KR20210126540A - 기판 승강 이상 검출 장치 - Google Patents
기판 승강 이상 검출 장치 Download PDFInfo
- Publication number
- KR20210126540A KR20210126540A KR1020217003714A KR20217003714A KR20210126540A KR 20210126540 A KR20210126540 A KR 20210126540A KR 1020217003714 A KR1020217003714 A KR 1020217003714A KR 20217003714 A KR20217003714 A KR 20217003714A KR 20210126540 A KR20210126540 A KR 20210126540A
- Authority
- KR
- South Korea
- Prior art keywords
- substrate
- abnormality
- lowering
- lifting
- raising
- Prior art date
Links
- 230000005856 abnormality Effects 0.000 title claims abstract description 155
- 238000001514 detection method Methods 0.000 title claims abstract description 83
- 239000000758 substrate Substances 0.000 claims abstract description 326
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000010801 machine learning Methods 0.000 claims abstract description 32
- 238000000926 separation method Methods 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims description 99
- 238000012545 processing Methods 0.000 claims description 73
- 230000007547 defect Effects 0.000 claims description 12
- 238000001179 sorption measurement Methods 0.000 claims description 6
- 230000002950 deficient Effects 0.000 abstract description 6
- 230000001174 ascending effect Effects 0.000 abstract 1
- 230000003028 elevating effect Effects 0.000 description 19
- 238000005070 sampling Methods 0.000 description 15
- 238000012360 testing method Methods 0.000 description 14
- 230000002123 temporal effect Effects 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000002596 correlated effect Effects 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000000630 rising effect Effects 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000005530 etching Methods 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 238000009832 plasma treatment Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000003795 desorption Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009616 inductively coupled plasma Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- H01L21/67—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
- H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
-
- 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
- H01L21/6831—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 electrostatic chucks
-
- 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
- H01L21/68742—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 lifting arrangement, e.g. lift pins
-
- 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
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
- Chemical Vapour Deposition (AREA)
- Drying Of Semiconductors (AREA)
- Software Systems (AREA)
- Physical Vapour Deposition (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Cold Cathode And The Manufacture (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
Abstract
[과제] 정전 척으로부터의 기판의 이탈 불량 등에 기인한 기판의 승강 이상을 신속히 또한 정밀도 좋게 검출 가능한 기판 승강 이상 검출 장치 등을 제공한다.
[해결 수단] 기판 승강 이상 검출 장치(100)는, 승강 기구(4)에 가해지는 하중과 상관을 갖는 파라미터를 측정하는 측정부(2)와, 기판(S)의 승강 이상을 검출하는 검출부(3)를 구비한다. 검출부(3)는, 승강 기구(4)에 의한 기판(S)의 상승 과정에 있어서, 측정부(2)에 의해 연속적으로 측정된 상기 파라미터의 복수의 측정치가 입력되어, 기판(S)의 승강 이상의 정도를 출력하는, 기계 학습을 이용하여 생성된 학습 모델(31)을 구비한다.
[해결 수단] 기판 승강 이상 검출 장치(100)는, 승강 기구(4)에 가해지는 하중과 상관을 갖는 파라미터를 측정하는 측정부(2)와, 기판(S)의 승강 이상을 검출하는 검출부(3)를 구비한다. 검출부(3)는, 승강 기구(4)에 의한 기판(S)의 상승 과정에 있어서, 측정부(2)에 의해 연속적으로 측정된 상기 파라미터의 복수의 측정치가 입력되어, 기판(S)의 승강 이상의 정도를 출력하는, 기계 학습을 이용하여 생성된 학습 모델(31)을 구비한다.
Description
본 발명은, 기판을 승강시키는 승강 기구를 구비하는 기판 처리 장치에 있어서 기판의 승강 이상을 검출하는 기판 승강 이상 검출 장치, 이것을 구비한 기판 처리 시스템, 기판 승강 이상 검출 방법, 프로그램, 학습 모델 및 학습 모델의 생성 방법에 관한 것이다. 특히, 본 발명은, 정전 척으로부터의 기판의 이탈 불량 등에 기인한 기판의 승강 이상을 신속히 또한 정밀도 좋게 검출 가능한 기판 승강 이상 검출 장치, 기판 처리 시스템, 기판 승강 이상 검출 방법, 프로그램, 학습 모델 및 학습 모델의 생성 방법에 관한 것이다.
종래, 기판에 처리를 실시하는 기판 처리 장치로서, 플라즈마를 이용하여 기판에 에칭 처리나 성막 처리 등의 플라즈마 처리를 실시하는 플라즈마 처리 장치가 알려져 있다.
플라즈마 처리 장치는, 일반적으로, 내부에 플라즈마가 생성되는 챔버와, 챔버 내에 배치되어 기판이 재치(載置)되는 재치대와, 기판을 승강시키는 리프트 핀 등의 승강 기구를 구비하고 있다. 일반적으로, 재치대에는 정전 척이 설치된다.
정전 척은, 재치대의 상부에 설치되고, 전극이 매설된 유전체로부터 형성되어 있다. 정전 척의 전극에 직류 전압을 인가함으로써 발생하는 전극과 기판 사이의 정전력에 의해, 기판은 정전 척에 정전 흡착된다.
플라즈마 처리 장치에 의해 기판에 플라즈마 처리를 실시할 때, 정전 척의 전극에 직류 전압을 인가하여, 기판을 정전 척에 정전 흡착시킨다. 그리고, 정전 흡착된 기판에 플라즈마 처리를 실시한다.
플라즈마 처리가 종료하면, 기판은 정전 척으로부터 이탈된다. 구체적으로는, 정전 척의 전극으로의 직류 전압의 인가를 정지함으로써, 정전 척에 의한 기판의 정전 흡착을 정지한다. 그리고, 승강 기구에 의해 기판을 상승시킨 후, 반송 기구에 의해 기판을 챔버의 외부로 반송한다.
여기서, 정전 척으로부터 기판을 이탈하려고 할 때에, 직류 전압의 인가 정지 후에도 정전 척에 잔류하는 정전력에 의해 기판이 정전 척에 흡착되어, 기판의 이탈 불량이 발생하는 경우가 있다. 구체적으로는, 흡착하는 기판을 승강 기구에 의해 밀어 올림으로써 기판의 위치 어긋남 등이 발생하고, 그 후의 기판의 반송에 지장이 발생하는 경우가 있다. 또, 잔류하는 정전력이 큰 경우에는, 흡착하는 기판을 무리하게 밀어 올림으로써 기판의 파손으로 이어질 우려도 있다.
따라서, 기판의 반송 불량이나 파손을 회피하려면, 상기와 같은 기판의 승강 이상(특히 기판의 상승 시의 이상)을 신속히 또한 정밀도 좋게 검출하는 것이 기대되고 있다.
종래, 리프트 핀의 동작 상황의 이상을 검출하는 장치로서, 특허 문헌 1에 기재된 장치가 제안되어 있다.
그러나, 특허 문헌 1에 기재된 장치는, 리프트 핀의 파손 등의 과도한 이상을 검출하는 장치이며, 정전 척으로부터의 기판의 이탈 불량 등에 기인한 기판의 승강 이상을 신속히 또한 정밀도 좋게 검출할 수 없다.
또, 특허 문헌 2에는, 정전 척에 의한 기판의 흡착 상태를 검출하는 장치가 제안되어 있다.
그러나, 특허 문헌 2에 기재된 장치는, 기판에 처리를 실시할 때에 정전 척이 적절한 정전력으로 기판을 흡착하고 있는지 여부를 평가하는 장치이며, 정전 척으로부터의 기판의 이탈 불량 등에 기인한 기판의 승강 이상을 신속히 또한 정밀도 좋게 검출할 수 없다.
본 발명은, 상기 종래 기술의 문제점을 해결하기 위해 이루어진 것이며, 정전 척으로부터의 기판의 이탈 불량 등에 기인한 기판의 승강 이상을 신속히 또한 정밀도 좋게 검출 가능한 기판 승강 이상 검출 장치, 기판 처리 시스템, 기판 승강 이상 검출 방법, 프로그램, 학습 모델 및 학습 모델의 생성 방법을 제공하는 것을 과제로 한다.
상기 과제를 해결하기 위해, 본 발명자는 예의 검토하여, 기판의 상승 과정에 있어서 승강 기구에 가해지는 하중과 상관을 갖는 파라미터의 시계열의 측정치를 이용하는 것에 착안했다. 기판의 승강이 정상적인지 비정상적인지에 따라서, 상승 과정에 있어서의 승강 기구에 가해지는 하중의 측정치(또는 하중과 상관을 갖는 다른 파라미터의 측정치)의 시간적 변화의 모습이 상이한 것이 된다고 생각했기 때문이다.
그러나, 기판의 승강이 정상적인지 여부에 따른 측정치의 시간적 변화의 차이가 근소한 경우도 생각할 수 있다. 이 때문에, 측정치를 단순히 역치와 비교하여, 그 대소로 승강 이상을 검출하는 것으로는, 역치의 결정이 곤란하고, 승강 이상의 검출 정밀도도 나쁘다고 생각할 수 있다. 기판의 승강이 정상적인 경우의 측정치와 비정상적인 경우의 측정치의 차이가 커지는 타이밍에서 역치와 비교하는 경우도 생각할 수 있는데, 이 타이밍에서 승강 이상을 검출한 것으로는, 승강 기구의 동작 정지의 타이밍이 늦어, 기판의 반송 불량이나 파손의 회피가 늦을 우려도 있다. 이 때문에, 본 발명자는, 승강 기구에 가해지는 하중과 상관을 갖는 파라미터의 시계열의 측정치에 기계 학습을 적용하는 것을 검토한 결과, 기판의 승강 이상을 신속히 또한 정밀도 좋게 검출할 수 있는 것을 찾아냈다.
본 발명은, 상기의 본 발명자의 지견에 의거하여 완성한 것이다.
