TWI837773B - 熱處理裝置之狀態監視裝置、熱處理裝置之管理方法及記錄媒體 - Google Patents
熱處理裝置之狀態監視裝置、熱處理裝置之管理方法及記錄媒體 Download PDFInfo
- Publication number
- TWI837773B TWI837773B TW111130910A TW111130910A TWI837773B TW I837773 B TWI837773 B TW I837773B TW 111130910 A TW111130910 A TW 111130910A TW 111130910 A TW111130910 A TW 111130910A TW I837773 B TWI837773 B TW I837773B
- Authority
- TW
- Taiwan
- Prior art keywords
- heat treatment
- treatment device
- power
- substrate
- temperature
- Prior art date
Links
- 238000010438 heat treatment Methods 0.000 title claims abstract description 171
- 238000012806 monitoring device Methods 0.000 title claims description 15
- 238000004519 manufacturing process Methods 0.000 title description 4
- 238000003860 storage Methods 0.000 title description 2
- 238000001514 detection method Methods 0.000 claims abstract description 103
- 238000013528 artificial neural network Methods 0.000 claims abstract description 34
- 230000005856 abnormality Effects 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 71
- 230000002159 abnormal effect Effects 0.000 claims description 52
- 238000000034 method Methods 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 31
- 239000000758 substrate Substances 0.000 claims description 31
- 238000007726 management method Methods 0.000 claims description 6
- 238000011282 treatment Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 238000005070 sampling Methods 0.000 abstract description 4
- 230000000246 remedial effect Effects 0.000 abstract 3
- 235000012431 wafers Nutrition 0.000 description 97
- 230000007246 mechanism Effects 0.000 description 18
- 238000012546 transfer Methods 0.000 description 18
- 239000007789 gas Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000005336 cracking Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 238000005530 etching Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000011010 flushing procedure Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 3
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 3
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 3
- 230000009118 appropriate response Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 2
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 2
