TW202309755A - 用於無接觸處理腔室特徵化的方法及機制 - Google Patents

用於無接觸處理腔室特徵化的方法及機制 Download PDF

Info

Publication number
TW202309755A
TW202309755A TW111125505A TW111125505A TW202309755A TW 202309755 A TW202309755 A TW 202309755A TW 111125505 A TW111125505 A TW 111125505A TW 111125505 A TW111125505 A TW 111125505A TW 202309755 A TW202309755 A TW 202309755A
Authority
TW
Taiwan
Prior art keywords
sensor
processing
transfer chamber
data
robot
Prior art date
Application number
TW111125505A
Other languages
English (en)
Inventor
維維克Ｂ 沙阿
純磊 張
Original Assignee
美商應用材料股份有限公司
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 美商應用材料股份有限公司 filed Critical 美商應用材料股份有限公司
Publication of TW202309755A publication Critical patent/TW202309755A/zh

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—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
    • H01L21/677—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 conveying, e.g. between different workstations
    • H01L21/67739—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 conveying, e.g. between different workstations into and out of processing chamber
    • H01L21/67742—Mechanical parts of transfer devices
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67155—Apparatus for manufacturing or treating in a plurality of work-stations
    • H01L21/67161—Apparatus for manufacturing or treating in a plurality of work-stations characterized by the layout of the process chambers
    • H01L21/67167—Apparatus for manufacturing or treating in a plurality of work-stations characterized by the layout of the process chambers surrounding a central transfer chamber
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67155—Apparatus for manufacturing or treating in a plurality of work-stations
    • H01L21/6719—Apparatus for manufacturing or treating in a plurality of work-stations characterized by the construction of the processing chambers, e.g. modular processing chambers
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67155—Apparatus for manufacturing or treating in a plurality of work-stations
    • H01L21/67196—Apparatus for manufacturing or treating in a plurality of work-stations characterized by the construction of the transfer chamber
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67155—Apparatus for manufacturing or treating in a plurality of work-stations
    • H01L21/67201—Apparatus for manufacturing or treating in a plurality of work-stations characterized by the construction of the load-lock chamber
    • 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
    • H01L21/67248—Temperature monitoring
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67259—Position monitoring, e.g. misposition detection or presence detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Robotics (AREA)
  • Chemical Vapour Deposition (AREA)
  • Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
  • Manipulator (AREA)
  • General Factory Administration (AREA)

Abstract

本文揭示了傳遞腔室機器人及其使用方法的實施例。在一個實施例中，一種用於電子元件製造系統的處理工具包含傳遞腔室、耦接到傳遞腔室的處理腔室、及傳遞腔室機器人。傳遞腔室機器人經配置為將基板傳遞到處理腔室及從處理腔室傳遞基板，並且包含經配置為在處理腔室內部進行量測的感測器。

