KR20230153443A - 이미지들의 시간 기반 시퀀스를 사용하는 cmp 컴포넌트의 이탈 검출 - Google Patents

이미지들의 시간 기반 시퀀스를 사용하는 cmp 컴포넌트의 이탈 검출 Download PDF

Info

Publication number
KR20230153443A
KR20230153443A KR1020237033625A KR20237033625A KR20230153443A KR 20230153443 A KR20230153443 A KR 20230153443A KR 1020237033625 A KR1020237033625 A KR 1020237033625A KR 20237033625 A KR20237033625 A KR 20237033625A KR 20230153443 A KR20230153443 A KR 20230153443A
Authority
KR
South Korea
Prior art keywords
time
based sequence
component
polishing
images
Prior art date
Application number
KR1020237033625A
Other languages
English (en)
Inventor
시드니 피. 휴이
토마스 리
벤자민 체리안
Original Assignee
어플라이드 머티어리얼스, 인코포레이티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 어플라이드 머티어리얼스, 인코포레이티드 filed Critical 어플라이드 머티어리얼스, 인코포레이티드
Publication of KR20230153443A publication Critical patent/KR20230153443A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/04—Lapping machines or devices; Accessories designed for working plane surfaces
    • B24B37/07—Lapping machines or devices; Accessories designed for working plane surfaces characterised by the movement of the work or lapping tool
    • B24B37/10—Lapping machines or devices; Accessories designed for working plane surfaces characterised by the movement of the work or lapping tool for single side lapping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/005—Control means for lapping machines or devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B37/00—Lapping machines or devices; Accessories
    • B24B37/27—Work carriers
    • B24B37/30—Work carriers for single side lapping of plane surfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
    • H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
    • H01L21/302—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to change their surface-physical characteristics or shape, e.g. etching, polishing, cutting
    • H01L21/306—Chemical or electrical treatment, e.g. electrolytic etching
    • H01L21/30625—With simultaneous mechanical treatment, e.g. mechanico-chemical polishing
    • 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
    • H01L21/67259—Position monitoring, e.g. misposition detection or presence detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/272—Means for inserting a foreground image in a background image, i.e. inlay, outlay
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory
    • 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
    • H01L21/3105—After-treatment
    • H01L21/31051—Planarisation of the insulating layers
    • H01L21/31053—Planarisation of the insulating layers involving a dielectric removal step
    • 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)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Computer Hardware Design (AREA)
  • Manufacturing & Machinery (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
  • Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
  • Mechanical Treatment Of Semiconductor (AREA)
  • Grinding-Machine Dressing And Accessory Apparatuses (AREA)
  • Numerical Control (AREA)

Abstract

연마 시스템의 모니터링 동작들은 연마 시스템의 테스트 동작 동안 동작들을 수행하는 연마 시스템의 컴포넌트의 참조 이미지들의 시간 기반 시퀀스를 획득하는 것; 기판의 연마 동안 동작들을 수행하는 등가 연마 시스템의 등가 컴포넌트의 모니터링 이미지들의 시간 기반 시퀀스를 카메라로부터 수신하는 것; 이미지 프로세싱 알고리즘을 이용하여, 참조 이미지들의 시간 기반 시퀀스를 모니터링 이미지들의 시간 기반 시퀀스와 비교함으로써, 모니터링 이미지들의 시간 기반 시퀀스에 대한 차이 값을 결정하는 것; 차이 값이 임계치를 초과하는지를 결정하는 것; 및 차이 값이 임계치를 초과한다고 결정하는 것에 응답하여 이탈을 표시하는 것을 포함한다.

