TW202335788A - 研磨終點檢測方法、研磨終點檢測系統、研磨裝置、及電腦可讀取之記錄媒體 - Google Patents
研磨終點檢測方法、研磨終點檢測系統、研磨裝置、及電腦可讀取之記錄媒體 Download PDFInfo
- Publication number
- TW202335788A TW202335788A TW112105389A TW112105389A TW202335788A TW 202335788 A TW202335788 A TW 202335788A TW 112105389 A TW112105389 A TW 112105389A TW 112105389 A TW112105389 A TW 112105389A TW 202335788 A TW202335788 A TW 202335788A
- Authority
- TW
- Taiwan
- Prior art keywords
- grinding
- aforementioned
- polishing
- end point
- time
- Prior art date
Links
- 238000005498 polishing Methods 0.000 title claims abstract description 306
- 238000001514 detection method Methods 0.000 title claims description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 109
- 238000000034 method Methods 0.000 claims abstract description 23
- 239000012530 fluid Substances 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 10
- 239000004065 semiconductor Substances 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 239000000758 substrate Substances 0.000 abstract description 4
- 239000010408 film Substances 0.000 description 21
- 238000012549 training Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 9
- 238000013135 deep learning Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 239000007788 liquid Substances 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 235000012431 wafers Nutrition 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000002002 slurry Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000012788 optical film Substances 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- 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
- B24B37/013—Devices or means for detecting lapping completion
-
- 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
- B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
- B24B49/16—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation taking regard of the load
-
- 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
- H01L21/304—Mechanical treatment, e.g. grinding, polishing, cutting
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (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)
Abstract
本發明係關於檢測晶圓、基板、面板等用於製造半導體元件之工件的研磨終點之方法及系統。本方法係在研磨工件(W)時,取得顯示工件(W)之研磨進度的研磨監控值,生成表示研磨監控值隨著工件(W)之研磨時間而變化的時間序列資料,將時間序列資料所含之構成特徵資料點(FP1、FP2)的研磨監控值(VF1、VF2)及研磨時間(TF1、TF2)輸入學習完成模型(34),並從學習完成模型(34)輸出研磨終點預測時間。
Description
本發明係關於檢測晶圓、基板、面板等用於製造半導體元件之工件的研磨終點之方法及系統。此外,本發明係關於具備此種研磨終點檢測系統之研磨裝置。再者,本發明係關於記錄有用於使研磨裝置執行研磨終點檢測方法之程式的電腦可讀取之記錄媒體。
製造半導體元件時使用由CMP裝置所代表之研磨模組。半導體元件之配線構造係在形成有配線溝之絕緣膜上形成金屬膜(銅膜等),然後,藉由研磨模組除去不需要之金屬膜而形成。研磨模組係藉由一邊在研磨台上之研磨墊上供給研磨液(漿液),一邊使工件與研磨墊相對移動來研磨工件之表面。
