TWI841927B - 用於使用基於時間的圖像序列檢測cmp部件的偏移的系統、方法及電腦程式產品 - Google Patents
用於使用基於時間的圖像序列檢測cmp部件的偏移的系統、方法及電腦程式產品 Download PDFInfo
- Publication number
- TWI841927B TWI841927B TW111107961A TW111107961A TWI841927B TW I841927 B TWI841927 B TW I841927B TW 111107961 A TW111107961 A TW 111107961A TW 111107961 A TW111107961 A TW 111107961A TW I841927 B TWI841927 B TW I841927B
- Authority
- TW
- Taiwan
- Prior art keywords
- component
- time
- image sequence
- polishing
- deviation
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 46
- 238000004590 computer program Methods 0.000 title claims description 21
- 238000005498 polishing Methods 0.000 claims abstract description 197
- 238000012544 monitoring process Methods 0.000 claims abstract description 64
- 239000000758 substrate Substances 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 238000012360 testing method Methods 0.000 claims abstract description 17
- 230000004044 response Effects 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims description 24
- 238000010801 machine learning Methods 0.000 claims description 22
- 230000033001 locomotion Effects 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 26
- 239000002002 slurry Substances 0.000 description 20
- 238000001816 cooling Methods 0.000 description 12
- 238000010438 heat treatment Methods 0.000 description 12
- 239000007788 liquid Substances 0.000 description 10
- 238000003860 storage Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000004140 cleaning Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 239000012530 fluid Substances 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 239000002826 coolant Substances 0.000 description 4
- 239000000945 filler Substances 0.000 description 4
- 238000011010 flushing procedure Methods 0.000 description 4
- 238000011065 in-situ storage Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 239000012528 membrane Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 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
- 238000007792 addition Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007921 spray Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 1
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 1
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 241000009334 Singa Species 0.000 description 1
- 239000003082 abrasive agent Substances 0.000 description 1
- 238000010420 art technique Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000000206 photolithography Methods 0.000 description 1
- 229920002635 polyurethane Polymers 0.000 description 1
- 239000004814 polyurethane Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000007779 soft material Substances 0.000 description 1
- -1 steam Substances 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B37/00—Lapping machines or devices; Accessories
- B24B37/04—Lapping machines or devices; Accessories designed for working plane surfaces
- B24B37/07—Lapping machines or devices; Accessories designed for working plane surfaces characterised by the movement of the work or lapping tool
- B24B37/10—Lapping machines or devices; Accessories designed for working plane surfaces characterised by the movement of the work or lapping tool for single side lapping
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B37/00—Lapping machines or devices; Accessories
- B24B37/005—Control means for lapping machines or devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B37/00—Lapping machines or devices; Accessories
- B24B37/27—Work carriers
- B24B37/30—Work carriers for single side lapping of plane surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67259—Position monitoring, e.g. misposition detection or presence detection
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/272—Means for inserting a foreground image in a background image, i.e. inlay, outlay
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
- H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
- H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
- H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
- H01L21/302—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to change their surface-physical characteristics or shape, e.g. etching, polishing, cutting