Description

用於無接觸處理腔室特徵化的方法及機制
本揭示的實施例大體係關於用於半導體處理腔室的無接觸特徵化的方法及機制。
電子製造系統大體包括在操作期間經受真空的多個處理腔室。在製造基板期間，將污染物及殘留沉積物引入處理腔室的各個部件中。因此，處理腔室需要週期性地檢查，並且基於污染位準或沉積物位準，清潔處理腔室以從壁及氣體分配板移除污染物及殘留沉積物。
傳統上，操作人員將週期性地斷開真空系統並且移除電子製造系統的部件（諸如處理腔室門）以檢查處理腔室並且決定是否需要清潔。然而，此舉係耗時、昂貴、且低效的製程。或者，一些電子製造系統將處理腔室壁修改為包括用於偵測沉積物堆積的感測器。然而，此等壁感測器將缺陷引入處理腔室並且影響電漿均勻性。
本揭示的某些實施例係關於一種用於電子元件製造系統的處理工具。處理工具包含傳遞腔室、耦接到傳遞腔室的處理腔室、及經配置為將基板傳遞到處理腔室及從處理腔室傳遞基板的傳遞腔室機器人。傳遞腔室機器人包含經配置為在處理腔室內部進行量測的感測器。
本揭示的另一態樣係關於一種電子元件製造系統，包含裝載閘及處理工具。處理工具包含傳遞腔室、耦接到傳遞腔室的處理腔室、及經配置為將基板傳遞到處理腔室及從處理腔室傳遞基板的傳遞腔室機器人。傳遞腔室機器人包含經配置為在處理腔室內部進行量測的感測器。
本揭示的另一態樣係關於一種傳遞腔室機器人。傳遞腔室機器人包含：臂組件，包含複數個連桿；端效器，耦接到臂組件，其中端效器經配置為將基板傳遞到處理腔室及從處理腔室傳遞基板；以及感測器，耦接到臂組件並且經配置為在處理腔室內部進行量測。
本揭示的另一態樣係關於一種方法，該方法包含：藉由處理器定位處理腔室內的傳遞腔室機器人的一部分，該部分包含至少一個感測器；藉由一或多個感測器獲得與處理腔室相關聯的感測器資料；以及從處理腔室移除傳遞腔室機器人的該部分。
本揭示的另一態樣包括一種方法，該方法包含藉由處理器，藉由處理腔室處的感測器裝置產生複數個感測器值。方法進一步包括將機器學習模型應用於複數個感測器值，該機器學習模型基於處理腔室的子系統的歷史感測器資料及與用於沉積膜的配方相關聯的任務資料來訓練。方法進一步包括產生機器學習模型的輸出，其中輸出指示子系統的失效類型。方法進一步包括決定子系統的失效類型並且基於失效類型來產生校正動作。
本文描述了涉及用於製造系統的半導體處理腔室的無接觸特徵化的方法及機制的技術。膜可以在製造系統的處理腔室處執行的沉積製程（例如，沉積(CVD)製程、原子層沉積(atomic layer deposition; ALD)製程等等）期間在基板表面上沉積。例如，在CVD製程中，將基板暴露於一或多種前驅物，該等前驅物在基板表面上反應以產生期望沉積物。膜可以包括在沉積製程期間形成的一或多層材料，並且每個層可以包括特定厚度梯度（例如，沿著沉積膜的層的厚度改變）。例如，第一層可以直接在基板表面（被稱為膜的近端層或近端）上形成並且具有第一厚度。在基板表面上形成第一層之後，具有第二厚度的第二層可以在第一層上形成。此製程繼續直到完成沉積製程並且形成膜的最終層（被稱為膜的遠端層或遠端）。膜可以包括不同材料的交替層。例如，膜可以包括氧化物及氮化物層的交替層（氧化物-氮化物-氧化物-氮化物堆疊或ONON堆疊）、交替的氧化物及聚矽層（氧化物-聚矽-氧化物-聚矽堆疊或OPOP堆疊）等等。膜可以隨後經受例如蝕刻製程以在基板表面上形成圖案、經受化學機械研磨(chemical-mechanical polishing; CMP)製程以平滑膜的表面、或經受製造完成的基板所需要的任何其他製程。
在沉積製程及蝕刻製程期間，處理腔室可以經歷劣化條件，諸如堆積污染物、對某些部件的腐蝕等。未能捕捉及修復此等劣化條件可以導致基板中的缺陷、導致次品、降低製造良率、及顯著停機時間及修復時間。
現有系統可將處理腔室壁修改為包括用於偵測此種劣化條件的感測器。然而，此等侵入式壁感測器將缺陷引入處理腔室並且影響電漿均勻性。此可以導致實現最佳處理腔室壓力及處理氣體的流動速率的延遲，從而可以導致膜變形。另外，因為可能需要在消費者現場修改處理腔室，所以此等感測器可能難以安裝。
本揭示的態樣及實施方式解決了藉由用一或多個感測器裝備傳遞腔室機器人的現有技術的此等及其他缺點，該等感測器能夠執行量測並且從處理腔室內部擷取資料。特定而言，電子元件製造系統可以在傳遞腔室中採用機器人設備（例如，傳遞腔室機器人），該傳遞腔室經配置為在裝載閘與處理腔室之間運輸基板。傳遞腔室、處理腔室、及裝載閘可在某些時間在真空下操作。傳遞腔室機器人可以裝備有一或多個感測器，該等感測器用於表徵、讀取、或量測處理腔室的一或多個態樣。感測器可包括下列的一或多個：加速計、距離感測器（例如，用於決定在兩個物件之間的高度、寬度或長度）、相機（例如，高解析度相機、高速相機等）、電容感測器、反射計、高溫計（例如，遙感溫度計、紅外相機等）、雷射誘導的螢光分光鏡、光纖光學元件等。
在一些實施例中，感測器可以耦接到傳遞腔室機器人的端效器或傳遞腔室機器人的一或多個接頭。在其他實施例中，傳遞腔室機器人可以包括可以用於操作感測器的額外連桿及/或更多自由度。特定而言，傳遞腔室機器人可以包括一或多個額外連桿以耦接到感測器、及/或一或多個額外自由度以平移、旋轉及/或定位處理腔室內的感測器。藉由感測器擷取的資料可以發送到使用者介面或資料庫用於處理及分析。基於資料，製造系統的操作人員可以決定是否暫停操作並且執行維護，或繼續製造基板。
在一些實施例中，預測系統可以訓練及應用機器學習模型到當前感測器值以產生輸出，諸如，指示處理腔室子系統的故障模式（例如，異常行為）的一或多個值及/或指示已發生的故障類型（例如，問題、失效等）的預測資料。在一些實施例中，輸出係指示在處理腔室子系統的希望行為與處理腔室子系統的實際行為之間的差異的值。在一些實施例中，值指示與處理腔室子系統相關聯的故障模式。在一些實施例中，系統可以隨後將故障模式與已知故障模式的程式庫進行比較以決定由子系統經歷的失效類型。在一些實施例中，系統執行校正動作以基於故障模式調節沉積製程配方的一或多個參數（例如，處理腔室的溫度設置、處理腔室的壓力設置、在基板表面上沉積的膜中包括的材料的前驅物的流動速率設置等）。
本揭示的態樣導致執行處理腔室的檢查所需的時間的顯著減少的技術優點。配置允許傳遞腔室機器人在每次傳遞腔室機器人將基板放置到處理腔室中或從處理腔室擷取基板時執行檢查並且表徵處理腔室。執行檢查，同時維持真空環境，因此消除對斷開真空系統並且移除與人工檢查相關聯的電子製造系統的部件（諸如處理腔室門）的需要。配置亦消除處理腔室的缺陷及與處理腔室內的安裝感測器相關聯的電漿均勻性問題。
第1圖描繪了根據本揭示的態樣的說明性電腦系統架構100。在一些實施例中，電腦系統架構100可以作為用於處理基板的製造系統（諸如第3圖的製造系統300）的部分包括在內。電腦系統架構100包括客戶端裝置120、製造設備124、計量設備128、預測伺服器112（例如，用於產生預測資料、提供模型適應、使用知識庫等）、及資料儲存器140。預測伺服器112可以係預測系統110的部分。預測系統110可以進一步包括伺服器機器170及180。製造設備124可以包括經配置為捕獲在製造系統處處理的基板的資料的感測器126。在一些實施例中，製造設備124及感測器126可以係感測器系統的部分，該感測器系統包括感測器伺服器（例如，製造設施處的現場服務伺服器(field service server; FSS)）及感測器識別符讀取器（例如，感測器系統的前開式晶圓傳送盒(front opening unified pod; FOUP)射頻識別(radio frequency identification; RFID)讀取器）。在一些實施例中，計量設備128可以係計量系統的部分，該計量系統包括計量伺服器（例如，計量資料庫、計量文件庫等）及計量識別符讀取器（例如，計量系統的FOUP RFID讀取器）。
製造設備124可以在一段時間中根據配方或執行運行來生產產品，諸如電子元件。製造設備124可以包括處理腔室，諸如關於第4圖描述的處理腔室400。製造設備124可以執行處理腔室處的基板（例如，晶圓等）的製程。基板製程的實例包括用於在基板表面上沉積一或多層膜的沉積製程、用於在基板表面上形成圖案的蝕刻製程等。製造設備124可以根據製程配方執行每個製程。製程配方定義在製程期間待針對基板執行的操作的特定集合並且可以包括與每個操作相關聯的一或多個設置。例如，沉積製程配方可以包括處理腔室的溫度設置、處理腔室的壓力設置、在基板表面上沉積的膜中包括的材料的前驅物的流動速率設置等。
在一些實施例中，製造設備124包括感測器126，該等感測器經配置為產生與製造系統100處處理的基板相關聯的資料。例如，處理腔室可以包括一或多個感測器，該等感測器經配置為在針對基板執行製程（例如，沉積製程）之前、期間、及/或之後產生與基板相關聯的光譜或非光譜資料。在一些實施例中，一或多個感測器可以耦接到傳遞腔室機器人。特定而言，製造設備124可以在傳遞腔室中採用機器人設備（例如，傳遞腔室機器人），該傳遞腔室經配置為在裝載閘與處理腔室之間運輸基板。關於第3圖更詳細描述處理腔室機器人。在一實例中，感測器可以附接到用於支撐基板的傳遞腔室機器人的端效器。關於第5圖及第6圖提供關於附接的感測器的另外細節。
在一些實施例中，感測器126產生的光譜資料可以指示在基板表面上沉積的一或多種材料的濃度。經配置為產生與基板相關聯的光譜資料的感測器126可以包括反射量測感測器、橢圓量測感測器、熱譜感測器、電容感測器等等。經配置為產生與基板相關聯的非光譜資料的感測器126可以包括溫度感測器、壓力感測器、流動速率感測器、電壓感測器等。關於第3圖及第4圖提供有關製造設備124的另外細節。
在一些實施例中，感測器126提供與製造設備124相關聯（例如，與藉由製造設備124產生對應產品（諸如晶圓）相關聯）的感測器資料（例如，感測器值、特徵、跡線資料）。製造設備124可在一段時間中根據配方或藉由執行運行來產生產品。在一段時間中（例如，對應於配方或運行的至少部分）接收的感測器資料可稱為隨著時間從不同感測器126接收的跡線資料（例如，歷史跡線資料、當前跡線資料等）。感測器資料可以包括下列的一或多個的值：溫度（例如，加熱器溫度）、間隔(spacing; SP)、壓力、高頻射頻(high frequency radio frequency; HFRF)、靜電夾盤(electrostatic chuck; ESC)的電壓、電流、材料流量、功率、電壓等。感測器資料可以與製造參數相關聯或指示製造參數，製造參數諸如硬體參數，諸如製造設備124的設置或部件（例如，大小、類型等）、或製造設備124的處理參數。感測器資料可以在製造設備124執行製造製程時提供（例如，當處理產品時的設備讀數）。感測器資料可以針對每個基板不同。
計量設備128可以提供與藉由製造設備124處理的基板相關聯的計量資料。計量資料可以包括下列的值：膜性質資料（例如，晶圓空間膜性質）、尺寸（例如，厚度、高度等）、介電常數、摻雜劑濃度、密度、缺陷等。在一些實施例中，計量資料可以進一步包括下列的值：一或多個表面分佈性質資料（例如，蝕刻速率、蝕刻速率均勻性、在基板表面上包括的一或多個特徵的關鍵尺寸、跨基板表面的關鍵尺寸均勻性、邊緣放置誤差等）。計量資料可以係完成或半完成產品的計量資料。計量資料可以針對每個基板不同。計量資料可以使用例如反射量測技術、橢圓量測技術、TEM技術等等產生。
在一些實施例中，計量設備128可以作為製造設備124的一部分包括在內。例如，計量設備128可以包括在處理腔室內部或耦接到處理腔室並且經配置為在製程（例如，沉積製程、蝕刻製程等）之前、期間、及/或之後產生基板的計量資料，同時基板保留在處理腔室中。在此種情況中，計量設備128可以被稱為原位計量設備。在另一實例中，計量設備128可以耦接到製造設備124的另一站。例如，計量設備可以耦接到傳遞腔室（諸如第3圖的傳遞腔室310）、裝載閘（諸如裝載閘320）、或工廠介面（諸如工廠介面306）。在此種情況中，計量設備128可以被稱為整合的計量設備。在其他或類似實施例中，計量設備128不耦接到製造設備124的站。在此種情況中，計量設備128可以被稱為在線計量設備或外部計量設備。在一些實施例中，整合的計量設備及/或在線計量設備經配置為在製程之前及/或之後產生基板的計量資料。
客戶端裝置120可包括計算裝置，諸如個人電腦(personal computer; PC)、膝上型電腦、行動電話、智慧電話、平板電腦、筆記本電腦、網路連接電視（「智慧TV」）、網路連接媒體播放機（例如，藍光播放機）、機上盒、雲上(over-the-top; OTT)串流裝置、運營商盒等。在一些實施例中，可以從客戶端裝置120接收計量資料。客戶端裝置120可以顯示圖形使用者介面(graphical user interface; GUI)，其中GUI使使用者能夠提供在製造系統處處理的基板的計量量測值作為輸入。客戶端裝置120可以包括校正動作部件122。校正動作部件122可以接收與製造設備124相關聯的指示的使用者輸入（例如，經由圖形使用者介面(GUI)，其經由客戶端裝置120顯示）。在一些實施例中，校正動作部件122將指示發送到預測系統110、從預測系統110接收輸出（例如，預測資料）、基於輸出來決定校正動作、及導致實施校正動作。在一些實施例中，校正動作部件122從預測系統110接收對校正動作的指示並且導致實施校正動作。每個客戶端裝置120可包括作業系統，該作業系統允許使用者進行下列的一或多個：產生、查看、或編輯資料（例如，與製造設備124相關聯的指示、與製造設備124相關聯的校正動作等）。