研磨模組具備檢測工件之研磨終點的研磨終點檢測裝置。該研磨終點檢測裝置依據顯示研磨進度之研磨指標值(例如,台轉矩電流、渦電流式膜厚檢測器之輸出信號、光學式膜厚檢測器之輸出信號)監視工件的研磨,來決定身為除去了研磨對象膜(例如,金屬膜)之時點的研磨終點。
研磨指標值隨著研磨進度,並取決於工件之表面狀態而變化。研磨終點例如係依據研磨指標值的特徵性變化點來檢測,該研磨指標值的特徵性變化點是基於除去研磨對象膜而下層露出而定。研磨模組依據檢測出之研磨終點而結束工件的研磨。
[先前技術文獻]
[專利文獻]
[專利文獻1]日本特開2018-58197號公報
[專利文獻2]日本特開2013-176828號公報
(發明所欲解決之問題)
通常,因為研磨指標值之實測值含有雜訊(Noise),所以將經過數秒鐘而獲得之實測值的平均,亦即移動平均用於檢測研磨終點。由於算出該移動平均,所以有時候,研磨指標值之特徵性變化點從實際出現的時點延遲後,檢測研磨終點。
因此,本發明提供一種可正確預測研磨終點時間之方法及系統。
(解決問題之手段)
一個樣態係提供一種研磨終點檢測方法,係在研磨工件時取得顯示前述工件之研磨進度的研磨監控值,生成表示前述研磨監控值隨著前述工件之研磨時間而變化的時間序列資料,將前述時間序列資料所含之構成特徵資料點的研磨監控值及研磨時間輸入學習完成模型,並從前述學習完成模型輸出研磨終點預測時間。
一個樣態係前述研磨終點檢測方法進一步將前述時間序列資料所含之構成研磨初期資料點的研磨監控值及研磨時間輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間。
一個樣態係前述研磨終點檢測方法進一步將前述時間序列資料所含之構成前述研磨初期資料點與前述特徵資料點之間的中間資料點之研磨監控值及研磨時間輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間。
一個樣態係前述特徵資料點係前述時間序列資料所含之複數個特徵資料點。
一個樣態係前述研磨終點預測裝置進一步將前述時間序列資料所含之構成前述複數個特徵資料點之間的中間資料點之研磨監控值及研磨時間輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間。
一個樣態係前述研磨終點檢測方法進一步將使用於研磨模組之研磨墊的總使用時間、前述研磨墊之種類、使用於研磨前述工件之研磨液之種類、及前述工件之種類中至少1個輔助資訊輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間。
一個樣態係前述特徵資料點係前述時間序列資料之極大點、極小點、及反曲點中的任何1個。
一個樣態係前述特徵資料點係到達指定之研磨監控值的時點之資料點。
一個樣態係前述研磨進度量測器係轉矩電流檢測器及膜厚量測檢測器中的其中一個。
一個樣態提供一種研磨終點檢測系統,係具備:研磨進度量測器,其係設於研磨模組;及研磨終點預測裝置,其係具有藉由機械學習而建構之學習完成模型;前述研磨終點預測裝置係以取得在研磨工件時從前述研磨進度量測器輸出之顯示前述工件的研磨進度之研磨監控值,生成表示前述研磨監控值隨著前述工件之研磨時間而變化的時間序列資料,將前述時間序列資料所含之構成特徵資料點的研磨監控值及研磨時間輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間之方式而構成。
一個樣態係前述研磨終點預測裝置係以進一步將前述時間序列資料所含之構成研磨初期資料點的研磨監控值及研磨時間輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間之方式而構成。
一個樣態係前述研磨終點預測裝置係以進一步將前述時間序列資料所含之構成前述研磨初期資料點與前述特徵資料點之間的中間資料點之研磨監控值及研磨時間輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間之方式而構成。
一個樣態係前述特徵資料點係前述時間序列資料所含之複數個特徵資料點。
一個樣態係前述研磨終點預測裝置係以進一步將前述時間序列資料所含之構成前述複數個特徵資料點之間的中間資料點之研磨監控值及研磨時間輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間之方式而構成。
一個樣態係前述研磨終點預測裝置係以進一步將使用於前述研磨模組之研磨墊的總使用時間、前述研磨墊之種類、使用於研磨前述工件之研磨液之種類、及前述工件之種類中之至少1個輔助資訊輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間之方式而構成。
一個樣態係前述特徵資料點係前述時間序列資料之極大點、極小點、及反曲點中的任何1個。
一個樣態係前述特徵資料點係到達指定之研磨監控值的時點之資料點。
一個樣態係前述研磨進度量測器係轉矩電流檢測器及膜厚量測檢測器中的其中一個。
一個樣態提供一種研磨裝置,係具備:研磨台,其係用於支撐研磨墊;研磨頭,其係將工件按壓於前述研磨墊之研磨面來研磨前述工件;及上述研磨終點檢測系統。
一個樣態提供一種電腦可讀取之記錄媒體,係記錄有使電腦執行以下步驟之程式:研磨工件時,取得顯示前述工件之研磨進度的研磨監控值;生成表示前述研磨監控值隨著前述工件之研磨時間而變化的時間序列資料;及將前述時間序列資料所含之構成特徵資料點的研磨監控值及研磨時間輸入學習完成模型,並從前述學習完成模型輸出研磨終點預測時間。
(發明之效果)
採用本發明時,藉由將構成在研磨終點前出現之特徵資料點的研磨監控值及研磨時間輸入學習完成模型,而從學習完成模型輸出研磨終點預測時間。藉此,可在作為目標的研磨終點之前正確預測研磨終點時間,並以作為目標之研磨終點結束工件的研磨。
以下,參照圖式說明本發明之實施形態。