Description

이미지들의 시간 기반 시퀀스를 사용하는 CMP 컴포넌트의 이탈 검출
본 개시내용은 일반적으로 화학적 기계적 연마(CMP)에 관한 것이며, 더 구체적으로는 이미지들(예를 들어, 비디오 이미지들)의 시간 기반 시퀀스를 사용하여 CMP 컴포넌트의 이탈(excursion)을 검출하는 것에 관한 것이다.
집적 회로는 전형적으로 실리콘 웨이퍼 상에 전도체, 반도체 또는 절연체 층들을 순차적으로 퇴적하고 그 층들을 후속 처리함으로써 기판(예를 들어, 반도체 웨이퍼) 상에 형성된다.
하나의 제조 단계는 비평면 표면 위에 필러 층을 퇴적하고 그 필러 층을 평탄화하는 것을 수반한다. 특정 용도들을 위해, 필러 층은 패터닝된 층의 최상부면이 노출되거나 기저 층 위에 원하는 두께가 남을 때까지 평탄화된다. 추가로, 평탄화는 리소그래피를 위해 예를 들어 유전체 층의 기판 표면을 평탄화하는 데에 사용될 수 있다.
화학적 기계적 연마(chemical mechanical polishing)(CMP)는 인정되는 평탄화 방법 중 하나이다. 이 평탄화 방법은 전형적으로 기판이 캐리어 헤드 상에 장착될 것을 요구한다. 기판의 노출된 표면은 회전 연마 패드에 맞닿아 배치된다. 캐리어 헤드는 기판을 연마 패드에 맞닿아 누르기 위해, 제어가능한 부하를 기판 상에 제공한다. 일부 상황들에서, 캐리어 헤드는 복수의 독립적으로 가압가능한 방사상 동심원 챔버를 형성하는 멤브레인을 포함하며, 각각의 챔버 내의 압력은 기판 상의 각각의 대응하는 영역 내에서의 연마 속도(polishing rate)를 제어한다. 연마 입자들을 갖는 슬러리와 같은 연마액이 연마 패드의 표면에 공급된다.
이미지 프로세싱은 이미지 압축, 이미지 필터링, 이미지 저장, 및 이미지 비교를 포함하는 상이한 알고리즘들을 사용하여 하나 이상의 이미지 프레임을 프로세싱하는 것을 목표로 한다. 이미지 비교는 하나 이상의 이미지 비교 알고리즘을 사용하여 하나 이상의 위치에서 하나 이상의 컴퓨터에 의해 구현될 수 있는 노이즈 감소, 이미지 매칭, 이미지 인코딩 및 복원에 적용될 수 있다. 이미지 비교 알고리즘들은 이미지 특성들, 예를 들어 밝기, 색상 및 투명도를 나타내는 픽셀 값들, 또는 이미지 내의 각각의 컴포넌트 쌍 또는 상이한 이미지 프레임들에 걸친 개별 거리들을 측정하는 메트릭 거리들(예를 들어, Hausdorff 거리 또는 다른 적절한 거리들), 또는 로컬 이미지 패치들을 표현하고 이미지들 간의 피쳐들을 매칭시키기 위해 사용되는 피쳐 커널들에 기초하여, 하나 이상의 이미지 간의 유사성 또는 차이의 수준을 결정할 수 있다. 이미지 비교 알고리즘은 몇 가지 예를 들자면, 픽셀 강도 조절, 정규화, 또는 호모몰픽 필터링(homomorphic filtering)과 같은 임의의 적절한 사전-프로세싱 단계들을 통해 추가로 지원된다.
비디오 이미지들은 또한 기계 학습 알고리즘을 사용하여 프로세싱될 수 있다. 신경망들은 비선형 유닛들의 하나 이상의 계층을 사용하여, 수신된 입력에 대한 출력을 예측하는 기계 학습 모델들이다. 일부 신경망들은 출력 계층에 더하여 하나 이상의 은닉 계층을 포함한다. 각각의 은닉 계층의 출력은 망 내의 다음 계층, 즉 다음 은닉 계층 또는 출력 계층에의 입력으로서 사용된다. 망의 각각의 계층은 개별 파라미터 세트의 현재 값들에 따라, 수신된 입력으로부터 출력을 생성한다.
일 양태에서, 연마 시스템의 모니터링 동작들은 연마 시스템의 테스트 동작 동안 동작들을 수행하는 연마 시스템의 컴포넌트의 참조 이미지들의 시간 기반 시퀀스를 획득하는 것, 기판의 연마 동안 동작들을 수행하는 등가 연마 시스템의 등가 컴포넌트의 모니터링 이미지들의 시간 기반 시퀀스를 카메라로부터 수신하는 것; 이미지 프로세싱 알고리즘을 이용하여, 참조 이미지들의 시간 기반 시퀀스를 모니터링 이미지들의 시간 기반 시퀀스와 비교함으로써, 모니터링 이미지들의 시간 기반 시퀀스에 대한 차이 값을 결정하는 것, 차이 값이 임계치를 초과하는지를 결정하는 것, 및 차이 값이 임계치를 초과한다고 결정하는 것에 응답하여 이탈을 표시하는 것을 포함한다.
다른 양태에서, 연마 시스템의 모니터링 동작은 기판의 연마 동안 동작들을 수행하는 연마 시스템의 컴포넌트의 모니터링 이미지들의 시간 기반 시퀀스를 카메라로부터 수신하는 것, 예상되는 동작들로부터의 컴포넌트의 이탈들을 검출하기 위해 훈련 예제들에 의해 훈련된 기계 학습 모델에 모니터링 이미지들의 시간 기반 시퀀스의 분석을 입력하는 것, 및 기계 학습 모델로부터, 예상되는 동작들로부터의 컴포넌트의 이탈의 표시를 수신하는 것을 포함한다. 훈련 예제들은 테스트 동작 동안 동작들을 수행하는 참조 연마 시스템의 참조 컴포넌트의 참조 이미지들의 시간 기반 시퀀스를 포함한다.
구현들은 이하의 특징들 중 하나 이상을 포함할 수 있다. 컴포넌트는 캐리어 헤드, 컨디셔너 암, 로드 컵, 플래튼 또는 로봇 암 중 하나일 수 있다. 차이가 임계치를 초과한다는 결정에 응답하여 또는 이탈의 표시에 응답하여 경고가 발생될 수 있다. 연마 시스템의 개별 테스트 동작 동안 동작들을 수행하는 연마 시스템의 복수의 컴포넌트를 포괄하는 참조 이미지들의 개별 시간 기반 시퀀스가 저장될 수 있고, 기판의 연마 동안 동작들을 수행하는 등가 연마 시스템의 하나 이상의 등가 컴포넌트를 포괄하는 모니터링 이미지들의 시간 기반 시퀀스가 카메라로부터 수신될 수 있고, 이미지 프로세싱 알고리즘을 이용하여, 참조 이미지들의 시간 기반 시퀀스를 모니터링 이미지들의 시간 기반 시퀀스와 비교함으로써, 모니터링 이미지들의 시간 기반 시퀀스에서 각각의 등가 컴포넌트에 대해 개별 차이 값들이 결정될 수 있다. 하나 이상의 등가 컴포넌트 각각에 대하여, 등가 컴포넌트에 대한 개별 차이 값이 등가 컴포넌트에 대한 개별 임계치를 초과하는지가 결정될 수 있고, 개별 차이 값이 개별 임계치를 초과한다고 결정하는 것에 응답하여, 등가 컴포넌트에 대한 이탈이 표시될 수 있다.
특정 구현들은 이하의 가능한 이점들 중 하나 이상을 포함할 수 있지만 이에 제한되지는 않는다.
설명된 기술들은 연마 장치 내의 컴포넌트들의 효율적이고 정확한 성능 분석에 도움이 될 수 있다.
첫째, 설명된 기술들은 서로 상호작용하는 개별 동작들을 동적으로 수행할 때 연마 장치 내의 복수의 컴포넌트의 동작들의 분석을 가능하게 할 수 있다. 정적 컴포넌트들을 개별적으로 분석하는 종래의 이미지 프로세싱 기술들과 달리, 설명된 기술들은 이미지들(예를 들어, 비디오 프레임들)의 시간 기반 시퀀스에 기초하여 하나 이상의 컴포넌트에 대한 동작들의 이탈들을 실시간으로 분석하고 검출할 수 있다. 설명된 기술들은 각각의 정적 컴포넌트를 개별적으로 분석하는 것 외에, 인-시튜로 컴포넌트 동작들의 정확한 분석을 더욱 가능하게 하고 제공할 수 있다.
둘째, 기판의 연마를 모니터링하도록 구성된 인-시튜 모니터링 시스템들로부터 취득된 센서 데이터가 사용될 필요가 없다. 대신, 설명된 기술들은 비디오 이미지들에 캡처된 하나 이상의 컴포넌트에 대한 효율적인 전체 분석을 허용한다. 추가적으로 또는 추가로, 설명된 기술들은 분석 데이터를 센서 데이터와 결합하거나, 더 정확한 분석 또는 진단 프로세스를 위한 기존 기술들에 더하여 컴포넌트들의 대안적인 또는 독립적인 검사로서 비디오 이미지들의 분석을 제공할 수 있다.
게다가, 설명된 기술들은 연마 장치 내의 하나 이상의 컴포넌트의 임의의 검출된 이탈들을 표시하기 위한 통지들 또는 경고들을 발생시킬 수 있고, 이는 하나 이상의 컴포넌트의 검출된 이탈들을 정정하기 위한 신속하고 시기적절한 인간 개입 또는 자동 제어 조절들을 허용한다. 설명된 기술들은 결국 제품 품질을 향상시키고 비용을 낮추며 연마 장치를 용이하게 할 수 있다.
또한, 설명된 기술들은 하나 이상의 컴포넌트의 동작을 캡처하는 비디오 이미지들을 저장할 수 있고, 나중에 문제 해결이나 고장 분석을 위해 저장된 비디오 이미지들을 다시 방문하는 것을 허용할 수 있으며, 이는 더 정확한 진단으로 이어진다.
또한, 설명된 기술들은 셋업, 구현 및 확장이 용이하다. 설명된 기술들은 하나 이상의 이미지 센서를 수용하기 위해 상당한 수정이 필요하지 않기 때문에 임의의 적절한 연마 장치에 적응될 수 있다. 설명된 기술들은 이미지 프로세싱 또는 기계 학습 알고리즘들을 이용하여 컴포넌트 동작들의 이탈들을 분석하고 검출할 수 있으며, 이는 참조 명령어들의 세트에 따라 동작들을 수행하는 참조 연마 장치 내의 하나 이상의 컴포넌트의 비디오 이미지들을 솔로 벤치마크로서 수신한다. 캡처된 비디오 이미지들이 이러한 컴포넌트들을 포괄할 수 있는 한, 설명된 기술들은 더 많은 컴포넌트들에 대해 확장될 수 있다. 따라서, 설명된 기술들은 만족스러운 해상도들로 더 많은 컴포넌트들을 캡처할 수 있는 이미지 센서들로 확장할 준비가 되어 있다.
본 발명의 하나 이상의 실시예의 세부사항들은 첨부 도면들 및 이하의 설명에서 제시된다. 다른 특징들, 목적들 및 이점들은 설명 및 도면들로부터, 그리고 청구항들로부터 명백해진다.
도 1은 예시적인 연마 장치의 개략적인 단면도이다.
도 2는 예시적인 캐리어 헤드를 갖는 예시적인 로드 컵의 개략적인 단면도이다.
도 3은 예시적인 연마 장치의 개략적인 평면도이다.
도 4는 이미지 프로세싱을 사용하는 비디오 이미지들에 기초한 이탈 검출의 예시적인 프로세스를 도시하는 흐름도이다.
도 5는 기계 학습을 사용하는 비디오 이미지들에 기초한 이탈 검출의 예시적인 프로세스를 도시하는 흐름도이다.
다양한 도면들의 유사한 참조 번호들 및 지정들은 유사한 요소들을 나타낸다.
이상적인 프로세스에서, 연마 장치의 각각의 컴포넌트는 연마 후에 기판이 균일한 두께를 가질 수 있도록 기판을 연마하기 위한 명령어들의 세트에 따라 공동으로 동작들을 수행한다. 그러나, 실제에서, 연마 장치의 하나 이상의 컴포넌트는 개별 명령어들로부터 벗어나는 동작들을 수행할 수 있다. 이는 연마 중인 기판에 대한 불균일한 연마 프로파일, 장치 내의 하나 이상의 컴포넌트의 충돌, 심지어 장치의 고장을 초래할 수 있다. 하나 이상의 컴포넌트의 동작 이탈들에 기인하는 이러한 결과들을 피하기 위해, 연마 장치에서 실시간 컴포넌트 동작들을 모니터링하고, 하나 이상의 컴포넌트의 이탈들을 검출하고, 심지어는 다시 트랙 상에서 동작하도록 하나 이상의 컴포넌트를 적시에 조절하는 것이 중요하다.
종래에, 동작 컴포넌트 또는 기판의 하나 이상의 특성을 측정함으로써 장치 내의 하나 이상의 컴포넌트를 모니터링하기 위해, 하나 이상의 센서가 연마 장치에 통합될 수 있다. 몇 가지 예를 들자면, 광학 또는 와전류 인-시튜 모니터링 시스템이 연마 동안 기판 상의 층의 두께를 모니터링할 수 있거나, 열 센서가 연마 동안 연마 패드의 온도를 측정할 수 있다. 연마 동안 기판을 모니터링하는 시스템으로부터의 데이터가 소정의 정보를 제공할 수 있긴 하지만, 이는 특히 연마 장치 내에 많은 컴포넌트가 있는 경우, 예상 거동으로부터의 시스템 컴포넌트들의 벗어남을 검출하거나 분석하는 데 충분하지 않을 수 있다.