즉, 상기 과제를 해결하기 위해, 본 발명은, 기판을 승강시키는 승강 기구를 구비하는 기판 처리 장치에 있어서 상기 기판의 승강 이상을 검출하는 장치로서, 상기 승강 기구에 가해지는 하중과 상관을 갖는 파라미터를 측정하는 측정부와, 상기 기판의 승강 이상을 검출하는 검출부를 구비하고, 상기 검출부는, 상기 승강 기구에 의한 상기 기판의 상승 과정에 있어서, 상기 측정부에 의해 연속적으로 측정된 상기 파라미터의 복수의 측정치가 입력되어, 상기 기판의 승강 이상의 정도를 출력하는, 기계 학습을 이용하여 생성된 학습 모델을 구비하는 것을 특징으로 하는 기판 승강 이상 검출 장치를 제공한다.
본 발명에 따른 기판 승강 이상 검출 장치에 의하면, 측정부에 의해, 기판의 상승 과정에 있어서 승강 기구에 가해지는 하중과 상관을 갖는 파라미터를 연속적으로 측정하고, 이 복수의 측정치를 검출부의 기계 학습을 이용하여 생성된 학습 모델에 입력함으로써, 학습 모델이 기판의 승강 이상의 정도를 출력하게 된다. 검출부는, 학습 모델로부터 출력된 승강 이상의 정도에 따라 승강 이상을 검출하는(예를 들면, 승강 이상의 정도가 소정의 역치 이상이면, 승강 이상이 발생했다고 판정한다) 것이 가능하다.
본 발명에 따른 기판 승강 이상 검출 장치에 의하면, 기계 학습을 이용하여 생성된 학습 모델에, 측정부에 의해 연속적으로 측정된 승강 기구에 가해지는 하중과 상관을 갖는 파라미터의 복수의 측정치를 입력하는 것만으로 되기 때문에, 파라미터의 측정치와 역치를 직접 비교하는 경우와 같이, 역치의 결정에 곤란이 발생하지 않는다. 그리고, 본 발명자가 지견한 바와 같이, 기판의 승강 이상을 신속히 또한 정밀도 좋게 검출 가능하다.
또한, 본 발명에 따른 기판 승강 이상 검출 장치가 검출하는 기판의 승강 이상은, 정전 척으로부터의 기판의 이탈 불량에 기인한 기판의 승강 이상에 한정하는 것은 아니다. 예를 들면, 기판 처리 장치에서 동작하는 반송 로봇이 구비하는 승강 기구로 기판을 상승시키는 과정에 있어서, 기판이 위치 어긋남 등에 의해 기판 처리 장치를 구성하는 부재에 간섭하는 이상을 검출하는 것도 가능하다.
바람직하게는, 상기 학습 모델은, 교사 데이터의 입력으로서, 상기 기판의 승강이 정상적인 경우의 상기 파라미터의 복수의 측정치가 입력되었을 경우에, 상기 기판의 승강이 정상적인 것을 출력하도록, 기계 학습을 이용하여 생성되어 있다.
상기의 바람직한 구성에 의하면, 학습 모델은, 교사 데이터(학습 모델로의 기지(旣知)의 입출력의 조합)의 입력으로서, 기판의 승강이 정상적인 경우의 파라미터의 복수의 측정치가 입력되었을 경우에, 기판의 승강이 정상적인 것(구체적으로는, 승강 이상의 정도가 최소인 것을 나타내는 수치, 예를 들면, 「0」)을 출력하도록(즉, 교사 데이터의 출력으로서, 예를 들면, 「0」을 부여하고), 기계 학습을 이용하여 생성된다.
상기와 같은 교사 데이터를 이용한 기계 학습을 행하여 학습 모델을 생성함으로써, 역치 등의 번잡한 조정이나, 복잡한 검출 로직의 검토가 불필요하고, 기계 학습 후의 학습 모델에 파라미터의 복수의 측정치를 입력하는 것만으로, 기판의 승강 이상을 용이하게 검출 가능하다.
본 발명에 따른 기판 승강 이상 검출 장치는, 정전 척으로부터의 기판의 이탈 불량에 기인한 기판의 승강 이상을 검출하는데 적합하게 이용된다.
즉, 바람직하게는, 상기 기판 처리 장치는, 상기 기판을 처리할 때에 상기 기판을 정전 흡착하는 정전 척을 구비하고, 상기 검출부는, 상기 정전 척에 의한 상기 기판의 정전 흡착을 정지한 후의 상기 승강 기구에 의한 상기 기판의 상승 과정에 있어서, 상기 측정부에 의해 연속적으로 측정된 상기 파라미터의 복수의 측정치에 의거하여, 상기 기판의 이탈 불량에 기인한 상기 기판의 승강 이상을 검출한다.
또, 바람직하게는, 상기 승강 기구는, 상기 기판의 이면에 접촉하여 상기 기판을 승강시키는 리프트 핀과, 상기 리프트 핀에 연결되어, 상기 리프트 핀을 승강시키는 실린더 장치를 구비하고, 상기 측정부는, 상기 실린더 장치의 피스톤 로드에 장착되고, 상기 피스톤 로드에 가해지는 하중을 측정하는 로드 셀이다.
상기의 바람직한 구성에 의하면, 측정부로서의 로드 셀에 의해 측정한 피스톤 로드에 가해지는 하중의 측정치가, 검출부가 구비하는 학습 모델에 파라미터로서 입력되게 된다.
단, 본 발명은 이것에 한정하는 것은 아니며, 예를 들면, 실린더 장치가 모터에 의해 구동하는 전동 실린더 장치인 경우, 이 모터의 토크를 공지의 토크 측정 장치로 측정하고, 이 토크 측정치를 검출부가 구비하는 학습 모델에 파라미터(승강 기구에 가해지는 하중과 상관을 갖는 파라미터)로서 입력하는 양태를 채용하는 것도 가능하다.
바람직하게는, 상기 학습 모델은, k근방법을 이용한 기계 학습에 의해 생성되어 있다.
k근방법에 의하면, 기판의 승강이 정상적인 경우의 교사 데이터만을 이용하여 기계 학습을 행하는 것이 가능하다.
단, 본 발명은 이것에 한정하는 것은 아니며, 서포트 벡터 머신이나 뉴럴 네트워크(CNN(Convolutional Neural Network)이나, RNN(Recurrent neural network)을 포함한다) 등, 기계 학습을 이용하여 생성할 수 있는 학습 모델인 한에 있어서 여러 가지의 구성을 채용 가능하다.
바람직하게는, 상기 기판 처리 장치는, 상기 기판을 처리할 때에 진공 환경이 되는 챔버와, 상기 기판을 처리할 때에 상기 기판을 정전 흡착하는 정전 척을 구비하고, 상기 측정부는, 상기 승강 기구에 가해지는 하중과 상관을 갖는 파라미터에 더하여, 상기 정전 척과 상기 기판 사이의 흡착력과 상관을 갖는 파라미터 및 상기 챔버 내의 압력과 상관을 갖는 파라미터 중, 적어도 하나의 파라미터를 측정하고, 상기 학습 모델은, 상기 승강 기구에 의한 상기 기판의 상승 과정에 있어서, 상기 측정부에 의해 연속적으로 측정된 상기 파라미터의 복수의 측정치가 입력되어, 상기 기판의 승강 이상의 정도를 출력한다.
상기의 바람직한 구성에 의하면, 측정부에 의해, 정전 척과 기판 사이의 흡착력과 상관을 갖는 파라미터 및 챔버 내의 압력과 상관을 갖는 파라미터 중, 적어도 하나의 파라미터가 추가로 측정되고, 학습 모델에, 승강 기구에 가해지는 하중과 상관을 갖는 파라미터의 복수의 측정치에 더하여, 이 적어도 하나의 파라미터의 복수의 측정치가 입력되어, 학습 모델이 기판의 승강 이상의 정도를 출력하게 된다. 이 때문에, 승강 기구에 가해지는 하중과 상관을 갖는 파라미터만을 이용하는 경우에 비해, 기판의 승강 이상을 보다 한층 더 정밀도 좋게 검출 가능한 것을 기대할 수 있다.
바람직하게는, 상기 검출부는, 상기 기판의 승강 이상의 유무를 입력하는 입력부를 구비하고, 상기 입력부로부터 입력된 상기 기판의 승강 이상의 유무를, 상기 측정부에 의해 연속적으로 측정된 상기 파라미터의 복수의 측정치 및 상기 검출부에 의한 상기 기판의 승강 이상의 검출 결과와 서로 관련지어 기억한다.
상기의 바람직한 구성에 있어서, 입력부로부터 입력되는 기판의 승강 이상의 유무는, 예를 들면, 오퍼레이터가 기판 처리 장치의 내부를 직접 눈으로 보거나, 기판 처리 장치의 내부를 촬상한 영상을 오퍼레이터가 눈으로 보거나, 처리 후의 기판의 파손의 유무를 오퍼레이터가 확인함으로써 판단된다.
상기의 바람직한 구성에 의하면, 입력부로부터 입력된 기판의 승강 이상의 유무와, 측정부에 의해 연속적으로 측정된 파라미터의 복수의 측정치 및 검출부에 의한 기판의 승강 이상의 검출 결과가, 검출부에 서로 관련지어 기억된다.
따라서, 입력부로부터 입력된 기판의 승강 이상의 유무를 진실로서, 측정부에 의해 연속적으로 측정된 파라미터의 복수의 측정치를 이용하여 검출부가 검출한 승강 이상의 검출 결과의 적합 여부를 판단 가능하다. 입력부로부터 입력된 기판의 승강 이상의 유무와, 검출부가 검출한 승강 이상의 검출 결과가 일치하지 않는 경우에는, 검출부가 구비하는 학습 모델의 재학습을 행함으로써, 검출부의 검출 정밀도를 보다 한층 더 높이는 것이 가능하다.
또, 상기 과제를 해결하기 위해, 본 발명은, 기판을 승강시키는 승강 기구를 구비하는 기판 처리 장치와, 상기 중 어느 하나에 기재된 기판 승강 이상 검출 장치를 구비하는 것을 특징으로 하는 기판 처리 시스템으로서도 제공된다.