圖1係顯示具備研磨終點檢測系統7及研磨模組1之研磨裝置的一種實施形態之示意圖。研磨模組1係化學機械性研磨工件W之研磨裝置(CMP裝置)。工件W之例可舉出使用於製造半導體元件之晶圓、基板、面板等。研磨終點檢測系統7係以檢測藉由研磨模組1所研磨之工件W的研磨終點之方式而構成。
研磨模組1具備:用於支撐研磨墊2之研磨台3;及連結於頭軸桿5之下端的研磨頭6。頭軸桿5經由皮帶及滑輪等之轉矩傳遞機構10而連結於研磨頭旋轉馬達12。研磨頭旋轉馬達12經由轉矩傳遞機構10使頭軸桿5旋轉,研磨頭6藉由該頭軸桿5之旋轉而以頭軸桿5為中心在箭頭指示的方向旋轉。研磨頭6以藉由真空吸附在其下面可保持工件(例如晶圓)W之方式構成。
頭軸桿5可旋轉地保持於頭支臂15。頭支臂15配置於研磨墊2之上方,並與研磨墊2之研磨面2a平行。頭支臂15之一端保持頭軸桿5,頭支臂15之另一端連結於支臂搖動馬達16。支臂搖動馬達16係以藉由使頭支臂15以指定之角度程度旋轉,而使研磨頭6在研磨台3上之研磨位置、與研磨台3外的搬送位置之間移動的方式而構成。
研磨台3經由台軸3a而與配置在其下方之台旋轉馬達18連結,研磨台3可藉由該台旋轉馬達18而以台軸3a為中心在箭頭指示的方向旋轉。研磨墊2之上面構成研磨工件W之研磨面2a。在研磨台3之上方配置有用於在研磨面2a上供給研磨液(漿液)的研磨液供給噴嘴20。
工件W之研磨進行如下。研磨台3及研磨墊2藉由台旋轉馬達18旋轉,同時從研磨液供給噴嘴20供給研磨液至研磨墊2的研磨面2a。研磨頭6藉由研磨頭旋轉馬達12而旋轉,同時將工件W對研磨墊2之研磨面2a按壓。工件W藉由研磨液之化學性作用、與研磨液所含之研磨粒及/或研磨墊2的機械性作用之組合來研磨。一種實施形態係亦可在工件W之研磨中,藉由支臂搖動馬達16使研磨頭6在研磨墊2之研磨面2a上搖動(擺動(Oscillation))。
其次,說明研磨終點檢測系統7。研磨終點檢測系統7具備:配置於研磨模組1之研磨進度量測器30;及預測工件W之研磨終點的研磨終點預測裝置33。本實施形態之研磨進度量測器30係連接於台旋轉馬達18之轉矩電流檢測器(亦即,台轉矩電流檢測器)。身為轉矩電流檢測器之研磨進度量測器30係以量測供給至台旋轉馬達18的電流(以下,稱轉矩電流)之方式而構成。轉矩電流係台旋轉馬達18為了使研磨台3及研磨墊2以一定速度旋轉所需的電流。
轉矩電流之量測值發揮作為顯示工件W之研磨進度的研磨監控值之功能。亦即,在工件W研磨中,因為工件W之表面與研磨墊2的研磨面2a滑動接觸,所以在工件W與研磨墊2之間產生摩擦力。該摩擦力作為阻力轉矩而作用於台旋轉馬達18。在工件W與研磨墊2之間發生的摩擦力依工件W之表面狀態而改變。例如,工件W之表面具有配線圖案構造時,上述摩擦力因構成配線圖案構造之膜或金屬配線的除去狀態而變化。該摩擦力之變化可作為為了使研磨台3及研磨墊2以預設之速度旋轉,而供給至台旋轉馬達18的轉矩電流之變化來檢測。研磨進度量測器30係以連接於研磨終點預測裝置33,生成身為轉矩電流之量測值的研磨監控值,並將研磨監控值送至研磨終點預測裝置33的方式而構成。
研磨終點預測裝置33具備:儲存有程式及後述之學習完成模型34的記憶裝置33a;及按照程式所含之命令執行演算的演算裝置33b。研磨終點預測裝置33由至少1台電腦構成。記憶裝置33a具備:隨機存取記憶體(RAM)等之主記憶裝置;及硬碟機(HDD)、固態硬碟(SSD)等之輔助記憶裝置。演算裝置33b之例可舉出CPU(中央處理裝置)、GPU(圖形處理單元)。不過研磨終點預測裝置33的具體構成不限定於此等之例。
研磨終點預測裝置33亦可係以通信線連接於研磨進度量測器30之邊緣伺服器,亦可係藉由網際網路等之網路而連接於研磨進度量測器30的雲端伺服器。研磨終點預測裝置33亦可係複數個伺服器之組合。例如,研磨終點預測裝置33亦可係藉由網際網路或區域網路等之通信網路而彼此連接的邊緣伺服器與雲端伺服器之組合。不過,研磨終點預測裝置33的具體構成不限定於此等之例。一種實施形態係研磨終點預測裝置33亦可係由複數個裝置構成,並分別具備記憶裝置與演算裝置。
研磨終點預測裝置33連接於研磨控制部40。研磨終點預測裝置33預測工件W之研磨終點,並將包含研磨終點預測時間之研磨結束信號傳送至研磨控制部40。研磨控制部40依據所接收之研磨結束信號對研磨模組1發出指令,使工件W在研磨終點預測時間結束研磨。
圖2係顯示表示研磨監控值隨著工件W之研磨時間而變化的時間序列資料之曲線圖的一例圖。圖2中,縱軸表示研磨監控值(亦即,轉矩電流之量測值),橫軸表示工件W之研磨時間。工件W之表面狀態隨著工件W被研磨而變化。該工件W之表面狀態的變化如圖2所示,係作為研磨監控值之變化而出現。
工件W之研磨終點依據表示工件W之研磨進度的研磨監控值來檢測。圖2所示之時間序列資料包含研磨監控值之極大點MP。該極大點MP例如係藉由除去研磨對象膜,並下層露出而出現的特徵資料點。本實施形態作為目標之研磨終點係極大點MP出現的時點。因此,研磨模組1係將在對應於極大點MP之研磨終點時間TE使工件W的研磨結束作為目標。
但是,極大點MP出現後檢測研磨終點時,研磨控制部40對研磨模組1發出指令,研磨模組1結束工件W之研磨的時點有時候會超過研磨終點時間TE。此外,因為研磨監控值之實測值含有雜訊,所以如圖3所示,時間序列資料之波形不穩定,無法正確檢測研磨終點。因而,檢測研磨終點時,算出研磨監控值之移動平均,並如圖2所示地使用減少雜訊之時間序列資料。由於算出該移動平均,所以研磨終點之檢測有時候會延遲。
因此,本實施形態之研磨終點預測裝置33係依據研磨學習用工件時獲得的時間序列資料,並使用藉由機械學習而建構之學習完成模型34來預測研磨終點。研磨終點預測裝置33如圖1所示,具有儲存於記憶裝置33a之學習完成模型34。
使用於建構學習完成模型34之學習用工件亦可係與研磨對象之工件W相同種類,亦可係不同種類。工件之種類依工件之表面、構成工件之材料、工件之尺寸等工件具有的構造性特徵作區別。工件之表面構造依形成於工件表面的配線圖案及構成配線圖案之材料而異。