- H01L21/306—Chemical or electrical treatment, e.g. electrolytic etching
- H01L21/30625—With simultaneous mechanical treatment, e.g. mechanico-chemical polishing
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
- H01L21/04—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer
- H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having potential barriers, e.g. a PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic Table or AIIIBV compounds with or without impurities, e.g. doping materials
- H01L21/30—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26
- H01L21/31—Treatment of semiconductor bodies using processes or apparatus not provided for in groups H01L21/20 - H01L21/26 to form insulating layers thereon, e.g. for masking or by using photolithographic techniques; After treatment of these layers; Selection of materials for these layers
- H01L21/3105—After-treatment
- H01L21/31051—Planarisation of the insulating layers
- H01L21/31053—Planarisation of the insulating layers involving a dielectric removal step
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
- H01L22/10—Measuring as part of the manufacturing process
- H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Computer Hardware Design (AREA)
- Manufacturing & Machinery (AREA)
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
- Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
- Grinding-Machine Dressing And Accessory Apparatuses (AREA)
- Numerical Control (AREA)
- Mechanical Treatment Of Semiconductor (AREA)
Abstract
拋光系統的監控操作包括:獲得在拋光系統的測試操作期間執行操作的拋光系統部件的基於時間的參考圖像序列;從相機接收在基板的拋光期間執行操作的等效拋光系統的等效部件的基於時間的監控圖像序列;通過使用影像處理演算法對基於時間的參考圖像序列與基於時間的監控圖像序列進行比較,來確定基於時間的監控圖像序列的差值;確定所述差值是否超過閾值;以及回應於確定所述差值超過閾值,指示偏移。
Description
本揭示內容一般涉及化學機械拋光(CMP),更具體地,涉及使用基於時間的圖像序列(例如,視頻圖像)檢測CMP部件的偏移。
積體電路通常通過在矽晶圓上依次沉積導電層、半導電層或絕緣層並通過對這些層的後續處理而形成在基板(例如,半導體晶圓)上。
一個製造步驟涉及在非平面表面上沉積填料層並使所述填料層平坦化。對於某些應用,填料層被平坦化,直到經圖案化的層的頂表面被暴露或在底層之上保留所期望的厚度。此外,平坦化可用於使例如電介質層的基板表面平坦化以用於光刻。
化學機械拋光(CMP)是一種公認的平坦化方法。所述平坦化方法通常要求基板被安裝在承載頭上。基板的被暴露的表面抵靠旋轉的拋光墊而放置。承載頭提供基板上的可控負載,從而將其推至抵靠拋光墊。在一些情況下,承載頭包括形成多個獨立可加壓的徑向同心的腔室
的膜,其中,每個腔室中的壓力控制基板上的每個對應區域中的拋光速率。拋光液(諸如具有研磨顆粒的漿料)被供應到拋光墊的表面。
影像處理旨在用不同演算法處理一個或多個圖像幀,包括圖像壓縮、圖像過濾、圖像存儲以及圖像比較。圖像比較可用於降噪、圖像匹配、圖像編碼和恢復,其可由位於一個或多個位置的一台或多台電腦用一種或多種圖像比較演算法來實現。圖像比較演算法可以基於圖像特徵(例如,代表亮度、顏色和透明度的像素值)確定一張或多張圖像之間的相似度或差異的程度,或確定測量單張圖像中的每對部件之間或跨不同圖像幀的各自距離的度量距離(例如,Hausdorff距離或其他合適的距離),或確定代表局部圖像塊(image patch)並用於圖像之間的特徵匹配的特徵核。用任何合適的預處理步驟來進一步輔助圖像比較演算法,僅舉幾例,諸如像素強度調整、歸一化或同態濾波。
還可以使用機器學習演算法處理視頻圖像。神經網路是一種機器學習模型,它採用一層或多層非線性單元來對接收的輸入預測其輸出。一些神經網路除了輸出層之外還包括一個或多個隱藏層。每個隱藏層的輸出被作為給所述網路中的下一層(即下一個隱藏層或輸出層)的輸入。所述網路的每一層根據各自的一組參數的當前值,基於接收的輸入生成輸出。
在一態樣中,拋光系統的監控操作包括:獲得在拋光系統的測試操作期間執行操作的拋光系統部件的基於時間的參考圖像序列;從相機接收在基板的拋光期間執行操作的等效拋光系統的等效部件的基於時間的監控圖像序列;通過使用影像處理演算法對基於時間的參考圖像序列與基於時間的監控圖像序列進行比較,來確定基於時間的監控圖像序列的差值;確定所述差值是否超過閾值;以及回應於確定所述差值超過閾值,指示偏移。
在另一態樣中,拋光系統的監控操作包括:從相機接收在基板的拋光期間執行操作的拋光系統的部件的基於時間的監控圖像序列;將基於時間的監控圖像序列分析輸入到通過訓練示例訓練的機器學習模型中,以檢測部件從預期操作的偏移;以及從機器學習模型接收部件從預期操作偏移的指示。訓練示例包括在測試操作期間執行操作的參考拋光系統的參考部件的基於時間的參考圖像序列。
實施方式可以包括以下特徵中的一項或多項。所述部件可以是承載頭、調節器臂、裝載罩、工作臺、或機械臂中的一個。回應於確定差值超過閾值或回應於偏移的指示,可能會生成警報。可以存儲相應的基於時間的參考圖像序列(其包括在拋光系統的相應的測試操作期間執行操作的拋光系統的多個部件),可以從相機接收基於時間的監控圖像序列(其包括在基板的拋光期間執行操作的等效拋光系統的一個或多個等效部件),且可以通過使用影
像處理演算法對基於時間的參考圖像序列與基於時間的監控圖像序列進行比較,來針對基於時間的監控圖像序列中的每個等效部件確定相應差值。對於所述一個或多個等效部件中的每個,可以確定所述等效部件的相應差值是否超過所述等效部件的相應閾值,並且回應於確定所述相應差值超過相應閾值,可以指示等效部件的偏移。
某些實施方式可以包括但不限於以下的可能的優點中的一個或多個。
所述技術可以用於對拋光裝置中的部件的高效且準確的性能分析。
首先,所述技術能夠實現在動態地執行彼此相互作用的各項操作時,對拋光裝置中的多個部件的操作的分析。與單獨分析靜態部件的常規影像處理技術相比,所述技術可以根據基於時間的圖像序列(例如,視頻幀)對一個或多個部件的操作偏移進行即時分析和檢測。所述技術可以進一步實現並提供對原位部件操作的準確分析,而不是單獨分析每個靜態部件。
其次,不需要使用從配置為監控基板拋光的原位監控系統獲取的感測器資料。相反,所述技術允許對視頻圖像中捕獲的一個或多個部件進行高效的整體分析。額外地或另外地,所述技術可以將分析資料與感測器資料相結合,或者提供對視頻圖像的分析,作為現有技術之外對部件的替代性或獨立的檢查,以實現更準確的分析或診斷過程。
此外,所述技術可以生成通知或警報,以指示拋光裝置中一個或多個部件的任何檢測到的偏移,從而允許及時且適時的人工幹預或自動控制調整,以校正檢測到的一個或多個部件的偏移。所述技術可最終提高產品品質,降低成本,並促進拋光裝置。
此外,所述技術可以存儲捕獲一個或多個部件的操作的視頻圖像,並允許重新訪問存儲的視頻圖像,以用於之後進行故障排除或故障分析,從而導致更準確的診斷。
此外,所述技術易於設立、實現和擴展。所述技術可適用於任何合適的拋光裝置,這是因為不需要重大修改以容納一個或多個圖像感測器。所述技術可以利用影像處理或機器學習演算法來分析和檢測部件操作的偏移,其接收根據一組參考指令執行操作的參考拋光裝置中一個或多個部件的視頻圖像作為單獨基準。所述技術可以擴展以用於更多部件,只要捕獲的視頻圖像可以包括這些部件。
因此,所述技術已經準備好利用圖像感測器來擴展,所述圖像感測器能夠以令人滿意的解析度捕獲更多部件。
以下附圖和描述闡述了本發明的一個或多個實施例的細節。根據說明書和附圖以及根據權利要求書,其他特徵、目的以及優點顯而易見。