더욱이, 일부 종래 기술들은 - 연마 장치의 하나 이상의 컴포넌트가 인-시튜로 동작들을 수행하고 있는 동안 컴포넌트 동작들을 동적으로 모니터링하고 분석하는 것이 아니라 - 컴포넌트들을 정적으로 분석하기 위해 센서 데이터를 획득한다. 이러한 종래 기술들은 정적 컴포넌트의 이미지 데이터를 획득하고, 획득된 이미지 데이터에 기초하여 정적 컴포넌트를 분석한다. 이미지 데이터는 예를 들어 기판의 연마 에지 영역들을 분석하기 위해 좌표 측정 기계(coordinate measurement machine)(CMM)를 통해 획득된 정적 리테이닝 링의 바닥 표면 프로파일을 포함할 수 있다.
아래에 설명되는 기술들은 위에 언급된 문제들 중 하나 이상을 잠재적으로 완화할 수 있다. 설명된 기술들을 채택하는 시스템 또는 연마 장치는 하나 이상의 비디오 센서(예를 들어, 카메라)를 사용하여, 참조 연마 장치 내의 참조 컴포넌트의 참조 이미지들의 시간 기반 시퀀스를 획득하고, 등가 연마 장치 내의 등가 컴포넌트의 모니터링 이미지들의 시간 기반 시퀀스를 캡처할 수 있다. 이미지들의 시간 기반 시퀀스는 하나 이상의 컴포넌트가 개별 동작들을 수행하고 있을 때 캡처된다. 시스템은 참조 컴포넌트와 등가 컴포넌트 사이에서 캡처된 이미지 프레임들을 분석하여 실시간으로 이탈을 결정할 수 있다. 이탈을 결정하는 것에 응답하여, 시스템은 통지, 예를 들어 사용자 인터페이스 컴포넌트 내의 이탈을 표시하는 경고를 발생시킬 수 있다. 시스템은 이탈들을 정정하기 위해 하나 이상의 컴포넌트의 동작들을 조절하도록 연마 장치에 추가로 지시할 수 있다. 임의적으로, 시스템은 연마 장치에서 실행되는 동작들의 적어도 일부를 종료할 수도 있다. 이탈을 결정하기 위해, 시스템은 하나 이상의 위치에 있는 하나 이상의 컴퓨터에 의해 실행되는 상이한 알고리즘들을 채택할 수 있다. 알고리즘들은 임의의 적절한 이미지 프로세싱 또는 기계 학습 알고리즘들을 포함한다.
일부 구현들에서, 캡처된 이미지 프레임들은 하나 이상의 참조 컴포넌트를 포함할 수 있다. 시스템은 캡처된 참조 이미지 프레임들에서 캡처된 참조 컴포넌트들의 서브세트 내의 복수의 등가 컴포넌트를 분석할 수 있다.
더 구체적으로, 연마 장치 컴포넌트들은 로봇 암, 로드 컵, 컨디셔너 암, 이송 스테이션, 캐리어 헤드, 슬러리 암, 플래튼, 캐리어 헤드 및 플래튼의 회전을 구동하기 위한 하나 이상의 모터를 포함한다. 이러한 컴포넌트들의 동작들은 상호작용형이다. 예를 들어, 로봇 암은 로봇 아트가 카세트로부터 하나의 기판을 잡고 이를 로드 컵의 페디스털 상에 수평으로(즉, 기판의 최상부면 또는 바닥 표면이 실질적으로 수직인 위치를 따라 향하게끔) 배치하도록 구성되는 방식으로 로드 컵과 상호작용한다. 다른 예로서, 캐리어 헤드는, 캐리어 헤드가 로드 컵의 페디스털로부터 멀리 기판을 붙잡게끔 구성되도록 로드 컵과 상호작용한다. 연마 장치 내의 각각의 컴포넌트의 상세한 구조 및 동작들은 아래에 설명될 것이다.
연마 장치는 명령어들의 세트에 따라 개별 동작들을 수행하기 위해 연마 장치의 컴포넌트들 중 하나 이상을 제어할 수 있다. 명령어들의 세트는 각각의 컴포넌트의 동작들을 제어하기 위해 사용자에 의해 미리 결정되거나 연마 장치에 의해 자동으로 결정된 복수의 파라미터를 포함할 수 있다. 복수의 파라미터는 예를 들어 컴포넌트의 위치 또는 움직임, 또는 컴포넌트 내의 물리적 필드의 변화를 제어하도록 지정된 데이터를 포함할 수 있다. 더 구체적으로, 몇 가지 예를 들자면, 데이터는 캐리어 헤드의 회전 축에 대해 회전하기 위한 캐리어 헤드의 환형 속도, 또는 슬러리 암의 노즐에서 공급되는 슬러리의 유량일 수 있다.
연마 장치는 상이한 연마 요건들에 따라 다양한 파라미터들을 갖는 상이한 명령어 세트들을 가질 수 있다. 명령어들의 세트는 또한 아래의 설명에서 연마 장치에 대한 레시피라고도 지칭된다. 연마 장치의 컴포넌트들에 의해 올바르게 실행되고 나면, 연마 장치로 하여금 하나 이상의 기판을 연마하여 특정 연마 요건을 실질적으로 충족하게 할 수 있는 레시피는 또한 "골든 레시피"라고 지칭될 수 있다. 골든 레시피들은 동일한 연마 요건을 충족하기 위해 상이한 컴포넌트들을 갖는 상이한 연마 장치들 간에서 상이할 수 있다. 이상적으로는, 동일한 연마 요건 하에서 등가의 연마 장치들 간에 골든 레시피가 채택될 수 있다.
위에서, 그리고 전체 설명 전반에 걸쳐 설명된 "등가(equivalent)"라는 용어는 실질적인 유사성의 수준을 나타내기 위해 사용된다. 더 구체적으로, 참조 장치의 등가 연마 장치는 참조 장치와 실질적으로 동일한 전체 치수들, 구조적 설계, 컴포넌트들(즉, 등가 컴포넌트들)의 개수 및 유형들, 및 동작 파이프라인들을 가질 수 있다. 극단적인 예로서, 등가 연마 장치는 이상적으로 참조 장치의 동일한 복제본(예를 들어, 동일한 생산 배치(batch) 내의 제품 중 하나), 또는 동일한 모델, 또는 하나 이상의 임의적 애드온 또는 사소한 수정을 갖는 동일한 모델일 수 있거나, 약간 상이한 개수의 하나 이상의 등가 컴포넌트를 갖지만 여전히 실질적으로 동일한 동작들을 유지할 수 있다. 참조 컴포넌트의 등가 컴포넌트는 등가 연마 장치와 유사하게 설명될 수 있다. 더 구체적으로, 등가 컴포넌트는 참조 컴포넌트와 동일한 연마 컴포넌트일 수 있다. 대안적으로, 등가 컴포넌트는 참조 컴포넌트와 실질적으로 동일할 수 있고, 임의적 애드온들 또는 사소한 수정들을 가지면서 참조 컴포넌트와 실질적으로 동일한 동작을 유지한다.
위에서, 그리고 전체 설명 전반에 걸쳐 설명된 "이탈"이라는 용어는 컴포넌트의 측정된 동작들과 참조 컴포넌트의 동작들 사이의 벗어남을 설명한다. 참조 컴포넌트는 미리 결정된 레시피에 따라 정확하게 동작하는 것으로 가정되므로, 이탈은 등가 컴포넌트들에만 연관된다. 예를 들어, 동작 이탈은 하나 이상의 시간 스텝에서 등가 컴포넌트의 캡처된 움직임들과 참조 컴포넌트의 대응하는 참조 움직임들 사이에서 정량화될 수 있다. 다른 예로서, 동작 이탈은 등가 노즐로부터의 측정된 슬러리 유량과 참조 슬러리 노즐의 대응하는 참조 유량 사이에서 정량화될 수 있다. 정량화된 차이는 캡처된 비디오 이미지들을 프로세싱하는 상이한 알고리즘들, 예를 들어 비디오 이미지 프로세싱 또는 기계 학습 알고리즘들로부터 출력될 수 있다. 동작 이탈은 다양한 알고리즘들을 통해, 참조 연마 장치에서 동작하는 참조 컴포넌트와 등가 연마 장치에서 동작하는 등가 컴포넌트의 캡처된 이미지 프레임들 간의 차이를 결정하고, 그 차이를 미리 결정된 임계치와 비교함으로써 결정될 수 있다. 결정된 차이가 미리 결정된 임계치를 초과하는 경우, 시스템 또는 연마 장치는 등가 컴포넌트의 이탈을 검출한다.
도 1은 예시적인 연마 장치(20)의 개략적인 단면도이다. 연마 장치(20)는 연마 패드(30)가 그 위에 위치되는 회전가능한 디스크형 플래튼(24)을 포함한다. 플래튼(24)은 축(25)에 대해 회전하도록 동작가능하다(도 3의 화살표 A를 참조). 예를 들어, 모터(22)는 구동 샤프트(28)를 돌려서 플래튼(24)을 회전시킬 수 있다. 연마 패드(30)는 외부 연마 층(34) 및 더 부드러운 백킹 층(32)을 갖는 2층 연마 패드일 수 있다. 연마 장치(20)는 연마 슬러리와 같은 연마액(38)을 연마 패드(30) 상으로 공급하기 위해, 예를 들어 슬러리 공급 암(39)의 단부에 공급 포트를 포함할 수 있다.
도 3을 참조하면, 연마 장치(20)는 연마 패드(30)의 표면 거칠기를 유지하기 위해 컨디셔너 디스크(92)를 갖는 패드 컨디셔너(90)를 포함할 수 있다. 컨디셔너 디스크(92)는 컨디셔너 암(94)의 단부에 있는 컨디셔너 헤드(93)에 위치될 수 있다. 암(94)과 컨디셔너 헤드(93)는 베이스(96)에 의해 지지된다.
컨디셔너 암(94)은 컨디셔너 헤드(93)와 컨디셔너 디스크(92)를 연마 패드(30)를 가로질러 측방향으로 스윕하도록 스윙할 수 있다.
도 1을 다시 참조하면, 연마 장치(20)는 또한 연마 패드(30)에 맞닿아 기판(10)을 유지하도록 동작가능한 캐리어 헤드(70)를 포함할 수 있다.
캐리어 헤드(70)는 지지 구조물(72), 예를 들어 캐러셀 또는 트랙에 매달려 있고 구동 샤프트(74)에 의해 캐리어 헤드 회전 모터(76)에 연결되며, 그에 의해 캐리어 헤드가 축(71)에 대해 회전할 수 있다. 임의적으로, 캐리어 헤드(70)는 예를 들어 캐러셀 상의 슬라이더들 상에서, 트랙을 따른 이동에 의해, 또는 캐러셀 자체의 회전 진동에 의해 측방향으로 진동할 수 있다.
캐리어 헤드(70)는 기판(10)의 후면측과 접촉하기 위한 기판 장착 표면을 갖는 가요성 멤브레인(80), 및 기판(10) 상의 상이한 구역들, 예를 들어 상이한 방사형 구역들에 상이한 압력들을 가하는 복수의 가압가능한 챔버(82)를 포함할 수 있다. 캐리어 헤드(70)는 기판을 유지하기 위한 리테이닝 링(84)을 포함할 수 있다. 일부 구현들에서, 리테이닝 링(84)은 연마 패드와 접촉하는 하측 플라스틱 부분(86), 및 더 강성인 재료, 예를 들어 금속의 상측 부분(88)을 포함할 수 있다.
동작 시에, 플래튼(24)은 그것의 중심 축(25)에 대하여 회전된다. 캐리어 헤드는 그것의 중심 축(71)에 대하여 회전되고(도 3의 화살표 B를 참조), 연마 패드(30)의 최상부면을 가로질러 측방향으로 병진된다(도 3의 화살표 C를 참조).
연마 장치(20)는 또한 캐리어 헤드들(70)로부터 기판들을 로딩 및 언로딩하기 위한 이송 스테이션(도 2 참조)을 포함한다.
이송 스테이션은 이송 로봇 암(도시되지 않음)에 의한 캐리어 헤드들(70)과 팩토리 인터페이스(도시되지 않음) 또는 다른 디바이스(도시되지 않음) 사이의 기판의 이송을 용이하게 하도록 적응된 복수의 로드 컵(8), 예를 들어 2개의 로드 컵을 포함할 수 있다.
로드 컵들(8)은 일반적으로 캐리어 헤드들(70)을 로딩 및 언로딩함으로써 로봇 암과 캐리어 헤드들(70) 각각의 사이에서의 이송을 용이하게 한다.
도 2는 예시적인 캐리어 헤드(70)를 갖는 예시적인 로드 컵(8)의 개략적인 단면도이다. 도 2에 도시된 바와 같이, 각각의 로드 컵(8)은 로딩/언로딩 프로세스 동안 기판(10)을 유지하기 위한 페디스털(204)을 포함한다. 로드 컵(8)은 또한 페디스털(204)을 둘러싸거나 실질적으로 둘러싸는 하우징(206)을 포함한다.
액추에이터는 하우징(206)과 캐리어 헤드(70) 사이에 상대적인 수직 운동을 제공한다. 예를 들어, 샤프트(210)는 하우징(206)을 지지할 수 있고 하우징(206)을 상승 및 하강시키도록 수직으로 작동가능할 수 있다. 대안적으로 또는 추가적으로, 캐리어 헤드(70)는 수직으로 이동할 수 있다. 페디스털(205)은 샤프트(210)와 축상(on-axis)일 수 있다. 페디스털(204)은 하우징(206)에 대해 수직으로 이동가능할 수 있다.