또, 상기 과제를 해결하기 위해, 본 발명은, 기판을 승강시키는 승강 기구를 구비하는 기판 처리 장치에 있어서 상기 기판의 승강 이상을 검출하는 방법으로서, 상기 승강 기구에 가해지는 하중과 상관을 갖는 파라미터를 측정하는 측정 공정과, 상기 기판의 승강 이상을 검출하는 검출 공정을 포함하고, 상기 검출 공정에서는, 기계 학습을 이용하여 생성된 학습 모델을 이용하여, 상기 승강 기구에 의한 상기 기판의 상승 과정에 있어서, 상기 측정 공정에 있어서 연속적으로 측정된 상기 파라미터의 복수의 측정치를 상기 학습 모델에 입력하여, 상기 학습 모델로부터 상기 기판의 승강 이상의 정도를 출력하는 것을 특징으로 하는 기판 승강 이상 검출 방법으로서도 제공된다.
또, 상기 과제를 해결하기 위해, 본 발명은, 상기 기판 승강 이상 검출 방법이 포함하는 상기 검출 공정을 상기 학습 모델을 구비하는 검출부로 하여금 실행하게 하기 위한 프로그램으로서도 제공된다.
이 프로그램은, 컴퓨터 읽어내기 가능한 기록 매체에 기록되어 있어도 된다.
또, 상기 과제를 해결하기 위해, 본 발명은, 기판 처리 장치가 구비하는 승강 기구에 의한 기판의 상승 과정에 있어서 연속적으로 측정된, 상기 승강 기구에 가해지는 하중과 상관을 갖는 파라미터의 복수의 측정치가 입력되어, 상기 기판의 승강 이상의 정도를 출력하는, 기계 학습을 이용하여 작성된 학습 모델로서도 제공된다.
또한, 상기 과제를 해결하기 위해, 본 발명은, 기판 처리 장치가 구비하는 승강 기구에 의한 기판의 상승 과정에 있어서 연속적으로 측정된, 상기 승강 기구에 가해지는 하중과 상관을 갖는 파라미터의 복수의 측정치가 입력되어, 상기 기판의 승강 이상의 정도를 출력하는 학습 모델을, 교사 데이터의 입력으로서, 상기 기판의 승강이 정상적인 경우의 상기 파라미터의 복수의 측정치가 입력되었을 경우에, 상기 기판의 승강이 정상적인 것을 출력하도록, 기계 학습을 이용하여 생성하는 것을 특징으로 하는 학습 모델의 생성 방법으로서도 제공된다.
본 발명에 의하면, 정전 척으로부터의 기판의 이탈 불량 등에 기인한 기판의 승강 이상을 신속히 또한 정밀도 좋게 검출 가능하다.
도 1은, 본 발명의 제1 실시 형태에 따른 기판 처리 시스템의 개략 구성을 모식적으로 나타내는 도면이다.
도 2는, 도 1에 나타내는 검출부의 기능 블록도이다.
도 3은, 도 1에 나타내는 기판 승강 이상 검출 장치가 구비하는 측정부에 의해 측정되는 하중 측정치를 설명하는 설명도이다.
도 4는, 도 1에 나타내는 측정부에 의해 측정한 하중 측정치의 일례를 나타내는 도면이다.
도 5는, 제1 실시 형태에 따른 기판 승강 이상 검출 장치를 이용한 시험 결과의 일례를 나타내는 도면이다.
도 6은, 제2 실시 형태에 따른 기판 승강 이상 검출 장치를 이용한 시험 결과의 일례를 나타내는 도면이다.
도 2는, 도 1에 나타내는 검출부의 기능 블록도이다.
도 3은, 도 1에 나타내는 기판 승강 이상 검출 장치가 구비하는 측정부에 의해 측정되는 하중 측정치를 설명하는 설명도이다.
도 4는, 도 1에 나타내는 측정부에 의해 측정한 하중 측정치의 일례를 나타내는 도면이다.
도 5는, 제1 실시 형태에 따른 기판 승강 이상 검출 장치를 이용한 시험 결과의 일례를 나타내는 도면이다.
도 6은, 제2 실시 형태에 따른 기판 승강 이상 검출 장치를 이용한 시험 결과의 일례를 나타내는 도면이다.
이하, 첨부 도면을 참조하면서, 본 발명의 실시 형태에 따른 기판 승강 이상 검출 장치 및 이것을 구비한 기판 처리 시스템에 대해 설명한다.
<제1 실시 형태>
도 1은, 본 발명의 제1 실시 형태에 따른 기판 처리 시스템의 개략 구성을 모식적으로 나타내는 도면이다. 도 1 (a)는 기판 처리 시스템의 전체 구성을 나타내는 도면이고, 도 1 (b)는 기판 처리 시스템의 기판 승강 이상 검출 장치가 구비하는 검출부의 개략 구성을 나타내는 블록도이다. 도 2는, 도 1에 나타내는 검출부의 기능 블록도이다. 도 1 (a)에 있어서, 기판 처리 시스템의 기판 처리 장치는 단면으로 도시하고 있다.
도 1 (a)에 나타내는 바와 같이, 제1 실시 형태에 따른 기판 처리 시스템은, 기판 처리 장치(10)와, 기판 승강 이상 검출 장치(100)를 구비한다.
제1 실시 형태의 기판 처리 장치(10)는, 플라즈마 처리 장치이며, 챔버(11)와, 챔버(11)의 하부에 설치된 하우징(12)을 구비한다. 챔버(11) 내는, 기판(S)에 처리를 실시할 때에 진공 환경이 되고, 하우징(12) 내는 항상 대기압 환경으로 되어 있다.
기판 처리 장치(10)는, 챔버(11) 내에 배치되어 기판(S)을 재치하는 재치대(13)와, 재치대(13)의 상부에 설치되고, 기판(S)을 처리할 때에 기판(S)을 정전 흡착하는 정전 척(14)과, 기판(S)을 승강시키는 승강 기구(4)를 구비한다. 제1 실시 형태의 승강 기구(4)는, 기판(S)의 이면에 접촉하여 기판(S)을 승강시키는 복수의 리프트 핀(15)과, 복수의 리프트 핀(15)의 하단에 접속되어 복수의 리프트 핀(15)을 동시에 승강시키는 승강체(도 1에 있어서 T자형으로 도시된 부재)(16)와, 승강체(16)의 하단에 접속되어 승강체(16)를 승강시키는 실린더 장치(제1 실시 형태에서는 에어 실린더 장치)(17)를 구비한다.
또한, 재치대(13)는, 내벽에 의해 구획된 공극을 갖고, 이 공극 내에 승강체(16)의 상부(T자의 횡방향으로 연장되는 부위)가 수용되어 있다. 또, 승강체(16)는, 실린더 장치(17)의 피스톤 로드(18)에 장착되어 있다. 또한, 승강체(16)의 하부(재치대(13)의 하방으로 돌출되어 있는 부위)는 벨로즈(19)에 의해 덮여 있다.
기판(S)에 처리를 실시할 때, 정전 척(14)의 전극(도시하지 않음)에 직류 전압이 인가되어, 기판(S)이 정전 척(14)에 정전 흡착한다. 그리고, 이 상태에서, 챔버(11) 내에, 가스 공급원(도시하지 않음)으로부터 플라즈마를 생성하기 위한 처리 가스가 공급된다.
기판 처리 장치(10)가 유도 결합 플라즈마(ICP) 방식의 플라즈마 처리 장치인 경우에는, 챔버(11)를 둘러싸도록 코일(도시하지 않음)이 배치되고, 이 코일에 고주파 전력을 인가함으로써, 챔버(11) 내에 공급된 처리 가스가 플라즈마화된다.
기판 처리 장치(10)가 용량 결합 플라즈마(CCP) 방식의 플라즈마 처리 장치인 경우에는, 챔버(11) 내에 재치대(13)와 평행하게 전극(도시하지 않음)이 배치되고, 이 전극에 고주파 전력을 인가함으로써, 챔버(11) 내에 공급된 처리 가스가 플라즈마화된다.
상기와 같이 하여 챔버(11) 내에 생성된 플라즈마에 의해, 기판(S)에 에칭 처리나 성막 처리 등의 플라즈마 처리가 실시된다.
플라즈마 처리가 종료한 후, 정전 척(14)의 전극으로의 직류 전압의 인가를 정지함으로써, 정전 척(14)에 의한 기판의 정전 흡착을 정지한다. 그리고, 기판(S)을 승강 기구(4)에 의해 상승시킨 후, 반송 기구(도시하지 않음)에 의해 기판(S)을 챔버(11)의 외부로 반송한다.
기판 승강 이상 검출 장치(100)는, 상기의 구성을 갖는 기판 처리 장치(10)에 있어서 기판(S)의 승강 이상을 검출하는 장치이다. 제1 실시 형태에 따른 기판 승강 이상 검출 장치(100)는, 정전 척(14)에 의한 기판(S)의 정전 흡착을 정지한 후의 승강 기구(4)에 의한 기판(S)의 상승 과정에 있어서, 기판(S)의 이탈 불량에 기인한 기판(S)의 승강 이상을 검출하는 장치이다.
기판 승강 이상 검출 장치(100)는, 승강 기구(4)에 가해지는 하중과 상관을 갖는 파라미터를 측정하는 측정부(2)와, 기판(S)의 승강 이상을 검출하는 검출부(3)를 구비한다.
제1 실시 형태의 측정부(2)는, 승강 기구(4)에 가해지는 하중과 상관을 갖는 파라미터로서, 하중 그 자체를 측정한다. 제1 실시 형태에서는, 측정부(2)로서, 실린더 장치(17)의 피스톤 로드(18)에 장착되고, 피스톤 로드(18)에 가해지는 하중을 측정하는 로드 셀이 이용되고 있다. 구체적으로는, 피스톤 로드(18)가 상하로 분할되고, 그 사이에 측정부(2)로서의 로드 셀이 끼워져 장착되어 있다. 측정부(2)에는, 분할된 피스톤 로드(18)의 상측 부분 및 하측 부분의 쌍방에서 인장 하중 또는 압축 하중이 가해지게 된다. 이에 의해, 측정부(2)는, 피스톤 로드(18)에 가해지는 하중(연직 방향의 하중)을 측정 가능하다.
검출부(3)는, 측정부(2)에 전기적으로 접속되어 있으며, 예를 들면, 컴퓨터로 구성된다.