8:裝載罩
10:基板
12:控制器
14:視頻圖像感測器
16:視圖
20:拋光裝置
22:電機
24:工作臺
25:中心軸線
28:驅動軸
30:拋光墊
32:背襯層
34:外拋光層
36:拋光表面
38:拋光液
39:漿料分配臂
40:框架
70:承載頭
71:中心軸線
72:支撐結構
74:驅動軸
76:承載頭旋轉電機
80:柔性膜
82:可加壓腔室
84:扣環
86:塑膠下部
88:上部
90:襯墊調節裝置
92:調節器盤
93:調節器頭
94:臂
96:基座
100:溫度控制系統
102:冷卻系統
104:加熱系統
106:沖洗系統
110:臂
112:基座
120:噴嘴
126:間隙
130:液體冷卻劑介質源
132:氣體源
140:臂
142:基座
150:臂
152:基座
156:清洗液罐
170:刮水片
204:底座
206:殼體
208:腔
210:軸
400:過程
402:步驟
404:步驟
406:步驟
408:步驟
410:蒸汽發生器/步驟
500:過程
502:步驟
504:步驟
506:步驟
A:箭頭
B:箭頭
C:箭頭
圖1是示例拋光裝置的示意性橫截面視圖。
圖2是具有示例承載頭的示例裝載罩的示意性橫截面視圖。
圖3是示例拋光裝置的示意性俯視圖。
圖4是示出偏移檢測的示例過程的流程圖,所述偏移檢測基於使用影像處理的視頻圖像。
圖5是示出偏移檢測的示例過程的流程圖,所述偏移檢測基於使用機器學習的視頻圖像。
各個附圖中相同的附圖標記和命名指示相同的要素。
在理想化過程中,拋光裝置的每個部件根據一組指令協同執行操作,以拋光基板,使得基板在拋光後可以具有均勻厚度。然而,在實踐中,拋光裝置的一個或多個部件可能執行偏離各自指令的操作。這可能導致正在拋光的基板的拋光輪廓不均勻,裝置中一個或多個部件的碰撞,和甚至裝置的故障。為了避免由於一個或多個部件的操作偏移而導致的這些後果,有必要監控拋光裝置中的即時部件操作,檢測一個或多個部件的偏移,並且甚至及時調整所述一個或多個部件,以重回正軌進行操作。
常規上,可以將一個或多個感測器併入拋光裝置,以通過測量操作中的部件或基板的一個或多個特徵來監控裝置中的一個或多個部件。僅舉幾例,光學或渦流原位監控系統可以在拋光期間監控基板上的一個層的厚度,或者熱感測器可以在拋光期間測量拋光墊的溫度。儘管來自於在拋光期間監控基板的系統的資料可以提供一些資
訊,但這可能不足以檢測或分析系統部件與其預期行為的偏差,尤其是當拋光裝置中存在許多部件時。
此外,一些常規技術獲取感測器資料以靜態分析部件,而非在拋光裝置的一個或多個部件正在原位執行操作時動態監控並分析部件操作。這些常規技術獲取靜態部件的圖像資料,並基於獲取的圖像資料分析所述靜態部件。例如,圖像資料可以包括通過座標測量機(CMM)獲得的靜態扣環的底表面輪廓,用於分析基板的拋光邊緣區域。
以下所述的技術可以潛在地緩解以上提到的問題中的一個或多個。採用所述技術的系統或拋光裝置可以使用一個或多個視頻感測器(例如相機)獲取參考拋光裝置中的參考部件的基於時間的參考圖像序列,以及捕獲等效拋光裝置中的等效部件的基於時間的監控圖像序列。在一個或多個部件執行各自操作時捕獲基於時間的圖像序列。所述系統可以分析參考部件和等效部件之間捕獲的圖像幀,以確定即時的偏移。回應於確定偏移,所述系統可以生成通知,例如,指示使用者介面部件中的偏移的警報。所述系統可以進一步指示拋光裝置以調整一個或多個部件的操作,從而校正偏移。可選地,所述系統甚至可以終止拋光裝置中執行的操作的至少一部分。為了確定偏移,所述系統可以採用由一個或多個位置中的一台或多台電腦執行的不同演算法。所述演算法包括任何合適的影像處理或機器學習演算法。
在一些實施方式中,捕獲的圖像幀可以包括一個或多個參考部件。所述系統可以分析在捕獲的參考圖像幀中捕獲的參考部件的子集中的多個等效部件。
更具體來說,拋光裝置部件包括機械臂、裝載罩、調節器臂、傳送站、承載頭、漿料臂、工作臺、以及用於對承載頭和工作臺的旋轉進行驅動的一個或多個電機。這些部件的操作是相互作用的。例如,機械臂與裝載罩相互作用的方式是,機械臂被配置為從盒中抓取基板並將其水準放置(即,基板的頂表面或底表面朝向基本垂直的位置)到裝載罩的底座上。作為另一個示例,承載頭與裝載罩相互作用,使得承載頭被配置為將基板抓離裝載罩的底座。下文將描述拋光裝置中的每個部件的具體結構和操作。
拋光裝置可以控制所述拋光裝置中的一個或多個部件,以根據一組指令執行相應操作。所述一組指令可以包括由使用者預先確定或由拋光裝置自動確定的多個參數,以控制每個部件的操作。例如,所述多個參數可以包括被指定用於控制部件的位置或部件的運動、或部件內的物理場變化的資料。更具體來說,所述資料可以是承載頭相對於所述承載頭的旋轉軸旋轉的環形速度,或是漿料臂噴嘴處漿料分配的流速,僅舉幾例。
根據不同的拋光要求,拋光裝置可以有具有不同參數的不同指令集。在下文的描述中,指令集也被稱為用於拋光裝置的配方。一旦被拋光裝置的部件正確執行,就能夠使拋光裝置基本上拋光一個或多個基板以滿足特定拋
光要求的配方也被稱為「黃金配方」。黃金配方可以在具有不同部件的不同拋光裝置之間不同,以滿足相同的拋光要求。理想地,在相同拋光要求下,可以在等效拋光裝置之間採用黃金配方。
上文和整篇描述中所述的術語「等效」用於代表實質相似水準。更具體來說,參考裝置的等效拋光裝置可以具有與參考裝置實質相同的整體尺寸、結構設計、部件(即等效部件)的個數和種類、以及操作流水線。作為極端的示例,在理想情況下,等效拋光裝置可以是參考裝置的相同副本(例如,在同一生產批次中的產品中的一個),或同一型號,或具有一個或多個可選附加件的同一型號,或無關緊要的修改,或一個或多個等效部件的數量略有不同,但仍保持實質相同的操作。參考部件的等效部件可以類似於等效拋光裝置來描述。更具體來說,等效部件可以是與參考部件相同的拋光部件。或者,等效部件可以與參考部件實質相同,具有可選的附加件或微不足道的修改,並保持與參考部件實質相同的操作。
上文和整篇描述中所述的術語「偏移」描述了部件的測量到的操作與參考部件的操作之間的偏差。偏移僅與等效部件相關聯,這是因為假定參考部件根據預定配方精確操作。例如,可以在一個或多個時間步長中量化等效部件的捕獲的運動與參考部件的對應參考運動之間的操作偏移。作為另一個示例,可以量化來自於等效噴嘴的測量的漿料流速與在參考漿料噴嘴中的相應參考流速的操作偏
移。量化的差異可以從處理捕獲的視頻圖像的不同演算法(例如,視頻影像處理或機器學習演算法)輸出。可以通過各種演算法,通過確定在參考拋光裝置中操作的參考部件與在等效拋光裝置中操作的等效部件的捕獲到的圖像幀之間的差異,並將所述差異與預定的閾值進行比較,來確定操作偏移。如果確定的差異超過了預定的閾值,則系統或拋光裝置檢測等效部件的偏移。
圖1是示例拋光裝置20的示意性橫截面視圖。拋光裝置20包括可旋轉盤形工作臺24,拋光墊30位於所述可旋轉盤形工作臺24上。操作工作臺24可操作用於繞軸25旋轉(見圖3中的箭頭A)。例如,電機22可以轉動驅動軸28以旋轉工作臺24。拋光墊30可以是具有外拋光層34和較軟的背襯層32的雙層拋光墊。拋光裝置20可以包括供應埠(例如,在漿料供應臂39的端部),以將拋光液38(諸如研磨漿料)分配到拋光墊30上。
參考圖3,拋光裝置20可以包括具有調節器盤92的襯墊調節裝置90,以保持拋光墊30的表面粗糙度。調節器盤92可以放置在位於調節器臂94端部的調節器頭93中。臂94和調節器頭93由基座96支撐。
調節器臂94可以擺動,以便將調節器頭93和調節器盤92橫向掃過拋光墊30。
再次參考圖1,拋光裝置20還可以包括承載頭70,所述承載頭70可操作用於將基板10固持抵靠在拋光墊30上。
承載頭70懸掛在支撐結構72(例如,轉盤或軌道)上,並通過驅動軸74連接到承載頭旋轉電機76,使得承載頭可以繞軸線71旋轉。可選地,承載頭70可以通過沿軌道移動或通過轉盤本身的旋轉振動,而例如在轉盤上的滑塊上橫向振盪。
承載頭70可包括:柔性膜80,所述柔性膜80具有與基板10的背面接觸的基板安裝表面;以及多個可加壓腔室82,用於向基板10上的不同的區域(例如,不同的徑向區域)施加不同的壓力。承載頭70可以包括扣環84以固定基板。在一些實施方式中,扣環84可以包括接觸拋光墊的塑膠下部86,以及更加剛性材料(例如金屬)的上部88。
在操作中,工作臺24繞其中心軸線25旋轉。承載頭繞其中心軸線71旋轉(見圖3中的箭頭B)並跨拋光墊30的頂表面而橫向地平移(見圖3中的箭頭C)。
拋光裝置20還包括傳送站(見圖2),用於從承載頭70裝載和卸載基板。
傳送站可以包括多個裝載罩8,例如,兩個裝載罩,所述裝載罩適於通過傳送機械臂(未示出)促進承載頭70與工廠介面(factory interface)(未示出)或另一設備(未示出)之間的基板傳送。
裝載罩8通常通過裝載和卸載承載頭70來促進機械臂和每個承載頭70之間的傳送。
圖2是具有示例承載頭70的示例裝載罩8的示意性橫截面視圖。如圖2所示,每個裝載罩8包括底座204,
用於在裝載/卸載期間固持基板10。裝載罩8還包括圍繞或基本上圍繞底座204的殼體206。
致動器提供殼體206和承載頭70之間的相對垂直運動。例如,軸210可以支撐殼體206,並且可垂直致動以升高和降低殼體206。可選地或另外地,承載頭70可以垂直移動。底座204可以與軸210在同一軸線上。底座204可以相對於殼體206垂直運動。
在操作中,承載頭70可以放置在裝載罩8之上,並且可以升高殼體206(或降低承載頭70),使得承載頭70部分位元於腔208內。基板10可以從底座204上開始,並被吸附到承載頭70上,和/或從承載頭70上開始,並被解吸附到底座204上。
