에 포함되는 상기 학습용 데이터 중에서, 기준 학습용 데이터를 각각 선정하는 지시를 상기 클래스 마다 입력한다. 상기 제어부는, 상기 클래스의 각각에 포함되는 상기 학습용 데이터 중에서, 상기 기준 학습용 데이터와의 상관성이 미리 정해진 조건을 만족하는 상기 학습용 데이터를 상기 클래스 마다 선정한다. 상기 제어부는, 상기 클래스 마다, 선정한 상기 학습용 데이터를 학습하여, 상기 학습 완료된 모델을 생성한다.
본 발명의 다른 양태에 의하면, 기판 처리 방법은, 처리대상의 기판에 대해 노즐로부터 처리액을 공급하여, 상기 처리대상의 기판에 처리를 실행하는 방법이다. 상기 기판 처리 방법은, 상기 처리에 의해 상기 처리대상의 기판이 처리되는 양을 나타내는 처리량의 목표량을 취득하는 단계와, 상기 목표량을 학습 완료된 모델에 입력하여, 상기 학습 완료된 모델로부터 처리시 속도 정보를 출력시키는 출력 단계와, 상기 처리시 속도 정보에 근거한 속도로 상기 노즐 및 상기 처리대상의 기판의 적어도 일방을 이동시키면서, 상기 처리대상의 기판에 상기 처리액을 공급하는 처리 단계를 포함한다. 상기 학습 완료된 모델은, 상기 노즐의 이동 속도 및 학습대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 학습대상의 기판과의 상대적인 이동 속도를 나타내는 학습대상 속도 정보와, 상기 학습대상 속도 정보에 근거한 속도로 상기 노즐 및 상기 학습대상의 기판의 적어도 일방을 이동시키면서 상기 학습대상의 기판에 상기 처리를 실행하여 취득되는 상기 처리량을, 학습용 데이터로서 학습함으로써 생성된다. 상기 처리시 속도 정보는, 상기 노즐의 이동 속도 및 상기 처리대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 처리대상의 기판과의 상대적인 이동 속도를 나타낸다.
어느 실시 형태에 있어서, 상기 학습대상 속도 정보는, 상기 노즐이 이동하는 이동 구간을 복수의 구간으로 분할하는 각 노즐 위치 마다 설정된 상기 노즐의 이동 속도, 및, 상기 학습대상의 기판이 이동하는 이동 구간을 복수의 구간으로 분할하는 각 기판 위치 마다 설정된 상기 학습대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 학습대상의 기판과의 상대적인 이동 속도를, 상기 각 노즐 위치 마다, 또는 상기 각 기판 위치 마다 나타낸다. 상기 처리시 속도 정보는, 상기 각 노즐 위치 마다 설정된 상기 노즐의 이동 속도, 및, 상기 각 기판 위치 마다 설정된 상기 처리대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 처리대상의 기판과의 상대적인 이동 속도를, 상기 각 노즐 위치 마다, 또는 상기 각 기판 위치 마다 나타낸다.
어느 실시 형태에서는, 상기 처리 단계에 있어서, 상기 처리대상의 기판을, 수평하게 보관유지한 상태에서, 상하 방향으로 늘어나는 중심축을 중심으로 회전시킨다. 상기 노즐과 상기 학습대상의 기판과의 상대적인 이동 속도는, 회전하는 상기 학습대상의 기판의 표면과 상기 노즐과의 상대적인 이동 속도를 나타낸다. 상기 노즐과 상기 처리대상의 기판과의 상대적인 이동 속도는, 회전하는 상기 처리대상의 기판의 표면과 상기 노즐과의 상대적인 이동 속도를 나타낸다.
어느 실시 형태에 있어서, 상기 기판 처리 방법은, 상기 출력 단계에서 출력된 상기 처리시 속도 정보와, 상기 처리 단계에서 처리된 상기 처리대상의 기판의 상기 처리량에 근거하여, 추가 학습을 위한 학습용 데이터를 생성하는 학습용 데이터 생성 단계와, 상기 추가 학습을 위한 학습용 데이터를 학습하여, 추가 학습 후의 학습 완료된 모델을 생성하는 단계를 더 포함한다.
어느 실시 형태에 있어서, 상기 학습용 데이터 생성 단계는, 상기 처리량이 상기 추가 학습에 이용 가능한지 여부를 판정하는 단계를 포함한다.
어느 실시 형태에 있어서, 상기 기판 처리 방법은, 계측대상의 값과, 상기 계측대상에 대해 미리 정해진 설정값과의 차분이, 규정값 이상인지 여부를 판정하는 단계와, 상기 계측대상의 값과 상기 설정값과의 차분이 규정값 이상인 경우, 상기 처리량이 상기 추가 학습에 이용 가능한지 여부에 따라, 상이한 에러 알림을 실행하는 단계를 더 포함한다.
어느 실시 형태에 있어서, 상기 기판 처리 방법은, 상기 학습대상 속도 정보에 근거한 속도로 상기 노즐 및 상기 학습대상의 기판의 적어도 일방을 이동시키면서, 상기 학습대상의 기판에 상기 처리액을 공급하여, 상기 학습대상의 기판에 대해서 상기 처리를 실행하는 단계와, 상기 학습대상의 기판의 상기 처리량을 취득하는 단계와, 상기 학습대상의 기판의 상기 처리량과 상기 학습대상 속도 정보를 포함하는 상기 학습용 데이터를 생성하는 단계와, 미리 정해진 분류 규칙에 근거해 상기 학습용 데이터를 각 클래스로 분류하고, 상기 클래스 마다 상기 학습용 데이터를 학습하여, 상기 학습 완료된 모델을 생성하는 학습 단계를 더 포함한다. 상기 출력 단계에 있어서, 미리 정해진 선택 규칙에 근거해 상기 클래스 중 하나를 선택하고, 선택한 상기 클래스에 대응하는 상기 학습 완료된 모델에 상기 목표량을 입력함으로써, 상기 학습 완료된 모델로부터 상기 처리시 속도 정보를 출력시킨다.
어느 실시 형태에 있어서, 상기 분류 규칙은, 상기 학습대상의 기판의 처리 매수에 따라 상기 학습용 데이터를 상기 각 클래스로 분류하는 것을 규정하고 있다. 상기 학습대상의 기판의 처리 매수는, 상기 학습대상의 기판에 대한 상기 처리에 사용하는 상기 처리액의 사용 개시시로부터의 처리 매수를 나타낸다. 상기 선택 규칙은, 상기 처리대상의 기판의 처리 매수에 따라, 상기 클래스 중 하나를 선택하는 것을 규정하고 있다. 상기 처리대상의 기판의 처리 매수는, 상기 처리대상의 기판에 대한 상기 처리에 사용하는 상기 처리액의 사용 개시시로부터의 처리 매수를 나타낸다.
어느 실시 형태에서는, 상기 학습대상의 기판에 대해서 상기 처리를 실행하는 단계에 있어서, 학습시 로트 수를 취득한다. 상기 학습시 로트 수는, 상기 처리에 사용하는 상기 처리액의 사용 개시시로부터의 로트 수이다. 상기 분류 규칙은, 상기 학습시 로트 수에 따라 상기 학습용 데이터를 상기 각 클래스로 분류하는 것을 규정하고 있다. 상기 처리대상의 기판에 대해서 상기 처리를 실행하는 단계에 있어서, 처리시 로트 수를 취득한다. 상기 처리시 로트 수는, 상기 처리에 사용하는 상기 처리액의 사용 개시시로부터의 로트 수이다. 상기 선택 규칙은, 상기 처리시 로트 수에 따라 상기 클래스 중 하나를 선택하는 것을 규정한다.
어느 실시 형태에 있어서, 상기 기판 처리 방법은, 상기 클래스의 각각에 포함되는 상기 학습용 데이터 중에서, 상기 클래스 마다 기준 학습용 데이터를 선정하는 단계와, 상기 클래스의 각각에 포함되는 상기 학습용 데이터 중에서, 상기 기준 학습용 데이터와의 상관성이 미리 정해진 조건을 만족하는 상기 학습용 데이터를 상기 클래스 마다 선정하는 단계를 더 포함한다. 상기 학습 단계에 있어서, 상기 클래스 마다, 선정한 상기 학습용 데이터를 학습하여, 상기 학습 완료된 모델을 생성한다.
본 발명의 다른 양태에 의하면, 기판 처리 시스템은, 기판 처리 장치와, 정보 처리 장치를 구비한다. 상기 기판 처리 장치는, 처리액을 기판에 공급하여 상기 기판에 처리를 실행한다. 상기 정보 처리 장치는, 처리시 속도 정보를 상기 기판 처리 장치에 송신한다. 상기 정보 처리 장치는, 통신부와, 기억부와, 처리부를 구비한다. 상기 정보 처리 장치의 상기 통신부는, 상기 처리에 의해 처리대상의 기판이 처리되는 양의 목표량을 상기 기판 처리 장치로부터 수신한다. 상기 정보 처리 장치의 상기 통신부는, 상기 기판 처리 장치에 상기 처리시 속도 정보를 송신한다. 상기 기억부는, 학습 완료된 모델을 기억한다. 상기 처리부는, 상기 통신부를 통해 상기 기판 처리 장치로부터 취득한 상기 목표량을 상기 학습 완료된 모델에 입력하여, 상기 학습 완료된 모델로부터 상기 처리시 속도 정보를 출력시킨다. 상기 기판 처리 장치는, 통신부와, 노즐과, 이동 기구와, 제어부를 구비한다. 상기 기판 처리 장치의 상기 통신부는, 상기 정보 처리 장치로 상기 목표량을 송신한다. 상기 기판 처리 장치의 상기 통신부는, 상기 정보 처리 장치로부터 상기 처리시 속도 정보를 수신한다. 상기 노즐은, 상기 기판에 상기 처리액을 공급한다. 상기 이동 기구는, 상기 노즐 및 상기 기판의 적어도 일방을 이동시킨다. 상기 제어부는, 상기 처리시 속도 정보에 근거하여 상기 이동 기구를 제어한다. 상기 학습 완료된 모델은, 상기 노즐의 이동 속도 및 학습대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 학습대상의 기판과의 상대적인 이동 속도를 나타내는 학습대상 속도 정보와, 상기 학습대상 속도 정보에 근거한 속도로 상기 노즐 및 상기 학습대상의 기판의 적어도 일방을 이동시키면서 상기 학습대상의 기판에 상기 처리를 실행하여 취득되는 처리량을, 학습용 데이터로서 학습함으로써 생성된다. 상기 처리량은, 상기 처리에 의해 상기 학습대상의 기판이 처리되는 양을 나타낸다. 상기 제어부는, 상기 처리대상의 기판에 대해서 상기 처리를 실행할 때에, 상기 처리시 속도 정보에 근거한 속도로 상기 노즐 및 상기 처리대상의 기판의 적어도 일방이 이동하도록 상기 이동 기구를 제어한다. 상기 처리시 속도 정보는, 상기 노즐의 이동 속도 및 상기 처리대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 처리대상의 기판과의 상대적인 이동 속도를 나타낸다.
본 발명의 다른 양태에 의하면, 학습 장치는, 기억부와, 학습부를 구비한다. 상기 기억부는, 학습용 프로그램을 기억한다. 상기 학습부는, 상기 학습용 프로그램에 근거해 학습용 데이터를 학습한다. 상기 학습부는, 노즐의 이동 속도 및 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 기판과의 상대적인 이동 속도를 나타내는 속도 정보와, 상기 속도 정보에 근거한 속도로 상기 노즐 및 상기 기판의 적어도 일방을 이동시키면서 상기 노즐로부터 상기 기판에 처리액을 공급해 취득되는 처리량을, 상기 학습용 데이터로서 학습한다. 상기 처리량은, 상기 기판이 상기 처리액의 공급에 의해서 처리되는 양을 나타낸다.
본 발명의 다른 양태에 의하면, 학습 방법은, 학습용 데이터를 취득하는 단계와, 학습용 프로그램에 근거해 상기 학습용 데이터를 학습하는 단계를 포함한다. 상기 학습용 데이터는, 속도 정보와, 상기 속도 정보에 근거한 속도로 노즐 및 기판의 적어도 일방을 이동시키면서 상기 노즐로부터 상기 기판에 처리액을 공급해 취득되는 처리량을 나타낸다. 상기 속도 정보는, 상기 노즐의 이동 속도 및 상기 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 기판과의 상대적인 이동 속도를 나타낸다. 상기 처리량은, 상기 기판이 상기 처리액의 공급에 의해서 처리된 양을 나타낸다.
본 발명의 다른 양태에 의하면, 학습 완료된 모델의 생성 방법은, 학습용 데이터를 취득하는 단계와, 학습용 프로그램에 근거해 상기 학습용 데이터를 학습하여, 학습 완료된 모델을 생성하는 단계를 포함한다. 상기 학습용 데이터는, 속도 정보와, 상기 속도 정보에 근거한 속도로 노즐 및 기판의 적어도 일방을 이동시키면서 상기 노즐로부터 상기 기판에 처리액을 공급해 취득되는 처리량을 나타낸다. 상기 속도 정보는, 상기 노즐의 이동 속도 및 상기 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 기판과의 상대적인 이동 속도를 나타낸다. 상기 처리량은, 상기 기판이 상기 처리액의 공급에 의해서 처리된 양을 나타낸다.
본 발명의 다른 양태에 의하면, 학습용 데이터의 생성 방법은, 속도 정보에 근거한 속도로 노즐 및 기판의 적어도 일방을 이동시키면서, 상기 노즐로부터 상기 기판에 처리액을 공급해 상기 기판에 처리를 실행하는 단계와, 상기 처리에 의해 상기 기판이 처리된 양을 나타내는 처리량을 취득하는 단계와, 상기 속도 정보 및 상기 처리량에 근거하여, 학습용 데이터를 생성하는 단계를 포함한다. 상기 속도 정보는, 상기 노즐의 이동 속도 및 상기 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 기판과의 상대적인 이동 속도를 나타낸다.
본 발명에 따른 기판 처리 장치, 기판 처리 방법, 기판 처리 시스템, 및 학습용 데이터의 생성 방법에 의하면, 작업자의 부담을 경감할 수 있다.
[도 1] 본 발명의 실시 형태 1에서의 기판 처리 장치의 모식도이다.
[도 2] 본 발명의 실시 형태 1에서의 처리 유닛의 모식도이다.
[도 3] 본 발명의 실시 형태 1에서의 스캔 처리를 도시한 평면도이다.
[도 4] 본 발명의 실시 형태 1에서의 스캔 속도 정보를 도시한 도면이다.
[도 5] 본 발명의 실시 형태 1에서의 제1 노즐의 이동 속도의 일례를 도시한 그래프이다.
[도 6] 본 발명의 실시 형태 1에서의 두께 측정 처리를 도시한 평면도이다.
[도 7] 본 발명의 실시 형태 1에서의 에칭액 공급부의 모식도이다.
[도 8] 본 발명의 실시 형태 1에서의 제어 장치의 블록도이다.
[도 9] 본 발명의 실시 형태 1에서의 학습용 데이터의 생성 방법을 도시한 플로우 차트이다.
[도 10] 본 발명의 실시 형태 1에서의 에칭 처리를 도시한 플로우 차트이다.
[도 11] 본 발명의 실시 형태 1에서의 학습용 데이터의 생성 처리를 도시한 플로우 차트이다.
[도 12] 본 발명의 실시 형태 1에서의 이상 판정 처리를 도시한 플로우 차트이다.
[도 13] 본 발명의 실시 형태 1에서의 학습용 데이터셋용 테이블의 일례를 도시한 도면이다.
[도 14] 본 발명의 실시 형태 1에서의 제어 장치의 블록도이다.
[도 15] 본 발명의 실시 형태 1에서의 학습 완료된 모델의 생성 방법을 도시한 플로우 차트이다.
[도 16] 본 발명의 실시 형태 1에서의 제어 장치의 블록도이다.
[도 17] 본 발명의 실시 형태 1에서의 기판 처리 방법을 도시한 플로우 차트이다.
[도 18] 본 발명의 실시 형태 1에서의 기판 처리 방법을 도시한 플로우 차트이다.
[도 19] 본 발명의 실시 형태 1에서의 추가 학습용 데이터셋용 테이블의 일례를 도시한 도면이다.
[도 20] 본 발명의 실시 형태 2에서의 기판 처리 장치 및 학습 장치를 도시한 도면이다.
[도 21] 본 발명의 실시 형태 2에서의 학습 완료된 모델의 생성 방법을 도시한 플로우 차트이다.
[도 22] 본 발명의 실시 형태 3에서의 기판 처리 시스템을 도시한 도면이다.
[도 23] 기판 처리 장치의 제어 장치가 실행하는 처리와, 학습 장치의 처리부가 실행하는 처리를 도시한 플로우 차트이다.
[도 24] 본 발명의 실시 형태 4에서의 처리 유닛의 모식도이다.
[도 25] 본 발명의 실시 형태 4에서의 기판 처리 장치의 구성을 도시한 모식도이다.
[도 26] 본 발명의 실시 형태 4에서의 학습용 데이터의 생성 방법을 도시한 플로우 차트이다.
[도 27] 본 발명의 실시 형태 4에서의 학습용 데이터의 생성 처리를 도시한 플로우 차트이다.
[도 28] 본 발명의 실시 형태 4에서의 학습용 데이터셋용 테이블의 일례를 도시한 도면이다.
[도 29] 본 발명의 실시 형태 4에서의 학습 완료된 모델의 생성 방법을 도시한 플로우 차트이다.
[도 30] 본 발명의 실시 형태 4에서의 기판 처리 방법의 일부를 도시한 플로우 차트이다.
[도 31] 본 발명의 실시 형태 4에서의 처리시 속도 정보를 취득하는 처리를 도시한 플로우 차트이다.
[도 32] 본 발명의 실시 형태 5에서의 학습용 데이터의 생성 방법을 도시한 플로우 차트이다.
[도 33] 본 발명의 실시 형태 5에서의 카운트 처리의 일례를 도시한 플로우 차트이다.
[도 34] 본 발명의 실시 형태 5에서의 학습용 데이터셋용 테이블의 일례를 도시한 도면이다.
[도 35] 본 발명의 실시 형태 5에서의 기판 처리 방법의 일부를 도시한 플로우 차트이다.
이하, 도면을 참조해 본 발명의 실시 형태를 설명한다. 단, 본 발명은 이하의 실시 형태로 한정되지 않고, 그 요지를 일탈하지 않는 범위에서 다양한 양태에 있어서 실시하는 것이 가능하다. 덧붙여, 설명이 중복되는 부분에 대해서는, 적절히 설명을 생략하는 경우가 있다. 또한, 도면 중, 동일 또는 상당 부분에 대해서는 동일한 참조 부호를 교부하고 설명을 반복하지 않는다.
[실시 형태 1]
도 1을 참조하여, 본 실시 형태의 기판 처리 장치(100)를 설명한다. 도 1은, 본 실시 형태의 기판 처리 장치(100)의 모식도이다. 구체적으로는, 도 1은, 기판 처리 장치(100)의 모식적인 평면도이다. 기판 처리 장치(100)는, 기판(W)을 1매씩 처리하는 매엽식의 장치이다. 본 실시 형태에서, 기판(W)은 반도체 웨이퍼이다. 기판(W)은 대략 원판상이다.
도 1에 도시한 것처럼, 기판 처리 장치(100)는, 복수의 처리 유닛(1)과, 유체 캐비닛(100A)과, 복수의 유체 박스(100B)와, 복수의 로드 포트(LP)와, 인덱서 로봇(IR)과, 센터 로봇(CR)과, 제어 장치(101)를 구비한다.
로드 포트(LP)의 각각은, 복수 매의 기판(W)을 적층하여 수용한다. 인덱서 로봇(IR)은, 로드 포트(LP)와 센터 로봇(CR)의 사이에서 기판(W)을 반송한다. 센터 로봇(CR)은, 인덱서 로봇(IR)과 처리 유닛(1)의 사이에서 기판(W)을 반송한다. 처리 유닛(1)의 각각은, 처리액을 기판(W)에 공급하여, 기판(W)에 처리를 실행한다. 유체 캐비닛(100A)은, 처리액을 수용한다.
복수의 처리 유닛(1)은, 평면시(平面視)에서 센터 로봇(CR)을 둘러싸도록 배치된 복수의 타워(TW)(도 1에서는 4개의 타워(TW))를 형성하고 있다. 각 타워(TW)는, 상하로 적층된 복수의 처리 유닛(1)(도 1에서는 3개의 처리 유닛(1))을 포함한다. 유체 박스(100B)는, 각각, 복수의 타워(TW)에 대응하고 있다. 유체 캐비닛(100A) 내의 처리액은, 어느 하나의 유체 박스(100B)를 통해, 유체 박스(100B)에 대응하는 타워(TW)에 포함되는 모든 처리 유닛(1)에 공급된다.
제어 장치(101)는, 기판 처리 장치(100)의 각 부의 동작을 제어한다. 예를 들면, 제어 장치(101)는, 로드 포트(LP), 인덱서 로봇(IR), 및 센터 로봇(CR)을 제어한다.
본 실시 형태에서, 제어 장치(101)는, 학습 장치로서 기능한다. 구체적으로는, 제어 장치(101)는, 기계 학습을 실행한다. 본 실시 형태의 제어 장치(101)는, 게다가, 추가 학습을 더 실행한다. 기계 학습 및 추가 학습은, 예를 들면, 교사 학습(Supervised Learning), 비교사 학습(Unsupervised Learning), 반교사 학습(Semi-Supervised Learning), 강화 학습, 및 심층 학습 중 어느 하나이다.
덧붙여, 일반적으로 기계 학습은 추가 학습을 포함하는 개념이지만, 여기에서는 편의적으로 「기계 학습」이라는 용어와, 「추가 학습」이라는 용어를 구분해서 사용해 본 실시 형태를 설명한다. 본 실시 형태에서 「기계 학습」은, 반도체 제품의 제조 전에 실행되는 기계 학습을 나타낸다. 즉, 「기계 학습」은, 기판 처리 장치(100)의 제조 단계에서 실행되는 기계 학습을 나타낸다. 한편, 「추가 학습」은, 반도체 제품의 제조 단계에서 실행되는 기계 학습을 나타낸다. 즉, 「추가 학습」은, 기판 처리 장치(100)를 조정할 때에 실행되는 기계 학습을 나타낸다.
계속해서, 도 2를 참조하여, 본 실시 형태의 처리 유닛(1)을 설명한다. 도 2는, 본 실시 형태의 처리 유닛(1)의 모식도이다. 상세하게는, 도 2는, 처리 유닛(1)의 모식적인 단면도이다.
처리 유닛(1)은, 기판(W)을 구성하는 대상물을 처리액에 의해 처리한다. 이하, 처리액에 의한 처리의 대상인 대상물을 「대상물(TG)」이라고 기재한다. 대상물(TG)은, 예를 들면, 기판 본체(예를 들면, 실리콘으로 이루어진 기판 본체), 또는, 기판 본체의 표면에 형성된 물질이다. 기판 본체의 표면에 형성된 물질은, 예를 들면, 기판 본체와 같은 재료의 물질(예를 들면, 실리콘으로 이루어진 층), 또는, 기판 본체와 다른 재료의 물질(예를 들면, 실리콘 산화막, 실리콘 질화막, 또는 레지스터)이다. 「물질」은 막을 구성하고 있어도 무방하다.
본 실시 형태에서, 처리액은 에칭액을 포함하고, 처리 유닛(1)은 에칭 처리를 실행한다. 대상물(TG)은, 에칭액에 의해 처리된다(에칭된다). 에칭액은, 약액이다. 에칭액은, 예를 들면, 불초산(Nitrohydrofluoric acid)(불화수소산(HF)과 초산(HNO3)과의 혼합액), 불화수소산, 버퍼드 불화수소산(BHF), 불화암모늄, HFEG(불화수소산과 에틸렌 글리콜과의 혼합액), 또는, 인산(H3PO4)이다.
도 2에 도시한 것처럼, 처리 유닛(1)은, 챔버(2)와, 스핀 척(Spin-chuck)(3)과, 스핀 모터부(5)와, 노즐 이동 기구(6)와, 두께 측정부(8)와, 프로브 이동 기구(9)와, 복수의 가드(10)(도 2에서는 2개의 가드(10))와, 제1 노즐(41)과, 제2 노즐(71)을 구비한다. 또한, 기판 처리 장치(100)는, 에칭액 공급부(4)와, 린스액 공급부(7)를 구비한다. 에칭액 공급부(4)는, 제1 공급 배관(42)을 가지고, 린스액 공급부(7)는, 제2 공급 배관(72)을 가진다.