圖4係顯示研磨學習用工件時所生成之時間序列資料的曲線圖的一例。學習用工件與上述之工件W的研磨同樣地藉由研磨模組1來研磨。學習用工件以與工件W相同之研磨條件來研磨。研磨條件可舉出:研磨台3之旋轉速度、研磨頭6之旋轉速度、研磨頭6之對工件W的按壓力、研磨液之流量。
研磨進度量測器30在學習用工件研磨中量測轉矩電流。研磨終點預測裝置33從研磨進度量測器30取得顯示學習用工件之研磨進度的轉矩電流之量測值,亦即研磨監控值,並生成表示研磨監控值隨著學習用工件之研磨時間而變化(亦即,轉矩電流之量測值的變化)的時間序列資料。該時間序列資料儲存於研磨終點預測裝置33之記憶裝置33a內。
一種實施形態係研磨終點預測裝置33亦可算出轉矩電流之量測值的一次微分值、二次微分值、或其以上次數之微分值,而生成表示身為轉矩電流之量測值的一次微分值、二次微分值、或其以上次數之微分值的研磨監控值隨著學習用工件之研磨時間而變化的時間序列資料。
圖4所示之時間序列資料包含:研磨初期資料點IP、2個特徵資料點FP1、FP2、及目標終點資料點EP。各資料點係由研磨監控值、與對應之研磨時間構成的時間序列資料上之點。
研磨初期資料點IP係開始研磨學習用工件時的資料點。研磨初期資料點IP藉由研磨監控值VI及研磨時間TI而構成。因為開始研磨時之研磨監控值不穩定,所以研磨初期資料點IP亦可係開始研磨時(亦即,研磨時間TI=0時)之資料點,亦可係從開始研磨經過指定之初期研磨時間時的資料點。
特徵資料點FP1、FP2係具有時間序列資料所含之預定特徵的資料點,且在比作為目標的研磨終點(亦即,目標終點資料點EP)之前出現。具有預定特徵之資料點係極大點、極小點、或反曲點等顯示特徵性變化的資料點,或是到達指定之研磨監控值的時點之資料點。圖4所示之時間序列資料中的特徵資料點係2個,不過,不同種類之工件的時間序列資料係在比研磨終點(亦即,目標終點資料點EP)之前出現的特徵資料點有時僅1個,或是3個以上。
圖4所示之時間序列資料的特徵資料點FP1係極大點,且特徵資料點FP2係極小點。特徵資料點FP1藉由研磨監控值VF1及研磨時間TF1而構成。特徵資料點FP2藉由研磨監控值VF2及研磨時間TF2而構成。目標終點資料點EP係在作為目標之研磨終點的資料點。目標終點資料點EP藉由研磨監控值VE及研磨時間(研磨終點時間)TE而構成。
本實施形態用於建構學習完成模型34之訓練資料包含:構成研磨初期資料點IP及特徵資料點FP1、FP2之研磨監控值及時間,進一步包含身為解答標籤之構成目標終點資料點EP的研磨時間(研磨終點時間)TE。學習完成模型34藉由機械學習來建構。機械學習之例可舉出:SVR法(支援向量迴歸法)、PLS法(部分最小平方法;Partial Least Squares)、深度學習法(深層學習法)、隨機森林法、及決策樹法等。一例為學習完成模型34係由藉由深度學習法建構之類神經網路而構成。
圖5係顯示使用深度學習法所建構之學習完成模型34的一例示意圖。學習完成模型34具有:輸入層101、複數個隱藏層(亦稱為中間層)102、及輸出層103。圖5所示之學習完成模型34具有4個隱藏層102,不過學習完成模型34之構成不限於圖5所示的實施形態。
使用深度學習之學習完成模型34的建構進行如下。圖5所示之輸入層101中輸入構成研磨初期資料點IP及特徵資料點FP1、FP2之研磨監控值及研磨時間。更具體而言,係將構成研磨初期資料點IP之研磨監控值VI及研磨時間TI;構成特徵資料點FP1之研磨監控值VF1及研磨時間TF1;及構成特徵資料點FP2之研磨監控值VF2及研磨時間TF2輸入輸入層101。
學習完成模型34係以在輸入層101中輸入構成研磨初期資料點IP及特徵資料點FP1、FP2之研磨監控值及研磨時間時,從輸出層103輸出研磨終點預測時間之方式而構成。研磨終點預測裝置33比較從輸出層103輸出之研磨終點預測時間、與身為解答標籤之構成目標終點資料點EP的研磨時間(研磨終點時間)TE,以使其誤差為最小之方式調整各節點(神經元)的參數(權值及臨限值等)。藉此,學習完成模型34係以依據輸入至輸入層101之資料,而從輸出層103輸出適切之研磨終點預測時間的方式進行學習。
藉由使用研磨複數個學習用工件時之複數個時間序列資料反覆進行上述學習,來建構學習完成模型34。基於機械學習之學習完成模型34對基本上並無經驗之輸入資料的預測精度低。因此,藉由以不同樣態使用研磨監控值變化之許多學習用工件,可提高從學習完成模型34輸出之研磨終點預測時間的精度。
上述實施形態係訓練資料中包含研磨初期資料點IP及2個特徵資料點FP1、FP2,不過,一種實施形態亦可不使用研磨初期資料點IP,而僅使用2個特徵資料點FP1、FP2。訓練資料可包含在研磨終點前出現之全部特徵資料點。例如,研磨終點前出現之特徵資料點係3個時,訓練資料亦可包含全部3個特徵資料點。
其他實施形態係特徵資料點亦可係到達指定之研磨監控值的時點之資料點。例如圖6所示,特徵資料點FP係到達指定之研磨監控值VF的時點之資料點,特徵資料點FP藉由指定之研磨監控值VF及研磨時間TF而構成。此時,用於建構學習完成模型34之訓練資料包含構成研磨初期資料點IP及特徵資料點FP之研磨監控值及研磨時間,進一步包含身為解答標籤之構成目標終點資料點EP的研磨時間(研磨終點時間)TE。
再者,其他實施形態係亦可藉由將自開始研磨至研磨終點之時間序列資料本身輸入學習完成模型34的輸入層101,來建構學習完成模型34。亦即,訓練資料亦可包含自開始研磨至研磨終點之時間序列資料本身,訓練資料所含之解答標籤係構成目標終點資料點EP的研磨時間(研磨終點時間)TE。
其次,說明使用學習完成模型34預測研磨對象之工件W的研磨終點之方法。圖7係顯示研磨工件W時所生成之時間序列資料的曲線圖之一例。研磨進度量測器30在工件W研磨中量測轉矩電流。研磨終點預測裝置33從研磨進度量測器30取得顯示工件W之研磨進度的轉矩電流之量測值,亦即研磨監控值,並生成表示研磨監控值隨著工件W之研磨時間而變化(亦即,轉矩電流之量測值的變化)之時間序列資料。該時間序列資料儲存於研磨終點預測裝置33之記憶裝置33a內。