도 1 (b)에 나타내는 바와 같이, 제1 실시 형태의 검출부(3)는, 일반적인 컴퓨터가 구비하는 구성과 동일하게, CPU 또는 GPU(3a), ROM(3b) 및 RAM(3c)을 갖는 컴퓨터 본체와, 당해 컴퓨터 본체에 접속된 하드 디스크(H/D)(3d)와, 모니터(3e)와, 키보드(3f)와, 마우스(3g)를 구비한다. 도 2에 나타내는 바와 같이, 제1 실시 형태의 검출부(3)는, 기능적인 관점에서는, 기계 학습을 이용하여 생성된 학습 모델(분류기라고도 한다)(31)과, 판정부(32)를 구비한다. 학습 모델(31) 및 판정부(32)는, 예를 들면, 컴퓨터가 구비하는 ROM(3b), RAM(3c) 등의 메모리나, 당해 메모리에 기억되어, 학습 모델(31) 및 판정부(32)로서의 동작을 CPU 또는 GPU(3a)로 하여금 실행하게 하는 프로그램에 의해 구성된다.
또한, 검출부(3)로서는, 기판 처리 장치(10)에 근접한 컴퓨터에 한정하지 않으며, 기판 처리 장치(10)로부터 원격으로 배치된 클라우드 서버나 엣지 서버를 이용하는 것도 가능하다.
제1 실시 형태의 검출부(3)가 구비하는 학습 모델(31)에는, 승강 기구(4)에 의한 기판(S)의 상승 과정에 있어서, 측정부(2)에 의해 연속적으로 측정된 복수의 하중 측정치가 입력된다.
구체적으로는, 도 1 (b)에 나타내는 바와 같이, 측정부(2)에 의해 소정의 샘플링 주기(예를 들면, 100msec)마다 측정된 복수(n개. 예를 들면, n=5)의 하중 측정치(P1~Pn)가 학습 모델(31)에 입력된다. 학습 모델(31)은, 입력된 복수의 하중 측정치(P1~Pn)에 의거하여, 기판(S)의 승강 이상의 정도(이하, 이것을 적절히 「이상도(異常度)」라고 한다)를 출력한다. 환언하면, 하중 측정치(Pn)를 측정한 시점에서의 이상도를 출력한다. 다음으로, 도시를 생략하지만, 1샘플링 주기분만큼 어긋나 측정된 복수의 하중 측정치(P2~Pn+1)가 학습 모델(31)에 입력된다. 학습 모델(31)은, 입력된 복수의 하중 측정치(P2~Pn+1)에 의거하여, 하중 측정치(Pn+1)를 측정한 시점에서의 이상도를 출력한다. 다음으로, 추가로 1샘플링 주기분만큼 어긋나 측정된 복수의 하중 측정치(P3~Pn+2)가 학습 모델(31)에 입력된다. 학습 모델(31)은, 입력된 복수의 하중 측정치(P3~Pn+2)에 의거하여, 하중 측정치(Pn+2)를 측정한 시점에서의 이상도를 출력한다. 이하, 상기의 동작을 반복함으로써, 학습 모델(31)로부터 샘플링 주기마다 이상도가 출력되게 된다. 제1 실시 형태의 학습 모델(31)로부터 출력되는 이상도는, 0~1의 값으로 설정되어 있으며, 승강 이상의 정도가 높아질수록 큰 값이 된다.
제1 실시 형태의 학습 모델(31)은, k근방법을 이용한 기계 학습에 의해 생성되어 있다. 제1 실시 형태에서 이용한 k근방법은 공지의 내용과 동일하기 때문에, 그 상세한 설명은 생략한다.
구체적으로는, 학습 모델(31)의 학습 시에는, 교사 데이터의 입력으로서, 기판(S)의 승강이 정상적인 경우의 복수(n개. 예를 들면, n=5)의 하중 측정치를 부여하고, 상기 입력과 조합되는 교사 데이터의 출력으로서, 기판(S)의 승강이 정상적인 것(제1 실시 형태에서는, 이상도=0)을 부여하여, 상기 입력을 학습 모델(31)에 입력했을 경우에, 학습 모델(31)로부터 이상도=0이 출력되도록, k근방법을 이용한 기계 학습을 행한다. 상기의 교사 데이터의 입력으로서는, 전술의 하중 측정치(P1~Pn), 하중 측정치(P2~Pn+1), 하중 측정치(P3~Pn+2) 등과 동일하게, 1샘플링 주기분만큼 어긋나 측정된 복수의 하중 측정치가 이용되고, 어느 쪽의 입력에 대해서도 출력으로서 이상도=0이 부여된다.
또한, 학습 모델(31)의 기계 학습은 한 번에 한정되지 않는다. 필요에 따라서, 새로운 교사 데이터를 이용하여 학습 모델(31)의 재학습을 행하거나, 종래의 교사 데이터에 새로운 교사 데이터를 추가하여 학습 모델(31)의 재학습을 행하는 것도 가능하다.
상기와 같이 하여 학습한 후의 학습 모델(31)에 의해, 순차적으로 입력되는 복수의 하중 측정치에 의거하여 기판(S)의 승강 이상을 검출하는 검출 시에는, 학습 모델(31)에 복수의 하중 측정치가 순차적으로 입력되고, 학습 모델(31)로부터 이상도가 순차적으로 출력된다. 학습 시와 달리, 검출 시에 출력되는 이상도의 값은, 0≤이상도≤1이 된다.
제1 실시 형태의 판정부(32)에는, 학습 모델(31)로부터 출력된 이상도가 입력된다. 판정부(32)는, 입력된 이상도에 따라 기판(S)의 승강 이상을 검출한다(승강 이상이 발생했다고 판정한다). 구체적으로는, 판정부(32)에는, 역치(Th)가 미리 설정되어 있다. 그리고, 판정부(32)는, 이상도가 이 역치(Th)보다 작으면, 기판(S)의 승강은 정상적이라고 판정하고, 이상도가 역치 이상이면, 기판(S)의 승강 이상이 발생했다고 판정한다. 전술과 같이, 학습 모델(31)에 의한 이상도의 출력이 하중 측정치의 샘플링 주기마다 행해지기 때문에, 판정부(32)에 의한 판정도 하중 측정치의 샘플링 주기마다 행해진다.
또한, 본 실시 형태에서는, 바람직한 양태로서, 학습 모델(31)로부터 출력된 이상도나, 판정부(32)에서 판정한 결과가, 검출부(3)가 구비하는 모니터(3e)에 표시되도록 구성되어 있다. 또, 판정부(32)에서 기판(S)의 승강 이상이 발생했다고 판정했을 경우에는, 검출부(3)가 구비하는 스피커(도시하지 않음)로부터 경보음을 발하도록 구성되어 있다. 이러한 모니터(3e)의 표시를 오퍼레이터가 눈으로 보거나, 경보음을 오퍼레이터가 들음으로써, 오퍼레이터가 강제적으로 승강 기구(4)의 동작을 정지하는 것도 가능하다.
또, 본 실시 형태에서는, 바람직한 양태로서, 검출부(3)가, 입력부(키보드(3f), 마우스(3g) 등)로부터 입력된 기판(S)의 승강 이상의 유무를, 측정부(2)에 의해 연속적으로 측정된 복수의 하중 측정치 및 검출부(3)에 의한 기판(S)의 승강 이상의 검출 결과(학습 모델(31)로부터 출력된 이상도, 판정부(32)에서 판정한 결과)와 서로 관련지어, 하드 디스크(3d)에 기억하도록 구성되어 있다. 입력부로부터 입력되는 기판(S)의 승강 이상의 유무는, 예를 들면, 오퍼레이터가 기판 처리 장치(10)의 내부를 직접 눈으로 보거나, 기판 처리 장치(10)의 내부를 촬상한 영상을 오퍼레이터가 눈으로 보거나, 처리 후의 기판(S)의 파손의 유무를 오퍼레이터가 확인함으로써 판단된다. 입력부로부터 입력된 기판(S)의 승강 이상의 유무를 진실로서, 측정부(2)에 의해 연속적으로 측정된 복수의 하중 측정치를 이용하여 검출부(3)가 검출한 승강 이상의 검출 결과의 적합 여부를 판단 가능하다. 입력부로부터 입력된 기판의 승강 이상의 유무와, 검출부(3)가 검출한 승강 이상의 검출 결과가 일치하지 않는 경우에는, 검출부(3)가 구비하는 학습 모델(31)의 재학습을 행하거나, 판정부(32)에 설정하는 역치(Th)를 재검토함으로써, 검출부(3)의 검출 정밀도를 보다 한층 더 높이는 것이 가능하다.
이하, 측정부(2)에 의해 측정되는 하중 측정치에 대해, 보다 구체적으로 설명한다.
도 3은, 제1 실시 형태에 따른 기판 승강 이상 검출 장치(100)가 구비하는 측정부(2)에 의해 측정되는 하중 측정치를 설명하는 설명도이다. 도 3 (a)는 리프트 핀(15)이 하한 위치에 있는 상태(기판(S)의 처리가 종료한 직후 상태)를, 도 3 (b)는 리프트 핀(15)이 상승 중의 상태를, 도 3 (c)는 리프트 핀(15)이 상한 위치에 있는 상태를 나타낸다. 또한, 도 3에 있어서, 흰색으로 전부 칠한 화살표는 측정부(2)에 가해지는 압축 하중을, 사선의 해칭을 한 화살표는 측정부(2)에 가해지는 인장 하중을 의미한다. 또, 어느 쪽의 화살표도 그 길이가 하중의 크기(절대치)를 의미한다.
도 3 (a)에 나타내는 상태에서는, 승강체(16)는, 그 상부가 재치대(13)의 내벽 하면에 접촉하고 있으며, 실린더 장치(17)에 의해 하방으로 끌어 당겨지고 있다. 이 상태에서는, 승강체(16)는 재치대(13)의 내벽 하면으로 지지되어 정지(靜止)하고 있기 때문에, 승강체(16)에 가해지는 하중의 합력이 균형을 이루고 있다. 이 때문에, 측정부(로드 셀)(2)에는, 실린더 장치(17)가 승강체(16)를 하방으로 끌어 당기는 추력에 상당하는 변동 하중(F4)(도 3 (a)에 나타내는 상태에서는 인장 하중)이 가해진다. 도 3 (a)에 나타내는 상태에 있어서, 변동 하중(F4)의 크기는 최대로 150N 정도이다.