챔버(2)는 대략 박스 형상을 가진다. 챔버(2)는, 기판(W), 스핀 척(3), 스핀 모터부(5), 노즐 이동 기구(6), 복수의 가드(10), 두께 측정부(8), 프로브 이동 기구(9), 제1 노즐(41), 제2 노즐(71), 제1 공급 배관(42)의 일부, 및, 제2 공급 배관(72)의 일부를 수용한다.
스핀 척(3)은, 기판(W)을 수평하게 보관유지한다. 스핀 척(3)은, 기판 보관유지부의 일례이다. 구체적으로는, 스핀 척(3)은, 복수의 척 부재(32)와, 스핀 베이스(33)를 가진다. 복수의 척 부재(32)는, 기판(W)의 주연을 따라서 스핀 베이스(33)에 설치된다. 복수의 척 부재(32)는 기판(W)을 수평한 자세로 보관유지한다. 스핀 베이스(33)는, 대략 원판상이며, 수평한 자세로 복수의 척 부재(32)를 지지한다.
스핀 모터부(5)는, 제1 회전축선(AX1)을 중심으로 하여, 기판(W)과 스핀 척(3)을 일체로 회전시킨다. 제1 회전축선(AX1)은, 상하 방향으로 늘어난다. 본 실시 형태에서는, 제1 회전축선(AX1)은, 대략 연직 방향으로 늘어난다. 제1 회전축선(AX1)은 중심축의 일례이며, 스핀 모터부(5)는 기판 회전부의 일례이다. 상세하게는, 스핀 모터부(5)는, 제1 회전축선(AX1)을 중심으로 하여, 스핀 베이스(33)를 회전시킨다. 따라서, 스핀 베이스(33)는, 제1 회전축선(AX1)을 중심으로서 회전한다. 그 결과, 스핀 베이스(33)에 설치된 복수의 척 부재(32)에 보관유지된 기판(W)이, 제1 회전축선(AX1)을 중심으로 회전한다.
구체적으로는, 스핀 모터부(5)는, 모터 본체(51)와, 샤프트(53)와, 인코더(55)를 가진다. 샤프트(53)는 스핀 베이스(33)에 결합된다. 모터 본체(51)는, 샤프트(53)를 회전시킨다. 그 결과, 스핀 베이스(33)가 회전한다.
인코더(55)는, 계측대상의 값을 계측하는 계측기의 일례이며, 인코더(55)의 계측대상은, 기판(W)의 회전 속도이다. 인코더(55)는, 기판(W)의 회전 속도를 나타내는 신호를 생성한다. 상세하게는, 인코더(55)는, 모터 본체(51)의 회전 속도를 나타내는 회전 속도 신호를 생성한다.
제1 노즐(41)은, 기판(W)에 에칭액을 공급한다. 상세하게는, 제1 노즐(41)은, 회전 중인 기판(W)을 향해서 에칭액을 토출한다. 에칭액 공급부(4)는, 제1 노즐(41)에 에칭액을 공급한다. 상세하게는, 제1 노즐(41)은, 제1 공급 배관(42)의 일단에 접속하고 있다. 에칭액은, 제1 공급 배관(42)을 통해 제1 노즐(41)에 공급된다. 제1 공급 배관(42)은, 에칭액이 유통하는 관상(管狀) 부재이다.
노즐 이동 기구(6)는, 제1 노즐(41)을 이동시킨다. 노즐 이동 기구(6)는, 이동 기구의 일례이다. 본 실시 형태에서, 노즐 이동 기구(6)는, 대략 수평 방향으로 제1 노즐(41)을 이동시킨다. 상세하게는, 노즐 이동 기구(6)는, 대략 연직 방향에 따른 제2 회전축선(AX2)을 중심으로 하여 제1 노즐(41)을 선회(旋回)시킨다. 제1 노즐(41)은, 이동하면서(선회하면서), 기판(W)을 향해 에칭액을 토출한다. 제1 노즐(41)은, 스캔 노즐이라고 불리는 경우가 있다.
구체적으로는, 노즐 이동 기구(6)는, 노즐 암(61)과, 제1 회전축(63)과, 제1 구동부(65)를 가진다. 노즐 암(61)은 대략 수평 방향에 따라서 늘어난다. 노즐 암(61)의 선단부에 제1 노즐(41)이 배치된다. 노즐 암(61)은 제1 회전축(63)에 결합된다. 제1 회전축(63)은, 대략 연직 방향에 따라서 늘어난다. 제1 구동부(65)는, 제2 회전축선(AX2)을 중심으로 하여 제1 회전축(63)을 회전시키고, 제1 회전축(63)을 중심으로 노즐 암(61)을 대략 수평면을 따라서 회전시킨다. 그 결과, 제1 노즐(41)이 대략 수평면을 따라서 이동한다. 상세하게는, 제1 노즐(41)은, 제2 회전축선(AX2)을 중심으로 하여 제1 회전축(63)의 주위를 선회한다. 제1 구동부(65)는, 예를 들면, 스텝 모터를 포함한다.
제2 노즐(71)은, 기판(W)에 린스액을 공급한다. 상세하게는, 제2 노즐(71)은, 회전 중인 기판(W)을 향해서 린스액을 토출한다. 린스액 공급부(7)는, 제2 노즐(71)에 린스액을 공급한다. 상세하게는, 린스액은, 제2 공급 배관(72)을 통해 제2 노즐(71)에 공급된다. 제2 공급 배관(72)은, 린스액이 유통하는 관상 부재이다. 린스액은, 예를 들면, 탈이온수, 탄산수, 전해이온수, 수소수, 오존수, 또는, 희석 농도(예를 들면, 10ppm~100ppm 정도)의 염산수이다. 제2 노즐(71)은, 정지한 상태로 린스액을 토출한다. 제2 노즐(71)은, 고정 노즐이라고 불리는 경우가 있다. 덧붙여, 제2 노즐(71)은 스캔 노즐이어도 무방하다.
가드(10)의 각각은, 대략 통(筒) 형상을 가진다. 복수의 가드(10)는, 기판(W)으로부터 배출된 에칭액 및 린스액을 받아들인다.
두께 측정부(8)는, 대상물(TG)의 두께를 비접촉 방식으로 측정하고, 대상물(TG)의 두께를 나타내는 두께 검출 신호를 생성한다. 두께 검출 신호는, 제어 장치(101)에 입력된다.
두께 측정부(8)는, 예를 들면, 분광 간섭법에 따라 대상물(TG)의 두께를 측정한다. 구체적으로는, 두께 측정부(8)는, 광학 프로브(81)와, 신호선(83)과, 두께 측정기(85)를 포함한다. 광학 프로브(81)는, 렌즈를 가진다. 신호선(83)은, 광학 프로브(81)와 두께 측정기(85)를 접속한다. 신호선(83)은, 예를 들면, 광섬유를 포함한다. 두께 측정기(85)는, 광원과 수광소자를 가진다. 두께 측정기(85)의 광원이 출사한 광은, 신호선(83) 및 광학 프로브(81)를 통해, 대상물(TG)에 출사된다. 대상물(TG)에 의해서 반사된 광은, 광학 프로브(81) 및 신호선(83)을 통해, 두께 측정기(85)의 수광소자에서 수광(受光)된다. 두께 측정기(85)는, 수광소자가 수광한 광을 해석하여, 대상물(TG)의 두께를 산출한다. 두께 측정기(85)는, 산출한 대상물(TG)의 두께를 나타내는 두께 검출 신호를 생성한다.
프로브 이동 기구(9)는, 대략 수평 방향으로 광학 프로브(81)를 이동시킨다. 상세하게는, 프로브 이동 기구(9)는, 대략 연직 방향에 따른 제3 회전축선(AX3)을 중심으로 하여 광학 프로브(81)를 선회시킨다. 광학 프로브(81)는, 이동하면서(선회하면서), 기판(W)을 향해 광을 출사한다. 따라서, 두께 검출 신호는, 대상물(TG)의 두께의 분포를 나타낸다.
구체적으로는, 프로브 이동 기구(9)는, 프로브 암(91)과, 제2 회전축(93)과, 제2 구동부(95)를 가진다. 프로브 암(91)은 대략 수평 방향에 따라서 늘어난다. 프로브 암(91)의 선단부에 광학 프로브(81)가 배치된다. 프로브 암(91)은 제2 회전축(93)에 결합된다. 제2 회전축(93)은, 대략 연직 방향에 따라서 늘어난다. 제2 구동부(95)는, 제3 회전축선(AX3)을 중심으로 하여 제2 회전축(93)을 회전시켜서, 제2 회전축(93)을 중심으로 프로브 암(91)을 대략 수평면을 따라 회전시킨다. 그 결과, 광학 프로브(81)가 대략 수평면을 따라서 이동한다. 상세하게는, 광학 프로브(81)는, 제3 회전축선(AX3)을 중심으로 하여 제2 회전축(93)의 주위를 선회한다. 제2 구동부(95)는, 예를 들면, 스텝 모터를 포함한다.
본 실시 형태에서, 두께 측정부(8)는, 처리량 검출부의 일례이며, 처리량의 검출에 이용된다. 처리량은, 처리 유닛(1)이 기판(W)을 처리함에 따라 기판(W)이 처리되는 양을 나타낸다. 상세하게는, 처리량은, 제1 노즐(41)로부터 기판(W)에 공급된 에칭액(처리액)에 의해 기판(W)이 처리되는 양을 나타낸다. 본 실시 형태에서, 처리량은, 에칭량을 나타낸다. 에칭량은, 에칭 처리 전의 대상물(TG)의 두께와, 에칭 처리 후의 대상물(TG)의 두께와의 차분을 나타낸다.
제어 장치(101)는, 기계 학습의 실행시, 두께 측정부(8)(두께 측정기(85))로부터 입력된 두께 검출 신호에 근거해 에칭량을 산출함으로써, 에칭량을 취득한다. 보다 상세하게는, 제어 장치(101)는, 에칭량의 분포(처리량의 분포)를 취득한다. 제어 장치(101)는, 취득한 에칭량을 이용하여, 기계 학습을 위한 학습용 데이터(학습용 데이터셋)를 생성한다.
또한, 제어 장치(101)는, 반도체 제품의 제조 시, 두께 측정부(8)(두께 측정기(85))로부터 입력된 두께 검출 신호에 근거해 에칭량을 산출함으로써, 에칭량을 취득한다. 제어 장치(101)는, 반도체 제품의 제조 시, 취득한 에칭량에 근거하여, 추가 학습을 위한 학습용 데이터를 생성할지 여부를 판정한다. 제어 장치(101)는, 추가 학습을 위한 학습용 데이터를 생성하는 것을 결정하면, 취득한 에칭량에 근거하여, 추가 학습을 위한 학습용 데이터를 생성한다.
또한, 제어 장치(101)에는, 인코더(55)로부터 회전 속도 신호가 입력된다. 기판(W)의 회전 속도는, 에칭량에 영향을 준다. 제어 장치(101)는, 회전 속도 신호에 근거하여, 기판 처리 장치(100)에 이상(異常)이 발생하고 있는지 여부를 판정한다. 상세하게는, 제어 장치(101)는, 도 8을 참조해 설명하는 것처럼, 기판 처리 장치(100)의 각 부를 제어하기 위한 레시피(131)를 기억하고, 레시피(131)는, 모터 본체(51)의 회전 속도의 설정값을 나타낸다. 모터 본체(51)의 회전 속도의 설정값은, 계측대상에 대한 설정값의 일례이다. 제어 장치(101)는, 레시피(131)를 참조하여, 처리 유닛(1)이 실행하는 처리를 제어한다. 제어 장치(101)는, 회전 속도 신호가 나타내는 회전 속도와, 레시피(131)에 포함되는 모터 본체(51)의 회전 속도의 설정값과의 차분이, 미리 정해진 규정값 이상이 되는 경우, 기판(W)의 회전 속도가 이상값을 나타내고 있다고 판정한다. 제어 장치(101)는, 기판(W)의 회전 속도가 이상값을 나타내고 있다고 판정하면, 기판 처리 장치(100)에 이상이 발생하고 있다고 판정한다.
계속해서, 도 3을 참조하여, 제1 노즐(41)에 의한 기판(W)의 스캔 처리를 설명한다. 도 3은, 본 실시 형태의 스캔 처리를 도시한 평면도이다. 도 3에 도시한 것처럼, 스캔 처리란, 평면시에서, 대상물(TG)의 표면에 대한 처리액의 착액(着液) 위치가 원호상의 궤적(TJ1)을 형성하도록 제1 노즐(41)이 이동하면서, 처리액을 대상물(TG)에 토출하는 처리이다. 궤적(TJ1)은, 기판(W)의 중심부(CT)를 지난다. 중심부(CT)는, 기판(W) 중 제1 회전축선(AX1)이 통과하는 부분을 나타낸다. 스캔 처리는, 기판(W)의 회전 중에 실행된다.
본 실시 형태에서는, 제1 노즐(41)은, 제1 위치(X1)로부터 제9 위치(X9)까지 이동하면서, 회전 중인 기판(W)을 향해서 에칭액을 토출한다. 제1 위치(X1)로부터 제9 위치(X9)에 포함되는 각 위치(X1~X9)는, 궤적(TJ1)에 포함된다. 제1 위치(X1)로부터 제9 위치(X9)까지의 구간은, 제1 노즐(41)이 이동하는 이동 구간을 나타낸다.
제1 위치(X1)로부터 제9 위치(X9)의 가운데, 제1 위치(X1)는, 처리액(에칭액)의 토출 개시 위치를 나타내고, 제9 위치(X9)는, 처리액(에칭액)의 토출 정지 위치를 나타낸다. 제1 위치(X1)에서의 제1 노즐(41)의 이동 속도는 0mm/s이며, 제9 위치(X9)에서의 제1 노즐(41)의 이동 속도는 0mm/s이다. 따라서, 제1 위치(X1)는, 스캔 처리의 개시 위치이며, 제9 위치(X9)는, 스캔 처리의 종료 위치이다. 또한, 제1 위치(X1)는, 제1 노즐(41)의 이동 개시 위치이며, 제9 위치(X9)는, 제1 노즐(41)의 이동 종료 위치이다. 덧붙여, 이하의 설명에서, 스캔 처리시에 있어서의 제1 노즐(41)의 이동 속도를 「스캔 속도」라고 기재하는 경우가 있다.
제1 노즐(41)은, 스캔 처리 중에, 제1 위치(X1)와 제9 위치(X9) 사이의 각 중간 위치(제2 위치(X2)로부터 제8 위치(X8)까지의 각 위치(X2~X8)를 통과한다. 각 중간 위치는, 노즐 위치의 일례이며, 제1 노즐(41)의 이동 구간을 복수의 구간으로 분할한다.
계속해서, 도 4를 참조하여, 스캔 속도 정보에 대해 설명한다. 스캔 속도 정보는, 스캔 처리시에 있어서의 제1 노즐(41)의 이동 속도의 설정값(스캔 속도의 설정값)을 나타낸다. 도 4는, 본 실시 형태의 스캔 속도 정보를 도시한 도면이다. 스캔 속도 정보는, 속도 정보, 학습대상 속도 정보, 및 처리시 속도 정보의 일례이다. 상세하게는, 도 4는, 도 3을 참조해 설명한 제1 노즐(41)의 이동 구간에 포함되는 각 위치(X1~X9)와, 스캔 속도의 설정값과의 관계를 나타낸다.
도 4에서, 상측 란은, 제1 노즐(41)의 이동 구간에 포함되는 각 위치(X1~X9)를 나타내고, 하측 란은, 스캔 속도의 설정값을 나타낸다. 제1 노즐(41)의 이동 구간에 포함되는 각 위치(X1~X9)는, 기판(W)의 반경 위치로 규정된다. 상세하게는, 상측 란은, 제1 노즐(41)의 이동 구간의 개시 위치(제1 노즐(41)의 이동 개시 위치), 제1 노즐(41)의 이동 구간의 종료 위치(제1 노즐(41)의 이동 종료 위치), 및, 제1 노즐(41)의 이동 구간의 개시 위치와 종료 위치 사이의 복수의 중간 위치(제1 노즐(41)이 통과하는 복수의 위치)를 나타낸다.
도 4에 도시한 것처럼, 스캔 속도 정보는, 제1 노즐(41)의 이동 구간에 포함되는 각 위치(X1~X9) 마다, 스캔 속도의 설정값을 나타낸다. 이하, 제1 노즐(41)의 이동 구간에 포함되는 각 위치(X1~X9)를, 「속도 설정 위치」라고 기재하는 경우가 있다. 본 실시 형태에서는, 스캔 속도 정보는, 9개소의 속도 설정 위치를 나타낸다.
구체적으로는, 각 속도 설정 위치는, 도 3을 참조해 설명한 제1 위치(X1)로부터 제9 위치(X9)까지의 각 위치(X1~X9)에 대응한다. 덧붙여, 도 3을 참조해 설명한 것처럼, 제1 노즐(41)의 이동 구간의 개시 위치(제1 위치(X1))에서 설정되는 스캔 속도는, 0[mm/s]이며, 제1 노즐(41)의 이동 구간의 종료 위치(제9 위치(X9))에서 설정되는 스캔 속도는, 0[mm/s]이다.
도 1 및 도 2를 참조해 설명한 제어 장치(101)는, 스캔 속도 정보에 근거하여, 도 2를 참조해, 노즐 이동 기구(6)(제1 구동부(65))를 제어한다. 그 결과, 제1 노즐(41)은, 각 속도 설정 위치에서의 스캔 속도가, 스캔 속도 정보로 규정되어 있는 스캔 속도가 되도록, 도 3을 참조해 설명한 궤적(TJ1)에 따라서 이동한다.
계속해서, 도 5를 참조하여, 스캔 처리시에 있어서의 제1 노즐(41)의 이동 속도(스캔 속도)에 대해 설명한다. 도 5는, 본 실시 형태에서의 제1 노즐(41)의 이동 속도의 일례를 도시한 그래프이다.
도 5에서, 세로축은, 스캔 속도(Scan Speed)[mm/s]를 나타내고, 가로축은, 기판(W)의 반경 위치(Position)[mm]를 나타낸다. 도 5에 도시한 것처럼, 스캔 처리의 개시시의 스캔 속도는 0[mm/s]이다. 또한, 스캔 처리의 종료시의 스캔 속도는 0[mm/s]이다.
도 3 및 도 4를 참조해 설명한 것처럼, 스캔 속도는, 제1 위치(X1)로부터 제9 위치(X9)까지의 각 위치(X1~X9)(각 속도 설정 위치) 마다 설정되어 있다. 그 결과, 도 5에 도시한 것처럼, 인접한 속도 설정 위치 간에, 한쪽의 속도 설정 위치에 대해 설정되어 있는 스캔 속도에서, 다른 쪽의 속도 설정 위치에 대해 설정되어 있는 스캔 속도까지, 스캔 속도가 연속적으로 변화한다. 예를 들면, 도 4에 도시한 것처럼, 제3 위치(X3)에 대해 스캔 속도(Y3)가 설정되어 있고, 제4 위치(X4)에 대해 스캔 속도(Y4)가 설정되어 있다. 따라서, 제1 노즐(41)의 스캔 속도는, 제1 노즐(41)이 제3 위치(X3)에서 제4 위치(X4)로 이동하는 동안, 스캔 속도(Y3)에서 스캔 속도(Y4)로 연속적으로 변화한다.
계속해서, 도 6을 참조하여, 두께 측정부(8)에 의한 두께 측정 처리를 설명한다. 도 6은, 본 실시 형태의 두께 측정 처리를 도시한 평면도이다. 도 6에 도시한 것처럼, 두께 측정 처리란, 평면시에서, 대상물(TG)에 대한 두께의 측정 위치가 원호상의 궤적(TJ2)을 형성하도록 광학 프로브(81)가 이동하면서, 대상물(TG)의 두께를 측정하는 처리이다. 궤적(TJ2)은, 기판(W)의 엣지부(EG)와 기판(W)의 중심부(CT)를 지난다. 엣지부(EG)는, 기판(W)의 주연부(周緣部)를 나타낸다. 두께 측정 처리는, 기판(W)의 회전 중에 실행된다.
구체적으로는, 광학 프로브(81)는, 평면시에서, 기판(W)의 중심부(CT)와 엣지부(EG)의 사이를 이동하면서, 대상물(TG)을 향해 광을 출사한다. 이 결과, 궤적(TJ2)에 포함되는 각 측정 위치에서, 대상물(TG)의 두께가 측정된다. 각 측정 위치는, 기판(W)의 각 반경 위치에 대응하고 있다. 따라서, 두께 측정 처리에 의해, 기판(W)의 지름 방향(RD)에 있어서의 대상물(TG)의 두께의 분포가 측정된다.
계속해서, 도 7을 참조하여, 본 실시 형태의 에칭액 공급부(4)를 설명한다. 도 7은, 본 실시 형태의 에칭액 공급부(4)의 모식도이다. 도 7에 도시한 것처럼, 에칭액 공급부(4)는, 도 2를 참조해 설명한 제1 공급 배관(42)에 더하여, 온도 센서(421)와, 농도 센서(422)와, 밸브(423)와, 믹싱 밸브(424)와, 유량계(425)와, 가열 히터(426)를 더 가진다.
온도 센서(421)는, 계측대상의 값을 계측하는 계측기의 일례이며, 온도 센서(421)의 계측대상은, 제1 공급 배관(42)을 흐르는 에칭액의 온도이다. 이하, 제1 공급 배관(42)을 흐르는 에칭액의 온도를, 「에칭액 온도」라고 기재한다. 온도 센서(421)는, 에칭액 온도를 나타내는 온도 신호를 생성한다. 에칭액 온도는, 에칭량에 영향을 준다.
온도 신호는, 도 1 및 도 2를 참조해 설명한 제어 장치(101)에 입력된다. 제어 장치(101)는, 온도 신호에 근거하여, 기판 처리 장치(100)에 이상이 발생하고 있는지 여부를 판정한다. 상세하게는, 도 8을 참조해 설명하는 레시피(131)는, 에칭액 온도의 설정값을 나타낸다. 에칭액 온도의 설정값은, 계측대상에 대한 설정값의 일례이다. 제어 장치(101)는, 온도 신호가 나타내는 온도와, 레시피(131)에 포함되는 에칭액 온도의 설정값과의 차분이, 미리 정해진 규정값 이상이 되는 경우, 에칭액 온도가 이상값을 나타내고 있다고 판정한다. 제어 장치(101)는, 에칭액 온도가 이상값을 나타내고 있다고 판정하면, 기판 처리 장치(100)에 이상이 발생하고 있다고 판정한다.
농도 센서(422)는, 계측대상의 값을 계측하는 계측기의 일례이며, 농도 센서(422)의 계측대상은, 제1 공급 배관(42)을 흐르는 에칭액에 포함되는 에칭성분의 농도이다. 이하, 제1 공급 배관(42)을 흐르는 에칭액에 포함되는 에칭성분의 농도를 「에칭액 농도」라고 기재한다. 농도 센서(422)는, 에칭액 농도를 나타내는 농도 신호를 생성한다. 에칭액 농도는, 에칭량에 영향을 준다.
농도 신호는, 도 1 및 도 2를 참조해 설명한 제어 장치(101)에 입력된다. 제어 장치(101)는, 농도 신호에 근거하여, 기판 처리 장치(100)에 이상이 발생하고 있는지 여부를 판정한다. 상세하게는, 도 8을 참조해 설명하는 레시피(131)는, 에칭액 농도의 설정값을 나타낸다. 에칭액 농도의 설정값은, 계측대상에 대한 설정값의 일례이다. 제어 장치(101)는, 농도 신호가 나타내는 농도와, 레시피(131)에 포함되는 에칭액 농도의 설정값과의 차분이, 미리 정해진 규정값 이상이 되는 경우, 에칭액 농도가 이상값을 나타내고 있다고 판정한다. 제어 장치(101)는, 에칭액 농도가 이상값을 나타내고 있다고 판정하면, 기판 처리 장치(100)에 이상이 발생하고 있다고 판정한다.
밸브(423)는, 제1 공급 배관(42)에 배치된다. 밸브(423)는, 제1 노즐(41)로의 에칭액의 공급 및 공급 정지를 전환한다. 상세하게는, 밸브(423)가 열리면, 제1 노즐(41)로부터 기판(W)을 향해서 에칭액이 토출된다. 한편, 밸브(423)가 닫히면, 에칭액의 토출이 정지한다. 또한, 밸브(423)는, 제1 공급 배관(42)에 있어서 밸브(423) 보다 하류로 흐르는 에칭액의 유량을 제어한다. 상세하게는, 밸브(423)의 열린 정도(開度)에 따라, 밸브(423) 보다 하류로 흐르는 에칭액의 유량이 조정된다. 따라서, 밸브(423)의 열린 정도에 따라, 에칭액의 토출유량이 조정된다. 밸브(423)는, 예를 들면, 모터 밸브이다.
믹싱 밸브(424)는, 제1 공급 배관(42)에 배치된다. 믹싱 밸브(424)가 열리면, 제1 공급 배관(42)에 순수한 물(純水)이 유입되어, 에칭액 농도가 희석된다.
유량계(425)는, 계측대상의 값을 계측하는 계측기의 일례이며, 유량계(425)의 계측대상은, 에칭액의 토출유량이다. 구체적으로는, 유량계(425)의 계측대상은, 제1 공급 배관(42)을 흐르는 에칭액의 유량이다. 유량계(425)는, 에칭액의 토출유량을 나타내는 토출유량 신호를 생성한다. 에칭액의 토출유량은, 에칭량에 영향을 준다.