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 239000002243 precursor Substances 0.000 description 2
- 230000007723 transport mechanism Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 239000002253 acid Substances 0.000 description 1
- 239000012298 atmosphere Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229910052814 silicon oxide Inorganic materials 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
Images
Abstract
本發明之課題為當要將晶圓載置在加熱板上進行熱處理時,對熱處理裝置運轉時產生的異常採取妥適的因應。為解決上述課題,本發明在加熱板3上載置晶圓之前瞬間開始,每隔預定的取樣間隔,擷取加熱板3的溫度之檢測值、將加熱板3加熱之加熱器的供應電力之指令值、加熱板3的表面開口之吸引口的吸引壓力之檢測值,例如取得達到加熱板3的溫度穩定的時間點為止各檢測值的時間序列資料。將這些時間序列資料輸入到神經網絡5的輸入層,就裝置的異常或者晶圓翹曲的異常,求取在各異常模式之各個的發生中之概率。根據這些概率,從預先決定的多個相應處理當中決定應該採取的相應處理。
Description
本發明係關於一種藉由加熱部加熱之載置板上載置基板以將該基板加熱處理之裝置,根據載置板的溫度等多個物理量之檢測結果推定異常模式,進行相應處理之技術領域。
在半導體裝置的製程,例如在形成抗蝕圖案的一系列處理中,包含有熱處理,將半導體晶圓(以下簡稱「晶圓」)加熱。熱處理列舉有:將抗蝕劑塗佈在晶圓上後使溶劑揮發之處理、藉由曝光將抗蝕劑膜中產生的酸擴散之處理、將顯影後的抗蝕膜加熱之處理等。另外,並不限於形成抗蝕圖案,例如還列舉有:在晶圓上塗佈了含有氧化矽膜的前驅物之塗佈液後,為了要引發前軀物的架橋反應而將晶圓加熱之處理等。
這種熱處理裝置,使用一種兼作為被配置在處理容器內之載置台使用,在其底面或者內部設有加熱器之加熱板上,在透過多個突起部(亦被稱為間隙銷等)稍微懸浮在載置面上的狀態下載置晶圓之裝置。然則熱處理裝置運轉中時,例如會有異物附著在載置台上致使晶圓跨在異物上的情形。另外,還會有載置台(加熱板)變成破裂狀態的情形。發生這樣的異常則無法對晶圓進行妥適的熱處理。
專利文獻1中揭示一種將烤盤其表面溫度的檢測值與設定溫度的差分予以積分,監視積分值以檢測異常之技術。在此情況下,晶圓正確載置在烤盤的話,表面溫度會一度降低致使積分值變大,而晶圓傾斜載置在烤盤的話,積分值會變小。
另外,專利文獻2中揭示一種將設定在加熱板之多個溫度檢測值的溫度檢測值視為質量,求取溫度的重心,藉以檢測加熱板上因微粒導致晶圓的跨騎、晶圓的翹曲等引起晶圓的中心異常浮起之方法。
熱處理裝置運轉時發生異常的態樣,除晶圓的跨騎或翹曲過大之晶圓的搬入等之外,還會有如上所述載置台的破裂或被設置在載置台之真空夾盤進行開/關之真空閥故障等的情況。專利文獻1、2的技術中,即使作為檢測對象的異常態樣以外的其他異常發生時,仍被判斷為發生異常,但不能清楚區別異常的態樣,因而存在無法採取妥適的因應這樣的課題。
[習知技術文獻]
[專利文獻]
[專利文獻1]日本特開2009-123816號公報
[專利文獻2]日本特開2016-66779號公報
本發明係鑒於上述的狀況而提案,其目的為提供一種對熱處理裝置運轉時產生的異常,採取妥適的因應之技術。
本發明提供一種熱處理裝置之狀態監視裝置,監視熱處理裝置的狀態,該熱處理裝置具備:載置板,其被配置在處理容器內,且在其表面設有多個突起部用以避免基板與該表面接觸;加熱部,將該載置板加熱而對載置在該載置板上的基板進行加熱處理;以及,多種物理量檢測部,分別檢測被設定為運轉條件之多種物理量;該熱處理裝置之狀態監視裝置包含:狀態推定部,將藉由該多種物理量檢測部所分別檢測出之多種物理量檢測值的在各種物理量檢測值之各個所得到之時間序列的檢測值群輸入到輸入層,藉由神經網絡,就多個異常模式的各個求取發生中的發生概率;及選擇部,根據藉由該狀態推定部所推定之異常模式的發生概率,從多個相應處理當中選擇應該採取的相應處理。
本發明提供一種熱處理裝置之管理方法,管理熱處理裝置,該熱處理裝置具備被配置在處理容器內並且在該表面設有多個突起部用以避免基板與該表面接觸,藉由加熱部加熱之載置板,在該載置板上載置基板以將該基板加熱處理,該熱處理裝置之管理方法包含以下步驟:至少在該基板載置在載置板上後的時間帶,分別檢測被設定為運轉條件的多種物理量;將在前述步驟所檢測出之多種物理量檢測值的在各種物理量檢測值之各個所得到之時間序列的檢測值群輸入到輸入層,藉由神經網絡,就多個異常模式的各個求取發生中的發生概率;及根據該異常模式的發生概率,從多個相應處理當中選擇應該採取的相應處理。
本發明提供一種記錄媒體,記憶使用於熱處理裝置之電腦程式,該熱處理裝置具備被配置在處理容器內並且在該表面設有多個突起部用以避免基板與該表面接觸,藉由加熱部加熱之載置板,在該載置板上載置基板以將該基板加熱處理;該電腦程式安裝有一組步驟俾使執行本發明中熱處理裝置之管理方法。