裝載罩8可以進一步包括用於輸送蒸汽的噴嘴,以用於對承載頭70和基板10進行清潔和/或預加熱。拋光裝置20可以調整蒸汽的溫度、壓力以及流速,從而改變對承載頭70和基板10的清潔和預加熱。在一些實施方式中,可針對每個噴嘴或在噴嘴組之間獨立調整溫度、壓力和/或流速。裝載罩8中的噴嘴的流速可以是1-1000立方釐米/分鐘,這取決於加熱器功率和壓力。
再次參考圖1,拋光裝置20還可以包括溫度控制系統100,以控制拋光墊30和/或拋光墊上的漿料38的溫度。溫度控制系統100可以包括冷卻系統102和/或加熱系統104。冷卻系統102和加熱系統104中的至少一個(且在有些實施方式中是兩個)通過將溫度控制介質(例如,液
體、蒸汽或噴霧)輸送到拋光墊30的拋光表面36上(或輸送到已經存在於拋光墊上的拋光液體上)來進行操作。
冷卻系統102可以包括液體冷卻劑介質源130和氣體源132(見圖3)。冷卻系統102或加熱系統104可以包括臂110,所述臂110在工作臺24和拋光墊30之上從拋光墊的邊緣延伸到或至少靠近(例如,在拋光墊總半徑的5%以內)拋光墊30的中心。臂110可以由基座112支撐,並且基座112可與工作臺24支撐在同一框架40上。基座112可以包括一個或多個致動器,例如,用於升高或降低臂110的線性致動器,和/或用於在工作臺24之上橫向擺動臂110的旋轉致動器。臂110被定位為避免與其他硬體部件(諸如承載頭70、襯墊調節盤、以及漿料分配臂39)碰撞。
示例冷卻系統102包括懸掛於臂110上的多個噴嘴120。每個噴嘴120被配置為將液體冷卻劑介質(例如水)噴射到拋光墊30上。臂110可以由基座112支撐,使得噴嘴120通過間隙126與拋光墊30分離。
圖3是示例拋光裝置20的示意性俯視圖。結合圖1如前所述,拋光裝置可以包括冷卻系統102、加熱系統104和沖洗系統106。如圖3所示,拋光裝置可以包括用於這些系統中的每一個的分離的臂。每個系統可以由相應的致動器致動。或者,各種子系統可以被包括在由公共臂和公共致動器支撐的單個組件中。
與冷卻系統102類似,加熱系統104連接到具有加熱介質的加熱介質箱,所述加熱介質包括氣體(例如蒸
汽(例如來自蒸汽發生器410)或經加熱的空氣)或液體(例如加熱水,或氣體和液體的組合)。加熱系統104可以包括多個噴嘴和臂,所述臂在工作臺24和拋光墊30之上延伸,由基座142支撐。基座142可與工作臺24支撐在同一框架40上。基座142可以包括致動器,例如,用於升高或降低臂140的線性致動器,和/或用於在工作臺24之上橫向擺動臂140的旋轉致動器。所述臂被定位為避免與其他硬體部件(諸如承載頭70、襯墊調節盤92、以及漿料分配臂39)碰撞。
與冷卻和加熱系統類似,高壓沖洗系統106包括多個噴嘴,所述多個噴嘴連接到清洗液罐156並被配置為以高強度將清洗液(例如水)引導到拋光墊30上,以清洗墊30並去除用過的漿料、拋光碎屑等。
如圖3所示,示例沖洗系統106包括在工作臺24上方延伸且由基座152支撐的臂,並且所述基座152可與工作臺24支撐在同一框架40上。基座152可以包括一個或多個致動器,例如,用於升高或降低臂150的線性致動器,和/或用於在工作臺24之上橫向擺動臂150的旋轉致動器。所述臂150被定位為避免與其他硬體部件(諸如承載頭70、襯墊調節盤92、以及漿料分配臂39)碰撞。
在一些實施方式中,拋光系統20還可以進一步包括刮水片或主體170,用於跨拋光墊30分佈拋光液38。沿著工作臺24旋轉的方向,刮水片170可以在漿料輸送臂39和承載頭70之間。
再次參考圖1、圖2和圖3,拋光裝置20還可以包括控制器12,用於控制系統內的各種部件的操作。控制器12也配置為接收感測器資料,所述感測器資料由測量各種部件的操作的一個或多個感測器收集,並基於對接收的感測器資料的分析,提供回饋調整,以改變部件操作。
為了執行一個或多個部件的偏移檢測操作,例如,通過將資料與來自參考部件的資料進行比較,系統可以包括一個或多個視頻圖像感測器14(例如,相機或錄影機),其中每個視頻圖像感測器定位為具有拋光裝置20的一個或多個部件的視圖16。每個視頻圖像感測器14配置為捕獲拋光裝置中的至少一個部件的操作的基於時間的監控圖像序列。視頻圖像感測器14可通常定位於工作臺24上方,以具有各種部件(例如,承載頭70、漿料輸送臂39等)的頂外表面和/或側外表面的向下透視圖。在所述位置,基板10不受視頻圖像感測器14監控。
捕獲的監控圖像可以被發送到拋光裝置中的控制器12,或拋光裝置20外部的一台或多台電腦。基於參考部件的基於時間的參考圖像序列,所述系統可以進一步分析捕獲的監控圖像,以檢測至少一個部件的偏移。可選地,所述系統可以在檢測到偏移時生成通知,並調整由控制器12控制的至少一個部件的操作。為了調整操作,控制器可以發射回饋信號到控制機構(例如,與致動器、電機或壓力源有關的機構),以調整所述至少一個部件的操作。可以由控制器12利用內部回饋演算法計算回饋信號,或基於
捕獲的監控圖像,從外部電腦接收回饋信號。下文將描述獲取參考圖像以及用不同演演算法分析捕獲的監控圖像的細節。
圖4是示出偏移檢測的示例過程400的流程圖,所述偏移檢測基於使用影像處理的視頻圖像。所述過程400可由位於一個或多個地點的一台或多台電腦執行。或者,過程400可被存儲為一台或多台電腦中的指令。一旦被執行,這些指令就可使拋光裝置的一個或多個部件執行所述過程。例如,如圖1至圖3所示,控制器12,或拋光裝置20外部的一台或多台電腦,可以執行所述過程400。
所述系統獲取在拋光系統的測試操作期間執行操作的拋光系統部件的基於時間的參考圖像序列(402)。所述系統可以包括一個或多個適當定位的攝像機,用於捕獲基於時間的參考圖像序列。
為了獲得拋光系統的參考部件的基於時間的參考圖像序列,為拋光系統選定合適的配方,例如黃金配方,並且利用控制器12控制相關聯的拋光系統,以根據黃金配方執行操作。如果參考部件操作與所指示的操作實質相同,則在測試圖像期間獲得的視頻圖像可以被用為基於時間的參考圖像序列。為簡單起見,下文的描述中,基於時間的參考圖像序列也稱為參考視頻。
在實際拋光操作期間,例如,作為針對基板上的積體電路的製造過程的一部分,系統從相機接收執行操作d的等效拋光系統的等效部件的基於時間的監控圖像序列
(404)。與獲取參考視頻類似,系統可以使用一個或多個相機捕獲基於時間的監控圖像序列,或者從合適的外部監控系統接收基於時間的監控圖像序列。
系統對拋光裝置中的參考部件採用與等效拋光裝置中的等效部件相同的黃金配方,並指示等效拋光裝置的控制器12控制等效部件執行黃金配方所指示的操作。所述系統利用一個或多個相機捕獲一組基於時間的監控圖像。所述一組監控圖像應至少包括等效拋光裝置中的等效部件。所述系統可以存儲捕獲的監控圖像以待後續分析。為簡單起見,下文的描述中,基於時間的監控圖像序列也稱為監控視頻。
所述系統通過使用影像處理演算法將基於時間的參考圖像序列與基於時間的監控圖像序列進行比較,來確定基於時間的監控圖像序列的差值(406)。系統採用影像處理演算法來分析針對等效部件的監控視頻。所述影像處理演算法將參考視頻和監控視頻兩者都作為輸入,並對兩個視頻進行預處理以減少雜訊,並可選地對兩個視頻的每一幀的圖像像素值進行歸一化。
系統還可以對兩個視頻設置各自的開始時間,以用於影像處理演算法。從各自的開始時間開始,參考部件和等效部件都處於實質相似的狀態,並執行實質相似的操作。例如,參考部件是參考拋光裝置中的承載頭。等效部件是等效拋光裝置中的所述承載頭的副本,所述等效拋光裝置也是參考拋光裝置的副本。系統可以為兩個視頻設置
各自的開始時間,從而使參考承載頭和等效承載頭在各自的開始時間位於各自的工作臺上與各自的基板一起各自開始旋轉。參考視頻的開始時間可以與監控視頻的開始時間不同。例如,參考視頻中的承載頭從參考視頻的第五秒開始在工作臺上旋轉。然而,監控視頻中的等效承載頭從監控視頻的第三十一秒開始在等效工作臺上旋轉。
系統生成代表從開始時間開始的參考視頻和監控視頻的每一幀之間的相似度的差值。所述差值可以是任何合適的形式,例如,標量、向量或張量。可以以任何合適的方式計算所述差值。例如,所述差值可以是來自監控視頻和參考視頻的每一幀的每一對像素之間的差值的度量。更具體來說,通過將每一對幀之間的強度差值的平方逐像素相加,所述差值的度量可以是均方根差值,其可以與輸出差值相同。或者,所述差值可以是每一對組像素或者是來自每一幀的內核輸出之間的差值的度量。內核接收不同的像素組,以生成不同特徵等級的特徵。例如,較低級別的特徵可以包括線條或顏色,而較高水準的特徵可以包括表示物件的至少一部分的基礎形狀到複雜形狀。
在一些實施方式中,所述差值可以代表從參考視頻和監控視頻兩者中獲取的物理場的相似度水準。系統可以使用影像處理演算法,生成對應部件的速度場、壓力場或溫度場,並且比較兩個視頻間的一個或多個物理場的差異。或者,所述差值可以表示參考視頻和監控視頻之間各自部件中的物理量的差異。例如,系統可以生成相應視頻
中相應部件的平均速度、角速度、軌跡、或振動,並且可以比較兩個視頻中的部件的這些物理量之間的差異。差值可以是視頻之間相應物理量的均方根差,也可以是視頻之間相應物理量絕對差的加權和,僅舉幾例。
系統確定所述差值是否超過閾值(408)。系統可以從使用者處接收預先確定的閾值,或者使用特定演算法自動生成閾值,並將每個所獲得的差值與各自的閾值相關聯。閾值可以表示絕對差值或相對差值的上限。例如,對於速度差值,所述閾值可以是1mm/s,或者對於溫度場差值,所述閾值可以是10%。
回應於確定所述差值超過閾值,系統指示偏移(410)。當確定差值超過閾值時,系統可生成警報。系統還可以在使用者介面部件上生成通知。
此外,系統還可以在使用者介面部件上生成使用者演示,用於將資訊疊加到捕獲的監控視頻上。更具體來說,系統可以向使用者呈現具有多個疊加的監控視頻,每個疊加呈現基於時間的監控圖像序列的相應的特徵。例如,疊加可以呈現各種物理場(例如,流場、溫度場)、各種物理量(例如,環空速度、軌跡)和通知(例如,警報、分析摘要)。