토출유량 신호는, 도 1 및 도 2를 참조해 설명한 제어 장치(101)에 입력된다. 제어 장치(101)는, 토출유량 신호에 근거하여, 기판 처리 장치(100)에 이상이 발생하고 있는지 여부를 판정한다. 상세하게는, 도 8을 참조해 설명하는 레시피(131)는, 에칭액의 토출유량의 설정값을 나타낸다. 에칭액의 토출유량의 설정값은, 계측대상에 대한 설정값의 일례이다. 제어 장치(101)는, 토출유량 신호가 나타내는 토출유량과, 레시피(131)에 포함되는 에칭액의 토출유량의 설정값과의 차분이, 미리 정해진 규정값 이상이 되는 경우, 에칭액의 토출유량이 이상값을 나타내고 있다고 판정한다. 제어 장치(101)는, 에칭액의 토출유량이 이상값을 나타내고 있다고 판정하면, 기판 처리 장치(100)에 이상이 발생하고 있다고 판정한다.
가열 히터(426)는, 제1 공급 배관(42)을 흐르는 에칭액을 가열한다.
계속해서, 도 8을 참조하여, 제어 장치(101)를 설명한다. 도 8은, 본 실시 형태의 제어 장치(101)의 블록도이다. 상세하게는, 도 8은, 기계 학습 실행 전의 제어 장치(101)를 나타낸다. 도 8에 도시한 것처럼, 제어 장치(101)는, 제어부(102)와, 기억부(103)와, 입력부(104)와, 표시부(105)를 가진다.
제어부(102)는, 프로세서를 가진다. 제어부(102)는, 예를 들면, CPU(Central　Processing　Unit), 또는, MPU(Micro　Processing　Unit)를 가진다. 혹은, 제어부(102)는, 범용 연산기를 가진다. 제어부(102)는, NCU(Neural　Network　Processing　Unit)를 더 가질 수 있다.
기억부(103)는, 데이터 및 컴퓨터 프로그램을 기억한다. 기억부(103)는, 주기억장치를 가진다. 주기억장치는, 예를 들면, 반도체 메모리이다. 기억부(103)는, 보조기억장치를 더 가져도 무방하다. 보조기억장치는, 예를 들면, 반도체 메모리 및/또는 하드 디스크 드라이브이다. 기억부(103)는 이동식 매체(Removal media)를 가져도 무방하다. 제어부(102)는, 기억부(103)가 기억하고 있는 데이터 및 컴퓨터 프로그램에 근거하여, 기판 처리 장치(100)의 각 부의 동작을 제어한다. 게다가, 제어부(102)는, 기억부(103)가 기억하고 있는 데이터 및 컴퓨터 프로그램에 근거하여, 기계 학습 및 추가 학습을 실행한다.
구체적으로는, 기억부(103)는, 레시피(131)와, 제어 프로그램(132)과, 추론 프로그램(133)과, 학습용 프로그램(134)을 기억한다. 레시피(131)는, 기판(W)의 처리 내용 및 처리 순서를 규정한다. 또한, 레시피(131)는, 각종 설정값을 나타낸다. 예를 들면, 레시피(131)는, 도 4를 참조해 설명한 스캔 속도 정보를 나타낸다.
제어부(102)는, 레시피(131) 및 제어 프로그램(132)에 근거하여, 기판 처리 장치(100)의 각 부의 동작을 제어한다. 추론 프로그램(133)은, 도 15를 참조해 설명하는 학습 완료된 모델의 생성에 이용된다. 학습용 프로그램(134)은, 학습용 데이터셋 중에서 일정한 규칙을 찾아내, 그 규칙을 표현하는 모델(학습 완료된 모델)을 생성하기 위한 알고리즘을 실행하기 위한 프로그램이다.
기억부(103)는, 기계 학습의 실행시, 학습대상 속도 정보(＃A1~＃An)를 기억한다. 여기서, 「n」은, 정(正)의 정수를 나타낸다. 학습대상 속도 정보(＃A1~＃An)는 각각, 도 4를 참조해 설명한 스캔 속도 정보와 마찬가지로, 스캔 속도 정보를 나타낸다. 학습대상 속도 정보(＃A1~＃An)는, 도 4를 참조해 설명한 각 속도 설정 위치에 대해서 설정되는 스캔 속도의 셋(set)의 내용이 서로 다르다.
입력부(104)는, 작업자로부터의 입력을 접수하고, 입력 결과를 나타내는 정보를 제어부(102)에 출력한다. 예를 들면, 입력부(104)는, 학습대상 속도 정보(＃A1~＃An)의 입력을 접수한다. 입력부(104)는, 예를 들면, 터치 패널 및 포인팅 디바이스를 포함한다. 터치 패널은, 예를 들면, 표시부(105)의 표시면에 배치된다. 입력부(104)와 표시부(105)는, 예를 들면, 그래픽 유저 인터페이스(Graphical user interface)를 구성한다.
표시부(105)는 각종 정보를 표시한다. 본 실시 형태에서, 표시부(105)는, 예를 들면, 각종 에러 화면, 및 각종 설정 화면(입력 화면)을 표시한다. 표시부(105)는, 예를 들면, 액정 디스플레이 또는 유기(EL)(electroluminescence) 디스플레이를 가진다.
덧붙여, 제어 장치(101)는, 이동식 메모리(Removable memory)로부터 학습대상 속도 정보(＃A1~＃An)를 취득하는 인터페이스를 가져도 무방하다. 이동식 메모리는, 예를 들면, USB(Universal　Serial　Bus) 메모리를 포함한다. 혹은, 제어 장치(101)는, 이동식 매체로부터 학습대상 속도 정보(＃A1~＃An)를 취득하는 드라이브를 가져도 무방하다. 이동식 매체는, 예를 들면, CD(Compact Disc)와 같은 광디스크를 포함한다.
계속해서, 도 1, 도 2, 도 8 및 도 9를 참조하여, 기판 처리 장치(100)가 실행하는 학습용 데이터의 생성 방법을 설명한다. 도 9는, 본 실시 형태에서의 학습용 데이터의 생성 방법을 도시한 플로우 차트이다. 상세하게는, 도 9는, 학습용 데이터의 생성시 제어부(102)가 실행하는 처리를 나타낸다. 본 실시 형태의 학습용 데이터의 생성 방법은, 스텝(S1)~스텝(S9)의 각 처리를 포함한다.
도 9에 도시한 처리는, 작업자가 입력부(104)를 조작함에 따라 개시된다. 학습용 데이터(학습용 데이터셋)의 생성시에는, 복수의 로드 포트(LP) 중 적어도 하나에, 학습대상인 복수 매의 기판(W)이 수용된다. 덧붙여, 학습대상의 기판(W)에는, 반도체 제품의 제조 시에 사용되는 기판(W)과 같은 종류의 기판(W)이 사용된다.
학습용 데이터(학습용 데이터셋)를 생성하는 경우, 제어부(102)는, 우선, 복수의 처리 유닛(1) 중 하나를 학습대상의 처리 유닛(1)으로서 선택한다. 덧붙여, 도 9를 참조해 설명하는 처리는, 기판 처리 장치(100)가 구비한 복수의 처리 유닛(1)에 대해서 순차적으로 실행된다.
제어부(102)는, 학습대상의 처리 유닛(1)을 결정하면, 학습대상 속도 정보(＃A1~＃An) 중 하나를 선택하여, 학습대상 속도 정보(＃A1~＃An) 중 하나를 취득한다(스텝(S1)). 이하, 학습대상 속도 정보(＃A1~＃An) 중 하나를, 「학습대상 속도 정보(＃A1)」라고 기재한다. 예를 들면, 제어부(102)는, 학습대상 속도 정보(＃A1~＃An)에 각각 부여되는 식별 번호가 작은 순으로, 학습대상 속도 정보(＃A)를 선택한다.
제어부(102)는, 학습대상 속도 정보(＃A1~＃An) 중 하나를 선택한 후, 학습대상의 기판(W)이, 학습대상의 처리 유닛(1)의 챔버(2) 내에 반입(搬入)되도록, 인덱서 로봇(IR)과, 센터 로봇(CR)을 제어한다(스텝(S2)). 제어부(102)는, 챔버(2) 내에 반입된 학습대상의 기판(W)을, 스핀 척(3)에 보관유지시킨다.
제어부(102)는, 학습대상의 기판(W)이 스핀 척(3)에 보관유지되면, 두께 측정부(8)에, 학습대상의 기판(W)에 포함되는 대상물(TG)의 두께의 분포를 측정시킨다(스텝(S3)). 여기서 측정되는 대상물(TG)의 두께의 분포는, 에칭 처리 전의 대상물(TG)의 두께의 분포를 나타낸다. 이하, 에칭 처리 전의 대상물(TG)의 두께의 분포를, 「처리 전의 두께 분포」라고 기재하는 경우가 있다.
처리 전의 두께 분포의 측정 후, 제어부(102)는, 학습대상의 기판(W)에 대해서 에칭 처리가 실행되도록, 기판 처리 장치(100)의 각 부의 동작을 제어한다(스텝(S4)). 구체적으로는, 제어부(102)는, 도 3~도 5를 참조해 설명한 것처럼, 학습대상 속도 정보(＃A)에 근거한 속도로 제1 노즐(41)이 이동(선회)하면서, 제1 노즐(41)로부터 학습대상의 기판(W)에 에칭액이 공급되도록 기판 처리 장치(100)의 각 부의 동작을 제어하여, 학습대상의 기판(W)에 에칭 처리를 실행한다.
제어부(102)는, 에칭 처리의 실행 후, 두께 측정부(8)에, 학습대상의 기판(W)에 포함되는 대상물(TG)의 두께의 분포를 측정시킨다(스텝(S5)). 여기서 측정되는 대상물(TG)의 두께의 분포는, 에칭 처리 후의 대상물(TG)의 두께의 분포를 나타낸다. 이하, 에칭 처리 후의 대상물(TG)의 두께의 분포를, 「처리 후의 두께 분포」라고 기재하는 경우가 있다. 덧붙여, 도 10을 참조해 설명하는 바와 같이, 처리 후의 두께 분포는, 건조 처리 후의 두께 분포를 나타낸다.
처리 후의 두께 분포의 측정 후, 제어부(102)는, 스핀 척(3)에 의한 학습대상의 기판(W)의 보관유지를 해제하여, 인덱서 로봇(IR)으로, 학습대상의 기판(W)을 챔버(2)로부터 반출(搬出)시킨다(스텝(S6)). 그 후, 제어부(102)는, 복수의 로드 포트(LP) 중 하나까지 학습대상의 기판(W)이 반송되도록, 인덱서 로봇(IR)과, 센터 로봇(CR)을 제어한다.
다음으로, 제어부(102)는, 처리량(에칭량)을 취득한다(스텝(S7)). 상세하게는, 제어부(102)는, 처리 전의 두께 분포와 처리 후의 두께 분포와의 차분을 산출하여, 에칭량을 취득한다.
제어부(102)는, 처리량(에칭량)을 취득하면, 학습대상 속도 정보(＃A)와 처리량(에칭량)에 근거하여, 학습용 데이터를 생성한다(스텝(S8)). 학습용 데이터는, 학습대상 속도 정보(＃A)와 처리량(에칭량)을 나타낸다. 학습용 데이터는, 기억부(103)에 기억된다.
제어부(102)는, 학습용 데이터를 생성하면, 기판 처리 장치(100)에 이상이 발생하고 있는지 여부를 판정하여(스텝(S9)), 도 9에 도시한 처리를 종료한다. 예를 들면, 제어부(102)는, 도 2 및 도 7을 참조해 설명한 것처럼, 기판(W)의 회전 속도, 에칭액 온도, 에칭액 농도, 및 에칭액의 토출유량 중 적어도 하나가 이상값을 나타내는지 여부를 판정한다.
제어부(102)는, 도 9에 도시한 처리를, 학습대상 속도 정보(＃A1~＃An)의 전부가 선택될 때까지 반복 실행한다. 그 결과, 학습용 데이터셋이 생성된다. 학습용 데이터셋은, 복수의 학습용 데이터를 포함한다. 학습용 데이터셋은, 기억부(103)에 기억된다. 덧붙여, 스텝(S7)~스텝(S9)의 각 처리 중 적어도 하나는, 스텝(S5)의 처리와 스텝(S6)의 처리의 사이에 실행되어도 무방하다.
계속해서, 도 2, 도 8 및 도 10을 참조하여, 에칭 처리(스텝(S4))에 대해 설명한다. 도 10은, 본 실시 형태의 에칭 처리를 도시한 플로우 차트이다.
도 10에 도시한 것처럼, 스핀 척(3)이 학습대상의 기판(W)을 보관유지한 후에, 학습대상의 기판(W)이 처리된다(스텝(S41)). 구체적으로는, 제어부(102)는, 스핀 모터부(5)에, 스핀 척(3)이 보관유지하는 기판(W)을 회전시킨다. 그 후, 제어부(102)는, 도 9를 참조해 설명한 것처럼, 제1 노즐(41)로부터 학습대상의 기판(W)을 향해서 에칭액이 공급되도록, 노즐 이동 기구(6) 및 에칭액 공급부(4)를 제어한다. 이 결과, 학습대상의 기판(W)이 에칭된다.
학습대상의 기판(W)의 에칭이 완료하면, 제어부(102)는, 린스액 공급부(7)를 제어하여, 학습대상의 기판(W)에 린스액을 공급함으로써, 학습대상의 기판(W)으로부터 에칭액을 제거한다(스텝(S42)). 구체적으로는, 에칭액이 린스액에 의해 학습대상의 기판(W)의 외측으로 밀려 흐르고, 학습대상의 기판(W)의 주위에 배출된다. 이 결과, 학습대상의 기판(W) 상의 린스액의 액막이, 린스액의 액막으로 치환된다.
에칭액을 린스액으로 치환한 후, 제어부(102)는, 스핀 모터부(5)를 제어하여, 학습대상의 기판(W)을 건조시킨다(스텝(S43)). 그 결과, 도 10에 도시한 처리가 종료한다. 구체적으로는, 제어부(102)는, 학습대상의 기판(W)의 회전 속도를, 에칭 처리시 및 린스 처리시의 회전 속도 보다 증대시킨다. 이 결과, 학습대상의 기판(W) 상의 린스액에 큰 원심력(遠心力)이 부여되어, 학습대상의 기판(W)에 부착되어 있는 린스액이 학습대상의 기판(W)의 주위에 떨어뜨려진다(Shake off). 이처럼 하여, 학습대상의 기판(W)으로부터 린스액을 제거해, 학습대상의 기판(W)을 건조시킨다. 덧붙여, 제어부(102)는, 예를 들면 학습대상의 기판(W)의 고속 회전을 개시하고 나서 소정 시간이 경과한 후에, 스핀 모터부(5)에 의한 기판(W)의 회전을 정지시킨다.
계속해서, 도 2, 도 8 및 도 11을 참조하여, 학습용 데이터를 생성하는 처리(스텝(S8))에 대해 설명한다. 도 11은, 본 실시 형태에서의 학습용 데이터의 생성 처리를 도시한 플로우 차트이다.
도 11에 도시한 것처럼, 제어부(102)는, 학습대상 속도 정보(＃A)와 처리량(에칭량)을 이용하여, 학습용 데이터를 생성한다(스텝(S81)). 제어부(102)는, 생성한 학습용 데이터(처리량)가 기계 학습에 이용 가능한지 여부를 판정한다(스텝(S82)).
구체적으로는, 제어부(102)는, 처리량(에칭량)이 규정값 이상인지 여부를 판정한다. 처리량(에칭량)이 규정값 이상이 아닌 경우, 제어부(102)는, 학습용 데이터(처리량)가 기계 학습에 이용 가능하다고 판정한다. 한편, 처리량(에칭량)이 규정값 이상인 경우, 제어부(102)는, 학습용 데이터(처리량)가 기계 학습에 이용 가능하지 않다고 판정한다. 예를 들면, 제어부(102)는, 처리량(에칭량)의 분포의 적어도 1개소가 규정값 이상인 경우, 학습용 데이터(처리량)가 기계 학습에 이용 가능하지 않다고 판정한다.
덧붙여, 제어부(102)는, 처리량(에칭량)의 분포의 복수 개소가 규정값 이상인 경우, 학습용 데이터(처리량)가 기계 학습에 이용 가능하지 않다고 판정해도 무방하고, 처리량(에칭량)이 규정값 이상이 되는 범위가 미리 정한 범위 이상이 되는 경우, 학습용 데이터(처리량)가 기계 학습에 이용 가능하지 않다고 판정해도 무방하다.
제어부(102)는, 학습용 데이터(처리량)가 기계 학습에 이용 가능하다고 판정하면(스텝(S82)의 Yes), 그 학습용 데이터에 제1 플래그를 부여하고(스텝(S83)), 도 11에 도시한 처리를 종료한다. 구체적으로는, 제어부(102)는, 학습용 데이터와 제1 플래그를 연관지어, 기억부(103)에 기억시킨다. 제1 플래그는, 학습용 데이터를 이용하는 것을 나타낸다.
한편, 제어부(102)는, 학습용 데이터(처리량)가 기계 학습에 이용 가능하지 않다고 판정하면(스텝(S82)의 No), 그 학습용 데이터에 제2 플래그를 부여하고(스텝(S84)), 도 11에 도시한 처리를 종료한다. 구체적으로는, 제어부(102)는, 학습용 데이터와 제2 플래그를 연관지어, 기억부(103)에 기억시킨다. 제2 플래그는, 학습용 데이터를 이용하지 않는 것을 나타낸다. 따라서, 제2 플래그가 부여된 학습용 데이터는, 기계 학습을 위한 학습용 데이터셋에서 제외된다.
계속해서, 도 2, 도 8 및 도 12를 참조하여, 기판 처리 장치(100)에 이상이 발생하고 있는지 여부를 판정하는 이상 판정 처리(스텝(S9))에 대해 설명한다. 도 12는, 본 실시 형태에서의 이상 판정 처리를 도시한 플로우 차트이다.
도 12에 도시한 것처럼, 제어부(102)는, 기판 처리 장치(100)에 이상이 발생하고 있는지 여부를 판정한다(스텝(S91)). 제어부(102)는, 기판 처리 장치(100)에 이상이 발생하고 있지 않다고 판정한 경우(스텝(S91)의 No), 도 12에 도시한 처리를 종료한다.
한편, 제어부(102)는, 기판 처리 장치(100)에 이상이 발생하고 있다고 판정한 경우(스텝(S91)의 Yes), 학습용 데이터(처리량)가 기계 학습에 이용 가능한지 여부에 따라, 상이한 에러 알림을 실행한다. 본 실시 형태에서는, 제어부(102)는, 학습용 데이터에 대해서, 제1 플래그가 연관지어져 있는지, 제2 플래그가 연관지어져 있는지를 판정한다(스텝(S92)).
학습용 데이터에 대해서 제1 플래그가 연관지어져 있는 경우(스텝(S92)의 A), 제어부(102)는, 표시부(105)에 제1 에러 화면을 표시시키고(스텝(S93)), 도 12에 도시한 처리를 종료한다. 제1 에러 화면은, 기판 처리 장치(100)에 이상이 발생하고 있음을 나타낸다. 상세하게는, 제1 에러 화면은, 이상이 발생하고 있는 계측대상(감시 대상)을 나타낸다.
학습용 데이터에 대해서 제2 플래그가 연관지어져 있는 경우(스텝(S92)의 B), 제어부(102)는, 표시부(105)에 제2 에러 화면을 표시시키고(스텝(S94), 도 12에 도시한 처리를 종료한다. 제2 에러 화면은, 기판 처리 장치(100)에 이상이 발생하고 있는 것과 함께, 처리량(에칭량)이 규정값 이상인 것을 나타낸다. 따라서, 제2 에러 화면은, 처리량(에칭량)이 규정값 이상이 된 원인이, 학습대상의 기판(W)측이 아니라, 기판 처리 장치(100)측에 있을 가능성을 작업자에게 통지할 수 있다.
계속해서, 도 13을 참조하여, 학습용 데이터셋을 관리하기 위한 학습용 데이터셋용 테이블(TB10)을 설명한다. 도 13은, 본 실시 형태의 학습용 데이터셋용 테이블(TB10)의 일례를 도시한 도면이다.
본 실시 형태에서, 제어부(102)는, 학습용 데이터를 테이블 형식으로 기억부(103)에 기억시킨다. 도 13에 도시한 것처럼, 학습용 데이터셋용 테이블(TB10)은, 속도 정보 필드(TB11)와, 처리량 필드(TB12)와, 플래그 필드(TB13)를 가진다.
속도 정보 필드(TB11)에는, 학습대상 속도 정보(＃A)가 저장된다. 처리량 필드(TB12)에는, 처리량(에칭량)이 저장된다. 플래그 필드(TB13)에는, 플래그가 저장된다. 도 13에 도시한 것처럼, 학습대상 속도 정보(＃A), 처리량(에칭량) 및 플래그는, 서로 연관지어져, 학습용 데이터셋용 테이블(TB10)에 저장된다.
덧붙여, 플래그 필드(TB13)에 있어서, 「OK」는 제1 플래그를 나타내고, 「NG」는 제2 플래그를 나타낸다. 환언하면, 「OK」는, 대응하는 학습용 데이터가 기계 학습에 이용 가능함을 나타내고, 「NG」는, 대응하는 학습용 데이터가 기계 학습에 이용 가능하지 않음을 나타낸다.
계속해서, 도 14를 참조하여, 학습용 데이터셋(135)의 생성 후의 제어 장치(101)를 설명한다. 도 14는, 본 실시 형태의 제어 장치(101)의 블록도이다. 상세하게는, 도 14는, 학습용 데이터셋(135)의 생성 후의 제어 장치(101)를 나타낸다.
도 14에 도시한 것처럼, 기억부(103)는, 학습용 데이터셋(135)을 기억한다. 학습용 데이터셋(135)은, 복수의 학습용 데이터를 포함한다. 상세하게는, 도 13을 참조해 설명한 것처럼, 제어부(102)는, 학습용 데이터셋용 테이블(TB10)에 복수의 학습용 데이터를 저장한다. 덧붙여, 학습용 데이터셋(135)의 생성 후, 제어부(102)는, 기억부(103)로부터 학습대상 속도 정보(＃A1~＃An)를 소거해도 되고, 소거하지 않아도 된다.
제어부(102)는, 학습용 데이터셋(135)(복수의 학습용 데이터)을 학습하여, 학습 완료된 파라미터를 생성한다. 제어부(102)는, 학습 완료된 파라미터에 근거하여, 학습 완료된 모델을 생성한다.
계속해서, 도 1, 도 2, 도 13, 도 14 및 도 15를 참조하여, 기판 처리 장치(100)가 실행하는 학습 완료된 모델의 생성 방법을 설명한다. 도 15는, 본 실시 형태에서의 학습 완료된 모델의 생성 방법을 도시한 플로우 차트이다. 상세하게는, 도 15는, 제어부(102)가 학습 완료된 모델의 생성시 실행하는 처리를 나타낸다. 본 실시 형태의 학습 완료된 모델의 생성 방법은, 스텝(S11)~스텝(S14)의 각 처리를 포함한다.
우선, 제어부(102)는, 기억부(103)로부터 학습용 데이터셋(135)을 취득한다(스텝(S11)). 이때, 제어부(102)는, 복수의 학습용 데이터 중에서, 제1 플래그가 부여된 학습용 데이터를 취득한다.
제어부(102)는, 학습용 데이터셋(135)을 취득하면, 학습용 프로그램(134)에 근거하여, 학습용 데이터셋(135)(복수의 학습용 데이터)을 학습한다(스텝(S12)). 여기서, 학습이란, 학습용 데이터셋(135) 중에서 일정한 규칙을 발견하는 것을 나타낸다. 본 실시 형태에서, 학습용 데이터는, 스캔 속도 정보(각 속도 설정 위치에서의 스캔 속도)와, 처리량(에칭량)과의 관계를 나타내고 있다. 제어부(102)는, 학습용 데이터셋(135)을 학습하여, 스캔 속도 정보와 처리량(에칭량) 사이에 있어서의 일정한 규칙을 발견한다.
제어부(102)는, 학습용 데이터셋(135)을 학습함으로써, 학습 완료된 파라미터를 생성한다(스텝(S13)). 보다 구체적으로는, 학습용 프로그램(134)으로부터 학습 완료된 파라미터가 출력된다. 학습 완료된 파라미터는, 학습용 데이터셋(135)을 이용한 학습의 결과에 근거해 취득되는 파라미터(계수)이다.