根據本發明,當要在藉由加熱部加熱的載置板上載置基板以將該基板加熱處理時,檢測被設定為運轉條件之多種物理量,將各種物理量檢測值之各個所得到之時間序列的檢測值群輸入到神經網絡。然後藉由神經網絡,就多個異常模式
的各個求取發生中的發生概率,因應各異常模式的發生概率,從多個相應處理當中選擇應該採取的相應處理。因此,可對熱處理裝置運轉時發生的異常態樣(異常模式)進行異常模式的區分,即可推定哪個異常模式的發生概率高,並可對熱處理裝置運轉時發生的異常採取妥適的因應。
1:殼體
12:晶圓移載機構
2:熱處理部
21:蓋部
22:底座部
25:氣體供應管路
26:排氣管路
27:排氣壓力檢測部
29:流量檢測部
3:加熱板
30:突起部
31(31a~31c):加熱器
32:電力控制電路
33:輸出部
35(35a~35c):溫度感測器
36:吸引孔
37:吸引通路
39:吸引壓力檢測部
4:狀態監視部
41:狀態推定部
42:相應處理選擇部
5:神經網絡
51:輸入層
52:隱藏層
53:輸出層
圖1係表示本發明的實施形態中用於熱處理裝置的裝置本體之剖面側視圖。
圖2係包含上述裝置本體其重要部位的概略分解圖與物理量的檢測部與狀態監視部之構成圖。
圖3係表示用以控制熱處理裝置使用之加熱器的電力之電路的一部分之電路方塊圖。
圖4係表示上述狀態監視部的構成之方塊圖。
圖5係表示藉由神經網絡,就多個異常模式的各個求取發生中的發生概率之狀態推定部之說明圖。
圖6係表示神經網絡的一個例子的細節之說明圖。
圖7係表示輸入到神經網絡之輸入值的一個例子之曲線圖。
圖8係表示異常模式的發生概率與相應處理的關係之說明圖。
圖9係表示本發明的實施形態的作用之流程圖。
圖1係表示本發明的實施形態中熱處理裝置的裝置本體(熱處理組件)之圖。圖號1為構成外觀本體之殼體,圖號11為基板也就是晶圓之搬送口。從搬送口11觀看,背面側設有將基板熱處理之熱處理部2,並且在熱處理部2的正面側,用以透過搬送口11直到熱處理部2為止搬送從外部的主搬送機構接收的晶圓之兼作為冷卻板使用之晶圓移載機構12待機中。
熱處理部2具備:構成處理容器的一部分之蓋部21、及與蓋部21一起構成處理容器之底座部22。底座部22被設置在將配置晶圓W之上部側的氛圍與下部側之機構部分的配置區域區隔之隔板13上,構成為上面開口之扁平的筒狀體。處理容器構成為可藉由使蓋部21升降之開閉機構21a開閉。
處理容器內設有兼作為晶圓W的載置板使用之加熱板3。有關加熱板3的構成於後述。蓋部21設有從外周部供應沖洗氣體之氣體供應用的通路23、及用以從中央部進行排氣之排氣口24。氣體供應用的通路23透過氣體供應管路25與後述的沖洗氣體供應部連接。排氣口24連接一端側被連接到工廠排氣部之排氣管路26的另一端側。圖1中,圖號14為在晶圓移載機構12與加熱板3之間用以進行晶圓W轉移之升降銷。升降銷14被構成為貫穿底座部22和加熱板3可藉由升降機構15升降,例如設置3根。另外,圖號16為在外部的主搬送機構與晶圓移載機構12之間用以進行晶圓W轉移之升降銷,被構成為貫穿底座部22和晶圓移載機構12的臂部位可藉由升降機構17升降。
圖2係簡單表示與加熱板3關連的部位和與電力系統關連的部位之構成圖。加熱板3例如在底面設有由電阻發熱體組成之加熱器31。加熱板3被分割成各個
獨立控制溫度之多個加熱區。本例子中為了方便起見,以加熱板3的中心為該中心,設置相當於加熱板3中央部的加熱區之圓形區域及呈同心的環狀內外雙重設置在該圓形區域的外側之2個加熱區共3個加熱區。即本例子中在加熱板3的徑向上存在被分割成3個的加熱區。因此,加熱器31對應於該3個加熱區而由3個環狀的加熱器31a~31c組成。有關加熱區採用多個被分割在加熱板3的徑向上且將該分割區域分割在圓周上等的佈局亦可。
各加熱器31a~31c分別連接電力控制電路,圖2中為了方便起見,顯示對應於加熱器31b之電力控制電路32。另外,加熱板3設有檢測加熱板3的溫度之溫度檢測部也就是溫度感測器35。更具體而言,設有用以分別檢測已說明過之3個加熱區的溫度之溫度檢測部也就是溫度感測器35a~35c。溫度感測器35a~35c例如被張貼在加熱板3的表面,不過在圖2中顯示在加熱板3的內部。電力控制電路32具備:輸出電力指令值之電力指令值的輸出部33及根據電力指令值將電力供應給加熱器31b之電力供應部34。
如圖3所示,輸出部33具備:加法部331,取出溫度目標值與藉由溫度感測器35b所檢測出的溫度檢測值兩者的偏差分;及調節部332,對該偏差分例如進行PID運算,輸出電力指令值。調節部332例如由具備PID運算功能之增幅器構成。
電力供應部34例如包含交流電源部、開關元件等,構成為藉由與電力指令值對應的工作比控制交流電壓的相位。
回到圖2,為了要使晶圓W的底面不致接觸到加熱板3的表面(載置面),在加熱板3的表面設有間隙銷30,該間隙銷30例如高度為約0.3~0.5mm的多個突起部。
還在加熱板3設有表面開口之多個吸引孔36,各吸引孔36連接吸引通路37。各吸引通路37在上游側匯合連接到吸引機構38。各吸引通路37連接開關閥(吸引閥)V1,在各吸引通路37匯流之匯流管路設有檢測吸引壓力之壓力計也就是吸引壓力檢測部39。吸引孔36用以在當晶圓W有翹曲時,吸引晶圓W的底面藉以使晶圓W平坦化,例如被設置在加熱板3的中心部,還在接近晶圓W外周的位置設置多個在圓周上。此外,圖2中間隙銷30和吸引孔37的佈局是為了方便起見,並不是表示作為實際機器的一個例子。另外,在圖示的方便上,在與間隙銷30分離的狀態下顯示晶圓W。