偏移可以包括由等效部件執行的各種操作,這些操作偏離了由參考配方指示的參考部件所執行的操作。例如,偏移可以是部件偏離預期運動路徑(例如,預期軌跡)。在這些情況下,並結合圖1至圖3,所述部件可以是,例如,
承載頭70、工作臺24、正在拋光的基板10、裝載罩8中的底座204、調節器臂94、臂140、150、110、刮水片170和機械臂。
例如,可以通過比較參考視頻和監控視頻檢測到承載頭70偏離預期旋轉(例如,以更低的環空速度旋轉)。作為另一個示例,可以檢測到刮水片170偏離預期軌跡,以至於刷片與承載頭70碰撞。作為另一個示例,底座204不像預期的那樣升高或降低。作為另一個示例,臂94、110、140和150中的兩個在掃過時發生碰撞。作為極端的示例,可以檢測到基板10從承載頭70脫出,在工作臺24上碎裂成碎片。
系統可以進一步分析部件從預期運動路徑的偏移,以確定是否有一個或多個電機意外地驅動系統中的部件。另外,基於偏移,系統可以確定初始校準過程是否未正確執行。
此外,偏移可以指示部件執行操作時物理場的差異。在這些情況下,並結合圖1至圖3,所述部件可以是,例如,裝載罩8中的噴嘴,用於冷卻系統102、加熱系統104和沖洗系統106的噴嘴,工作臺24,以及漿料分配臂39。
例如,從分配臂39分配的漿料流速可被檢測為具有比參考視頻更低的流速。作為另一個示例,工作臺24上的溫度場可以具有溫度比參考視頻更高的一個或多個區域。作為另一個示例,裝載罩8中的噴嘴可被檢測為具有將會引起過噴塗的高水壓。也可以在拋光裝置的其他部件中
監測到過噴塗,例如,在漿料分配臂39中的過噴塗。作為極端的示例,工作臺24被檢測為過熱,並且冷卻系統102的噴嘴被堵塞。
確定差值超過閾值之後,系統可以生成校正操作,用於調整執行操作的等效部件,以減小差值。系統可以在拋光裝置20外部的一台或多台電腦上生成用於經調整的操作的指令,或者系統可以指示控制器12生成指令。然後,控制器12可以基於指令來控制對應的部件調整各自的操作。
系統可以快捷地放大分析過程,以同時檢測拋光系統中的多個部件的偏移。
所述系統首先獲取相應的基於時間的參考圖像序列,所述相應的參考圖像序列包括在拋光系統的相應的測試操作期間執行操作的拋光系統的多個部件。
然後,系統從相機接收基於時間的監控圖像序列,所述基於時間的監控圖像序列包括基板拋光期間執行操作的等效拋光系統的一個或多個等效部件。參考視頻中捕獲的多個部件應包括等效拋光裝置中一個或多個等效部件的所有類型。系統可以對一個或多個等效部件中的每一個執行406、408和410的類似步驟。
圖5是示出偏移檢測的示例過程500的流程圖,所述偏移檢測基於使用機器學習的視頻圖像。所述過程500可由位於一個或多個地點的一台或多台電腦執行。或者,過程500可被存儲為一台或多台電腦中的指令。一旦被執
行,這些指令就可使拋光裝置的一個或多個部件執行所述過程。例如,如圖1至圖3所示,控制器12、或拋光裝置20外部的一台或多台電腦,可以執行所述過程500。
系統從相機接收在測試基板拋光期間執行操作的拋光系統的部件的基於時間的監控圖像序列(502)。與上述的過程400類似,系統可以使用一個或多個相機捕獲基於時間的監控圖像序列,或者從合適的外部監控系統接收基於時間的監控圖像序列。系統捕獲執行參考配方所指示的操作的部件的監控視頻。
系統將基於時間的監控圖像序列分析輸入到通過訓練示例訓練的機器學習模型中,以檢測部件偏離預期操作的情況;其中,訓練示例包括在測試操作期間執行操作的參考拋光系統的參考部件的基於時間的參考圖像序列(504),以及參考圖像序列的分類,例如,作為正常操作或偏移。所述分類還可以識別偏移的類型,例如,裝載罩中的底座無法抬升、承載頭偏離預期掃過位置等。
所述系統可以從外部記憶體獲取表示多個訓練示例的資料,或者使用一個或多個相機來收集訓練示例。每個訓練示例都是執行操作的部件的基於時間的圖像序列。為了收集訓練示例,所述系統可指示具有等效部件的多個等效拋光裝置使用參考配方(即,用於捕獲監控視頻的相同配方)執行操作,並對於每個等效部件捕獲各自的監控視頻。系統可以基於捕獲的各自的監控視頻訓練神經網路。
在一些實施方式中,所述系統可以使用參考拋光裝置中的參考部件和各自的等效拋光裝置中的一個或多個等效部件來獲取訓練示例。可選地,系統還可以包括在訓練神經網路期間針對每個訓練示例的權重值,並且為具有參考視頻的訓練樣本設置更大的權重值。
訓練神經網路之後,所述系統可以使用等效部件的輸入資料(例如監控視頻)來執行推理計算。等效部件是與訓練樣本中的部件實質相似的部件。
系統從機器訓練模型接收對部件偏移預期操作的指示(506)。與過程400的步驟410類似,系統可以基於輸入資料(例如部件的監控視頻)檢測等效部件的偏移。結合過程400,來類似地描述偏移。系統可以類似地生成校正操作以調整執行操作的等效部件。
系統可以在位於一個或多個位置的一台或多台電腦上存儲經訓練的神經網路。一個或多個處理器可以同時訪問存儲的神經網路,以加速推理操作(例如平行計算)。系統可以繼續用新捕獲的訓練示例訓練神經網路。類似地,所述系統可以被放大以同時監控拋光裝置中的多個部件的操作的偏移。
如在本說明書中所使用的,術語基板可包括,例如,產品基板(例如,其包括多個記憶體或處理器管芯)、測試基板、裸基板和選通基板。基板可以處於積體電路製造的各種階段,例如,基板可以是裸晶圓,或者基板可包
括一個或多個經沉積和/或圖案化的層。術語基板可包括圓盤和矩形薄片。
可以在各種拋光系統中應用上述的拋光裝置和方法。拋光墊、或承載頭、或這兩者可移動以提供拋光表面與基板之間的相對運動。例如,工作臺可以繞軌道運行,而不是旋轉。拋光墊可以是固定到工作臺的圓形的(或一些其他形狀的)襯墊。端點檢測系統的一些態樣可適用於線性拋光系統,例如,其中拋光墊是線性移動的連續的或卷對卷的帶。拋光層可以是標準(例如,具有或不具有填料的聚氨酯)拋光材料、軟材料或固定研磨材料。使用相對定位的術語;應當理解,拋光表面和基板能固定在豎直方向或某個其他方向。
對本說明書中描述的各種系統和過程、或其部分的控制能以電腦程式產品來實現,所述電腦程式產品包括存儲在一個或多個非瞬態電腦可讀存儲媒體中的指令,並且這些指令在一個或多個處理設備上是可執行的。本說明書中描述的系統或其部分可以作為裝置、方法或電子系統來實現,這些裝置、方法或電子系統可包括一個或多個處理設備和記憶體,所述記憶體存儲用於執行本說明書中所描述的操作的可執行指令。
本說明書中描述的機器學習模型的分類和訓練的實施例,可以在數位電子電路、有形實現的電腦軟體或固件、電腦硬體中實現,包括本說明書中揭示的結構及其結構等效物,或者是其中一種或多種的組合。本說明書中描
述的主題的實施例可被實現為一個或多個電腦程式,即,編碼在有形非瞬態存儲媒體上的一個或多個電腦程式指令模組,用於由資料處理裝置執行或控制資料處理裝置的操作。所述電腦存儲媒體可以是機器可讀存放裝置、機器可讀存儲基板、隨機或串列存取存放裝置、或它們中的一者或多者的組合。可選地或另外地,可以在人工生成的傳播信號(例如,機器生成的電、光或電磁信號)上對程式指令進行編碼,所述信號被生成以便對資訊進行編碼,從而傳輸到合適的接收器裝置以供資料處理裝置執行。
電腦程式(也可以被稱為或描述為程式、軟體、軟體應用、應用、模組、軟體模組、腳本或代碼)可以用包括編譯或解釋語言或者聲明性或過程性語言的任何形式的程式設計語言來編寫;並且其可以以任何形式來部署,包括作為獨立程式或者作為模組、部件、子常式或適於在計算環境中使用的其他單元。程式有可能但不是必須與檔案系統中的檔相對應。程式可以被存儲在保有其他程式或資料的檔的一部分中(例如,存儲在標記語言文檔中的一個或多個腳本)、在專用於所討論的程式的單個檔中、或在多個協調檔(例如,存儲一個或多個模組、副程式或部分代碼的檔)中。電腦程式可被部署成在一台電腦上或在位於一個網站或跨多個網站分佈並通過資料通信網路互連的多台電腦上執行。
本說明書描述的過程和邏輯流可由一台或多台可程式設計電腦執行,所述一台或多台可程式設計電腦執行
一個或多個電腦程式以通過對輸入資料進行操作並生成輸出來執行功能。所述過程和邏輯流也可以由專用邏輯電路(例如,FPGA或ASIC)執行,或由專用邏輯電路和一台或多台程式設計電腦的組合來執行。
適用於執行電腦程式的電腦可以基於通用微處理器或專用微處理器,或兩者兼有,或任何其他類型的中央處理單元。一般而言,中央處理單元將從唯讀記憶體或隨機存取記憶體或這兩者接收指令和資料。電腦的基本元件是用於運行或執行指令的中央處理單元,以及用於存儲指令和資料的一個或多個記憶體設備。中央處理單元和記憶體可由專用邏輯電路系統補充,或併入到專用邏輯電路系統中。一般而言,電腦還將包括用於存儲資料的一個或多個大型存放區設備(例如,磁片、磁光碟或光碟)或可操作地耦接至所述一個或多個大型存放區設備,以從所述一個或多個大型存放區設備接收資料向所述一個或多個大型存放區設備傳送資料,或兩者兼有。然而,電腦不必具有此類設備。
適於存儲電腦程式指令和資料的電腦可讀媒體包括各種形式的非揮發性記憶體、媒體和記憶體設備,例如包括:半導體記憶體設備(例如,EPROM、EEPROM和快閃記憶體設備);磁片(例如,內部硬碟或可移動盤);磁光碟;以及CD ROM和DVD-ROM盤。
用於實施機器學習模型的資料處理裝置也可以包括,例如,專用硬體加速器單元,用於處理機器學習訓練
或生產(即,推理、工作負載)的公共部分和計算密集部分。
機器學習模型可以使用機器學習框架(例如,TensorFlow框架、Microsoft認知工具包框架、Apache Singa框架,或Apache MXNet框架)來實現和部署。