다음으로, 제어부(102)는, 취득한 학습 완료된 파라미터에 근거하여, 학습 완료된 모델을 생성한다(스텝(S14)). 이 결과, 도 15에 도시한 처리가 종료한다. 상세하게는, 제어부(102)는, 학습 완료된 파라미터를 추론 프로그램(133)에 편입하여, 학습 완료된 모델을 생성한다. 추론 프로그램(133)은, 편입된 학습 완료된 파라미터를 적용하여, 입력에 대해서 일정한 결과를 출력하는 프로그램이며, 학습 완료된 모델은, 학습 완료된 파라미터를 포함하는 모델이다. 본 실시 형태에서, 「입력」은 처리량(에칭량)의 목표량이며, 「출력」은 스캔 속도 정보이다. 환언하면, 처리량(에칭량)의 목표량은 설명 변수이며, 학습 완료된 모델로부터 출력되는 스캔 속도 정보는 목적 변수이다. 이하, 처리량(에칭량)의 목표량을, 「목표 처리량」또는 「목표 에칭량」이라고 기재하는 경우가 있다. 또한, 학습 완료된 모델로부터 출력되는 스캔 속도 정보를 「처리시 속도 정보」라고 기재하는 경우가 있다.
계속해서, 도 2 및 도 16을 참조하여, 반도체 제품의 제조 시에 있어서의 제어 장치(101)를 설명한다. 도 16은, 본 실시 형태의 제어 장치(101)의 블록도이다. 상세하게는, 도 16은, 반도체 제품의 제조 시에 있어서의 제어 장치(101)를 나타낸다.
도 16에 도시한 것처럼, 반도체 제품의 제조 시, 기억부(103)는 학습 완료된 모델(136)을 기억하고 있다. 덧붙여, 학습 완료된 모델(136)의 생성 후, 제어부(102)는, 기억부(103)로부터 학습용 데이터셋(135)을 소거해도 되고, 소거하지 않아도 된다.
제어부(102)는, 반도체 제품의 제조 시, 학습 완료된 모델(136)에 근거하여 노즐 이동 기구(6)를 제어한다. 상세하게는, 제어부(102)는, 설명 변수인 목표 처리량(목표 에칭량)을 학습 완료된 모델(136)에 입력함으로써, 학습 완료된 모델(136)로부터, 목적 변수인 처리시 속도 정보를 출력시킨다. 제어부(102)는, 반도체 제품의 제조 시, 처리시 속도 정보에 근거한 속도로 제1 노즐(41)이 이동하도록 노즐 이동 기구(6)를 제어한다. 구체적으로는, 제1 노즐(41)은, 기판(W)에 대해서 처리(에칭)를 실행할 때, 처리시 속도 정보에 근거한 속도로 이동(선회)한다. 덧붙여, 이하의 설명에서, 반도체 제품의 제조 시에 처리하는 기판(W)을, 「처리대상의 기판(W)」이라고 기재하는 경우가 있다.
계속해서, 도 1, 도 2, 도 16, 도 17 및 도 18을 참조하여, 기판 처리 장치(100)가 실행하는 기판 처리 방법을 설명한다. 도 17 및 도 18은, 본 실시 형태에서의 기판 처리 방법을 도시한 플로우 차트이다. 상세하게는, 도 17 및 도 18은, 처리대상의 기판(W)을 에칭할 때에 제어부(102)가 실행하는 처리를 나타낸다. 본 실시 형태의 기판 처리 방법은, 스텝(S21)~스텝(S32)의 각 처리를 포함한다.
도 17 및 도 18에 도시한 처리는, 작업자가 입력부(104)를 조작함에 따라 개시된다. 복수의 로드 포트(LP) 중 적어도 하나에, 처리대상의 복수의 기판(W)이 수용되어 있다.
처리대상의 기판(W)을 에칭하는 경우, 우선, 제어부(102)는, 대상물(TG)의 목표 두께를 취득한다(스텝(S21)). 상세하게는, 제어부(102)는, 대상물(TG)의 목표 두께의 분포를 취득한다. 목표 두께는, 작업자가 입력부(104)를 조작함에 따라, 제어부(102)에 입력된다.
제어부(102)는, 목표 두께를 취득하면, 복수의 처리 유닛(1) 중 하나의 처리 유닛(1)의 챔버(2) 내에 처리대상의 기판(W)이 반입되도록, 인덱서 로봇(IR)과, 센터 로봇(CR)을 제어한다(스텝(S22)). 제어부(102)는, 챔버(2) 내에 반입된 처리대상의 기판(W)을, 스핀 척(3)에 보관유지시킨다.
제어부(102)는, 처리대상의 기판(W)이 스핀 척(3)에 보관유지되면, 두께 측정부(8)에, 처리대상의 기판(W)에 포함되는 대상물(TG)의 두께의 분포를 측정시킨다(스텝(S23)). 환언하면, 처리 전의 두께 분포가 측정된다.
다음으로, 제어부(102)는, 처리 전의 두께 분포와 목표 두께의 분포에 근거하여, 설명 변수인 목표 처리량(목표 에칭량)을 취득한다(스텝(S24)). 구체적으로는, 제어부(102)는, 처리 전의 두께 분포와 목표 두께의 분포와의 차분을 산출하여, 목표 처리량(목표 에칭량)을 취득한다.
다음으로, 제어부(102)는, 목표 처리량(목표 에칭량)을 학습 완료된 모델(136)에 입력하여, 학습 완료된 모델(136)로부터 처리시 속도 정보를 출력시킴으로써, 목적 변수인 처리시 속도 정보를 취득한다(스텝(S25)).
처리시 속도 정보를 취득하면, 제어부(102)는, 처리대상의 기판(W)에 대해서 에칭 처리가 실행되도록, 기판 처리 장치(100)의 각 부의 동작을 제어한다(스텝(S26)). 구체적으로는, 제어부(102)는, 도 3~도 5를 참조해 설명한 것처럼, 처리시 속도 정보에 근거한 속도로 제1 노즐(41)이 이동(선회)하면서, 제1 노즐(41)로부터 처리대상의 기판(W)에 에칭액이 공급되도록 기판 처리 장치(100)의 각 부의 동작을 제어하여, 처리대상의 기판(W)에 에칭 처리를 실행한다. 보다 상세하게는, 도 10을 참조해 설명한 처리와 마찬가지의 처리에 의해, 처리대상의 기판(W)이 에칭된다.
제어부(102)는, 에칭 처리의 실행 후, 두께 측정부(8)에, 처리대상의 기판(W)에 포함되는 대상물(TG)의 두께의 분포를 측정시킨다(스텝(S27)). 환언하면, 처리 후의 두께 분포가 측정된다.
처리 후의 두께 분포의 측정 후, 제어부(102)는, 스핀 척(3)에 의한 처리대상의 기판(W)의 보관유지를 해제하여, 인덱서 로봇(IR)으로, 처리대상의 기판(W)을 챔버(2)로부터 반출시킨다(스텝(S28)). 그 후, 제어부(102)는, 복수의 로드 포트(LP) 중 하나까지 처리대상의 기판(W)이 반송되도록, 인덱서 로봇(IR)과, 센터 로봇(CR)을 제어한다.
처리대상의 기판(W)이 반송되면, 도 18에 도시한 것처럼, 제어부(102)는, 처리량(에칭량)을 취득한다(스텝(S29)). 상세하게는, 제어부(102)는, 처리 전의 두께 분포와 처리 후의 두께 분포와의 차분을 산출하여, 에칭량을 취득한다.
제어부(102)는, 처리량(에칭량)을 취득하면, 처리량(에칭량)이 목표 처리량(목표 에칭량)과 일치하는지 여부를 판정한다(스텝(S30)).
처리량(에칭량)이 목표 처리량(목표 에칭량)과 일치하지 않다고 제어부(102)가 판정한 경우(스텝(S30)의 No), 처리는 스텝(S31)으로 이행한다. 처리량(에칭량)이 목표 처리량(목표 에칭량)과 일치한다고 제어부(102)가 판정한 경우(스텝(S30)의 Yes), 처리는 스텝(S32)으로 이행한다. 덧붙여, 제어부(102)는, 허용 범위 내에서, 처리량(에칭량)이 목표 처리량(목표 에칭량)과 일치하는지 여부를 판정해도 무방하다.
스텝(S31)에 있어서, 제어부(102)는, 처리시 속도 정보와 처리량(에칭량)에 근거하여, 추가 학습을 위한 학습용 데이터를 생성한다. 상세하게는, 도 11을 참조해 설명한 처리와 마찬가지의 처리에 의해, 추가 학습을 위한 학습용 데이터가 생성된다. 추가 학습을 위한 학습용 데이터가 생성되면, 처리는 스텝(S32)으로 이행한다.
스텝(S32)에 있어서, 제어부(102)는, 기판 처리 장치(100)에 이상이 발생하고 있는지 여부를 판정하여(스텝(S32), 도 17 및 도 18에 도시한 처리를 종료한다. 상세하게는, 도 12를 참조해 설명한 처리와 마찬가지의 처리에 의해, 기판 처리 장치(100)에 이상이 발생하고 있는지 여부의 판정을 한다.
반도체 제품의 제조 시에, 제어부(102)는, 도 17 및 도 18의 처리를 반복해 실행한다. 그 결과, 추가 학습을 위한 학습용 데이터셋이 생성된다. 추가 학습을 위한 학습용 데이터셋은, 기억부(103)에 기억된다. 덧붙여, 스텝(S29)~스텝(S32)의 각 처리 중 적어도 하나는, 스텝(S26)과 스텝(S27)의 사이에 실행되어도 무방하다. 이하, 추가 학습을 위한 학습용 데이터셋을, 「추가 학습용 데이터셋」이라고 기재하는 경우가 있다. 또한, 추가 학습을 위한 학습용 데이터를, 「추가 학습용 데이터」라고 기재하는 경우가 있다.
계속해서, 도 19를 참조하여, 추가 학습용 데이터셋을 관리하기 위한 추가 학습용 데이터셋용 테이블(TB20)을 설명한다. 도 19는, 본 실시 형태의 추가 학습용 데이터셋용 테이블(TB20)의 일례를 도시한 도면이다.
본 실시 형태에서, 제어부(102)는, 추가 학습용 데이터를 테이블 형식으로 기억부(103)에 기억시킨다. 도 19에 도시한 것처럼, 추가 학습용 데이터셋용 테이블(TB20)은, 속도 정보 필드(TB21)와, 처리량 필드(TB22)와, 플래그 필드(TB23)를 가진다.
속도 정보 필드(TB21)에는, 처리시 속도 정보(＃B)가 저장된다. 처리량 필드(TB22)에는, 처리량(에칭량)이 저장된다. 플래그 필드(TB23)에는, 도 13을 참조해 설명한 플래그 필드(TB13)와 마찬가지로, 플래그가 저장된다. 도 19에 도시한 것처럼, 처리시 속도 정보(＃B), 처리량(에칭량), 및 플래그는, 서로 연관지어져, 추가 학습용 데이터셋용 테이블(TB20)에 저장된다.
제어부(102)는, 추가 학습용 데이터셋이 생성되면, 기계 학습의 실행시와 마찬가지로, 학습 완료된 모델을 생성한다. 이하, 도 15를 참조하여, 추가 학습 후의 학습 완료된 모델을 생성하는 방법을 설명한다.
우선, 제어부(102)는, 기억부(103)로부터 추가 학습용 데이터셋을 취득한다(스텝(S11)). 이때, 제어부(102)는, 복수의 추가 학습용 데이터 중에서, 제1 플래그가 부여된 추가 학습용 데이터를 취득한다.
제어부(102)는, 추가 학습용 데이터셋을 취득하면, 학습용 프로그램(134)에 근거하여, 추가 학습용 데이터셋(복수의 추가 학습용 데이터)을 학습한다(스텝(S12)).
제어부(102)는, 추가 학습용 데이터셋을 학습함으로써, 새로운 학습 완료된 파라미터를 생성한다(스텝(S13)). 보다 구체적으로는, 학습용 프로그램(134)으로부터, 새로운 학습 완료된 파라미터가 출력된다.
다음으로, 제어부(102)는, 새로운 학습 완료된 파라미터에 근거하여, 추가 학습 후의 학습 완료된 모델을 생성한다(스텝(S14)). 이 결과, 도 15에 도시한 처리가 종료한다. 상세하게는, 제어부(102)는, 새로운 학습 완료된 파라미터를 추론 프로그램(133)에 편입하여, 추가 학습 후의 학습 완료된 모델을 생성한다.
이상, 도 1~도 19를 참조해 본 발명의 실시 형태 1을 설명하였다. 본 실시 형태에 의하면, 스캔 속도 정보의 개발에 관여하는 작업자의 부담을 경감할 수 있다. 구체적으로는, 전처리가 상이한 각종 학습대상의 기판(W)을 이용하여 학습 완료된 모델(136)을 생성함으로써, 반도체 제품의 제조 단계에서 전처리가 변경되어도, 작업자는, 스캔 속도 정보를 새롭게 개발할 필요가 없다.
또한, 본 실시 형태에 의하면, 처리 전의 대상물(TG)의 두께에 편차가 있어도, 학습 완료된 모델(136)이, 처리 후의 대상물(TG)의 두께를 목표 두께로 하기 위한 스캔 속도 정보를 출력한다. 따라서, 처리 전의 대상물(TG)의 두께의 편차에 맞춰서, 다수의 스캔 속도 정보의 개발할 필요가 없다. 또한, 처리 전의 대상물(TG)의 두께에 편차가 있어도, 처리 후의 두께 분포를 안정적으로 목표 두께의 분포로 할 수 있다. 예를 들면, 기판(W)의 표면을 수평면과 대략 평행하게 할 수 있다. 혹은, 대상물(TG) 중 특정 영역의 두께를, 목표 두께로 할 수 있다.
또한, 본 실시 형태에 의하면, 반도체 제품의 제조 시, 처리 후의 대상물(TG)의 두께가 목표 두께로 되지 않는 에러가 발생해도, 기판 처리 장치(100)가 추가 학습을 실행하기 때문에, 에러 발생 후, 반도체 제품의 제조 중에 학습 완료된 파라미터가 조정되어, 처리 후의 두께를 목표 두께로 할 수 있다. 또한, 기판 처리 장치(100)가 추가 학습을 실행하기 때문에, 작업자가, 에러 발생에 맞춰서, 새로운 스캔 속도 정보를 개발할 필요가 없다. 또한, 전처리가 변경되어도, 추가 학습에 의해서 학습 완료된 파라미터가 조정되기 때문에, 작업자가 새로운 스캔 속도 정보를 개발할 필요가 없다.
덧붙여, 처리량(에칭량)에 영향을 주는 인자에는, 스캔 속도 외에, 예를 들면, 기판(W)의 회전 속도, 처리액 온도, 처리액 농도, 및, 처리액의 토출유량이 있지만, 제어부(102)는, 기계 학습을 위한 학습용 데이터의 생성시, 및, 처리대상의 기판(W)의 처리시에, 이들 다른 인자의 값을 변경하기 위한 처리(제어)를 적극적으로는 실시하고 있지 않다. 환언하면, 제어부(102)는, 처리량을 목표량으로 하기 위해서, 스캔 속도를 조정하는 한편, 이들 다른 인자의 값은 조정(변경)하고 있지 않다. 따라서, 학습용 데이터의 생성시, 및, 처리대상의 기판(W)의 처리시에 있어서, 이들 다른 인자의 값은, 이상 발생시를 제외하고 대략 같은 값을 나타낸다. 본 실시 형태에서, 처리량에 영향을 주는 복수의 인자 중에서 처리시 속도 정보를 목적 변수로서 선택한 것은, 처리량 분포의 균질화를 평가 지표로 한 경우에, 스캔 속도와 평가 지표와의 상관관계가, 스캔 속도 이외의 다른 인자와 평가 지표와의 상관관계에 비교해서 강하기 때문이다. 본 실시 형태에 의하면, 학습용 데이터를 생성하기 위해서, 학습대상 속도 정보(＃A)(스캔 속도 정보)의 데이터셋을 작성하면 되기 때문에, 학습 완료된 모델 또는 스캔 속도 정보의 개발에 관여하는 작업자의 부담을 경감할 수 있다.
[실시 형태 2]
계속해서, 도 20 및 도 21을 참조해 본 발명의 실시 형태 2에 대해 설명한다. 단, 실시 형태 1과 다른 사항을 설명하고, 실시 형태 1과 같은 사항에 대한 설명은 생략한다. 실시 형태 2는, 실시 형태 1과 달리, 학습 장치(200)가 학습 완료된 모델(136)을 생성한다.
도 20은, 본 실시 형태에서의 기판 처리 장치(100) 및 학습 장치(200)를 도시한 도면이다. 본 실시 형태에서, 기판 처리 장치(100)의 제어 장치(101)는, 도 1~도 13을 참조해 설명한 것처럼, 학습용 데이터셋(135)을 생성한다. 학습용 데이터셋(135)은, 학습 장치(200)에 입력된다.
학습 장치(200)는, 학습용 데이터셋(135)을 이용하여, 학습 완료된 모델(136)을 생성한다. 학습 완료된 모델(136)은, 기판 처리 장치(100)의 제어 장치(101)에 입력된다. 구체적으로는, 학습 장치(200)는, 처리부(201)와, 기억부(202)를 구비한다. 처리부(201)는, 학습부의 일례이다.
처리부(201)는, 프로세서를 가진다. 처리부(201)는, 예를 들면, CPU 또는 MPU를 가진다. 혹은, 처리부(201)는, 범용 연산기를 가진다. 처리부(201)는, NCU를 더 가질 수 있다. 기억부(202)는, 데이터 및 컴퓨터 프로그램을 기억한다. 기억부(202)는, 주기억장치를 가진다. 주기억장치는, 예를 들면, 반도체 메모리이다. 기억부(202)는, 보조기억장치를 더 가져도 무방하다. 보조기억장치는, 예를 들면, 반도체 메모리 및/또는 하드 디스크 드라이브이다. 기억부(202)는 이동식 매체를 가져도 무방하다. 처리부(201)는, 기억부(202)가 기억하고 있는 데이터 및 컴퓨터 프로그램에 근거하여, 기계 학습을 실행한다.
구체적으로는, 기억부(202)는, 실시 형태 1에서 설명한 추론 프로그램(133) 및 학습용 프로그램(134)을 기억하고 있다. 처리부(201)는, 실시 형태 1에서 설명한 제어부(102)와 마찬가지로, 학습용 데이터셋(135)(복수의 학습용 데이터)을 학습하여, 학습 완료된 파라미터를 생성하고, 학습 완료된 파라미터에 근거하여, 학습 완료된 모델(136)을 생성한다.
덧붙여, 학습용 데이터셋(135)은, 이동식 메모리를 통해 학습 장치(200)에 입력되어도 무방하고, 이동식 매체를 통해 학습 장치(200)에 입력되어도 무방하다. 마찬가지로, 학습 완료된 모델(136)은, 이동식 메모리를 통해 기판 처리 장치(100)에 입력되어도 무방하고, 이동식 매체를 통해 기판 처리 장치(100)에 입력되어도 무방하다. 구체적으로는, 학습 장치(200)는, 이동식 메모리로부터 학습용 데이터셋(135)을 취득해, 이동식 메모리에 학습 완료된 모델(136)을 저장하는 인터페이스를 가져도 무방하고, 이동식 매체로부터 학습용 데이터셋(135)을 취득해, 이동식 매체에 학습 완료된 모델(136)을 저장하는 드라이브를 가져도 무방하다.
혹은, 기판 처리 장치(100)와 학습 장치(200)는, 서로 통신 가능하게 접속되어도 무방하다. 이 경우, 학습용 데이터셋(135)은, 기판 처리 장치(100)로부터 학습 장치(200)로 송신되고, 학습 완료된 모델(136)은, 학습 장치(200)로부터 기판 처리 장치(100)로 송신된다. 덧붙여, 통신 방식은, 유선 방식이어도, 무선 방식이어도 무방하다. 기판 처리 장치(100)와 학습 장치(200)는, 인터넷 회선과 같은 공중 통신망을 통해 서로 통신 가능하게 접속되어도 무방하다.
계속해서, 도 20 및 도 21을 참조하여, 학습 장치(200)가 실행하는 학습 완료된 모델(136)의 생성 방법을 설명한다. 도 21은, 본 실시 형태의 학습 완료된 모델(136)의 생성 방법을 도시한 플로우 차트이다. 상세하게는, 도 21은, 처리부(201)가 학습 완료된 모델(136)의 생성시 실행하는 처리를 나타낸다. 본 실시 형태의 학습 완료된 모델(136)의 생성 방법은, 스텝(S200)~스텝(S203)의 각 처리를 포함한다.
우선, 처리부(201)는, 기억부(202)로부터 학습용 데이터셋(135)을 취득한다(스텝(S200)). 이때, 처리부(201)는, 복수의 학습용 데이터 중에서, 제1 플래그가 부여된 학습용 데이터를 취득한다.
처리부(201)는, 학습용 데이터셋(135)을 취득하면, 학습용 프로그램(134)에 근거하여, 학습용 데이터셋(135)(복수의 학습용 데이터)을 학습한다(스텝(S201)).
처리부(201)는, 학습용 데이터셋(135)을 학습함으로써 학습 완료된 파라미터를 생성한다(스텝(S202)). 보다 구체적으로는, 학습용 프로그램(134)으로부터 학습 완료된 파라미터가 출력된다.
다음으로, 처리부(201)는, 취득한 학습 완료된 파라미터에 근거하여, 학습 완료된 모델(136)을 생성한다(스텝(S203)). 이 결과, 도 21에 도시한 처리가 종료한다. 상세하게는, 처리부(201)는, 학습 완료된 파라미터를 추론 프로그램(133)에 편입하여, 학습 완료된 모델(136)을 생성한다.
이상, 도 20 및 도 21을 참조해 본 발명의 실시 형태 2를 설명하였다. 본 실시 형태에 의하면, 실시 형태 1과 마찬가지로, 스캔 속도 정보의 개발에 관여하는 작업자의 부담을 경감할 수 있다. 또한, 본 실시 형태에 의하면, 기판 처리 장치(100)에 있어서 기계 학습을 실행할 필요가 없다. 따라서, 기판 처리 장치(100)로서 기존의 기판 처리 장치를 유용(流用)할 수 있다.
덧붙여, 본 실시 형태에서는, 기판 처리 장치(100)로부터 학습 장치(200)에 학습용 데이터셋(135)이 입력되었지만, 기판 처리 장치(100)로부터 학습 장치(200)에 학습용 데이터가 입력되어도 무방하다.
또한, 학습 장치(200)는, 실시 형태 1에서 설명한 추가 학습을 더 실행해도 무방하다. 학습 장치(200)가 추가 학습을 실행하는 경우, 기판 처리 장치(100)로부터 학습 장치(200)에 추가 학습용 데이터셋 또는 추가 학습용 데이터가 입력된다.
또한, 본 실시 형태에서는, 기판 처리 장치(100)로부터 학습 장치(200)에 학습용 데이터셋(135)이 입력되었지만, 기판 처리 장치(100)로부터 학습 장치(200)에 학습 완료된 파라미터가 입력되어도 무방하다. 기판 처리 장치(100)로부터 학습 장치(200)에 학습 완료된 파라미터가 입력되는 경우, 학습 장치(200)(처리부(201))는, 도 21을 참조해 설명한 스텝(S203)의 처리를 실행한다.
[실시 형태 3]
계속해서, 도 17, 도 18, 도 22, 및 도 23을 참조해 본 발명의 실시 형태 3에 대해 설명한다. 단, 실시 형태 1, 2와 다른 사항을 설명하고, 실시 형태 1, 2와 같은 사항에 대한 설명은 생략한다. 실시 형태 3은, 실시 형태 1, 2와 달리, 학습 장치(200)가, 학습 완료된 모델(136)로부터, 목적 변수인 처리시 속도 정보를 출력시킨다.
도 22는, 본 실시 형태에서의 기판 처리 시스템(300)을 도시한 도면이다. 도 22에 도시한 것처럼, 기판 처리 시스템(300)은, 기판 처리 장치(100)와, 학습 장치(200)를 구비한다. 학습 장치(200)는, 정보 처리 장치의 일례이다. 본 실시 형태에서, 학습 장치(200)의 처리부(201)는, 실시 형태 2에서 설명한 것처럼 학습 완료된 모델(136)을 생성한다. 처리부(201)는, 학습 완료된 모델(136)을 기억부(202)에 기억시킨다.
도 22에 도시한 것처럼, 기판 처리 장치(100)는, 통신부(106)를 더 구비한다. 학습 장치(200)는, 통신부(203)를 더 구비한다. 통신부(106) 및 통신부(203)는, 예를 들면, LAN 보드 또는 무선 LAN 보드이다. 통신부(106) 및 통신부(203)는, 예를 들면, 인터넷 회선과 같은 공중 통신망을 통해 서로 통신 가능하게 접속된다.
기판 처리 장치(100)의 통신부(106)는, 제어 장치(101)(제어부(102))에 의해서 제어되어, 학습 장치(200)의 통신부(203)로 목표 처리량(목표 에칭량)을 송신한다. 또한, 기판 처리 장치(100)의 통신부(106)는, 제어 장치(101)(제어부(102))에 의해서 제어되어, 학습 장치(200)의 통신부(203)로부터 처리시 속도 정보를 수신한다. 그 결과, 제어 장치(101)(제어부(102))가 처리시 속도 정보를 취득한다. 제어부(102)는, 취득한 처리시 속도 정보를 기억부(103)에 기억시킨다.