說明蓋部21側的電力系統,已述說過之氣體供應用通路23的入口例如相對於蓋部21的中心對稱地設置在2個地方,連接到各入口之氣體供應管路25在上游側匯合例如連接到氮氣也就沖洗氣體的氣體供應源28。圖2中,V2、V3為開關閥。
為了要運轉熱處理裝置,使用規定了處理順序、處理所必要參數的設定值之處理配方,處理配方記憶在控制部的記憶體。上述加熱板3的溫度(詳細狀況為各加熱區域的目標溫度)、吸引通路37的吸引壓力(詳細狀況為匯合部位之吸引壓力的目標值)為物理量,相當於該參數。因此,這些物理量被設定為裝置的運轉條件,溫度感測器35a~35c、吸引壓力檢測部39相當於分別檢測多種物理量之多種物理量檢測部。
在本實施形態,由於將電力指令值作為神經網絡5的輸入值之一使用,因而電力指令值為物理量檢測值之一,調節部332相當於物理量檢測部。電力指令值因應被設定為裝置的運轉條件之物理量也就是溫度的檢測值改變,即因應加熱器31的發熱量改變,因而可作為物理量檢測值使用,調節部332因此稱得上是物理量檢測部。
此外,設置電力檢測部以檢測加熱器3的供應電力,以該電力檢測值來取代電力指令值,作為神經網絡5的輸入值之一使用亦可。另外,電力檢測部相當於物理量檢測部,電力檢測值相當於物理量檢測值。
如圖2所示,本實施形態的熱處理裝置具備狀態監視部4。對狀態監視部4輸入來自與溫度感測器35a~35c、吸引壓力檢測部39和與各加熱器31a~31c對應之輸出部33的電力指令值。此外,有關溫度感測器和加熱器的圖號,說明上會有分別使用概括性的圖號如同「35」、「31」的情況。
如圖4所示,狀態監視部4具備狀態推定部41及相應處理選擇部42。狀態推定部41由輸入各檢測值(包含電力指令值)之神經網絡5組成,求取預先決定的多個事態模式的各個的發生概率。多個事態模式是指作為包含多個的異常模式和正常模式的用語使用。多個異常模式是指熱處理裝置異常的模式和晶圓W的載置狀態異常、晶圓翹曲大於預定程度的狀態。圖4中,為了要容易理解,附注正常、晶圓跨騎、晶圓翹曲、加熱板3損壞也就是加熱板破裂、吸引閥V1的電磁線圈(電磁閥作動用的電磁線圈)故障的發生概率。此外,發生概率的數值是為了方便起
見的值。圖號43為記憶部,記憶神經網絡5用於運算之參數。這些參數的值藉由不斷教導(附正確解答標籤)學習決定。
相應處理選擇部42具備根據藉由狀態推定部41所推定之資訊(各事態模式的發生概率),從預先決定的多個相應處理當中選擇應該採取的相應處理之功能。圖4中,將選擇對象也就是相應處理伴隨相應處理選擇部42記錄在框格內,本例子中,決定繼續處理(級別1)、繼續處理+警告(級別2)、繼續處理+警告+晶圓標記(級別3)、停止處理(級別4)的4個級別(4階段),作為相應處理。有關相應處理和級別的階段於後述。
警告可列舉出:例如在熱處理裝置的操作畫面上顯示操作員確認異常模式的發生概率以檢討是否繼續處理的判斷,或者發出警告音,例如警告燈亮燈等這樣的警告。
晶圓標記的處理例如列舉有對包含晶圓的批量處理之履歷資料施予標記。在半導體製造廠內,每批量被容納於搬送容器內搬入各處理站,但工廠內的電腦登錄各批量晶圓之處理的履歷,在該登錄資料中輸入預定的標記,有助於解析該晶圓的檢查結果。另外,晶圓標記為直接用油墨在晶圓的預定位置施予標記之處理亦可。即晶圓標記的處理是指一種為了要告知晶圓之後會在擔心異常模式發生的狀態下處理,而在資料上或者對晶圓直接進行標記之處理。
圖5係對應表示神經網絡5和事態模式之說明圖。圖號51~53分別為神經網絡5的輸入層、隱藏層(中間層)和輸出層。輸入層51的節點數因應輸入資料數決定。
輸入資料為物理量檢測值的時間系列資料,本例子則是溫度感測器35a~35c的檢測值、吸引壓力檢測部39的檢測值和來自與各加熱器31a~31c對應之輸出部33的電力指令值(調節部332的輸出訊號也就是MV(Manipulated Variable))的各時間系列資料。時間系列資料為在預先決定的時間帶隔著預定時間的間隔取樣而得到之物理量的檢測值群。預先決定的時間帶為至少將晶圓W載置在加熱板3上後的時間帶。預先決定的時間帶為例如晶圓W放置在加熱板3上,加熱板3的溫度一度降下,之後上升到變穩定之時間點設為t1時,例如就在晶圓W搬入加熱板3上之前,例如從數秒前到時間點t1為止之時間帶。取樣間隔例如設定在0.1秒~0.3秒程度,但如果是神經網絡5得到製作者預期的結果之時間間隔的話,可任意設定。
預先已定設定的時間帶例如為40秒,取樣間隔例如為0.2秒時,本例子中加熱器3設有3個通道,因而時間系列資料的總數成為溫度檢測值+電力指令值+吸引壓力檢測值=3×200+3×200+200=1400,輸入層的節點數成為1400。在此情況下,圖5所示的輸入層從上段側起為節點1、節點2...時,將溫度感測器35a的時間系列資料分配在節點1~200,將溫度感測器35b的時間系列資料分配在節點201~400,將溫度感測器35c的時間系列資料分配在節點401~600,將加熱器31a的電力指令值35a的時間系列資料分配在節點601~800,依此類推,將各種物理量檢測值的時間系列資料依序分配在節點。