즉, 도 3 (a)에 나타내는 상태에 있어서, 측정부(2)에서 측정되는 하중 측정치를 F로 하고, 변동 하중(F4)의 크기(절대치)를 F4로 하면, 하중 측정치(F)는, 이하의 식으로 표시된다.
F=F4
도 3 (b)에 나타내는 상태에서는, 측정부(2)에는, 기판(S), 리프트 핀(15), 승강체(16) 및 피스톤 로드(18)의 상측 부분의 중량의 총합에 대략 상당하는 고정의 압축 하중(F1)이 가해진다. 또, 챔버(11) 내는 진공 환경이고, 하우징(12) 내는 대기압 환경이기 때문에, 이 차압에 의해 발생하는 고정의 인장 하중(F2)이 측정부(2)에 가해진다. 또, 리프트 핀(15)의 상승(승강체(16)의 상승)에 수반하여 벨로즈(19)가 줄어들기 때문에, 벨로즈(19)가 연장되려고 하는 힘에 상당하는 압축 하중(F3)이 측정부(2)에 가해진다. 이 압축 하중(F3)은 벨로즈(19)의 신축에 의존하는 변동 하중이다. 또한, 실린더 장치(17)가 승강체(16)를 상방으로 밀어 올리는 추력에 상당하는 변동 하중(F4)(도 3 (b)에 나타내는 상태에서는 압축 하중)이 측정부(2)에 가해진다. 그리고, 압축 하중의 부호와 인장 하중의 부호를 상이한 것으로 했을 때(예를 들면, 인장 하중의 부호를 양으로 하고, 압축 하중의 부호를 음으로 한다)의 압축 하중(F1, F3, F4)과 인장 하중(F2)의 총합이, 하중 측정치로서 측정부(2)에서 측정되게 된다.
즉, 도 3 (b)에 나타내는 상태에 있어서, 측정부(2)에서 측정되는 하중 측정치를 F로 하고, 각 하중(F1~F4)의 크기(절대치)를 F1~F4로 하면, 하중 측정치(F)는, 이하의 식으로 표시된다.
F=-F1+F2-F3-F4
도 3 (c)에 나타내는 상태에서는, 승강체(16)는, 그 상부가 재치대(13)의 내벽 상면에 접촉하고 있으며, 실린더 장치(17)에 의해 상방으로 밀어 올려지고 있다. 이 상태에서는, 승강체(16)는 재치대(13)의 내벽 상면에 접촉하여 정지(靜止)하고 있기 때문에, 승강체(16)에 가해지는 하중의 합력이 균형을 이루고 있다. 이 때문에, 측정부(로드 셀)(2)에는, 실린더 장치(17)가 승강체(16)를 상방으로 밀어 올리는 추력에 상당하는 변동 하중(F4)(도 3 (c)에 나타내는 상태에서는 압축 하중)이 가해진다. 도 3 (c)에 나타내는 상태에 있어서, 변동 하중(F4)의 크기는 50N 정도이다.
즉, 도 3 (c)에 나타내는 상태에 있어서, 측정부(2)에서 측정되는 하중 측정치를 F로 하고, 변동 하중(F4)의 크기(절대치)를 F4로 하면, 하중 측정치(F)는, 이하의 식으로 표시된다.
F=-F4
따라서, 도 3 (a)~(c)에 나타내는 기판(S)의 상승 과정에 있어서, 측정부(2)에서 측정되는 하중 측정치는, 인장 하중으로부터 압축 하중으로 천이하게 된다.
도 4는, 측정부(2)에 의해 측정한 하중 측정치의 일례를 나타내는 도면이다. 도 4의 가로축은 기판(S)의 상승을 개시한 시점을 기준으로 하는 경과 시간이며, 세로축은 하중 측정치이다. 하중 측정치의 부호가 양인 경우는, 도 3을 이용하여 설명한 하중(F4 또는 F1~F4)의 총합이 인장 하중인 것을 의미한다. 하중 측정치의 부호가 음인 경우는, 하중(F4) 또는 하중(F1~F4)의 총합이 압축 하중인 것을 의미한다.
도 4에는, 기판(S)의 승강이 정상적인 경우의 하중 측정치의 시간적 변화와, 기판(S)의 이탈 불량에 기인하여 기판(S)의 승강이 비정상적인 경우의 하중 측정치의 시간적 변화를 나타내고 있다.
도 4에 나타내는 예에서는, 기판(S)의 승강이 정상적인 경우의 하중 측정치의 시간적 변화와, 기판(S)의 승강이 비정상적인 경우의 하중 측정치의 시간적 변화 사이에는 유의차가 인정된다. 이 때문에, 오퍼레이터가 도 4를 눈으로 보고 판단하면, 기판(S)의 승강 이상을 검출할 수 있을 가능성이 있다.
그러나, 실제로는, 기판(S)의 승강이 정상적인지 여부에 따른 하중 측정치의 시간적 변화의 차이가 근소한 경우도 생각할 수 있다. 또, 기판(S)의 승강이 정상적이어도 하중 측정치의 시간적 변화에 어느 정도의 편차가 발생한다. 이 때문에, 하중 측정치를 단순히 역치와 비교하여, 그 대소로 승강 이상을 자동 검출하려고 하면, 역치의 결정이 곤란하고, 승강 이상의 검출 정밀도도 나빠진다고 생각할 수 있다. 또, 승강 이상의 검출 타이밍이 늦으면, 승강 기구(4)의 동작 정지의 타이밍도 늦어, 기판(S)의 반송 불량이나 파손의 회피가 늦을 우려도 있다.
따라서, 제1 실시 형태에 따른 기판 승강 이상 검출 장치(100)는, 전술과 같이, 기계 학습을 이용하여 생성된 학습 모델(31)을 구비하는 검출부(3)에 의해 기판(S)의 승강 이상을 검출하는 구성으로 되어 있다. 이에 의해, 기판(S)의 승강 이상을 신속히 또한 정밀도 좋게 검출 가능하다.
또한, 승강 기구(4)에 의한 기판(S)의 상승 속도는, 기판(S)을 처리하는 사이클 타임에 지장이 발생하지 않는 한, 되도록 늦은 속도로 설정하는 것이 바람직하다. 특히, 실린더 장치(17)가 에어 실린더 장치인 경우에는, 승강 이상을 검출하여 즉시 승강 기구(4)의 동작을 정지하려고 해도, 완전하게 정지하기까지 불가피적인 시간 지연이 존재한다. 따라서, 기판(S)의 상승 속도를 늦게 함으로써, 기판(S)의 승강 이상에 수반하는 기판(S)의 반송 불량이나 파손을 확실히 회피할 수 있다.
또, 기판(S)의 승강 이상에 수반하는 기판(S)의 반송 불량이나 파손을 확실히 회피하려면, 승강 기구(4)에 의한 기판(S)의 상승을 간헐적으로 행해도 된다. 즉, 기판(S)을 일정의 짧은 거리만큼 상승시킨 후에, 일단 기판(S)의 상승을 정지하고, 그때까지 측정한 하중 측정치를 이용하여 기판(S)의 승강이 정상적인지 비정상적인지를 판정하는 것을 생각할 수 있다. 그리고, 정상으로 판정했을 경우에는, 다시 기판(S)을 일정의 짧은 거리만큼 상승시키고, 동일한 동작을 반복하는 양태를 채용하는 것도 가능하다.
이하, 제1 실시 형태에 따른 기판 승강 이상 검출 장치(100)에 의해 기판(S)의 승강 이상을 검출하는 시험을 행한 결과의 일례에 대해 설명한다.
상기의 시험에서는, 기판(S)의 승강이 정상적인 경우의 하중 측정치의 시간적 변화를 16 데이터(No.1~No.16의 데이터)와, 기판(S)의 승강이 비정상적인 경우의 하중 측정치의 시간적 변화를 2 데이터(No.17 및 No.18의 데이터)를, 각각 측정부(2)에 의해 100msec의 샘플링 주기로 측정했다. 그리고, No.1~No.14의 데이터를 학습 모델(31)의 교사 데이터의 입력으로서 이용했다. 또한, 학습 모델(31)에는, No.1~No.14의 어느 데이터에 대해서도, 샘플링 주기의 100msec마다 측정된 연속하는 5개의 하중 측정치를 1샘플링 주기분만큼 비켜 순차적으로 입력함으로써 기계 학습을 행했다.
이상과 같이 하여 학습한 후의 학습 모델(31)에, 판정용으로서 No.15~No.18의 데이터를 입력하고, 판정부(32)에서 기판(S)의 승강 이상이 발생했는지 여부를 판정했다. 또한, 이 때, 학습 시와 동일하게, No.15~No.18의 어느 데이터에 대해서도, 샘플링 주기의 100msec마다 측정된 연속하는 5개의 하중 측정치를 1샘플링 주기분만큼 비켜 순차적으로 입력함으로써, 판정부(32)에 의한 판정을 샘플링 주기마다 행했다. 판정부(32)에 설정하는 역치(Th)는 0.1로 했다.
도 5는, 제1 실시 형태에 따른 기판 승강 이상 검출 장치(100)를 이용한 상기의 시험 결과의 일례를 나타내는 도면이다. 도 5 (a)는, No.16의 데이터(정상)를 이용했을 때의 하중 측정치 및 이상도를 나타낸다. 도 5 (b)는, No.18의 데이터(이상)를 이용했을 때의 하중 측정치 및 이상도를 나타낸다. 도 5의 가로축은 기판(S)의 상승을 개시한 시점을 기준으로 하는 경과 시간이며, 세로축은 하중 측정치 및 이상도이다.
도 5 (a)에 나타내는 바와 같이, 기판(S)의 승강이 정상적인 경우, 학습 모델(31)로부터 출력되는 이상도의 값은 작고, 적어도 기판(S)의 상승 개시로부터 1초를 경과한 후에는, 역치(Th=0.1)보다 작아졌다. 도 5 (a)로부터도 알 수 있듯이, 기판(S)의 상승 개시로부터 1초 정도는 하중 측정치의 변동(저하)이 크기 때문에, 본 시험에서는 이 사이의 이상도는 무시하고, 1초 경과 이후의 이상도를 이용하여 판정했다. 이 결과, 도 5 (a)에 나타내는 No.16의 데이터는, 실제와 동일하게 정상적이라고 판정 가능했다.