학습 장치(200)의 통신부(203)는, 처리부(201)에 의해서 제어되어, 기판 처리 장치(100)의 통신부(106)로부터 목표 처리량(목표 에칭량)을 수신한다. 그 결과, 처리부(201)가 목표 처리량(목표 에칭량)을 취득한다. 또한, 학습 장치(200)의 통신부(203)는, 처리부(201)에 의해서 제어되어, 기판 처리 장치(100)의 통신부(106)로 처리시 속도 정보를 송신한다.
계속해서, 도 22 및 도 23을 참조하여, 제어 장치(101)(제어부(102))가 실행하는 처리와, 처리부(201)가 실행하는 처리를 설명한다. 도 23은, 기판 처리 장치(100)의 제어 장치(101)(제어부(102))가 실행하는 처리와, 학습 장치(200)의 처리부(201)가 실행하는 처리를 도시한 플로우 차트이다.
기판 처리 장치(100)의 제어 장치(101)(제어부(102))는, 실시 형태 1에서 설명한 것처럼 목표 처리량(목표 에칭량)을 취득하면(도 17의 스텝(S21)~스텝(S24)), 통신부(106)를 제어하여, 학습 장치(200)의 통신부(203)로 목표 처리량(목표 에칭량)을 송신한다(스텝(S210)).
학습 장치(200)의 처리부(201)는, 통신부(203)를 제어하여, 통신부(203)에 목표 처리량(목표 에칭량)을 수신시킨다(스텝(S211)). 이 결과, 처리부(201)가 목표 처리량(목표 에칭량)을 취득한다.
처리부(201)는, 설명 변수인 목표 처리량(목표 에칭량)을 학습 완료된 모델(136)에 입력함으로써, 학습 완료된 모델(136)로부터, 목적 변수인 처리시 속도 정보를 출력시킨다. 이 결과, 학습 장치(200)의 처리부(201)는, 처리시 속도 정보를 취득한다(스텝(S212)).
학습 장치(200)의 처리부(201)는, 통신부(203)를 제어하여, 기판 처리 장치(100)의 통신부(106)로 처리시 속도 정보를 송신한다(스텝(S213)). 기판 처리 장치(100)의 제어 장치(101)(제어부(102))는, 통신부(106)를 제어하여, 통신부(106)에 처리시 속도 정보를 수신시킨다(스텝(S214)). 이 결과, 제어 장치(101)(제어부(102))가 처리시 속도 정보를 취득한다. 그 후, 제어 장치(101)(제어부(102))는, 도 17 및 도 18을 참조해 설명한 스텝(S26) 이후의 처리를 실행한다.
이상, 도 17, 도 18, 도 22, 및 도 23을 참조해 본 발명의 실시 형태 3을 설명하였다. 본 실시 형태에 의하면, 실시 형태 1, 2와 마찬가지로, 스캔 속도 정보의 개발에 관여하는 작업자의 부담을 경감할 수 있다. 또한, 본 실시 형태에 의하면, 기판 처리 장치(100)의 기억부(103)에 학습 완료된 모델(136)을 기억시킬 필요가 없다.
[실시 형태 4]
계속해서, 도 1, 도 8, 도 14, 도 16, 및 도 24~도 31을 참조해 본 발명의 실시 형태 4에 대해 설명한다. 단, 실시 형태 1~3과 다른 사항을 설명하고, 실시 형태 1~3과 같은 사항에 대한 설명은 생략한다. 실시 형태 4는, 실시 형태 1~3과 달리, 학습 완료된 모델(136)이 복수의 클래스로 분류된다.
도 24는, 본 실시 형태의 처리 유닛(1)의 모식도이다. 상세하게는, 도 24는, 처리 유닛(1)의 모식적인 단면도이다. 도 24에 도시한 것처럼, 본 실시 형태의 기판 처리 장치(100)는, 에칭액 회수부(12)를 더 구비한다. 에칭액 회수부(12)는, 회수 배관(121)을 가진다. 챔버(2)는, 회수 배관(121)의 일부를 더 수용한다. 덧붙여, 회수 배관(121)의 다른 일부는, 도 1을 참조해 설명한 유체 박스(100B) 중 대응하는 하나에 수용된다.
도 24에 도시한 것처럼, 가드(10)는, 컵(11)을 포함한다. 컵(11)은, 가드(11a)와, 액받이부(液受部)(11b)를 가진다. 가드(11a)는, 대략 통 형상을 가지고, 회전하는 기판(W)으로부터 비산하는 에칭액(처리액)을 받아들인다. 액받이부(11b)는, 가드(11a)의 하단에 접속한다. 액받이부(11b)는, 환상(環狀)이며, 환상의 도랑(溝, trench)을 형성한다. 가드(11a)가 받아들인 에칭액(처리액)은, 자중(自重)에 의해서 액받이부(11b)까지 흘러 떨어진다. 이 결과, 액받이부(11b)에 에칭액(처리액)이 모아진다. 회수 배관(121)의 일단은, 액받이부(11b)에 접속한다. 액받이부(11b)에 모아진 에칭액(처리액)은, 자중에 의해서 회수 배관(121)으로 유입된다.
회수 배관(121)에 유입된 에칭액(처리액)은, 도 25를 참조해 설명하는 것처럼, 에칭액(처리액)을 저장하는 용기(처리액 용기(45))에 리턴되어, 기판(W)의 처리(에칭)에 재이용된다.
계속해서, 도 25를 참조해 기판 처리 장치(100)를 더 설명한다. 도 25는, 본 실시 형태의 기판 처리 장치(100)의 구성을 도시한 모식도이다. 상세하게는, 도 25는, 도 1을 참조해 설명한 유체 박스(100B)의 내부 구성을 나타낸다. 덧붙여, 도 25에서는, 도면 간략화를 위해, 도 7을 참조해 설명한 온도 센서(421), 농도 센서(422), 믹싱 밸브(424), 유량계(425) 및 가열 히터(426)를 생략하고 있다.
우선, 도 25를 참조해 에칭액 공급부(4)를 더 설명한다. 도 25에 도시한 것처럼, 에칭액 공급부(4)는, 순환 배관(43)과, 순환 펌프(44)와, 처리액 용기(45)를 더 가진다. 처리액 용기(45)는, 에칭액(처리액)을 저장한다. 처리액 용기(45)는, 유체 박스(100B)(도 1)로 교환 가능하게 배치된다. 처리액 용기(45)가 교환됨에 따라, 에칭액을 저장하고 있는 새로운 처리액 용기(45)가 유체 박스(100B)에 배치된다. 도 24를 참조해 설명한 것처럼, 회수 배관(121)에 유입된 에칭액(처리액)은 처리액 용기(45)로 리턴되어, 기판(W)의 처리(에칭)에 재이용된다. 에칭액의 재이용을 계속하면, 에칭량이 저하하기 때문에, 적절히, 유체 박스(100B) 내의 처리액 용기(45)를 교환할 필요가 있다. 처리액 용기(45)는, 예를 들면, 탱크이다.
순환 배관(43) 및 순환 펌프(44)는, 유체 박스(100B)(도 1)에 수용된다. 순환 배관(43)의 양단은, 처리액 용기(45)에 접속한다. 순환 펌프(44)는, 순환 배관(43)에 장착된다. 순환 펌프(44)는, 제어 장치(101)(제어부(102))에 의해서 제어된다.
순환 펌프(44)가 구동하면, 처리액 용기(45)에 저장되어 있는 에칭액이, 순환 배관(43)의 일단으로부터 순환 배관(43)으로 유입되어, 순환 배관(43)을 유통(流通)한다. 순환 배관(43)의 타단까지 인도된 에칭액은, 순환 배관(43)의 타단으로부터 처리액 용기(45)로 리턴한다.
순환 배관(43)에는, 제1 공급 배관(42)의 타단이 접속하고 있다. 제1 공급 배관(42)에는, 순환 배관(43)을 유통하는 에칭액이 유입된다. 밸브(423)가 열린 상태인 경우, 순환 배관(43)에서 제1 공급 배관(42)으로 유입된 에칭액이 제1 노즐(41)(도 24)까지 인도된다. 밸브(423)가 닫힌 상태인 경우, 순환 배관(43)으로부터 제1 공급 배관(42)에 유입된 에칭액의 흐름이 밸브(423)에 의해서 저지당한다.
계속해서, 도 25를 참조해 에칭액 회수부(12)를 더 설명한다. 도 25에 도시한 것처럼, 에칭액 회수부(12)는, 회수 펌프(122)를 더 가진다. 회수 펌프(122)는, 유체 박스(100B)(도 1)에 수용된다.
회수 펌프(122)는, 회수 배관(121)에 장착되어 있다. 회수 펌프(122)는, 제어 장치(101)(제어부(102))에 의해서 제어된다. 회수 펌프(122)는, 처리 유닛(1)(액받이부(11b))에서 회수 배관(121)으로 유입된 에칭액이 회수 배관(121)을 유통하도록 에칭액을 구동한다. 회수 배관(121)의 타단은 처리액 용기(45)에 접속하고, 회수 펌프(122)가 구동함에 따라, 에칭액은 회수 배관(121)의 타단까지 인도되어, 회수 배관(121)의 타단으로부터 처리액 용기(45)에 회수된다. 따라서, 기판(W)의 처리(에칭)에 사용된 후의 에칭액을 재이용할 수 있다.
계속해서, 도 8 및 도 26을 참조하여, 본 실시 형태의 기판 처리 장치(100)가 실행하는 학습용 데이터의 생성 방법을 설명한다. 도 26은, 본 실시 형태에서의 학습용 데이터의 생성 방법을 도시한 플로우 차트이다. 상세하게는, 도 26은, 학습용 데이터의 생성시 제어부(102)가 실행하는 처리를 나타낸다. 본 실시 형태의 학습용 데이터의 생성 방법은, 도 9를 참조해 설명한 스텝(S1)~스텝(S9)에 더하여, 스텝(S101) 및 스텝(S102)의 각 처리를 더 포함한다.
본 실시 형태에서는, 제어부(102)는, 학습대상의 기판(W)의 반입 후(스텝(S2)), 처리 매수 카운터값을 인크리먼트(increment) 시킨다(스텝(S101)). 즉, 제어부(102)는, 처리 매수 카운터값을 「1」증가시킨다. 학습용 데이터의 생성시에 있어서의 처리 매수 카운터값은, 학습대상의 기판(W)의 처리 매수를 나타낸다. 제어부(102)는, 인크리먼트 후의 처리 매수 카운터값을 기억부(103)에 기억시킨다.
구체적으로는, 제어부(102)는, 학습대상의 기판(W)의 처리(에칭)에 사용하는 처리액(에칭액)의 사용 개시시로부터, 학습대상의 기판(W)의 처리 매수를 카운트 한다. 보다 상세하게는, 제어부(102)는, 처리액 용기(45)(도 25) 내의 에칭액을 이용한 학습대상의 기판(W)의 처리(에칭)의 개시시로부터 카운트를 개시한다. 제어부(102)는, 처리액 용기(45)(도 25)가 새로운 처리액 용기(45)로 교환되면, 처리 매수 카운터값을 리셋한다. 여기에서는, 처리 매수 카운터값은, 리셋되어 「0」이 된다.
제어부(102)는, 처리량(에칭량)을 취득하면(스텝(S7)), 취득한 처리량을, 기억부(103)에 기억시킨 처리 매수 카운터값에 연관지어, 기억부(103)에 기억시킨다(스텝(S102)).
덧붙여, 스텝(S101) 및 스텝(S102)의 각 처리가 실행되는 타이밍은, 도 26에 도시한 타이밍으로 한정되지 않는다. 스텝(S101) 및 스텝(S102)의 각 처리가 실행되는 타이밍은, 다음 기판(W)의 반입 전이면, 특별히 한정되지 않는다.
계속해서, 도 8 및 도 27을 참조해 학습용 데이터를 생성하는 처리(스텝(S8))에 대해 설명한다. 도 27은, 본 실시 형태에서의 학습용 데이터의 생성 처리를 도시한 플로우 차트이다.
본 실시 형태에서, 학습용 데이터의 생성 처리는, 도 11을 참조해 설명한 스텝(S81)~스텝(S84)에 더하여, 스텝(S110)의 처리를 더 포함한다. 제어부(102)는, 학습용 데이터의 생성 후(스텝(S81)), 미리 정해진 분류 규칙에 근거하여, 학습용 데이터를 각 클래스로 분류한다. 분류 규칙은, 기억부(103)에 기억되어 있다.
본 실시 형태에서, 분류 규칙은, 학습대상의 기판(W)의 처리 매수(처리 매수 카운터값)에 따라 학습용 데이터를 각 클래스로 분류하는 것을 규정하고 있다. 보다 구체적으로는, 분류 규칙은, 처리 매수 카운터값을 복수의 범위(복수의 클래스)로 구분하는 것을 규정하고, 제어부(102)는, 학습용 데이터에 연관지은 처리 매수 카운터값을 참조하여, 클래스 마다 학습용 데이터를 분류한다.
덧붙여, 스텝(S110)의 처리가 실행되는 타이밍은, 도 27에 도시한 타이밍으로 한정되지 않는다. 스텝(S110)의 처리가 실행되는 타이밍은, 학습용 데이터의 생성 후이면, 특별히 한정되지 않는다.
계속해서, 도 28을 참조하여, 학습용 데이터셋(135)을 관리하기 위한 학습용 데이터셋용 테이블(TB30)을 설명한다. 도 28은, 본 실시 형태의 학습용 데이터셋용 테이블(TB30)의 일례를 도시한 도면이다.
도 28에 도시한 것처럼, 학습용 데이터셋용 테이블(TB30)은, 클래스 정보 필드(TB31)와, 학습용 데이터셋 정보 필드(TB32)를 가진다. 클래스 정보 필드(TB31)의 각 필드에는, 처리 매수 카운터값의 범위가 미리 규정되어 있다. 본 실시 형태에서, 제어부(102)는, 도 13을 참조해 설명한 학습용 데이터셋용 테이블(TB10)을 클래스 마다 작성한다. 제어부(102)는, 학습용 데이터셋 정보 필드(TB32)의 각 필드에, 클래스 정보 필드(TB31)의 각 필드(처리 매수 카운터값의 각 범위)에 대응하는 학습용 데이터셋용 테이블(TB10)을 연관짓는다.
덧붙여, 클래스 정보 필드(TB31)의 각 필드에 규정되는 각 값은, 레시피(131)에 미리 규정된 값(디폴트값)이어도 무방하고, 작업자가 입력부(104)를 조작해 입력한 값이어도 무방하다.
계속해서, 도 14 및 도 29를 참조하여, 본 실시 형태의 기판 처리 장치(100)가 실행하는 학습 완료된 모델(136)의 생성 방법을 설명한다. 도 29는, 본 실시 형태에서의 학습 완료된 모델(136)의 생성 방법을 도시한 플로우 차트이다. 상세하게는, 도 29는, 제어부(102)가 학습 완료된 모델(136)의 생성시 실행하는 처리를 나타낸다. 본 실시 형태의 학습 완료된 모델(136)의 생성 방법은, 스텝(S111)~스텝(S118)의 각 처리를 포함한다. 도 29에 도시한 처리는, 클래스 마다 작성된 학습용 데이터셋(135) 마다 실행된다.
우선, 제어부(102)는, 기억부(103)로부터 복수의 학습용 데이터셋(135) 중 하나를 취득한다(스텝(S111)). 이때, 제어부(102)는, 도 15의 스텝(S11))과 마찬가지로, 복수의 학습용 데이터 중에서, 제1 플래그가 부여된 학습용 데이터를 취득한다.
제어부(102)는, 취득한 학습용 데이터셋(135)의 정보를 나타내는 입력 화면을 표시부(105)에 표시시킨다(스텝(S112)). 이하, 이 입력 화면을, 「선정 지시 입력 화면」이라고 기재하는 경우가 있다. 구체적으로는, 선정 지시 입력 화면에는, 취득한 학습용 데이터셋(135)에 포함되는 각 학습용 데이터를 나타내는 정보가 표시된다. 상세하게는, 학습용 데이터를 나타내는 정보는, 학습대상 속도 정보(＃A)와 처리량(에칭량)을 나타낸다. 이하, 취득한 학습용 데이터셋(135)을, 「현재의 학습용 데이터셋(135)」이라고 기재하는 경우가 있다.
선정 지시 입력 화면은, 현재의 학습용 데이터셋(135)에 포함되는 학습용 데이터 중 하나를 작업자에게 선정하게 하는 화면이다. 작업자는, 입력부(104)를 조작하여, 선정 지시 입력 화면에 표시되어 있는 학습용 데이터 중 하나를 선정하는 지시를 입력한다. 예를 들면, 작업자는, 처리량(에칭량)을 나타내는 정보에 근거하여, 학습용 데이터 중 하나를 선정해도 무방하다. 이하, 작업자에 의해서 선정되는 학습용 데이터를, 「기준 학습용 데이터」라고 기재하는 경우가 있다.
도 29에 도시한 것처럼, 선정 지시 입력 화면의 표시 후(스텝(S112)), 제어부(102)는, 기준 학습용 데이터를 선정하는 지시가 입력되었는지 여부를 판정한다(스텝(S113)). 제어부(102)는, 기준 학습용 데이터를 선정하는 지시가 입력될 때까지 대기한다(스텝(S113)의 No).
제어부(102)는, 기준 학습용 데이터를 선정하는 지시가 입력되었다고 판정하면(스텝(S113)의 Yes), 작업자로부터의 지시에 따라, 현재의 학습용 데이터셋(135)에 포함되는 학습용 데이터 중 하나를 기준 학습용 데이터로서 선정한다(스텝(S114)).
기준 학습용 데이터의 선정 후, 제어부(102)는, 현재의 학습용 데이터셋(135)에 포함되는 학습용 데이터 중에서, 기준 학습용 데이터와의 상관성이 미리 정해진 조건을 만족하는 학습용 데이터를 선정한다(스텝(S115)).
본 실시 형태에서, 제어부(102)는, 기준 학습용 데이터의 처리량(에칭량)과, 현재의 학습용 데이터셋(135)에 포함되는 각 학습용 데이터의 처리량(에칭량)과의 제곱 평균 평방근 오차(Root Mean Square Error; RMSE)에 근거하여, 학습용 데이터를 선정한다. 상세하게는, 제어부(102)는, 이하의 식에 의해 제곱 평균 평방근 오차의 값을 구하고, 제곱 평균 평방근 오차의 값이 역치 이상이 되는 학습용 데이터를 선정한다.
Figure 112020140866797-pat00001
상기 식에서, 「n」은 두께 측정부(8)(두께 측정기(85))의 측정 개소의 수를 나타내고, 「yi」는 기준 학습용 데이터의 처리량의 분포(각 측정 개소의 처리량)를 나타내고, 「yi(hat)」는 학습용 데이터의 처리량의 분포(각 측정 개소의 처리량)를 나타내고, i는 현재의 학습용 데이터셋(135)에 포함되는 학습용 데이터의 수를 나타낸다.
덧붙여, 본 실시 형태에서는, 기준 학습용 데이터의 처리량(에칭량)과, 현재의 학습용 데이터셋(135)에 포함되는 각 학습용 데이터의 처리량(에칭량)과의 오차(거리)를 제곱 평균 평방근 오차(RMSE)에 의해서 구하고 있지만, 다른 지표에 근거해 구해도 무방하다. 예를 들면, 평균 절대 오차(Mean　Absolute　Error；MAE), 또는 평균 제곱 오차(Mean　Square　Error；MSE)를 이용하여 구해도 무방하다.
도 29에 도시한 것처럼, 학습용 데이터의 선정 후(스텝(S115)), 제어부(102)는, 선정한 학습용 데이터를 학습함으로써(스텝(S116)), 학습 완료된 파라미터를 생성한다(스텝(S117)). 보다 구체적으로는, 학습용 프로그램(134)으로부터 학습 완료된 파라미터가 출력된다. 제어부(102)는, 취득한 학습 완료된 파라미터에 근거하여, 학습 완료된 모델(136)을 생성하고(스텝(S118)), 도 29에 도시한 처리가 종료한다.
본 실시 형태에서는, 도 29에 도시한 처리가 클래스 마다 실행된다. 그 결과, 클래스 마다 학습 완료된 모델(136)이 생성된다.
계속해서, 도 16 및 도 30을 참조하여, 본 실시 형태의 기판 처리 장치(100)가 실행하는 기판 처리 방법을 설명한다. 도 30은, 본 실시 형태에서의 기판 처리 방법의 일부를 도시한 플로우 차트이다. 상세하게는, 도 30은, 처리대상의 기판(W)을 에칭할 때에 제어부(102)가 실행하는 처리의 일부를 나타낸다. 본 실시 형태의 기판 처리 방법은, 도 17 및 도 18을 참조해 설명한 스텝(S21)~스텝(S32)의 각 처리에 더하여, 스텝(S120)의 처리를 더 포함한다.
본 실시 형태에서는, 제어부(102)는, 처리대상의 기판(W)의 반입 후(스텝(S22), 처리 매수 카운터값을 인크리먼트 시킨다(스텝(S120)). 처리대상의 기판(W)의 처리시에 있어서의 처리 매수 카운터값은, 처리대상의 기판(W)의 처리 매수를 나타낸다. 제어부(102)는, 인크리먼트 후의 처리 매수 카운터값을 기억부(103)에 기억시킨다.
구체적으로는, 제어부(102)는, 처리대상의 기판(W)의 처리(에칭)에 사용하는 처리액(에칭액)의 사용 개시시로로부터, 처리대상의 기판(W)의 처리 매수를 카운트 한다. 보다 상세하게는, 제어부(102)는, 처리액 용기(45)(도 25) 내의 에칭액을 이용한 처리대상의 기판(W)의 처리(에칭)의 개시시로부터 카운트를 개시한다. 제어부(102)는, 처리액 용기(45)(도 25)가 새로운 처리액 용기(45)로 교환되면, 처리 매수 카운터값을 리셋한다. 여기에서는, 처리 매수 카운터값은, 리셋되어 「0」이 된다.
계속해서, 도 16 및 도 31을 참조하여, 처리시 속도 정보를 취득하는 처리(스텝(S25))를 설명한다. 도 31은, 처리시 속도 정보를 취득하는 처리를 도시한 플로우 차트이다.
도 31에 도시한 것처럼, 목표 처리량(목표 에칭량)을 취득한 후(도 30의 스텝(S24)), 제어부(102)는, 미리 정해진 선택 규칙에 근거하여, 클래스 중 하나를 선택한다(스텝(S251)). 선택 규칙은, 기억부(103)에 기억되어 있다.
본 실시 형태에서, 선택 규칙은, 처리대상의 기판(W)의 처리 매수에 따라 복수의 클래스 중 하나를 선택하는 것을 규정하고 있다. 제어부(102)는, 도 26~도 28을 참조해 설명한 처리 매수 카운터값의 복수의 범위(복수의 구분) 중에서, 기억부(103)에 기억시킨 처리 매수 카운터값(도 30의 스텝(S120))에 대응하는 범위(구분)를 특정함으로써, 복수의 클래스 중 하나를 선택한다.
제어부(102)는, 선택한 클래스에 대응하는 학습 완료된 모델(136)에 목표 처리량(목표 에칭량)을 입력함으로써(스텝(S252)), 학습 완료된 모델(136)로부터 처리시 속도 정보를 출력시킨다. 이 결과, 제어부(102)는 처리시 속도 정보를 취득한다(스텝(S253)).
이상, 도 1, 도 8, 도 14, 도 16, 및 도 24~도 31을 참조해 본 발명의 실시 형태 4를 설명하였다. 본 실시 형태에 의하면, 실시 형태 1~3과 마찬가지로, 스캔 속도 정보의 개발에 관여하는 작업자의 부담을 경감할 수 있다. 또한, 본 실시 형태에 의하면, 에칭액의 사용 개시로부터의 기판(W)의 처리 매수에 따른 처리시 속도 정보를 취득할 수 있다. 따라서, 보다 적절한 스캔 속도로 제1 노즐(41)을 이동시킬 수 있다. 따라서, 기판(W)을 보다 적절히 처리(에칭)할 수 있다.
또한, 본 실시 형태에서는, 도 29를 참조해 설명한 것처럼, 기준 학습용 데이터와의 상관성이 미리 정해진 조건을 만족하는 학습용 데이터를 이용하여 학습 완료된 모델(136)을 생성한다. 이 결과, 보다 적절한 처리시 속도 정보를 취득할 수 있다. 따라서, 기판(W)을 보다 적절히 처리(에칭)할 수 있다.