輸出層53的節點數對應於事態模式數。圖5中以事態模式為例,在此情況下,節點數變成5個。從輸出層53的各節點得到被分配在節點之事態模式的發生概率。事態模式當中,「晶圓跨騎」是指高度比間隙銷30還高的異物存在於加熱板
3上,致使晶圓W跨在異物上的狀態。異物為晶圓W的碎片、脫落的部件、樹脂製部件的碎片等。「加熱板破裂」為加熱板3損壞的一種態樣,加熱板3破裂導致損壞的狀態。「VAC電磁線圈故障」為開閉吸引通路37之開關閥V1其驅動部的電磁線圈故障,變成開關閥V1一直維持在關閉的狀態。「晶圓翹曲」是指相當於晶圓的周緣向上翹曲的狀態、向下翹曲的狀態、扭曲成馬鞍狀的狀態的任何一種,變形的程度超過預估程度的狀態。
關於隱藏層52的節點數,在對神經網絡5進行學習的階段,例如剛開始較少時得不到製作者預期的結果,增加節點數再度進行學習,當得到預期的結果時,決定為該節點數
圖6係神經網絡5的一個例子之示意圖,且是詳細表示被執行的處理之圖。本例子中,為了方便說明,輸入層51的節點數為10個,隱藏層52的節點數為8個,輸出層的節點數為5個。x1~x10為物理量檢測值的時間系列資料,圖7中表示該模樣。圖7係在溫度感測器35所檢測出之溫度檢測值的時間系列資料,x1~x10為溫度檢測值的取樣值。
回到圖6,x1~x10表示藉由前置處理部50前置處理的值,x1'~x10'表示被前置處理過後的值。前置處理例如為如同下述(1)式將資料正常化的處理、如同(2)式將資料標準化的處理皆可。
xj'=(xi-x[min])/(x[max]-x[min])...(1)
惟,x[max]、x[min]分別為x1~x10的最大值、最小值。
xj'=(xi-x[ave])/σ...(2)
惟,x[ave]為x1~x10的平均值,σ為標準偏差。
(1)和(2)式的分母為表示時間系列資料的分布之指標,因此前置處理稱得上是求取時間系列資料的分布上表示各資料的位置之指標,例如由0與1之間所表示之指標的處理。
從輸入層51第i段之節點到隱藏層52第j段之節點的合成負載以wij(1)表示。隱藏層52第j段之節點的加權總和使用aj(1),但圖6中,加權總和的式子以隱藏層52的最上段之節點52-1為代表表示。隱藏層52第j段之節點的輸出使用Zj,但圖6中該輸出以隱藏層52最上段之節點52-1為代表表示。
從隱藏層52第j段之節點到輸出層53第k段之節點的總負載以wij(2)表示。輸出層53第k段之節點的加權總和使用ak(2),但圖6中,加權總和的式子以輸出層53最上段之節點53-1為代表表示。輸出層53第k段之節點的輸出使用yk,但圖6中該輸出以輸出層53最上段之節點53-1為代表表示。
在輸出層53的5個節點53分配事態模式,yk為各事態模式的發生概率。
輸入層51和隱藏層52之各節點上,圓圈圈住「1」的部位為輸出偏權值b1(1)、b1(2)的部位。
實際的神經網絡5中,如上所述輸入層51之節點數相當於各物理量檢測值之時間系列資料的總值,輸出層53之節點數相當於事態模式數。另外,隱藏層52之節點數在學習的階段設定在適切的數量。
圖8係表示根據由神經網絡5取得之事態模式的發生概率當中除正常模式外之各異常模式的發生概率,要如何選擇已述說過的4個相應處理的一個例子之圖表,即發生概率與相應處理相互關連之圖表。例如如果晶圓翹曲的發生概率未達10%則繼續處理,晶圓跨騎的發生概率成為20%的話雖會繼續處理但進行警告。另外,如果加熱板破裂的發生概率為20%,繼續處理且予以警告並在該上表面進行晶圓標記,如果晶圓跨騎的發生概率為60%則停止處理。
圖8中記載的相應處理的級別,如上所述從左側起依級別1、級別2、級別3、級別4的順序排列,越往右相應處理的級別越高。這些4個級別1~4(4個的相應處理),級別的數值越大各異常模式的發生概率越高。另外,在彼此不同的異常模式之間,相同級別卻不同發生概率可以說越是發生概率設定得很小的異常模式(例如「停止處理」的級別中,「加熱板破裂」的發生概率比「晶圓翹曲」小)對晶圓的處理推定之異常的影響則越大。
在對應於多個異常模式的各個的發生概率可選擇多個相應處理的條件成立時,選擇該多個相應處理當中最高級別(數值大的級別)的相應處理。
列舉一個具體的例子,例如晶圓翹曲的發生概率為40%、晶圓跨騎的發生概率為25%、VAC電磁線圈故障的發生概率為8%、加熱板破裂的發生概率為35%。在此情況下,從晶圓翹曲的發生概率選擇之相應處理為繼續處理+警告(級別2),從晶圓跨騎的發生概率選擇之相應處理也同樣為繼續處理+警告(級別2),從VAC電磁線圈故障的發生概率選擇之相應處理為繼續處理(級別1),從加熱板破裂的發生概率選擇之相應處理為停止處理(級別4)。如此在可選擇多個相應處理的條件成立時,選擇級別高的相應處理也就是停止處理(級別4)。
圖8所示之圖表和用該圖表選擇相應處理之軟體構成相應處理選擇部42。
圖8所示,各相應處理之發生概率的範圍僅是一個例子而已,藉由重複運用或者藉由裝置使用者的管理方法等妥適地決定。
有關相應處理並非被限制在上述的例子,例如為確認吸引壓力檢測部39等的物理量檢測部該部位的動作、檢查對加熱器31供應電力的電路等之處理亦可。
狀態推定部41、相應處理選擇部42和參數記憶部43,例如由電腦來構成,該電腦具備一種軟體,包含安裝有指令群俾使進行物理量檢測值的輸入、藉由神經網絡5各事態模式之發生概率的計算、相應處理的選擇之程式和例如圖8所示之圖表。