一種實施形態係研磨終點預測裝置33亦可算出轉矩電流之量測值的一次微分值、二次微分值、或其以上次數之微分值,而生成表示身為轉矩電流之量測值的一次微分值、二次微分值、或其以上次數之微分值的研磨監控值隨著工件W之研磨時間而變化的時間序列資料。
圖7所示之時間序列資料包含:研磨初期資料點IP及2個特徵資料點FP1、FP2。因為此等研磨初期資料點IP及2個特徵資料點FP1、FP2對應於圖4所示之學習用工件的時間序列資料中之研磨初期資料點IP及2個特徵資料點FP1、FP2,所以省略其重複之說明。圖7所示之例係藉由研磨終點預測裝置33生成有從研磨初期資料點IP起直至經過了特徵資料點FP2出現的時點的以實線顯示之部分的時間序列資料。
研磨終點預測裝置33從研磨工件W時所生成之時間序列資料檢測研磨初期資料點IP、特徵資料點FP1、FP2,並將構成各資料點之研磨監控值及研磨時間輸入學習完成模型34的輸入層101(參照圖5)。更具體而言,研磨終點預測裝置33係將構成研磨初期資料點IP之研磨監控值VI及研磨時間TI、構成特徵資料點FP1之研磨監控值VF1及研磨時間TF1、與構成FP2之研磨監控值VF2及研磨時間TF2輸入輸入層101。
研磨終點預測裝置33使用輸入於學習完成模型34之輸入層101的資料,按照藉由學習完成模型34規定之演算法執行演算,並從學習完成模型34之輸出層103(參照圖5)輸出研磨終點預測時間。研磨終點預測裝置33將包含輸出之研磨終點預測時間的研磨結束信號傳送至研磨控制部40。研磨控制部40依據接收之研磨結束信號對研磨模組1發出指令,在研磨終點預測時間使工件W結束研磨。
上述實施形態於研磨工件W時輸入學習完成模型34之資料點係研磨初期資料點IP及2個特徵資料點FP1、FP2,不過,一種實施形態亦可不使用研磨初期資料點IP,而僅使用2個特徵資料點FP1、FP2。
其他實施形態就用於建構學習完成模型34之訓練資料而言,如圖6所示,係使用到達指定之研磨監控值的時點之特徵資料點FP時,就研磨工件W時輸入學習完成模型34之資料點而言,亦可使用到達指定之研磨監控值的時點之特徵資料點。
又其他實施形態就用於建構學習完成模型34之訓練資料而言,係使用從開始研磨至研磨終點之時間序列資料本身時,亦可於研磨工件W時,將從開始研磨起之時間序列資料本身輸入學習完成模型34,而輸出研磨終點預測時間。
採用上述實施形態時,藉由在藉由機械學習所建構的學習完成模型34中,輸入構成包含在比研磨終點之前出現的特徵資料點之資料點的研磨監控值及研磨時間,而從學習完成模型34輸出研磨終點預測時間。藉此,可在比作為目標的研磨終點之前正確預測研磨終點時間,並在作為目標之研磨終點結束工件的研磨。
圖8係說明使用學習完成模型34預測工件W之研磨終點的方法之一種實施形態的流程圖。
步驟1係藉由研磨模組1研磨學習用工件。學習用工件以與工件W相同研磨條件來研磨。研磨進度量測器30在學習用工件研磨中量測轉矩電流。
步驟2係研磨終點預測裝置33從研磨進度量測器30取得顯示學習用工件之研磨進度的轉矩電流之量測值,亦即研磨監控值。
步驟3係研磨終點預測裝置33生成表示研磨監控值隨著學習用工件之研磨時間而變化(亦即轉矩電流之量測值的變化)之時間序列資料。
步驟4係研磨終點預測裝置33使用時間序列資料所含之資料點,以輸出適切之研磨終點預測時間的方式進行機械學習。更具體而言,研磨終點預測裝置33係使用構成包含在比研磨終點之前出現的特徵資料點之資料點的研磨監控值及研磨時間、與作為解答標籤之包含研磨終點時間的訓練資料進行機械學習。並使用研磨了複數個學習用工件時之複數個時間序列資料,藉由反覆進行上述步驟1~4來建構學習完成模型34(步驟5)。
步驟6係藉由研磨模組1來研磨研磨對象之工件W。
步驟7係研磨終點預測裝置33從研磨進度量測器30取得顯示工件W之研磨進度的轉矩電流之量測值,亦即研磨監控值。
步驟8係研磨終點預測裝置33生成表示研磨監控值隨著工件W之研磨時間而變化(亦即轉矩電流之量測值的變化)之時間序列資料。
步驟9係研磨終點預測裝置33將研磨工件W時所生成之時間序列資料所含的資料點輸入學習完成模型34。更具體而言,研磨終點預測裝置33係將構成包含在比研磨終點之前出現的特徵資料點之資料點的研磨監控值及研磨時間輸入學習完成模型34。
步驟10係研磨終點預測裝置33從學習完成模型34輸出研磨終點預測時間。
步驟11係研磨終點預測裝置33將包含輸出之研磨終點預測時間的研磨結束信號傳送至研磨控制部40。
步驟12係研磨控制部40依據所接收之研磨結束信號對研磨模組1發出指令,在研磨終點預測時間使工件W結束研磨。
研磨終點預測裝置33按照電性儲存於記憶裝置33a之程式所含的命令而動作。亦即,研磨終點預測裝置33在研磨工件W時,係執行以下步驟:取得顯示工件W之研磨進度的研磨監控值;生成表示研磨監控值隨著工件W之研磨時間而變化的時間序列資料;及將構成時間序列資料所含之特徵資料點的研磨監控值及研磨時間輸入學習完成模型34,並從學習完成模型34輸出研磨終點預測時間。
用於使研磨終點預測裝置33執行此等步驟之程式係記錄於非一時性實體的電腦可讀取之記錄媒體,並經由記錄媒體提供至研磨終點預測裝置33。或是,程式亦可經由網際網路或區域網路等通信網路而輸入研磨終點預測裝置33。
上述實施形態用於建構學習完成模型34之訓練資料的資料點、及為了輸出研磨終點預測時間而輸入學習完成模型34之資料點,為使用時間序列資料上之研磨初期資料點IP、及特徵資料點FP1、FP2,不過,其他實施形態亦可除了此等資料點之外,還使用以下說明之中間資料點。
如圖9所示,中間資料點係時間序列資料所含之4個資料點DP1、DP2、DP3、DP4。中間資料點DP1、DP2係在研磨初期資料點IP與特徵資料點FP1之間的資料點。中間資料點DP3、DP4係2個特徵資料點FP1、FP2之間的資料點。中間資料點DP1~DP4例如係對應於以指定之時間間隔B而分布的複數個研磨時間之時間序列資料上的資料點。圖9所示之中間資料點數量係4個,不過中間資料點數量不限於此,亦可為3個以下、或是5個以上。