덧붙여, 본 실시 형태에서는, 기준 학습용 데이터와의 상관성이 미리 정해진 조건을 만족하는 학습용 데이터를 이용하여 학습 완료된 모델(136)을 생성했지만, 도 15에 도시한 처리를 클래스 마다 실행하여, 클래스 마다 학습 완료된 모델(136)을 생성해도 무방하다.
또한, 본 실시 형태에서는 기계 학습을 설명하였지만, 추가 학습도 마찬가지로 실행할 수 있다.
[실시 형태 5]
계속해서, 도 1, 도 8, 도 16, 도 24, 도 25, 도 27, 및 도 31~도 35를 참조해 본 발명의 실시 형태 5에 대해 설명한다. 단, 실시 형태 1~4와 다른 사항을 설명하고, 실시 형태 1~4와 같은 사항에 대한 설명은 생략한다. 실시 형태 5는, 실시 형태 1~4와 달리, 학습 완료된 모델(136)이 로트 수에 따라 분류된다. 덧붙여, 1 로트에 포함되는 기판(W)의 수는, 예를 들면, 25매이다.
우선, 도 8 및 도 32를 참조하여, 본 실시 형태의 기판 처리 장치(100)가 실행하는 학습용 데이터의 생성 방법을 설명한다. 도 32는, 본 실시 형태에서의 학습용 데이터의 생성 방법을 도시한 플로우 차트이다. 상세하게는, 도 32는, 학습용 데이터의 생성시 제어부(102)가 실행하는 처리를 나타낸다. 본 실시 형태의 학습용 데이터의 생성 방법은, 도 9를 참조해 설명한 스텝(S1)~스텝(S9)에 더하여, 스텝(S130) 및 스텝(S140)의 각 처리를 더 포함한다.
본 실시 형태에서, 제어부(102)는, 학습대상의 기판(W)의 반입 후(스텝(S2)), 카운트 처리를 실행한다(스텝(S130)). 카운트 처리를 실행함에 따라, 제어부(102)는, 학습대상의 기판(W)의 처리에 사용하는 처리액(에칭액)의 사용 개시시로부터의 로트 수인 학습시 로트 수를 취득한다. 보다 상세하게는, 제어부(102)는, 처리액 용기(45)(도 25) 내의 에칭액을 이용한 학습대상의 기판(W)의 처리(에칭)의 개시시로부터의 학습시 로트 수를 취득한다. 제어부(102)는, 카운트 처리에 의해 취득한 학습시 로트 수를 기억부(103)에 기억시킨다.
또한, 제어부(102)는, 처리량(에칭량)을 취득하면(스텝(S7)), 취득한 처리량을, 기억부(103)에 기억시킨 학습시 로트 수에 연관지어, 기억부(103)에 기억시킨다(스텝(S140)).
덧붙여, 스텝(S130) 및 스텝(S140)의 각 처리가 실행되는 타이밍은, 도 32에 도시한 타이밍으로 한정되지 않는다. 스텝(S130) 및 스텝(S140)의 각 처리가 실행되는 타이밍은, 다음 기판(W)의 반입 전이면, 특별히 한정되지 않는다.
계속해서, 도 8 및 도 33을 참조해 카운트 처리의 일례를 설명한다. 도 33은 카운트 처리의 일례를 도시한 플로우 차트이다. 도 33에 도시한 카운트 처리는, 스텝(S131)~스텝(S134)을 포함한다.
제어부(102)는, 카운트 처리를 개시하면, 우선, 처리 매수 카운터값을 인크리먼트 시킨다(스텝(S131)). 덧붙여, 이하의 설명에서, 처리 매수 카운터값을, 「제1 카운터값」이라고 기재하는 경우가 있다.
제어부(102)는, 인크리먼트 후의 제1 카운터값이 일정값 이하인지 여부를 판정한다(스텝(S132)). 일정값은, 1 로트에 포함되는 기판(W)의 수를 나타낸다.
제어부(102)는, 인크리먼트 후의 제1 카운터값이 일정값을 초과하는 경우, 인크리먼트 후의 제1 카운터값이 일정값 이하가 아니라고 판정하고(스텝(S132)의 No), 로트 수 카운터값을 인크리먼트 시킨다(스텝(S133)). 이하, 로트 수 카운터값을, 「제2 카운터값」이라고 기재하는 경우가 있다. 학습용 데이터의 생성시에 있어서의 제2 카운터값은, 학습시 로트 수를 나타낸다.
제2 카운터값의 인크리먼트 후, 제어부(102)는, 제1 카운터값을 「1」로 변경하여(스텝(S134)), 도 33에 도시한 카운트 처리를 종료한다. 혹은, 제어부(102)는, 인크리먼트 후의 제1 카운터값이 일정값 이하라고 판정한 경우(스텝(S132)의 Yes), 도 33에 도시한 카운트 처리를 종료한다.
덧붙여, 제어부(102)는, 처리액 용기(45)(도 25)가 새로운 처리액 용기(45)로 교환되면, 제2 카운터값을 「1」로 변경한다.
계속해서, 도 8 및 도 27을 참조하여, 학습용 데이터를 생성하는 처리(스텝(S8))에 대해 설명한다. 본 실시 형태에서, 분류 규칙은, 학습시 로트 수(제2 카운터값)에 따라 학습용 데이터를 각 클래스로 분류하는 것을 규정하고 있다. 제어부(102)는, 학습용 데이터에 연관지은 제2 카운터값을 참조하여, 클래스 마다 학습용 데이터를 분류한다(스텝(S110)).
계속해서, 도 34를 참조하여, 학습용 데이터셋(135)을 관리하기 위한 학습용 데이터셋용 테이블(TB40)을 설명한다. 도 34는, 본 실시 형태의 학습용 데이터셋용 테이블(TB40)의 일례를 도시한 도면이다.
도 34에 도시한 것처럼, 학습용 데이터셋용 테이블(TB40)은, 클래스 정보 필드(TB41)와, 학습용 데이터셋 정보 필드(TB42)를 가진다. 클래스 정보 필드(TB41)의 각 필드에는, 학습시 로트 수가 미리 규정되어 있다. 본 실시 형태에서, 제어부(102)는, 도 13을 참조해 설명한 학습용 데이터셋용 테이블(TB10)을 클래스 마다 작성한다. 제어부(102)는, 학습용 데이터셋 정보 필드(TB42)의 각 필드에, 클래스 정보 필드(TB41)의 각 필드(학습시 로트 수)에 대응하는 학습용 데이터셋용 테이블(TB10)을 연관짓는다.
계속해서, 도 16 및 도 35를 참조하여, 본 실시 형태의 기판 처리 장치(100)가 실행하는 기판 처리 방법을 설명한다. 도 35는, 본 실시 형태에서의 기판 처리 방법의 일부를 도시한 플로우 차트이다. 상세하게는, 도 35는, 처리대상의 기판(W)을 에칭할 때에 제어부(102)가 실행하는 처리의 일부를 나타낸다. 본 실시 형태의 기판 처리 방법은, 도 17 및 도 18을 참조해 설명한 스텝(S21)~스텝(S32)의 각 처리에 더하여, 스텝(S150)의 처리를 더 포함한다.
본 실시 형태에서, 제어부(102)는, 처리대상의 기판(W)의 반입 후(스텝(S22)), 카운트 처리를 실행한다(스텝(S150)). 카운트 처리를 실행함으로써, 제어부(102)는, 처리대상의 기판(W)의 처리에 사용하는 처리액(에칭액)의 사용 개시시로부터의 로트 수인 처리시 로트 수를 취득한다. 보다 상세하게는, 제어부(102)는, 처리액 용기(45)(도 25) 내의 에칭액을 이용한 처리대상의 기판(W)의 처리(에칭)의 개시시로부터의 처리시 로트 수를 취득한다. 보다 상세하게는, 제어부(102)는, 도 33을 참조해 설명한 처리와 마찬가지의 처리를 실행함으로써, 처리시 로트 수(제2 카운터값)를 취득할 수 있다. 제어부(102)는, 카운트 처리에 의해 취득한 처리시 로트 수(제2 카운터값)를 기억부(103)에 기억시킨다.
계속해서, 도 16 및 도 31을 참조하여, 처리시 속도 정보를 취득하는 처리(스텝(S25))를 설명한다. 본 실시 형태에서, 선택 규칙은, 처리시 로트 수에 따라 복수의 클래스 중 하나를 선택하는 것을 규정하고 있다. 제어부(102)는, 도 32~도 34를 참조해 설명한 학습시 로트 수 중에서, 기억부(103)에 기억시킨 처리시 로트 수(도 35의 스텝(S150))를 특정함으로써, 복수의 클래스 중 하나를 선택한다.
제어부(102)는, 선택한 클래스에 대응하는 학습 완료된 모델(136)에 목표 처리량(목표 에칭량)을 입력함으로써(스텝(S252)), 학습 완료된 모델(136)로부터 처리시 속도 정보를 출력시킨다. 이 결과, 제어부(102)는 처리시 속도 정보를 취득한다(스텝(S253)).
덧붙여, 학습 완료된 모델(136)은, 도 29에 도시한 처리를 클래스 마다 실행하는 것에 의해 생성되어도 무방하고, 도 15에 도시한 처리를 클래스 마다 실행하는 것에 의해 생성되어도 무방하다.
이상, 도 1, 도 8, 도 16, 도 24, 도 25, 도 27, 및 도 31~도 35를 참조해 본 발명의 실시 형태 5를 설명하였다. 본 실시 형태에 의하면, 실시 형태 1~4와 마찬가지로, 스캔 속도 정보의 개발에 관여하는 작업자의 부담을 경감할 수 있다. 또한, 본 실시 형태에 의하면, 에칭액의 사용 개시부터의 기판(W)의 처리 매수에 따른 처리시 속도 정보를 취득할 수 있다. 따라서, 기판(W)을 보다 적절히 처리(에칭)할 수 있다.
덧붙여, 본 실시 형태에서는 기계 학습을 설명하였지만, 추가 학습도 마찬가지로 실행할 수 있다.
이상, 본 발명의 실시 형태에 대해 도면을 참조하면서 설명하였다. 단, 본 발명은, 상기의 실시 형태로 한정되지 않고, 그 요지를 일탈하지 않는 범위에서 다양한 양태에 있어서 실시하는 것이 가능하다. 또한, 상기의 실시 형태에 개시되는 복수의 구성요소는 적절히 고쳐 변경 가능하다. 예를 들면, 어느 실시 형태에 나타난 전 구성요소 중 임의의 구성요소를 다른 실시 형태의 구성요소에 추가해도 무방하고, 또는, 어느 실시 형태에 나타난 전 구성요소 중 일부의 구성요소를 실시 형태에서 삭제해도 무방하다.
도면은, 발명의 이해를 용이하게 하기 위해, 각각의 구성요소를 주체로 모식적으로 나타내고 있어, 도시된 각 구성요소의 두께, 길이, 개수, 간격 등은, 도면 작성의 형편상 실제와는 다른 경우도 있다. 또한, 상기의 실시 형태에서 나타내는 각 구성요소의 구성은 일례이며, 특별히 한정되지 않고, 본 발명의 효과로부터 실질적으로 일탈하지 않는 범위에서 다양한 변경이 가능함은 물론이다.
예를 들면, 도 1~도 35를 참조해 설명한 실시 형태에서는, 두께 측정부(8)는, 대상물(TG)의 두께를 측정했지만, 두께 측정부(8)는, 기판(W)의 두께를 측정해도 무방하다. 보다 구체적으로는, 두께 측정부(8)는, 학습대상의 기판(W)의 두께 및 처리대상의 기판(W)의 두께를 측정해도 무방하다. 여기서, 기판(W)의 두께는, 기판 본체의 표면에 물질이 형성되어 있는 경우, 기판 본체와 물질을 합친 두께를 나타낸다. 덧붙여, 두께 측정부(8)가 기판(W)의 두께를 측정하는 경우, 에칭량은, 에칭 처리 전의 기판(W)의 두께와, 에칭 처리 후의 기판(W)의 두께와의 차분을 나타낸다. 또한, 목표 두께(목표 두께의 분포)는, 처리대상의 기판(W)의 목표 두께(목표 두께의 분포)를 나타낸다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 기판(W)은 반도체 웨이퍼였지만, 기판(W)은, 반도체 웨이퍼로 한정되지 않는다. 예를 들면, 기판(W)은, 액정표시장치용 기판, 전계 방출 디스플레이(Field　Emission　Display: FED)용 기판, 광디스크용 기판, 자기디스크용 기판, 광학 자기디스크용 기판, 포토마스크용 기판, 세라믹 기판, 또는, 태양전지용 기판일 수 있다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 처리액은 에칭액이었지만, 처리액은, 에칭액으로 한정되지 않는다. 처리액은, 기판(W)을 처리하는 액체이면 무방하다. 예를 들면, 처리액은, 대상물(TG)을 제거하는 제거액이어도 무방하다. 제거액을 이용함으로써, 특정 막을 제거하는 처리나, 이물이 혼입되어 있는 특정 막을 제거하는 처리를 실행할 수 있다. 제거액은, 기판(W)에 대해서 레지스터 제거 처리를 실행하는 경우, 예를 들면, 황산 과산화수소수 혼합액(sulfuric acid/hydrogen peroxide mixture: SPM)이다. 레지스터 제거 처리란, 반도체 기판의 표면으로부터, 레지스터를 제거하는 처리이다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 기판 처리 장치(100)가 실행하는 처리는 에칭 처리였지만, 기판 처리 장치(100)가 실행하는 처리는 에칭 처리로 한정되지 않는다. 예를 들면, 처리는, 성막 처리여도 무방하다. 기판 처리 장치(100)가 성막 처리를 실행하는 경우, 처리액은, 예를 들면, SPM 또는 오존수이다. 이 경우, 기판(W)에 산화막이 형성된다. 또한, 처리량은, 성막량을 나타낸다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 기판(W)을 보관유지하는 구성으로서, 기판(W)을 협지(挾持)하는 협지식의 척(chuck)에 대해 설명하였지만, 기판(W)을 보관유지하는 구성으로서, 진공식의 척이 채용되어도 무방하다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 표시부(105)가 에러 화면을 표시함으로써, 작업자에게 에러 알림이 되었지만, 에러는 음성으로 작업자에게 통지되어도 무방하다. 이 경우, 기판 처리 장치(100)는, 스피커를 갖출 수 있다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 스캔 속도 정보는, 제1 노즐(41)의 이동 구간에 포함되는 각 위치 마다 스캔 속도의 설정값을 나타냈지만, 스캔 속도 정보는, 스캔 속도의 설정값을 1개만 나타내도 무방하다. 이 경우, 제1 노즐(41)은, 제1 노즐(41)의 이동 구간의 개시 위치로부터 종료 위치까지 일정 속도로 이동한다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 제어부(102)는, 학습용 데이터와 플래그(제1 플래그 또는 제2 플래그)를 연관지어, 기억부(103)에 기억시켰지만, 제어부(102)는, 학습용 데이터(처리량)가 기계 학습 또는 추가 학습에 이용 가능하지 않다고 판정한 경우, 그 학습용 데이터를 기억부(103)로부터 삭제해도 무방하다. 예를 들면, 제어부(102)는, 학습용 데이터셋(135)의 생성시 혹은 기계 학습의 실행시에, 제2 플래그를 부여한 학습용 데이터에 대응하는 속도 정보 필드(TB11) 및 처리량 필드(TB12)를 학습용 데이터셋용 테이블(TB10)에서 삭제해도 무방하다. 마찬가지로, 제어부(102)는, 추가 학습용 데이터셋의 생성시 혹은 추가 학습의 실행시에, 제2 플래그를 부여한 추가 학습용 데이터에 대응하는 속도 정보 필드(TB21) 및 처리량 필드(TB22)를 추가 학습용 데이터셋용 테이블(TB20)에서 삭제해도 무방하다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 제어부(102)는, 학습용 데이터를 생성한 후에, 그 학습용 데이터가 기계 학습 또는 추가 학습에 이용 가능한지 여부를 판정했지만, 제어부(102)는, 학습용 데이터를 생성하기 전에, 처리량이 기계 학습 또는 추가 학습에 이용 가능한지 여부를 판정해도 무방하다. 이 경우, 제어부(102)는, 처리량이 기계 학습 또는 추가 학습에 이용 가능하지 않다고 판정하면, 그 처리량을 이용한 학습용 데이터의 생성을 실행하지 않고, 다음의 처리(다음의 스텝)로 이행한다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 제어부(102)는, 학습용 데이터(처리량)가 이용 가능한지 여부를 판정했지만, 학습용 데이터(처리량)가 이용 가능한지 여부를 판정하는 처리는 생략되어도 무방하다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 학습용 데이터셋(135) 및 추가 학습용 데이터셋이 테이블 형식으로 기억부(103) 및 기억부(202)에 기억되었지만, 학습용 데이터셋(135) 및 추가 학습용 데이터셋을 기억부(103) 및 기억부(202)에 기억시키는 형식은, 테이블 형식이 아니어도 무방하다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 학습대상 속도 정보 및 처리시 속도 정보는, 제1 노즐(41)의 이동 속도를 규정했지만, 학습대상 속도 정보 및 처리시 속도 정보는, 제1 노즐(41)과 기판(W)과의 상대적인 이동 속도를 규정해도 무방하다. 덧붙여, 기판(W)이 회전하는 경우, 학습대상 속도 정보 및 처리시 속도 정보는, 회전하는 기판(W)의 표면과 제1 노즐(41)과의 상대적인 이동 속도를 규정한다. 예를 들면, 상대적인 이동 속도는, 제1 노즐(41)의 속도성분(벡터)과, 회전하는 기판(W)에 있어서 제1 노즐(41)과 대향하는 부분의 속도성분(벡터)과의 합을 나타낸다. 여기서, 기판(W)의 속도성분은, 주방향의 속도를 나타낸다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 제1 노즐(41)이 선회하였지만, 제1 노즐(41)은, 직선 이동해도 무방하다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 제1 노즐(41)은 스캔 노즐이었지만, 제1 노즐(41)은 고정 노즐이어도 무방하다. 이 경우, 처리 유닛(1)은, 노즐 이동 기구(6)의 대신에, 기판(W)을 이동시키는 기판 이동 기구를 구비한다. 학습대상 속도 정보 및 처리시 속도 정보는, 제1 노즐(41)의 이동 속도의 대신에, 기판(W)의 이동 속도를 규정한다. 학습 완료된 모델(136)은, 기판(W)의 이동 속도를 나타내는 기판 속도 정보를 출력한다. 제어부(102)는, 기판 속도 정보에 근거하여, 기판 이동 기구를 제어한다. 기판 속도 정보는, 스캔 속도 정보와 마찬가지로, 기판(W)이 이동하는 이동 구간을 복수의 구간으로 분할하는 각 위치(각 기판 위치) 마다 설정된 기판(W)의 이동 속도를 나타내도 무방하다. 덧붙여, 기판(W)은 선회해도 무방하고, 직선 이동해도 무방하다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 기판(W)의 처리 중에 제1 노즐(41) 만이 이동했지만, 제1 노즐(41)과 기판(W)이 이동해도 무방하다. 이 경우, 처리 유닛(1)은, 노즐 이동 기구(6)에 더하여, 기판(W)을 이동시키는 기판 이동 기구를 더 구비한다. 학습대상 속도 정보 및 처리시 속도 정보는, 제1 노즐(41)의 이동 속도와 함께, 기판(W)의 이동 속도를 규정한다. 학습 완료된 모델(136)은, 스캔 속도 정보에 더하여, 기판(W)의 이동 속도를 규정하는 기판 속도 정보를 출력한다. 제어부(102)는, 스캔 속도 정보에 근거한 노즐 이동 기구(6)의 제어와, 기판 속도 정보에 근거한 기판 이동 기구의 제어를 실행한다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 기판 처리 장치(100)가 두께 측정부(8)를 갖추었지만, 두께 측정부(8)는 생략될 수 있다. 기판 처리 장치(100)가 두께 측정부(8)를 갖추지 않은 경우, 두께의 측정은, 기판 처리 장치(100)의 외부의 두께 측정 장치에 의해 실행된다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 설명 변수로서 목표 처리량(목표 에칭량)이 선택되었지만, 처리량에 영향을 주는 다른 인자를 설명 변수에 더해도 무방하다. 따라서, 학습용 데이터셋(135)은, 처리량(에칭량)과 스캔 속도 정보와의 관계에 더하여, 처리량과 처리량에 영향을 주는 다른 인자와의 관계를 나타내도 무방하다. 이 경우, 설명 변수로서, 목표 처리량과, 처리량에 영향을 주는 다른 인자가 학습 완료된 모델(136)에 입력되어, 학습 완료된 모델(136)로부터 스캔 속도 정보가 출력된다. 처리량에 영향을 주는 다른 인자는, 예를 들면, 기판(W)의 회전 속도, 처리액 온도, 처리액 농도, 및, 처리액의 토출유량의 적어도 하나를 포함할 수 있다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 목적 변수로서 스캔 속도 정보(처리시 속도 정보)가 선택되었지만, 처리량에 영향을 주는 다른 인자를 목적 변수에 더해도 무방하다. 따라서, 학습 완료된 모델(136)은, 목적 변수로서, 스캔 속도 정보에 더하여, 처리량에 영향을 주는 다른 인자를 출력해도 무방하다. 예를 들면, 학습 완료된 모델(136)은, 스캔 속도 정보에 더하여, 기판(W)의 회전 속도, 처리액 온도, 처리액 농도, 및, 처리액 토출유량의 적어도 하나를 출력해도 무방하다.
또한, 도 1~도 35를 참조해 설명한 실시 형태에서는, 학습용 프로그램(134)은, 학습용 데이터셋(135)(복수의 학습용 데이터)을 학습해 학습 완료된 파라미터를 생성하고, 학습 완료된 파라미터를 추론 프로그램(133)에 편입하여 학습 완료된 모델(136)을 생성하는 알고리즘을 실행하기 위한 프로그램이었지만, 학습용 프로그램(134)은, 학습용 데이터셋(135)(복수의 학습용 데이터)을 학습하여, 학습 완료된 파라미터를 포함한 학습 완료된 모델을 생성하는 알고리즘을 실행하기 위한 프로그램이어도 무방하다. 즉, 학습 완료된 파라미터를 생성하고, 학습 완료된 파라미터를 추론 프로그램(133)에 편입하는 처리는 생략되어도 무방하다. 혹은, 학습용 프로그램(134)은, 학습용 데이터셋(135)(복수의 학습용 데이터)을 학습하여, 학습 완료된 파라미터를 포함하지 않는 학습 완료된 모델을 생성하는 알고리즘을 실행하기 위한 프로그램이어도 무방하다.
본 발명은, 기판을 처리하는 분야에 유용하다.
1: 처리 유닛
2: 챔버
3: 스핀 척
4: 에칭액 공급부
5: 스핀 모터부
6: 노즐 이동 기구
8: 두께 측정부
9: 프로브 이동 기구
41: 제1 노즐
100: 기판 처리 장치
101: 제어 장치
102: 제어부
103: 기억부
136: 학습 완료된 모델
200: 학습 장치
201: 처리부
202: 기억부
TG: 대상물
W: 기판