동작 시에, 캐리어 헤드(70)는 로드 컵(8) 위에 위치될 수 있고, 캐리어 헤드(70)가 캐비티(208) 내에 부분적으로 있도록 하우징(206)이 상승(또는 캐리어 헤드(70)가 하강)될 수 있다. 기판(10)은 페디스털(204) 상에서 시작하여 캐리어 헤드(70) 상에 척킹될 수 있고/있거나, 캐리어 헤드(70) 상에서 시작하여 페디스털(204) 상에 디척킹될 수 있다.
로드 컵(8)은 캐리어 헤드(70) 및 기판(10)의 세척(cleaning) 및/또는 예열을 위해 증기를 전달하는 노즐들을 더 포함할 수 있다. 연마 장치(20)는 캐리어 헤드(70) 및 기판(10)의 세척 및 예열을 변경하기 위해 증기 온도, 압력 및 유량을 조절할 수 있다. 일부 구현들에서, 온도, 압력 및/또는 유량은 각각의 노즐에 대해, 또는 노즐 그룹들 간에 독립적으로 조절가능할 수 있다. 로드 컵(8) 내의 노즐들의 유량은 히터 전력 및 압력에 따라 1-1000cc/분일 수 있다.
도 1을 다시 참조하면, 연마 장치(20)는 또한 연마 패드(30) 및/또는 연마 패드 상의 슬러리(38)의 온도를 제어하기 위한 온도 제어 시스템(100)을 포함할 수 있다. 온도 제어 시스템(100)은 냉각 시스템(102) 및/또는 가열 시스템(104)을 포함할 수 있다. 냉각 시스템(102)과 가열 시스템(104) 중 적어도 하나, 그리고 일부 구현들에서는 그들 둘 다는 온도 제어 매체(temperature-controlled medium), 예를 들어 액체, 증기 또는 스프레이를 연마 패드(30)의 연마 표면(36) 상으로(또는 연마 패드 상에 이미 존재하는 연마액 상으로) 전달함으로써 동작한다.
냉각 시스템(102)은 액체 냉각 매체의 소스(130) 및 가스 소스(132)를 포함할 수 있다(도 3 참조). 냉각 시스템(102) 또는 가열 시스템(104)은 연마 패드의 에지로부터 연마 패드(30)의 중심까지 또는 적어도 그 근처로(예를 들어, 연마 패드의 전체 반경의 5% 이내) 플래튼(24) 및 연마 패드(30) 위로 연장되는 암(110)을 포함할 수 있다. 암(110)은 베이스(112)에 의해 지지될 수 있고, 베이스(112)는 플래튼(24)과 동일한 프레임(40) 상에 지지될 수 있다. 베이스(112)는 하나 이상의 액추에이터, 예를 들어 암(110)을 상승 또는 하강시키기 위한 선형 액추에이터, 및/또는 플래튼(24) 위에서 측방향으로 암(110)을 스윙시키기 위한 회전 액추에이터를 포함할 수 있다. 암(110)은 캐리어 헤드들(70), 패드 컨디셔닝 디스크, 및 슬러리 공급 암(39)과 같은 다른 하드웨어 컴포넌트들과의 충돌을 피하도록 위치된다.
예시적인 냉각 시스템(102)은 암(110)에 매달린 복수의 노즐(120)을 포함한다. 각각의 노즐(120)은 액체 냉각 매체, 예를 들어 물을 연마 패드(30) 상에 분무하도록 구성된다. 암(110)은 노즐들(120)이 갭(126)에 의해 연마 패드(30)로부터 분리되도록 베이스(112)에 의해 지지될 수 있다.
도 3은 예시적인 연마 장치(20)의 개략적인 평면도이다. 도 1과 관련하여 앞에서 설명된 바와 같이, 연마 장치는 가열 시스템(102), 냉각 시스템(104) 및 세정(rinse) 시스템(106)을 포함할 수 있다. 도 3에 도시된 바와 같이, 연마 장치는 이러한 시스템들 각각에 대해 별개의 암들을 포함할 수 있다. 각각의 시스템은 개별 액추에이터에 의해 작동될 수 있다. 대안적으로, 다양한 서브시스템들이 공통 암 및 공통 액추에이터에 의해 지지되는 단일 어셈블리에 포함될 수 있다.
냉각 시스템(102)과 마찬가지로, 가열 시스템(104)은 (예를 들어, 증기 발생기(410)로부터의) 가스, 예를 들어 증기, 또는 가열된 공기, 또는 액체, 예를 들어 가열된 물, 또는 가스와 액체의 조합을 포함하는 가열 매체로 가열 매체 탱크에 연결된다. 가열 시스템(104)은 베이스(142)에 의해 지지되는 플래튼(24) 및 연마 패드(30) 위로 연장되는 암 및 복수의 노즐을 포함할 수 있다. 베이스(142)는 플래튼(24)과 동일한 프레임(40) 상에 지지될 수 있다. 베이스(142)는 액추에이터, 예를 들어 암(140)을 상승 또는 하강시키기 위한 선형 액추에이터, 및/또는 플래튼(24) 위에서 측방향으로 암(140)을 스윙시키기 위한 회전 액추에이터를 포함할 수 있다. 암은 연마 헤드(70), 패드 컨디셔닝 디스크(92), 및 슬러리 공급 암(39)과 같은 다른 하드웨어 컴포넌트들과의 충돌을 피하도록 위치된다.
냉각 및 가열 시스템 둘 다와 마찬가지로, 고압 세정 시스템(106)은, 세척 유체 탱크(156)에 연결되고 세척 유체, 예를 들어 물을 연마 패드(30) 위로 고강도로 지향시켜 연마 패드(30)를 세척하고 사용된 슬러리, 연마 잔해 등을 제거하도록 구성된 복수의 노즐을 포함한다.
도 3에 도시된 바와 같이, 예시적인 세정 시스템(106)은, 플래튼(24) 위로 연장되고 베이스(152)에 의해 지지되는 암을 포함하고, 베이스(152)는 플래튼(24)과 동일한 프레임(40) 상에 지지될 수 있다. 베이스(152)는 하나 이상의 액추에이터, 예를 들어 암(150)을 상승 또는 하강시키기 위한 선형 액추에이터, 및/또는 플래튼(24) 위에서 측방향으로 암(150)을 스윙시키기 위한 회전 액추에이터를 포함할 수 있다. 암(150)은 연마 헤드(70), 패드 컨디셔닝 디스크(92), 및 슬러리 공급 암(39)과 같은 다른 하드웨어 컴포넌트들과의 충돌을 피하도록 위치된다.
일부 구현들에서, 연마 시스템(20)은 연마 패드(30)에 걸쳐 연마액(38)을 분산시키기 위한 와이퍼 블레이드 또는 본체(170)를 더 포함할 수 있다. 플래튼(24)의 회전 방향을 따라, 와이퍼 블레이드(170)는 슬러리 전달 암(39)과 캐리어 헤드(70) 사이에 있을 수 있다.
도 1, 도 2 및 도 3을 다시 참조하면, 연마 장치(20)는 시스템 내의 다양한 컴포넌트들의 동작을 제어하기 위한 제어기(12)를 또한 포함할 수 있다. 제어기(12)는 또한 다양한 컴포넌트들의 동작들을 측정하는 하나 이상의 센서에 의해 수집된 센서 데이터를 수신하고, 수신된 센서 데이터의 분석에 기초하여 컴포넌트 동작들을 변경하기 위한 피드백 조절들을 제공하도록 구성된다.
예를 들어, 데이터를 참조 컴포넌트들로부터의 데이터와 비교하는 것에 의해 하나 이상의 컴포넌트의 이탈 검출 동작을 수행하기 위해, 시스템은 연마 장치(20)의 하나 이상의 컴포넌트의 뷰(16)를 갖도록 각각 위치된 하나 이상의 비디오 이미지 센서(14)(예를 들어, 카메라 또는 레코더)를 포함할 수 있다. 각각의 비디오 이미지 센서(14)는 연마 장치 내의 적어도 하나의 컴포넌트의 동작들에 대한 모니터링 이미지들의 시간 기반 시퀀스를 캡처하도록 구성된다. 비디오 이미지 센서들(14)은 일반적으로 다양한 컴포넌트들, 예를 들어 캐리어 헤드(70), 슬러리 전달 암(39) 등의 최상부 및/또는 측부 외부 표면의 하향 사시도를 갖도록 플래튼(24) 위에 위치될 수 있다. 이러한 위치에서, 기판(10)은 비디오 이미지 센서들(14)에 의해 모니터링되고 있지 않다.
캡처된 모니터링 이미지들은 연마 장치 내의 제어기(12) 또는 연마 장치(20) 외부의 하나 이상의 컴퓨터로 전송될 수 있다. 시스템은 캡처된 모니터링 이미지들을 참조 컴포넌트에 대한 참조 이미지들의 시간 기반 시퀀스에 기초하여 추가로 분석하여, 적어도 하나의 컴포넌트의 이탈을 검출할 수 있다. 임의적으로, 시스템은 이탈의 검출 시에 통지를 생성하고, 제어기(12)에 의해 제어되는 적어도 하나의 컴포넌트의 동작들을 조절할 수 있다. 동작들을 조절하기 위해, 제어기는 적어도 하나의 컴포넌트의 동작들을 조절하기 위한 제어 메커니즘(예를 들어, 액추에이터, 모터 또는 압력 소스에 관련된 메커니즘)에 피드백 신호를 전송할 수 있다. 피드백 신호는 내부 피드백 알고리즘을 이용하여 제어기(12)에 의해 계산될 수 있거나, 캡처된 모니터링 이미지들에 기초하여 외부 컴퓨터들로부터 수신될 수 있다. 상이한 알고리즘들을 이용하여 참조 이미지들을 획득하고 캡처된 모니터링 이미지들을 분석하는 것의 세부사항은 아래에 설명될 것이다.
도 4는 이미지 프로세싱을 사용하는 비디오 이미지들에 기초한 이탈 검출의 예시적인 프로세스(400)를 도시하는 흐름도이다. 프로세스(400)는 하나 이상의 장소에 위치된 하나 이상의 컴퓨터에 의해 실행될 수 있다. 대안적으로, 프로세스(400)는 하나 이상의 컴퓨터에 명령어들로서 저장될 수 있다. 일단 실행되면, 명령어들은 연마 장치의 하나 이상의 컴포넌트로 하여금 프로세스를 실행하게 할 수 있다. 예를 들어, 도 1 내지 도 3에 도시된 바와 같은 제어기(12), 또는 연마 장치(20) 외부의 하나 이상의 컴퓨터가 프로세스(400)를 실행할 수 있다.
시스템은 연마 시스템의 테스트 동작 동안 동작들을 수행하는 연마 시스템의 컴포넌트의 참조 이미지들의 시간 기반 시퀀스를 획득한다(402). 시스템은 참조 이미지들의 시간 기반 시퀀스를 캡처하기 위해 적절하게 위치된 하나 이상의 비디오 카메라를 포함할 수 있다.
연마 시스템의 참조 컴포넌트의 참조 이미지들의 시간 기반 시퀀스를 획득하기 위해, 연마 시스템에 대한 적절한 레시피, 예를 들어 골든 레시피가 선택되고, 연관된 연마 시스템은 제어기(12)를 사용하여 골든 레시피에 따라 동작들을 수행하도록 제어된다. 참조 컴포넌트 동작이 지시된 동작들과 실질적으로 동일한 경우, 테스트 이미지 동안 획득된 비디오 이미지들은 참조 이미지들의 시간 기반 시퀀스로서 사용될 수 있다. 단순화를 위해, 참조 이미지들의 시간 기반 시퀀스는 또한 이하의 설명에서 참조 비디오라고도 지칭된다.
실제 연마 동작 동안, 예를 들어 기판 상의 집적 회로를 위한 제조 프로세스의 일부로서, 시스템은 동작들을 수행하는 등가 연마 시스템의 등가 컴포넌트의 모니터링 이미지들의 시간 기반 시퀀스를 카메라로부터 수신한다(404). 참조 비디오를 획득하는 것과 마찬가지로, 시스템은 하나 이상의 카메라를 사용하여 모니터링 이미지들의 시간 기반 시퀀스를 캡처하거나 적절한 외부 모니터링 시스템으로부터 모니터링 이미지들의 시간 기반 시퀀스를 수신할 수 있다.
시스템은 등가 연마 장치 내의 등가 컴포넌트에 대해 연마 장치 내의 참조 컴포넌트에 대해 동일한 골든 레시피를 취하고, 등가 연마 장치의 제어기(12)에 골든 레시피에 의해 지시된 동작들을 수행하게끔 등가 컴포넌트를 제어하도록 지시한다. 시스템은 하나 이상의 카메라를 사용하여 시간 기반 모니터링 이미지들의 세트를 캡처한다. 모니터링 이미지들의 세트는 적어도 등가 연마 장치 내의 등가 컴포넌트를 포괄해야 한다. 시스템은 나중의 분석을 위해 캡처된 모니터링 이미지들을 저장할 수 있다. 단순화를 위해, 모니터링 이미지들의 시간 기반 시퀀스는 이하의 설명에서 모니터링 비디오라고도 지칭된다.