資料儲存器140可以係記憶體（例如，隨機存取記憶體）、驅動器（例如，硬碟、快閃驅動器）、資料庫系統、或能夠儲存資料的另一類型的部件或裝置。資料儲存器140可以包括可以跨越多個計算裝置（例如，多個伺服器電腦）的多個儲存部件（例如，多個驅動器或多個資料庫）。資料儲存器140可以儲存與製造設備124處處理基板相關聯的資料。例如，資料儲存器140可以在基板製程之前、期間、或之後儲存在製造設備124處藉由感測器126收集的資料（被稱為處理資料）。處理資料可以指歷史處理資料（例如，針對製造系統處處理的先前基板產生的處理資料）及/或當前處理資料（例如，針對製造系統處處理的當前基板產生的處理資料）。資料儲存器亦可以儲存與製造設備124處處理的基板的一部分相關聯的光譜資料或非光譜資料。光譜資料可以包括歷史光譜資料及/或當前光譜資料。
資料儲存器140亦可以儲存與製造系統處處理的一或多個基板相關聯的上下文資料。上下文資料可以包括配方名稱、配方步驟數目、預防維護指示符、操作人員等。上下文資料可以指歷史上下文資料（例如，與針對先前基板執行的先前製程相關聯的上下文資料）及/或當前處理資料（例如，與待針對先前基板執行的當前製程或未來製程相關聯的上下文資料）。上下文資料可以進一步包括識別與處理腔室的特定子系統相關聯的感測器。
資料儲存器140亦可以儲存任務資料。任務資料可以包括在沉積製程期間待針對基板執行的操作的一或多個集合並且可以包括與每個操作相關聯的一或多個設置。例如，沉積製程的任務資料可以包括處理腔室的溫度設置、處理腔室的壓力設置、在基板上沉積的膜的材料的前驅物的流動速率設置等。在另一實例中，任務資料可以包括針對流量值將壓力控制在定義的壓力點。任務資料可以指歷史任務資料（例如，與針對先前基板執行的先前製程相關聯的任務資料）及/或當前任務資料（例如，與當前製程或待針對先前基板執行的未來製程相關聯的任務資料）。
在一些實施例中，資料儲存器140可以儲存希望分佈、厚度分佈、及校正分佈。希望分佈可以包括與希望藉由某一處理配方產生的期望膜分佈相關聯的一或多個資料點。在一些實施例中，希望分佈可以包括膜的期望厚度。厚度分佈包括與藉由製造設備124產生的當前膜分佈相關聯的一或多個資料點。可以使用計量設備127、128量測厚度分佈。校正分佈可以包括應用於處理腔室或處理配方的參數的一或多個調節或偏移。例如，校正分佈可以包括調節處理腔室的溫度設置、處理腔室的壓力設置、在基板表面上沉積的膜中包括的材料的前驅物的流動速率設置、供應到處理腔室的功率、兩個或多個設置的比率等。校正分佈可以藉由以下產生：比較希望分佈（例如，藉由處理配方產生的所希望厚度分佈），並且使用已知故障模式的程式庫及/或演算法決定應用於處理配方的參數以實現希望分佈的調節。校正分佈可以應用於與沉積製程、蝕刻製程等相關聯的步驟。
在一些實施例中，資料儲存器140可以經配置為儲存製造系統的使用者不可存取的資料。例如，針對在製造系統處處理的基板獲得的處理資料、光譜資料、上下文資料等為製造系統的使用者（例如，操作人員）不可存取的。在一些實施例中，在資料儲存器140處儲存的所有資料可以藉由製造系統的使用者無法存取。在其他或類似實施例中，在資料儲存器140處儲存的資料的一部分不能由使用者存取，而在資料儲存器140處儲存的資料的另一部分可以由使用者存取。在一些實施例中，可以使用使用者未知的加密機制來加密在資料儲存器140處儲存的資料的一或多個部分（例如，資料使用私有加密密鑰加密）。在其他或類似實施例中，資料儲存器140可以包括多個資料儲存器，其中在一或多個第一資料儲存器中儲存使用者無法存取的資料並且在一或多個第二資料儲存器中儲存使用者可存取的資料。
在一些實施例中，資料儲存器140可以經配置為儲存與已知故障模式相關聯的資料。故障模式可以係與處理腔室子系統相關聯的一或多個問題或失效相關聯的一或多個值（例如，向量、純量等）。在一些實施例中，故障模式可以與校正動作相關聯。例如，故障模式可以包括用於校正藉由故障模式指示的問題或失效的參數調節步驟。例如，預測系統可以將決定的故障模式與已知故障模式的程式庫進行比較以決定藉由子系統經歷的失效的類型、失效的原因、用於校正故障的建議校正動作等等。
在一些實施例中，預測系統110包括預測伺服器112、伺服器機器170及伺服器機器180。預測伺服器112、伺服器機器170、及伺服器機器180可以各自包括一或多個計算裝置，諸如機架伺服器、路由器電腦、伺服器電腦、個人電腦、大型電腦、膝上型電腦、平板電腦、桌上型電腦、圖形處理單元(Graphics Processing Unit; GPU)、加速器特殊應用積體電路(Application-Specific Integrated Circuit; ASIC)（例如，張量處理單元(Tensor  Processing  Unit; TPU)）等。
伺服器機器170包括訓練集合產生器172，該訓練集合產生器能夠產生訓練資料集合（例如，資料輸入集合及目標輸出集合）以訓練、驗證、及/或測試機器學習模型190。機器學習模型190可以係能夠從資料中學習的任何演算法模型。在下文關於第2圖詳細描述資料集合產生器172的一些操作。在一些實施例中，資料集合產生器172可以將訓練資料劃分為訓練集合、驗證集合、及測試集合。在一些實施例中，預測系統110產生訓練資料的多個集合。
伺服器機器180可以包括訓練引擎182、驗證引擎184、選擇引擎185、及/或測試引擎186。引擎可以指硬體（例如，電路系統、專用邏輯、可程式設計邏輯、微代碼、處理裝置等）、軟體（諸如在處理裝置、通用電腦系統、或專用機器上運行的指令）、韌體、微代碼、或其組合。訓練引擎182可以能夠訓練一或多個機器學習模型190。機器學習模型190可以指由訓練引擎182使用包括訓練輸入及對應目標輸出（相應訓練輸入的正確答案）的訓練資料（本文亦稱為訓練集合）創建的模型偽影。訓練引擎182可以發現訓練資料中的圖案，該等圖案將訓練輸入映射到目標輸出（預測的答案），並且提供捕獲此等圖案的機器學習模型190。機器學習模型190可以使用下列的一或多個：統計模型化、支援向量機器(support vector machine; SVM)、徑向基底函數(Radial Basis Function; RBF)、群集化、受監督的機器學習、半監督的機器學習、無監督的機器學習、k最鄰近演算法(k-NN)、線性迴歸、隨機森林、神經網路（例如，人工神經網路）等。
可以用於執行一些或所有以上任務的一種類型的機器學習模型係人工神經網路，諸如深度神經網路。人工神經網路大體包括具有將特徵映射到期望輸出空間的分類器或迴歸層的特徵表示部件。例如，卷積神經網路(convolutional neural network; CNN)主管多層卷積過濾器。在頂部通常附加有多層辨認器的較低層處執行池化，並且可解決非線性，從而將由卷積層擷取的頂部層特徵映射到決策（例如，分類輸出）。深度學習係使用多層非線性處理單元的級聯用於特徵擷取及變換的一類機器學習演算法。每個連續層使用來自先前層的輸出作為輸入。深度神經網路可以受監督（例如，分類）及/或不受監督（例如，模式分析）方式學習。深度神經網路包括層的階層，其中不同層學習對應於不同抽象位準的不同表示位準。在深度學習中，每個位準學習將其輸入資料變換為略微更抽象及複合表示。在電漿處理調諧中，例如，原始輸入可以係處理結果分佈（例如，指示跨基板表面的一或多個厚度值的厚度分佈）；第二層可以構成與電漿處理系統的受控元件的一或多個區域的狀態相關聯的特徵資料（例如，區域定向、電漿暴露持續時間等）；第三層可以包括開始配方（例如，用作決定更新的處理配方的開始點的配方，該處理配方處理基板以產生滿足閾值準則的處理結果）。值得注意的係，深度學習處理可以自己學習哪些特徵最佳地放置在哪個位準。「深度學習」中的「深度」指資料穿過其變換的層的數量。更精確地，深度學習系統具有可觀的信用指派路徑(credit assignment path; CAP)深度。CAP係從輸入到輸出的變換鏈。CAP描述了輸入與輸出之間的潛在因果關係。對於前饋神經網路，CAP的深度可以係網路深度並且可以係隱藏層的數量加一。對於其中信號可以穿過層傳播大於一次的遞歸神經網路，CAP深度潛在地不受限制。
在一個實施例中，一或多個機器學習模型係遞歸神經網路(recurrent neural network; RNN)。RNN係包括記憶體的神經網路類型，該記憶體使神經網路能夠捕獲時間依賴性。RNN能夠學習取決於當前輸入及過去輸入兩者的輸入-輸出映射。RNN將解決過去及將來的流動速率量測並且基於此連續度量資訊來進行預測。可以使用訓練資料集訓練RNN以產生固定數量的輸出（例如，以決定基板處理速率的集合、決定對基板處理配方的修改）。可以使用的一種類型的RNN係長短期記憶體(long short term memory; LSTM)神經網路。
神經網路的訓練可以受監督的學習方式來實現，此涉及經由網路饋送由標記的輸入組成的訓練資料集，觀察其輸出，定義誤差（藉由量測在輸出與標記值之間的差），以及使用技術（諸如深度梯度下降及反向傳播）以調諧網路在其所有層及節點上的權重，使得誤差最小化。在許多應用中，在訓練資料集中的許多標記的輸入中重複此處理產生網路，該網路可以在被呈現與訓練資料集中存在的輸入不同的輸入時產生正確的輸出。
含有數百、數千、數萬、數十萬或更多感測器資料及/或處理結果資料的訓練資料集（例如，計量資料，諸如與感測器資料相關聯的一或多個厚度分佈）可以用於形成訓練資料集。
為了完成訓練，處理邏輯可以將訓練資料集輸入到一或多個未訓練的機器學習模型中。在將第一輸入輸入到機器學習模型中之前，可以初始化機器學習模型。處理邏輯基於訓練資料集訓練未訓練的機器學習模型以產生執行如上文闡述的各種操作的一或多個經訓練的機器學習模型。可以藉由一次一個地將一或多個感測器資料輸入機器學習模型中來執行訓練。
機器學習模型處理輸入以產生輸出。人工神經網路包括由資料點中的值組成的輸入層。下一層被稱為隱藏層，並且隱藏層處的節點各自接收一或多個輸入值。每個節點含有應用於輸入值的參數（例如，權重）。每個節點由此基本上將輸入值輸入到多變數函數（例如，非線性數學變換）中以產生輸出值。下一層可以係另一隱藏層或輸出層。在任一情況下，下一層處的節點從先前層處的節點接收輸出值，並且每個節點將權重應用於彼等值且隨後產生其自身的輸出值。可以在每個層處執行此動作。最後層係輸出層，其中對於機器學習模型可以產生的每個種類、預測及/或輸出存在一個節點。
由此，輸出可以包括一或多個預測或推斷。例如，輸出預測或推斷可以包括對腔室部件上的膜堆積、腔室部件的腐蝕、腔室部件的預測失效等等的一或多個預測。處理邏輯基於在機器學習模型的輸出（例如，預測或推斷）與同輸入訓練資料相關聯的目標標記之間的差異來決定誤差（亦即，分類誤差）。處理邏輯基於誤差來調節機器學習模型中的一或多個節點的權重。可以針對人工神經網路中的每個節點來決定誤差項或增量。基於此誤差，人工神經網路針對一或多個其節點調節一或多個其參數（針對節點的一或多個輸入的權重）。參數可以反向傳播方式更新，使得首先更新最高層處的節點，接著更新下一層處的節點，並且依此類推。人工神經網路含有多層「神經元」，其中每個層作為輸入值從先前層處的神經元接收。每個神經元的參數包括與從先前層處的神經元的每一者接收的值相關聯的權重。由此，調節參數可以包括針對人工神經網路中的一或多個層處的一或多個神經元調節指派給輸入的每一者的權重。
在一或多輪訓練之後，處理邏輯可以決定是否已經滿足停止準則。停止準則可以係目標準確性位準、來自訓練資料集的處理影像的目標數量、在一或多個先前資料點上方的參數的目標改變量、其組合及/或其他準則。在一個實施例中，當已經處理了至少最小數量的資料點並且實現了至少閾值準確性時，滿足停止準則。閾值準確性可以係例如70%、80%或90%的準確性。在一個實施例中，若已停止改進機器學習模型的準確性，則滿足停止準則。若尚未滿足停止準則，則執行進一步訓練。若已經滿足停止準則，則訓練可以完成。一旦訓練了機器學習模型，訓練資料集的保留部分就可以用於測試模型。
一旦產生一或多個經訓練的機器學習模型190，其等就可以儲存在預測伺服器112中作為預測部件114或作為預測部件114的部件。
驗證引擎184可以能夠使用來自訓練集合產生器172的驗證集合的特徵的對應集合來驗證機器學習模型190。一旦已經最佳化模型參數，則可以執行模型確認以決定是否改進了模型並且決定深度學習模型的當前準確性。驗證引擎184可以基於驗證集合的特徵的對應集合來決定機器學習模型190的準確性。驗證引擎184可以丟棄具有不滿足閾值準確性的準確性的經訓練的機器學習模型190。在一些實施例中，選擇引擎185可以能夠選擇具有滿足閾值準確性的準確性的經訓練的機器學習模型190。在一些實施例中，選擇引擎185可以能夠選擇具有經訓練的機器學習模型190的最高準確性的經訓練的機器學習模型190。