其次,說明上述實施形態的作用。圖9係表示本實施形態中熱處理裝置的動作整個流程之流程圖。處理前的晶圓W從殼體1的搬送口藉由外部的主搬送機構,透過升降銷16的升降動作搬入殼體內的晶圓移載機構12(詳細情況為構成晶圓移載機構12之冷卻用的臂部上)(步驟S1)。然後晶圓W藉由晶圓移載機構12搬送到加熱板3的上方,透過升降銷14的升降動作載置到加熱板3上。詳細情況為變成晶圓W由間隙銷3支撐而稍為懸浮在載置面的狀態。
接著晶圓移載機構12撤離到待機位置為止後,蓋部21降下並密貼在底座部22,晶圓W放置的空間變成密閉空間。之後對由蓋部21和底座部22組成之處理容器內,從蓋部21的外周部附近供應沖洗氣體,並且從蓋部21的中央部排氣。
加熱板3從晶圓W被載置之前開始加熱到處理溫度,例如80~200℃的溫度,由於晶圓W被載置,加熱板3的溫度一度降下。然後藉由加熱器31的發熱從加熱板3導熱到晶圓W而使晶圓W的溫度上升,加熱板3的溫度也因此朝處理溫度升溫,最終穩定於處理溫度。就這樣對晶圓W進行熱處理(步驟S2)。從晶圓W被載置到加熱板3上的時間點經過預定時間(例如60秒)後,藉由升降銷14頂起晶圓W,進而蓋部21升起而成為蓋部21開啟的狀態。接著晶圓移載機構12接收晶圓W而直到待機位置為止移動,藉由與述說過的搬入動作相反的動作,晶圓W從晶圓移載機構12轉移給外部的主搬送機構。
這樣一系列對晶圓W的處理中,從晶圓W被載置到加熱板3的數秒前開始如上詳述以預定時間取樣加熱板3的溫度檢測值、電力指令值、吸引壓力檢測值(步驟S3)。得到的時間系列資料輸入到神經網絡5,求取圖5所示各事態模式的發生概率(步驟S4),根據這些發生概率,如上所述選擇圖8所示的相應處理(步驟S5)。
此處述說用神經網絡5的益處。由於有翹曲的晶圓W被載置在加熱板3時存在有翹曲,與載置沒有翹曲的晶圓W時作比較,溫度檢測值、電力指令值、吸引壓力檢測值的各時間系列資料的佈局並不同。即晶圓W發生翹曲時與未發生翹曲時,輸入到輸入層的節點群之輸入值的排列彼此不同。另外,即使是晶圓W發生跨騎時,溫度檢測值、電力指令值、吸引壓力檢測值的各時間系列資料的佈局仍與正常時不同,也與晶圓翹曲的異常時不同。即使是加熱板破裂、VAC電磁線圈故障時,溫度檢測值、電力指令值、吸引壓力檢測值的各時間系列資料的佈局仍與正常時不同,也與其他異常模式時不同。
即晶圓翹曲、晶圓跨騎、加熱板破裂、VAC電磁線圈故障發生時,上述過時間系列資料的排列(輸入層之輸入值的排列),成為在各異常模式特有的排列。然後發生加熱板破裂和/或VAC電磁線圈故障的狀態時、及除了晶圓翹曲或者晶圓跨騎的狀態,還發生加熱板破裂和/或VAC電磁線圈故障的狀態時,上述過時間系列資料的排列也是不同。
於是例如將發生上述4個異常的之一的狀態和發生4個異常模式的2個以上的狀態各個實際的時間系列資料輸入到神經網絡5,調整神經網絡5的參數俾使異常模式發生概率的推定精度變高。藉此可高精度地推定是否發生任何一種的異常模式。例如即使是迄今難以判斷是否發生晶圓跨騎、是否加熱板3已受損(例如破裂)的情況,仍可高精度地進行推定異常模式。然後各異常模式的推定可根據發生概率判斷,還可因應異常模式之各個的發生概率來分配妥適的相應處理。
依據上述的實施形態,檢測被設定為熱處理裝置的運轉條件之加熱板3的溫度等的多種物理量,將各種的物理量檢測值之各個所得到之時間系列的檢測值群輸入到神經網絡5。然後構成藉由神經網絡5,求取多個異常模式的各個的發生概率,因應各異常模式的發生概率,從多個相應處理當中選擇應該採取的相應處理。因此,可進行區分異常模式,並可對熱處理裝置運轉時發生的異常採取妥適的因應。
另外,在對應於多個異常模式的各個的發生概率可選擇多個相應處理的條件成立時,構成選擇該多個相應處理當中最高級別的相應處理,即基於所謂安全方面的觀點決定相應處理,因而可預先抑止生產效率的降低。
上述的實施形態中,神經網絡5的輸入資料為溫度感測器35a~35c的檢測值、吸引壓力檢測部39的檢測值、對應於各加熱器31a~31c的電力指令值,但如上所述例如使用電力檢測值來取代電力指令值亦可。
另外,熱處理裝置為不具備吸引孔36之構成,即不具備真空夾盤之構成亦可,在此情況下,例如溫度檢測值的時間系列資料及電力指令值(或者電力檢測值)的時間系列資料作為神經網絡5的輸入資料使用。
此外,上述的實施形態中,加熱板3兼作為載置板使用,但本發明即使是在例如由石英組成之載置板的下方側配置加熱燈管,藉由從加熱燈管穿過載置板之紅外線將晶圓加熱這種形式之熱處理裝置也可應用。另外,熱處理對象的基板並不受限於晶圓,液晶面板用的玻璃基板亦可。
為了要確認本發明的功效,本發明人在事前進行過評估測試。該評估測試中,使用具備7個通道的加熱器之加熱板,使用各通道各自溫度的時間系列資料各自的300個檢測值,將7個通道總共2100個檢測值輸入到神經網絡5的輸入層。然後進行晶圓的載置狀態為跨騎和正常的各個模式(事態模式)的教導學習以逼近神經網絡使用的參數值,用該參數並用測試資料來檢查正確解答率時,結果得到極高正確解答率。由用於教導學習的2100個組成之溫度檢測值的組準備1000個,測試資料也準備1000個前述過的組。
5:神經網絡
51:輸入層
52:隱藏層