한편, 도 5 (b)에 나타내는 바와 같이, 기판(S)의 승강이 비정상적인 경우, 학습 모델(31)로부터 출력되는 이상도의 값이 커지는 시점이 있고, 기판(S)의 상승 개시로부터 1.5초를 경과한 시점에서 처음으로, 이상도가 역치(Th=0.1) 이상이 되었다. 이 결과, 도 5 (b)에 나타내는 No.18의 데이터는, 실제와 동일하게 비정상적이라고 판정 가능했다. 또, 기판(S)의 상승 개시로부터 약 1.5초를 경과한 시점에서 승강 이상을 검출할 수 있었기 때문에, 즉시 승강 기구(4)의 동작을 정지함으로써, 기판(S)의 반송 불량이나 파손을 회피하는 것이 가능하다.
표 1은, 상기 시험의 결과를 정리한 표이다. 도 5에 나타내지 않은 No.15의 데이터(정상) 및 No.17의 데이터(이상)에 대해서도, 실제와 동일한 판정 결과가 얻어짐과 더불어, 승강 이상을 신속히 검출 가능했다.
[표 1]
<제2 실시 형태>
제2 실시 형태에 따른 기판 처리 시스템은, 기판 승강 이상 검출 장치의 검출부가 구비하는 학습 모델이 서포트 벡터 머신인 점만이 제1 실시 형태와 상이하다.
따라서, 이하의 설명에서는, 제1 실시 형태에 따른 기판 처리 시스템의 설명에서 이용한 도면이나 각 구성 요소의 부호를 그대로 원용한다. 또, 제2 실시 형태에서 이용한 서포트 벡터 머신은 공지의 내용과 동일하기 때문에, 그 상세한 설명은 생략한다.
제2 실시 형태에 있어서도, 학습 모델(31)에는, 승강 기구(4)에 의한 기판(S)의 상승 과정에 있어서, 측정부(2)에 의해 연속적으로 측정된 복수의 하중 측정치가 입력된다.
구체적으로는, 측정부(2)에 의해 소정의 샘플링 주기(예를 들면, 100msec)마다 측정된 복수의 하중 측정치가 학습 모델(31)에 입력된다. 단, 제2 실시 형태에서는, 제1 실시 형태와 같이, 1샘플링 주기분만큼 비켜나서 측정된 복수의 하중 측정치를 순차적으로 입력하는 것이 아닌, 소정 기간(예를 들면, 기판(S)의 상승 개시로부터 1~2.5sec)에 측정한 복수의 하중 측정치를 한 번에 학습 모델(31)에 입력하게 된다.
제2 실시 형태의 학습 모델(31)의 학습 시에는, 교사 데이터의 입력으로서, 기판(S)의 승강이 정상적인 경우의 복수(예를 들면, 기판(S)의 상승 개시로부터 1~2.5sec에 상당하는 개수. 샘플링 주기가 100msec의 경우에는 16개)의 하중 측정치를 부여하고, 상기 입력과 조합되는 교사 데이터의 출력으로서, 기판(S)의 승강이 정상적인 것(제2 실시 형태에서도, 이상도=0)을 부여하여, 상기 입력을 학습 모델(31)에 입력했을 경우에, 학습 모델(31)로부터 이상도=0이 출력되도록, 기계 학습을 행한다.
상기의 기계 학습에 의해, 개념적으로는, 예를 들면, 가로축을 기판(S)의 상승을 개시한 시점을 기준으로 하는 경과 시간으로 하고, 세로축을 하중 측정치로 하는 좌표 공간이 생성되어, 정상적이라고 생각할 수 있는 영역(정상 영역)이 이 좌표 공간에 그려지게 된다.
그리고, 기판(S)의 승강 이상을 검출하는 검출 시(승강 이상이 발생했는지 여부를 판정하는 판정 시)에는, 학습 모델(31)에 학습 시와 동일한 복수(예를 들면, 기판(S)의 상승 개시로부터 1~2.5sec에 상당하는 개수)의 하중 측정치가 입력된다. 입력된 하중 측정치는, 개념적으로는, 학습 시에 생성된 좌표 공간에 플롯되고, 학습 모델(31)은 플롯한 각 점이 정상 영역 내에 있는지 여부를 판정하게 된다. 그리고, 학습 모델(31)은, 모든 점의 개수에 대한 정상 영역 외에 있는 점의 개수의 비율을 이상도로서 출력한다.
판정부(32)가, 이상도가 미리 설정된 역치(Th)보다 작으면, 기판(S)의 승강은 정상적이라고 판정하고, 이상도가 역치(Th) 이상이면, 기판(S)의 승강 이상이 발생했다고 판정하는 점은, 제1 실시 형태와 동일하다.
이하, 제2 실시 형태에 따른 기판 승강 이상 검출 장치(100)에 의해 기판(S)의 승강 이상을 검출하는 시험을 행한 결과의 일례에 대해 설명한다.
상기의 시험에서도, 제1 실시 형태에 따른 기판 승강 이상 검출 장치(100)를 이용한 시험의 경우와 동일한 No.1~No.18의 데이터를 이용했다. 단, 제1 실시 형태의 시험과 달리, 제2 실시 형태의 시험에서는, No.1~No.8의 데이터를 학습 모델(31)의 교사 데이터의 입력으로서 이용했다. 또한, 학습 모델(31)에는, No.1~No.8의 어느 데이터에 대해서도, 기판(S)의 상승 개시로부터 1~2.5sec에 측정된 복수(16개)의 하중 측정치를 입력함으로써 기계 학습을 행했다. 또한, 제2 실시 형태의 학습 모델(31)로서 이용하는 서포트 벡터 머신의 파라미터로서, nu=0.01, gamma=1을 설정했다.
이상과 같이 하여 학습한 후의 학습 모델(31)에, 판정용으로서 No.9~No.18의 데이터를 입력하고, 판정부(32)에서 기판(S)의 승강 이상이 발생했는지 여부를 판정했다. 또한, 이 때, 학습 시와 동일하게, No.9~No.18의 어느 데이터에 대해서도, 기판(S)의 상승 개시로부터 1~2.5sec에 측정된 복수의 하중 측정치를 입력하고, 판정부(32)에 의한 판정을 행했다. 판정부(32)에 설정하는 역치(Th)는 제1 실시 형태와 동일하게 0.1로 했다.
도 6은, 제2 실시 형태에 따른 기판 승강 이상 검출 장치(100)를 이용한 시험 결과의 일례를 나타내는 도면이다. 도 6 (a)는, 학습 시에 생성된 좌표 구간 및 정상 영역을 나타낸다. 도 6 (b)는, No.16의 데이터(정상)를 이용했을 때의 하중 측정치를 도 6 (a)의 좌표 공간에 플롯한 것을 나타낸다. 도 6 (c)는, No.18의 데이터(이상)를 이용했을 때의 하중 측정치를 도 6 (a)의 좌표 공간에 플롯한 것을 나타낸다. 도 6의 가로축은 기판(S)의 상승을 개시한 시점을 기준으로 하는 경과 시간이며, 세로축은 표준화한 하중 측정치이다. 표준화에는 Z 스코어(표준화한 하중 측정치=(하중 측정치-하중 측정치의 평균치)/하중 측정치의 표준 편차)를 이용했다.
도 6 (a)에 나타내는 바와 같이, 기계 학습에 의해, 학습 모델(31)에, 가로축을 기판(S)의 상승을 개시한 시점을 기준으로 하는 경과 시간으로 하고, 세로축을 표준화한 하중 측정치로 하는 좌표 공간이 생성되고, 정상 영역(도 6 (a)에 나타내는 흰색으로 전부 칠한 영역)이 이 좌표 공간에 그려져 기억되게 된다.
도 6 (b)에 나타내는 바와 같이, 기판(S)의 승강이 정상적인 경우, 학습 모델(31)에 입력된 하중 측정치를 좌표 공간에 플롯한 각 점(흑환의 점)은, 모두 정상 영역 내에 있었다. 따라서, 학습 모델(31)에서는 이상도로서 0이 출력되어, 역치(Th=0.1)보다 작아졌다. 이 결과, 도 6 (b)에 나타내는 No.16의 데이터는, 실제와 동일하게 정상적이라고 판정 가능했다.
한편, 도 6 (c)에 나타내는 바와 같이, 기판(S)의 승강이 비정상적인 경우, 학습 모델(31)에 입력된 하중 측정치를 좌표 공간에 플롯한 각 점에는, 정상 영역 외에 있는 점(흰색의 원으로 플롯한 점)이 존재하고, 그 비율은 0.5였다. 따라서, 학습 모델(31)에서는 이상도로서 0.5가 출력되어, 역치(Th=0.1) 이상이 되었다. 이 결과, 도 6 (c)에 나타내는 No.18의 데이터는, 실제와 동일하게 비정상적이라고 판정 가능했다. 또, 기판(S)의 상승 개시로부터 약 2.5초를 경과한 시점에서 승강 이상을 검출할 수 있게 되기 때문에, 즉시 승강 기구(4)의 동작을 정지함으로써, 기판(S)의 반송 불량이나 파손을 회피하는 것이 가능하다.
표 2는, 상기 시험의 결과를 정리한 표이다. 도 6에 나타내지 않은 No.9~No.15의 데이터(정상) 및 No.17의 데이터(이상)에 대해서도, 실제와 동일한 판정 결과가 얻어짐과 더불어, 기판(S)의 상승 개시로부터 약 2.5초를 경과한 시점에서 승강 이상을 검출할 수 있게 된다.
[표 2]
이상으로 설명한 바와 같이, 제1 및 제2 실시 형태에 따른 기판 승강 이상 검출 장치(100)에 의하면, 정전 척(14)으로부터의 기판(S)의 이탈 불량에 기인한 기판(S)의 승강 이상을 신속히 또한 정밀도 좋게 검출 가능하다.
또한, 제1 및 제2 실시 형태에서는, 측정부(2)로서 로드 셀을 이용하고, 이 로드 셀을 상하로 분할된 피스톤 로드(18)에 끼워 장착하는 양태에 대해 설명했는데, 본 발명은 이것에 한정하는 것은 아니다. 예를 들면, 로드 셀을 승강체(16)와 피스톤 로드(18) 사이에 장착하거나, 승강체(16)를 상하로 분할하여 그 사이에 장착하는 것도 가능하다.