測試引擎186可以能夠使用來自資料集合產生器172的測試集合的特徵的對應集合來測試經訓練的機器學習模型190。例如，可以使用測試集合的特徵的第一集合測試已經使用訓練集合的特徵的第一集合訓練的第一經訓練的機器學習模型190。測試引擎186可以基於測試集合來決定經訓練的機器學習模型190具有所有經訓練的機器學習模型的最高準確性。
如下文詳細描述，預測伺服器112包括預測部件114，該預測部件能夠提供指示處理腔室的每個子系統的希望行為的資料，並且對當前感測器資料輸入運行經訓練的機器學習模型190以獲得一或多個輸出。預測伺服器112可以進一步提供指示處理腔室子系統的健康及診斷的資料。此將在下文進一步詳細解釋。
客戶端裝置120、製造設備124、感測器126、計量設備128、預測伺服器112、資料儲存器140、伺服器機器170、及伺服器機器180可以經由網路130彼此耦接。在一些實施例中，網路130係公共網路，該公共網路為客戶端裝置120提供對預測伺服器112、資料儲存器140、及其他公共可用的計算裝置的存取。在一些實施例中，網路130係私有網路，該私有網路為客戶端裝置120提供對製造設備124、計量設備128、資料儲存器140、及其他私有可用的計算裝置的存取。網路130可以包括一或多個廣域網路(wide area network; WAN)、區域網路(local  area  network; LAN)、有線網路（例如，乙太網路）、無線網路（例如，802.11網路或Wi-Fi網路）、蜂巢網路（例如，長期演進(Long Term Evolution; LTE)網路）、路由器、集線器、交換機、伺服器電腦、雲端計算網路、及/或其組合。
應當注意，在一些其他實施方式中，伺服器機器170及180、以及預測伺服器112的功能可以藉由較少數量的機器提供。例如，在一些實施例中，伺服器機器170及180可以整合到單個機器中，而在一些其他或類似實施例中，伺服器機器170及180，以及預測伺服器112可以整合到單個機器中。
大體上，由伺服器機器170、伺服器機器180、及/或預測伺服器112執行的在一個實施方式中描述的功能亦可以的客戶端裝置120執行。此外，歸屬於特定部件的功能性可以藉由一起操作的不同或多個部件執行。
在實施例中，「使用者」可以表示為單個個體。然而，本揭示的其他實施例涵蓋「使用者」係由複數個使用者及/或自動化源控制的實體。例如，作為一組管理員聯合的獨立使用者集合可以被認為係「使用者」。
第2圖係根據本揭示的態樣的用於訓練機器學習模型的方法200的流程圖。方法200藉由處理邏輯執行，該處理邏輯可以包括硬體（電路系統、專用邏輯等）、軟體（諸如在通用電腦系統或專用機器上運行）、韌體、或其一些組合。在一個實施方式中，方法200可以由計算系統（諸如第1圖的電腦系統架構100）執行。在其他或類似實施方式中，方法200的一或多個操作可以藉由未在圖式中描繪的一或多個其他機器執行。在一些態樣中，方法200的一或多個操作可以藉由伺服器機器170、伺服器機器180、及/或預測伺服器112執行。
為了解釋的簡單，將方法描繪且描述為一系列動作。然而，根據本揭示的動作可以各種順序及/或同時發生，並且在本文中不呈現及描述其他動作。此外，並非可以執行所有示出的動作以實施根據所揭示的標的的方法。此外，熟習此項技術者將理解及瞭解，方法可以替代地經由狀態圖或事件表示為一系列相互關聯的狀態。此外，應當瞭解，本說明書中揭示的方法能夠儲存在製品上，以便於將此種方法傳輸及傳遞到計算裝置。如本文使用，術語製品意欲涵蓋可從任何電腦可讀取裝置或儲存媒體存取的電腦程式。
於方塊210，處理邏輯將訓練集合T初始化為空集（例如，{}）。
於方塊212，處理邏輯獲得與經執行以在先前基板的表面上沉積一或多層膜的先前沉積製程相關聯的感測器資料（例如，感測器值、特徵、跡線資料）。感測器資料可以進一步與處理腔室的子系統相關聯。子系統可以表徵為與處理腔室的操作參數有關的感測器集合。操作參數可以係溫度、流動速率、壓力等等。例如，壓力子系統可以藉由一或多個感測器表徵，該等感測器量測氣體流量、腔室壓力、控制閥角度、前級（在泵之間的真空線）壓力、泵送速度等等。每個處理腔室可以包括多個不同子系統，諸如壓力子系統、流量子系統、溫度子系統等等。
在一些實施例中，與沉積製程相關聯的感測器資料係與先前針對製造系統處的先前基板執行的先前沉積製程的一或多個先前沉積設置相關聯的歷史資料。例如，歷史資料可以係在資料儲存器140處儲存的與先前沉積製程相關聯的歷史上下文資料。在一些實施例中，一或多個先前沉積設置可以包括下列的至少一者：先前沉積製程的先前溫度設置、先前沉積設置的先前壓力設置、在先前基板的表面上沉積的先前膜的一或多種材料的前驅物的先前流動速率設置、或與沉積製程相關聯的任何其他設置。流動速率設置可以指在先前沉積製程的初始實例處的前驅物的流動速率設置（被稱為初始流動速率設置）、在先前沉積製程的最終實例處的前驅物的流動速率設置（被稱為最終流動速率設置）、或在沉積製程期間的前驅物的流動速率的斜坡速率。在一個實例中，先前膜的前驅物可以包括含硼前驅物或含矽前驅物。在一些實施例中，感測器資料亦可以與在先前基板上執行的先前蝕刻製程、或在處理腔室中執行的任何其他製程相關聯。
於方塊214，處理邏輯獲得與在先前基板的表面上沉積的膜的配方相關聯的任務資料。例如，任務資料可以係需要的溫度設置、壓力設置、在基板上沉積的膜的材料的前驅物的流動速率設置等。任務資料可以包括在先前基板的表面上沉積的先前膜的歷史任務資料。在一些實施例中，先前膜的歷史任務資料可以對應於與先前膜的配方相關聯的歷史任務值。處理邏輯可以根據先前描述的實施例獲得來自資料儲存器140的任務資料。
於方塊216，處理邏輯基於與針對先前基板執行的先前沉積製程相關聯的所獲得感測器資料來產生第一訓練資料。於方塊218，處理邏輯基於與在先前基板的表面上沉積的膜的配方相關聯的任務資料來產生第二訓練資料。
於方塊220，處理邏輯產生在第一訓練資料與第二訓練資料之間的映射。映射指包括或基於針對先前基板執行的先前沉積製程的資料的第一訓練資料、及包括或基於與在先前基板的表面上沉積的膜的配方相關聯的任務資料的第二訓練資料，其中第一訓練資料與第二訓練資料相關聯（或映射到第二訓練資料）。於方塊224，處理邏輯將映射添加到訓練集合T。
於方塊226，處理邏輯決定訓練集合T是否包括足夠量的訓練資料以訓練機器學習模型。應當注意，在一些實施方式中，訓練集合T的充分性可以簡單地基於訓練集合中的映射數目來決定，而在一些其他實施方式中，除了或替代輸入/輸出映射的數目，可以基於一或多個其他準則（例如，訓練實例的多樣性的量測等）來決定訓練集合T的充分性。回應於決定訓練集合不包括足夠量的訓練資料以訓練機器學習模型，方法200返回到方塊212。回應於決定訓練集合T包括足夠量的訓練資料以訓練機器學習模型，方法200繼續到方塊228。
於方塊228，處理邏輯提供訓練集合T以訓練機器學習模型。在一個實施方式中，將訓練集合T提供到伺服器機器180的訓練引擎182以執行訓練。在神經網路的情況下，例如，將給定輸入/輸出映射的輸入值輸入到神經網路，並且將輸入/輸出映射的輸出值儲存在神經網路的輸出節點中。隨後根據學習演算法（例如，反向傳播等）調節神經網路中的連接權重，並且針對訓練集合T中的其他輸入/輸出映射重複程序。
在一些實施例中，在訓練機器學習模型之前，處理邏輯可以執行離群值偵測方法以從訓練集合T移除異常。離群值偵測方法可以包括識別與大部分訓練資料顯著不同的值的技術。此等值可以由誤差、雜訊等產生。
於方塊230，處理邏輯對經訓練的機器學習模型執行校準製程。在一些實施例中，處理邏輯可以基於在預測行為與當前行為之間的值的差異將處理腔室子系統的希望行為與處理腔室子系統的當前行為進行比較。例如，處理邏輯可以將與壓力子系統、流量子系統、或溫度子系統的預測資料相關聯的一或多個值分別與同壓力子系統、流量子系統、或溫度子系統的當前量測行為相關聯的一或多個值進行比較。
在方塊230之後，機器學習模型可以用於產生指示處理腔室子系統的故障模式（例如，異常行為）的一或多個值，產生指示故障類型（例如，問題、失效等）的預測資料，及/或執行校正動作以校正可疑問題或失效。可以藉由將故障模式與已知故障模式的程式庫進行比較來產生預測資料。
在一些實施例中，製造系統可以包括一個以上的處理腔室。例如，第3圖的示例製造系統300示出了多個處理腔室314、316、318。應當注意，在一些實施例中，經獲得以訓練機器學習模型的資料及經收集以作為輸入提供到機器學習模型的資料可以與製造系統的相同處理腔室相關聯。在其他或類似實施例中，經獲得以訓練機器學習模型的資料及經收集以作為輸入提供到機器學習模型的資料可以與製造系統的不同處理腔室相關聯。在其他或類似實施例中，經獲得以訓練機器學習模型的資料可以與第一製造系統的處理腔室相關聯並且經收集以作為輸入提供到機器學習模型的資料可以與第二製造系統的處理腔室相關聯。
第3圖係根據本揭示的態樣的示例製造系統300的頂部示意圖。製造系統300可以在基板302上執行一或多個製程。基板302可以係任何適宜的剛性、固定尺寸的平面物品，諸如，例如，含矽圓盤或晶圓、圖案化晶圓、玻璃板、或類似者，該平面物品適用於製造電子元件或其上的電路部件。
製造系統300可以包括處理工具304及耦接到處理工具304的工廠介面306。處理工具304可以包括其中具有傳遞腔室310的外殼308。傳遞腔室310可以包括在周圍設置且與其耦接的一或多個處理腔室(process chamber)（亦稱為處理腔室(processing chamber)）314、316、318。處理腔室314、316、318可以經由相應埠108（諸如狹縫閥或類似者）耦接到傳遞腔室310。傳遞腔室310亦可以包括經配置為在處理腔室314、316、318、裝載閘320等之間傳遞基板302的傳遞腔室機器人312。傳遞腔室機器人312可以包括一或多個臂，其中每個臂在每個臂的端部處包括一或多個連桿及一或多個端效器。端效器可以經配置為搬運特定物件，諸如晶圓。替代地或另外地，端效器經配置為搬運物件，諸如處理套組環。在一些實施例中，傳遞腔室機器人312係選擇性順應性組裝機械臂(selective compliance assembly robot arm; SCARA)機器人，諸如2連桿SCARA機器人、3連桿SCARA機器人、4連桿SCARA機器人等等。
處理腔室機器人312可以進一步包括一或多個感測器。感測器可以用於表徵、讀取、或量測處理腔室314、316、318的一或多個態樣。感測器可包括下列的一或多個：加速計、距離感測器（例如，用於決定在兩個物件之間的高度、寬度或長度）、相機（例如，高解析度相機、高速相機等）、電容感測器、反射計、高溫計（例如，遙感溫度計、紅外相機等）、雷射誘導的螢光分光鏡、光纖光學元件、或任何其他類型的感測器。
加速計可以用於偵測及校正（或校準）傳遞腔室機器人312的振動及位置雜訊。距離感測器可以用於偵測夾盤（台）、邊緣環、噴淋頭、壁、或處理腔室314、316、318的任何其他部件上的腐蝕及/或侵蝕。例如，在蝕刻製程期間，邊緣環可以用於促進沿著基板表面的均勻性。然而，蝕刻可以侵蝕邊緣環。由此，位置感測器可以用於藉由量測在邊緣環的頂面與例如基板的頂平面之間的距離來偵測所述侵蝕。相機可以記錄處理腔室314、316、318的截面，用於藉由操作人員目視檢查。電容器感測器可以用於偵測在處理腔室314、316、318內部用於氣體分配的噴淋頭的位置、決定基板水平、偵測腐蝕等。反射計可以用於探測處理腔室314、316、318的壁上的老化膜的品質。例如，反射計可以產生到處理腔室314、316、318的壁上的光並且記錄反射光的反射指數。高溫計可以用於偵測處理腔室314、316、318中的加熱器的溫度均勻性、偵測處理腔室314、316、318內部的熱點等。傳遞腔室機器人312可以包括所論述感測器或其他感測器的任何數量或組合。
一或多個感測器可以耦接到傳遞腔室機器人312的端效器、傳遞腔室機器人312的一或多個連桿、或傳遞腔室機器人312的任何其他截面。在一些實施例中，與傳遞基板所需者相比，傳遞腔室機器人312可以包括額外連桿及/或更多自由度。額外連桿及/或自由度可以用於操作感測器。特定而言，傳遞腔室機器人312可以包括一或多個額外連桿以耦接到感測器，並且連桿（或傳遞腔室機器人312）可以包括一或多個額外自由度以平移、旋轉及/或定位處理腔室314、316、318內的感測器。例如，傳遞腔室機器人312可以包括耦接到高解析度相機的能夠在處理腔室314、316、318內旋轉該相機的額外連桿。
在一些實施例中，感測器耦接到電力鏈路及/或資料鏈路中的一或多者。電力鏈路可以係能夠將電力提供到感測器的任何有線或無線（例如，感應）連接。在一些實施例中，電力鏈路係用於將電力提供到傳遞腔室機器人312的其他功能（例如，連桿移動功能、效應器操作功能等）的類似或相同系統。在一些實施例中，電力鏈路係獨立於用於將電力提供到傳遞腔室機器人312的其他功能的另一電力鏈路的系統。資料鏈路可以係用於提供或從感測器擷取資料的任何有線或無線（WiFi、藍牙、基於網際網路等）連接。例如，資料鏈路可以用於將指令提供到感測器以進行量測或讀取、將收集的資料發送到介面（使用者介面）或資料儲存系統等。在一些實施例中，資料鏈路係獨立於另一資料鏈路的系統，該另一資料鏈路用於提供指令並且與傳遞腔室機器人312通訊以使得傳遞腔室機器人312能夠在傳遞腔室314、316、318及裝載閘320之間傳遞及定位基板。