本說明書中描述的主題的實施例可在計算系統中被實現,所述計算系統包括後端部件(例如,作為資料伺服器)或包括仲介軟體部件(例如,應用伺服器)或包括前端部件(例如,具有圖形化使用者介面、網路流覽器或應用的用戶端電腦,使用者能夠通過所述用戶端電腦與本說明書中描述的主題的實現進行交互),或包括一個或多個此類後端、仲介軟體或前端部件的任何組合。系統的部件可由任何形式或媒體的數位資料通信(例如,通信網路)互相連接。通信網路的示例包括局域網(LAN)和廣域網路(WAN),例如,網際網路。
所述計算系統可包括用戶端和伺服器。用戶端和伺服器通常彼此遠離,並且通常通過通信網路交互。用戶端和伺服器的關係根據在各自電腦上運行且彼此具有用戶端-伺服器關係的電腦程式來產生。在一些實施例中,伺服器將資料(例如,HTML頁面)傳輸到作為用戶端的使用者設備,例如,為了向與所述設備交互的使用者顯示資料,並從所述使用者接收使用者輸入。在使用者設備上生成的資料(例如,使用者交互的結果)可以在所述伺服器處從所述設備接收。
儘管本說明書包含許多特定實現細節,但是這些實現細節不應被解讀為對任何發明的範圍或者可能要求保護的內容的範圍的限制,而應被解讀為對可特定於具體發明的具體實施例的特徵的描述。也可將在本說明書中描述的、在各單獨實施例的上下文中的某些特徵以組合形式實現在單個實施例中。反之,也可單獨地在多個實施例中、或在任何合適的子組合中實現在單個實施例的上下文中所描述的各種特徵。此外,雖然在上文中可能將特徵描述為以某些組合的方式起作用,且甚至最初是如此要求保護的,但是,在一些情況下,可將來自所要求保護的組合的一個或多個特徵從所述組合中刪除,並且所要求保護的組合可以指向子組合或子組合的變型。
己經描述了主題的具體實施例。
其他實施例在所附權利要求的範圍內。
10:基板
12:控制器
14:視頻圖像感測器
16:視圖
20:拋光裝置
24:工作臺
30:拋光墊
39:漿料分配臂
70:承載頭
90:襯墊調節裝置
92:調節器盤
93:調節器頭
94:臂
96:基座
100:溫度控制系統
102:冷卻系統
104:加熱系統
106:沖洗系統
110:臂
112:基座
120:噴嘴
130:液體冷卻劑介質源
132:氣體源
140:臂
142:基座
150:臂
152:基座
156:清洗液罐
170:刮水片
410:蒸汽發生器/步驟
A:箭頭
B:箭頭
C:箭頭
Claims (16)
- 一種拋光系統,包括:一工作臺,該工作臺用於支撐一拋光墊;一承載頭,該承載頭用於將一基板固持抵靠該拋光墊;一部件,該部件選自包括以下項目之群組:該工作臺、該承載頭、一調節器臂、一裝載罩或一機械臂;一相機,該相機被定位以用於捕獲該部件的一基於時間的監控圖像序列;以及一控制器,該控制器被配置為進行以下操作:獲取在一測試操作期間執行操作的一等效拋光系統的一等效部件的一基於時間的參考圖像序列,從該相機接收該部件在一基板的拋光期間的該基於時間的監控圖像序列,通過使用一影像處理演算法將該基於時間的參考圖像序列與該基於時間的監控圖像序列進行比較,以確定用於該基於時間的監控圖像序列的一差值,確定該差值是否超過一閾值,回應於確定該差值超過該閾值,指示一偏移,以及檢測該部件從一預期運動路徑的一偏離作為該偏移。
- 如請求項1所述的系統,其中該控制器被配置為進行以下操作:回應於確定該差值超過該閾值,生成校正操作以調整執行操作的該部件,以減小該差值。
- 如請求項1所述的系統,進一步包括一顯示器,並且其中該控制器被配置為進行以下操作:在該顯示器上生成一使用者演示,其中該使用者演示包括該基於時間的監控圖像序列和一個或多個疊加,每個疊加代表該基於時間的監控圖像序列的一相應特徵。
- 一種電腦程式產品,該電腦程式產品有形地實現於電腦可讀媒體中,該電腦程式產品包括指令,該等指令使一台或多台電腦進行以下操作:存儲在一拋光系統的一測試操作期間執行操作的該拋光系統的一部件的一基於時間的參考圖像序列;從一相機接收在一基板的拋光期間執行操作的一等效拋光系統的一等效部件的一基於時間的監控圖像序列;通過使用一影像處理演算法將該基於時間的參考圖像序列與該基於時間的監控圖像序列進行比較,以確定用於該基於時間的監控圖像序列的一差值;確定該差值是否超過一閾值;回應於確定該差值超過該閾值,指示一偏移;以及檢測該部件從一預期運動路徑的一偏離作為該偏移。
- 如請求項4所述的電腦程式產品,進一步包括進行以下操作的指令:在一使用者介面部件上生成一使用者演示,其中該使用者演示包括該基於時間的監控圖像序列和一個或多個疊加,每個疊加代表該基於時間的監控圖像序列的一相應特徵。
- 如請求項4所述的電腦程式產品,進一步包 括進行以下操作的指令:回應於確定該差值超過該閾值,生成校正操作以調整執行操作的該等效部件,以減小該差值。
- 如請求項4所述的電腦程式產品,包括進行以下操作的指令:當該拋光系統的該部件在一組參考指令下執行操作時,從該相機接收該基於時間的參考圖像序列,並且當該等效拋光系統的該等效部件在該一組參考指令下執行操作時,從該相機接收該基於時間的監控圖像序列。
- 一種用於監控一拋光系統的操作的方法,該方法包括以下步驟:獲取在該拋光系統的一測試操作期間執行操作的該拋光系統的一部件的一基於時間的參考圖像序列;從一相機接收在一基板的拋光期間執行操作的一等效拋光系統的一等效部件的一基於時間的監控圖像序列;通過使用一影像處理演算法將該基於時間的參考圖像序列與該基於時間的監控圖像序列進行比較,以確定用於該基於時間的監控圖像序列的一差值;確定該差值是否超過一閾值;回應於確定該差值超過該閾值,指示一偏移;以及檢測該部件從一預期運動路徑的一偏離作為該偏移。
- 一種拋光系統,包括:一工作臺,該工作臺用於支撐一拋光墊;一承載頭,該承載頭用於將一基板固持抵靠該拋光 墊;一部件,該部件從該群組中選擇,該群組包括該工作臺、該承載頭、一調節器臂、一裝載罩或一機械臂;一相機,該相機被定位以用於捕獲該部件的一基於時間的監控圖像序列;以及一控制器,該控制器被配置為進行以下操作:從該相機接收在一基板的拋光期間執行操作的該部件的一基於時間的監控圖像序列,使用通過訓練示例訓練的一機器學習模型分析該基於時間的監控圖像序列,以檢測並指示該部件從預期操作的偏移,其中,該訓練示例包括在一測試操作期間執行操作的一參考拋光系統的一參考部件的一基於時間的參考圖像序列,以及基於該分析,來指示一偏移,其中該偏移包括該部件從一預期運動路徑的一偏離。
- 如請求項9所述的系統,其中該機器學習模型被配置為進行以下操作:基於輸入的該基於時間的監控圖像序列,來確定該部件的運動。
- 一種電腦程式產品,該電腦程式產品有形地實現於電腦可讀媒體,該電腦程式產品包括指令,該等指令使一台或多台電腦進行以下操作:從一相機接收在一基板的拋光期間執行操作的一拋光系統的一部件的一基於時間的監控圖像序列; 使用通過訓練示例訓練的一機器學習模型,來分析該基於時間的監控圖像序列,以檢測並指示該部件從預期操作的偏移,其中該訓練示例包括在一測試操作期間執行操作的一參考拋光系統的一參考部件的一基於時間的參考圖像序列;以及基於該分析,來指示一偏移,其中該偏移包括該部件從一預期運動路徑的一偏離。
- 如請求項11所述的電腦程式產品,其中該機器學習模型被配置為進行以下操作:基於輸入的該基於時間的監控圖像序列,來確定該部件的運動。
- 如請求項11所述的電腦程式產品,其中該機器學習模型被配置為進行以下操作:基於輸入的該基於時間的監控圖像序列,來預測該部件的一物理場輪廓。
- 如請求項13所述的電腦程式產品,其中該部件的該物理場輪廓包括:一旋轉的拋光墊的一溫度場,或施加到一晶圓上的一壓力場。
- 如請求項11所述的電腦程式產品,進一步包括進行以下操作的指令:在一使用者介面部件上生成一使用者演示,其中該使用者演示包括該基於時間的監控圖像序列和一個或多個疊加,每個疊加代表該基於時間的監控圖像序列的一相應特徵。
- 一種用於監控一拋光系統的操作的方法,該方法包括以下步驟: 從一相機接收在一基板的拋光期間執行操作的一拋光系統的一部件的一基於時間的監控圖像序列;將該基於時間的監控圖像序列分析輸入到通過訓練示例訓練的一機器學習模型中,以檢測該部件從預期操作的偏移,其中該訓練示例包括在一測試操作期間執行操作的一參考拋光系統的一參考部件的一基於時間的參考圖像序列;以及從該機器學習模型接收該部件從預期操作的一偏移的一指示,其中該偏移包括該部件從一預期運動路徑的一偏離。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202163157616P | 2021-03-05 | 2021-03-05 | |
US63/157,616 | 2021-03-05 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202247944A TW202247944A (zh) | 2022-12-16 |
TWI841927B true TWI841927B (zh) | 2024-05-11 |
Family
ID=83066623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111107961A TWI841927B (zh) | 2021-03-05 | 2022-03-04 | 用於使用基於時間的圖像序列檢測cmp部件的偏移的系統、方法及電腦程式產品 |
Country Status (6)
Country | Link |
---|---|
US (3) | US11710228B2 (zh) |
JP (1) | JP2024508936A (zh) |
KR (1) | KR20230153443A (zh) |
CN (1) | CN115008339B (zh) |
TW (1) | TWI841927B (zh) |
WO (1) | WO2022187057A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11710228B2 (en) | 2021-03-05 | 2023-07-25 | Applied Materials, Inc. | Detecting an excursion of a CMP component using time-based sequence of images and machine learning |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004042158A (ja) * | 2002-07-09 | 2004-02-12 | Sasebo National College Of Technology | 研削工具及び研削工具の砥面状態検査方法 |
US20160082566A1 (en) * | 2013-10-24 | 2016-03-24 | Globalfoundries Inc. | Wafer slip detection during cmp processing |
CN110871403A (zh) * | 2018-08-31 | 2020-03-10 | 台湾积体电路制造股份有限公司 | 化学机械平坦化系统和使用其的方法 |
Family Cites Families (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3639329C1 (de) * | 1986-11-18 | 1988-02-25 | Heesemann Karl Masch | Bandschleifmaschine |
US7751609B1 (en) * | 2000-04-20 | 2010-07-06 | Lsi Logic Corporation | Determination of film thickness during chemical mechanical polishing |
TW545580U (en) | 2002-06-07 | 2003-08-01 | Nanya Technology Corp | CMP device of measuring apparatus with a notched size for measuring the guide ring of wafer edge |
CN101023429B (zh) * | 2004-07-02 | 2010-09-01 | 斯特拉斯鲍公司 | 用于处理晶片的方法和系统 |
JP2006035353A (ja) | 2004-07-26 | 2006-02-09 | Seiko Epson Corp | Cmp装置、cmp研磨方法、及び、半導体装置の製造方法 |
US7397552B2 (en) * | 2004-09-27 | 2008-07-08 | Applied Materials, Israel, Ltd. | Optical inspection with alternating configurations |
US7416648B2 (en) * | 2005-05-12 | 2008-08-26 | Taiwan Semiconductor Manufacturing Company, Ltd. | Image sensor system for monitoring condition of electrode for electrochemical process tools |
US7241201B2 (en) * | 2005-05-16 | 2007-07-10 | The Ultran Group, Inc. | CMP pad analyzer |
US7210981B2 (en) | 2005-05-26 | 2007-05-01 | Applied Materials, Inc. | Smart conditioner rinse station |
JP4660569B2 (ja) * | 2008-03-21 | 2011-03-30 | 株式会社東芝 | 物体検出装置及び物体検出方法 |
JP5518359B2 (ja) * | 2009-03-31 | 2014-06-11 | 能美防災株式会社 | 煙検出装置 |
US8666665B2 (en) * | 2010-06-07 | 2014-03-04 | Applied Materials, Inc. | Automatic initiation of reference spectra library generation for optical monitoring |
KR101322410B1 (ko) | 2012-03-08 | 2013-10-28 | 김오수 | 화학기계식 웨이퍼연마장치 |
WO2014138087A1 (en) * | 2013-03-04 | 2014-09-12 | Rite-Hite Holding Corporation | Methods and apparatus for video based process monitoring and control |
US9343043B2 (en) * | 2013-08-01 | 2016-05-17 | Google Inc. | Methods and apparatus for generating composite images |
EP3277096B1 (en) * | 2015-03-27 | 2020-04-22 | Prashant Choudhary | Autonomous cooking device to prepare food from a recipe file |
US10565701B2 (en) * | 2015-11-16 | 2020-02-18 | Applied Materials, Inc. | Color imaging for CMP monitoring |
US10360477B2 (en) | 2016-01-11 | 2019-07-23 | Kla-Tencor Corp. | Accelerating semiconductor-related computations using learning based models |
KR102304331B1 (ko) * | 2017-02-24 | 2021-09-24 | 에이에스엠엘 네델란즈 비.브이. | 기계 학습에 의해 공정 모델들을 결정하는 방법들 |
US10127943B1 (en) * | 2017-03-02 | 2018-11-13 | Gopro, Inc. | Systems and methods for modifying videos based on music |
WO2019177841A1 (en) | 2018-03-13 | 2019-09-19 | Applied Materials, Inc. | Consumable part monitoring in chemical mechanical polisher |
CN111819583B (zh) * | 2018-03-21 | 2024-06-04 | 科磊股份有限公司 | 用于使用合成缺陷图像训练机器学习模型的方法和系统 |
US11731232B2 (en) * | 2018-10-30 | 2023-08-22 | Taiwan Semiconductor Manufacturing Company, Ltd. | Irregular mechanical motion detection systems and method |
WO2020135988A1 (en) * | 2018-12-28 | 2020-07-02 | Asml Netherlands B.V. | Determining pattern ranking based on measurement feedback from printed substrate |
WO2020137802A1 (ja) * | 2018-12-28 | 2020-07-02 | 株式会社荏原製作所 | パッド温度調整装置、パッド温度調整方法、研磨装置、および研磨システム |
US11815820B2 (en) * | 2019-03-21 | 2023-11-14 | Asml Netherlands B.V. | Training method for machine learning assisted optical proximity error correction |
US11551348B2 (en) * | 2019-04-09 | 2023-01-10 | KLA Corp. | Learnable defect detection for semiconductor applications |
TW202044394A (zh) * | 2019-05-22 | 2020-12-01 | 日商荏原製作所股份有限公司 | 基板處理系統 |
SG10202006423VA (en) * | 2019-07-12 | 2021-02-25 | Ebara Corp | Substrate processing apparatus and storage medium |
CN114207517A (zh) * | 2019-08-13 | 2022-03-18 | Asml荷兰有限公司 | 训练用于改善图案化过程的机器学习模型的方法 |