또, 실린더 장치(17)로서 전동 실린더 장치를 이용하는 경우에는, 전동 실린더 장치를 구동하는 모터의 토크를 측정하고, 이 토크 측정치를 학습 모델(31)에 파라미터(승강 기구(4)에 가해지는 하중과 상관을 갖는 파라미터)로서 입력하는 양태를 채용하는 것도 가능하다.
또, 제1 및 제2 실시 형태에서는, 측정부(2)가 승강 기구(4)에 가해지는 하중과 상관을 갖는 파라미터(하중 측정치)를 측정하여, 학습 모델(31)에 승강 기구(4)에 가해지는 하중과 상관을 갖는 파라미터를 입력하는 양태에 대해 설명했는데, 본 발명은 이것에 한정하는 것은 아니다.
예를 들면, 측정부(2)가, 승강 기구(4)에 가해지는 하중과 상관을 갖는 파라미터에 더하여, 정전 척(14)과 기판(S) 사이의 흡착력과 상관을 갖는 파라미터 및 챔버(11) 내의 압력과 상관을 갖는 파라미터 중, 적어도 하나의 파라미터를 측정하고, 학습 모델(31)이, 승강 기구(4)에 의한 기판(S)의 상승 과정에 있어서, 측정부(2)에 의해 연속적으로 측정된 상기 파라미터의 복수의 측정치가 입력되어, 기판(S)의 승강 이상의 정도를 출력하는 양태를 채용하는 것도 가능하다. 이에 의해, 승강 기구(4)에 가해지는 하중과 상관을 갖는 파라미터만을 이용하는 경우에 비해, 기판(S)의 승강 이상을 보다 한층 더 정밀도 좋게 검출 가능한 것을 기대할 수 있다.
또한, 정전 척(14)과 기판(S) 사이의 흡착력과 상관을 갖는 파라미터를 측정하는 측정부(2)로서는, 예를 들면, 일본국 특허공개 2006-100630호에 기재된 바와 같이, 정전 척(14)의 누설 전류를 측정하는 전류계나, 일본국 특허공개 2008-177464호에 기재된 바와 같이, 기판(S)의 변위량을 측정하는 변위계나, 실린더 장치(에어 실린더 장치)(17)로의 압축 공기의 압력을 측정하는 압력계를 들 수 있다. 또, 챔버(11) 내의 압력과 상관을 갖는 파라미터를 측정하는 측정부(2)로서는, 예를 들면, 챔버(11)에 장착된 진공계를 들 수 있다.
또, 제1 형태에서는, 학습 모델(31)이 k근방법을 이용한 기계 학습에 의해 생성되어 있는 양태를 예시하고, 제2 실시 형태에서는, 학습 모델(31)이 서포트 벡터 머신인 양태를 예시했는데, 본 발명은 이것에 한정하는 것은 아니다. 예를 들면, 뉴럴 네트워크(CNN(Convolutional Neural Network)이나, RNN(Recurrent neural network)을 포함한다) 등, 기계 학습을 이용하여 생성할 수 있는 학습 모델인 한에 있어서 여러 가지의 구성을 채용 가능하다.
또, 제1 및 제2 실시 형태에서는, 기판(S)의 이탈 불량에 기인한 기판(S)의 승강 이상을 검출하는 양태에 대해 설명했는데, 본 발명은 이것에 한정하는 것은 아니다. 예를 들면, 기판 처리 장치(10)에서 동작하는 반송 로봇이 구비하는 승강 기구로 기판(S)을 상승시키는 과정에 있어서, 기판(S)이 위치 어긋남 등에 의해 기판 처리 장치(10)를 구성하는 부재에 간섭하는 이상을 검출하는 것도 가능하다.
또한, 제1 및 제2 실시 형태에서는, 기판 처리 장치(10)가 플라즈마 처리 장치인 경우를 예시했는데, 본 발명은 이것에 한정하는 것은 아니다. 기판(S)을 승강시키는 승강 기구를 구비하는 한에 있어서, 여러 가지의 기판 처리 장치에 적용 가능하다.
10: 기판 처리 장치
11: 챔버
13: 재치대 14: 정전 척
15: 리프트 핀 16: 승강체
17: 실린더 장치 18: 피스톤 로드
2: 측정부 3: 검출부
4: 승강 기구 31: 학습 모델
32: 판정부 100: 기판 승강 이상 검출 장치
S: 기판
13: 재치대 14: 정전 척
15: 리프트 핀 16: 승강체
17: 실린더 장치 18: 피스톤 로드
2: 측정부 3: 검출부
4: 승강 기구 31: 학습 모델
32: 판정부 100: 기판 승강 이상 검출 장치
S: 기판
Claims (12)
- 기판을 승강시키는 승강 기구를 구비하는 기판 처리 장치에 있어서 상기 기판의 승강 이상을 검출하는 장치로서,
상기 승강 기구에 가해지는 하중과 상관을 갖는 파라미터를 측정하는 측정부와,
상기 기판의 승강 이상을 검출하는 검출부를 구비하고,
상기 검출부는, 상기 승강 기구에 의한 상기 기판의 상승 과정에 있어서, 상기 측정부에 의해 연속적으로 측정된 상기 파라미터의 복수의 측정치가 입력되어, 상기 기판의 승강 이상의 정도를 출력하는, 기계 학습을 이용하여 생성된 학습 모델을 구비하는 것을 특징으로 하는 기판 승강 이상 검출 장치. - 청구항 1에 있어서,
상기 학습 모델은, 교사 데이터의 입력으로서, 상기 기판의 승강이 정상적인 경우의 상기 파라미터의 복수의 측정치가 입력되었을 경우에, 상기 기판의 승강이 정상적인 것을 출력하도록, 기계 학습을 이용하여 생성되어 있는 것을 특징으로 하는 기판 승강 이상 검출 장치. - 청구항 1 또는 청구항 2에 있어서,
상기 기판 처리 장치는, 상기 기판을 처리할 때에 상기 기판을 정전 흡착하는 정전 척을 구비하고,
상기 검출부는, 상기 정전 척에 의한 상기 기판의 정전 흡착을 정지한 후의 상기 승강 기구에 의한 상기 기판의 상승 과정에 있어서, 상기 측정부에 의해 연속적으로 측정된 상기 파라미터의 복수의 측정치에 의거하여, 상기 기판의 이탈 불량에 기인한 상기 기판의 승강 이상을 검출하는 것을 특징으로 하는 기판 승강 이상 검출 장치. - 청구항 1 내지 청구항 3 중 어느 한 항에 있어서,
상기 승강 기구는, 상기 기판의 이면에 접촉하여 상기 기판을 승강시키는 리프트 핀과, 상기 리프트 핀에 연결되어, 상기 리프트 핀을 승강시키는 실린더 장치를 구비하고,
상기 측정부는, 상기 실린더 장치의 피스톤 로드에 장착되고, 상기 피스톤 로드에 가해지는 하중을 측정하는 로드 셀인 것을 특징으로 하는 기판 승강 이상 검출 장치. - 청구항 1 내지 청구항 4 중 어느 한 항에 있어서,
상기 학습 모델은, k근방법을 이용한 기계 학습에 의해 생성되어 있는 것을 특징으로 하는 기판 승강 이상 검출 장치. - 청구항 1 내지 청구항 5 중 어느 한 항에 있어서,
상기 기판 처리 장치는, 상기 기판을 처리할 때에 진공 환경이 되는 챔버와, 상기 기판을 처리할 때에 상기 기판을 정전 흡착하는 정전 척을 구비하고,
상기 측정부는, 상기 승강 기구에 가해지는 하중과 상관을 갖는 파라미터에 더하여, 상기 정전 척과 상기 기판 사이의 흡착력과 상관을 갖는 파라미터 및 상기 챔버 내의 압력과 상관을 갖는 파라미터 중, 적어도 하나의 파라미터를 측정하고,
상기 학습 모델은, 상기 승강 기구에 의한 상기 기판의 상승 과정에 있어서, 상기 측정부에 의해 연속적으로 측정된 상기 파라미터의 복수의 측정치가 입력되어, 상기 기판의 승강 이상의 정도를 출력하는 것을 특징으로 하는 기판 승강 이상 검출 장치. - 청구항 1 내지 청구항 6 중 어느 한 항에 있어서,
상기 검출부는, 상기 기판의 승강 이상의 유무를 입력하는 입력부를 구비하고, 상기 입력부로부터 입력된 상기 기판의 승강 이상의 유무를, 상기 측정부에 의해 연속적으로 측정된 상기 파라미터의 복수의 측정치 및 상기 검출부에 의한 상기 기판의 승강 이상의 검출 결과와 서로 관련지어 기억하는 것을 특징으로 하는 기판 승강 이상 검출 장치. - 기판을 승강시키는 승강 기구를 구비하는 기판 처리 장치와,
청구항 1 내지 청구항 7 중 어느 한 항에 기재된 기판 승강 이상 검출 장치를 구비하는 것을 특징으로 하는 기판 처리 시스템. - 기판을 승강시키는 승강 기구를 구비하는 기판 처리 장치에 있어서 상기 기판의 승강 이상을 검출하는 방법으로서,
상기 승강 기구에 가해지는 하중과 상관을 갖는 파라미터를 측정하는 측정 공정과,
상기 기판의 승강 이상을 검출하는 검출 공정을 포함하고,
상기 검출 공정에서는, 기계 학습을 이용하여 생성된 학습 모델을 이용하여, 상기 승강 기구에 의한 상기 기판의 상승 과정에 있어서, 상기 측정 공정에 있어서 연속적으로 측정된 상기 파라미터의 복수의 측정치를 상기 학습 모델에 입력하여, 상기 학습 모델로부터 상기 기판의 승강 이상의 정도를 출력하는 것을 특징으로 하는 기판 승강 이상 검출 방법. - 청구항 9에 기재된 기판 승강 이상 검출 방법이 포함하는 상기 검출 공정을 상기 학습 모델을 구비하는 검출부로 하여금 실행하게 하기 위한 프로그램.