53:輸出層
Claims (19)
- 一種熱處理裝置之狀態監視裝置,監視熱處理裝置的狀態,該熱處理裝置具備:載置板,其被配置在處理容器內,且在其表面設有多個突起部用以避免基板與該表面接觸;加熱部,將該載置板加熱而對載置在該載置板上的基板進行加熱處理;以及,多種物理量檢測部,分別檢測被設定為運轉條件之多種物理量;該熱處理裝置之狀態監視裝置具備:狀態推定部,將藉由該多種物理量檢測部所分別檢測出的多種物理量檢測值之在各種物理量檢測值之各個所得到的時間序列的檢測值群輸入到輸入層,藉由神經網絡,就多個異常模式的各個求取發生中的發生概率;及選擇部,根據藉由該狀態推定部所推定之異常模式的發生概率,從多個相應處理當中選擇應該採取的相應處理。
- 如請求項1所述之熱處理裝置之狀態監視裝置,其中,該熱處理裝置更具備:電阻發熱體,被設置在該載置板,構成該加熱部;電力供應部,將電力供應給該電阻發熱體;溫度檢測部,檢測該載置板的溫度;及調節部,根據該溫度檢測部的溫度檢測值與溫度目標值的偏差,輸出供應給該電力供應部之電力的指令值,相當於該物理量檢測部;該多種物理量檢測值,係包含該電力的指令值。
- 如請求項1所述之熱處理裝置之狀態監視裝置,其中, 該熱處理裝置更具備:電阻發熱體,被設置在該載置板,構成該加熱部;電力供應部,將電力供應給該電阻發熱體;溫度檢測部,檢測該載置板的溫度;調節部,根據該溫度檢測部的溫度檢測值與溫度目標值的偏差,輸出供應給該電力供應部之電力的指令值;及電力檢測部,檢測從該電力供應部所供應的電力,相當於該物理量檢測部;該多種物理量檢測值,係包含藉由該電力檢測部所檢測到的電力檢測值。
- 如請求項1至3中任一項所述之熱處理裝置之狀態監視裝置,其中,該熱處理裝置更具備:為了要將該基板吸引到載置板側而在載置板的表面開設吸引口之吸引通路;該多種物理量檢測值,係包含該吸引通路之吸引壓力的檢測值。
- 如請求項1至3中任一項所述之熱處理裝置之狀態監視裝置,其中,該異常模式包含基板翹曲的狀態。
- 如請求項1至3中任一項所述之熱處理裝置之狀態監視裝置,其中,該異常模式包含基板跨在異物上之非正常載置的狀態。
- 如請求項1至3中任一項所述之熱處理裝置之狀態監視裝置,其中,該異常模式包含該載置板受損的狀態。
- 如請求項1至3中任一項所述之熱處理裝置之狀態監視裝置,其中, 在該選擇部選擇的範圍之多個相應處理當中包含:繼續熱處理。
- 如請求項1至3中任一項所述之熱處理裝置之狀態監視裝置,其中,在該選擇部選擇的範圍之多個相應處理當中包含:繼續熱處理且警告異常。
- 如請求項1至3中任一項所述之熱處理裝置之狀態監視裝置,其中,在該選擇部選擇的範圍之多個相應處理當中包含:繼續熱處理且警告異常並在基板上進行標記。
- 如請求項1至3中任一項所述之熱處理裝置之狀態監視裝置,其中,在該選擇部選擇的範圍之多個相應處理當中包含:停止熱處理。
- 一種熱處理裝置之管理方法,管理熱處理裝置,該熱處理裝置具備被配置在處理容器內並且藉由加熱部加熱之載置板,在該載置板的表面設有多個突起部用以避免基板與該表面接觸,在該載置板上載置基板以對該基板進行加熱處理,該熱處理裝置之管理方法包含以下步驟:至少在該基板載置在載置板上後的時間帶,分別檢測被設定為運轉條件的多種物理量;將在前述步驟所檢測出的多種物理量檢測值之在各種物理量檢測值之各個所得到的時間序列的檢測值群輸入至輸入層,藉由神經網絡,就多個異常模式的各個求取發生中的發生概率;及根據該異常模式的發生概率,從多個相應處理當中選擇應該採取的相應處理。
- 如請求項12所述之熱處理裝置之管理方法,更包含以下步驟: 藉由溫度檢測部檢測該載置板的溫度;根據該溫度檢測部的溫度檢測值與溫度目標值的偏差,從調節部向電力供應部輸出電力的指令值;及根據該電力的指令值,從該電力供應部,對被設置在該載置板之構成該加熱部的電阻發熱體供應電力;該多種物理量檢測值,係包含該電力的指令值。
- 如請求項12所述之熱處理裝置之管理方法,更包含以下步驟:藉由溫度檢測部檢測該載置板的溫度;根據該溫度檢測部的溫度檢測值與溫度目標值的偏差,從調節部向電力供應部輸出電力的指令值;根據該電力的指令值,從該電力供應部,對被設置在該載置板之構成該加熱部的電阻發熱體供應電力;及檢測從該電力供應部所供應的電力;該多種物理量檢測值,係包含在檢測該電力的步驟中所檢測到的電力檢測值。
- 如請求項12至14中任一項所述之熱處理裝置之管理方法,更包含以下步驟:藉由開設在該載置板的表面之吸引通路的吸引口,將該基板吸引到載置板側;該多種物理量檢測值,係包含該吸引通路之吸引壓力的檢測值。
- 如請求項12至14中任一項所述之熱處理裝置之管理方法,其中,該異常模式包含基板翹曲的狀態。
- 如請求項12至14中任一項所述之熱處理裝置之管理方法,其中, 該異常模式包含基板跨在異物上之非正常載置的狀態。
- 如請求項12至14中任一項所述之熱處理裝置之管理方法,其中,該異常模式包含該載置板受損的狀態。
- 一種記錄媒體,記憶使用於熱處理裝置之電腦程式,該熱處理裝置具備被配置在處理容器內並且藉由加熱部加熱之載置板,在該載置板的表面設有多個突起部用以避免基板與該表面接觸,在該載置板上載置基板以將該基板加熱處理;該電腦程式安裝有一組步驟俾使執行如請求項12至18中任一項所述之熱處理裝置之管理方法。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017126648 | 2017-06-28 | ||