시스템은 이미지 프로세싱 알고리즘을 이용하여, 참조 이미지들의 시간 기반 시퀀스를 모니터링 이미지들의 시간 기반 시퀀스와 비교함으로써, 모니터링 이미지들의 시간 기반 시퀀스에 대한 차이 값을 결정한다(406). 시스템은 등가 컴포넌트에 대한 모니터링 비디오를 분석하기 위해 이미지 프로세싱 알고리즘을 채택한다. 이미지 프로세싱 알고리즘은 참조 비디오 및 모니터링 비디오 둘 다를 입력으로 취하고, 비디오들 둘 다를 사전 프로세싱하여 노이즈들을 줄이고, 임의적으로 비디오들 둘 다의 각각의 프레임에 대한 이미지 픽셀 값들을 정규화한다.
시스템은 또한 이미지 프로세싱 알고리즘을 위해 비디오들 둘 다에 대한 개별 시작 시간을 설정할 수 있다. 개별 시작 시간에서 시작하여, 참조 컴포넌트와 등가 컴포넌트 둘 다는 실질적으로 유사한 상태에 있으며 실질적으로 유사한 동작들을 수행하고 있다. 예를 들어, 참조 컴포넌트는 참조 연마 장치 내의 캐리어 헤드이다. 등가 컴포넌트는 역시 참조 연마 장치의 복제본인 등가 연마 장치의 캐리어 헤드의 복제본이다. 시스템은 참조 캐리어 헤드와 등가 캐리어 헤드가 개별 시작 시간에 개별 플래튼 상의 개별 기판과 함께 회전을 각각 시작하도록 비디오들 둘 다에 대한 개별 시작 시간을 설정할 수 있다. 참조 비디오에 대한 시작 시간은 모니터링 비디오에 대한 시작 시간과 상이할 수 있다. 예를 들어, 참조 비디오 내의 캐리어 헤드는 참조 비디오의 5초에서 플래튼 상에서 회전하기 시작한다. 그러나, 모니터링 비디오 내의 등가 캐리어 헤드는 모니터링 비디오의 31초에서 등가 플래튼 상에서 회전하기 시작한다.
시스템은 시작 시간으로부터 시작하여 참조 비디오와 모니터링 비디오의 각각의 프레임 간의 유사성을 나타내는 차이 값을 생성한다. 차이 값은 임의의 적절한 형태, 예를 들어 스칼라, 벡터, 텐서일 수 있다. 차이 값은 임의의 적절한 방식으로 계산될 수 있다. 예를 들어, 차이 값은 모니터링 비디오와 참조 비디오의 각각의 프레임으로부터의 각각의 픽셀 쌍 간의 차이의 측정일 수 있다. 더 구체적으로, 차이의 측정은 각각의 프레임 쌍 사이에서 픽셀 단위로 강도 차이의 제곱을 합산하는 것에 의한 제곱 평균 제곱근 차이(root-mean-square difference)일 수 있으며, 이는 출력 차이 값과 동일할 수 있다. 대안적으로, 차이 값은 각각의 프레임으로부터의 커널 출력들 또는 그룹 픽셀들의 각각의 쌍 사이의 차이의 측정일 수 있다. 커널은 상이한 픽셀 그룹들을 수신하여 상이한 피쳐 수준들에서 피쳐들을 생성한다. 예를 들어, 하위-수준 피쳐들은 라인들 또는 색상들을 포함할 수 있고, 상위-수준 피쳐들은 개체의 적어도 일부를 나타내는 기본 형상들부터 복잡한 형상들까지 포함할 수 있다.
일부 구현들에서, 차이 값은 참조 비디오와 모니터링 비디오 둘 다로부터 획득된 물리적 필드의 유사성의 수준을 나타낼 수 있다. 시스템은 이미지 프로세싱 알고리즘을 이용하여, 대응하는 컴포넌트들에 대한 속도 필드, 압력 필드, 또는 열 필드를 생성하고, 비디오들 간에서 하나 이상의 물리적 필드 간의 차이를 비교할 수 있다. 대안적으로, 차이 값은 참조 및 모니터링 비디오들 둘 다의 사이에서 개별 컴포넌트들에서의 물리량들의 차이를 나타낼 수 있다. 예를 들어, 시스템은 개별 비디오들에서 개별 컴포넌트들의 평균 속도들, 각속도, 궤적들, 또는 진동들을 생성하고, 비디오들 둘 다에서 컴포넌트들의 이러한 물리적 수량들 간의 차이를 비교할 수 있다. 차이 값은 몇 가지 예를 들자면, 비디오들 사이의 개별 물리량에 대한 제곱 평균 제곱근 차이, 또는 비디오들 사이의 개별 물리량들에 대한 절대 차이들의 가중 합일 수 있다.
시스템은 차이 값이 임계치를 초과하는지를 결정한다(408). 시스템은 사용자로부터 미리 결정된 임계치를 수신하거나 특정 알고리즘을 사용하여 임계치를 자동으로 생성할 수 있고, 각각의 획득된 차이 값을 개별 임계치에 연관시킬 수 있다. 임계치는 절대 또는 상대 차이 값의 상한을 나타낼 수 있다. 예를 들어, 임계치는 속도 차이 값의 경우 1mm/s, 또는 열 필드의 차이 값의 경우 10%일 수 있다.
시스템은 차이 값이 임계치를 초과한다고 결정하는 것에 응답하여 이탈을 표시한다(410). 시스템은 차이 값이 임계치를 초과한다고 결정하면 경고를 발생시킬 수 있다. 시스템은 또한 사용자 인터페이스 컴포넌트에 대한 알림을 생성할 수 있다.
게다가, 시스템은 또한 캡처된 모니터링 비디오에 오버레이들로서 정보를 추가하기 위해 사용자 인터페이스 컴포넌트에 대한 사용자 프레젠테이션을 생성할 수도 있다. 더 구체적으로, 시스템은 복수의 오버레이로 모니터링 비디오를 사용자에게 제시할 수 있으며, 오버레이들 각각은 모니터링 이미지들의 시간 기반 시퀀스의 개별 특성들을 나타낸다. 예를 들어, 오버레이는 예를 들어 다양한 물리적 필드들(예를 들어, 유동 필드, 열 필드), 다양한 물리량들(예를 들어, 환형 속도, 궤적들), 및 알림들(예를 들어, 경고, 분석 요약)을 제시할 수 있다.
이탈들은 참조 레시피에 의해 지시된 참조 컴포넌트들에 의해 수행되는 동작들로부터 벗어나는, 등가 컴포넌트들에 의해 수행되는 다양한 동작들을 포함할 수 있다. 예를 들어, 이탈들은 예상 움직임 경로(예를 들어, 예상 궤적)로부터의 컴포넌트의 벗어남일 수 있다. 이러한 상황들에서, 도 1 - 도 3과 관련하여, 컴포넌트는 예를 들어 캐리어 헤드(70), 플래튼(24), 연마 중인 기판(10), 로드 컵(8) 내의 페디스털(204), 컨디셔너 암(94), 암들(140, 150, 110), 와이퍼 블레이드(170), 및 로봇 암일 수 있다.
예를 들어, 캐리어 헤드(70)는 참조 및 모니터링 비디오들을 비교함으로써 예상 회전으로부터 벗어나는 것(예를 들어, 더 느린 환형 속도로 회전하는 것)으로 검출될 수 있다. 다른 예로서, 와이퍼 블레이드(170)는 예상 궤적으로부터 벗어나서 와이퍼가 캐리어 헤드(70)와 충돌하게 하는 것으로 검출될 수 있다. 다른 예로서, 페디스털(204)은 예상된 대로 상승 또는 하강하지 않는다. 다른 예로서, 암들(94, 110, 140, 및 150) 중 2개가 스위핑 동안 충돌한다. 극단적인 예로서, 기판(10)은 캐리어 헤드(70)로부터 빠져나와 플래튼(24) 상에서 조각들로 부서지는 것으로 검출될 수 있다.
시스템은 하나 이상의 모터가 시스템 내의 컴포넌트들을 예기치 않게 구동하는지를 결정하기 위해, 예상 움직임 경로로부터의 컴포넌트들의 이탈을 추가로 분석할 수 있다. 추가로, 시스템은 이탈에 기초하여, 초기 교정 프로세스가 제대로 수행되지 않았는지를 결정할 수 있다.
또한, 이탈은 컴포넌트가 동작들을 수행할 때의 물리적 필드들의 차이를 나타낼 수 있다. 이러한 상황들에서, 도 1 - 도 3과 관련하여, 컴포넌트는 예를 들어 로드 컵(8) 내의 노즐들, 냉각 시스템(102)을 위한 노즐들, 가열 시스템(104), 및 세정 시스템(106), 플래튼(24), 및 슬러리 공급 암(39)일 수 있다.
예를 들어, 공급 암(39)으로부터 공급되는 슬러리 유량은 참조 비디오보다 느린 유량을 갖는 것으로 검출될 수 있다. 다른 예로서, 플래튼(24) 상의 열 필드는 참조 비디오보다 높은 온도들을 갖는 하나 이상의 영역을 가질 수 있다. 다른 예로서, 로드 컵(8) 내의 노즐들은 과다 분무를 유발할 높은 수압을 갖는 것으로 검출될 수 있다. 과다 분무는 또한 예를 들어 슬러리 공급 암(39)에서의 과다 분무와 같이 연마 장치의 다른 컴포넌트들에서 검출될 수 있다. 극단적인 예로서, 플래튼(24)은 과열된 것으로 검출되고, 냉각 시스템(102)의 노즐들이 막힌다.
차이 값이 임계치를 초과한다고 결정한 후, 시스템은 차이 값을 감소시키기 위해 동작들을 수행하는 등가 컴포넌트를 조절하기 위한 정정 동작들을 발생시킬 수 있다. 시스템은 연마 장치(20) 외부의 하나 이상의 컴퓨터에서 조절된 동작들에 대한 명령어들을 생성할 수 있고, 또는 시스템은 제어기(12)에 명령어들을 생성하도록 지시할 수 있다. 다음으로, 제어기(12)는 개별 동작들을 조절하기 위해 명령어들에 기초하여 대응하는 컴포넌트들을 제어할 수 있다.
시스템은 연마 시스템에서 복수의 컴포넌트의 이탈들을 동시에 검출하기 위해 분석 프로세스를 쉽게 확장할 수 있다.
시스템은 먼저 연마 시스템의 개별 테스트 동작 동안 동작들을 수행하는 연마 시스템의 복수의 컴포넌트를 포괄하는 참조 이미지들의 개별 시간 기반 시퀀스를 획득한다.
다음으로, 시스템은 기판의 연마 동안 동작들을 수행하는 등가 연마 시스템의 하나 이상의 등가 컴포넌트를 포괄하는 모니터링 이미지들의 시간 기반 시퀀스를 카메라로부터 수신한다. 참조 비디오에 캡처되는 복수의 컴포넌트는 등가 연마 장치 내의 하나 이상의 등가 컴포넌트의 모든 유형을 포함해야 한다. 시스템은 하나 이상의 등가 컴포넌트 각각에 대해 406, 408 및 410의 유사한 단계들을 수행할 수 있다.
도 5는 기계 학습을 사용하는 비디오 이미지들에 기초한 이탈 검출의 예시적인 프로세스(500)를 도시하는 흐름도이다. 프로세스(500)는 하나 이상의 장소에 위치된 하나 이상의 컴퓨터에 의해 실행될 수 있다. 대안적으로, 프로세스(500)는 하나 이상의 컴퓨터에 명령어들로서 저장될 수 있다. 일단 실행되면, 명령어들은 연마 장치의 하나 이상의 컴포넌트로 하여금 프로세스를 실행하게 할 수 있다. 예를 들어, 도 1 내지 도 3에 도시된 바와 같은 제어기(12), 또는 연마 장치(20) 외부의 하나 이상의 컴퓨터가 프로세스(500)를 실행할 수 있다.
시스템은 테스트 기판의 연마 동안 동작들을 수행하는 연마 시스템의 컴포넌트의 모니터링 이미지들의 시간 기반 시퀀스를 카메라로부터 수신한다(502). 위에서 설명된 프로세스(400)와 마찬가지로, 시스템은 하나 이상의 카메라를 사용하여 모니터링 이미지들의 시간 기반 시퀀스를 캡처하거나, 적절한 외부 모니터링 시스템으로부터 모니터링 이미지들의 시간 기반 시퀀스를 수신할 수 있다. 시스템은 참조 레시피에 의해 지시된 동작들을 수행하는 컴포넌트의 모니터링 비디오를 캡처한다.
시스템은 예상되는 동작들로부터의 컴포넌트의 이탈들을 검출하기 위해 훈련 예제들에 의해 훈련된 기계 학습 모델에 모니터링 이미지들의 시간 기반 시퀀스의 분석을 입력하고; 여기서 훈련 예제들은 테스트 동작 동안 동작들을 수행하는 참조 연마 시스템의 참조 컴포넌트의 참조 이미지들의 시간 기반 시퀀스(504), 및 예를 들어 정상 동작 또는 이탈로서의 참조 이미지들의 시퀀스의 분류를 포함한다. 분류는 또한 이탈의 유형, 예를 들어 로드 컵의 페디스털이 들어 올려지지 않는 것, 캐리어 헤드가 예상된 스윕 위치로부터 벗어나는 것 등을 식별할 수 있다.
시스템은 외부 메모리로부터 복수의 훈련 예제를 나타내는 데이터를 획득하거나 하나 이상의 카메라를 사용하여 훈련 예제들을 수집할 수 있다. 각각의 훈련 예제는 동작들을 수행하는 컴포넌트의 이미지들의 시간 기반 시퀀스이다. 훈련 예제들을 수집하기 위해, 시스템은 참조 레시피(즉, 모니터링 비디오들을 캡처하기 위한 동일한 레시피)를 사용하여 동작들을 수행하고 각각의 등가 컴포넌트에 대해 개별 모니터링 비디오들을 캡처하기 위해, 등가 컴포넌트들을 갖는 복수의 등가 연마 장치에 지시할 수 있다. 시스템은 캡처된 개별 모니터링 비디오들에 기초하여 신경망을 훈련할 수 있다.