此時,使用於建構學習完成模型34之訓練資料,包含藉由研磨學習用工件而生成之時間序列資料所含的構成在研磨終點前出現之特徵資料點及中間資料點DP1~DP4的研磨監控值及研磨時間;與作為解答標籤之研磨終點時間。訓練資料亦可進一步包含構成學習用工件之初期研磨資料點IP的研磨監控值及研磨時間。
此外,研磨終點預測裝置33將研磨研磨對象之工件W時生成的研磨監控值之時間序列資料所含的構成在研磨終點前出現之特徵資料點及中間資料點DP1~DP4的研磨監控值及研磨時間輸入學習完成模型34,並從學習完成模型34輸出研磨終點預測時間。訓練資料中包含研磨初期資料點IP情況下,研磨終點預測裝置33除了特徵資料點及中間資料點之外,還將構成研磨工件W時生成的研磨監控值之時間序列資料所含的研磨初期資料點IP之研磨監控值及研磨時間輸入學習完成模型34。
藉由使用中間資料點DP1~DP4作為用於建構學習完成模型34之訓練資料的資料點、及為了輸出研磨終點預測時間而輸入學習完成模型34的資料點,可更正確地找出時間序列資料的波形。因此,研磨終點預測裝置33可提高從學習完成模型34輸出之研磨終點預測時間的精度。
又其他實施形態係使用於建構學習完成模型34之訓練資料亦可進一步包含使用於研磨模組1之研磨墊2的總使用時間、研磨墊2之種類、使用於研磨學習用工件之研磨液的種類、及學習用工件之種類中的至少1個輔助資訊。研磨終點預測裝置33使用包含構成特徵資料點之研磨監控值及研磨時間、上述輔助資訊、及作為解答標籤之研磨終點時間的訓練資料執行機械學習,來建構學習完成模型34。如上述,訓練資料亦可進一步包含構成初期研磨資料點及/或中間資料點之研磨監控值及研磨時間。
此時,研磨終點預測裝置33除了研磨研磨對象之工件W時生成的研磨監控值之時間序列資料所含的構成至少包含在研磨終點前出現之特徵資料點的資料點之研磨監控值及研磨時間之外,還將上述輔助資訊進一步輸入學習完成模型34,並從學習完成模型34輸出研磨終點預測時間。更具體而言,研磨終點預測裝置33進一步將使用於研磨模組1之研磨墊2的總使用時間、研磨墊2之種類、使用於研磨工件W之研磨液之種類、及工件W之種類中至少1個輔助資訊輸入學習完成模型34,並從學習完成模型34輸出研磨終點預測時間。
身為輔助資訊之使用於研磨模組1的研磨墊2之總使用時間、研磨墊2之種類、使用於研磨工件之研磨液之種類、及工件之種類皆為會影響時間序列資料(亦即,研磨監控值之變化)的參數。藉由輸入此等輔助資訊,研磨終點預測裝置33可提高從學習完成模型34輸出之研磨終點預測時間的精度。特別是因為工件之種類與時間序列資料上之特徵資料點的出現類型之關連性高,所以藉由使用工件之種類作為輔助資訊,即使學習用工件數量少,仍可精確預測研磨終點時間。
以上說明之實施形態中,研磨監控值係因工件W與研磨墊2摩擦而變化之轉矩電流的量測值。在工件W與研磨墊2之間發生的摩擦力隨著工件W與研磨墊2相對移動而發生。台旋轉馬達18係使工件W與研磨墊2相對移動之馬達的一例。在工件W與研磨墊2之間發生的摩擦力也使當研磨頭6正在將工件W按壓於研磨墊2時供給至使研磨頭6旋轉之研磨頭旋轉馬達12的轉矩電流產生變化。因此,一種實施形態如圖10所示,研磨進度量測器30亦可係量測供給至研磨頭旋轉馬達12之轉矩電流的轉矩電流量檢測器(亦即,研磨頭旋轉轉矩電流檢測器)。再者,於工件W研磨中藉由支臂搖動馬達16使研磨頭6搖動情況下,如圖11所示,研磨進度量測器30亦可係量測供給至支臂搖動馬達16之轉矩電流的轉矩電流檢測器(亦即,研磨頭搖動轉矩電流檢測器)。
以上說明之研磨終點檢測系統7係使用轉矩電流之量測值作為研磨監控值,不過,研磨監控值不限定於轉矩電流之量測值。一種實施形態如圖12所示,研磨進度量測器30可為量測工件W之膜厚的膜厚量測檢測器,研磨監控值可為工件W之膜厚指標值。圖12所示之實施形態係將膜厚量測檢測器配置於研磨台3內,並與研磨台3一起旋轉。膜厚量測檢測器係以穿越研磨墊2上之工件W,同時量測工件W之膜厚的方式而構成。膜厚量測檢測器之例可舉出渦電流檢測器及光學式檢測器。使用此種膜厚量測檢測器來量測膜厚之構成可採用習知者。
上述實施形態係以本發明所屬之技術領域中具有通常知識者可實施本發明為目的而記載者。本發明所屬之技術領域中具有通常知識者當然可形成上述實施形態之各種變化例,本發明之技術性思想亦可適用於其他實施形態。因此,本發明不限定於記載之實施形態,而係在按照藉由申請專利範圍所定義之技術性思想而定的最廣範圍的解釋者。
[產業上之可利用性]
本發明可利用於檢測晶圓、基板、面板等用於製造半導體元件之工件的研磨終點之方法及系統。此外,本發明可利用於具備此種研磨終點檢測系統之研磨裝置。再者,本發明可利用於記錄有用於使研磨裝置執行研磨終點檢測方法之程式的電腦可讀取之記錄媒體。
1:研磨模組
2:研磨墊
2a:研磨面
3:研磨台
3a:台軸
5:頭軸桿
6:研磨頭
7:研磨終點檢測系統
10:轉矩傳遞機構
12:研磨頭旋轉馬達
15:頭支臂
16:支臂搖動馬達
18:台旋轉馬達
20:研磨液供給噴嘴
30:研磨進度量測器
33:研磨終點預測裝置
33a:記憶裝置
33b:演算裝置
34:學習完成模型
40:研磨控制部
101:輸入層
102:隱藏層
103:輸出層
DP1~DP4:中間資料點
EP:目標終點資料點
FP1,FP2,FP:特徵資料點
IP:研磨初期資料點
MP:極大點
TE:研磨時間(研磨終點時間)
TI,TF1,TF2,TF:研磨時間
VI,VF1,VF2,VE,VF:研磨監控值
W:工件
圖1係顯示具備研磨終點檢測系統及研磨模組之研磨裝置的一種實施形態之示意圖。
圖2係顯示表示研磨監控值隨著工件之研磨時間而變化的時間序列資料之曲線圖的一例圖。
圖3係顯示表示包含雜訊之研磨監控值的變化之時間序列資料的曲線圖之一例圖。
圖4係顯示研磨學習用工件時所生成之時間序列資料的曲線圖的一例。
圖5係顯示使用深度學習所建構之學習完成模型的一例示意圖。