處理腔室314、316、318可以適用於在基板302上執行任何數量的製程。相同或不同的基板製程可以在每個處理腔室314、316、318中發生。基板製程可以包括原子層沉積(atomic layer deposition; ALD)、物理氣相沉積(physical vapor deposition;PVD)、化學氣相沉積(chemical vapor deposition; CVD)、蝕刻、退火、固化、預清潔、金屬或金屬氧化物移除、或類似者。其他製程可以在其中的基板上執行。處理腔室314、316、318可以各自包括一或多個感測器，該等感測器經配置為在基板製程之前、之後、或期間捕獲基板302的資料。例如，一或多個感測器可以經配置為在基板製程期間捕獲基板302的一部分的光譜資料及/或非光譜資料。在其他或類似實施例中，一或多個感測器可以經配置為在基板製程之前、之後、或期間捕獲與處理腔室314、316、318內的環境相關聯的資料。例如，一或多個感測器可以經配置為在基板製程期間捕獲與處理腔室314、316、318內的環境的溫度、壓力、氣體濃度等相關聯的資料。
裝載閘320亦可以耦接到外殼308及傳遞腔室310。裝載閘320可以經配置為與一側上的傳遞腔室310及工廠介面306對接並且耦接到該傳遞腔室及該工廠介面。裝載閘320可以具有環境受控的氣氛，在一些實施例中該環境受控的氣氛可以從真空環境（其中可以將基板傳遞到傳遞腔室310且從傳遞腔室310傳遞基板）改變為處於或接近大氣壓惰性氣體環境（其中可以將基板傳遞到工廠介面306且從工廠介面306傳遞基板）。工廠介面306可以係任何適宜的殼體，諸如，例如，設備前端模組(Equipment Front End Module; EFEM)。工廠介面306可以經配置為從位於工廠介面306的各個裝載埠324處的基板載具322（例如，前開式晶圓傳送盒(FOUP)）接收基板302。工廠介面機器人326（以虛線圖示）可以經配置為在載具（亦稱為容器）322與裝載閘320之間傳遞基板302。載具322可以係基板儲存載具或替換部分儲存載具。
製造系統300亦可以連接到客戶端裝置（未圖示），該客戶端裝置經配置為將關於製造系統300的資訊提供到使用者（例如，操作人員）。在一些實施例中，客戶端裝置可以經由一或多個圖形使用者介面(GUI)將資訊提供到製造系統300的使用者。例如，客戶端裝置可以經由GUI提供關於在處理腔室314、316、318處執行的沉積製程期間待在基板302的表面上沉積的膜的目標厚度分佈的資訊。根據本文描述的實施例，鑒於經預測為對應於目標分佈的沉積設置的相應集合，客戶端裝置亦可以提供關於對製程配方的修改的資訊。
製造系統300亦可以包括系統控制器328。系統控制器328可以係及/或包括計算裝置，諸如個人電腦、伺服器電腦、可程式設計邏輯控制器(programmable logic  controller; PLC)、微控制器等等。系控制器328可以包括一或多個處理裝置，該等處理裝置可以係通用處理裝置，諸如微處理器、中央處理單元、或類似者。更特定而言，處理裝置可以係複雜指令集計算(complex  instruction set computing; CISC)微處理器、精簡指令集計算(reduced instruction set computing; RISC)微處理器、極長指令詞(very long instruction word; VLIW)微處理器、或實施其他指令集的處理器或實施指令集組合的處理器。處理裝置亦可以係一或多個專用處理裝置，諸如特殊應用積體電路(application specific integrated circuit; ASIC)、現場可程式設計閘陣列(field programmable gate array; FPGA)、數位信號處理器(digital signal processor; DSP)、網路處理器、或類似者。系統控制器328可以包括資料儲存裝置（例如，一或多個磁碟驅動器及/或固態驅動器）、主記憶體、靜態記憶體、網路介面、及/或其他部件。系統控制器328可以執行指令以執行本文描述的方法論及/或實施例中的任何一或多個。在一些實施例中，系統控制器328可以執行指令以根據製程配方在製造系統300處執行一或多個操作。指令可以儲存在電腦可讀取儲存媒體上，該電腦可讀取儲存媒體可以包括主記憶體、靜態記憶體、輔助儲存器及/或處理裝置（在執行指令期間）。
系統控制器328可以從在製造系統300的各個部分（例如，處理腔室314、316、318，傳遞腔室310，裝載閘320等）上或內包括的感測器接收資料。在一些實施例中，系統控制器328接收的資料可以包括基板320的一部分的光譜資料及/或非光譜資料。在其他或類似實施例中，如先前描述，藉由系統控制器328接收的資料可以包括與處理腔室314、316、318處的處理基板302相關聯的資料。出於本說明的目的，將系統控制器328描述為從處理腔室314、316、318內包括的感測器接收資料。然而，根據本文描述的實施例，系統控制器328可以從製造系統300的任何部分接收資料，並且可以使用從該部分接收的資料。在說明性實例中，系統控制器328可以在處理腔室314、316、318處的基板製程之前、之後、或期間從處理腔室314、316、318的一或多個感測器接收資料。從製造系統300的各個部分的感測器接收的資料可以儲存在資料儲存器350中。資料儲存器350可以作為部件包括在系統控制器328內或可以係與系統控制器328分離的部件。
第4圖係根據本揭示的實施例的處理腔室400的橫截面示意性側視圖。在一些實施例中，處理腔室400可以對應於關於第3圖描述的處理腔室314、316、318。處理腔室400可以用於其中提供腐蝕性電漿環境的製程。例如，處理腔室400可以係用於電漿蝕刻器或電漿蝕刻反應器等等的腔室。在另一實例中，如先前描述，處理腔室可以係用於沉積製程的腔室。在一些實施例中，處理腔室400可以係在電子元件製造系統中使用的任何腔室。如所論述，傳遞腔室機器人312可以進入處理腔室400並且使用一或多個感測器執行讀取、量測、及收集資料。
在一個實施例中，處理腔室400包括封閉內部體積406的腔室主體402及噴淋頭430。噴淋頭430可以包括噴淋頭基底及噴淋頭氣體分配板。或者，噴淋頭430可以在一些實施例中藉由蓋及噴嘴替代，或在其他實施例中藉由多個餅形噴淋頭隔室及電漿產生單元替代。腔室主體402可以由鋁、不鏽鋼或其他適宜材料（諸如鈦(Ti)）製造。腔室主體402大體包括側壁408及底部410。排氣口426可以在腔室主體402中界定，並且可以將內部體積406耦接到流量控制設備428。流量控制設備428可以包括用於抽空及調節處理腔室400的內部體積406的壓力的一或多個泵及節流閥。
噴淋頭430可以支撐在腔室主體402的側壁408上。噴淋頭420（或蓋）可以打開以允許進入處理腔室400的內部體積406，並且當關閉時可以為處理腔室400提供密封。氣體面板458可以耦接到處理腔室400以將處理及/或清洗氣體經由供應線412穿過噴淋頭430或蓋及噴嘴（例如，穿過噴淋頭或蓋的孔及噴嘴）提供到內部體積406。例如，氣體面板458可以提供在基板302的表面上沉積的膜451的材料的前驅物。在一些實施例中，前驅物可以包括基於矽的前驅物或基於硼的前驅物。噴淋頭430可以包括氣體分配板(gas distribution plate; GDP)並且在整個GDP中可以具有多個氣體遞送孔洞432（亦稱為通道）。基板支撐組件448在噴淋頭430下方的處理腔室400的內部體積406中設置。基板支撐組件448在處理期間（例如，在沉積製程期間）固持基板302。
在一些實施例中，處理腔室400可以包括經配置為在處理腔室400處執行的製程期間產生原位計量量測的計量設備（未圖示）。計量設備可以可操作地耦接到系統控制器（例如，系統控制器328，如先前描述）。在一些實施例中，計量設備可以經配置為在沉積製程的特定實例期間產生膜451的計量量測值（例如，厚度）。系統控制器可以基於從計量設備接收的計量量測值產生膜451的厚度分佈。在其他或類似實施例中，處理腔室400不包括計量設備。在此種實施例中，在處理腔室400處完成沉積製程之後，系統控制器可以接收膜451的一或多個計量量測值。系統控制器可以基於一或多個計量量測值來決定沉積速率並且可以基於沉積製程的所決定濃度梯度及所決定沉積速率來關聯產生膜451的厚度分佈。
第5圖係根據本揭示的實施例的處理工具500的示意性俯視圖。在一些實施例中，處理工具500可以對應於關於第3圖描述的處理工具504。處理工具500可以包括處理腔室510A-510F、傳遞腔室515、及傳遞腔室機器人520。傳遞腔室機器人520可以包括端效器525A及525B。端效器525A可以包括感測器530A及530B。感測器530A、530B可以包括下列的一或多個：加速計、距離感測器、相機、電容感測器、反射計、高溫計、雷射誘導的螢光分光鏡、光纖光學元件等。
傳遞腔室機器人520可以定位任何處理腔室510A-510F內的端效器525A、525B。藉由說明性實例的方式，第5圖圖示了在處理腔室510C內定位的端效器525A。使用感測器530A及530B，傳遞腔室機器人520可以進行讀取及/或量測處理腔室510C。在一些實施例中，感測器及或傳遞腔室機器人520包括處理裝置，諸如中央處理單元(central processing  unit; CPU)、微控制器、可程式設計邏輯控制器(programmable logic controller; PLC)、晶片上系統(system on a chip; SoC)、伺服器電腦、或其他適宜類型的計算裝置。處理裝置可以經配置為執行關於感測器的操作的程式設計指令。處理裝置可以從感測器裝置接收反饋信號並且將信號計算為感測器資料（例如，溫度、視訊資料、位置資料等）。處理裝置可以進一步基於接收的指令將控制信號發送到感測器。在一些實施例中，處理裝置經配置為用於高速反饋處理，並且可以包括例如EPM。在一些實施例中，處理裝置經配置為將反饋信號及/或感測器資料傳送(transmit)或發送(send)到介面（例如，使用者介面）、資料儲存器等。
第6圖係根據本揭示的實施例的傳遞腔室機器人連桿組件600的示意性俯視圖。連桿組件600可以包括第一連桿610、第二連桿615、及感測器620。感測器620可以耦接到第二連桿615。感測器620可以包括下列的一或多個：加速計、距離感測器、相機、電容感測器、反射計、高溫計、雷射誘導的螢光分光鏡、光纖光學元件等。藉由說明性實例的方式，第二連桿615可以經由銷耦接到第一連桿610，此使得第二連桿615（及感測器620）以弧形運動625移動。第一連桿610可以經由傳遞腔室機器人的另一連桿耦接到傳遞腔室機器人、耦接到傳遞腔室機器人的端效器等。
第7圖係根據本揭示的態樣的用於控制傳遞腔室機器人以使用感測器進行量測的方法700的流程圖。方法700藉由處理邏輯執行，該處理邏輯可以包括硬體（電路系統、專用邏輯等）、軟體（諸如在通用電腦系統或專用機器上運行）、韌體、或其一些組合。在一個實施方式中，方法700可以由電腦系統（諸如第1圖的系統控制器128）執行。在其他或類似實施方式中，方法700的一或多個操作可以藉由未在圖式中描繪的一或多個其他機器執行。
於方塊710，處理邏輯定位處理腔室內的一或多個感測器。一或多個感測器可以耦接到傳遞腔室機器人。例如，處理邏輯可以定位感測器與之附接的傳遞腔室機器人的端效器、感測器與之附接的傳遞腔室機器人的連桿、或其任何組合。處理邏輯可以回應於使用者輸入（例如，經由使用者介面）、回應於預定命令（例如，排程命令）等定位感測器。在一些實施例中，處理邏輯可以基於感測器及/或處理腔室的類型使用含有關於處理腔室內的感測器的位置的資料的資料庫或程式庫。
於方塊720，處理邏輯從傳遞腔室機器人的一或多個感測器獲得感測器資料。例如，一或多個感測器可以捕獲與處理腔室相關聯的部件的任何部分的光譜資料及/或非光譜資料。此外，一或多個感測器可以經配置為捕獲與處理腔室內的環境相關聯的資料。例如，一或多個感測器可以經配置為捕獲與處理腔室內的環境的溫度、壓力、氣體濃度等相關聯的資料。在一些實施例中，一旦定位，處理邏輯就可以移動處理腔室內的感測器（藉由移動連桿、端效器等）以收集感測器資料。移動可以係基於經由使用者介面、控制器（例如，操縱桿、觸控式螢幕）等的使用者輸入的自動移動（例如，預定移動）或人工移動。例如，在其中感測器係相機的實施例中，使用者可將相機導引至處理腔室內的其他位置以記錄視訊及/或音訊資料。感測器資料可發送到使用者介面、資料庫結構等。
於方塊730，處理邏輯從處理腔室移除感測器。例如，處理邏輯可以定位傳遞腔室內或不同處理腔室內的感測器。