일부 구현들에서, 시스템은 참조 연마 장치 내의 참조 컴포넌트 및 개별 등가 연마 장치들 내의 하나 이상의 등가 컴포넌트 둘 다를 사용하여 훈련 예제들을 획득할 수 있다. 임의적으로, 시스템은 신경망을 훈련하는 동안 각각의 훈련 예제에 대한 가중치 값들을 포함하고, 참조 비디오를 사용하여 훈련 샘플에 대해 더 큰 가중치를 설정할 수 있다.
신경망을 훈련한 후, 시스템은 등가 컴포넌트들의 입력 데이터(예를 들어, 모니터링 비디오들)를 사용하여 추론 계산들을 수행할 수 있다. 등가 컴포넌트들은 훈련 샘플들의 컴포넌트들과 실질적으로 유사한 컴포넌트들이다.
시스템은 기계 학습 모델로부터 예상 동작들로부터의 컴포넌트의 이탈의 표시를 수신한다(506). 프로세스(400)의 단계(410)와 마찬가지로, 시스템은 입력 데이터(예를 들어, 컴포넌트의 모니터링 비디오)에 기초하여 등가 컴포넌트의 이탈을 검출할 수 있다. 이탈들은 프로세스(400)와 관련하여 유사하게 설명된다. 시스템은 동작들을 수행하는 등가 컴포넌트를 조절하기 위해 정정 동작들을 유사하게 발생시킬 수 있다.
시스템은 훈련된 신경망을 하나 이상의 위치에 있는 하나 이상의 컴퓨터에 저장할 수 있다. 하나 이상의 프로세서가 저장된 신경망에 동시에 액세스하여 추론 동작들을 가속화할 수 있다(예를 들어, 병렬 계산). 시스템은 새로 캡처된 훈련 예제들을 사용하여 신경망을 계속 훈련할 수 있다. 마찬가지로, 시스템은 연마 장치 내의 복수의 컴포넌트에 대한 동작들의 이탈을 동시에 모니터링하도록 확장될 수 있다.
본 명세서에서 사용될 때, 기판이라는 용어는 예를 들어 제품 기판(예를 들어, 복수의 메모리 또는 프로세서 다이를 포함함), 테스트 기판, 베어 기판, 및 게이팅 기판을 포함할 수 있다. 기판은 집적 회로 제조의 다양한 단계들에 있을 수 있으며, 예를 들어 기판은 베어 웨이퍼일 수 있거나, 하나 이상의 퇴적된 및/또는 패터닝된 층을 포함할 수 있다. 기판이라는 용어는 원형 디스크들 및 직사각형 시트들을 포함할 수 있다.
위에서 설명된 연마 장치들 및 방법들은 다양한 연마 시스템들에 적용될 수 있다. 연마 패드 또는 캐리어 헤드들 중 어느 하나 또는 둘 다는 연마 표면과 기판 사이에 상대적인 움직임을 제공하도록 이동할 수 있다. 예를 들어, 플래튼은 회전하지 않고 궤도를 돌 수 있다(orbit). 연마 패드는 플래튼에 고정된 원형(또는 소정의 다른 형상)의 패드일 수 있다. 종료점 검출 시스템의 일부 양태들은 예를 들어 연마 패드가 선형으로 이동하는 연속 또는 릴-투-릴 벨트인 선형 연마 시스템들에 적용가능할 수 있다. 연마 층은 표준(예를 들어, 필러가 있거나 없는 폴리우레탄) 연마 재료, 연성 재료, 또는 고정 연마 재료일 수 있다. 상대적 위치지정이라는 용어가 사용되고; 연마 표면과 기판은 수직 배향 또는 소정의 다른 배향으로 유지될 수 있다는 것이 이해되어야 한다.
본 명세서에 설명된 다양한 시스템들 및 프로세스들 또는 그 일부의 제어는 하나 이상의 비-일시적 컴퓨터 판독가능 저장 매체에 저장되고 하나 이상의 프로세싱 디바이스에서 실행가능한 명령어들을 포함하는 컴퓨터 프로그램 제품으로 구현될 수 있다. 본 명세서에 설명된 시스템들 또는 그 일부는 하나 이상의 프로세싱 디바이스, 및 본 명세서에 설명된 동작을 수행하기 위해 실행가능한 명령어들을 저장하기 위한 메모리를 포함할 수 있는 장치, 방법 또는 전자 시스템으로서 구현될 수 있다.
본 명세서에 설명된 기계 학습 모델의 분류 및 훈련의 실시예들은 디지털 전자 회로부, 실체있게 구현된(tangibly-embodied) 컴퓨터 소프트웨어 또는 펌웨어, 본 명세서에 개시된 구조물들 및 그 구조적 등가물들을 포함하는 컴퓨터 하드웨어, 또는 그들 중 하나 이상의 조합으로 구현될 수 있다. 본 명세서에 설명된 주제의 실시예들은 하나 이상의 컴퓨터 프로그램, 즉 데이터 프로세싱 장치에 의해 실행되거나 그것의 동작을 제어하기 위해 실체있는 비-일시적 저장 매체에 인코딩된 컴퓨터 프로그램 명령어들의 하나 이상의 모듈로서 구현될 수 있다. 컴퓨터 저장 매체는 기계 판독가능 저장 디바이스, 기계 판독가능 저장 기판, 랜덤 또는 직렬 액세스 메모리 디바이스, 또는 이들 중 하나 이상의 조합일 수 있다. 대안적으로 또는 추가로, 프로그램 명령어들은 데이터 프로세싱 장치에 의한 실행을 위해 적절한 수신기 장치에 전송하기 위한 정보를 인코딩하기 위해 생성되는, 인공적으로 생성된 전파 신호(artificially generated propagated signal), 예를 들어 기계-생성된(machine-generated) 전기적, 광학적 또는 전자기적 신호에 인코딩될 수 있다.
프로그램, 소프트웨어, 소프트웨어 애플리케이션, 앱, 모듈, 소프트웨어 모듈, 스크립트 또는 코드라고도 지칭될 수 있거나 설명될 수 있는 컴퓨터 프로그램은 컴파일되거나 해석된 언어들, 또는 선언적 또는 절차적 언어들을 포함하는 임의의 형태의 프로그래밍 언어로 작성될 수 있고; 독립형 프로그램 또는 모듈, 컴포넌트, 서브루틴, 또는 컴퓨팅 환경에서 사용하기에 적합한 다른 유닛을 포함하는 임의의 형태로 배치될 수 있다. 프로그램은 파일 시스템 내의 파일에 대응할 수 있지만 반드시 그럴 필요는 없다. 프로그램은 다른 프로그램들 또는 데이터를 보유하는 파일의 일부, 예를 들어 마크업 언어 문서에 저장된 하나 이상의 스크립트에, 해당 프로그램 전용인 단일 파일에, 또는 복수의 조정된 파일, 예를 들어 하나 이상의 모듈, 서브 프로그램 또는 코드 일부를 저장하는 파일들에 저장될 수 있다. 컴퓨터 프로그램은 하나의 컴퓨터, 또는 하나의 사이트에 위치되거나 복수의 사이트에 걸쳐 분산되고 데이터 통신 네트워크에 의해 상호연결된 복수의 컴퓨터에서 실행되도록 배치될 수 있다.
본 명세서에 설명된 프로세스들 및 로직 흐름들은 입력 데이터에 대해 동작하고 출력을 생성함으로써 기능들을 수행하기 위해 하나 이상의 컴퓨터 프로그램을 실행하는 하나 이상의 프로그래밍가능한 컴퓨터에 의해 수행될 수 있다. 프로세스들 및 로직 흐름들은 또한 특수 목적 로직 회로부, 예를 들어 FPGA 또는 ASIC에 의해, 또는 특수 목적 로직 회로부와 하나 이상의 프로그래밍된 컴퓨터의 조합에 의해 수행될 수 있다.
컴퓨터 프로그램의 실행에 적합한 컴퓨터들은 범용 또는 특수 목적의 마이크로프로세서 또는 둘 다, 또는 임의의 다른 종류의 중앙 프로세싱 유닛에 기초할 수 있다. 일반적으로, 중앙 프로세싱 유닛은 판독 전용 메모리 또는 랜덤 액세스 메모리 또는 둘 다로부터 명령어들 및 데이터를 수신할 것이다. 컴퓨터의 필수 요소들은 명령어들을 수행하거나 실행하기 위한 중앙 프로세싱 유닛, 및 명령어들 및 데이터를 저장하기 위한 하나 이상의 메모리 디바이스이다. 중앙 프로세싱 유닛 및 메모리는 특수 목적 로직 회로부에 의해 보완되거나 그에 통합될 수 있다. 일반적으로, 컴퓨터는 또한 데이터를 저장하기 위한 하나 이상의 대용량 저장 디바이스, 예를 들어 자기, 광자기 디스크들, 또는 광 디스크들을 포함하거나, 그로부터 데이터를 수신하거나 그에 데이터를 전송하거나 둘 다를 위해 그에 동작상 결합될 것이다. 그러나, 컴퓨터가 그러한 디바이스들을 반드시 가질 필요는 없다.
컴퓨터 프로그램 명령어들 및 데이터를 저장하기에 적합한 컴퓨터 판독가능 매체는 예를 들어 EPROM, EEPROM 및 플래시 메모리 디바이스들과 같은 반도체 메모리 디바이스들; 자기 디스크들, 예를 들어, 내부 하드 디스크들 또는 이동식 디스크들; 광자기 디스크들; 및 CD ROM 및 DVD-ROM 디스크들을 예로서 포함하는, 모든 형태의 비휘발성 메모리, 매체 및 메모리 디바이스를 포함한다.
기계 학습 모델들을 구현하기 위한 데이터 프로세싱 장치는 또한 예를 들어 기계 학습 훈련 또는 생산의 공통적이고 계산 집약적인 부분들, 즉 추론, 작업 부하들을 프로세싱하기 위한 특수 목적의 하드웨어 가속기 유닛을 포함할 수 있다.
기계 학습 모델들은 기계 학습 프레임워크, 예를 들어 TensorFlow 프레임워크, Microsoft Cognitive Toolkit 프레임워크, Apache Singa 프레임워크, 또는 Apache MXNet 프레임워크를 사용하여 구현되고 배치될 수 있다.
본 명세서에 설명된 주제의 실시예들은 예를 들어 데이터 서버로서 백엔드 컴포넌트를 포함하거나, 미들웨어 컴포넌트, 예를 들어 애플리케이션 서버를 포함하거나, 프런트엔드 컴포넌트, 예를 들어 사용자가 그를 통해 본 명세서에 설명된 주제의 구현과 상호작용할 수 있는 그래픽 사용자 인터페이스, 웹 브라우저, 또는 앱을 갖는 클라이언트 컴퓨터, 또는 하나 이상의 이러한 백엔드, 미들웨어, 또는 프런트엔드 컴포넌트의 임의의 조합을 포함하는 컴퓨팅 시스템에서 구현될 수 있다. 예를 들어, 시스템의 컴포넌트들은 디지털 데이터 통신의 임의의 형태 또는 매체, 예를 들어 통신 네트워크에 의해 상호연결될 수 있다. 통신 네트워크들의 예들은 근거리 네트워크(LAN) 및 광역 네트워크(WAN), 예를 들어 인터넷을 포함한다.
컴퓨팅 시스템은 클라이언트들 및 서버들을 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로 멀리 떨어져 있으며, 전형적으로 통신 네트워크를 통해 상호작용한다. 클라이언트와 서버의 관계는 개별 컴퓨터들 상에서 실행되고 서로 클라이언트-서버 관계를 갖는 컴퓨터 프로그램들로 인해 발생한다. 일부 실시예들에서, 서버는 예를 들어 클라이언트 역할을 하는 디바이스와 상호작용하는 사용자에게 데이터를 디스플레이하고 그로부터 사용자 입력을 수신할 목적으로 데이터, 예를 들어 HTML 페이지를 사용자 디바이스에 전송한다. 사용자 디바이스에서 생성된 데이터, 예를 들어 사용자 상호작용의 결과는 디바이스로부터 서버에서 수신될 수 있다.
본 명세서는 많은 특정 구현 세부사항을 포함하고 있지만, 이들은 임의의 발명의 범위 또는 청구될 수 있는 것의 범위에 대한 제한으로 해석되어서는 안 되고, 오히려 특정 발명들의 특정 실시예들에 특정할 수 있는 특징들의 설명들로 해석되어야 한다. 별개의 실시예들의 맥락에서 본 명세서에 설명되는 특정 특징들은 또한 단일 실시예에서 조합하여 구현될 수 있다. 반대로, 단일 실시예의 맥락에서 설명되는 다양한 특징들은 또한 복수의 실시예에서 개별적으로 또는 임의의 적절한 하위 조합으로 구현될 수 있다. 더욱이, 비록 특징들이 특정 조합들로 작용하는 것으로 위에서 설명될 수 있고 심지어 처음에는 그렇게 청구되지만, 청구된 조합으로부터의 하나 이상의 특징은 일부 경우들에서 조합으로부터 삭제될 수 있으며, 청구된 조합은 하위 조합 또는 하위 조합의 변형에 관한 것일 수 있다.
주제의 특정 실시예들이 설명되었다. 다른 실시예들은 이하의 청구항들의 범위 내에 있다.
다른 실시예들은 이하의 청구항들의 범위 내에 있다.