- 기판 처리 장치가 구비하는 승강 기구에 의한 기판의 상승 과정에 있어서 연속적으로 측정된, 상기 승강 기구에 가해지는 하중과 상관을 갖는 파라미터의 복수의 측정치가 입력되어, 상기 기판의 승강 이상의 정도를 출력하는, 기계 학습을 이용하여 작성된 학습 모델.
- 기판 처리 장치가 구비하는 승강 기구에 의한 기판의 상승 과정에 있어서 연속적으로 측정된, 상기 승강 기구에 가해지는 하중과 상관을 갖는 파라미터의 복수의 측정치가 입력되어, 상기 기판의 승강 이상의 정도를 출력하는 학습 모델을, 교사 데이터의 입력으로서, 상기 기판의 승강이 정상적인 경우의 상기 파라미터의 복수의 측정치가 입력되었을 경우에, 상기 기판의 승강이 정상적인 것을 출력하도록, 기계 학습을 이용하여 생성하는 것을 특징으로 하는 학습 모델의 생성 방법.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JPJP-P-2019-022611 | 2019-02-12 | ||
JP2019022611 | 2019-02-12 | ||
PCT/JP2020/002289 WO2020166295A1 (ja) | 2019-02-12 | 2020-01-23 | 基板昇降異常検出装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20210126540A true KR20210126540A (ko) | 2021-10-20 |
Family
ID=72044075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020217003714A KR20210126540A (ko) | 2019-02-12 | 2020-01-23 | 기판 승강 이상 검출 장치 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20210366750A1 (ko) |
EP (1) | EP3796369B1 (ko) |
JP (2) | JP6754026B1 (ko) |
KR (1) | KR20210126540A (ko) |
CN (1) | CN112602188B (ko) |
TW (1) | TWI811524B (ko) |
WO (1) | WO2020166295A1 (ko) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7041776B1 (ja) | 2021-06-30 | 2022-03-24 | Sppテクノロジーズ株式会社 | 基板処理装置のプロセス判定装置、基板処理システム、基板処理装置のプロセス判定方法、学習モデルの生成方法及びプログラム |
US20230011361A1 (en) * | 2021-07-07 | 2023-01-12 | Changxin Memory Technologies, Inc. | System and method for wafer breakage prevention |
CN113903688A (zh) * | 2021-09-29 | 2022-01-07 | 北京北方华创微电子装备有限公司 | 半导体工艺设备及晶圆状态监测方法 |
CN116230586B (zh) * | 2022-12-12 | 2024-01-02 | 全芯智造技术有限公司 | 晶圆制造机台单元的共性分析方法及终端 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008277706A (ja) | 2007-05-07 | 2008-11-13 | Nikon Corp | 半導体処理装置、静電チャックの基板吸着状態検出方法 |
JP2010278271A (ja) | 2009-05-29 | 2010-12-09 | Panasonic Corp | 半導体基板処理装置 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4484883B2 (ja) * | 1997-05-23 | 2010-06-16 | 株式会社アルバック | 被吸着物の処理方法 |
JPH11260897A (ja) * | 1998-03-12 | 1999-09-24 | Matsushita Electric Ind Co Ltd | 基板の取り扱い方法と装置、それに用いる吸着検査方法、装置 |
US6646857B2 (en) * | 2001-03-30 | 2003-11-11 | Lam Research Corporation | Semiconductor wafer lifting device and methods for implementing the same |
JP2006100630A (ja) | 2004-09-30 | 2006-04-13 | Hitachi High-Technologies Corp | プラズマ処理装置およびプラズマ処理方法 |
US7292428B2 (en) | 2005-04-26 | 2007-11-06 | Applied Materials, Inc. | Electrostatic chuck with smart lift-pin mechanism for a plasma reactor |
US20070249071A1 (en) * | 2006-04-21 | 2007-10-25 | Lei Lian | Neural Network Methods and Apparatuses for Monitoring Substrate Processing |
US20080108154A1 (en) * | 2006-11-03 | 2008-05-08 | Hyoung Kyu Son | Apparatus and method for measuring chuck attachment force |
JP2008177464A (ja) | 2007-01-22 | 2008-07-31 | Ulvac Japan Ltd | デチャックモニター方法及び装置 |
JP4301299B2 (ja) * | 2007-01-31 | 2009-07-22 | 日新イオン機器株式会社 | 基板保持装置および基板押し上げ状態判定方法 |
JP2008205313A (ja) * | 2007-02-21 | 2008-09-04 | Matsushita Electric Ind Co Ltd | プラズマ処理装置およびデチャック異常検出方法 |
JP5503564B2 (ja) | 2011-01-18 | 2014-05-28 | 東京エレクトロン株式会社 | 処理装置の異常判定システム及びその異常判定方法 |
JP6113429B2 (ja) * | 2012-07-24 | 2017-04-12 | 株式会社日立ハイテクノロジーズ | ステージ装置及び試料搬送装置並びに位置決め制御方法 |
JP5684941B1 (ja) | 2014-07-31 | 2015-03-18 | 株式会社日立パワーソリューションズ | 異常予兆診断装置及び異常予兆診断方法 |
JP6390465B2 (ja) * | 2015-02-26 | 2018-09-19 | 株式会社東京精密 | プローバ及びウェーハ剥離方法 |
CN104794327B (zh) * | 2015-05-06 | 2016-06-01 | 西安科技大学 | 基于决策融合的多系统矿井顶板安全预警系统及其实现方法 |
JP6542713B2 (ja) * | 2016-06-09 | 2019-07-10 | ファナック株式会社 | 異常負荷検出の閾値を学習する機械学習器,数値制御装置および機械学習方法 |
US9972478B2 (en) * | 2016-09-16 | 2018-05-15 | Lam Research Corporation | Method and process of implementing machine learning in complex multivariate wafer processing equipment |
US10410836B2 (en) * | 2017-02-22 | 2019-09-10 | Lam Research Corporation | Systems and methods for tuning to reduce reflected power in multiple states |
CN109063269B (zh) * | 2018-07-07 | 2021-09-07 | 河南理工大学 | 基于图模型的液压支架群顶板支撑控制方法、存储介质 |
JP7211751B2 (ja) * | 2018-10-05 | 2023-01-24 | 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 |
US20200194296A1 (en) * | 2018-12-12 | 2020-06-18 | Tokyo Electron Limited | System of processing substrate, transfer method, transfer program, and holder |
-
2020
- 2020-01-23 CN CN202080004521.8A patent/CN112602188B/zh active Active
- 2020-01-23 KR KR1020217003714A patent/KR20210126540A/ko unknown
- 2020-01-23 EP EP20755206.8A patent/EP3796369B1/en active Active
- 2020-01-23 WO PCT/JP2020/002289 patent/WO2020166295A1/ja unknown
- 2020-01-23 JP JP2020519808A patent/JP6754026B1/ja active Active
- 2020-01-23 US US17/251,859 patent/US20210366750A1/en active Pending
- 2020-02-07 TW TW109103952A patent/TWI811524B/zh active
- 2020-08-20 JP JP2020139133A patent/JP7366861B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008277706A (ja) | 2007-05-07 | 2008-11-13 | Nikon Corp | 半導体処理装置、静電チャックの基板吸着状態検出方法 |
JP2010278271A (ja) | 2009-05-29 | 2010-12-09 | Panasonic Corp | 半導体基板処理装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112602188A (zh) | 2021-04-02 |
EP3796369A4 (en) | 2021-08-25 |
US20210366750A1 (en) | 2021-11-25 |
JPWO2020166295A1 (ja) | 2021-02-18 |
JP6754026B1 (ja) | 2020-09-09 |
JP7366861B2 (ja) | 2023-10-23 |
JP2020202387A (ja) | 2020-12-17 |
TW202044093A (zh) | 2020-12-01 |
EP3796369B1 (en) | 2024-03-27 |
EP3796369A1 (en) | 2021-03-24 |
CN112602188B (zh) | 2023-10-24 |
TWI811524B (zh) | 2023-08-11 |
WO2020166295A1 (ja) | 2020-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20210126540A (ko) | 기판 승강 이상 검출 장치 | |
US12092616B2 (en) | Real-time measurement system and measurement method for mechanical parameters of rock slag during excavation | |
KR101276970B1 (ko) | 회로 패턴 검사 장치 및 검사 방법 | |
KR20190117775A (ko) | 검사 시스템, 및 검사 시스템의 고장 해석 및 예지 방법 | |
KR102581356B1 (ko) | 기판 처리 장치의 이상 진단 방법 및 이를 수행하기 위한 장치 | |
KR102294141B1 (ko) | 검사 장치의 진단 방법 및 검사 시스템 | |
CN116840135A (zh) | 一种腐蚀和疲劳同时作用的钢闸门加速劣化试验台及劣化后运行状态评估方法 | |
JPWO2020246131A1 (ja) | ワイヤロープ検査システムおよびワイヤロープ検査方法 | |
KR20100074345A (ko) | 웨이퍼 휨 변형 검지장치 및 그 방법 | |
JP6653145B2 (ja) | 弾性体の漏れ計測方法及び漏れ計測装置 | |
JP4622560B2 (ja) | 液晶アレイ検査装置 | |
WO2010079608A1 (ja) | 液晶アレイ検査装置および液晶アレイ検査装置の信号処理方法 | |
JP4239752B2 (ja) | 材料試験機 | |
CN110596249A (zh) | 燃气调压器的故障检测方法及装置 | |
KR101089593B1 (ko) | 척의 기구적 강성을 보완한 웨이퍼 프로버 스테이션 및 그 제어방법 | |
KR100568513B1 (ko) | 반도체 검사 장치 | |
CN117309637B (zh) | 一种高分子复合材料强度检测装置 | |
KR102315193B1 (ko) | 펌프용 인버터 검사 시스템 | |
CN211478168U (zh) | 燃气调压器的故障检测装置 | |
JP3237303B2 (ja) | 基板検査機及び基板検査方法 | |
JP2005172508A (ja) | ばね性ある供試体の試験方法 | |
KR20230117957A (ko) | 리플로우 장비의 이상 여부 확인 방법 | |
CN118654872A (zh) | 一种气体绝缘开关设备机械缺陷检测方法及系统 | |
JP2022052990A (ja) | 画像検査システム | |
CN118243360A (zh) | 一种显示面板缺陷的磁场检测方法及检测装置 |