第8圖係根據本揭示的態樣的用於使用機器學習模型決定處理腔室子系統的失效類型的方法800的流程圖。方法800藉由處理邏輯執行，該處理邏輯可以包括硬體（電路系統、專用邏輯等）、軟體（諸如在通用電腦系統或專用機器上運行）、韌體、或其一些組合。在一個實施方式中，方法800可以由計算系統（諸如第1圖的電腦系統架構100）執行。在其他或類似實施方式中，方法800的一或多個操作可以藉由未在圖式中描繪的一或多個其他機器執行。在一些態樣中，方法600的一或多個操作可以藉由伺服器機器170、伺服器機器180、及/或預測伺服器112執行。
於方塊810，處理邏輯獲得與處理腔室中執行的操作相關聯的感測器資料。在一些實施例中，操作可以包括在處理腔室中執行以在基板表面上沉積一或多層膜的沉積製程、在基板表面上的一或多層膜上執行的蝕刻製程等。操作可以根據配方執行。感測器資料可以包括下列的一或多個的值：溫度（例如，加熱器溫度）、間隔、壓力、高頻射頻、靜電夾盤的電壓、電流、材料流量、電力、電壓等。感測器資料可以與製造參數相關聯或指示製造參數，製造參數諸如硬體參數，諸如製造設備124的設置或部件（例如，大小、類型等）、或製造設備124的處理參數。可以使用感測器126獲得感測器資料。
於方塊812，處理邏輯將機器學習模型（例如，模型190）應用於獲得的感測器資料。機器學習模型可以用於產生與處理腔室子系統的希望行為相關聯的一或多個值。例如，機器學習模型可以使用演算法以使用訓練集合T產生處理腔室子系統的預測行為。在一些實施例中，機器學習模型使用處理腔室的子系統的歷史感測器資料及與用於執行操作的配方相關聯的任務資料來訓練。
於方塊814，處理邏輯基於感測器資料經由機器學習模型產生輸出。在一些實施例中，輸出可以係指示模式（例如，故障模式）的值。特定而言，輸出可以包括當前資料是否指示由處理腔室經歷的失效的預測資料。在一些實施例中，輸出係指示在處理腔室子系統的希望行為與處理腔室子系統的實際行為之間的差異的至少一個值。特定而言，值可以指示在與子系統相關聯的感測器集合的實際值與感測器集合的希望值之間的差異。失效可以包括機構故障、高壓或低壓、高氣體流量或低氣體流量、高溫或低溫等。
於方塊816，處理邏輯決定處理腔室子系統是否經歷失效。在一些實施例中，失效可以包括機構故障、高壓或低壓、高氣體流量或低氣體流量、高溫或低溫、侵蝕、腐蝕、劣化等。在一些實施例中，處理邏輯可以藉由將輸出與預定閾值進行比較來決定處理腔室子系統是否經歷失效。在一些實施例中，處理邏輯可以藉由決定輸出未能匹配希望行為來決定處理腔室子系統是否經歷失效。回應於處理邏輯決定處理腔室子系統未經歷失效（例如，輸出的值不超過預定閾值），處理邏輯可以進行到方塊810。回應於處理邏輯決定處理腔室子系統正經歷失效（例如，輸出的值超過預定閾值），處理邏輯可以進行到方塊818。
於方塊818，處理邏輯可以基於輸出識別失效類型。在一些實施例中，處理邏輯可以將故障模式與製造資料圖表及/或已知故障模式的程式庫進行比較，用於當與已知故障模式或製造資料圖表進行比較時基於故障模式的類似性來決定失效類型。在一些實施例中，可以使用自然語言處理從製造資料圖表中提取故障類型並且故障類型隨後與對應故障模式相關聯。在一些實施例中，失效類型可以在使用者介面上顯示（給使用者）。
於方塊820，處理邏輯可以基於識別的失效執行（或建議）校正動作。在一些實施例中，可以基於從故障程式庫獲得的資料決定校正動作。在一些實施例中，校正動作可以包括向客戶端裝置120產生所決定問題的警報或指示。在一些實施例中，校正動作可以包括指示故障或失效的類型、故障或失效的原因、及/或建議的校正動作的處理邏輯。在一些實施例中，校正動作可以包括處理邏輯基於膜的期望性質來調節沉積製程配方的一或多個參數（例如，處理腔室的溫度設置、處理腔室的壓力設置、在基板表面上沉積的膜中包括的材料的前驅物的流動速率設置等）。在一些實施例中，可以在沉積製程之前、期間（例如，即時地）或之後調節沉積製程配方。
第9圖係根據某些實施例示出電腦系統900的方塊圖。在一些實施例中，電腦系統900可連接（例如，經由網路，諸如區域網路(LAN)、網內網路、網外網路、或網際網路）到其他電腦系統。電腦系統900可在客戶端-伺服器網路環境中以伺服器或客戶端電腦的身份操作，或作為同級間或分散式網路環境中作為同級點電腦。電腦系統900可藉由個人電腦(PC)、平板PC、機上盒(Set-Top Box; STB)、個人數位助理(Personal Digital Assistant; PDA)、蜂巢電話、網路設備、伺服器、網路路由器、交換機或橋接器、或能夠執行指令集（連續或以其他方式）的任何機器執行，該指令集規定由彼機器採取的動作。另外，術語「電腦」應當包括電腦的任何集合，該等電腦獨立或聯合地執行指令集（或多個指令集）以執行本文描述的任何一或多個方法。
在另外的態樣中，電腦系統900可包括可經由匯流排908彼此通訊的處理裝置902、揮發性記憶體904（例如，隨機存取記憶體(Random Access Memory; RAM)）、非揮發性記憶體906（例如，唯讀記憶體(Read-Only Memory; ROM)或電子可抹除可程式設計ROM (Electrically-Erasable Programmable ROM; EEPROM)）、及資料儲存裝置916。
處理裝置902可藉由一或多個處理器提供，諸如通用處理器（諸如，例如，複雜指令集計算(CISC)微處理器、精簡指令集計算(RISC)微處理器、極長指令字(VLIW)微處理器、實施其他類型的指令集的微處理器、或實施各類型指令集的組合的微處理器）或專用處理器（諸如，例如，特殊應用積體電路(ASIC)、現場可程式設計閘陣列(FPGA)、數位信號處理器(DSP)、或網路處理器）。
電腦系統900可進一步包括網路介面裝置922（例如，耦接到網路974）。電腦系統900亦可包括視訊顯示單元910（例如，LCD）、字母數字輸入裝置912（例如，鍵盤）、游標控制裝置914（例如，滑鼠）、及信號產生裝置920。
在一些實施方式中，資料儲存裝置916可包括非暫時性電腦可讀取儲存媒體924，其上可儲存編碼本文描述的方法或功能的任何一或多個的指令926，包括第1圖的指令編碼部件（例如，校正動作部件122、預測部件114等）並且用於實施本文描述的方法。
指令926亦可在其藉由電腦系統900執行期間完全或部分駐存在揮發性記憶體904內及/或處理裝置902內，因此，揮發性記憶體904及處理裝置902亦可構成機器可讀取儲存媒體。
儘管電腦可讀取儲存媒體924在說明性實例中圖示為單個媒體，但術語「電腦可讀取儲存媒體」應當包括儲存一或多個可執行指令集的單個媒體或多個媒體（例如，集中式或分散式資料庫，及/或相關聯的快取記憶體及伺服器）。術語「電腦可讀取儲存媒體」亦應當包括能夠儲存或編碼指令集用於由電腦執行的任何有形媒體，該指令集導致電腦執行本文描述的任何一或多個方法。術語「電腦可讀取儲存媒體」應當包括但不限於固態記憶體、光學媒體、及磁性媒體。
本文描述的方法、部件、及特徵可藉由離散硬體組件實施或可整合在其他硬體部件（諸如ASIC、FPGA、DSP或類似裝置）的功能性中。此外，方法、部件、及特徵可以藉由韌體模組或硬體裝置內的功能電路實現。另外，方法、部件、及特徵可以硬體裝置及電腦程式部件的任何組合實施，或以電腦程式實施。
除非另外具體聲明，否則術語諸如「接收」、「執行」、「提供」、「獲得」、「導致」、「存取」、「決定」、「添加」、「使用」、「訓練」、或類似者指將表示為電腦系統的暫存器及記憶體中的物理（電子）量的資料操控及變換為類似地表示為電腦系統的記憶體或暫存器或其他此種資訊儲存、傳輸、或顯示裝置內的物理量的其他資料的電腦系統執行或實施的動作及製程。此外，如本文使用，術語「第一」、「第二」、「第三」、「第四」等意味著在不同元件之中進行區分的標記並且根據其數字命名可能不具有序數意義。
本文描述的實例亦關於一種用於執行本文描述的方法的設備。此設備可經專門構造用於執行本文描述的方法，或可包括藉由儲存在電腦系統中的電腦程式選擇性程式設計的通用電腦系統。此種電腦程式可儲存在電腦可讀取有形儲存媒體中。
本文描述的方法及說明性實例並非固有地關於任何特定電腦或其他設備。可根據本文描述的教示使用各種通用系統，或可證明構造更專用的設備以執行本文描述的方法及/或其獨立功能、常式、子常式、或操作的每一者係方便的。在上文描述中闡述用於各種此等系統的結構的實例。
以上描述意欲為說明性而非限制性的。儘管已經參考特定說明性實例及實施方式描述本揭示，但將認識到本揭示不限於所描述的實例及實施方式。本揭示的範疇應當參考隨附申請專利範圍連同此種申請專利範圍所賦予的等效物的全部範疇來決定。
前述描述闡述了數個具體細節，諸如特定系統、部件、方法等等的實例，以便提供對本揭示的若干實施例的良好理解。然而，熟習此項技術者將顯而易見，可以在沒有此等具體細節的情況下實踐本揭示的至少一些實施例。在其他情況中，未詳細描述並熟知的部件或方法且其以簡單的方塊圖格式提供，以便避免不必要地混淆本揭示。因此，闡述的具體細節僅係示例性的。特定實施方式可以從此等示例性細節改變並且仍預期在本揭示的範疇內。
在整個此說明書中提及「一個實施例」或「一實施例」意指結合實施例描述的特定特徵、結構、或特性包括在至少一個實施例中。因此，在整個此說明書的各個位置中出現片語「在一個實施例中」或「在一實施例中」不一定皆指相同實施例。另外，術語「或」意欲意味著包括性「或」而非排除性「或」。當在本文中使用術語「約」或「近似」時，這意欲意味著所提供的標稱值在±10%內為精確的。
100:電腦系統架構 110:預測系統 112:預測伺服器 114:預測部件 120:客戶端裝置 122:校正動作部件 124:製造設備 126:感測器 128:計量設備 130:網路 140:資料儲存器 170:伺服器機器 172:訓練集合產生器 180:伺服器機器 182:訓練引擎 184:驗證引擎 185:選擇引擎 186:測試引擎 190:機器學習模型 200:方法 210:方塊 212:方塊 214:方塊 216:方塊 218:方塊 220:方塊 222:方塊 226:方塊 228:方塊 230:方塊 300:製造系統 302:基板 304:處理工具 306:工廠介面 308:外殼 310:傳遞腔室 312:傳遞腔室機器人 314:處理腔室 316:處理腔室 318:處理腔室 320:裝載閘 322:基板載具 324:裝載埠 326:工廠介面機器人 328:系統控制器 350:資料儲存器 400:處理腔室 402:腔室主體 406:內部體積 408:側壁 410:底部 412:供應線 426:排氣口 428:流量控制設備 430:噴淋頭 432:氣體遞送孔洞 448:基板支撐組件 451:膜 458:氣體面板 510A:處理腔室 510B:處理腔室 510C:處理腔室 510D:處理腔室 510E:處理腔室 510F:處理腔室 515:傳遞腔室 520:傳遞腔室機器人 525A:端效器 525B:端效器 530A:感測器 530B:感測器 600:連桿組件 610:第一連桿 615:第二連桿 620:感測器 625:弧形運動 700:方法 710:方塊 720:方塊 730:方塊 800:方法 810:方塊 812:方塊 814:方塊 816:方塊 818:方塊 820:方塊 900:電腦系統 902:處理裝置 904:揮發性記憶體 906:非揮發性記憶體 908:匯流排 910:視訊顯示單元 912:字母數字輸入裝置 914:游標控制裝置 916:資料儲存裝置 920:信號產生裝置 922:網路介面裝置 924:非暫時性電腦可讀取儲存媒體 926:指令 974:網路
本揭示在隨附的圖式中藉由實例示出並且不作限制，在附圖中相同參考指示類似元件。應當注意，在本揭示中，對「一(an)」或「一個(one)」實施例的不同指稱不一定係相同實施例，並且此種指稱意味著至少一個。
第1圖係根據某些實施例的示出示例性系統架構的方塊圖。
第2圖係根據某些實施例的用於訓練機器學習模型的方法的流程圖。
第3圖係根據某些實施例的示例製造系統的頂部示意圖。
第4圖係根據某些實施例的示例製造系統的示例處理腔室的橫截面示意性側視圖。
第5圖係根據本揭示的實施例的處理工具的示意性俯視圖。
第6圖係根據本揭示的實施例的傳遞腔室機器人連桿組件的示意性俯視圖。
第7圖係根據本揭示的態樣的用於控制傳遞腔室機器人以使用感測器進行量測的方法的流程圖。
第8圖係根據某些實施例的用於使用機器學習模型決定處理腔室子系統的失效類型的方法的流程圖。
第9圖係根據某些實施例的示出電腦系統的方塊圖。
國內寄存資訊(請依寄存機構、日期、號碼順序註記) 無 國外寄存資訊(請依寄存國家、機構、日期、號碼順序註記) 無
100:電腦系統架構
110:預測系統
112:預測伺服器
114:預測部件
120:客戶端裝置
122:校正動作部件
124:製造設備
126:感測器
128:計量設備
130:網路
140:資料儲存器
170:伺服器機器
172:訓練集合產生器
180:伺服器機器
182:訓練引擎
184:驗證引擎
185:選擇引擎
186:測試引擎
190:機器學習模型