Claims (18)

  1. 연마 시스템으로서,
    연마 패드를 지지하기 위한 플래튼;
    상기 연마 패드에 맞닿아 기판을 유지하기 위한 캐리어 헤드;
    상기 플래튼, 상기 캐리어 헤드, 컨디셔너 암, 가열 시스템 또는 냉각 시스템의 암, 세정 시스템의 암, 와이퍼 블레이드, 로드 컵, 또는 로봇 암을 포함하는 컴포넌트들의 그룹으로부터 선택되는 컴포넌트;
    상기 컴포넌트의 모니터링 이미지들의 시간 기반 시퀀스를 캡처하도록 위치되는 카메라; 및
    제어기
    를 포함하고, 상기 제어기는:
    테스트 동작 동안 동작들을 수행하는 등가 연마 시스템의 등가 컴포넌트의 참조 이미지들의 시간 기반 시퀀스를 획득하고,
    기판의 연마 동안 상기 컴포넌트의 상기 모니터링 이미지들의 시간 기반 시퀀스를 상기 카메라로부터 수신하고,
    이미지 프로세싱 알고리즘을 이용하여, 상기 참조 이미지들의 시간 기반 시퀀스를 상기 모니터링 이미지들의 시간 기반 시퀀스와 비교함으로써, 상기 모니터링 이미지들의 시간 기반 시퀀스에 대한 차이 값을 결정하고,
    상기 차이 값이 임계치를 초과하는지를 결정함으로써, 예상 움직임 경로(expected path of motion)로부터의 상기 컴포넌트의 벗어남(departure), 또는 유체 디스펜서로부터의 유체의 과다 분무(overspray)를 이탈(excursion)로서 검출하고,
    상기 차이 값이 상기 임계치를 초과한다고 결정하는 것에 응답하여 상기 이탈을 표시하도록
    구성되는, 시스템.
  2. 제1항에 있어서, 상기 제어기는 상기 차이 값이 상기 임계치를 초과한다고 결정하는 것에 응답하여 상기 차이 값을 감소시키기 위해 상기 동작들을 수행하는 컴포넌트를 조절하기 위한 정정 동작들을 발생시키도록 구성되는, 시스템.
  3. 제1항에 있어서, 디스플레이를 더 포함하고, 상기 제어기는 상기 디스플레이 상에 사용자 프레젠테이션을 생성하도록 구성되고, 상기 사용자 프레젠테이션은 상기 모니터링 이미지들의 시간 기반 시퀀스, 및 상기 모니터링 이미지들의 시간 기반 시퀀스의 개별 특성을 각각 나타내는 하나 이상의 오버레이를 포함하는, 시스템.
  4. 컴퓨터 판독가능 매체에 유형으로(tangibly) 구현되는 컴퓨터 프로그램 제품으로서,
    하나 이상의 컴퓨터로 하여금:
    연마 시스템의 테스트 동작 동안 동작들을 수행하는 상기 연마 시스템의 컴포넌트의 참조 이미지들의 시간 기반 시퀀스를 저장하게 하고 - 상기 컴포넌트는 플래튼, 캐리어 헤드, 컨디셔너 암, 가열 시스템 또는 냉각 시스템의 암, 세정 시스템의 암, 와이퍼 블레이드, 로드 컵, 또는 로봇 암을 포함하는 그룹으로부터 선택됨 -,
    기판의 연마 동안 동작들을 수행하는 등가 연마 시스템의 등가 컴포넌트의 모니터링 이미지들의 시간 기반 시퀀스를 카메라로부터 수신하게 하고,
    이미지 프로세싱 알고리즘을 이용하여, 상기 참조 이미지들의 시간 기반 시퀀스를 상기 모니터링 이미지들의 시간 기반 시퀀스와 비교함으로써, 상기 모니터링 이미지들의 시간 기반 시퀀스에 대한 차이 값을 결정하게 하고,
    상기 차이 값이 임계치를 초과하는지를 결정하게 하고,
    상기 차이 값이 상기 임계치를 초과한다고 결정하는 것에 응답하여 이탈을 표시하게 하는 - 상기 이탈은 예상 움직임 경로로부터의 상기 컴포넌트의 벗어남, 또는 유체 디스펜서로부터의 유체의 과다 분무를 포함함 -
    명령어들을 포함하는, 컴퓨터 프로그램 제품.
  5. 제4항에 있어서, 사용자 인터페이스 컴포넌트 상에 사용자 프레젠테이션을 생성하기 위한 명령어들을 더 포함하고, 상기 사용자 프레젠테이션은 상기 모니터링 이미지들의 시간 기반 시퀀스, 및 상기 모니터링 이미지들의 시간 기반 시퀀스의 개별 특성을 각각 나타내는 하나 이상의 오버레이를 포함하는, 컴퓨터 프로그램 제품.
  6. 제4항에 있어서, 상기 차이 값이 상기 임계치를 초과한다고 결정하는 것에 응답하여 상기 차이 값을 감소시키기 위해 상기 동작들을 수행하는 등가 컴포넌트를 조절하기 위한 정정 동작들을 발생시키기 위한 명령어들을 더 포함하는, 컴퓨터 프로그램 제품.
  7. 제4항에 있어서, 상기 연마 시스템의 상기 컴포넌트가 참조 명령어들의 세트에 따라 동작들을 수행하고 있을 때 카메라로부터 상기 참조 이미지들의 시간 기반 시퀀스를 수신하고, 상기 등가 연마 시스템의 상기 등가 컴포넌트가 상기 참조 명령어들의 세트에 따라 동작들을 수행하고 있을 때 상기 카메라로부터 상기 모니터링 이미지들의 시간 기반 시퀀스를 수신하기 위한 명령어들을 포함하는, 컴퓨터 프로그램 제품.
  8. 연마 시스템의 동작들을 모니터링하기 위한 방법으로서,
    상기 연마 시스템의 테스트 동작 동안 동작들을 수행하는 상기 연마 시스템의 컴포넌트의 참조 이미지들의 시간 기반 시퀀스를 획득하는 단계 - 상기 컴포넌트는 플래튼, 캐리어 헤드, 컨디셔너 암, 가열 시스템 또는 냉각 시스템의 암, 세정 시스템의 암, 와이퍼 블레이드, 로드 컵, 또는 로봇 암을 포함하는 컴포넌트들의 그룹으로부터 선택됨 -;
    기판의 연마 동안 동작들을 수행하는 등가 연마 시스템의 등가 컴포넌트의 모니터링 이미지들의 시간 기반 시퀀스를 카메라로부터 수신하는 단계;
    이미지 프로세싱 알고리즘을 이용하여, 상기 참조 이미지들의 시간 기반 시퀀스를 상기 모니터링 이미지들의 시간 기반 시퀀스와 비교함으로써, 상기 모니터링 이미지들의 시간 기반 시퀀스에 대한 차이 값을 결정하는 단계;
    상기 차이 값이 임계치를 초과하는지를 결정하는 단계; 및
    상기 차이 값이 상기 임계치를 초과한다고 결정하는 것에 응답하여 이탈을 표시하는 단계 - 상기 이탈은 예상 움직임 경로로부터의 상기 컴포넌트의 벗어남, 또는 유체 디스펜서로부터의 유체의 과다 분무를 포함함 -
    를 포함하는, 방법.
  9. 연마 시스템으로서,
    연마 패드를 지지하기 위한 플래튼;
    상기 연마 패드에 맞닿아 기판을 유지하기 위한 캐리어 헤드;
    상기 플래튼, 상기 캐리어 헤드, 컨디셔너 암, 로드 컵, 또는 로봇 암을 포함하는 컴포넌트들의 그룹으로부터 선택되는 컴포넌트;
    상기 컴포넌트의 모니터링 이미지들의 시간 기반 시퀀스를 캡처하도록 위치되는 카메라; 및
    제어기
    를 포함하고, 상기 제어기는:
    기판의 연마 동안 동작들을 수행하는 컴포넌트의 모니터링 이미지들의 시간 기반 시퀀스를 상기 카메라로부터 수신하고,
    예상되는 동작들로부터의 상기 컴포넌트의 이탈들을 검출하고 표시하기 위해 훈련 예제들(training examples)에 의해 훈련된 기계 학습 모델을 사용하여 상기 모니터링 이미지들의 시간 기반 시퀀스를 분석하고 - 상기 훈련 예제들은 테스트 동작 동안 동작들을 수행하는 참조 연마 시스템의 참조 컴포넌트의 참조 이미지들의 시간 기반 시퀀스를 포함함 - ,
    상기 분석에 기초하여 이탈을 표시하도록
    구성되는, 시스템.
  10. 제9항에 있어서, 상기 기계 학습 모델은 객체 추적 알고리즘을 사용하여, 입력된 상기 모니터링 이미지들의 시간 기반 시퀀스에 기초하여 상기 컴포넌트의 움직임들을 결정하도록 구성되는, 시스템.
  11. 제9항에 있어서, 상기 이탈은 예상 움직임 경로로부터의 상기 컴포넌트의 벗어남을 포함하는, 시스템.
  12. 컴퓨터 판독가능 매체에 유형으로 구현되는 컴퓨터 프로그램 제품으로서,
    하나 이상의 컴퓨터로 하여금:
    기판의 연마 동안 동작들을 수행하는 연마 시스템의 컴포넌트의 모니터링 이미지들의 시간 기반 시퀀스를 카메라로부터 수신하게 하고,
    예상되는 동작들로부터의 상기 컴포넌트의 이탈들을 검출하고 표시하기 위해 훈련 예제들에 의해 훈련된 기계 학습 모델을 사용하여 상기 모니터링 이미지들의 시간 기반 시퀀스를 분석하게 하는 - 상기 훈련 예제들은 테스트 동작 동안 동작들을 수행하는 참조 연마 시스템의 참조 컴포넌트의 참조 이미지들의 시간 기반 시퀀스를 포함함 -
    명령어들을 포함하는, 컴퓨터 프로그램 제품.
  13. 제12항에 있어서, 상기 기계 학습 모델은 객체 추적 알고리즘을 사용하여, 입력된 상기 모니터링 이미지들의 시간 기반 시퀀스에 기초하여 상기 컴포넌트의 움직임들을 결정하도록 구성되는, 컴퓨터 프로그램 제품.
  14. 제12항에 있어서, 상기 기계 학습 모델은 입력된 상기 모니터링 이미지들의 시간 기반 시퀀스에 기초하여 상기 컴포넌트의 물리적 필드 프로파일(physical field profile)을 예측하도록 구성되는, 컴퓨터 프로그램 제품.
  15. 제14항에 있어서, 상기 컴포넌트의 상기 물리적 필드 프로파일은 회전 연마 패드의 온도 필드, 또는 웨이퍼에 가해지는 압력 필드를 포함하는, 컴퓨터 프로그램 제품.
  16. 제12항에 있어서, 상기 이탈은 예상 움직임 경로로부터의 상기 컴포넌트의 벗어남, 유체 디스펜서로부터의 유체의 과다 분무, 또는 연마되고 있을 때의 웨이퍼 미끄러짐을 포함하는, 컴퓨터 프로그램 제품.
  17. 제12항에 있어서, 사용자 인터페이스 컴포넌트 상에 사용자 프레젠테이션을 생성하기 위한 명령어들을 더 포함하고, 상기 사용자 프레젠테이션은 상기 모니터링 이미지들의 시간 기반 시퀀스, 및 상기 모니터링 이미지들의 시간 기반 시퀀스의 개별 특성을 각각 나타내는 하나 이상의 오버레이를 포함하는, 컴퓨터 프로그램 제품.
  18. 연마 시스템의 동작을 모니터링하기 위한 방법으로서,
    기판의 연마 동안 동작들을 수행하는 연마 시스템의 컴포넌트의 모니터링 이미지들의 시간 기반 시퀀스를 카메라로부터 수신하는 단계;
    예상되는 동작들로부터의 상기 컴포넌트의 이탈들을 검출하기 위해 훈련 예제들에 의해 훈련된 기계 학습 모델에 상기 모니터링 이미지들의 시간 기반 시퀀스의 분석을 입력하는 단계 - 상기 훈련 예제들은 테스트 동작 동안 동작들을 수행하는 참조 연마 시스템의 참조 컴포넌트의 참조 이미지들의 시간 기반 시퀀스를 포함함 -; 및
    상기 기계 학습 모델로부터, 예상되는 동작들로부터의 상기 컴포넌트의 이탈의 표시를 수신하는 단계
    를 포함하는, 방법.
KR1020237033625A 2021-03-05 2022-02-23 이미지들의 시간 기반 시퀀스를 사용하는 cmp 컴포넌트의 이탈 검출 KR20230153443A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202163157616P 2021-03-05 2021-03-05
US63/157,616 2021-03-05
PCT/US2022/017548 WO2022187057A1 (en) 2021-03-05 2022-02-23 Detecting an excursion of a cmp component using time-based sequence of images