Claims (23)

  1. 처리액을 기판에 공급하여 상기 기판에 처리를 실행하는 기판 처리 장치에 있어서,
    상기 기판에 상기 처리액을 공급하는 노즐과,
    상기 노즐 및 상기 기판의 적어도 일방을 이동시키는 이동 기구와,
    학습 완료된 모델을 기억하는 기억부와,
    상기 학습 완료된 모델을 이용하여, 상기 이동 기구를 제어하는 제어부
    를 갖추고,
    상기 학습 완료된 모델은,
    상기 노즐의 이동 속도 및 학습대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 학습대상의 기판과의 상대적인 이동 속도를 나타내는 학습대상 속도 정보와, 상기 학습대상 속도 정보에 근거한 속도로 상기 노즐 및 상기 학습대상의 기판의 적어도 일방을 이동시키면서 상기 학습대상의 기판에 상기 처리를 실행하여 취득되는 처리량을, 학습용 데이터로서 학습함으로써 생성되고,
    상기 처리량은, 상기 처리에 의해 상기 기판이 처리되는 양을 나타내고,
    상기 제어부는,
    상기 처리량의 목표량을 상기 학습 완료된 모델에 입력하여, 상기 학습 완료된 모델로부터 처리시 속도 정보를 출력시키고,
    상기 제어부는,
    처리대상의 기판에 대해서 상기 처리를 실행할 때에, 상기 처리시 속도 정보에 근거한 속도로 상기 노즐 및 상기 처리대상의 기판의 적어도 일방이 이동하도록 상기 이동 기구를 제어하고,
    상기 처리시 속도 정보는,
    상기 노즐의 이동 속도 및 상기 처리대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 처리대상의 기판과의 상대적인 이동 속도를 나타내는, 기판 처리 장치.
  2. 제1항에 있어서,
    상기 학습대상 속도 정보는,
    상기 노즐이 이동하는 이동 구간을 복수의 구간으로 분할하는 각 노즐 위치 마다 설정된 상기 노즐의 이동 속도, 및, 상기 학습대상의 기판이 이동하는 이동 구간을 복수의 구간으로 분할하는 각 기판 위치 마다 설정된 상기 학습대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은,
    상기 노즐과 상기 학습대상의 기판과의 상대적인 이동 속도를, 상기 각 노즐 위치 마다, 또는 상기 각 기판 위치 마다 나타내고,
    상기 처리시 속도 정보는,
    상기 각 노즐 위치 마다 설정된 상기 노즐의 이동 속도, 및, 상기 각 기판 위치 마다 설정된 상기 처리대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은,
    상기 노즐과 상기 처리대상의 기판과의 상대적인 이동 속도를, 상기 각 노즐 위치 마다, 또는 상기 각 기판 위치 마다 나타내는, 기판 처리 장치.
  3. 제1항 또는 제2항에 있어서,
    상기 기판을 수평하게 보관유지하는 기판 보관유지부와,
    상하 방향으로 늘어나는 중심축을 중심으로 하여 상기 기판과 상기 기판 보관유지부를 일체로 회전시키는 기판 회전부
    를 더 갖추고,
    상기 상대적인 이동 속도는,
    회전하는 상기 기판의 표면과 상기 노즐과의 상대적인 이동 속도를 나타내는, 기판 처리 장치.
  4. 제1항 또는 제2항에 있어서,
    상기 제어부는,
    상기 처리시 속도 정보와, 상기 처리시 속도 정보에 근거한 속도로 상기 노즐 및 상기 처리대상의 기판의 적어도 일방을 이동시키면서 상기 처리대상의 기판에 상기 처리를 실행하여 취득되는 상기 처리량을, 추가 학습을 위한 학습용 데이터로서 학습하여, 추가 학습 후의 학습 완료된 모델을 생성하는, 기판 처리 장치.
  5. 제4항에 있어서,
    상기 제어부는, 상기 처리량이 상기 추가 학습에 이용 가능한지 여부를 판정하는, 기판 처리 장치.
  6. 제5항에 있어서,
    계측대상의 값을 계측하는 계측기
    를 더 갖추고,
    상기 기억부는, 상기 처리의 실행을 제어하기 위한 레시피를 기억하고,
    상기 레시피는, 상기 계측대상에 대한 설정값을 나타내고,
    상기 제어부는,
    상기 계측대상의 값과 상기 설정값과의 차분이 규정값 이상인 경우, 상기 처리량이 상기 추가 학습에 이용 가능한지 여부에 따라, 상이한 에러 알림을 실행하는, 기판 처리 장치.
  7. 제1항 또는 제2항에 있어서,
    상기 처리량을 검출하기 위한 처리량 검출부
    를 더 구비하는 기판 처리 장치.
  8. 제1항 또는 제2항에 있어서,
    상기 기억부는, 상기 학습대상 속도 정보를 기억하고,
    상기 제어부는, 상기 학습대상 속도 정보에 근거한 속도로 상기 노즐 및 상기 학습대상의 기판의 적어도 일방이 이동하도록 상기 이동 기구를 제어하면서, 상기 노즐로부터 상기 처리액을 상기 학습대상의 기판에 공급시켜, 상기 학습대상의 기판에 대해서 상기 처리를 실행하고,
    상기 제어부는, 상기 학습대상의 기판에 대해서 상기 처리를 실행함으로써 취득되는 상기 처리량과, 상기 학습대상 속도 정보를 포함하는 상기 학습용 데이터를 생성하고,
    상기 제어부는, 미리 정해진 분류 규칙에 근거해 상기 학습용 데이터를 각 클래스로 분류하고, 상기 클래스 마다 상기 학습용 데이터를 학습하여, 상기 학습 완료된 모델을 생성하고,
    상기 제어부는, 상기 처리대상의 기판에 대해서 상기 처리를 실행할 때에, 미리 정해진 선택 규칙에 근거해 상기 클래스 중 하나를 선택하고, 선택한 상기 클래스에 대응하는 상기 학습 완료된 모델에 상기 목표량을 입력함으로써, 상기 학습 완료된 모델로부터 상기 처리시 속도 정보를 출력시키는, 기판 처리 장치.
  9. 제8항에 있어서,
    상기 분류 규칙은, 상기 학습대상의 기판의 처리 매수에 따라 상기 학습용 데이터를 상기 각 클래스로 분류하는 것을 규정하고,
    상기 학습대상의 기판의 처리 매수는, 상기 학습대상의 기판에 대한 상기 처리에 사용하는 상기 처리액의 사용 개시시로부터의 처리 매수를 나타내고,
    상기 선택 규칙은, 상기 처리대상의 기판의 처리 매수에 따라, 상기 클래스 중 하나를 선택하는 것을 규정하고,
    상기 처리대상의 기판의 처리 매수는, 상기 처리대상의 기판에 대한 상기 처리에 사용하는 상기 처리액의 사용 개시시로부터의 처리 매수를 나타내는, 기판 처리 장치.
  10. 제8항에 있어서,
    상기 제어부는, 상기 학습대상의 기판에 대해서 상기 처리를 실행할 때에, 상기 처리에 사용하는 상기 처리액의 사용 개시시로부터의 로트 수인 학습시 로트 수를 취득하고,
    상기 분류 규칙은, 상기 학습시 로트 수에 따라 상기 학습용 데이터를 상기 각 클래스로 분류하는 것을 규정하고,
    상기 제어부는, 상기 처리대상의 기판에 대해서 상기 처리를 실행할 때에, 상기 처리에 사용하는 상기 처리액의 사용 개시시로부터의 로트 수인 처리시 로트 수를 취득하고,
    상기 선택 규칙은, 상기 처리시 로트 수에 따라 상기 클래스 중 하나를 선택하는 것을 규정하는, 기판 처리 장치.
  11. 제8항에 있어서,
    상기 클래스의 각각에 포함되는 상기 학습용 데이터 중에서, 기준 학습용 데이터를 각각 선정하는 지시를 상기 클래스 마다 입력하는 입력부
    를 더 갖추고,
    상기 제어부는,
    상기 클래스의 각각에 포함되는 상기 학습용 데이터 중에서, 상기 기준 학습용 데이터와의 상관성이 미리 정해진 조건을 만족하는 상기 학습용 데이터를 상기 클래스 마다 선정하고,
    상기 클래스 마다, 선정한 상기 학습용 데이터를 학습하여, 상기 학습 완료된 모델을 생성하는, 기판 처리 장치.
  12. 처리대상의 기판에 대해 노즐로부터 처리액을 공급하여, 상기 처리대상의 기판에 처리를 실행하는 기판 처리 방법에 있어서,
    상기 처리에 의해 상기 처리대상의 기판이 처리되는 양을 나타내는 처리량의 목표량을 취득하는 단계와,
    상기 목표량을 학습 완료된 모델에 입력하여, 상기 학습 완료된 모델로부터 처리시 속도 정보를 출력시키는 출력 단계와,
    상기 처리시 속도 정보에 근거한 속도로 상기 노즐 및 상기 처리대상의 기판의 적어도 일방을 이동시키면서, 상기 처리대상의 기판에 상기 처리액을 공급하는 처리 단계
    를 포함하고,
    상기 학습 완료된 모델은,
    상기 노즐의 이동 속도 및 학습대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 학습대상의 기판과의 상대적인 이동 속도를 나타내는 학습대상 속도 정보와, 상기 학습대상 속도 정보에 근거한 속도로 상기 노즐 및 상기 학습대상의 기판의 적어도 일방을 이동시키면서 상기 학습대상의 기판에 상기 처리를 실행하여 취득되는 상기 처리량을, 학습용 데이터로서 학습함으로써 생성되고,
    상기 처리시 속도 정보는,
    상기 노즐의 이동 속도 및 상기 처리대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 처리대상의 기판과의 상대적인 이동 속도를 나타내는, 기판 처리 방법.
  13. 제12항에 있어서,
    상기 학습대상 속도 정보는,
    상기 노즐이 이동하는 이동 구간을 복수의 구간으로 분할하는 각 노즐 위치 마다 설정된 상기 노즐의 이동 속도, 및, 상기 학습대상의 기판이 이동하는 이동 구간을 복수의 구간으로 분할하는 각 기판 위치 마다 설정된 상기 학습대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은,
    상기 노즐과 상기 학습대상의 기판과의 상대적인 이동 속도를, 상기 각 노즐 위치 마다, 또는 상기 각 기판 위치 마다 나타내고,
    상기 처리시 속도 정보는,
    상기 각 노즐 위치 마다 설정된 상기 노즐의 이동 속도, 및, 상기 각 기판 위치 마다 설정된 상기 처리대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은,
    상기 노즐과 상기 처리대상의 기판과의 상대적인 이동 속도를, 상기 각 노즐 위치 마다, 또는 상기 각 기판 위치 마다 나타내는, 기판 처리 방법.
  14. 제12항 또는 제13항에 있어서,
    상기 처리 단계에 있어서,
    상기 처리대상의 기판을, 수평하게 보관유지한 상태에서, 상하 방향으로 늘어나는 중심축을 중심으로 하여 회전시키고,
    상기 노즐과 상기 학습대상의 기판과의 상대적인 이동 속도는,
    회전하는 상기 학습대상의 기판의 표면과 상기 노즐과의 상대적인 이동 속도를 나타내고,
    상기 노즐과 상기 처리대상의 기판과의 상대적인 이동 속도는,
    회전하는 상기 처리대상의 기판의 표면과 상기 노즐과의 상대적인 이동 속도를 나타내는, 기판 처리 방법.
  15. 제12항 또는 제13항에 있어서,
    상기 출력 단계에서 출력된 상기 처리시 속도 정보와, 상기 처리 단계에서 처리된 상기 처리대상의 기판의 상기 처리량에 근거하여, 추가 학습을 위한 학습용 데이터를 생성하는 학습용 데이터 생성 단계와,
    상기 추가 학습을 위한 학습용 데이터를 학습하여, 추가 학습 후의 학습 완료된 모델을 생성하는 단계
    를 더 포함하는 기판 처리 방법.
  16. 제15항에 있어서,
    상기 학습용 데이터 생성 단계는,
    상기 처리량이 상기 추가 학습에 이용 가능한지 여부를 판정하는 단계
    를 포함하는 기판 처리 방법.
  17. 제16항에 있어서,
    계측대상의 값과, 상기 계측대상에 대해 미리 정해진 설정값과의 차분이, 규정값 이상인지 여부를 판정하는 단계와,
    상기 계측대상의 값과 상기 설정값과의 차분이 규정값 이상인 경우,
    상기 처리량이 상기 추가 학습에 이용 가능한지 여부에 따라, 상이한 에러 알림을 실행하는 단계
    를 더 포함하는 기판 처리 방법.
  18. 제12항 또는 제13항에 있어서,
    상기 학습대상 속도 정보에 근거한 속도로 상기 노즐 및 상기 학습대상의 기판의 적어도 일방을 이동시키면서, 상기 학습대상의 기판에 상기 처리액을 공급하여, 상기 학습대상의 기판에 대해서 상기 처리를 실행하는 단계와,
    상기 학습대상의 기판의 상기 처리량을 취득하는 단계와,
    상기 학습대상의 기판의 상기 처리량과 상기 학습대상 속도 정보를 포함하는 상기 학습용 데이터를 생성하는 단계와,
    미리 정해진 분류 규칙에 근거해 상기 학습용 데이터를 각 클래스로 분류하고, 상기 클래스 마다 상기 학습용 데이터를 학습하여, 상기 학습 완료된 모델을 생성하는 학습 단계
    를 더 포함하고,
    상기 출력 단계에 있어서,
    미리 정해진 선택 규칙에 근거해 상기 클래스 중 하나를 선택하고, 선택한 상기 클래스에 대응하는 상기 학습 완료된 모델에 상기 목표량을 입력함으로써, 상기 학습 완료된 모델로부터 상기 처리시 속도 정보를 출력시키는, 기판 처리 방법.
  19. 제18항에 있어서,
    상기 분류 규칙은, 상기 학습대상의 기판의 처리 매수에 따라 상기 학습용 데이터를 상기 각 클래스로 분류하는 것을 규정하고,
    상기 학습대상의 기판의 처리 매수는, 상기 학습대상의 기판에 대한 상기 처리에 사용하는 상기 처리액의 사용 개시시로부터의 처리 매수를 나타내고,
    상기 선택 규칙은, 상기 처리대상의 기판의 처리 매수에 따라, 상기 클래스 중 하나를 선택하는 것을 규정하고,
    상기 처리대상의 기판의 처리 매수는, 상기 처리대상의 기판에 대한 상기 처리에 사용하는 상기 처리액의 사용 개시시로부터의 처리 매수를 나타내는, 기판 처리 방법.
  20. 제18항에 있어서,
    상기 학습대상의 기판에 대해서 상기 처리를 실행하는 단계에 있어서,
    상기 처리에 사용하는 상기 처리액의 사용 개시시로부터의 로트 수인 학습시 로트 수를 취득하고,
    상기 분류 규칙은, 상기 학습시 로트 수에 따라 상기 학습용 데이터를 상기 각 클래스로 분류하는 것을 규정하고,
    상기 처리대상의 기판에 대해서 상기 처리를 실행하는 단계에 있어서,
    상기 처리에 사용하는 상기 처리액의 사용 개시시로부터의 로트 수인 처리시 로트 수를 취득하고,
    상기 선택 규칙은, 상기 처리시 로트 수에 따라 상기 클래스 중 하나를 선택하는 것을 규정하는, 기판 처리 방법.
  21. 제18항에 있어서,
    상기 클래스의 각각에 포함되는 상기 학습용 데이터 중에서, 상기 클래스 마다 기준 학습용 데이터를 선정하는 단계와,
    상기 클래스의 각각에 포함되는 상기 학습용 데이터 중에서, 상기 기준 학습용 데이터와의 상관성이 미리 정해진 조건을 만족하는 상기 학습용 데이터를 상기 클래스 마다 선정하는 단계
    를 더 포함하고,
    상기 학습 단계에 있어서,
    상기 클래스 마다, 선정한 상기 학습용 데이터를 학습하여, 상기 학습 완료된 모델을 생성하는, 기판 처리 방법.
  22. 처리액을 기판에 공급하여 상기 기판에 처리를 실행하는 기판 처리 장치와, 처리시 속도 정보를 상기 기판 처리 장치에 송신하는 정보 처리 장치를 구비하는 기판 처리 시스템에 있어서,
    상기 정보 처리 장치는,
    상기 처리에 의해 처리대상의 기판이 처리되는 양의 목표량을 상기 기판 처리 장치로부터 수신해, 상기 기판 처리 장치로 상기 처리시 속도 정보를 송신하는 통신부와,
    학습 완료된 모델을 기억하는 기억부와,
    상기 통신부를 통해 상기 기판 처리 장치로부터 취득한 상기 목표량을 상기 학습 완료된 모델에 입력하여, 상기 학습 완료된 모델로부터 상기 처리시 속도 정보를 출력시키는 처리부
    를 갖추고,
    상기 기판 처리 장치는,
    상기 정보 처리 장치로 상기 목표량을 송신하고, 상기 정보 처리 장치로부터 상기 처리시 속도 정보를 수신하는 통신부와,
    상기 기판에 상기 처리액을 공급하는 노즐과,
    상기 노즐 및 상기 기판의 적어도 일방을 이동시키는 이동 기구와,
    상기 처리시 속도 정보에 근거하여, 상기 이동 기구를 제어하는 제어부
    를 갖추고,
    상기 학습 완료된 모델은,
    상기 노즐의 이동 속도 및 학습대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 학습대상의 기판과의 상대적인 이동 속도를 나타내는 학습대상 속도 정보와, 상기 학습대상 속도 정보에 근거한 속도로 상기 노즐 및 상기 학습대상의 기판의 적어도 일방을 이동시키면서 상기 학습대상의 기판에 상기 처리를 실행하여 취득되는 처리량을, 학습용 데이터로서 학습함으로써 생성되고,
    상기 처리량은, 상기 처리에 의해 상기 학습대상의 기판이 처리되는 양을 나타내고,
    상기 제어부는,
    상기 처리대상의 기판에 대해서 상기 처리를 실행할 때에, 상기 처리시 속도 정보에 근거한 속도로 상기 노즐 및 상기 처리대상의 기판의 적어도 일방이 이동하도록 상기 이동 기구를 제어하고,
    상기 처리시 속도 정보는,
    상기 노즐의 이동 속도 및 상기 처리대상의 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 처리대상의 기판과의 상대적인 이동 속도를 나타내는, 기판 처리 시스템.
  23. 속도 정보에 근거한 속도로 노즐 및 기판의 적어도 일방을 이동시키면서, 상기 노즐로부터 상기 기판에 처리액을 공급해 상기 기판에 처리를 실행하는 단계와,
    상기 처리에 의해 상기 기판이 처리된 양을 나타내는 처리량을 취득하는 단계와,
    상기 속도 정보 및 상기 처리량에 근거하여, 학습용 데이터를 생성하는 단계
    를 포함하고,
    상기 속도 정보는,
    상기 노즐의 이동 속도 및 상기 기판의 이동 속도의 적어도 일방을 나타내거나, 혹은, 상기 노즐과 상기 기판과의 상대적인 이동 속도를 나타내는, 학습용 데이터의 생성 방법.
KR1020200182990A 2019-12-27 2020-12-24 기판 처리 장치, 기판 처리 방법, 기판 처리 시스템, 및 학습용 데이터의 생성 방법 KR102421919B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220086041A KR20220104117A (ko) 2019-12-27 2022-07-13 추가 학습을 위한 학습용 데이터 생성 방법, 및 학습 완료된 모델 생성 방법