US20220342316A1 (en) * | 2019-09-05 | 2022-10-27 | Asml Netherlands B.V. | Method for determining defectiveness of pattern based on after development image |
US20220335333A1 (en) * | 2019-09-16 | 2022-10-20 | Asml Netherlands B.V. | Methods for generating characteristic pattern and training machine learning model |
JP2021058955A (ja) * | 2019-10-04 | 2021-04-15 | 株式会社荏原製作所 | 研磨装置、情報処理システム、情報処理方法及びプログラム |
KR20220073828A (ko) * | 2019-11-01 | 2022-06-03 | 에이에스엠엘 네델란즈 비.브이. | 모델 베이스 정렬들을 위한 기계 학습 기반 이미지 생성 |
US11961219B2 (en) * | 2020-02-27 | 2024-04-16 | KLA Corp. | Generative adversarial networks (GANs) for simulating specimen images |
US11189509B2 (en) * | 2020-05-04 | 2021-11-30 | Nanya Technology Corporation | System and method for controlling semiconductor manufacturing equipment |
DE102020206497A1 (de) * | 2020-05-25 | 2021-11-25 | Thyssenkrupp Ag | Verfahren zum maschinellen Ermitteln des Funktionszustands von Tragrollen einer Gurtförderanlage, Verfahren zur Identifikation von funktionsbeeinträchtigen Tragrollen einer Gurtförderanlage, Computerprogramm zur Durchführung der Verfahren, maschinenlesbarer Datenträger mit einem darauf gespeicherten Computerprogramm und Einrichtung zum maschinellen Ermitteln des Funktionsstatus von Tragrollen einer Gurtförderanlage |
US11776108B2 (en) * | 2020-08-05 | 2023-10-03 | KLA Corp. | Deep learning based defect detection |
US11710228B2 (en) * | 2021-03-05 | 2023-07-25 | Applied Materials, Inc. | Detecting an excursion of a CMP component using time-based sequence of images and machine learning |
-
2022
- 2022-02-23 US US17/678,939 patent/US11710228B2/en active Active
- 2022-02-23 WO PCT/US2022/017548 patent/WO2022187057A1/en active Application Filing
- 2022-02-23 US US17/678,936 patent/US20220284560A1/en active Pending
- 2022-02-23 JP JP2023553996A patent/JP2024508936A/ja active Pending
- 2022-02-23 KR KR1020237033625A patent/KR20230153443A/ko unknown
- 2022-03-04 TW TW111107961A patent/TWI841927B/zh active
- 2022-03-07 CN CN202210218903.1A patent/CN115008339B/zh active Active
-
2023
- 2023-06-06 US US18/206,353 patent/US20230316502A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004042158A (ja) * | 2002-07-09 | 2004-02-12 | Sasebo National College Of Technology | 研削工具及び研削工具の砥面状態検査方法 |
US20160082566A1 (en) * | 2013-10-24 | 2016-03-24 | Globalfoundries Inc. | Wafer slip detection during cmp processing |
CN110871403A (zh) * | 2018-08-31 | 2020-03-10 | 台湾积体电路制造股份有限公司 | 化学机械平坦化系统和使用其的方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2024508936A (ja) | 2024-02-28 |
US11710228B2 (en) | 2023-07-25 |
US20220284561A1 (en) | 2022-09-08 |
KR20230153443A (ko) | 2023-11-06 |
CN115008339B (zh) | 2023-12-26 |
US20230316502A1 (en) | 2023-10-05 |
WO2022187057A1 (en) | 2022-09-09 |
CN115008339A (zh) | 2022-09-06 |
US20220284560A1 (en) | 2022-09-08 |
TW202247944A (zh) | 2022-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI775569B (zh) | 研磨裝置、研磨方法、以及電腦程式製品 | |
TWI820308B (zh) | 監視化學機械拋光中的拋光墊紋理 | |
KR101919032B1 (ko) | 인-시츄 폴리싱 모니터링 중에 데이터의 필터링을 위한 선형 예측 | |
US20180250788A1 (en) | Spiral and concentric movement designed for cmp location specific polish (lsp) | |
JP6753758B2 (ja) | 研磨装置、研磨方法およびプログラム | |
TWI841927B (zh) | 用於使用基於時間的圖像序列檢測cmp部件的偏移的系統、方法及電腦程式產品 | |
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 | |
WO2021252363A1 (en) | Profile control during polishing of a stack of adjacent conductive layers | |
US20220193858A1 (en) | Adaptive slurry dispense system | |
US20190143479A1 (en) | Substrate holding device and substrate processing apparatus including the same | |
CN109848855B (zh) | 调节研磨垫的方法 | |
TW202235214A (zh) | 用於對保持環進行分類的機器學習 | |
KR20200120745A (ko) | 연마의 인-시튜 모니터링 동안의 필터링 | |
WO2023112830A1 (ja) | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 | |
US20220347813A1 (en) | Monitor chemical mechanical polishing process using machine learning based processing of heat images | |
WO2023153208A1 (ja) | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 | |
WO2023189165A1 (ja) | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 | |
JP2024105231A (ja) | 化学機械研磨における研磨パッドテクスチャのモニタリング | |
JP2023090667A (ja) | 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 | |
CN118434534A (zh) | 信息处理装置、推论装置、机器学习装置、信息处理方法、推论方法及机器学习方法 |