Publications (1)

Publication Number Publication Date
KR20230153443A true KR20230153443A (ko) 2023-11-06

Family

ID=83066623

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237033625A KR20230153443A (ko) 2021-03-05 2022-02-23 이미지들의 시간 기반 시퀀스를 사용하는 cmp 컴포넌트의 이탈 검출

Country Status (6)

Country Link
US (3) US12079984B2 (ko)
JP (1) JP2024508936A (ko)
KR (1) KR20230153443A (ko)
CN (1) CN115008339B (ko)
TW (1) TWI841927B (ko)
WO (1) WO2022187057A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12079984B2 (en) * 2021-03-05 2024-09-03 Applied Materials, Inc. Detecting an excursion of a CMP component using time-based sequence of images

Family Cites Families (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3639329C1 (de) 1986-11-18 1988-02-25 Heesemann Karl Masch Bandschleifmaschine
US7751609B1 (en) 2000-04-20 2010-07-06 Lsi Logic Corporation Determination of film thickness during chemical mechanical polishing
TW545580U (en) 2002-06-07 2003-08-01 Nanya Technology Corp CMP device of measuring apparatus with a notched size for measuring the guide ring of wafer edge
JP3793810B2 (ja) 2002-07-09 2006-07-05 独立行政法人国立高等専門学校機構 研削工具の砥面状態検査方法
CN101023429B (zh) 2004-07-02 2010-09-01 斯特拉斯鲍公司 用于处理晶片的方法和系统
JP2006035353A (ja) 2004-07-26 2006-02-09 Seiko Epson Corp Ｃｍｐ装置、ｃｍｐ研磨方法、及び、半導体装置の製造方法
US7397552B2 (en) 2004-09-27 2008-07-08 Applied Materials, Israel, Ltd. Optical inspection with alternating configurations
US7416648B2 (en) 2005-05-12 2008-08-26 Taiwan Semiconductor Manufacturing Company, Ltd. Image sensor system for monitoring condition of electrode for electrochemical process tools
WO2006124637A1 (en) 2005-05-16 2006-11-23 The Ultran Group, Inc. Ultraschallanalysator fur chemisch-mechanisches polierkissen
US7210981B2 (en) 2005-05-26 2007-05-01 Applied Materials, Inc. Smart conditioner rinse station
JP4660569B2 (ja) * 2008-03-21 2011-03-30 株式会社東芝 物体検出装置及び物体検出方法
JP5518359B2 (ja) 2009-03-31 2014-06-11 能美防災株式会社 煙検出装置
US8666665B2 (en) 2010-06-07 2014-03-04 Applied Materials, Inc. Automatic initiation of reference spectra library generation for optical monitoring
KR101322410B1 (ko) 2012-03-08 2013-10-28 김오수 화학기계식 웨이퍼연마장치
WO2014138087A1 (en) * 2013-03-04 2014-09-12 Rite-Hite Holding Corporation Methods and apparatus for video based process monitoring and control
US9343043B2 (en) * 2013-08-01 2016-05-17 Google Inc. Methods and apparatus for generating composite images
US9240042B2 (en) 2013-10-24 2016-01-19 Globalfoundries Inc. Wafer slip detection during CMP processing
WO2016160732A1 (en) * 2015-03-27 2016-10-06 Prashant Choudhary Autonomous cooking device to prepare food from a recipe file and method for creating recipe files
US10565701B2 (en) * 2015-11-16 2020-02-18 Applied Materials, Inc. Color imaging for CMP monitoring
US10360477B2 (en) 2016-01-11 2019-07-23 Kla-Tencor Corp. Accelerating semiconductor-related computations using learning based models
KR102304331B1 (ko) * 2017-02-24 2021-09-24 에이에스엠엘 네델란즈 비.브이. 기계 학습에 의해 공정 모델들을 결정하는 방법들
US10127943B1 (en) * 2017-03-02 2018-11-13 Gopro, Inc. Systems and methods for modifying videos based on music
JP7356996B2 (ja) 2018-03-13 2023-10-05 アプライド マテリアルズ インコーポレイテッド 化学機械研磨装置における消耗部品モニタリング
KR20200123858A (ko) * 2018-03-21 2020-10-30 케이엘에이 코포레이션 합성 이미지를 사용한 머신 러닝 모델 트레이닝
US11806833B2 (en) 2018-08-31 2023-11-07 Taiwan Semiconductor Manufacturing Co., Ltd. Chemical mechanical planarization system and a method of using the same
US11731232B2 (en) 2018-10-30 2023-08-22 Taiwan Semiconductor Manufacturing Company, Ltd. Irregular mechanical motion detection systems and method
WO2020137802A1 (ja) 2018-12-28 2020-07-02 株式会社荏原製作所 パッド温度調整装置、パッド温度調整方法、研磨装置、および研磨システム
US11635699B2 (en) * 2018-12-28 2023-04-25 Asml Netherlands B.V. Determining pattern ranking based on measurement feedback from printed substrate
CN113614638A (zh) * 2019-03-21 2021-11-05 Asml荷兰有限公司 用于机器学习辅助的光学邻近效应误差校正的训练方法
US11551348B2 (en) * 2019-04-09 2023-01-10 KLA Corp. Learnable defect detection for semiconductor applications
TW202044394A (zh) 2019-05-22 2020-12-01 日商荏原製作所股份有限公司 基板處理系統
SG10202006423VA (en) 2019-07-12 2021-02-25 Ebara Corp Substrate processing apparatus and storage medium
CN114207517A (zh) * 2019-08-13 2022-03-18 Asml荷兰有限公司 训练用于改善图案化过程的机器学习模型的方法
US20220342316A1 (en) * 2019-09-05 2022-10-27 Asml Netherlands B.V. Method for determining defectiveness of pattern based on after development image
WO2021052712A1 (en) * 2019-09-16 2021-03-25 Asml Netherlands B.V. Methods for generating characteristic pattern and training machine learning model
JP2021058955A (ja) 2019-10-04 2021-04-15 株式会社荏原製作所 研磨装置、情報処理システム、情報処理方法及びプログラム
KR20220073828A (ko) * 2019-11-01 2022-06-03 에이에스엠엘 네델란즈 비.브이. 모델 베이스 정렬들을 위한 기계 학습 기반 이미지 생성
US11961219B2 (en) * 2020-02-27 2024-04-16 KLA Corp. Generative adversarial networks (GANs) for simulating specimen images
US11189509B2 (en) * 2020-05-04 2021-11-30 Nanya Technology Corporation System and method for controlling semiconductor manufacturing equipment
DE102020206497A1 (de) * 2020-05-25 2021-11-25 Thyssenkrupp Ag Verfahren zum maschinellen Ermitteln des Funktionszustands von Tragrollen einer Gurtförderanlage, Verfahren zur Identifikation von funktionsbeeinträchtigen Tragrollen einer Gurtförderanlage, Computerprogramm zur Durchführung der Verfahren, maschinenlesbarer Datenträger mit einem darauf gespeicherten Computerprogramm und Einrichtung zum maschinellen Ermitteln des Funktionsstatus von Tragrollen einer Gurtförderanlage
US11776108B2 (en) * 2020-08-05 2023-10-03 KLA Corp. Deep learning based defect detection
US12079984B2 (en) * 2021-03-05 2024-09-03 Applied Materials, Inc. Detecting an excursion of a CMP component using time-based sequence of images

Also Published As

Publication number Publication date
US11710228B2 (en) 2023-07-25
US20220284560A1 (en) 2022-09-08
WO2022187057A1 (en) 2022-09-09
US20220284561A1 (en) 2022-09-08
CN115008339B (zh) 2023-12-26
US20230316502A1 (en) 2023-10-05
TW202247944A (zh) 2022-12-16
CN115008339A (zh) 2022-09-06
TWI841927B (zh) 2024-05-11
JP2024508936A (ja) 2024-02-28
US12079984B2 (en) 2024-09-03

Similar Documents

Publication Publication Date Title
TWI820308B (zh) 監視化學機械拋光中的拋光墊紋理
TWI775569B (zh) 研磨裝置、研磨方法、以及電腦程式製品
US20120270477A1 (en) Measurement of pad thickness and control of conditioning
JP6782145B2 (ja) 基板処理制御システム、基板処理制御方法、およびプログラム
JP6753758B2 (ja) 研磨装置、研磨方法およびプログラム
US20230316502A1 (en) Training a machine learning system to detect an excursion of a cmp component using time-based sequence of images
US11396082B2 (en) Substrate holding device and substrate processing apparatus including the same
TW202232600A (zh) 經由定向的晶圓裝載作不對稱性校正
TWI826943B (zh) 用於對保持環評估拋光及優化拋光的方法以及包括執行該方法的電腦程式編碼的非瞬態電腦可讀媒體
KR20230028552A (ko) 적응형 슬러리 분배 시스템
JP7540075B2 (ja) 機械学習に基づく熱画像処理を使用した化学機械研磨プロセスの監視
WO2023112830A1 (ja) 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法
TW202432302A (zh) 用於使用基於時間的圖像序列檢測cmp部件的偏移的系統、方法及電腦程式產品
TWI856837B (zh) 監視化學機械拋光中的拋光墊紋理
JP2023090667A (ja) 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法