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JPJP-P-2019-238989 2019-12-27
JP2019238989 2019-12-27
JPJP-P-2020-194253 2020-11-24
JP2020194253A JP7542417B2 (ja) 2019-12-27 2020-11-24 基板処理装置、基板処理方法、基板処理システム、及び学習用データの生成方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020220086041A Division KR20220104117A (ko) 2019-12-27 2022-07-13 추가 학습을 위한 학습용 데이터 생성 방법, 및 학습 완료된 모델 생성 방법

Publications (2)

Publication Number Publication Date
KR20210084305A KR20210084305A (ko) 2021-07-07
KR102421919B1 true KR102421919B1 (ko) 2022-07-18

Family

ID=76508169

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020200182990A KR102421919B1 (ko) 2019-12-27 2020-12-24 기판 처리 장치, 기판 처리 방법, 기판 처리 시스템, 및 학습용 데이터의 생성 방법
KR1020220086041A KR20220104117A (ko) 2019-12-27 2022-07-13 추가 학습을 위한 학습용 데이터 생성 방법, 및 학습 완료된 모델 생성 방법

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020220086041A KR20220104117A (ko) 2019-12-27 2022-07-13 추가 학습을 위한 학습용 데이터 생성 방법, 및 학습 완료된 모델 생성 방법

Country Status (4)

Country Link
US (1) US20210202258A1 (ko)
KR (2) KR102421919B1 (ko)
CN (1) CN113053780B (ko)
TW (1) TW202234504A (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016122681A (ja) 2014-12-24 2016-07-07 株式会社Ｓｃｒｅｅｎホールディングス 基板処理装置および基板処理方法
JP2020093468A (ja) 2018-12-13 2020-06-18 セイコーエプソン株式会社 液体吐出ヘッドの製造方法、及び、機械学習装置

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6616759B2 (en) * 2001-09-06 2003-09-09 Hitachi, Ltd. Method of monitoring and/or controlling a semiconductor manufacturing apparatus and a system therefor
US6752544B2 (en) * 2002-03-28 2004-06-22 Dainippon Screen Mfg. Co., Ltd. Developing apparatus and developing method
JP2013161857A (ja) * 2012-02-02 2013-08-19 Tokyo Electron Ltd 熱処理装置及び熱処理装置の制御方法
JP6423672B2 (ja) * 2014-09-26 2018-11-14 株式会社Ｓｃｒｅｅｎホールディングス 基板処理装置および基板処理方法
US20170372232A1 (en) * 2016-06-27 2017-12-28 Purepredictive, Inc. Data quality detection and compensation for machine learning
CN110268423A (zh) * 2016-08-19 2019-09-20 莫维迪乌斯有限公司 用于深度学习模型的分布式训练的系统和方法
JP2018089859A (ja) * 2016-12-02 2018-06-14 株式会社リコー 情報処理装置、造形装置、造形システム、方法及びプログラム
US11215363B2 (en) * 2017-04-24 2022-01-04 Honeywell International Inc. Apparatus and method for two-stage detection of furnace flooding or other conditions
JP6986399B2 (ja) 2017-09-14 2021-12-22 東京エレクトロン株式会社 基板処理装置、基板処理方法および記憶媒体
US20210004723A1 (en) * 2018-03-29 2021-01-07 Nec Corporation Learning device, learning method, and learning program
JP7122192B2 (ja) * 2018-08-21 2022-08-19 株式会社Ｓｃｒｅｅｎホールディングス 基板処理方法、基板処理装置および基板処理システム
JP7088810B2 (ja) * 2018-11-07 2022-06-21 株式会社Ｓｃｒｅｅｎホールディングス 基板処理方法および基板処理装置
US20200166909A1 (en) * 2018-11-20 2020-05-28 Relativity Space, Inc. Real-time adaptive control of manufacturing processes using machine learning
KR102714919B1 (ko) * 2019-06-28 2024-10-07 삼성전자주식회사 반도체 장치의 제조 설비
US11610076B2 (en) * 2019-08-07 2023-03-21 Applied Materials, Inc. Automatic and adaptive fault detection and classification limits
EP3812974A1 (en) * 2019-10-25 2021-04-28 Onfido Ltd Machine learning inference system
JP7452990B2 (ja) * 2019-11-29 2024-03-19 東京エレクトロン株式会社 異常検知装置、異常検知方法及び異常検知プログラム
KR102455758B1 (ko) * 2020-01-30 2022-10-17 가부시키가이샤 스크린 홀딩스 데이터 처리 방법, 데이터 처리 장치 및 기억 매체
JP7467292B2 (ja) * 2020-03-13 2024-04-15 東京エレクトロン株式会社 解析装置、解析方法及び解析プログラム
JP7421410B2 (ja) * 2020-04-30 2024-01-24 株式会社Ｓｃｒｅｅｎホールディングス 基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデル
JP7380864B2 (ja) * 2020-05-15 2023-11-15 日本電気株式会社 機械学習装置、機械学習システム、機械学習方法及びプログラム
JP7093031B2 (ja) * 2020-09-23 2022-06-29 ダイキン工業株式会社 情報処理装置、情報処理方法、及びプログラム
JP2022162709A (ja) * 2021-04-13 2022-10-25 株式会社Ｓｃｒｅｅｎホールディングス 基板処理装置、基板処理システム、及びデータ処理方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016122681A (ja) 2014-12-24 2016-07-07 株式会社Ｓｃｒｅｅｎホールディングス 基板処理装置および基板処理方法
JP2020093468A (ja) 2018-12-13 2020-06-18 セイコーエプソン株式会社 液体吐出ヘッドの製造方法、及び、機械学習装置

Also Published As

Publication number Publication date
CN113053780B (zh) 2024-10-01
CN113053780A (zh) 2021-06-29
TW202234504A (zh) 2022-09-01
US20210202258A1 (en) 2021-07-01
KR20220104117A (ko) 2022-07-26
KR20210084305A (ko) 2021-07-07

Similar Documents

Publication Publication Date Title
JP7542417B2 (ja) 基板処理装置、基板処理方法、基板処理システム、及び学習用データの生成方法
JP7439221B2 (ja) 補正方法、基板処理装置、及び補正データ生成装置
WO2022220126A1 (ja) 基板処理装置、基板処理システム、及びデータ処理方法
JP4693464B2 (ja) 品質管理システム、品質管理方法及びロット単位のウェハ処理方法
US20210304032A1 (en) Learned model generating method, abnormality factor estimating device, substrate processing device, abnormality factor estimating method, learning method, learning device, and learning data generating method
JP7460411B2 (ja) 基板処理装置及び基板処理方法
KR102421919B1 (ko) 기판 처리 장치, 기판 처리 방법, 기판 처리 시스템, 및 학습용 데이터의 생성 방법
KR20210066897A (ko) 기판 처리 방법 및 기판 처리 장치
US20220148896A1 (en) Processing condition selection method, substrate processing method, substrate product production method, processing condition selecting device, computer program, and storage medium
CN116631895A (zh) 衬底处理条件的设定方法、衬底处理方法、衬底处理条件的设定系统、及衬底处理系统
JP2023019657A (ja) 基板処理方法及び基板処理装置
US20240103462A1 (en) Support device, support method, substrate processing system, and storage medium
CN113614886B (zh) 处理条件选择方法、基板处理方法、基板制品制造方法、处理条件选择装置、计算机程序以及存储介质
US20240096656A1 (en) Etching control system and etching control method
US20240096657A1 (en) Etching control system and etching control method
JP7409956B2 (ja) 基板処理装置、及び基板処理方法
WO2023042796A1 (ja) 基板処理装置および基板処理方法
JP2023042255A (ja) 基板処理装置および基板処理方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant