TW202418011A - 控制方法、控制裝置、微影裝置及物品製造方法 - Google Patents

控制方法、控制裝置、微影裝置及物品製造方法 Download PDF

Info

Publication number
TW202418011A
TW202418011A TW112139164A TW112139164A TW202418011A TW 202418011 A TW202418011 A TW 202418011A TW 112139164 A TW112139164 A TW 112139164A TW 112139164 A TW112139164 A TW 112139164A TW 202418011 A TW202418011 A TW 202418011A
Authority
TW
Taiwan
Prior art keywords
control
signal
aforementioned
sequence
procedure
Prior art date
Application number
TW112139164A
Other languages
English (en)
Inventor
橋本拓海
畑智康
草柳博一
朝倉康伸
Original Assignee
日商佳能股份有限公司
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 日商佳能股份有限公司 filed Critical 日商佳能股份有限公司
Publication of TW202418011A publication Critical patent/TW202418011A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F7/00—Photomechanical, e.g. photolithographic, production of textured or patterned surfaces, e.g. printing surfaces; Materials therefor, e.g. comprising photoresists; Apparatus specially adapted therefor
    • G03F7/20—Exposure; Apparatus therefor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)

Abstract

[課題]可提供一種技術，有利於在使用了神經網路下的控制對象的控制中使控制精度提升。  　　[解決手段]一種控制方法，依第1訊號及第2訊號，對控制對象進行控制，該第1訊號，為基於前述控制對象的控制偏差而以第1補償器產生者，該第2訊號，為基於該控制偏差而透過神經網路以第2補償器產生者，前述控制方法，包含：第1控制程序，其為基於透過第1序列的目標值而對前述控制對象進行控制者；第2控制程序，其為一邊將擬似的外擾施加於前述控制對象，一邊基於第2序列的目標值而對前述控制對象進行控制者；以及決定程序，其為基於在前述第2控制程序所獲得的第2指標而進行學習，從而決定前述神經網路的參數值者。

Description

控制方法、控制裝置、微影裝置及物品製造方法
本發明，有關控制方法、控制裝置、微影裝置及物品製造方法。
近年來，對於控制精度的提升之要求漸嚴，有時僅以歷來的回授控制無法達到要求精度。於是，除歷來的控制器(補償器)外，已致力於並列地構成包含神經網路的控制器(專利文獻1)。神經網路，雖透過機器學習而調整參數，惟該情況下，需要獲得對環境的變動有韌性的行動準則。對於如此的問題，已提出對控制對象或環境施加外擾(disturbance)的手法(專利文獻2)。  [先前技術文獻] [專利文獻]
[專利文獻1]日本特開2022-46317號公報  　　[專利文獻2]日本特開2002-189502號公報
[發明所欲解決之課題]
在一邊對於控制對象施加擬似的外擾，一邊進行為了決定神經網路的參數值用的學習的情況下，期望上給予和在生產序列執行中產生的外擾接近的擬似的外擾。施加如此的擬似的外擾，從而有效地進行為了決定神經網路的參數值用的學習，在使用了神經網路下的控制對象的控制中，控制精度會提升。
於是，本發明，目的在於提供一種技術，有利於在使用了神經網路下的控制對象的控制中，使控制精度提升。    [用於解決課題之手段]
為了達成上述目的，作為本發明的一態樣的控制方法，為一種控制方法，依從第1訊號及第2訊號生成的控制訊號，對控制對象進行控制，前述第1訊號，為基於前述控制對象的控制偏差而以第1補償器產生者，前述第2訊號，為基於該控制偏差而透過神經網路以第2補償器產生者，前述控制方法，包含：第1控制程序，其為基於透過第1序列所界定的目標值而對前述控制對象進行控制者；第2控制程序，其為一邊將基於在前述第1控制程序所獲得的第1指標而設定的擬似的外擾提供至前述控制對象，一邊基於透過第2序列所界定的目標值而對前述控制對象進行控制者；以及決定程序，其為基於在前述第2控制程序所獲得的第2指標而進行學習，從而決定前述神經網路的參數值者。
本發明的進一步之目的或其他態樣，以下，將透過參照圖式進行說明之優選的實施方式而明示。    [發明功效]
依本發明時，例如可提供一種技術，有利於在使用了神經網路下的控制對象的控制中使控制精度提升。
以下，參照圖式，詳細說明實施方式。另外，以下的實施方式，非限定申請專利範圍的發明者。於實施方式雖記載複數個特徵，惟不限於此等複數個特徵的全部為發明必須者；此外，複數個特徵，亦可任意進行組合。再者，圖式中，對相同或同樣的構成標注相同的參考符號，反覆之說明省略。
＜第1實施方式＞  　　針對本發明的第1實施方式進行說明。於圖1，示出第1實施方式的系統SS的構成例。系統SS，例如可應用於一製造裝置，該製造裝置，用於製造物品。製造裝置，例如可包含一處理裝置，該處理裝置，對物品，或對構成物品的一部分的零件的材料或構件進行處理。處理裝置，例如可為以下的任一者：微影裝置，其將圖案轉印於材料或構件；膜形成裝置，其將膜形成於材料或構件；將材料或構件進行蝕刻的裝置；以及加熱裝置，其將材料或構件進行加熱。
系統SS，例如可具備序列部101、控制裝置100及控制對象103。控制裝置100，可包含控制器102。控制裝置100或控制器102，可產生操作量(操作量訊號)MV作為一控制訊號，該控制訊號，為用於對控制對象103進行控制者。系統SS應用於生產系統的情況下，對序列部101，可提供生產序列(第1序列)。生產序列，可界定為了生產(運用)用的順序，具體而言可界定一目標值(目標控制量)R之時序列資料，該目標值，為用於在生產中對控制對象103進行控制者。序列部101，基於生產序列，生成供於對控制對象103進行控制用的目標值R，可將目標值R提供至控制裝置100或控制器102。
控制裝置100或控制器102，可對控制對象103進行回授控制。具體而言，控制裝置100或控制器102，可基於從序列部101提供的目標值R與從控制對象103提供的控制量CV的差分(控制偏差)，以控制對象103的控制量CV追隨目標值R的方式對控制對象103進行控制。控制對象103，可具有對控制量CV進行檢測的感測器，透過該感測器檢測出的控制量CV可被提供至控制器102。目標值R、操作量MV及控制量CV，可為值會歷時而變化的時序列資料。
如例示於圖2，於系統SS，可整合有學習部201與外擾生成器202。學習部201及外擾生成器202，可被構成為控制裝置100的一部分，亦可被構成為控制裝置100的外部裝置。學習部201及外擾生成器202被構成為控制裝置100的外部裝置的情況下，學習部201及外擾生成器202亦可在學習的結束後被從控制裝置100斷開。學習部201，可被構成為將學習序列(第2序列)送至序列部101。於學習序列，以時序列資料之形式界定一目標值(目標控制量)R，該目標值，為供以在學習中對控制對象103進行控制用者。學習序列，可被設定(構成)為，依學習序列對控制對象103進行控制的時間，比依生產序列對控制對象103進行控制的時間短。序列部101，可依學習序列而生成目標值R，提供至控制器102。外擾生成器202，可被構成為將外擾訊號N送至控制器102。外擾訊號N，亦可基於在生產序列執行時從控制器102提供的動作歷史HP而生成。
控制器102，可基於一控制偏差E，生成操作量MV，該控制偏差E，為被依生產序列或學習序列透過序列部101生成並提供的目標值R與從控制對象103提供的控制量CV的差分。此處，控制器102，具有神經網路，可使用該神經網路而產生操作量MV。透過控制器102生成的操作量MV，被提供至控制對象103，控制對象103可依此操作量MV動作。作為此動作的結果的控制量CV，可被提供至控制器102。控制器102，可將一動作歷史HL提供至學習部201，該動作歷史HL，為顯示基於目標值R下之控制器102的動作的歷史者。學習部201，可基於該動作歷史HL而決定控制器102的神經網路的參數值，可對該神經網路設定該參數值。該參數值，例如可透過強化學習等機器學習而決定。
於圖3，示出序列部101的1個構成例。序列部101，可包含：基於生產序列而產生第1目標值R1的第1目標值生成器301；以及基於學習序列而產生第2目標值R2的第2目標值生成器302。第1目標值R1，可為在生產序列執行中的控制對象103的目標值(目標控制量)。第2目標值R2，可為在學習序列執行中的控制對象103的目標值(目標控制量)，可取和第1目標值R1不同的值。學習序列，雖不限定於以下，惟例如可為界定供於使控制對象103為停止狀態用的歷時的目標值者；此情況下，第2目標值R2，可為示出一目標值的停止指令，該目標值，用於使控制對象103停止。此外，序列部101，可包含基於第1目標值R1與第2目標值R2而產生目標值R的目標值切換器303。目標值R，為選擇了第1目標值R1及第2目標值R2中的任一方者。目標值切換器303，可因應於要執行生產序列或學習序列中的任一者，選擇性切換第1目標值R1與第2目標值R2，從而輸出目標值R。
於圖4，示出控制器102的1個構成例。控制器102，可包含減法器405、第1補償器401、第2補償器402及演算器406。減法器405，可產生一控制偏差E，該控制偏差E，為目標值R與控制量CV的差分。第1補償器401，例如為PID補償器，基於控制偏差E而產生第1訊號S1。第2補償器402，基於控制偏差E，透過神經網路而產生第2訊號S2。演算器406，基於第1訊號S1與第2訊號S2而產生控制訊號S。控制訊號S，可第1訊號S1與第2訊號S2的和；演算器406，可被以加法器而構成。從不同觀點而言，控制訊號S，為對第1訊號S1基於第2訊號S2進行了校正的訊號。
控制器102，可進一步包含基於控制訊號S與外擾訊號N而產生操作量MV的演算器407。外擾訊號N，為供以在學習序列執行中將擬似的外擾(振動)對控制對象103施加用的訊號，被基於在生產序列執行中從控制器102獲得的動作歷史HP透過外擾生成器202而生成。外擾訊號N，亦可為供以將對在生產序列執行中產生的外擾進行模仿而得的擬似的外擾對控制對象103施加用的訊號。外擾訊號N，能以單一的頻率而構成，亦可為組合了複數個頻率者。例如，外擾訊號N，雖不限定於以下，惟可為正弦波、隨機雜訊、脈衝外擾。此外，動作歷史HP，可為在生產序列執行中從控制器102獲得的第1指標的歷史(時序列資料)。第1指標，雖不限定於以下，惟例如可為控制偏差E及／或控制訊號S。操作量MV，為控制訊號S與外擾訊號N的和；演算器407，能以加法器而構成。
控制器102，可進一步包含第1記錄部404。學習部201，可被構成為進行一學習，該學習，用於決定第2補償器402的神經網路的參數值。為了透過了學習部201下的學習，第1記錄部404，記錄(記憶)透過了學習部201下的學習所需的動作歷史HL，將所記錄的動作歷史HL提供至學習部201。動作歷史HL，可為在學習序列執行中從控制器102獲得的第2指標的歷史(時序列資料)。第2指標，雖例如可為控制偏差E(對於第2補償器402之輸入資料)及／或第2訊號S2(第2補償器402的輸出資料)，惟亦可代替地或追加地包含其他資料、訊號。
於圖5，示出外擾生成器202的1個構成例。外擾生成器202，可包含基準外擾產生部502、第2記錄部501以及第3記錄部504。基準外擾產生部502，可產生一基準外擾訊號NO，該基準外擾訊號NO，用作為基準的外擾訊號。第2記錄部501，記錄(記憶)在生產序列執行中從控制器102獲得的動作歷史HP。動作歷史HP，如前述般，可為在生產序列執行中從控制器102獲得的第1指標(例如，控制偏差E及／或控制訊號S)的歷史。第3記錄部504，為了對擬似的外擾進行調整、設定，記錄(記憶)在外擾調整中(學習中)從控制器102獲得的動作歷史HA。動作歷史HA，可為在外擾調整中從控制器102獲得的第1指標(例如，控制偏差E及／或控制訊號S)的歷史(時序列資料)。
此外，外擾生成器202，可包含基於基準外擾訊號NO、生產序列執行中的動作歷史HP及外擾調整中的動作歷史HA而對外擾訊號N進行調整的外擾調整部503。外擾訊號N，可為基於生產序列執行中的動作歷史HP與外擾調整中的動作歷史HA而對基準外擾訊號NO的振幅進行了校正者。亦即，外擾調整部503，基於生產序列執行中的動作歷史HP與外擾調整中的動作歷史HA，將基準外擾訊號NO乘以增益而對基準外擾訊號NO的振幅進行校正，將藉此獲得的訊號作為外擾訊號N提供至演算器407。
於圖6A～圖6B，示出將第1實施方式的系統SS應用於生產裝置的情況下的系統SS的動作例。圖6A，示出依生產序列對控制對象103進行控制的第1控制程序(S601～S602)，以及示出對擬似的外擾進行調整、設定的設定程序(S603～S612)。此外，圖6B，示出一邊施加擬似的外擾一邊依學習序列對控制對象103進行控制的第2控制程序(S613～S617)，以及示出透過學習而決定第2補償器402的神經網路的參數值的決定程序(S618)。
於圖6A，在程序S601，控制裝置100，執行生產序列。具體而言，序列部101，可將所提供的生產序列所界定的第1目標值R1生成為目標值R，將該目標值R提供至控制裝置100(控制器102)。並且，控制裝置100(控制器102)，可基於從序列部101提供的目標值R而對控制對象103進行控制。接著，在程序S602，控制裝置100(第2記錄部501)，可將依程序S601的生產序列所獲得的第1指標(例如，控制偏差E)的歷史，記錄為動作歷史HP。另外，程序S602，亦可和程序S601同時進行。
在程序S603，控制裝置100(外擾生成器202所含的外擾調整部503)，以任意的增益乘於基準外擾訊號NO，從而對基準外擾訊號NO的振幅進行調整(校正)，可產生作為該結果而獲得的外擾訊號N。接著，在程序S604，控制裝置100(控制器102)，可開始基於外擾訊號N下的對於控制對象103的激振(擬似的外擾的施加)。具體而言，開始從外擾生成器202往演算器407提供外擾訊號N。據此，對控制對象103，開始施加和外擾訊號N相應的擬似的外擾。
在程序S605，控制裝置(控制器102)，執行學習序列。具體而言，序列部101，可將在從學習部201提供的學習序列所界定的第2目標值R2生成為目標值R，將該目標值R提供至控制裝置100(控制器102)。並且，控制裝置100(控制器102)，可基於從序列部101提供的目標值R而對控制對象103進行控制。在程序S605，擬似的外擾被施加於控制對象103，同時進行基於學習序列下的控制對象103的控制。此處，擬似的外擾，可持續地施加於控制對象103，亦可斷續地施加。此外，學習序列，如前述般，可被設定為，依學習序列對控制對象103進行控制的時間，比依生產序列對控制對象103進行控制的時間短。
在程序S606，控制裝置100(控制器102)，可使基於外擾訊號N下的對於控制對象103的激振停止。具體而言，使從外擾生成器202往演算器407提供外擾訊號N停止。據此，對控制對象103，使施加和外擾訊號N相應的擬似的外擾停止。接著，在程序S607，控制裝置100(第3記錄部504)，可將在程序S605所獲得的第1指標(例如，控制偏差E)的歷史，記錄為動作歷史HA。另外，程序S607，亦可和程序S605同時進行。
在程序S608，控制裝置100，可判定在程序S602記錄的動作歷史HP的第1指標與在程序S607記錄的動作歷史HA的第1指標的差，是否不足閾值。例如，使用控制偏差E作為第1指標的情況下，控制裝置100，可判定在程序S602記錄的動作歷史HP中的控制偏差E的振幅與在程序S607記錄的動作歷史HA中的控制偏差E的振幅的差，是否不足閾值。控制偏差E的振幅方面，可使用振幅的最大值、平均值或中央值。該差不足閾值的情況下，決定為將當前使用的外擾訊號N(擬似的外擾)在第2控制程序(S613～S617)進行使用，進至程序S613。亦即，控制裝置100，將當前使用的外擾訊號N，設定為在第2控制程序進行使用的外擾訊號N。另一方面，該差為閾值以上的情況下，進至程序S609。
在程序S609，控制裝置100，判斷在第1指標(例如，控制偏差E的振幅)方面，動作歷史HA是否比動作歷史HP大。在第1指標方面動作歷史HA比動作歷史HP大的情況下，進至程序S610，小的情況下，進至程序S611。在程序S610，控制裝置100(外擾調整部503)，可將乘於基準外擾訊號NO的增益的值縮小一級。另一方面，在程序S611，控制裝置100(外擾調整部503)，可將乘於基準外擾訊號NO的增益的值增大一級。在程序S610將增益縮小一級之量及在程序S611將增益增大一級的量，雖可為任意，惟設定為可減低第1指標(例如，控制偏差E的振幅)的差即可。
在程序S612，控制裝置100(外擾調整部503)，可將在程序S610或程序S611所調整的增益乘於基準外擾訊號NO，從而對基準外擾訊號NO的振幅進行調整，產生作為該結果而獲得的外擾訊號N。程序S612結束時，可進至程序S604，再次執行程序S604～S608。
進至圖6B，在程序S613，控制裝置100(外擾調整部503)，可開始基於經歷程序S603～S612而設定的外擾訊號N下的對於控制對象103的激振。具體而言，開始從外擾生成器202往演算器407提供外擾訊號N。據此，對控制對象103，開始施加和外擾訊號N相應的擬似的外擾。
在程序S614，控制裝置100(控制器102)，執行學習序列。具體而言，和前述的程序S605同樣地，序列部101，可將在從學習部201提供的學習序列所界定的第2目標值R2生成為目標值R，將該目標值R提供至控制裝置100(控制器102)。並且，控制裝置100(控制器102)，可基於從序列部101提供的目標值R而對控制對象103進行控制。在程序S614，擬似的外擾被施加於控制對象103，同時進行基於學習序列下的控制對象103的控制。此處，擬似的外擾，可持續地施加於控制對象103，亦可斷續地施加。
在程序S615，控制裝置100(控制器102)，可使基於外擾訊號N下的對於控制對象103的激振停止。具體而言，使從外擾生成器202往演算器407提供外擾訊號N停止。據此，對控制對象103，使施加和外擾訊號N相應的擬似的外擾停止。接著，在程序S616，控制裝置100(第1記錄部404)，可將在程序S614所獲得的第2指標(例如，控制偏差E)的歷史，記錄為動作歷史HL。另外，程序S616，亦可和程序S614同時進行。
在程序S617，控制裝置100，可判定在程序S616所記錄的動作歷史HL的第2指標是否不足界定值。例如，使用控制偏差E作為第2指標的情況下，控制裝置100，可判定在程序S616所記錄的控制偏差E是否不足界定值。第2指標方面，可使用控制偏差E的振幅的最大值、平均值或中央值，亦可使用從第2補償器402輸出的第2訊號S2。在程序S616所記錄的第2指標不足界定值的情況下，結束。此情況下，控制裝置100，將當前使用的第2補償器402的神經網路的參數值，決定為今後使用的參數值。另一方面，在程序S616所記錄的第2指標為界定值以上的情況下，進至程序S618。
在程序S618，控制裝置100(學習部201)，基於在程序S616所記錄的動作歷史HL而進行機器學習，從而決定(更新)第2補償器402的神經網路的參數值。程序S618結束時，可進至程序S613，將在程序S618所決定的參數值設定於第2補償器402的神經網路，再次執行程序S613～S617。
如上述般，在第1實施方式，一邊透過外擾訊號N將擬似的外擾施加於控制對象103，一邊依學習序列對控制對象103進行控制。並且，基於依此控制所獲得的第2指標(例如控制偏差E)而進行學習，從而以控制對象103的控制偏差減低的方式決定第2補償器402的神經網路的參數值。依第1實施方式時，施加了和在生產序列執行中所產生的外擾接近之擬似的外擾，使得有效地進行為了決定神經網路的參數值用的學習。如此一來，使用了神經網路下的控制對象103的控制中，控制精度提升。此外，依第1實施方式時，於學習序列，擬似的外擾被施加於控制對象103。為此，即便使對控制對象103進行控制的時間為比生產序列短，仍可使對控制對象103施加外擾的時間(有效時間)比生產序列長。因此，可縮短為了決定第2補償器402的神經網路的參數值用的學習所需的時間，抑制應用了系統SS下的製造裝置的生產率的降低。
例如，在歷來，為了決定神經網路的參數值用的學習，被透過依和生產序列同樣的序列對控制對象103進行控制從而進行。然而，在歷來的方法，在使用和生產序列同樣的序列而進行學習的期間中，由於控制對象103的控制精度不確定，故需要使利用了裝置下的生產停止。亦即，會導致裝置的生產率的降低。另一方面，依第1實施方式時，一邊以模擬在生產序列執行中產生的外擾環境的方式將擬似的外擾提供至控制對象103，一邊利用對控制對象進行控制的時間短的學習序列而進行學習。據此，有效地進行為了決定神經網路的參數值用的學習，在使用了神經網路下的控制對象103的控制中，控制精度會提升。此外，可縮短學習所需的時間，故此結果，可抑制應用了系統SS下的製造裝置的生產率的降低。
此處，第1實施方式的控制裝置100，可由具有CPU(Central Processing Unit：中央處理器)等處理器及記憶體等記憶部的電腦(資訊處理裝置)而構成。控制裝置100，例如亦可由FPGA(Field Programmable Gate Array(現場可程式化邏輯閘陣列)之縮寫)等PLD(Programmable Logic Device(可程式化邏輯裝置)之縮寫)、ASIC (Application Specific Integrated Circuit(特殊應用積體電路)之縮寫)、被整合了程式的通用電腦或此等全部或一部分的組合而構成。此外，序列部101，可整合於構成控制裝置100的電腦，亦可由和控制裝置100為不同的電腦而構成。
＜第2實施方式＞  　　針對本發明的第2實施方式進行說明。第2實施方式，為基本上承接第1實施方式者，在以下言及的事項以外，可遵照第1實施方式。
於圖7，示出將第1實施方式的控制系統SS或控制裝置100應用於載台控制裝置700之例。載台控制裝置700，被構成為對載台704進行控制。載台控制裝置700，例如可具備控制基板701、電流驅動器702、馬達703、載台704及感測器705。控制基板701，對應於第1實施方式的系統SS中的控制裝置100或控制器102。電流驅動器702，可被整合於控制基板701。雖未示於圖7，惟載台控制裝置700，可具備在第1實施方式所說明的序列部101、學習部201、外擾生成器202。
對於控制基板701，作為載台704的位置的目標值的位置目標值PR可被從序列部101進行供應。控制基板701，可基於從序列部101供應的位置目標值PR與從感測器705供應的載台704的位置資訊(當前位置)，產生作為控制訊號或操作量(操作量指令)的電流指令，供應至電流驅動器702。此外，控制基板701，可將動作歷史HL供應至序列部101。
電流驅動器702，可將依照電流指令下之電流供應至馬達703。馬達703，可為一致動器，該致動器，將從電流驅動器702供應的電流變換為推力，以該推力驅動載台704。載台704，例如可保持平板(基板)或遮罩(原版)等物體。感測器705，可對載台704的當前位置進行檢測，將藉此獲得的位置資訊，供應至控制基板701。
圖8中，以方塊線圖，示出控制基板701的構成例。控制基板701，可包含基於作為控制對象的載台704的位置控制偏差E而產生第1訊號S1的第1補償器401，以及可包含基於位置控制偏差E透過神經網路而產生第2訊號S2的第2補償器402。此外，控制基板701，可包含基於第1訊號S1與第2訊號S2而產生控制訊號S的演算器406，以及可包含基於控制訊號S與外擾訊號N而產生電流指令作為操作量訊號的演算器407。再者，控制基板701，可包含產生位置控制偏差E(位置目標值PR與位置資訊的差分)的減法器405。
第2實施方式的載台控制裝置700，可具備在第1實施方式所說明的學習部201及外擾生成器202。學習部201，可被構成為進行一學習，該學習，用於決定第2補償器402的神經網路的參數值。為了透過了學習部201下的學習，第1記錄部404，記錄透過了學習部201下的學習所需的動作歷史HL，將所記錄的動作歷史HL提供至學習部201。動作歷史HL，可為在學習序列執行中所獲得的第2指標的歷史(時序列資料)。第2指標，雖例如可為位置控制偏差E(對於第2補償器402之輸入資料)及／或第2訊號S2(第2補償器402的輸出資料)，惟亦可代替地或追加地包含其他資料、訊號。此外，外擾生成器202，可基於生產序列執行時的動作歷史HP而產生外擾訊號N，提供至控制基板701。動作歷史HP，可為在生產序列執行中所獲得的第1指標的歷史(時序列資料)。第1指標，雖不限定於以下，惟例如可為位置控制偏差E、控制訊號S。此處，學習部201及外擾生成器202，亦可被構成為控制基板701的構成要素。
以下，援用圖6A～圖6B，例示地說明將第2實施方式的載台控制裝置700應用於生產裝置的情況下的載台控制裝置700的動作。在程序S601，載台控制裝置700，執行生產序列。具體而言，序列部101，可基於被提供的生產序列而生成位置目標值PR，將該位置目標值PR提供至載台控制裝置700(控制基板701)。並且，載台控制裝置700(控制基板701)，可基於從序列部101提供的位置目標值PR而對載台704的位置進行控制。在程序S602，載台控制裝置700(第2記錄部501)，可將依程序S601的生產序列所獲得的第1指標(例如，控制偏差E)的歷史，記錄為動作歷史HP。接著，在程序S603～S612，載台控制裝置700(外擾調整部503)，可基於在第2記錄部501所記錄的動作歷史HP而對基準外擾訊號NO的振幅進行調整，從而產生供於對載台704施加擬似的外擾用的外擾訊號N。
在程序S613，載台控制裝置700(控制基板701)，可開始基於外擾訊號N下的載台704的激振。在程序S614，載台控制裝置700(控制基板701)，執行學習序列。具體而言，序列部101，可基於學習序列而生成位置目標值PR，提供至載台控制裝置700(控制基板701)。然而，載台控制裝置700(控制基板701)，可基於從序列部101提供的目標值R，對載台704進行控制。在程序S614，擬似的外擾被施加於載台704，同時進行基於學習序列下的載台704的控制。此處，擬似的外擾，可持續地施加於載台704，亦可斷續地施加。
在程序S615，載台控制裝置700(控制基板701)，可使基於外擾訊號N下的對於載台704的激振停止。在程序S616，載台控制裝置700(第1記錄部404)，可將在程序S614獲得的第2指標(例如，位置控制偏差E)的歷史，記錄為動作歷史HL。在程序S617，載台控制裝置700，可判定在程序S616所記錄的動作歷史HL的第2指標是否不足界定值。例如，使用位置控制偏差E作為第2指標的情況下，載台控制裝置700，可判定在程序S616所記錄的位置控制偏差E是否不足界定值。在程序S616所記錄的第2指標不足界定值的情況下，結束。此情況下，載台控制裝置700，將當前使用的第2補償器402的神經網路的參數值，決定為今後使用的參數值。另一方面，在程序S616所記錄的位置控制偏差E為界定值以上的情況下，進至程序S618。在程序S618，載台控制裝置700(學習部201)，基於在程序S616所記錄的動作歷史HL而進行機器學習，從而決定(更新)第2補償器402的神經網路的參數值。
如上述般，在第2實施方式，一邊透過外擾訊號N將擬似的外擾施加於載台704，一邊依學習序列對載台704進行控制。並且，基於依此控制所獲得的第2指標(例如位置控制偏差E)而進行學習，從而以載台704的控制偏差減低的方式決定第2補償器402的神經網路的參數值。依第2實施方式時，和第1實施方式同樣地，有效地進行為了決定神經網路的參數值用的學習，於使用了神經網路下的載台704的控制中控制精度提升。此外，依第2實施方式時，和第1實施方式同樣地，可縮短為了決定第2補償器402的神經網路的參數值用的學習所需的時間，抑制應用了載台控制裝置700時的製造裝置的生產率的降低。
＜第3實施方式＞  　　針對本發明的第3實施方式進行說明。第3實施方式，為基本上承接第1～2實施方式者，在以下言及的事項以外，可遵照第1～2實施方式。
於圖9，示意性示出第3實施方式的曝光裝置EXP的構成例。曝光裝置EXP，可被構成為掃描曝光裝置。曝光裝置EXP，例如可具備照明光源900、照明光學系統901、遮罩台903、投影光學系統904、平板台906。照明光源900，雖不限定於以下，惟可包含水銀燈、準分子雷射光源或EUV光源。來自照明光源900的曝光光910，透過照明光學系統901以均勻的照度成形為投影光學系統904的照射區域的形狀。一例中，曝光光910，可被成形為一矩形，該矩形為在一X方向上長的矩形，該X方向為和由Y軸及Z軸所形成的平面垂直的軸。取決於投影光學系統904的種類，曝光光910，可被成形為圓弧狀。成形的曝光光910，被照射於遮罩(原版)902的圖案，通過了遮罩902的圖案的曝光光910，經由投影光學系統904在平板(基板)905的面，形成遮罩902的圖案的像。
遮罩902，被透過遮罩台903利用真空吸引等進行保持，於遮罩902，形成有應轉印於平板905的圖案。此外，平板905，被透過平板台906的卡盤907利用真空吸引等進行保持。遮罩台903及平板台906的位置，可被透過一多軸位置控制裝置進行控制，該多軸位置控制裝置，具備雷射干涉儀或雷射標尺等位置感測器930a～930b、線性馬達等驅動機構931a～931b以及控制器932。
平板台906(平板905)的位置，被透過位置感測器930a、驅動機構931a及控制器932進行控制。從位置感測器930a輸出的平板台906的位置計測值，可提供至控制器932。控制器932，基於位置控制偏差(位置目標值與位置計測值的差分)而產生控制訊號(操作量訊號)，將其提供至驅動機構931a，從而驅動平板台906。同樣地，遮罩台903(遮罩902)的位置，被透過位置感測器930b、驅動機構931b、及控制器932進行控制。從位置感測器930b輸出的遮罩台903的位置計測值，可提供至控制器932。控制器932，基於位置控制偏差(位置目標值與位置計測值的差分)而產生控制訊號(操作量訊號)，將其提供至驅動機構931b，從而驅動遮罩台903。一邊將遮罩台903與平板台906同步驅動於Y方向，一邊對平板905進行掃描曝光，使得遮罩902的圖案被轉印於平板905(上的感光材)。
此處，第1實施方式的控制裝置100或第2實施方式的載台控制裝置700，用於對遮罩台903(遮罩902)的位置及／或平板台906(平板905)的位置進行控制。亦即，以遮罩台903(遮罩902)及／或平板台906(平板905)作為控制對象而控制的控制器932，可由第1實施方式的控制裝置100或第2實施方式的載台控制裝置700構成。此外，曝光裝置EXP或控制器932，亦可被構成為包含在第1實施方式所說明的序列部101、學習部201及／或外擾生成器202。
於圖10，示出控制器932的1個構成例。控制器932，可透過複數個控制對象與複數個控制器，分別對單軸下的控制與同步控制進行切換。於此，示出一主從方式的同步控制，於該主從方式，使平板台906為主軸，使遮罩台903為從軸，從軸追隨主軸。
控制器932，可包含基於作為第1控制對象的平板台906的位置控制偏差E1而產生第1訊號S1的平板位置控制用的第1補償器1001，以及可包含基於第1訊號S1a與外擾訊號N而產生操作量MV1的演算器407。此外，控制器932，可包含產生位置控制偏差E1(平板台906的位置目標值PR1與控制量(位置計測值)CV1的差分)的減法器405a。平板位置控制用的第1補償器1001，例如可為PID補償器。
控制器932，可包含對平板台906與遮罩台903的同步控制進行切換的同步切換器1004。同步切換器1004，可基於作為第2控制對象的遮罩台903的位置控制偏差E2，以及可基於同步位置偏差Es(位置控制偏差E1與E2的差分)，產生位置控制偏差E。位置控制偏差E，為選擇了位置控制偏差E2或同步位置偏差Es中的任一方者。同步切換器1004，可對位置控制偏差E2與同步位置偏差Es選擇性切換，從而輸出位置控制偏差E。
控制器932，可包含基於位置控制偏差E而產生第1訊號S1b的遮罩位置控制用的第1補償器1002，以及可包含基於位置控制偏差E透過神經網路而產生第2訊號S2的遮罩位置控制用的第2補償器1003。控制器932，可包含基於第1訊號S1b與第2訊號S2而產生操作量MV2的演算器406。此外，控制器932，可包含產生位置控制偏差E2(遮罩台903的位置目標值PR2與控制量(位置計測值)CV2的差分)的減法器405b。
第3實施方式的曝光裝置EXP，可具備學習部201及外擾生成器202。學習部201，可被構成為進行為了決定遮罩位置控制用的第2補償器1003的神經網路的參數值用的學習。為了透過了學習部201下的學習，第1記錄部404，記錄透過了學習部201下的學習所需的動作歷史HL，將所記錄的動作歷史HL提供至學習部201。動作歷史HL，可為在學習序列執行中所獲得的第2指標的歷史(時序列資料)。第2指標，雖例如可為位置控制偏差E(對於遮罩位置控制用的第2補償器1003的輸入資料)及／或第2訊號S2(該第2補償器1003的輸出資料)，惟亦可代替地或追加地包含其他資料、訊號。此外，外擾生成器202，可基於生產序列執行時的動作歷史HP而產生外擾訊號N，提供至控制器932(演算器407)。動作歷史HP，可為在生產序列執行中所獲得的第1指標的歷史(時序列資料)。第1指標，雖不限定於此，惟例如可為位置控制偏差E。
以下，援用圖6A～圖6B，例示地說明第3實施方式的曝光裝置EXP的動作。在程序S601，曝光裝置EXP(控制器932)，執行生產序列。具體而言，序列部101，可基於所提供的生產序列，生成平板台906的位置目標值PR1及遮罩台903的位置目標值PR2，提供至曝光裝置EXP(控制器932)。控制器932(減法器405a)，可取得在位置感測器930a所檢測出(觀測出)的平板台906的控制量CV1，將該控制量CV1與位置目標值PR1的差分算出為位置控制偏差E1。同樣地，控制器932(減法器405b)，可取得在位置感測器930b所檢測出(觀測出)的遮罩台903的控制量CV2，將該控制量CV2與位置目標值PR2的差分算出為位置控制偏差E2。
控制器932，可基於位置控制偏差E1，對平板台906的位置進行控制。此外，控制器932，可基於透過同步切換器1004所切換的位置控制偏差E2或同步位置偏差Es(位置控制偏差E1與E2的差分)，對遮罩台903的位置進行控制。
在程序S602，控制器932(第2記錄部501)，可將依程序S601的生產序列所獲得的第1指標(例如位置控制偏差E)的歷史，記錄為動作歷史HP。此外，在程序S603～S612，曝光裝置EXP(外擾調整部503)，可基於在第2記錄部501所記錄的動作歷史HP而對基準外擾訊號NO的振幅進行調整，從而產生供於對平板台906施加擬似的外擾用的外擾訊號N。
在程序S613，控制器932，可開始基於外擾訊號N下的平板台906的激振。在程序S614，控制器932，執行學習序列。具體而言，序列部101，可基於學習序列而生成位置目標值PR1、PR2，提供至曝光裝置EXP(控制器932)。控制器932，可基於位置目標值PR1、PR2，分別對平板台906及遮罩台903進行控制。在程序S614，擬似的外擾被施加於平板台906，同時進行基於學習序列下的平板台906及遮罩台903的控制。此處，擬似的外擾，可持續地施加於平板台906，亦可斷續地施加。
在程序S615，控制器932，可使基於外擾訊號N下的平板台906的激振停止。在程序S616，控制器932 (第1記錄部404)，可將在程序S614獲得的第2指標(例如，位置控制偏差E)的歷史，記錄為動作歷史HL。在程序S617，控制器932，可判定在程序S616所記錄的動作歷史HL的第2指標是否不足界定值。例如，使用位置控制偏差E作為第2指標的情況下，控制器932，可判定在程序S616所記錄的位置控制偏差E是否不足界定值。在程序S616所記錄的位置控制偏差E不足界定值的情況下，結束。此情況下，控制器932，將當前使用的遮罩位置控制用的第2補償器1003的神經網路的參數值，決定為今後使用的參數值。另一方面，在程序S616所記錄的位置控制偏差E為界定值以上的情況下，進至程序S618。在程序S618，控制器932(學習部201)，基於程序S616所記錄的動作歷史HL而進行機器學習，從而決定(更新)遮罩位置控制用的第2補償器1003的神經網路的參數值。
如上述般，在第3實施方式，一邊透過外擾訊號N將擬似的外擾施加於平板台906，一邊依學習序列對平板台906及遮罩台903進行控制。並且，基於依此控制所獲得的第2指標(例如位置控制偏差E)而進行學習，從而以平板台906及遮罩台903的控制偏差減低的方式決定第2補償器1003的神經網路的參數值。依第3實施方式時，和第1～第2實施方式同樣地，有效地進行為了決定神經網路的參數值用的學習，於使用了神經網路下的平板台906的控制中控制精度提升。此外，依第3實施方式時，和第1～第2實施方式同樣地，可縮短為了決定第2補償器1003的神經網路的參數值用的學習所需的時間。此外，將外擾生成器202配置於同步主站側，使得變得容易模擬同步時的外擾環境。此結果，可抑制曝光裝置EXP的生產率的降低。
於此，第3實施方式，不僅可應用於在曝光裝置中的載台的控制，亦可應用於在如壓印裝置及電子束描繪裝置般的其他微影裝置中的載台的控制。此外，第1實施方式或第2實施方式，例如亦可應用於在搬送物品的搬送機構中之可動部的控制，例如可應用於將物品進行保持的手部的控制。
＜物品製造方法的實施方式＞  　　如上述的微影裝置，可使用於實施一物品製造方法，該物品製造方法，用於製造各種的物品(半導體IC元件、液晶顯示元件、MEMS等)。物品製造方法，可包含使用上述的微影裝置在基板上形成圖案的形成程序(在基板轉印原版的圖案的轉印程序)，可包含對經歷形成程序後的該基板進行加工的加工程序，以及可包含從經歷加工程序後的該基板而製造物品的製造程序。微影裝置為曝光裝置的情況下，形成程序，可包含通過原版對基板進行曝光的曝光程序，以及可包含將經歷曝光程序後的該基板進行顯影的顯影程序。再者，該物品製造方法，包含其他周知的程序(燒成、冷卻、洗淨、氧化、成膜、蒸鍍、摻雜、平坦化、蝕刻、抗蝕劑剝離、切割、接合、封裝等)。本實施方式的物品製造方法，比起歷來的方法，有利於物品的性能、品質、生產性、生產成本中的至少一者。
發明不限於上述實施方式，在不背離發明的精神及範圍內，可進行各種的變更及變形。因此，撰寫申請專利範圍以公開發明的範圍。
100:控制裝置 101:序列部 102:控制器 103:控制對象 201:學習部 202:外擾生成器 401:第1補償器 402:第2補償器
[圖1]針對第1實施方式的系統的構成例進行繪示的圖  　　[圖2]針對第1實施方式的系統的構成例進行繪示的圖  　　[圖3]針對第1實施方式的系統中的序列部的構成例進行繪示的圖  　　[圖4]針對第1實施方式的系統中的控制器的構成例進行繪示的圖  　　[圖5]針對第1實施方式的系統中的外擾生成器的構成例進行繪示的圖  　　[圖6A]針對第1實施方式的系統的動作例進行繪示的流程圖  　　[圖6B]針對第1實施方式的系統的動作例進行繪示的流程圖  　　[圖7]針對第2實施方式的載台控制裝置的構成例進行繪示的圖  　　[圖8]針對第2實施方式的載台控制裝置的構成例進行繪示的圖  　　[圖9]針對第3實施方式的曝光裝置的構成例進行繪示的圖  　　[圖10]針對第3實施方式的曝光裝置的構成例進行繪示的圖
102:控制器
103:控制對象
202:外擾生成器
401:第1補償器
402:第2補償器
404:第1記錄部
405:減法器
406,407:演算器
CV:控制量
E:位置控制偏差
HL:動作歷史
MV:操作量
N:外擾訊號
R:目標值
S:控制訊號
S1:第1訊號
S2:第2訊號

Claims (13)

  1. 一種控制方法，依從第1訊號及第2訊號生成的控制訊號，對控制對象進行控制，前述第1訊號，為基於前述控制對象的控制偏差而以第1補償器產生者，前述第2訊號，為基於該控制偏差而透過神經網路以第2補償器產生者，  　　前述控制方法，包含：  　　第1控制程序，其為基於透過第1序列所界定的目標值而對前述控制對象進行控制者；  　　第2控制程序，其為一邊將基於在前述第1控制程序所獲得的第1指標而設定的擬似的外擾提供至前述控制對象，一邊基於透過第2序列所界定的目標值而對前述控制對象進行控制者；以及  　　決定程序，其為基於在前述第2控制程序所獲得的第2指標而進行學習，從而決定前述神經網路的參數值者。
  2. 如請求項1的控制方法，其中，  　　前述第2序列，界定為了使前述控制對象為停止狀態用的歷時的目標值。
  3. 如請求項1或2的控制方法，其中，  　　前述擬似的外擾，設定為，在將前述擬似的外擾施加於前述控制對象時獲得的前述第1指標與在前述第1控制程序所獲得的前述第1指標的差，不足閾值。
  4. 如請求項1或2的控制方法，其中，  　　前述第1指標，包含前述控制對象的控制偏差。
  5. 如請求項1或2的控制方法，其中，  　　前述第1指標，包含從前述第1訊號與前述第2訊號所生成的前述控制訊號。
  6. 如請求項1或2的控制方法，其中，  　　前述第2控制程序及前述決定程序，以在使用在前述決定程序所決定的前述參數值而進行了前述第2控制程序的情況下獲得的前述第2指標不足界定值的方式，反覆執行。
  7. 如請求項1或2的控制方法，其中，  　　前述第2指標，包含前述控制對象的控制偏差。
  8. 如請求項1或2的控制方法，其中，  　　前述第2指標，包含前述第2訊號。
  9. 如請求項1或2的控制方法，其中，  　　在前述決定程序，透過機器學習而決定前述參數值。
  10. 如請求項1或2的控制方法，其中，  　　依前述第2序列對前述控制對象進行控制的時間，比依前述第1序列對前述控制對象進行控制的時間短。
  11. 一種控制裝置，具有基於控制對象的控制偏差而產生第1訊號的第1補償器，以及具有基於該控制偏差透過神經網路而產生第2訊號的第2補償器，依從前述第1訊號與前述第2訊號所生成的控制訊號，對前述控制對象進行控制，  　　前述控制裝置，執行：  　　第1控制程序，其為基於透過第1序列所界定的目標值而對前述控制對象進行控制者；  　　第2控制程序，其為一邊將基於在前述第1控制程序所獲得的第1指標而設定的擬似的外擾提供至前述控制對象，一邊基於透過第2序列所界定的目標值而對前述控制對象進行控制者；以及  　　決定程序，其為基於在前述第2控制程序所獲得的第2指標而進行學習，從而決定前述神經網路的參數值者。
  12. 一種微影裝置，於基板上形成圖案，  　　具備如請求項11的控制裝置，前述控制裝置，被構成為，對前述基板的位置進行控制，或對具有轉印於前述基板的圖案之原版的位置進行控制。
  13. 一種物品製造方法，包含：  　　形成程序，其為使用如請求項12的微影裝置在基板上形成圖案者；  　　加工程序，其為對經過前述形成程序後的前述基板進行加工者；以及  　　製造程序，其為從經過前述加工程序後的前述基板而製造物品者。
TW112139164A 2022-10-25 2023-10-13 控制方法、控制裝置、微影裝置及物品製造方法 TW202418011A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022-170869 2022-10-25
JP2022170869A JP2024062786A (ja) 2022-10-25 2022-10-25 制御方法、制御装置、リソグラフィ装置、および物品製造方法

Publications (1)

Publication Number Publication Date
TW202418011A true TW202418011A (zh) 2024-05-01

Family

ID=90830674

Family Applications (1)

Application Number Title Priority Date Filing Date
TW112139164A TW202418011A (zh) 2022-10-25 2023-10-13 控制方法、控制裝置、微影裝置及物品製造方法

Country Status (3)

Country Link
JP (1) JP2024062786A (zh)
TW (1) TW202418011A (zh)
WO (1) WO2024090126A1 (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3346006B2 (ja) * 1993-12-27 2002-11-18 石川島播磨重工業株式会社 Ｒｏｖの自動制御方法
JP2003264134A (ja) * 2002-03-08 2003-09-19 Nikon Corp ステージ制御装置、露光装置、及びデバイス製造方法
JP5279299B2 (ja) * 2008-02-29 2013-09-04 キヤノン株式会社 反復学習制御回路を備える位置制御装置、露光装置及びデバイス製造方法
WO2018151215A1 (ja) * 2017-02-20 2018-08-23 株式会社安川電機 制御装置及び制御方法
JP6832498B2 (ja) * 2017-04-25 2021-02-24 株式会社安川電機 システムおよび評価装置ならびに評価方法
JP7034046B2 (ja) * 2018-10-05 2022-03-11 株式会社日立製作所 制御装置および制御方法
JP7206874B2 (ja) * 2018-12-10 2023-01-18 富士電機株式会社 制御装置、制御方法及びプログラム
JP7520656B2 (ja) * 2020-09-10 2024-07-23 キヤノン株式会社 制御装置およびその調整方法、リソグラフィー装置、ならびに、物品製造方法
JP7536626B2 (ja) * 2020-12-11 2024-08-20 キヤノン株式会社 制御装置、調整方法、リソグラフィ装置、及び物品の製造方法

Also Published As

Publication number Publication date
WO2024090126A1 (ja) 2024-05-02
JP2024062786A (ja) 2024-05-10

Similar Documents

Publication Publication Date Title
TWI418947B (zh) 包含反覆學習電路的位置控制設備，曝光設備，製造裝置的方法，及用於具有包含學習過濾器之反覆學習電路的位置控制設備中的反覆學習方法
KR100937967B1 (ko) 리소그래피 장치 및 디바이스 제조 방법
JP5235707B2 (ja) 制御装置
JP6808684B2 (ja) 情報処理装置、判定方法、プログラム、リソグラフィシステム、および物品の製造方法
JP7371190B2 (ja) 制御装置、露光装置及び物品の製造方法
CN110426919B (zh) 控制设备、光刻装置和物品的制造方法
JPH0926828A (ja) 位置制御方法及び装置並びにそれを使用した半導体製造装置
JP6307101B2 (ja) リソグラフィ装置、および物品の製造方法
TW202418011A (zh) 控制方法、控制裝置、微影裝置及物品製造方法
WO2022054724A1 (ja) 制御装置およびその調整方法、リソグラフィー装置、ならびに、物品製造方法
WO2022124281A1 (ja) 制御装置、調整方法、リソグラフィ装置、及び物品の製造方法
JP5473575B2 (ja) 露光装置及びデバイス製造方法
TWI855266B (zh) 控制裝置及其調整方法、光刻裝置以及物品製造方法
KR102423011B1 (ko) 처리 장치를 관리하는 관리 방법, 관리 장치, 컴퓨터 프로그램 및 물품 제조 방법
JP7466403B2 (ja) 制御装置、リソグラフィー装置、制御方法および物品製造方法
WO2022004450A1 (ja) 管理装置、リソグラフィー装置、管理方法および物品製造方法
JP7508325B2 (ja) フィードバック制御装置、リソグラフィ装置、測定装置、加工装置、平坦化装置、物品の製造方法、コンピュータプログラム、およびフィードバック制御方法
US20220365454A1 (en) Mark detecting apparatus, mark learning apparatus, substrate processing apparatus, mark detecting method, and manufacturing method of article
JP2023010010A (ja) 処理装置、管理装置、リソグラフィ装置、および物品製造方法
CN115685692A (zh) 控制设备、光刻装置和物品制造方法
JP2024120494A (ja) ステージ装置、リソグラフィ装置、基板受け渡し方法及び物品の製造方法
JP2022002292A (ja) ステージ装置、パターン形成装置、及び物品の製造方法
TW202305878A (zh) 處理裝置和物品製造方法