圖6係到達指定之研磨監控值的時點之資料點的說明圖。
圖7係顯示研磨工件時所生成之時間序列資料的曲線圖之一例。
圖8係說明使用學習完成模型預測工件之研磨終點的方法之一種實施形態的流程圖。
圖9係時間序列資料所含之中間資料點的說明圖。
圖10係顯示研磨終點檢測系統之其他實施形態的示意圖。
圖11係顯示研磨終點檢測系統之又其他實施形態的示意圖。
圖12係顯示研磨終點檢測系統之又其他實施形態的示意圖。
FP1,FP2:特徵資料點
IP:研磨初期資料點
TI,TF1,TF2:研磨時間
VI,VF1,VF2:研磨監控值
Claims (20)
- 一種研磨終點檢測方法,係在研磨工件時取得顯示前述工件之研磨進度的研磨監控值, 生成表示前述研磨監控值隨著前述工件之研磨時間而變化的時間序列資料, 將前述時間序列資料所含之構成特徵資料點的研磨監控值及研磨時間輸入學習完成模型,並從前述學習完成模型輸出研磨終點預測時間。
- 如請求項1之研磨終點檢測方法,其中進一步將前述時間序列資料所含之構成研磨初期資料點的研磨監控值及研磨時間輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間。
- 如請求項2之研磨終點檢測方法,其中進一步將前述時間序列資料所含之構成前述研磨初期資料點與前述特徵資料點之間的中間資料點之研磨監控值及研磨時間輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間。
- 如請求項1之研磨終點檢測方法,其中前述特徵資料點係前述時間序列資料所含之複數個特徵資料點。
- 如請求項4之研磨終點檢測方法,其中前述研磨終點預測裝置進一步將前述時間序列資料所含之構成前述複數個特徵資料點之間的中間資料點之研磨監控值及研磨時間輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間。
- 如請求項1至5中任一項之研磨終點檢測方法,其中進一步將使用於研磨模組之研磨墊的總使用時間、前述研磨墊之種類、使用於研磨前述工件之研磨液之種類、及前述工件之種類中至少1個輔助資訊輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間。
- 如請求項1至5中任一項之研磨終點檢測方法,其中前述特徵資料點係前述時間序列資料之極大點、極小點、及反曲點中的任何1個。
- 如請求項1至5中任一項之研磨終點檢測方法,其中前述特徵資料點係到達指定之研磨監控值的時點之資料點。
- 如請求項1至5中任一項之研磨終點檢測方法,其中前述研磨進度量測器係轉矩電流檢測器及膜厚量測檢測器中的其中一個。
- 一種研磨終點檢測系統,係具備: 研磨進度量測器,其係設於研磨模組;及 研磨終點預測裝置,其係具有藉由機械學習而建構之學習完成模型; 前述研磨終點預測裝置係以取得在研磨工件時從前述研磨進度量測器輸出之顯示前述工件的研磨進度之研磨監控值, 生成表示前述研磨監控值隨著前述工件之研磨時間而變化的時間序列資料, 將前述時間序列資料所含之構成特徵資料點的研磨監控值及研磨時間輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間之方式而構成。
- 如請求項10之研磨終點檢測系統,其中前述研磨終點預測裝置係以進一步將前述時間序列資料所含之構成研磨初期資料點的研磨監控值及研磨時間輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間之方式而構成。
- 如請求項11之研磨終點檢測系統,其中前述研磨終點預測裝置係以進一步將前述時間序列資料所含之構成前述研磨初期資料點與前述特徵資料點之間的中間資料點之研磨監控值及研磨時間輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間之方式而構成。
- 如請求項10之研磨終點檢測系統,其中前述特徵資料點係前述時間序列資料所含之複數個特徵資料點。
- 如請求項13之研磨終點檢測系統,其中前述研磨終點預測裝置係以進一步將前述時間序列資料所含之構成前述複數個特徵資料點之間的中間資料點之研磨監控值及研磨時間輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間之方式而構成。
- 如請求項10至14中任一項之研磨終點檢測系統,其中前述研磨終點預測裝置係以進一步將使用於前述研磨模組之研磨墊的總使用時間、前述研磨墊之種類、使用於研磨前述工件之研磨液之種類、及前述工件之種類中之至少1個輔助資訊輸入前述學習完成模型,並從前述學習完成模型輸出研磨終點預測時間之方式而構成。
- 如請求項10至14中任一項之研磨終點檢測系統,其中前述特徵資料點係前述時間序列資料之極大點、極小點、及反曲點中的任何1個。
- 如請求項10至14中任一項之研磨終點檢測系統,其中前述特徵資料點係到達指定之研磨監控值的時點之資料點。
- 如請求項10至14中任一項之研磨終點檢測系統,其中前述研磨進度量測器係轉矩電流檢測器及膜厚量測檢測器中的其中一個。
- 一種研磨裝置,係具備: 研磨台,其係用於支撐研磨墊; 研磨頭,其係將工件按壓於前述研磨墊之研磨面來研磨前述工件;及 請求項10至18中任一項之研磨終點檢測系統。
- 一種電腦可讀取之記錄媒體,係記錄有使電腦執行以下步驟之程式: 研磨工件時,取得顯示前述工件之研磨進度的研磨監控值; 生成表示前述研磨監控值隨著前述工件之研磨時間而變化的時間序列資料;及 將前述時間序列資料所含之構成特徵資料點的研磨監控值及研磨時間輸入學習完成模型,並從前述學習完成模型輸出研磨終點預測時間。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022-026546 | 2022-02-24 | ||