JP2017-126648 | 2017-06-28 | ||
JP2018049783A JP7003759B2 (ja) | 2017-06-28 | 2018-03-16 | 熱処理装置、熱処理装置の管理方法及び記憶媒体 |
JP2018-049783 | 2018-03-16 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202249529A TW202249529A (zh) | 2022-12-16 |
TWI837773B true TWI837773B (zh) | 2024-04-01 |
Family
ID=
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070272680A1 (en) | 2006-05-23 | 2007-11-29 | Tokyo Electron Limited | Temperature control method of heat processing plate, computer storage medium, and temperature control apparatus of heat processing plate |
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070272680A1 (en) | 2006-05-23 | 2007-11-29 | Tokyo Electron Limited | Temperature control method of heat processing plate, computer storage medium, and temperature control apparatus of heat processing plate |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109148330B (zh) | 热处理装置、热处理装置的管理方法以及存储介质 | |
JP5503564B2 (ja) | 処理装置の異常判定システム及びその異常判定方法 | |
JP7311253B2 (ja) | 半導体製造装置のためのユーザ相互作用を自動化するシステムおよび方法 | |
US20070055403A1 (en) | Methods of and apparatuses for maintenance, diagnosis, and optimization of processes | |
US20050149886A1 (en) | Methods for adaptive real time control of a thermal processing system | |
US7203565B2 (en) | Temperature abnormality detection method and semiconductor manufacturing apparatus | |
JP3581303B2 (ja) | 判別方法及び処理装置 | |
WO2006070689A1 (ja) | 半導体製造装置、当該半導体製造装置における異常の検出、異常の原因の特定或いは異常の予測を行う方法、並びに当該方法を実施するためのコンピュータプログラムを記録した記憶媒体 | |
US20090076763A1 (en) | Method of detecting extraneous matter on heat processing plate, heat processing apparatus, program, and computer-readable recording medium with program recorded thereon | |
US20080228308A1 (en) | Critical dimension uniformity optimization | |
US20060010710A1 (en) | System and method of detecting misaligned wafer | |
JP3955606B2 (ja) | 温度異常の検知方法及び半導体製造装置 | |
TWI837773B (zh) | 熱處理裝置之狀態監視裝置、熱處理裝置之管理方法及記錄媒體 | |
TWI779053B (zh) | 熱處理裝置、熱處理裝置之管理方法及記錄媒體 | |
KR102602807B1 (ko) | 히터 제어 장치 및 이를 구비하는 기판 처리 시스템 | |
KR100760623B1 (ko) | 기판의 티칭 상태를 감지하는 방법 | |
TWI767326B (zh) | 基板處理裝置、半導體裝置的製造方法、及預兆偵測程式 | |
TW202316216A (zh) | 佇列時間判斷方法及佇列時間判斷系統 | |
KR20020083660A (ko) | 반도체 장치 제조를 위한 베이크 장치 |