Claims (22)

  1. 一種用於一電子元件製造系統的處理工具，該處理工具包含： 一傳遞腔室； 一處理腔室，耦接到該傳遞腔室；以及 一傳遞腔室機器人，經配置為將基板傳遞到該處理腔室及從該處理腔室傳遞基板，其中該傳遞腔室機器人包含經配置為在該處理腔室內部進行量測的一感測器。
  2. 如請求項1所述的處理工具，其中該感測器耦接到該傳遞腔室機器人的一端效器。
  3. 如請求項1所述的處理工具，其中該感測器耦接到該傳遞腔室機器人的一連桿。
  4. 如請求項1所述的處理工具，其中該感測器包含下列的至少一者：一加速計、一距離感測器、一相機、一電容感測器、一反射計、一高溫計、一雷射誘導的螢光分光鏡、或光纖光學元件。
  5. 如請求項1所述的處理工具，其中該感測器耦接到能夠將電力提供到該感測器的一電力鏈路。
  6. 如請求項1所述的處理工具，其中該感測器耦接到能夠將該等量測發送到一使用者介面或一資料儲存系統的一資料鏈路。
  7. 如請求項1所述的處理工具，其中該感測器可以獨立於耦接到該傳遞腔室機器人的一端效器而定位。
  8. 一種電子元件製造系統，包含： 一裝載閘及一處理工具，其中該處理工具包含： 一傳遞腔室； 一處理腔室，耦接到該傳遞腔室；以及 一傳遞腔室機器人，經配置為將基板從該裝載閘傳遞到該處理腔室及反之亦然，其中該傳遞腔室機器人包含經配置為在該處理腔室內部進行量測的一感測器。
  9. 如請求項8所述的電子元件製造系統，其中該感測器耦接到該傳遞腔室機器人的一端效器。
  10. 如請求項8所述的電子元件製造系統，其中該感測器耦接到該傳遞腔室機器人的一連桿。
  11. 如請求項8所述的電子元件製造系統，其中該感測器包含下列的至少一者：一加速計、一距離感測器、一相機、一電容感測器、一反射計、一高溫計、一雷射誘導的螢光分光鏡、或光纖光學元件。
  12. 如請求項8所述的電子元件製造系統，其中該感測器耦接到能夠將電力提供到該感測器的一電力鏈路。
  13. 如請求項8所述的電子元件製造系統，其中該感測器耦接到能夠將該等量測發送到一使用者介面或一資料儲存系統的一資料鏈路。
  14. 如請求項8所述的電子元件製造系統，其中該感測器可以獨立於耦接到該傳遞腔室機器人的一端效器而定位。
  15. 一種傳遞腔室機器人，包含： 一臂組件，包含複數個連桿； 一端效器，耦接到該臂組件，其中該端效器經配置將基板傳遞到一處理腔室及從該處理腔室傳遞基板；以及 一感測器，耦接到該臂組件並且經配置為在該處理腔室內部進行量測。
  16. 如請求項15所述的傳遞腔室機器人，其中該感測器耦接到該傳遞腔室機器人的該端效器。
  17. 如請求項15所述的傳遞腔室機器人，其中該感測器耦接到該複數個連桿的一連桿。
  18. 如請求項15所述的傳遞腔室機器人，其中該感測器包含下列的至少一者：一加速計、一距離感測器、一相機、一電容感測器、一反射計、一高溫計、一雷射誘導的螢光分光鏡、或光纖光學元件。
  19. 如請求項15所述的傳遞腔室機器人，其中該感測器可以獨立於耦接到該傳遞腔室機器人的該端效器而定位。
  20. 一種方法，包含以下步驟： 藉由一處理器定位一處理腔室內的一傳遞腔室機器人的一部分，該部分包含至少一個感測器； 使用該一或多個感測器獲得與該處理腔室相關聯的感測器資料；以及 從該處理腔室移除該傳遞腔室機器人的該部分。
  21. 一種方法，包含以下步驟： 藉由一處理器獲得藉由一處理腔室處的一感測器裝置產生的複數個感測器值； 將一機器學習模型應用於該複數個感測器值，基於該處理腔室的一子系統的歷史感測器資料及與用於沉積該膜的該配方相關聯的任務資料來訓練該機器學習模型； 產生該機器學習模型的一輸出，其中該輸出指示該子系統的一失效類型； 決定該子系統的該失效類型；以及 基於該失效類型來產生一校正動作。
  22. 如請求項21所述的方法，其中該感測器裝置耦接到一傳遞腔室機器人。
TW111125505A 2021-07-08 2022-07-07 用於無接觸處理腔室特徵化的方法及機制 TW202309755A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US202163219498P 2021-07-08 2021-07-08
US63/219,498 2021-07-08
US17/857,630 2022-07-05
US17/857,630 US20230008072A1 (en) 2021-07-08 2022-07-05 Method and mechanism for contact-free process chamber characterization

Publications (1)

Publication Number Publication Date
TW202309755A true TW202309755A (zh) 2023-03-01

Family

ID=84799379

Family Applications (1)

Application Number Title Priority Date Filing Date
TW111125505A TW202309755A (zh) 2021-07-08 2022-07-07 用於無接觸處理腔室特徵化的方法及機制

Country Status (7)

Country Link
US (1) US20230008072A1 (zh)
EP (1) EP4367714A1 (zh)
JP (1) JP2024527564A (zh)
KR (1) KR20240027837A (zh)
CN (1) CN117836922A (zh)
TW (1) TW202309755A (zh)
WO (1) WO2023283271A1 (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5963315A (en) * 1997-08-18 1999-10-05 Motorola, Inc. Method and apparatus for processing a semiconductor wafer on a robotic track having access to in situ wafer backside particle detection
KR20070053538A (ko) * 2005-11-21 2007-05-25 삼성전자주식회사 얼라인부를 갖는 웨이퍼 이송로봇
US8224607B2 (en) * 2007-08-30 2012-07-17 Applied Materials, Inc. Method and apparatus for robot calibrations with a calibrating device
US11348813B2 (en) * 2019-01-31 2022-05-31 Applied Materials, Inc. Correcting component failures in ion implant semiconductor manufacturing tool
US20220254666A1 (en) * 2019-07-26 2022-08-11 Lam Research Corporation Integrated adaptive positioning systems and routines for automated wafer-handling robot teach and health check

Also Published As

Publication number Publication date
EP4367714A1 (en) 2024-05-15
JP2024527564A (ja) 2024-07-25
US20230008072A1 (en) 2023-01-12
CN117836922A (zh) 2024-04-05
WO2023283271A1 (en) 2023-01-12
KR20240027837A (ko) 2024-03-04

Similar Documents

Publication Publication Date Title
US11989495B2 (en) Systems and methods for predicting film thickness using virtual metrology
US20220284342A1 (en) Systems and methods for process chamber health monitoring and diagnostics using virtual model
US20240353812A1 (en) Systems and methods for adaptive troubleshooting of semiconductor manufacturing equipment
US20230195071A1 (en) Methods and mechanisms for generating a data collection plan for a semiconductor manufacturing system
CN116802781A (zh) 用于使用虚拟计量来预测个别的层的膜厚度的系统和方法
KR20230140535A (ko) 기판 제조 동안 패턴화된 기판 속성들을 측정하기 위한 방법들 및 메커니즘들
TW202345235A (zh) 在基板製造期間用於調整處理腔室參數的方法及機制
TW202334767A (zh) 用於製程配方最佳化的方法及機制
US20230008072A1 (en) Method and mechanism for contact-free process chamber characterization
US20230089982A1 (en) Methods and mechanisms for coupling sensors to transfer chamber robot
US20230359179A1 (en) Methods and mechanisms for adjusting film deposition parameters during substrate manufacturing
US20230384777A1 (en) Methods and mechanisms for preventing fluctuation in machine-learning model performance
CN117916871A (zh) 用于将传感器耦合至传输腔室机器人的方法和机构
US20230342016A1 (en) Methods and mechanisms for generating virtual knobs for model performance tuning