JP2022026546A JP2023122817A (ja) | 2022-02-24 | 2022-02-24 | 研磨終点検出方法、研磨終点検出システム、研磨装置、およびコンピュータ読み取り可能な記録媒体 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202335788A true TW202335788A (zh) | 2023-09-16 |
Family
ID=87765480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW112105389A TW202335788A (zh) | 2022-02-24 | 2023-02-15 | 研磨終點檢測方法、研磨終點檢測系統、研磨裝置、及電腦可讀取之記錄媒體 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP2023122817A (zh) |
TW (1) | TW202335788A (zh) |
WO (1) | WO2023162579A1 (zh) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP2021194748A (ja) * | 2020-06-17 | 2021-12-27 | 株式会社荏原製作所 | 研磨装置及びプログラム |
-
2022
- 2022-02-24 JP JP2022026546A patent/JP2023122817A/ja active Pending
-
2023
- 2023-01-27 WO PCT/JP2023/002674 patent/WO2023162579A1/ja unknown
- 2023-02-15 TW TW112105389A patent/TW202335788A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023162579A1 (ja) | 2023-08-31 |
JP2023122817A (ja) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111133560B (zh) | 使用机器学习方式以产生工艺控制参数的半导体制造 | |
TWI775569B (zh) | 研磨裝置、研磨方法、以及電腦程式製品 | |
US6562185B2 (en) | Wafer based temperature sensors for characterizing chemical mechanical polishing processes | |
KR20200120958A (ko) | 반도체 처리의 모니터링을 위한 기계 학습 시스템들 | |
US20020192966A1 (en) | In situ sensor based control of semiconductor processing procedure | |
JP6643258B2 (ja) | バフ研磨処理における研磨量のシミュレーション方法およびバフ研磨装置 | |
TW201923871A (zh) | 使用製程控制參數矩陣的半導體製造 | |
JP6440741B2 (ja) | 終点検出のための連続特徴トラッキング | |
JP2018065212A (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 | |
TW202140197A (zh) | 工件之化學機械研磨系統、演算系統、及化學機械研磨之模擬模式之作成方法 | |
TW202239524A (zh) | 用於標記用於攝譜監測的機器學習系統的訓練光譜的原位監測 | |
WO2022070607A1 (ja) | 研磨装置、および研磨パッドの交換時期を決定する方法 | |
JP6779173B2 (ja) | 基板処理装置、プログラムを記録した記録媒体 | |
US20210394338A1 (en) | Polishing apparatus and program | |
Khanna et al. | Methodology for pad conditioning sweep optimization for advanced nodes | |
TW202335788A (zh) | 研磨終點檢測方法、研磨終點檢測系統、研磨裝置、及電腦可讀取之記錄媒體 | |
JP6292819B2 (ja) | 選択的スペクトルモニタリングを使用した終点決定 | |
US20140024293A1 (en) | Control Of Overpolishing Of Multiple Substrates On the Same Platen In Chemical Mechanical Polishing | |
WO2024095997A1 (ja) | 研磨装置、情報処理装置及びプログラム | |
JP2023159949A (ja) | 研磨終点検出のためのパラメータ調整方法および研磨終点検出システム | |
Hocheng et al. | In situ endpoint detection by acoustic emissions in chemical–mechanical polishing of metal overlay | |
US11769699B2 (en) | Semiconductor manufacturing apparatus and semiconductor manufacturing method | |
US20230415302A1 (en) | Window logic for control of polishing process | |
TW202145329A (zh) | 化學機械拋光系統及調節拋光襯墊的方法 | |
JP2024048886A (ja) | ワークピースの膜厚測定の異常を検出する方法 |