WO2023149161A1 - 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 - Google Patents

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 Download PDF

Info

Publication number
WO2023149161A1
WO2023149161A1 PCT/JP2023/000371 JP2023000371W WO2023149161A1 WO 2023149161 A1 WO2023149161 A1 WO 2023149161A1 JP 2023000371 W JP2023000371 W JP 2023000371W WO 2023149161 A1 WO2023149161 A1 WO 2023149161A1
Authority
WO
WIPO (PCT)
Prior art keywords
substrate
information
substrate holding
holding mechanism
state information
Prior art date
Application number
PCT/JP2023/000371
Other languages
English (en)
French (fr)
Inventor
充 宮▲崎▼
大地 近藤
Original Assignee
株式会社荏原製作所
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 株式会社荏原製作所 filed Critical 株式会社荏原製作所
Priority to CN202380019756.8A priority Critical patent/CN118661244A/zh
Publication of WO2023149161A1 publication Critical patent/WO2023149161A1/ja

Links

Images

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
    • B24B37/27—Work carriers
    • B24B37/30—Work carriers for single side lapping of plane surfaces
    • 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
    • B24B41/00—Component parts such as frames, beds, carriages, headstocks
    • B24B41/06—Work supports, e.g. adjustable steadies
    • 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
    • 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
    • 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

Definitions

  • the present invention relates to an information processing device, an inference device, a machine learning device, an information processing method, an inference method, and a machine learning method.
  • a substrate processing apparatus that performs chemical mechanical polishing (CMP) processing is known as one of substrate processing apparatuses that perform various types of processing on substrates such as semiconductor wafers.
  • CMP chemical mechanical polishing
  • a substrate processing apparatus for example, while a polishing table having a polishing pad is rotated, a polishing liquid (slurry) is supplied to the polishing pad from a liquid supply nozzle, and a polishing head called a top ring presses the substrate against the polishing pad. , the substrate is chemically and mechanically polished. Then, in order to remove foreign matter such as polishing dust adhering to the substrate after polishing, the substrate after polishing is scrub-cleaned by bringing a cleaning tool into contact with the substrate while supplying a substrate-cleaning fluid, and then the substrate is dried. , the processing of the next substrate is started.
  • Patent Document 1 since the vertical distance between the upper chuck member and the lower chuck member that hold the edge of the substrate between the upper and lower sides is variable, substrates with different thicknesses can be handled. The substrate can be held even when the chuck member is worn out due to wear. In addition, since the edge of the substrate is sandwiched between the upper and lower sides and supported, substrates having different diameters can be handled.
  • the operating state of the substrate holding mechanism such as the rotation state of the substrate, the holding position of the substrate, and the pressing load of the substrate, are factors that affect the state of the substrate holding mechanism. complex and interacting with Therefore, it is difficult to accurately analyze how each operating state affects the state of the substrate holding mechanism.
  • the present invention provides an information processing device, an inference device, a machine learning device, an information processing method, and an information processing method that can appropriately predict the state of a substrate holding mechanism according to the operating state of a substrate processing apparatus.
  • An object is to provide an inference method and a machine learning method.
  • an information processing device includes: substrate rotation state information indicating the rotation state of the substrate as an operation state when a substrate processing apparatus having a substrate holding mechanism that holds a substrate and a substrate rotation mechanism that rotates the substrate operates; an information acquisition unit that acquires operating state information including substrate holding position information indicating a substrate holding position of the holding mechanism and substrate pressing load information indicating a substrate pressing load of the substrate holding mechanism; Learning by machine learning a correlation between the operating state information and substrate holding mechanism state information indicating a state of the substrate holding mechanism when the substrate processing apparatus operates in the operating state indicated by the operating state information a state prediction unit that predicts the state information of the substrate holding mechanism with respect to the operation state information by inputting the operation state information acquired by the information acquisition unit into the learned model; Prepare.
  • the information processing apparatus by inputting the operation state information including the substrate rotation state information, the substrate holding position information, and the substrate pressing load information into the learning model, the Since the substrate holding mechanism state information is predicted, it is possible to appropriately predict the state of the substrate holding mechanism according to the operating state of the substrate processing apparatus.
  • FIG. 1 is an overall configuration diagram showing an example of a substrate processing system 1;
  • FIG. 1 is a plan view showing an example of a substrate processing apparatus 2;
  • FIG. 4 is a perspective view showing an example of first to fourth polishing portions 22A to 22D;
  • FIG. 4 is a perspective view showing an example of first and second roll sponge cleaning units 24A and 24B;
  • FIG. 3 is a perspective view showing an example of first and second pen sponge cleaning units 24C and 24D.
  • FIG. 3 is a perspective view showing an example of first and second drying sections 24E and 24F;
  • 2 is a block diagram showing an example of a substrate processing apparatus 2;
  • FIG. 3 is a hardware configuration diagram showing an example of a computer 900;
  • FIG. 3 is a data configuration diagram showing an example of production history information 30 managed by a database device 3;
  • FIG. 3 is a data configuration diagram showing an example of finishing test information 31 managed by the database device 3.
  • FIG. 1 is a block diagram showing an example of a machine learning device 4 according to a first embodiment;
  • FIG. It is a figure which shows an example of 10 A of 1st learning models, and 11 A of data for 1st learning.
  • 4 is a flowchart showing an example of a machine learning method by the machine learning device 4;
  • 1 is a block diagram showing an example of an information processing device 5 according to a first embodiment;
  • FIG. 1 is a function explanatory diagram showing an example of an information processing device 5 according to a first embodiment;
  • FIG. 5 is a flowchart showing an example of an information processing method by the information processing device 5; It is a block diagram which shows an example of the machine-learning apparatus 4a based on 2nd Embodiment. It is a figure which shows an example of the 2nd learning model 10B and the 2nd data for learning 11B.
  • FIG. 5 is a block diagram showing an example of an information processing device 5a functioning as an information processing device 5a according to a second embodiment;
  • FIG. 5 is a functional explanatory diagram showing an example of an information processing device 5a according to a second embodiment;
  • FIG. 1 is an overall configuration diagram showing an example of a substrate processing system 1.
  • the substrate processing system 1 performs a chemical mechanical polishing process (hereinafter referred to as "polishing") for flatly polishing the surface of the wafer W by pressing the substrate (hereinafter referred to as "wafer") W such as a semiconductor wafer against a polishing pad.
  • a series of substrate processing including a cleaning process of cleaning the surface of the wafer W by bringing the polished wafer W into contact with a cleaning tool, and a drying process of drying the cleaned surface of the wafer W using a drying tool. function as a system to manage The cleaning process and the drying process constitute the finishing process, and the cleaning tool and the drying tool are included in the finishing tool.
  • the substrate processing system 1 includes a substrate processing device 2, a database device 3, a machine learning device 4, an information processing device 5, and a user terminal device 6 as its main components.
  • Each of the devices 2 to 6 is configured by, for example, a general-purpose or dedicated computer (see FIG. 8 described later), and is connected to a wired or wireless network 7 to store various data (partial data in FIG. 1). (shown by dashed arrows) can be mutually transmitted and received.
  • the number of devices 2 to 6 and the connection configuration of the network 7 are not limited to the example shown in FIG. 1, and may be changed as appropriate.
  • the substrate processing apparatus 2 is composed of a plurality of units, and performs a series of substrate processing on one or a plurality of wafers W, such as loading, polishing, cleaning, drying, film thickness measurement, and unloading. It is a device that performs each. At this time, the substrate processing apparatus 2 refers to apparatus setting information 265 consisting of a plurality of apparatus parameters respectively set for each unit, and substrate recipe information 266 that defines the operation states of the polishing process, the cleaning process, the drying process, and the like. while controlling the operation of each unit.
  • the substrate processing apparatus 2 transmits various reports R to the database device 3, the user terminal device 6, etc. according to the operation of each unit.
  • the various reports R include, for example, process information specifying the target wafer W when substrate processing was performed, apparatus status information indicating the status of each unit when each process was performed, substrate processing apparatus 2 event information detected in , operation information of a user (operator, production manager, maintenance manager, etc.) for the substrate processing apparatus 2, and the like.
  • the database device 3 stores production history information 30 relating to the history of substrate processing using finishing tools for production, and a finishing process test (hereinafter referred to as a "finishing test") using a finishing tool for testing. ) is a device for managing finishing test information 31 relating to the history of when ) was performed.
  • the database device 3 may store device setting information 265 and substrate recipe information 266. In that case, the substrate processing device 2 may refer to these information. good.
  • the database device 3 receives various reports R from the substrate processing apparatus 2 as needed and registers them in the production history information 30 when the substrate processing apparatus 2 processes substrates using finishing tools for production. , the production history information 30 accumulates a report R relating to substrate processing.
  • the database device 3 receives various reports R (including at least device status information) from the substrate processing apparatus 2 at any time when the substrate processing apparatus 2 performs a finishing test using a finishing tool for testing, and performs the finishing test.
  • the finishing test information 31 accumulates the report R and the test results regarding the finishing tests.
  • the finishing test may be performed by the substrate processing apparatus 2 for production, or may be performed by a finishing test apparatus (not shown) for testing that can reproduce the same finishing process as the substrate processing apparatus 2 .
  • Various finishing tool measuring instruments (not shown) for measuring, for example, the degree of contamination, wear, and damage of the substrate holding mechanism, are included in the finishing tool for testing and the finishing test device. is provided, and the measured value of the finishing tool measuring instrument is registered in the finishing test information 31 as the test result.
  • the machine learning device 4 operates mainly in the learning phase of machine learning, for example, acquires part of the finishing test information 31 from the database device 3 as first learning data 11A, and uses it in the information processing device 5.
  • a first learning model 10A is generated by machine learning.
  • the trained first learning model 10A is provided to the information processing device 5 via the network 7, a recording medium, or the like.
  • the information processing device 5 operates as the subject of the inference phase of machine learning, and uses the first learning model 10A generated by the machine learning device 4 to perform finishing processing by the substrate processing device 2 as a finishing tool for production.
  • the state of the substrate holding mechanism is predicted, and substrate holding mechanism state information, which is the result of the prediction, is transmitted to the database device 3, the user terminal device 6, and the like. do.
  • the timing at which the information processing device 5 predicts the state information of the substrate holding mechanism may be after the finishing process is performed (post-prediction process) or during the finishing process (real-time prediction process). However, it may be before finishing processing is performed (prediction processing).
  • the user terminal device 6 is a terminal device used by the user, and may be a stationary device or a portable device.
  • the user terminal device 6, for example, receives various input operations via the display screen of an application program, web browser, etc., and various information via the display screen (e.g., event notification, substrate holding mechanism state information, production history information 30, finishing test information 31, etc.) are displayed.
  • various information via the display screen e.g., event notification, substrate holding mechanism state information, production history information 30, finishing test information 31, etc.
  • FIG. 2 is a plan view showing an example of the substrate processing apparatus 2.
  • the substrate processing apparatus 2 includes a load/unload unit 21, a polishing unit 22, a substrate transfer unit 23, a finishing unit 24, a film thickness measurement unit 25, and a housing 20 which is substantially rectangular in plan view. and a control unit 26 .
  • a first partition wall 200A separates the load/unload unit 21 from the polishing unit 22, the substrate transfer unit 23 and the finishing unit 24, and the substrate transfer unit 23 and the finishing unit 24 are separated from each other by a second separation wall 200A. It is partitioned by a partition wall 200B.
  • the loading/unloading unit 21 includes first to fourth front loading sections 210A to 210D on which wafer cassettes (FOUPs, etc.) capable of vertically accommodating a large number of wafers W are placed, and A transfer robot 211 capable of moving up and down along the storage direction (vertical direction) of the wafer W, and a transfer robot 211 along the direction in which the first to fourth front load sections 210A to 210D are arranged (transverse direction of the housing 20). and a horizontal movement mechanism 212 for moving the .
  • wafer cassettes FOUPs, etc.
  • the transfer robot 211 carries wafer cassettes placed on each of the first to fourth front load sections 210A to 210D, the substrate transfer unit 23 (specifically, a lifter 232 to be described later), and the finishing unit 24 (specifically, First and second drying units 24E and 24F, which will be described later), and the film thickness measurement unit 25, are configured to be accessible, and upper and lower two-stage hands (not shown) for transferring the wafer W between them ).
  • the lower hand is used when transferring wafers W before processing, and the upper hand is used when transferring wafers W after processing.
  • a shutter (not shown) provided on the first partition 200A is opened and closed.
  • the polishing unit 22 includes first to fourth polishing sections 22A to 22D for polishing (flattening) the wafer W, respectively.
  • the first to fourth polishing parts 22A to 22D are arranged side by side along the longitudinal direction of the housing 20. As shown in FIG.
  • FIG. 3 is a perspective view showing an example of the first to fourth polishing units 22A to 22D.
  • the basic configurations and functions of the first to fourth polishing units 22A to 22D are common.
  • Each of the first to fourth polishing units 22A to 22D includes a polishing table 220 that rotatably supports a polishing pad 2200 having a polishing surface, a wafer W that holds the wafer W, and a polishing pad on the polishing table 220 that holds the wafer W.
  • a dresser 223 that contacts the polishing surface of 2200 to dress the polishing pad 2200 and an atomizer 224 that sprays cleaning fluid onto the polishing pad 2200 are provided.
  • the polishing table 220 is supported by a polishing table shaft 220a and includes a rotational movement mechanism 220b that rotates the polishing table 220 about its axis, and a temperature control mechanism 220c that adjusts the surface temperature of the polishing pad 2200. .
  • the top ring 221 is supported by a top ring shaft 221a that can move vertically.
  • a rotation movement mechanism 221c rotates the top ring 221 about its axis, and a vertical movement mechanism moves the top ring 221 vertically. It includes a mechanism portion 221d and a rocking movement mechanism portion 221e for rotating (swinging) the top ring 221 around the support shaft 221b.
  • the polishing fluid supply nozzle 222 is supported by a support shaft 222a.
  • a rocking movement mechanism 222b rotates and moves the polishing fluid supply nozzle 222 around the support shaft 222a, and a flow control unit adjusts the flow rate of the polishing fluid.
  • 222c and a temperature control mechanism 222d for adjusting the temperature of the polishing fluid.
  • the polishing fluid is a polishing liquid (slurry) or pure water, and may further contain a chemical liquid, or may be a polishing liquid to which a dispersant is added.
  • the dresser 223 is supported by a vertically movable dresser shaft 223a.
  • the dresser 223 is supported by a rotational movement mechanism 223c that drives the dresser 223 to rotate about its axis, and a vertical movement mechanism 223d that vertically moves the dresser 223. , and a swing movement mechanism portion 223e for swinging and moving the dresser 223 around the support shaft 223b.
  • the atomizer 224 is supported by a support shaft 224a and includes a swing movement mechanism section 224b that swings and moves the atomizer 224 around the support shaft 224a, and a flow rate adjustment section 224c that adjusts the flow rate of the cleaning fluid.
  • the cleaning fluid is a mixed fluid of liquid (eg, pure water) and gas (eg, nitrogen gas) or liquid (eg, pure water).
  • the wafer W is held by suction on the lower surface of the top ring 221 and moved to a predetermined polishing position on the polishing table 220 , the wafer W is applied to the polishing surface of the polishing pad 2200 to which the polishing fluid is supplied from the polishing fluid supply nozzle 222 . It is polished by being pressed by the top ring 221 .
  • the substrate transfer unit 23 is, as shown in FIG. 2, first and second linear transporters horizontally movable along the direction in which the first to fourth polishing units 22A to 22D are arranged (the longitudinal direction of the housing 20). 230A, 230B, a swing transporter 231 disposed between the first and second linear transporters 230A, 230B, a lifter 232 disposed on the loading/unloading unit 21 side, and a finishing unit 24 side. and a temporary placing table 233 for the wafer W which has been processed.
  • the first linear transporter 230A is arranged adjacent to the first and second polishing units 22A and 22B and has four transport positions (first to fourth transport positions in order from the load/unload unit 21 side). TP1 to TP4) for transporting the wafer W.
  • the second transfer position TP2 is the position at which the wafer W is transferred to the first polishing section 22A
  • the third transfer position TP3 is the position at which the wafer W is transferred to the second polishing section 22B. be.
  • the second linear transporter 230B is arranged adjacent to the third and fourth polishing units 22C and 22D and has three transport positions (fifth to seventh transport positions in order from the load/unload unit 21 side). TP5 to TP7) for transporting the wafer W.
  • the sixth transfer position TP6 is a position for transferring the wafer W to the third polishing section 22C
  • the seventh transfer position TP7 is a position for transferring the wafer W to the fourth polishing section 22D.
  • the swing transporter 231 is arranged adjacent to the fourth and fifth transport positions TP4 and TP5 and has a hand that can move between the fourth and fifth transport positions TP4 and TP5.
  • the swing transporter 231 is a mechanism that transfers the wafer W between the first and second linear transporters 230A and 230B and temporarily places the wafer W on the temporary placement table 233 .
  • the lifter 232 is a mechanism arranged adjacent to the first transfer position TP1 to transfer the wafer W to and from the transfer robot 211 of the load/unload unit 21 .
  • a shutter (not shown) provided on the first partition 200A is opened and closed.
  • finishing unit The finishing unit 24, as shown in FIG.
  • First and second pen sponge cleaning units 24C and 24D which are arranged in two upper and lower stages, serve as substrate cleaning devices
  • first and second pen sponge cleaning units 24C, 24D which are arranged in two upper and lower stages, serve as substrate drying devices for drying the wafers W after cleaning.
  • second drying sections 24E and 24F, and first and second transfer sections 24G and 24H serve as substrate drying devices for drying the wafers W after cleaning.
  • first and second transfer sections 24G and 24H for transferring the wafer W.
  • the number and arrangement of the roll sponge cleaning units 24A and 24B, the pen sponge cleaning units 24C and 24D, the drying units 24E and 24F, and the transport units 24G and 24H are not limited to the example shown in FIG. good.
  • Each section 24A to 24H of the finishing unit 24 is divided along the first and second linear transporters 230A and 230B, for example, the first and second roll sponge cleaning sections 24A and 24B, the second 1 conveying section 24G, first and second pen sponge washing sections 24C, 24D, second conveying section 24H, and first and second drying sections 24E, 24F in this order (from the load/unload unit 21 farthest order).
  • the finishing unit 24 subjects the wafer W after the polishing process to primary cleaning processing by either the first and second roll sponge cleaning units 24A and 24B, and the first and second pen sponge cleaning units 24C and 24D. A secondary cleaning process by one of them and a drying process by one of the first and second drying units 24E and 24F are performed in this order.
  • the roll sponge 2400 and pen sponge 2401 are made of synthetic resin such as PVA and nylon, and have a porous structure.
  • the roll sponge 2400 and the pen sponge 2401 function as cleaning tools for scrub cleaning the wafer W, and are the first and second roll sponge cleaning units 24A and 24B and the first and second pen sponge cleaning units 24C. , 24D, respectively.
  • the first transport section 24G includes a first transport robot 246A that can move vertically.
  • the first transport robot 246A operates on the temporary table 233 of the substrate transport unit 23, the first and second roll sponge cleaning units 24A and 24B, and the first and second pen sponge cleaning units 24C and 24D. It is configured to be accessible and has upper and lower two-stage hands for transferring wafers W therebetween. For example, the lower hand is used when transferring wafers W before cleaning, and the upper hand is used when transferring wafers W after cleaning.
  • a shutter (not shown) provided on the second partition 200B is opened and closed.
  • the second transport section 24H includes a second transport robot 246B that can move vertically.
  • the second transfer robot 246B is configured to be able to access the first and second pen sponge cleaning units 24C, 24D and the first and second drying units 24E, 24F, between which the wafer W is transferred. Equipped with a hand for passing
  • FIG. 4 is a perspective view showing an example of the first and second roll sponge cleaning parts 24A, 24B.
  • the basic configurations and functions of the first and second roll sponge cleaning units 24A and 24B are common.
  • the first and second roll sponge cleaning units 24A and 24B have a pair of roll sponges 2400 arranged vertically so as to sandwich the surfaces to be cleaned (front and back surfaces) of the wafer W.
  • Each of the first and second roll sponge cleaning units 24A and 24B can rotate a substrate holding unit 241 that holds the wafer W, a cleaning fluid supply unit 242 that supplies substrate cleaning fluid to the wafer W, and a roll sponge 2400.
  • a substrate cleaning unit 240 that supports the substrate and cleans the wafer W by bringing the roll sponge 2400 into contact with the wafer W;
  • a cleaning tool cleaning unit 243 that cleans (self-cleans) the roll sponge 2400 with a cleaning tool cleaning fluid; and an environment sensor 244 that measures the condition of the internal space of the housing 20 where the operation is performed.
  • the substrate holding unit 241 includes a substrate holding mechanism unit 241a that holds a plurality of locations on the side edge of the wafer W, and a substrate rotation mechanism unit that rotates the wafer W around a third rotation axis perpendicular to the surface to be cleaned of the wafer W. 241b.
  • the substrate holding mechanism part 241a is four rollers, and at least one roller is configured to be movable with respect to the side edge of the wafer W in the holding direction or separation direction.
  • the substrate rotation mechanism part 241b is two drive rollers.
  • the driving rollers that constitute the substrate rotation mechanism 241b also serve as the substrate holding mechanism 241a that holds the wafer W.
  • the substrate holding section 241 may be a substrate holding mechanism section 241a composed of a plurality of rollers and a substrate rotation mechanism section 241b composed of at least one drive roller.
  • the cleaning fluid supply unit 242 includes a cleaning fluid supply nozzle 242a that supplies the substrate cleaning fluid to the surface to be cleaned of the wafer W, a swinging movement mechanism unit 242b that swivels the cleaning fluid supply nozzle 242a, and a substrate cleaning fluid flow rate and A flow control unit 242c for controlling pressure and a temperature control mechanism unit 242d for controlling the temperature of the substrate cleaning fluid are provided.
  • the substrate cleaning fluid may be either pure water (rinse liquid) or chemical solution, and the cleaning fluid supply nozzle 242a is provided with separate nozzles for pure water and chemical solutions, as shown in FIG. may Also, the substrate cleaning fluid may be a liquid, a two-fluid mixture of a liquid and a gas, or may contain a solid such as dry ice.
  • the substrate cleaning section 240 includes a cleaning tool rotation mechanism section 240a that rotates the roll sponge 2400 around a first rotation axis parallel to the surface to be cleaned of the wafer W, and the height of the pair of roll sponges 2400 and the separation distance between the two.
  • a vertical movement mechanism 240b for vertically moving at least one of the pair of roll sponges 2400 and a linear movement mechanism 240c for linearly moving the pair of roll sponges 2400 in the horizontal direction are provided.
  • the vertical movement mechanism portion 240b and the linear movement mechanism portion 240c function as a cleaning tool movement mechanism portion that moves the relative positions of the roll sponge 2400 and the surface of the wafer W to be cleaned.
  • the cleaning tool cleaning part 243 is arranged at a position not interfering with the wafer W, and accommodated in the cleaning tool cleaning tank 243a capable of storing and discharging the cleaning tool cleaning fluid and the cleaning tool cleaning tank 243a.
  • a flow control unit 243d is provided to control the flow rate and pressure of the cleaning tool cleaning fluid discharged to the outside.
  • the cleaning tool cleaning fluid may be pure water (rinse liquid) or chemical solution.
  • the environment sensor 244 includes, for example, a temperature sensor 244a and a humidity sensor 244b.
  • a camera image sensor capable of photographing the surface of the wafer W, the roll sponge 2400, etc. during the cleaning process or before and after the cleaning process may be provided.
  • the wafer W is rotated by the substrate rotating mechanism 241b while being held by the substrate holding mechanism 241a. Then, in a state in which the substrate cleaning fluid is supplied to the surface to be cleaned of the wafer W from the cleaning fluid supply nozzle 242a, the roll sponge 2400 rotated around the axis by the cleaning tool rotation mechanism 240a is applied to the surface to be cleaned of the wafer W. The wafer W is cleaned by the sliding contact.
  • the substrate cleaning unit 240 moves the roll sponge 2400 to the cleaning tool cleaning tank 243a, for example, rotates the roll sponge 2400, presses it against the cleaning tool cleaning plate 243b, or controls the cleaning tool cleaning fluid by the flow control unit 243d. is supplied to the roll sponge 2400, the roll sponge 2400 is cleaned.
  • FIG. 5 is a perspective view showing an example of the first and second pen sponge cleaning units 24C and 24D.
  • the basic configurations and functions of the first and second pen sponge cleaning units 24C and 24D are common.
  • Each of the first and second pen sponge cleaning units 24C and 24D can rotate a substrate holding unit 241 that holds the wafer W, a cleaning fluid supply unit 242 that supplies substrate cleaning fluid to the wafer W, and a pen sponge 2401.
  • a substrate cleaning unit 240 that supports the substrate and cleans the wafer W by bringing the pen sponge 2401 into contact with the wafer W, a cleaning tool cleaning unit 243 that cleans (self-cleans) the pen sponge 2401 with cleaning fluid, and a cleaning process and an environment sensor 244 that measures the condition of the internal space of the housing 20 where the operation is performed.
  • the pen sponge cleaning units 24C and 24D will be described below, focusing on the differences from the roll sponge cleaning units 24A and 24B.
  • the substrate holding part 241 includes a substrate holding mechanism part 241c that holds a plurality of positions on the side edge of the wafer W, and a substrate rotation mechanism part that rotates the wafer W around a third rotation axis perpendicular to the surface to be cleaned of the wafer W. 241d.
  • the substrate holding mechanism part 241c is four rollers, and at least one roller is configured to be movable with respect to the side edge of the wafer W in the holding direction or the separation direction.
  • 241d are two drive rollers.
  • the driving rollers that constitute the substrate rotation mechanism 241b also serve as the substrate holding mechanism 241a that holds the wafer W.
  • the substrate holding section 241 may be a substrate holding mechanism section 241c composed of a plurality of rollers and a substrate rotation mechanism section 241d composed of at least one drive roller.
  • the cleaning fluid supply section 242 is configured in the same manner as in FIG. 4, and includes a cleaning fluid supply nozzle 242a, a rocking movement mechanism section 242b, a flow control section 242c, and a temperature control mechanism section 242d.
  • the substrate cleaning section 240 includes a cleaning tool rotation mechanism section 240d that rotates the pen sponge 2401 around a second rotation axis perpendicular to the surface to be cleaned of the wafer W, and a vertical movement mechanism section 240e that vertically moves the pen sponge 2401. and a rocking movement mechanism 240f for rotating and moving the pen sponge 2401 in the horizontal direction.
  • the vertical movement mechanism portion 240e and the swing movement mechanism portion 240f function as a cleaning tool movement mechanism portion that moves the relative positions of the pen sponge 2401 and the surface of the wafer W to be cleaned.
  • the cleaning tool cleaning part 243 is arranged at a position not interfering with the wafer W, and accommodated in the cleaning tool cleaning tank 243e capable of storing and discharging the cleaning tool cleaning fluid, and the cleaning tool cleaning tank 243e.
  • a flow control unit 243h is provided to control the flow rate and pressure of the cleaning tool cleaning fluid discharged to the outside.
  • the environment sensor 244 includes, for example, a temperature sensor 244a and a humidity sensor 244b.
  • a camera image sensor capable of photographing the surface of the wafer W, the pen sponge 2401, etc. during the cleaning process or before and after the cleaning process may be provided.
  • the wafer W is rotated by the substrate rotating mechanism 241d while being held by the substrate holding mechanism 241c. Then, while the substrate cleaning fluid is being supplied from the cleaning fluid supply nozzle 242a to the surface to be cleaned of the wafer W, the pen sponge 2401 rotated around the axis by the cleaning tool rotation mechanism 240d is applied to the surface to be cleaned of the wafer W. The wafer W is cleaned by the sliding contact. After that, the substrate cleaning unit 240 moves the pen sponge 2401 to the cleaning tool cleaning tank 243e, for example, rotates the pen sponge 2401, presses it against the cleaning tool cleaning plate 243f, or controls the cleaning tool cleaning fluid by the flow control unit 243h. is supplied to the pen sponge 2401 to clean the pen sponge 2401 .
  • FIG. 6 is a perspective view showing an example of the first and second drying sections 24E, 24F.
  • the basic configurations and functions of the first and second drying sections 24E and 24F are common.
  • Each of the first and second drying sections 24E and 24F includes a substrate holding section 241 that holds the wafer W, a drying fluid supply section 245 that supplies the substrate drying fluid to the wafer W, and the housing 20 where the drying process is performed. and an environment sensor 244 that measures the state of the interior space.
  • the substrate holding unit 241 includes a substrate holding mechanism unit 241e that holds a plurality of positions on the side edge of the wafer W, and a substrate rotation mechanism unit that rotates the wafer W around a third rotation axis perpendicular to the surface to be cleaned of the wafer W. 241g.
  • the substrate holding mechanism part 241e is installed such that one end thereof rotates about a horizontal axis with respect to the vertical movement mechanism part 241f that moves in the vertical direction, and the other end can be brought into contact with and separated from the peripheral edge of the wafer W. It is formed in a gripping part such as a chuck.
  • the substrate holding mechanism part 241e constitutes an umbrella mechanism in which the gripping part moves in contact with the wafer W or in the separation direction as the vertical movement mechanism 241f moves in the vertical direction. Note that the gripping portion may be configured by a roller.
  • the dry fluid supply unit 245 includes a dry fluid supply nozzle 245a that supplies the substrate dry fluid to the surface to be cleaned of the wafer W, a vertical movement mechanism unit 245b that vertically moves the dry fluid supply nozzle 245a, and the dry fluid supply nozzle 245a. , a flow control unit 245d for adjusting the flow rate and pressure of the substrate drying fluid, and a temperature control mechanism unit 245e for adjusting the temperature of the substrate drying fluid.
  • the vertical movement mechanism portion 245b and the rocking movement mechanism portion 245c function as a drying fluid supply nozzle movement mechanism portion that moves the relative positions of the drying fluid supply nozzle 245a and the surface of the wafer W to be cleaned.
  • the substrate drying fluid is, for example, IPA vapor and pure water (rinse liquid), and as shown in FIG. may have been Also, the substrate drying fluid may be a liquid, a two-fluid mixture of a liquid and a gas, or a solid such as dry ice.
  • the environment sensor 244 includes a temperature sensor 244a and a humidity sensor 244b.
  • a camera image sensor capable of photographing the surface of the wafer W, etc. during the drying process or before and after the drying process may be provided.
  • the wafer W is rotated by the substrate rotating mechanism 241g while being held by the substrate holding mechanism 241e. Then, the drying fluid supply nozzle 245a is moved toward the side edge of the wafer W (outside in the radial direction) while the substrate drying fluid is being supplied from the drying fluid supply nozzle 245a to the surface of the wafer W to be cleaned. After that, the wafer W is dried by being rotated at high speed by the substrate rotation mechanism section 241e.
  • the specific configurations of the mechanism units 240f, 242b, 245c and the cleaning tool rotation mechanism units 240a, 240d are omitted, for example, modules for generating driving force such as motors and air cylinders, linear guides, ball screws, It is configured by appropriately combining driving force transmission mechanisms such as gears, belts, couplings and bearings, and sensors such as linear sensors, encoder sensors, limit sensors and torque sensors.
  • 4 to 6 omit specific configurations of the flow control units 243c, 243d, 243g, 243h, and 245d. It is configured by appropriately combining sensors such as a sensor, a pressure sensor, and a liquid level sensor. 4 to 6 omit the specific configuration of the temperature control mechanism units 242d and 245e, but for example, temperature control (contact or non-contact) modules such as heaters and heat exchangers, It is configured by appropriately combining sensors such as a temperature sensor and a current sensor.
  • the film thickness measurement unit 25 is a measuring device for measuring the film thickness of the wafer W before or after polishing, and is composed of, for example, an optical film thickness measuring device, an eddy current film thickness measuring device, or the like. Transfer of the wafer W to each film thickness measurement module is performed by the transfer robot 211 .
  • FIG. 7 is a block diagram showing an example of the substrate processing apparatus 2. As shown in FIG. The control unit 26 is electrically connected to each of the units 21 to 25 and functions as a control section that controls the units 21 to 25 in an integrated manner.
  • the control system (modules, sensors, sequencers) of the finishing unit 24 will be described below as an example, but since the other units 21 to 23 and 25 have the same basic configuration and functions, their description will be omitted.
  • the finishing unit 24 includes subunits provided in the finishing unit 24 (for example, first and second roll sponge cleaning units 24A and 24B, first and second pen sponge cleaning units 24C and 24D, first and second Drying units 24E, 24F, first and second conveying units 24G, 24H, etc.), and a plurality of modules 2471 to 247r to be controlled, and a plurality of modules 2471 to 247r, respectively.
  • a plurality of sensors 2481 to 248s for detecting data (detection values) necessary for controlling the modules 2471 to 247r, and a sequencer 249 for controlling the operations of the modules 2471 to 247r based on the detection values of the sensors 2481 to 248s. Prepare.
  • the sensors 2481 to 248s of the finishing unit 24 include, for example, a sensor that detects the number of rotations of the wafer W itself, a sensor that detects the count number of measured portions formed on the wafer W, and substrate rotation mechanism portions 241b, 241d, and 241g.
  • sensor for detecting the number of rotations of the substrate rotating mechanism units 241b, 241d and 241g sensor for detecting the rotational torque of the substrate rotating mechanism units 241b, 241d and 241g, sensor for detecting positional coordinates of the substrate holding mechanism units 241a, 241c and 241e for holding the wafer W, vertical movement mechanism A sensor for detecting the movement distance of the portion 241f, a sensor for detecting the holding load or pressure when the substrate holding mechanism portions 241a, 241c, and 241e hold the substrate, and a sensor for detecting the number of revolutions of the substrate holding mechanism portions 241a, 241c, and 241e.
  • sensors sensors, sensors for detecting the rotation speed of the substrate holding mechanism portions 241a, 241c, and 241e, sensors for detecting the rotational torque of the substrate holding mechanism portions 241a, 241c, and 241e, sensors for detecting the movement distance of the vertical movement mechanism 241f, and the like.
  • the control unit 26 includes a control section 260 , a communication section 261 , an input section 262 , an output section 263 and a storage section 264 .
  • the control unit 26 is composed of, for example, a general-purpose or dedicated computer (see FIG. 8 described later).
  • the communication unit 261 is connected to the network 7 and functions as a communication interface for transmitting and receiving various data.
  • the input unit 262 receives various input operations, and the output unit 263 functions as a user interface by outputting various information via the display screen, signal tower lighting, and buzzer sound.
  • the storage unit 264 stores various programs (operating system (OS), application programs, web browsers, etc.) and data (apparatus setting information 265, substrate recipe information 266, etc.) used in the operation of the substrate processing apparatus 2 .
  • the equipment setting information 265 and substrate recipe information 266 are data that can be edited by the user via the display screen.
  • the control unit 260 controls a plurality of sensors 2181 to 218q, 2281 to 228s, 2381 to 238u, 2481 to 248w, 2581 through a plurality of sequencers 219, 229, 239, 249, and 259 (hereinafter referred to as "sequencer group”).
  • 258y hereinafter referred to as “sensor group”
  • module group a plurality of modules 2171-217p, 2271-227r, 2371-237t, 2471-247v, and 2571-257x.
  • a series of substrate processing such as loading, polishing, cleaning, drying, film thickness measurement, and unloading are performed by operating in conjunction with each other.
  • FIG. 8 is a hardware configuration diagram showing an example of the computer 900. As shown in FIG.
  • Each of the control unit 26 of the substrate processing apparatus 2, the database device 3, the machine learning device 4, the information processing device 5, and the user terminal device 6 is configured by a general-purpose or dedicated computer 900.
  • the computer 900 includes, as its main components, a bus 910, a processor 912, a memory 914, an input device 916, an output device 917, a display device 918, a storage device 920, a communication I/F (interface). It has a section 922 , an external equipment I/F section 924 , an I/O (input/output) device I/F section 926 and a media input/output section 928 . Note that the above components may be omitted as appropriate depending on the application for which the computer 900 is used.
  • the processor 912 is composed of one or more arithmetic processing units (CPU (Central Processing Unit), MPU (Micro-processing unit), DSP (digital signal processor), GPU (Graphics Processing Unit), etc.), and the entire computer 900 It operates as a control unit that supervises the
  • the memory 914 stores various data and programs 930, and is composed of, for example, a volatile memory (DRAM, SRAM, etc.) functioning as a main memory, a non-volatile memory (ROM), a flash memory, and the like.
  • the input device 916 is composed of, for example, a keyboard, mouse, numeric keypad, electronic pen, etc., and functions as an input unit.
  • the output device 917 is configured by, for example, a sound (voice) output device, a vibration device, or the like, and functions as an output unit.
  • a display device 918 is configured by, for example, a liquid crystal display, an organic EL display, electronic paper, a projector, or the like, and functions as an output unit.
  • the input device 916 and the display device 918 may be configured integrally like a touch panel display.
  • the storage device 920 is composed of, for example, an HDD, SSD (Solid State Drive), etc., and functions as a storage unit.
  • the storage device 920 stores various data necessary for executing the operating system and programs 930 .
  • the communication I/F unit 922 is connected to a network 940 (which may be the same as the network 7 in FIG. 1) such as the Internet or an intranet by wire or wirelessly, and exchanges data with other computers according to a predetermined communication standard. functions as a communication unit that transmits and receives.
  • the external device I/F unit 924 is connected to the external device 950 such as a camera, printer, scanner, reader/writer, etc. by wire or wirelessly, and serves as a communication unit that transmits and receives data to and from the external device 950 according to a predetermined communication standard. Function.
  • the I/O device I/F unit 926 is connected to I/O devices 960 such as various sensors and actuators, and exchanges with the I/O devices 960, for example, detection signals from sensors and control signals to actuators. functions as a communication unit that transmits and receives various signals and data.
  • the media input/output unit 928 is composed of, for example, a drive device such as a DVD drive and a CD drive, and reads and writes data from/to media (non-temporary storage media) 970 such as DVDs and CDs.
  • the processor 912 calls the program 930 stored in the storage device 920 to the memory 914 and executes it, and controls each part of the computer 900 via the bus 910 .
  • the program 930 may be stored in the memory 914 instead of the storage device 920 .
  • the program 930 may be recorded on the media 970 in an installable file format or executable file format and provided to the computer 900 via the media input/output unit 928 .
  • Program 930 may be provided to computer 900 by downloading via network 940 via communication I/F section 922 .
  • the computer 900 may implement various functions realized by the processor 912 executing the program 930 by hardware such as FPGA and ASIC, for example.
  • the computer 900 is, for example, a stationary computer or a portable computer, and is an arbitrary form of electronic equipment.
  • the computer 900 may be a client-type computer, a server-type computer, or a cloud-type computer.
  • the computer 900 may be applied to devices other than the devices 2-6.
  • FIG. 9 is a data configuration diagram showing an example of production history information 30 managed by the database device 3.
  • the production history information 30 includes, for example, a wafer history table 300 for each wafer W and an apparatus status in the finishing process as a table in which reports R obtained when substrate processing for main production is performed are classified and registered. and a finishing history table 301 relating to information.
  • the finishing history table 301 includes a cleaning history table regarding device state information in cleaning processing and a drying history table regarding device state information in drying processing.
  • the production history information 30 includes a polishing history table regarding apparatus status information in polishing processing, an event history table regarding event information, an operation history table regarding operation information, and the like, but detailed description thereof will be omitted.
  • Each record of the wafer history table 300 registers, for example, a wafer ID, cassette number, slot number, start time and end time of each process, used unit ID, and the like.
  • the polishing process, the cleaning process, and the drying process are illustrated in FIG. 9, the other processes are similarly registered.
  • Each record of the finishing history table 301 registers, for example, a wafer ID, substrate rotation speed information and substrate rotation torque information constituting substrate rotation state information, substrate holding position information, substrate pressing load information, and the like.
  • the substrate rotation speed information is information indicating the rotation speed of the wafer W in the finishing process.
  • the substrate rotation speed information is, for example, the detection value of a sensor that measures the rotation speed of the wafer W itself, the detection value of a sensor that measures the rotation speed using a side portion to be measured such as a notch formed or installed on the wafer W, These are detection values of sensors that measure the number of rotations of the substrate rotation mechanism units 241b, 241d, and 241g that rotate the wafer W, and the like.
  • the substrate rotation torque information is information indicating the rotation torque of the wafer W itself in the finishing process.
  • the substrate rotation torque information is, for example, detection values of sensors that measure the torque of the substrate rotation mechanisms 241b, 241d, and 241g that rotate the wafer W, and the like.
  • the substrate holding position information is information indicating the coordinates of the positions where the substrate holding mechanisms 241a, 241c, and 241e hold the wafer W.
  • the substrate holding position information may be obtained by measuring a horizontal positional deviation from a preset reference position for holding the wafer W at preset position coordinates.
  • the substrate holding position information is, for example, detection values of sensors that measure the positions at which the wafers W are held by the substrate holding mechanisms 241a, 241c, and 241e.
  • substrate holding position information may measure the movement distance of the up-and-down movement mechanism part 241f.
  • the substrate holding position information may be information obtained by measuring a vertical positional deviation from a preset reference position where the substrate holding mechanisms 241a, 241c, and 241e hold the wafer W.
  • the substrate pressing load information is information indicating the load with which the substrate holding mechanisms 241a, 241c, and 241e press the wafer W.
  • the substrate pressing load information may be obtained by measuring the load using a load cell, or by measuring the pneumatic pressure of the air when using air for pressing the wafer W.
  • time-series data of each sensor (or time series data of each module) can be obtained as the apparatus state of the substrate processing apparatus 2 when the wafer W specified by the wafer ID has undergone the finishing process. series data) can be extracted.
  • FIG. 10 is a data configuration diagram showing an example of the finishing test information 31 managed by the database device 3.
  • the finish test information 31 includes a finish test table 310 in which reports R and test results obtained when a finish test is performed using a substrate holder for testing and a finish test apparatus are classified and registered.
  • Each record of the finishing test table 310 registers, for example, a test ID, substrate rotation speed information and substrate rotation torque information constituting substrate rotation state information, substrate holding position information, substrate pressing load information, test result information, and the like.
  • the substrate rotation speed information, the substrate rotation torque information, the substrate holding position information, and the substrate pressing load information, which constitute the substrate rotation state information of the finishing test table 310 are information indicating the state of each part in the finishing test. Since the configuration is the same as that of the finishing history table 301, detailed description will be omitted.
  • the test result information is information indicating the state of the test substrate holding mechanism when the finishing process is performed in the finishing test.
  • the test result information is measured values sampled at predetermined time intervals by a substrate holding mechanism portion for testing or a substrate holding mechanism portion measuring device provided in a substrate holding mechanism portion testing apparatus.
  • the test result information shown in FIG. 10 includes the degree of contamination, the degree of wear, and the degree of damage at each time t1, t2, . . . , . degrees TR1, TR2, TR3, respectively.
  • the test result information may be a measured value that is the result of measurement by the substrate holding mechanism measurement device, or may be a substrate holding device for testing using a camera mounted on an optical microscope or a scanning electron microscope (SEM). It may be based on the results of image processing in which the mechanical section is photographed at predetermined time intervals and image processing is performed on each photographed image, or the results of experimental analysis conducted by an experimenter. Further, the test result information may be collected in a single finishing test in which the finishing process is continuously performed from the start to the end thereof, or may be collected at a predetermined time after the finishing process is started. By repeating the finishing test until the predetermined time is gradually lengthened, the data may be collected from a plurality of finishing tests.
  • the finishing test table 310 By referring to the finishing test table 310, the states of the substrate holding mechanism portions 241a, 241c, and 241e when the finishing process is performed using the test substrate holding portion in the finishing test specified by the test ID are shown. It is possible to extract time-series data (or time-series data of each module) and time-series data indicating the state of the substrate holding mechanism for testing at that time.
  • FIG. 11 is a block diagram showing an example of the machine learning device 4 according to the first embodiment.
  • the machine learning device 4 includes a control unit 40 , a communication unit 41 , a learning data storage unit 42 and a trained model storage unit 43 .
  • the control unit 40 functions as a learning data acquisition unit 400 and a machine learning unit 401.
  • the communication unit 41 is connected to external devices (for example, the substrate processing device 2, the database device 3, the information processing device 5, the user terminal device 6, the finishing test device (not shown), etc.) via the network 7, and various function as a communication interface for sending and receiving data.
  • the learning data acquisition unit 400 is connected to an external device via the communication unit 41 and the network 7, and is composed of operation state information as input data and board holding mechanism state information as output data.
  • the first learning data 11A is data used as teacher data (training data), verification data, and test data in supervised learning. Further, the substrate holding mechanism state information is data used as a correct label in supervised learning.
  • the learning data storage unit 42 is a database that stores a plurality of sets of the first learning data 11A acquired by the learning data acquisition unit 400. Note that the specific configuration of the database that constitutes the learning data storage unit 42 may be appropriately designed.
  • the machine learning unit 401 performs machine learning using multiple sets of first learning data 11A stored in the learning data storage unit 42 . That is, the machine learning section 401 inputs a plurality of sets of the first learning data 11A to the first learning model 10A, and compares the operation state information and the substrate holding mechanism section state information included in the first learning data 11A. By having the first learning model 10A learn the correlation, the learned first learning model 10A is generated.
  • the trained model storage unit 43 is a database that stores the trained first learning model 10A (specifically, the adjusted weight parameter group) generated by the machine learning unit 401.
  • the learned first learning model 10A stored in the learned model storage unit 43 is provided to the actual system (for example, the information processing device 5) via the network 7, a recording medium, or the like.
  • the learning data storage unit 42 and the trained model storage unit 43 are shown as separate storage units in FIG. 11, they may be configured as a single storage unit.
  • the number of first learning models 10A stored in the learned model storage unit 43 is not limited to one. Even if a plurality of learning models with different conditions are stored, such as differences in the mechanisms of the units 241a, 241c, and 241e, the types of data included in the operating state information, and the types of data included in the substrate holding mechanism unit state information. good.
  • the learning data storage unit 42 may store a plurality of types of learning data having data configurations respectively corresponding to a plurality of learning models with different conditions.
  • FIG. 12 is a diagram showing an example of the first learning model 10A and the first learning data 11A.
  • the first learning data 11A used for machine learning of the first learning model 10A is composed of operation state information and substrate holding mechanism portion state information (condition information).
  • the first learning model 10A and the first learning data 11A correspond to the roll sponge cleaning units 24A and 24B using the roll sponge 2400 and the pen sponge cleaning unit using the pen sponge 2401. At least three types, one corresponding to 24C and 24D and one corresponding to drying units 24E and 24F, are prepared.
  • the operation state information constituting the first learning data 11A includes substrate rotation state information indicating the rotation state of the wafer W, substrate holding position information indicating the positions at which the substrate holding mechanisms 241a, 241c, and 241e hold the wafer W, and substrate pressing load information indicating the load with which the wafer W is pressed by the substrate holding mechanisms 241a, 241c, and 241e.
  • the substrate rotation state information included in the operating state information includes substrate rotation speed information indicating the rotation speed of the wafer W and substrate rotation torque information indicating the rotation torque of the wafer W.
  • the substrate rotation speed information is information indicating the rotation speed of the wafer W.
  • the substrate rotation speed information includes, for example, the rotation speed of the wafer W itself, the count number of side portions to be measured such as notches formed or placed on the wafer W, and the rotation of the substrate rotation mechanisms 241b, 241d, and 241g that rotate the wafer W. number is fine.
  • the substrate rotation torque information may be the torque of the substrate rotation mechanism units 241b, 241d, and 241g that rotate the wafer W, for example.
  • the substrate holding position information included in the operating state information includes the positions at which the wafers W are held by the substrate holding mechanisms 241a, 241c, and 241e.
  • position coordinates may be set around the rotation center of the wafer W or the holding position for holding the wafer W, and may be indicated by the distance of the horizontal displacement from the initial holding position.
  • a horizontal positional deviation from a preset reference position for holding the wafer W may be measured.
  • the substrate holding position information may be obtained by measuring the movement distance of the vertical movement mechanism section 241f.
  • the substrate holding position information may be information obtained by measuring a vertical positional deviation from a preset reference position where the substrate holding mechanisms 241a, 241c, and 241e hold the wafer W.
  • the substrate pressing load information included in the operating state information includes the load with which the substrate holding mechanisms 241a, 241c, and 241e press the wafer W.
  • the substrate pressing load information may be obtained by measuring the pressing load using a load cell, or by measuring air pressure when air is used to press the wafer W. FIG.
  • the operating state information may further include device internal environment information indicating the environment of the space in which the finishing process is performed. , and humidity. Further, the operation state information may further include processing performance information indicating the performance of finishing processing. It includes at least one of the accumulated number of used wafers W and the accumulated used time when finishing processing is performed using the substrate holding mechanism portions 241a, 241c, and 241e.
  • the substrate holding mechanism portion state information constituting the first learning data 11A is information indicating the states of the substrate holding mechanism portions 241a, 241c, and 241e when the substrate processing apparatus 2 operates in the operating state indicated by the operating state information. is.
  • the substrate holding mechanism portion state information includes at least one of the degree of contamination, wear, and damage of the substrate holding mechanism portions 241a, 241c, and 241e.
  • the learning data acquisition unit 400 acquires the first learning data 11A by referring to the finishing test information 31 and accepting user input operations through the user terminal device 6 as necessary.
  • the learning data acquisition unit 400 refers to the finishing test table 310 of the finishing test information 31 to obtain substrate rotation state information, substrate holding position information, and , board pressing load information is acquired as operation state information.
  • operation state information is obtained as time-series data of a group of sensors as shown in FIG.
  • a command value to the module may be used, a parameter converted from the detected value of the sensor or the command value to the module may be used, or based on the detected values of a plurality of sensors. Calculated parameters may be used.
  • the operating state information may be acquired as time-series data for the entire finishing processing period, may be acquired as time-series data for a target period that is part of the finishing processing period, or may be acquired as time-series data for a target period that is part of the finishing processing period. It may be acquired as time point data.
  • the data structure of the input data in the first learning model 10A and the first learning data 11A may be changed as appropriate.
  • the learning data acquisition unit 400 refers to the finishing test table 310 of the finishing test information 31 to obtain test result information (substrate holding mechanism unit measurement Time-series data of the device (FIG. 10)) is acquired as substrate holding mechanism state information for the above operation state information.
  • test result information substrate holding mechanism unit measurement Time-series data of the device (FIG. 10)
  • the substrate holding mechanism portion measuring device is a measuring device capable of planar measurement of the substrate holding mechanism portions 241a, 241c, and 241e
  • the learning data acquisition portion 400 obtains planar measurement values from the substrate. Acquired as holding mechanism state information.
  • the substrate holding mechanism state information is condition information as shown in FIG. 12, but it may include at least one of the degree of contamination, the degree of wear, and the degree of breakage. . Further, the substrate holding mechanism portion state information may be calculated by substituting the measured value of the substrate holding mechanism portion measuring instrument into a predetermined calculation formula. Furthermore, when the operation state information is acquired as time-series data for the entire finishing process period or time-series data for a target period that is a part of the finishing process period, the substrate holding mechanism state information It may be acquired as time-series data for the entire processing period or time-series data for the target period, or may be acquired as point-in-time data at the end of the finishing process or point-in-time data at the target point.
  • the substrate holding mechanism state information may be acquired as point-in-time data at the specific target point in time.
  • the data structure of the output data in the first learning model 10A and the first learning data 11A may be changed as appropriate.
  • the first learning model 10A employs, for example, a neural network structure, and includes an input layer 100, an intermediate layer 101, and an output layer 102.
  • a synapse (not shown) connecting each neuron is provided between each layer, and a weight is associated with each synapse.
  • a set of weight parameters consisting of the weight of each synapse is adjusted by machine learning.
  • the input layer 100 has a number of neurons corresponding to the operating state information as input data, and each value of the operating state information is input to each neuron.
  • the output layer 102 has a number of neurons corresponding to the substrate holding mechanism state information as output data, and outputs the prediction result (inference result) of the substrate holding mechanism state information for the operation state information as output data.
  • the substrate holding mechanism state information is output as numerical values normalized to a predetermined range (eg, 0 to 1).
  • the board holding mechanism state information is normalized to a predetermined range (for example, 0 to 1) as a score (accuracy) for each class. are output as numerical values.
  • Inference results corresponding to numerical values are set in advance in the "predetermined range (0 to 1)".
  • the inference result "predetermined range (0 to 1)" may be divided into a plurality of ranges, and the degree of contamination may be set for each divided range.
  • a predetermined threshold value is set within a "predetermined range (0 to 1)", which is the result of inference. If it exceeds the value, it should be set as "contaminated”. The degree of contamination or the presence or absence of contamination is output according to the inference result.
  • FIG. 13 is a flow chart showing an example of a machine learning method by the machine learning device 4. As shown in FIG.
  • step S100 the learning data acquisition unit 400 acquires a desired number of first learning data 11A from the finishing test information 31 or the like as a preparation for starting machine learning, and acquires the acquired first learning data 11A.
  • One learning data 11A is stored in the learning data storage unit 42 .
  • the number of first learning data 11A prepared here may be set in consideration of the inference accuracy required for the finally obtained first learning model 10A.
  • step S110 the machine learning unit 401 prepares the first learning model 10A before learning to start machine learning.
  • the first learning model 10A before learning prepared here is composed of a neural network model, and the weight of each synapse is set to an initial value.
  • step S120 the machine learning unit 401, for example, randomly selects one set of first learning data 11A from the plurality of sets of first learning data 11A stored in the learning data storage unit 42. get.
  • step S130 the machine learning unit 401 converts the operating state information (input data) included in the set of first learning data 11A into the prepared first learning before (or during learning) learning. Input to the input layer 100 of the model 10A. As a result, substrate holding mechanism state information (output data) is output from the output layer 102 of the first learning model 10A as an inference result. It is generated by model 10A. Therefore, in the pre-learning (or during learning) state, the output data output as the inference result indicates information different from the board holding mechanism portion state information (correct label) included in the first learning data 11A.
  • step S140 the machine learning unit 401 acquires the substrate holding mechanism state information (correct label) included in the set of first learning data 11A acquired in step S120, and the output layer in step S130.
  • Machine learning is performed by comparing the state information (output data) of the substrate holding mechanism output as the result of inference and adjusting the weight of each synapse (back promotion). Thereby, the machine learning unit 401 causes the first learning model 10A to learn the correlation between the operation state information and the substrate holding mechanism state information.
  • step S150 the machine learning unit 401 determines whether or not a predetermined learning end condition is satisfied, for example, the substrate holding mechanism unit state information (correct label) included in the first learning data 11A, Determination based on the evaluation value of the error function based on the state information (output data) output as the inference result and the remaining number of unlearned first learning data 11A stored in the learning data storage unit 42 do.
  • a predetermined learning end condition for example, the substrate holding mechanism unit state information (correct label) included in the first learning data 11A, Determination based on the evaluation value of the error function based on the state information (output data) output as the inference result and the remaining number of unlearned first learning data 11A stored in the learning data storage unit 42 do.
  • step S150 when the machine learning unit 401 determines that the learning end condition is not satisfied and continues the machine learning (No in step S150), the process returns to step S120, and the first learning model 10A under learning In contrast, steps S120 to S140 are performed multiple times using the unlearned first learning data 11A.
  • step S150 when the machine learning unit 401 determines in step S150 that the learning end condition is satisfied and machine learning ends (Yes in step S150), the process proceeds to step S160.
  • step S160 the machine learning unit 401 stores the learned first learning model 10A (adjusted weight parameter group) generated by adjusting the weight associated with each synapse as a learned model. It is stored in the unit 43 and the series of machine learning methods shown in FIG. 13 is completed.
  • step S100 corresponds to a learning data storage step
  • steps S110 to S150 correspond to a machine learning step
  • step S160 corresponds to a learned model storage step.
  • the board holding mechanism part 241a can be obtained from the operating state information including the board rotation state information, the board holding position information, and the board pressing load information.
  • 241c, and 241e can be provided.
  • FIG. 14 is a block diagram showing an example of the information processing device 5 according to the first embodiment.
  • FIG. 15 is a functional explanatory diagram showing an example of the information processing device 5 according to the first embodiment.
  • the information processing device 5 includes a control unit 50 , a communication unit 51 and a trained model storage unit 52 .
  • the control unit 50 functions as an information acquisition unit 500 , a state prediction unit 501 and an output processing unit 502 .
  • the communication unit 51 is connected to an external device (for example, the substrate processing device 2, the database device 3, the machine learning device 4, the user terminal device 6, etc.) via the network 7, and serves as a communication interface for transmitting and receiving various data. Function.
  • the information acquisition unit 500 is connected to an external device via the communication unit 51 and the network 7, and acquires operating state information including substrate rotation state information, substrate holding position information, and substrate pressing load information.
  • the information acquisition unit 500 refers to the finishing history table 301 of the production history information 30.
  • the substrate rotation state information, the substrate holding position information, and the substrate pressing load information when the finishing process is performed on the wafer W are acquired as operation state information.
  • the information acquiring unit 500 receives the information from the substrate processing apparatus 2 that is performing the finishing process.
  • the substrate rotation status information, the substrate holding position information, and the substrate pressing load information while the wafer W is being finished are used as the operation status information. Obtain at any time.
  • the information acquisition unit 500 obtains the substrate recipe information 266 from the substrate processing apparatus 2 scheduled to perform the finish processing. and simulates the apparatus state information when the substrate processing apparatus 2 operates according to the substrate recipe conditions 266, thereby obtaining substrate rotation state information and substrate holding position information when finishing processing is performed on the wafer W. , and substrate pressing load information as operation state information.
  • the state prediction unit 501 By inputting the operation state information acquired by the information acquisition unit 500 as input data to the first learning model 10A as described above, the state prediction unit 501 performs substrate processing in the operation state indicated by the operation state information. Substrate holding mechanism portion state information indicating the states of the substrate holding mechanism portions 241a, 241c, and 241e when the apparatus 2 operates is predicted.
  • the learned model storage unit 52 is a database that stores the learned first learning model 10A used in the state prediction unit 501.
  • the number of first learning models 10A stored in the learned model storage unit 52 is not limited to one.
  • a plurality of trained models with different conditions, such as differences in mechanisms, types of data included in the operating state information, types of data included in the state information of the substrate holding mechanism, etc., may be stored and selectively used. good.
  • the trained model storage unit 52 may be replaced by a storage unit of an external computer (for example, a server computer or a cloud computer), in which case the state prediction unit 501 may access the external computer. .
  • the output processing unit 502 performs output processing for outputting the substrate holding mechanism unit state information generated by the state prediction unit 501 .
  • the output processing unit 502 may transmit the substrate holding mechanism state information to the user terminal device 6 so that a display screen based on the substrate holding mechanism state information may be displayed on the user terminal device 6,
  • the substrate holding mechanism state information may be registered in the production history information 30 by transmitting the substrate holding mechanism state information to the database device 3 .
  • FIG. 16 is a flowchart showing an example of an information processing method by the information processing device 5. As shown in FIG. An operation example in which the user operates the user terminal device 6 to perform "post-prediction processing" of the substrate holding mechanism state information for a specific wafer W will be described below.
  • step S200 when the user performs an input operation for inputting a wafer ID specifying a wafer W to be predicted to the user terminal device 6, the user terminal device 6 sends the wafer ID to the information processing device 5. Send to
  • step S210 the information acquisition unit 500 of the information processing device 5 receives the wafer ID transmitted in step S200.
  • the information acquisition unit 500 refers to the finishing history table 301 of the production history information 30 using the wafer ID received in step S210, so that the wafer W specified by the wafer ID is finished. Get the operation state information when it was done.
  • step S220 the state prediction unit 501 inputs the operation state information acquired in step S211 as input data to the first learning model 10A, thereby obtaining board holding mechanism state information corresponding to the operation state information. are generated as output data, and the states of the substrate holding mechanisms 241a, 241c, and 241e are predicted.
  • step S230 the output processing unit 502 transmits the substrate holding mechanism state information to the user terminal device 6 as output processing for outputting the substrate holding mechanism state information generated in step S220.
  • the destination of the substrate holding mechanism state information may be the database device 3 in addition to or instead of the user terminal device 6 .
  • step S240 upon receiving the substrate holding mechanism state information transmitted in step S230 as a response to the transmission processing in step S200, the user terminal device 6 displays a display based on the substrate holding mechanism state information. By displaying the screen, the user can visually recognize the states of the substrate holding mechanisms 241a, 241c, and 241e.
  • steps S210 and S211 correspond to the information acquisition step
  • step S220 corresponds to the state prediction step
  • step S230 corresponds to the output processing step.
  • the operation state information including the substrate rotation state information, the substrate holding position information, and the substrate pressing load information in the finishing process is set to the first position.
  • the learning model 10A the substrate holding mechanism portion state information corresponding to the operating state information is predicted. can be reasonably predicted.
  • the second embodiment differs from the first embodiment in that the substrate holding mechanism state information is remaining life information indicating the remaining life of the substrate holding mechanisms 241a, 241c, and 241e.
  • the machine learning device 4a and the information processing device 5a according to the second embodiment will be described, focusing on the differences from the first embodiment.
  • FIG. 17 is a block diagram showing an example of a machine learning device 4a according to the second embodiment.
  • FIG. 18 is a diagram showing an example of the second learning model 10B and the second learning data 11B.
  • the second learning data 11B is used for machine learning of the second learning model 10B.
  • the substrate holding mechanism state information constituting the second learning data 11B is remaining life information indicating the remaining life of the substrate holding mechanism portions 241a, 241c, and 241e.
  • the remaining lives of the substrate holding mechanism portions 241a, 241c, and 241e are determined, for example, by the number of usable times and the usable time until the substrate holding mechanism portions 241a, 241c, and 241e reach the end of their lives.
  • the operating state information that constitutes the second learning data 11B is the same as in the first embodiment, so description thereof will be omitted.
  • the learning data acquisition unit 400 acquires the second learning data 11B by referring to the finishing test information 31 and accepting user input operations through the user terminal device 6 as necessary.
  • the finishing test information 31 for example, when the substrate holding mechanism parts for testing are used to repeatedly perform the finishing process as a finishing test, the life span of the substrate holding mechanism parts 241a, 241c, and 241e is reached. In the life information, "0" is set, and test result information in which a larger value is set as it goes back in the past is registered. Then, the learning data acquisition unit 400 acquires remaining life information by acquiring test result information when the finishing test specified by the test ID is performed from the finishing test table 310 of the finishing test information 31 .
  • the machine learning unit 401 inputs a plurality of sets of the second learning data 11B to the second learning model 10B, and obtains the operation state information and substrate holding mechanism state information (remaining life information) included in the second learning data 11B. ) is learned by the second learning model 10B, a learned second learning model 10B is generated.
  • FIG. 19 is a block diagram showing an example of an information processing device 5a functioning as the information processing device 5a according to the second embodiment.
  • FIG. 20 is a functional explanatory diagram showing an example of the information processing device 5a according to the second embodiment.
  • the information acquisition unit 500 acquires operating state information including substrate rotation state information, substrate holding position information, and substrate pressing load information, as in the first embodiment.
  • the state prediction unit 501 inputs the operation state information acquired by the information acquisition unit 500 as input data to the second learning model 10B as described above, thereby performing substrate processing in the operation state indicated by the operation state information.
  • Substrate holding mechanism state information (remaining life information) indicating the states of the substrate holding mechanisms 241a, 241c, and 241e when the apparatus 2 operates is predicted.
  • the operation state information including the substrate rotation state information, the substrate holding position information, and the substrate pressing load information in the finishing process is set to the second position.
  • the learning model 10B substrate holding mechanism portion state information (remaining life information) corresponding to the operating state information is predicted.
  • 241e can be reasonably predicted.
  • the database device 3, the machine learning device 4, and the information processing device 5 are described as being composed of separate devices, but these three devices may be composed of a single device. However, any two of the three devices may be configured as a single device. At least one of the machine learning device 4 and the information processing device 5 may be incorporated in the control unit 26 of the substrate processing apparatus 2 or the user terminal device 6 .
  • the substrate processing apparatus 2 has been described as having the respective units 21 to 25, but the substrate processing apparatus 2 has a function of holding the wafer W when cleaning the finishing unit 24 and a drying process. At least one of the functions of holding the wafer W during the operation may be provided, and the other units may be omitted.
  • machine learning models include, for example, tree types such as decision trees and regression trees, ensemble learning such as bagging and boosting, recurrent neural networks, convolutional neural networks, and neural network types such as LSTM (including deep learning ), hierarchical clustering, non-hierarchical clustering, k-nearest neighbor method, k-means method and other clustering types, principal component analysis, factor analysis, logistic regression and other multivariate analyzes, and support vector machines.
  • the test result information is information indicating the state of the substrate holding mechanism portions when the finishing process is performed in the finishing test using the dummy wafer in the testing apparatus.
  • the information may be continuously acquired as information indicating the state when the actual finishing processing of the wafer W is performed using the actual finishing unit 24 in which the sensor for detecting the state is installed.
  • the continuously acquired test result information is continuously learned by the machine learning device 4 .
  • the test result information is obtained by determining the degree of contamination, wear, or damage of the substrate holding mechanism portions 241a, 241c, and 241e, labeling the data, and continuing. It may be made to be obtained on a specific basis.
  • information continuously acquired using the actual finishing unit 24 may be uploaded to the cloud, machine-learned in the cloud, and then the learned model may be deployed to the substrate processing apparatus 2 .
  • the processing method may be learned within the substrate processing apparatus 2 without uploading to the cloud.
  • the present invention is provided in the form of a program (machine learning program) that causes the computer 900 to function as each part of the machine learning device 4, and a program (machine learning program) that causes the computer 900 to execute each step of the machine learning method.
  • a program information processing program
  • the present invention provides a program (information processing program) for causing the computer 900 to function as each unit provided in the information processing apparatus 5, and a program for causing the computer 900 to execute each step provided in the information processing method according to the above embodiment. It can also be provided in the form of (information processing program).
  • the present invention can be applied not only to the aspect of the information processing device 5 (information processing method or information processing program) according to the above-described embodiment, but also to an inference device (inference method or inference method) used to infer substrate holding mechanism state information. program).
  • the inference device may include a memory and a processor, and the processor of these may execute a series of processes.
  • the series of processes includes an information acquisition process (information acquisition step) for acquiring operation state information, and when the operation state information is acquired in the information acquisition process, the substrate processing apparatus 2 is operated in the operation state indicated by the operation state information.
  • Inference processing for inferring substrate holding mechanism state information (condition information or remaining life information) indicating the state of the substrate holding mechanism when operated.
  • the state prediction unit uses the learned learning model generated by the machine learning device 4 and the machine learning method according to the above embodiment. It should be understood by those skilled in the art that the reasoning techniques implemented by 501 may also be applied.
  • the present invention can be used for information processing devices, inference devices, machine learning devices, information processing methods, inference methods, and machine learning methods.
  • SYMBOLS 1 Substrate processing system, 2... Substrate processing apparatus, 3... Database apparatus, 4, 4a... machine learning device, 5, 5a... information processing device, 6... User terminal device, 7... Network, 10A... first learning model, 10B... second learning model, 11A... First learning data, 11B... Second learning data, 20... housing, 21... load/unload unit, 22... Polishing unit, 22A to 22D... Polishing part, 23... Substrate transfer unit, 24... Finishing unit, 24A, 24B... Roll sponge cleaning part, 24C, 24D... pen sponge washing section, 24E, 24F... drying section, 24G, 24H... transport unit, 25... film thickness measurement unit, 26...
  • control unit 30...Production history information, 31...Finishing test information, 40... control unit, 41... communication unit, 42... learning data storage unit, 43 ... learned model storage unit, 50... Control unit, 51... Communication unit, 52... Learned model storage unit, 220... polishing table, 221... top ring, 222... liquid supply nozzle, 223...dresser, 224...atomizer, 240... Substrate cleaning part, 241... Substrate holding part, 242... Cleaning fluid supply part, 243...Cleaning tool cleaning unit, 244...Environment sensor, 245...Dry fluid supply unit, 260... control unit, 21... communication unit, 262... input unit, 263... output unit, 264... storage unit, 300 ...
  • Wafer history table 301 ... Finishing history table, 310 ... Finishing test table, 400... Learning data acquisition unit, 401... Machine learning unit, 500... Information acquisition unit, 501... State prediction unit, 502... Output processing unit, 900... computer, 2200 Polishing pad 2230 Dresser disk 2400 Roll sponge 2401... Pen sponge

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Cleaning Or Drying Semiconductors (AREA)
  • General Factory Administration (AREA)
  • Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
  • Mechanical Treatment Of Semiconductor (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)

Abstract

情報処理装置（５）は、基板保持部（２４１）を備える基板処理装置（２）が動作したときの動作状態を含む動作状態情報を取得する情報取得部（５００）と、動作状態情報と、動作状態情報が示す動作状態にて基板処理装置（２）が動作したときの基板保持機構部（２４１ａ、２４１ｃ、２４１ｅ）の状態を示す基板保持機構部状態情報との相関関係を機械学習により学習させた学習モデルに動作状態情報を入力することで、動作状態情報に対する基板保持機構部状態情報を予測する状態予測部（５０１）と、を備える。

Description

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
　本発明は、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、機械学習方法に関する。
　半導体ウェハ等の基板に対して各種の処理を行う基板処理装置の１つとして、化学機械研磨（ＣＭＰ：Ｃｈｅｍｉｃａｌ　Ｍｅｃｈａｎｉｃａｌ　Ｐｏｌｉｓｈｉｎｇ）処理を行う基板処理装置が知られている。基板処理装置では、例えば、研磨パッドを有する研磨テーブルを回転させつつ、液体供給ノズルから研磨パッドに研磨液（スラリー）を供給した状態で、トップリングと呼ばれる研磨ヘッドにより基板を研磨パッドに押し付けることで、基板は化学的かつ機械的に研磨される。そして、研磨後の基板に付着した研磨屑等の異物を除去するため、研磨後の基板に基板洗浄流体を供給しながら洗浄具を接触させてスクラブ洗浄し、さらに基板を乾燥することで、一連の処理が終了し、次の基板の処理に移行する。
　上記のような一連の処理が繰り返し行われると、基板を保持する回転保持部材等の基板保持機構部の摩耗が徐々に進行する。従来、基板保持機構部の寿命を長くするため、基板を挟む上下チャック部材の距離を変更できる技術が開示されている（例えば、特許文献１参照）。
特開２０１８－２９２０７号公報
　特許文献１では、基板の縁部を上下に挟んで保持する上チャック部材と下チャック部材の間の上下方向の距離が可変であるため、厚さの異なる基板に対応でき、上チャック部材や下チャック部材が摩耗により擦り減った場合にも基板を保持することができる。また、基板の縁部を上下に挟んで支持するので、径の大きさが異なる基板にも対応できる。
　一方、基板を保持するために、基板の回転状態、基板の保持位置、及び、基板の押付荷重等の動作状態は、基板保持機構部の状態に影響を与える要素であるが、基板保持機構部に対して複雑かつ相互に作用する。そのため、各動作状態が、基板保持機構部の状態にどのような影響を与えるのかを的確に解析することは困難である。
　本発明は、上記の課題に鑑み、基板処理装置の動作状態に応じて基板保持機構部の状態を適切に予測することを可能とする情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法を提供することを目的とする。
　上記目的を達成するために、本発明の一態様に係る情報処理装置は、
　基板を保持する基板保持機構部及び基板を回転させる基板回転機構部を有する基板保持部を備える基板処理装置が動作したときの動作状態として、前記基板の回転状態を示す基板回転状態情報、前記基板保持機構部の基板保持位置を示す基板保持位置情報、及び、前記基板保持機構部の基板押付荷重を示す基板押付荷重情報、を含む動作状態情報を取得する情報取得部と、
　前記動作状態情報と、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動作したときの前記基板保持機構部の状態を示す基板保持機構部状態情報との相関関係を機械学習により学習させた学習モデルに、前記情報取得部により取得された前記動作状態情報を入力することで、当該動作状態情報に対する前記基板保持機構部状態情報を予測する状態予測部と、
を備える。
　本発明の一態様に係る情報処理装置によれば、基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を含む動作状態情報が学習モデルに入力されることで、当該動作状態情報に対する基板保持機構部状態情報が予測されるので、基板処理装置の動作状態に応じて基板保持機構部の状態を適切に予測することができる。
　上記以外の課題、構成及び効果は、後述する発明を実施するための形態にて明らかにされる。
基板処理システム１の一例を示す全体構成図である。 基板処理装置２の一例を示す平面図である。 第１乃至第４の研磨部２２Ａ～２２Ｄの一例を示す斜視図である。 第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂの一例を示す斜視図である。 第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄの一例を示す斜視図である。 第１及び第２の乾燥部２４Ｅ、２４Ｆの一例を示す斜視図である。 基板処理装置２の一例を示すブロック図である。 コンピュータ９００の一例を示すハードウエア構成図である。 データベース装置３により管理される生産履歴情報３０の一例を示すデータ構成図である。 データベース装置３により管理される仕上げ試験情報３１の一例を示すデータ構成図である。 第１の実施形態に係る機械学習装置４の一例を示すブロック図である。 第１の学習モデル１０Ａ及び第１の学習用データ１１Ａの一例を示す図である。 機械学習装置４による機械学習方法の一例を示すフローチャートである。 第１の実施形態に係る情報処理装置５の一例を示すブロック図である。 第１の実施形態に係る情報処理装置５の一例を示す機能説明図である。 情報処理装置５による情報処理方法の一例を示すフローチャートである。 第２の実施形態に係る機械学習装置４ａの一例を示すブロック図である。 第２の学習モデル１０Ｂ及び第２の学習用データ１１Ｂの一例を示す図である。 第２の実施形態に係る情報処理装置５ａとして機能する情報処理装置５ａの一例を示すブロック図である。 第２の実施形態に係る情報処理装置５ａの一例を示す機能説明図である。
　以下、図面を参照して本発明を実施するための実施形態について説明する。以下では、本発明の目的を達成するための説明に必要な範囲を模式的に示し、本発明の該当部分の説明に必要な範囲を主に説明することとし、説明を省略する箇所については公知技術によるものとする。
（第１の実施形態）
　図１は、基板処理システム１の一例を示す全体構成図である。本実施形態に係る基板処理システム１は、半導体ウェハ等の基板（以下、「ウェハ」という）Ｗを研磨パッドに押し付けることでウェハＷの表面を平坦に研磨する化学機械研磨処理（以下、「研磨処理」という）、研磨処理後のウェハＷを洗浄具に接触させることでウェハＷの表面を洗浄する洗浄処理、洗浄したウェハＷの表面を乾燥具により乾燥する乾燥処理等を含む一連の基板処理を管理するシステムとして機能する。なお、洗浄処理と乾燥処理は、仕上げ処理を構成し、洗浄具と乾燥具は、仕上げ具に含まれる。
　基板処理システム１は、その主要な構成として、基板処理装置２と、データベース装置３と、機械学習装置４と、情報処理装置５と、ユーザ端末装置６とを備える。各装置２～６は、例えば、汎用又は専用のコンピュータ（後述の図８参照）で構成されるとともに、有線又は無線のネットワーク７に接続されて、各種のデータ（図１には一部のデータの送受信を破線の矢印にて図示）を相互に送受信可能に構成される。なお、各装置２～６の数やネットワーク７の接続構成は、図１の例に限られず、適宜変更してもよい。
　基板処理装置２は、複数のユニットで構成されて、１又は複数のウェハＷに対する一連の基板処理として、例えば、ロ―ド、研磨、洗浄、乾燥、膜厚測定、アンロード等の各処理をそれぞれ行う装置である。その際、基板処理装置２は、各ユニットにそれぞれ設定された複数の装置パラメータからなる装置設定情報２６５と、研磨処理、洗浄処理、乾燥処理の動作状態等を定める基板レシピ情報２６６とを参照しつつ、各ユニットの動作を制御する。
　基板処理装置２は、各ユニットの動作に応じて、各種のレポートＲをデータベース装置３、ユーザ端末装置６等に送信する。各種のレポートＲには、例えば、基板処理が行われたときの対象となるウェハＷを特定する工程情報、各処理が行われたときの各ユニットの状態を示す装置状態情報、基板処理装置２にて検出されたイベント情報、基板処理装置２に対するユーザ（オペレータ、生産管理者、保守管理者等）の操作情報等が含まれる。
　データベース装置３は、本生産用の仕上げ具を用いて基板処理が行われたときの履歴に関する生産履歴情報３０と、試験用の仕上げ具を用いて仕上げ処理の試験（以下、「仕上げ試験」という）が行われたときの履歴に関する仕上げ試験情報３１とを管理する装置である。なお、データベース装置３には、上記の他に、装置設定情報２６５や基板レシピ情報２６６が記憶されていてもよく、その場合には、基板処理装置２がこれらの情報を参照するようにしてもよい。
　データベース装置３は、基板処理装置２が本生産用の仕上げ具を用いて基板処理を行ったときに、基板処理装置２から各種のレポートＲを随時受信し、生産履歴情報３０に登録することで、生産履歴情報３０には、基板処理に関するレポートＲが蓄積される。
　データベース装置３は、基板処理装置２が試験用の仕上げ具を用いて仕上げ試験を行ったときに、基板処理装置２から各種のレポートＲ（装置状態情報を少なくとも含む）を随時受信し、仕上げ試験情報３１に登録するとともに、その仕上げ試験の試験結果を対応付けて登録することで、仕上げ試験情報３１には、仕上げ試験に関するレポートＲ及び試験結果が蓄積される。仕上げ試験は、本生産用の基板処理装置２で行われてもよいし、基板処理装置２と同様の仕上げ処理を再現可能な試験用の仕上げ試験装置（不図示）で行われてもよい。試験用の仕上げ具や仕上げ試験装置には、仕上げ具のコンディションとして、例えば、基板保持機構部の汚染度、摩耗度、及び、破損度を測定するための各種の仕上げ具測定機器（不図示）が設けられ、仕上げ具測定機器の測定値が、試験結果として仕上げ試験情報３１に登録される。
　機械学習装置４は、機械学習の学習フェーズの主体として動作し、例えば、データベース装置３から仕上げ試験情報３１の一部を第１の学習用データ１１Ａとして取得し、情報処理装置５にて用いられる第１の学習モデル１０Ａを機械学習により生成する。学習済みの第１の学習モデル１０Ａは、ネットワーク７や記録媒体等を介して情報処理装置５に提供される。
　情報処理装置５は、機械学習の推論フェーズの主体として動作し、機械学習装置４により生成された第１の学習モデル１０Ａを用いて、基板処理装置２による仕上げ処理が本生産用の仕上げ具に含まれる基板保持機構部を用いて行われたときに、その基板保持機構部の状態を予測し、その予測した結果である基板保持機構部状態情報をデータベース装置３、ユーザ端末装置６等に送信する。情報処理装置５が基板保持機構部状態情報を予測するタイミングとしては、仕上げ処理が行われた後（事後予測処理）でもよいし、仕上げ処理が行われている最中（リアルタイム予測処理）でもよいし、仕上げ処理が行われる前（事前予測処理）でもよい。
　ユーザ端末装置６は、ユーザが使用する端末装置であり、据置型の装置でもよいし、携帯型の装置でもよい。ユーザ端末装置６は、例えば、アプリケーションプログラム、ウェブブラウザ等の表示画面を介して各種の入力操作を受け付けるとともに、表示画面を介して各種の情報（例えば、イベントの通知、基板保持機構部状態情報、生産履歴情報３０、仕上げ試験情報３１等）を表示する。
（基板処理装置２）
　図２は、基板処理装置２の一例を示す平面図である。基板処理装置２は、平面視で略矩形状のハウジング２０の内部に、ロード／アンロードユニット２１と、研磨ユニット２２と、基板搬送ユニット２３と、仕上げユニット２４と、膜厚測定ユニット２５と、制御ユニット２６とを備えて構成される。ロード／アンロードユニット２１と、研磨ユニット２２、基板搬送ユニット２３及び仕上げユニット２４との間は、第１の隔壁２００Ａにより区画され、基板搬送ユニット２３と仕上げユニット２４との間は、第２の隔壁２００Ｂにより区画されている。
（ロード／アンロードユニット）
　ロード／アンロードユニット２１は、多数のウェハＷを上下方向に収納可能なウェハカセット（ＦＯＵＰ等）が載置される第１乃至第４のフロントロード部２１０Ａ～２１０Ｄと、ウェハカセットに収納されたウェハＷの収納方向（上下方向）に沿って上下移動可能な搬送ロボット２１１と、第１乃至第４のフロントロード部２１０Ａ～２１０Ｄの並び方向（ハウジング２０の短手方向）に沿って搬送ロボット２１１を移動させる水平移動機構部２１２とを備える。
　搬送ロボット２１１は、第１乃至第４のフロントロード部２１０Ａ～２１０Ｄの各々に載置されたウェハカセット、基板搬送ユニット２３（具体的に、後述のリフタ２３２）、仕上げユニット２４（具体的に、後述の第１及び第２の乾燥部２４Ｅ、２４Ｆ）、及び、膜厚測定ユニット２５に対してアクセス可能に構成され、それらの間でウェハＷを受け渡すための上下二段のハンド（不図示）を備える。下側ハンドは、処理前のウェハＷを受け渡すときに使用され、上側ハンドは、処理後のウェハＷを受け渡すときに使用される。基板搬送ユニット２３や仕上げユニット２４に対するウェハＷの受け渡しの際には、第１の隔壁２００Ａに設けられたシャッタ（不図示）が開閉される。
（研磨ユニット）
　研磨ユニット２２は、ウェハＷの研磨処理（平坦化）をそれぞれ行う第１乃至第４の研磨部２２Ａ～２２Ｄを備える。第１乃至第４の研磨部２２Ａ～２２Ｄは、ハウジング２０の長手方向に沿って並べられて配置される。
　図３は、第１乃至第４の研磨部２２Ａ～２２Ｄの一例を示す斜視図である。第１乃至第４の研磨部２２Ａ～２２Ｄの基本的な構成や機能は共通する。
　第１乃至第４の研磨部２２Ａ～２２Ｄの各々は、研磨面を有する研磨パッド２２００を回転可能に支持する研磨テーブル２２０と、ウェハＷを保持し、かつウェハＷを研磨テーブル２２０上の研磨パッド２２００に押圧しながら研磨するためのトップリング（研磨ヘッド）２２１と、研磨パッド２２００に研磨流体を供給する研磨流体供給ノズル２２２と、ドレッサディスク２２３０を回転可能に支持するとともにドレッサディスク２２３０を研磨パッド２２００の研磨面に接触させて研磨パッド２２００をドレッシングするドレッサ２２３と、研磨パッド２２００に洗浄流体を噴射するアトマイザ２２４とを備える。
　研磨テーブル２２０は、研磨テーブルシャフト２２０ａにより支持されて、その軸心周りに研磨テーブル２２０を回転駆動させる回転移動機構部２２０ｂと、研磨パッド２２００の表面温度を調節する温調機構部２２０ｃとを備える。
　トップリング２２１は、上下方向に移動可能なトップリングシャフト２２１ａに支持されて、その軸心周りにトップリング２２１を回転駆動させる回転移動機構部２２１ｃと、トップリング２２１を上下方向に移動させる上下移動機構部２２１ｄと、支持シャフト２２１ｂを旋回中心にしてトップリング２２１を旋回（揺動）移動させる揺動移動機構部２２１ｅとを備える。
　研磨流体供給ノズル２２２は、支持シャフト２２２ａに支持されて、支持シャフト２２２ａを旋回中心にして研磨流体供給ノズル２２２を旋回移動させる揺動移動機構部２２２ｂと、研磨流体の流量を調節する流量調節部２２２ｃと、研磨流体の温度を調節する温調機構部２２２ｄとを備える。研磨流体は、研磨液（スラリー）又は純水であり、さらに、薬液を含むものでもよいし、研磨液に分散剤を添加したものでもよい。
　ドレッサ２２３は、上下方向に移動可能なドレッサシャフト２２３ａに支持されて、その軸心周りにドレッサ２２３を回転駆動させる回転移動機構部２２３ｃと、ドレッサ２２３を上下方向に移動させる上下移動機構部２２３ｄと、支持シャフト２２３ｂを旋回中心にしてドレッサ２２３を旋回移動させる揺動移動機構部２２３ｅとを備える。
　アトマイザ２２４は、支持シャフト２２４ａに支持されて、支持シャフト２２４ａを旋回中心にしてアトマイザ２２４を旋回移動させる揺動移動機構部２２４ｂと、洗浄流体の流量を調節する流量調節部２２４ｃとを備える。洗浄流体は、液体（例えば、純水）と気体（例えば、窒素ガス）の混合流体又は液体（例えば、純水）である。
　ウェハＷは、トップリング２２１の下面に吸着保持されて、研磨テーブル２２０上の所定の研磨位置に移動された後、研磨流体供給ノズル２２２から研磨流体が供給された研磨パッド２２００の研磨面に対してトップリング２２１により押圧されることで研磨される。
（基板搬送ユニット）
　基板搬送ユニット２３は、図２に示すように、第１乃至第４の研磨部２２Ａ～２２Ｄの並び方向（ハウジング２０の長手方向）に沿って水平移動可能な第１及び第２のリニアトランスポータ２３０Ａ、２３０Ｂと、第１及び第２のリニアトランスポータ２３０Ａ、２３０Ｂの間に配置されたスイングトランスポータ２３１と、ロード／アンロードユニット２１側に配置されたリフタ２３２と、仕上げユニット２４側に配置されたウェハＷの仮置き台２３３とを備える。
　第１のリニアトランスポータ２３０Ａは、第１及び第２の研磨部２２Ａ、２２Ｂに隣接して配置されて、４つの搬送位置（ロード／アンロードユニット２１側から順に第１乃至第４の搬送位置ＴＰ１～ＴＰ４とする）の間でウェハＷを搬送する機構である。第２の搬送位置ＴＰ２は、第１の研磨部２２Ａに対してウェハＷを受け渡す位置であり、第３の搬送位置ＴＰ３は、第２の研磨部２２Ｂに対してウェハＷを受け渡す位置である。
　第２のリニアトランスポータ２３０Ｂは、第３及び第４の研磨部２２Ｃ、２２Ｄに隣接して配置されて、３つの搬送位置（ロード／アンロードユニット２１側から順に第５乃至第７の搬送位置ＴＰ５～ＴＰ７とする）の間でウェハＷを搬送する機構である。第６の搬送位置ＴＰ６は、第３の研磨部２２Ｃに対してウェハＷを受け渡す位置であり、第７の搬送位置ＴＰ７は、第４の研磨部２２Ｄに対してウェハＷを受け渡す位置である。
　スイングトランスポータ２３１は、第４及び第５の搬送位置ＴＰ４、ＴＰ５に隣接して配置されるとともに、第４及び第５の搬送位置ＴＰ４、ＴＰ５の間を移動可能なハンドを有する。スイングトランスポータ２３１は、第１及び第２のリニアトランスポータ２３０Ａ、２３０Ｂの間でウェハＷを受け渡すとともに、仮置き台２３３にウェハＷを仮置きする機構である。リフタ２３２は、第１の搬送位置ＴＰ１に隣接して配置されて、ロード／アンロードユニット２１の搬送ロボット２１１との間でウェハＷを受け渡す機構である。ウェハＷの受け渡しの際、第１の隔壁２００Ａに設けられたシャッタ（不図示）が開閉される。
（仕上げユニット）
　仕上げユニット２４は、図２に示すように、ロールスポンジ２４００を用いた基板洗浄装置として、上下二段に配置された第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂと、ペンスポンジ２４０１を用いた基板洗浄装置として、上下二段に配置された第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄと、洗浄後のウェハＷを乾燥させる基板乾燥装置として、上下二段に配置された第１及び第２の乾燥部２４Ｅ、２４Ｆと、ウェハＷを搬送する第１及び第２の搬送部２４Ｇ、２４Ｈとを備える。なお、ロールスポンジ洗浄部２４Ａ、２４Ｂ、ペンスポンジ洗浄部２４Ｃ、２４Ｄ、乾燥部２４Ｅ、２４Ｆ、及び、搬送部２４Ｇ、２４Ｈの数や配置は、図２の例に限られず、適宜変更してもよい。
　仕上げユニット２４の各部２４Ａ～２４Ｈは、それぞれが区画された状態で第１及び第２のリニアトランスポータ２３０Ａ、２３０Ｂに沿って、例えば、第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂ、第１の搬送部２４Ｇ、第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄ、第２の搬送部２４Ｈ、及び、第１及び第２の乾燥部２４Ｅ、２４Ｆの順（ロード／アンロードユニット２１から遠い順）に配置される。仕上げユニット２４は、研磨処理後のウェハＷに対して、第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂのいずれかによる一次洗浄処理、第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄのいずれかによる二次洗浄処理、及び、第１及び第２の乾燥部２４Ｅ、２４Ｆのいずれかによる乾燥処理を順に行う。
　ロールスポンジ２４００及びペンスポンジ２４０１は、ＰＶＡ、ナイロン等の合成樹脂で形成され、多孔質構造を有する。ロールスポンジ２４００及びペンスポンジ２４０１は、ウェハＷをスクラブ洗浄するための洗浄具として機能し、第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂ、並びに、第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄに交換可能にそれぞれ取り付けられる。
　第１の搬送部２４Ｇは、上下方向に移動可能な第１の搬送ロボット２４６Ａを備える。第１の搬送ロボット２４６Ａは、基板搬送ユニット２３の仮置き台２３３、第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂ、並びに、第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄに対してアクセス可能に構成され、それらの間でウェハＷを受け渡すための上下二段のハンドを備える。例えば、下側ハンドは、洗浄前のウェハＷを受け渡すときに使用され、上側ハンドは、洗浄後のウェハＷを受け渡すときに使用される。仮置き台２３３に対するウェハＷの受け渡しの際には、第２の隔壁２００Ｂに設けられたシャッタ（不図示）が開閉される。
　第２の搬送部２４Ｈは、上下方向に移動可能な第２の搬送ロボット２４６Ｂを備える。第２の搬送ロボット２４６Ｂは、第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄ、並びに、第１及び第２の乾燥部２４Ｅ、２４Ｆに対してアクセス可能に構成され、それらの間でウェハＷを受け渡すためのハンドを備える。
　図４は、第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂの一例を示す斜視図である。第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂの基本的な構成や機能は共通する。図４の例では、第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂは、ウェハＷの被洗浄面（表面及び裏面）を挟み込むように、上下に配置された一対のロールスポンジ２４００を有する。
　第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂの各々は、ウェハＷを保持する基板保持部２４１と、ウェハＷに基板洗浄流体を供給する洗浄流体供給部２４２と、ロールスポンジ２４００を回転可能に支持するとともにロールスポンジ２４００をウェハＷに接触させてウェハＷを洗浄する基板洗浄部２４０と、ロールスポンジ２４００を洗浄具洗浄流体にて洗浄（セルフクリーニング）する洗浄具洗浄部２４３と、洗浄処理が行われるハウジング２０の内部空間の状態を測定する環境センサ２４４とを備える。
　基板保持部２４１は、ウェハＷの側縁部の複数個所を保持する基板保持機構部２４１ａと、ウェハＷの被洗浄面に垂直な第３の回転軸周りにウェハＷを回転させる基板回転機構部２４１ｂとを備える。図４の例では、基板保持機構部２４１ａは、４つのローラであり、少なくとも１つのローラは、ウェハＷの側縁部に対して保持方向又は離間方向に移動可能に構成される。基板回転機構部２４１ｂは、２つの駆動ローラである。図４の例では、基板回転機構部２４１ｂを構成する駆動ローラは、ウェハＷを保持する基板保持機構部２４１ａを兼ねている。なお、基板保持部２４１は、複数のローラで構成される基板保持機構部２４１ａと、少なくとも１つの駆動ローラで構成される基板回転機構部２４１ｂでよい。
　洗浄流体供給部２４２は、ウェハＷの被洗浄面に基板洗浄流体を供給する洗浄流体供給ノズル２４２ａと、洗浄流体供給ノズル２４２ａを旋回移動させる揺動移動機構部２４２ｂと、基板洗浄流体の流量及び圧力を調節する流量調節部２４２ｃと、基板洗浄流体の温度を調節する温調機構部２４２ｄとを備える。基板洗浄流体は、純水（リンス液）及び薬液のいずれでもよく、洗浄流体供給ノズル２４２ａは、図４に示すように、純水用のノズルと、薬液用のノズルとが別々に設けられていてもよい。また、基板洗浄流体は、液体でもよいし、液体及び気体を混合させた二流体でもよいし、ドライアイスのような固体を含むものでもよい。
　基板洗浄部２４０は、ウェハＷの被洗浄面に平行な第１の回転軸周りにロールスポンジ２４００を回転させる洗浄具回転機構部２４０ａと、一対のロールスポンジ２４００の高さ及び両者の離間距離を変更するため、一対のロールスポンジ２４００の少なくとも一方を上下方向に移動させる上下移動機構部２４０ｂと、一対のロールスポンジ２４００を水平方向に直線移動させる直線移動機構部２４０ｃとを備える。上下移動機構部２４０ｂ及び直線移動機構部２４０ｃは、ロールスポンジ２４００とウェハＷの被洗浄面との相対位置を移動させる洗浄具移動機構部として機能する。
　洗浄具洗浄部２４３は、ウェハＷと干渉しない位置に配置されて、洗浄具洗浄流体を貯留及び排出可能な洗浄具洗浄槽２４３ａと、洗浄具洗浄槽２４３ａに収容されて、ロールスポンジ２４００が押し付けられる洗浄具洗浄板２４３ｂと、洗浄具洗浄槽２４３ａに供給される洗浄具洗浄流体の流量及び圧力を調節する流量調節部２４３ｃと、ロールスポンジ２４００の内側を流通し、ロールスポンジ２４００の外周面から外部に排出される洗浄具洗浄流体の流量及び圧力を調節する流量調節部２４３ｄとを備える。洗浄具洗浄流体は、純水（リンス液）及び薬液のいずれでもよい。
　環境センサ２４４は、例えば、温度センサ２４４ａと、湿度センサ２４４ｂとを備える。なお、環境センサ２４４として、洗浄処理中や洗浄処理の前後に、ウェハＷやロールスポンジ２４００の表面等を撮影可能なカメラ（イメージセンサ）を備えていてもよい。
　第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂによる一次洗浄処理では、ウェハＷは、基板保持機構部２４１ａにより保持された状態で基板回転機構部２４１ｂにより回転される。そして、洗浄流体供給ノズル２４２ａからウェハＷの被洗浄面に基板洗浄流体が供給された状態で、洗浄具回転機構部２４０ａにより軸心周りに回転されたロールスポンジ２４００がウェハＷの被洗浄面に摺接することでウェハＷは洗浄される。その後、基板洗浄部２４０が、ロールスポンジ２４００を洗浄具洗浄槽２４３ａに移動させて、例えば、ロールスポンジ２４００を回転させたり、洗浄具洗浄板２４３ｂに押し付けたり、流量調節部２４３ｄにより洗浄具洗浄流体をロールスポンジ２４００に供給することで、ロールスポンジ２４００は洗浄される。
　図５は、第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄの一例を示す斜視図である。第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄの基本的な構成や機能は共通する。
　第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄの各々は、ウェハＷを保持する基板保持部２４１と、ウェハＷに基板洗浄流体を供給する洗浄流体供給部２４２と、ペンスポンジ２４０１を回転可能に支持するとともにペンスポンジ２４０１をウェハＷに接触させてウェハＷを洗浄する基板洗浄部２４０と、ペンスポンジ２４０１を洗浄具洗浄流体にて洗浄（セルフクリーニング）する洗浄具洗浄部２４３と、洗浄処理が行われるハウジング２０の内部空間の状態を測定する環境センサ２４４とを備える。以下では、ペンスポンジ洗浄部２４Ｃ、２４Ｄについて、ロールスポンジ洗浄部２４Ａ、２４Ｂと異なる部分を中心に説明する。
　基板保持部２４１は、ウェハＷの側縁部の複数個所を保持する基板保持機構部２４１ｃと、ウェハＷの被洗浄面に垂直な第３の回転軸周りにウェハＷを回転させる基板回転機構部２４１ｄとを備える。図５の例では、基板保持機構部２４１ｃは、４つのローラであり、少なくとも１つのローラは、ウェハＷの側縁部に対して保持方向又は離間方向に移動可能に構成され、基板回転機構部２４１ｄは、２つの駆動ローラである。図５の例では、基板回転機構部２４１ｂを構成する駆動ローラは、ウェハＷを保持する基板保持機構部２４１ａを兼ねている。なお、基板保持部２４１は、複数のローラで構成される基板保持機構部２４１ｃと、少なくとも１つの駆動ローラで構成される基板回転機構部２４１ｄでよい。
　洗浄流体供給部２４２は、図４と同様に構成されており、洗浄流体供給ノズル２４２ａ、揺動移動機構部２４２ｂ、流量調節部２４２ｃ、及び、温調機構部２４２ｄを備える。
　基板洗浄部２４０は、ウェハＷの被洗浄面に垂直な第２の回転軸周りにペンスポンジ２４０１を回転させる洗浄具回転機構部２４０ｄと、ペンスポンジ２４０１を上下方向に移動させる上下移動機構部２４０ｅと、ペンスポンジ２４０１を水平方向に旋回移動させる揺動移動機構部２４０ｆとを備える。上下移動機構部２４０ｅ及び揺動移動機構部２４０ｆは、ペンスポンジ２４０１とウェハＷの被洗浄面との相対位置を移動させる洗浄具移動機構部として機能する。
　洗浄具洗浄部２４３は、ウェハＷと干渉しない位置に配置されて、洗浄具洗浄流体を貯留及び排出可能な洗浄具洗浄槽２４３ｅと、洗浄具洗浄槽２４３ｅに収容されて、ペンスポンジ２４０１が押し付けられる洗浄具洗浄板２４３ｆと、洗浄具洗浄槽２４３ｅに供給される洗浄具洗浄流体の流量及び圧力を調節する流量調節部２４３ｇと、ペンスポンジ２４０１の内側を流通し、ペンスポンジ２４０１の外表面から外部に排出される洗浄具洗浄流体の流量及び圧力を調節する流量調節部２４３ｈとを備える。
　環境センサ２４４は、例えば、温度センサ２４４ａと、湿度センサ２４４ｂとを備える。なお、環境センサ２４４として、洗浄処理中や洗浄処理の前後に、ウェハＷやペンスポンジ２４０１の表面等を撮影可能なカメラ（イメージセンサ）を備えていてもよい。
　第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄによる二次洗浄処理では、ウェハＷは、基板保持機構部２４１ｃにより保持された状態で基板回転機構部２４１ｄにより回転される。そして、洗浄流体供給ノズル２４２ａからウェハＷの被洗浄面に基板洗浄流体が供給された状態で、洗浄具回転機構部２４０ｄにより軸心周りに回転されたペンスポンジ２４０１がウェハＷの被洗浄面に摺接することでウェハＷは洗浄される。その後、基板洗浄部２４０が、ペンスポンジ２４０１を洗浄具洗浄槽２４３ｅに移動させて、例えば、ペンスポンジ２４０１を回転させたり、洗浄具洗浄板２４３ｆに押し付けたり、流量調節部２４３ｈにより洗浄具洗浄流体をペンスポンジ２４０１に供給することで、ペンスポンジ２４０１は洗浄される。
　図６は、第１及び第２の乾燥部２４Ｅ、２４Ｆの一例を示す斜視図である。第１及び第２の乾燥部２４Ｅ、２４Ｆの基本的な構成や機能は共通する。
　第１及び第２の乾燥部２４Ｅ、２４Ｆの各々は、ウェハＷを保持する基板保持部２４１と、ウェハＷに基板乾燥流体を供給する乾燥流体供給部２４５と、乾燥処理が行われるハウジング２０の内部空間の状態を測定する環境センサ２４４とを備える。
　基板保持部２４１は、ウェハＷの側縁部の複数個所を保持する基板保持機構部２４１ｅと、ウェハＷの被洗浄面に垂直な第３の回転軸周りにウェハＷを回転させる基板回転機構部２４１ｇとを備える。基板保持機構部２４１ｅは、一端を上下方向に移動する上下移動機構部２４１ｆに対して水平軸を中心として回動するように設置され、他端をウェハＷの周縁部に対して接離可能なチャック等の把持部に形成される。基板保持機構部２４１ｅは、上下移動機構２４１ｆの上下方向への移動に伴い、把持部がウェハＷに対して当接又は分離方向に移動する傘機構を構成する。なお、把持部は、ローラで構成してもよい。
　乾燥流体供給部２４５は、ウェハＷの被洗浄面に基板乾燥流体を供給する乾燥流体供給ノズル２４５ａと、乾燥流体供給ノズル２４５ａを上下方向に移動させる上下移動機構部２４５ｂと、乾燥流体供給ノズル２４５ａを水平方向に旋回移動させる揺動移動機構部２４５ｃと、基板乾燥流体の流量及び圧力を調節する流量調節部２４５ｄと、基板乾燥流体の温度を調節する温調機構部２４５ｅとを備える。上下移動機構部２４５ｂ及び揺動移動機構部２４５ｃは、乾燥流体供給ノズル２４５ａとウェハＷの被洗浄面との相対位置を移動させる乾燥流体供給ノズル移動機構部として機能する。基板乾燥流体は、例えば、ＩＰＡ蒸気及び純水（リンス液）であり、乾燥流体供給ノズル２４５ａは、図６に示すように、ＩＰＡ蒸気用のノズルと、純水用のノズルとが別々に設けられていてもよい。また、基板乾燥流体は、液体でもよいし、液体及び気体を混合させた二流体でもよいし、ドライアイスのような固体を含むものでもよい。
　環境センサ２４４は、温度センサ２４４ａと、湿度センサ２４４ｂとを備える。なお、環境センサ２４４として、乾燥処理中や乾燥処理の前後に、ウェハＷの表面等を撮影可能なカメラ（イメージセンサ）を備えていてもよい。
　第１及び第２の乾燥部２４Ｅ、２４Ｆによる乾燥処理では、ウェハＷは、基板保持機構部２４１ｅにより保持された状態で基板回転機構部２４１ｇにより回転される。そして、乾燥流体供給ノズル２４５ａからウェハＷの被洗浄面に基板乾燥流体が供給された状態で、乾燥流体供給ノズル２４５ａがウェハＷの側縁部側（径方向外側）に移動される。その後、ウェハＷは、基板回転機構部２４１ｅにより高速回転されることでウェハＷが乾燥される。
　なお、図４乃至図６では、基板保持機構部２４１ａ、２４１ｃ、２４１ｅ、基板回転機構部２４１ｂ、２４１ｄ、２４１ｇ、上下移動機構部２４０ｂ、２４０ｅ、２４１ｆ、２４５ｂ、直線移動機構部２４０ｃ、揺動移動機構部２４０ｆ、２４２ｂ、２４５ｃ、洗浄具回転機構部２４０ａ、２４０ｄの具体的な構成を省略しているが、例えば、モータ、エアシリンダ等の駆動力発生用のモジュールと、リニアガイド、ボールねじ、ギヤ、ベルト、カップリング、軸受等の駆動力伝達機構と、リニアセンサ、エンコーダセンサ、リミットセンサ、トルクセンサ等のセンサとを適宜組み合わせて構成される。
　また、図４乃至図６では、流量調節部２４３ｃ、２４３ｄ、２４３ｇ、２４３ｈ、２４５ｄの具体的な構成を省略しているが、例えば、ポンプ、バルブ、レギュレータ等の流体調節用のモジュールと、流量センサ、圧力センサ、液面センサ等のセンサとを適宜組み合わせて構成される。図４乃至図６では、温調機構部２４２ｄ、２４５ｅの具体的な構成を省略しているが、例えば、ヒータ、熱交換器等の温度調節用（接触式又は非接触式）のモジュールと、温度センサ、電流センサ等のセンサとを適宜組み合わせて構成される。
（膜厚測定ユニット）
　膜厚測定ユニット２５は、研磨処理前又は研磨処理後のウェハＷの膜厚を測定する測定器であり、例えば、光学式膜厚測定器、渦電流式膜厚測定器等で構成される。各膜厚測定モジュールに対するウェハＷの受け渡しは、搬送ロボット２１１により行われる。
（制御ユニット）
　図７は、基板処理装置２の一例を示すブロック図である。制御ユニット２６は、各ユニット２１～２５と電気的に接続されて、各ユニット２１～２５を統括的に制御する制御部として機能する。以下では、仕上げユニット２４の制御系（モジュール、センサ、シーケンサ）を例にして説明するが、他のユニット２１～２３、２５も基本的な構成や機能は共通するため、説明を省略する。
　仕上げユニット２４は、仕上げユニット２４が備える各サブユニット（例えば、第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂ、第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄ、第１及び第２の乾燥部２４Ｅ、２４Ｆ、第１及び第２の搬送部２４Ｇ、２４Ｈ等）にそれぞれ配置されて、制御対象となる複数のモジュール２４７１～２４７ｒと、複数のモジュール２４７１～２４７ｒにそれぞれ配置されて、各モジュール２４７１～２４７ｒの制御に必要なデータ（検出値）を検出する複数のセンサ２４８１～２４８ｓと、各センサ２４８１～２４８ｓの検出値に基づいて各モジュール２４７１～２４７ｒの動作を制御するシーケンサ２４９とを備える。
　仕上げユニット２４のセンサ２４８１～２４８ｓには、例えば、ウェハＷ自体の回転数を検出するセンサ、ウェハＷに形成された被計測部のカウント数を検出するセンサ、基板回転機構部２４１ｂ、２４１ｄ、２４１ｇの回転数を検出するセンサ、基板回転機構部２４１ｂ、２４１ｄ、２４１ｇの回転トルクを検出するセンサ、基板保持機構部２４１ａ、２４１ｃ、２４１ｅのウェハＷを保持する位置座標を検出するセンサ、上下移動機構部２４１ｆの移動距離を検出するセンサ、基板保持機構部２４１ａ、２４１ｃ、２４１ｅが基板を保持するときの保持荷重又は圧力を検出するセンサ、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの回転数を検出するセンサ、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの回転速度を検出するセンサ、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの回転トルクを検出するセンサ、上下移動機構２４１ｆの移動距離を検出するセンサ等が含まれる。
　制御ユニット２６は、制御部２６０、通信部２６１、入力部２６２、出力部２６３、及び、記憶部２６４を備える。制御ユニット２６は、例えば、汎用又は専用のコンピュータ（後述の図８参照）で構成される。
　通信部２６１は、ネットワーク７に接続され、各種のデータを送受信する通信インターフェースとして機能する。入力部２６２は、各種の入力操作を受け付けるとともに、出力部２６３は、表示画面、シグナルタワー点灯、ブザー音を介して各種の情報を出力することで、ユーザインターフェースとして機能する。
　記憶部２６４は、基板処理装置２の動作で使用される各種のプログラム（オペレーティングシステム（ＯＳ）、アプリケーションプログラム、ウェブブラウザ等）やデータ（装置設定情報２６５、基板レシピ情報２６６等）を記憶する。装置設定情報２６５及び基板レシピ情報２６６は、表示画面を介してユーザにより編集可能なデータである。
　制御部２６０は、複数のシーケンサ２１９、２２９、２３９、２４９、２５９（以下、「シーケンサ群」という）を介して複数のセンサ２１８１～２１８ｑ、２２８１～２２８ｓ、２３８１～２３８ｕ、２４８１～２４８ｗ、２５８１～２５８ｙ（以下、「センサ群」という）の検出値を取得するとともに、複数のモジュール２１７１～２１７ｐ、２２７１～２２７ｒ、２３７１～２３７ｔ、２４７１～２４７ｖ、２５７１～２５７ｘ（以下、「モジュール群」という）を連携して動作させることで、ロ―ド、研磨、洗浄、乾燥、膜厚測定、アンロード等の一連の基板処理を行う。
（各装置のハードウエア構成）
　図８は、コンピュータ９００の一例を示すハードウエア構成図である。基板処理装置２の制御ユニット２６、データベース装置３、機械学習装置４、情報処理装置５、及び、ユーザ端末装置６の各々は、汎用又は専用のコンピュータ９００により構成される。
　コンピュータ９００は、図８に示すように、その主要な構成要素として、バス９１０、プロセッサ９１２、メモリ９１４、入力デバイス９１６、出力デバイス９１７、表示デバイス９１８、ストレージ装置９２０、通信Ｉ／Ｆ（インターフェース）部９２２、外部機器Ｉ／Ｆ部９２４、Ｉ／Ｏ（入出力）デバイスＩ／Ｆ部９２６、及び、メディア入出力部９２８を備える。なお、上記の構成要素は、コンピュータ９００が使用される用途に応じて適宜省略されてもよい。
　プロセッサ９１２は、１つ又は複数の演算処理装置（ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＭＰＵ（Ｍｉｃｒｏ－ｐｒｏｃｅｓｓｉｎｇ　ｕｎｉｔ）、ＤＳＰ（ｄｉｇｉｔａｌ　ｓｉｇｎａｌ　ｐｒｏｃｅｓｓｏｒ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）等）で構成され、コンピュータ９００全体を統括する制御部として動作する。メモリ９１４は、各種のデータ及びプログラム９３０を記憶し、例えば、メインメモリとして機能する揮発性メモリ（ＤＲＡＭ、ＳＲＡＭ等）と、不揮発性メモリ（ＲＯＭ）、フラッシュメモリ等とで構成される。
　入力デバイス９１６は、例えば、キーボード、マウス、テンキー、電子ペン等で構成され、入力部として機能する。出力デバイス９１７は、例えば、音（音声）出力装置、バイブレーション装置等で構成され、出力部として機能する。表示デバイス９１８は、例えば、液晶ディスプレイ、有機ＥＬディスプレイ、電子ペーパー、プロジェクタ等で構成され、出力部として機能する。入力デバイス９１６及び表示デバイス９１８は、タッチパネルディスプレイのように、一体的に構成されていてもよい。ストレージ装置９２０は、例えば、ＨＤＤ、ＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）等で構成され、記憶部として機能する。ストレージ装置９２０は、オペレーティングシステムやプログラム９３０の実行に必要な各種のデータを記憶する。
　通信Ｉ／Ｆ部９２２は、インターネットやイントラネット等のネットワーク９４０（図１のネットワーク７と同じであってもよい）に有線又は無線により接続され、所定の通信規格に従って他のコンピュータとの間でデータの送受信を行う通信部として機能する。外部機器Ｉ／Ｆ部９２４は、カメラ、プリンタ、スキャナ、リーダライタ等の外部機器９５０に有線又は無線により接続され、所定の通信規格に従って外部機器９５０との間でデータの送受信を行う通信部として機能する。Ｉ／ＯデバイスＩ／Ｆ部９２６は、各種のセンサ、アクチュエータ等のＩ／Ｏデバイス９６０に接続され、Ｉ／Ｏデバイス９６０との間で、例えば、センサによる検出信号やアクチュエータへの制御信号等の各種の信号やデータの送受信を行う通信部として機能する。メディア入出力部９２８は、例えば、ＤＶＤドライブ、ＣＤドライブ等のドライブ装置で構成され、ＤＶＤ、ＣＤ等のメディア（非一時的な記憶媒体）９７０に対してデータの読み書きを行う。
　上記構成を有するコンピュータ９００において、プロセッサ９１２は、ストレージ装置９２０に記憶されたプログラム９３０をメモリ９１４に呼び出して実行し、バス９１０を介してコンピュータ９００の各部を制御する。なお、プログラム９３０は、ストレージ装置９２０に代えて、メモリ９１４に記憶されていてもよい。プログラム９３０は、インストール可能なファイル形式又は実行可能なファイル形式でメディア９７０に記録され、メディア入出力部９２８を介してコンピュータ９００に提供されてもよい。プログラム９３０は、通信Ｉ／Ｆ部９２２を介してネットワーク９４０経由でダウンロードすることによりコンピュータ９００に提供されてもよい。また、コンピュータ９００は、プロセッサ９１２がプログラム９３０を実行することで実現する各種の機能を、例えば、ＦＰＧＡ、ＡＳＩＣ等のハードウエアで実現するものでもよい。
　コンピュータ９００は、例えば、据置型コンピュータや携帯型コンピュータで構成され、任意の形態の電子機器である。コンピュータ９００は、クライアント型コンピュータでもよいし、サーバ型コンピュータやクラウド型コンピュータでもよい。コンピュータ９００は、各装置２～６以外の装置にも適用されてもよい。
（生産履歴情報３０）
　図９は、データベース装置３により管理される生産履歴情報３０の一例を示すデータ構成図である。生産履歴情報３０は、本生産用の基板処理が行われたときに取得されたレポートＲが分類されて登録されるテーブルとして、例えば、各ウェハＷに関するウェハ履歴テーブル３００と、仕上げ処理における装置状態情報に関する仕上げ履歴テーブル３０１とを備える。なお、仕上げ履歴テーブル３０１は、洗浄処理における装置状態情報に関する洗浄履歴テーブル及び乾燥処理における装置状態情報に関する乾燥履歴デーブルを含む。また、生産履歴情報３０は、上記の他に、研磨処理における装置状態情報に関する研磨履歴テーブル、イベント情報に関するイベント履歴テーブル及び操作情報に関する操作履歴テーブル等を備えるが、詳細な説明は省略する。
　ウェハ履歴テーブル３００の各レコードには、例えば、ウェハＩＤ、カセット番号、スロット番号、各工程の開始時刻、終了時刻、使用ユニットＩＤ等が登録される。なお、図９では、研磨工程、洗浄工程、乾燥工程が例示されているが、他の工程についても同様に登録される。
　仕上げ履歴テーブル３０１の各レコードには、例えば、ウェハＩＤ、基板回転状態情報を構成する基板回転速度情報及び基板回転トルク情報、基板保持位置情報、基板押付荷重情報等が登録される。
　基板回転速度情報は、仕上げ処理におけるウェハＷの回転速度を示す情報である。基板回転速度情報は、例えば、ウェハＷ自体の回転速度を計測するセンサの検出値、ウェハＷに形成又は設置されたノッチ等の被計側部を用いて回転数を計測するセンサの検出値、ウェハＷを回転させる基板回転機構部２４１ｂ、２４１ｄ、２４１ｇの回転数を計測するセンサの検出値等である。
　基板回転トルク情報は、仕上げ処理におけるウェハＷ自体の回転トルクを示す情報である。基板回転トルク情報は、例えば、ウェハＷを回転させる基板回転機構部２４１ｂ、２４１ｄ、２４１ｇのトルクを計測するセンサの検出値等である。
　基板保持位置情報は、基板保持機構部２４１ａ、２４１ｃ、２４１ｅがウェハＷを保持する位置の座標等を示す情報である。基板保持位置情報は、予め設定した位置座標において、予め設定された基準となるウェハＷを保持する位置からの水平方向の位置ずれを測定したものであってもよい。基板保持位置情報は、例えば、基板保持機構部２４１ａ、２４１ｃ、２４１ｅがウェハＷを保持する位置を計測するセンサの検出値等である。なお、傘機構を用いる場合には、基板保持位置情報は、上下移動機構部２４１ｆの移動距離を測定してもよい。また、基板保持位置情報は、基板保持機構部２４１ａ、２４１ｃ、２４１ｅが予め設定された基準となるウェハＷを保持する位置からの上下方向の位置ずれを測定したものであってもよい。
　基板押付荷重情報は、基板保持機構部２４１ａ、２４１ｃ、２４１ｅがウェハＷを押し付ける荷重を示す情報である。基板押付荷重情報は、ロードセルを用いて荷重を測定してもよく、ウェハＷの押し付けに空気を用いる場合にはこの空気の空気圧を測定してもよい。
　仕上げ履歴テーブル３０１を参照することで、ウェハＩＤで特定されるウェハＷに対して仕上げ処理が行われたときの基板処理装置２の装置状態として、各センサの時系列データ（又は各モジュールの時系列データ）が抽出可能である。
（仕上げ試験情報３１）
　図１０は、データベース装置３により管理される仕上げ試験情報３１の一例を示すデータ構成図である。仕上げ試験情報３１は、試験用の基板保持部や仕上げ試験装置を用いて仕上げ試験が行われたときに取得されたレポートＲ及び試験結果が分類されて登録される仕上げ試験テーブル３１０を備える。
　仕上げ試験テーブル３１０の各レコードには、例えば、試験ＩＤ、基板回転状態情報を構成する基板回転速度情報及び基板回転トルク情報、基板保持位置情報、基板押付荷重情報、試験結果情報等が登録される。仕上げ試験テーブル３１０の基板回転状態情報を構成する基板回転速度情報及び基板回転トルク情報、基板保持位置情報、及び、基板押付荷重情報、は、仕上げ試験における各部の状態を示す情報であり、そのデータ構成は、仕上げ履歴テーブル３０１と同様であるため、詳細な説明を省略する。
　試験結果情報は、仕上げ試験において仕上げ処理が行われたときの試験用の基板保持機構部の状態を示す情報である。試験結果情報は、試験用の基板保持機構部や基板保持機構部試験装置に設けられた基板保持機構部測定機器により所定の時間間隔でサンプリングされた測定値である。図１０に示す試験結果情報は、仕上げ処理を開始してから終了するまでの仕上げ処理期間に含まれる各時刻ｔ１，ｔ２，…，…ｔｍ，…，ｔｎにおける汚染度、摩耗度、及び、破損度の各測定値ＴＲ１、ＴＲ２、ＴＲ３をそれぞれ含む。
　なお、試験結果情報は、上記のように、基板保持機構部測定機器による測定結果である測定値でもよいし、光学式顕微鏡や走査電子顕微鏡（ＳＥＭ）に搭載されたカメラにより試験用の基板保持機構部を所定の時間間隔で撮影し、その撮影した各画像に対して画像処理を行った画像処理結果や実験者が解析した実験解析結果に基づくものでもよい。また、試験結果情報は、仕上げ処理を開始してから終了するまでを連続して行った１回の仕上げ試験にて収集されたものでもよいし、仕上げ処理を開始してから所定の時刻に到達するまでの仕上げ試験を所定の時刻を徐々に長くしながら繰り返し行うことで、複数回の仕上げ試験にて収集されたものでもよい。
　仕上げ試験テーブル３１０を参照することで、試験ＩＤで特定される仕上げ試験において、試験用の基板保持部を用いて仕上げ処理が行われたときの基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を示す時系列データ（又は各モジュールの時系列データ）と、そのときの試験用の基板保持機構部の状態を示す時系列データとが抽出可能である。
（機械学習装置４）
　図１１は、第１の実施形態に係る機械学習装置４の一例を示すブロック図である。機械学習装置４は、制御部４０、通信部４１、学習用データ記憶部４２、及び、学習済みモデル記憶部４３を備える。
　制御部４０は、学習用データ取得部４００及び機械学習部４０１として機能する。通信部４１は、ネットワーク７を介して外部装置（例えば、基板処理装置２、データベース装置３、情報処理装置５、及び、ユーザ端末装置６、仕上げ試験装置（不図示）等）と接続され、各種のデータを送受信する通信インターフェースとして機能する。
　学習用データ取得部４００は、通信部４１及びネットワーク７を介して外部装置と接続され、入力データとしての動作状態情報と、出力データとしての基板保持機構部状態情報とで構成される第１の学習用データ１１Ａを取得する。第１の学習用データ１１Ａは、教師あり学習における教師データ（トレーニングデータ）、検証データ及びテストデータとして用いられるデータである。また、基板保持機構部状態情報は、教師あり学習における正解ラベルとして用いられるデータである。
　学習用データ記憶部４２は、学習用データ取得部４００で取得した第１の学習用データ１１Ａを複数組記憶するデータベースである。なお、学習用データ記憶部４２を構成するデータベースの具体的な構成は適宜設計すればよい。
　機械学習部４０１は、学習用データ記憶部４２に記憶された複数組の第１の学習用データ１１Ａを用いて機械学習を実施する。すなわち、機械学習部４０１は、第１の学習モデル１０Ａに第１の学習用データ１１Ａを複数組入力し、第１の学習用データ１１Ａに含まれる動作状態情報と基板保持機構部状態情報との相関関係を第１の学習モデル１０Ａに学習させることで、学習済みの第１の学習モデル１０Ａを生成する。
　学習済みモデル記憶部４３は、機械学習部４０１により生成された学習済みの第１の学習モデル１０Ａ（具体的には、調整済みの重みパラメータ群）を記憶するデータベースである。学習済みモデル記憶部４３に記憶された学習済みの第１の学習モデル１０Ａは、ネットワーク７や記録媒体等を介して実システム（例えば、情報処理装置５）に提供される。なお、図１１では、学習用データ記憶部４２と、学習済みモデル記憶部４３とが別々の記憶部として示されているが、これらは単一の記憶部で構成されてもよい。
　なお、学習済みモデル記憶部４３に記憶される第１の学習モデル１０Ａの数は１つに限定されず、例えば、機械学習の手法、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの種類、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの機構の違い、動作状態情報に含まれるデータの種類、基板保持機構部状態情報に含まれるデータの種類等のように、条件が異なる複数の学習モデルが記憶されてもよい。その場合には、学習用データ記憶部４２には、条件が異なる複数の学習モデルにそれぞれ対応するデータ構成を有する複数種類の学習用データが記憶されればよい。
　図１２は、第１の学習モデル１０Ａ及び第１の学習用データ１１Ａの一例を示す図である。第１の学習モデル１０Ａの機械学習に用いられる第１の学習用データ１１Ａは、動作状態情報と基板保持機構部状態情報（コンディション情報）とで構成される。本実施形態では、第１の学習モデル１０Ａ及び第１の学習用データ１１Ａは、ロールスポンジ２４００を用いたロールスポンジ洗浄部２４Ａ、２４Ｂに対応するものと、ペンスポンジ２４０１を用いたペンスポンジ洗浄部２４Ｃ、２４Ｄに対応するものと、乾燥部２４Ｅ、２４Ｆに対応するものとの３種類が少なくとも用意されるが、基本的なデータ構成は共通するため、以下にまとめて説明する。
　第１の学習用データ１１Ａを構成する動作状態情報は、ウェハＷの回転状態を示す基板回転状態情報、基板保持機構部２４１ａ、２４１ｃ、２４１ｅがウェハＷを保持する位置を示す基板保持位置情報、及び基板保持機構部２４１ａ、２４１ｃ、２４１ｅがウェハＷを押し付ける荷重を示す基板押付荷重情報を含む。
　動作状態情報に含まれる基板回転状態情報は、ウェハＷの回転速度を示す基板回転速度情報、及び、ウェハＷの回転トルクを示す基板回転トルク情報を含む。基板回転速度情報は、ウェハＷの回転速度を示す情報である。基板回転速度情報は、例えば、ウェハＷ自体の回転速度、ウェハＷに形成又は設置されたノッチ等の被計側部のカウント数、ウェハＷを回転させる基板回転機構部２４１ｂ、２４１ｄ、２４１ｇの回転数でよい。基板回転トルク情報は、例えば、ウェハＷを回転する基板回転機構部２４１ｂ、２４１ｄ、２４１ｇのトルクでよい。
　動作状態情報に含まれる基板保持位置情報は、基板保持機構部２４１ａ、２４１ｃ、２４１ｅがウェハＷを保持する位置を含む。基板保持位置情報は、例えば、ウェハＷの回転中心又はウェハＷを保持する保持位置等を中心として位置座標を設定し、当初の保持位置との水平方向の位置ずれの距離で示してもよいし、予め設定された基準となるウェハＷを保持する位置からの水平方向の位置ずれを測定したものであってもよい。なお、基板保持位置情報は、傘機構を用いる場合には、上下移動機構部２４１ｆの移動距離を測定してもよい。また、基板保持位置情報は、基板保持機構部２４１ａ、２４１ｃ、２４１ｅが予め設定された基準となるウェハＷを保持する位置からの上下方向の位置ずれを測定したものであってもよい。
　動作状態情報に含まれる基板押付荷重情報は、基板保持機構部２４１ａ、２４１ｃ、２４１ｅがウェハＷを押し付ける荷重を含む。基板押付荷重情報は、ロードセルを用いて押付荷重を測定してもよく、ウェハＷを押し付けるために空気を用いる場合には空気圧を測定してもよい。
　なお、動作状態情報は、仕上げ処理が行われる空間の環境を示す装置内環境情報をさらに含むものでもよく、動作状態情報に含まれる装置内環境情報は、ハウジング２０により形成された内部空間の温度、及び、湿度の少なくとも１つを含む。また、動作状態情報は、仕上げ処理の実績を示す処理実績情報をさらに含むものでもよく、動作状態情報に含まれる処理実績情報は、例えば、基板保持機構部２４１ａ、２４１ｃ、２４１ｅが交換されてからその基板保持機構部２４１ａ、２４１ｃ、２４１ｅを用いて仕上げ処理が行われたときのウェハＷの累積使用枚数、及び、累積使用時間の少なくとも１つを含む。
　第１の学習用データ１１Ａを構成する基板保持機構部状態情報は、動作状態情報が示す動作状態にて基板処理装置２が動作したときの基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を示す情報である。本実施形態では、基板保持機構部状態情報は、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの汚染度、摩耗度、破損度、の少なくとも１つを含む。
　学習用データ取得部４００は、仕上げ試験情報３１を参照するとともに、必要に応じてユーザ端末装置６によるユーザの入力操作を受け付けることで、第１の学習用データ１１Ａを取得する。例えば、学習用データ取得部４００は、仕上げ試験情報３１の仕上げ試験テーブル３１０を参照することで、試験ＩＤで特定される仕上げ試験が行われたときの基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を、動作状態情報として取得する。
　なお、本実施形態では、動作状態情報を、図１２に示すようなセンサ群の時系列データとして取得する場合について説明するが、基板保持部２４１の構成に応じて適宜変更してもよい。また、動作状態情報として、モジュールへの指令値を用いてもよいし、センサの検出値又はモジュールへの指令値から換算されるパラメータを用いてもよいし、複数のセンサの検出値に基づいて算出されるパラメータを用いてもよい。さらに、動作状態情報は、仕上げ処理期間全体の時系列データとして取得されてもよいし、仕上げ処理期間の一部である対象期間の時系列データとして取得されてもよいし、特定の対象時点における時点データとして取得されてもよい。上記のように、動作状態情報の定義を変更する場合には、第１の学習モデル１０Ａ及び第１の学習用データ１１Ａにおける入力データのデータ構成を適宜変更すればよい。
　また、学習用データ取得部４００は、仕上げ試験情報３１の仕上げ試験テーブル３１０を参照することで、同一の試験ＩＤで特定される仕上げ試験が行われたときの試験結果情報（基板保持機構部測定機器の時系列データ（図１０））を、上記の動作状態情報に対する基板保持機構部状態情報として取得する。基板保持機構部測定機器が、基板保持機構部２４１ａ、２４１ｃ、２４１ｅに対して面的な測定が可能な測定機器である場合には、学習用データ取得部４００は、面的な測定値を基板保持機構部状態情報として取得する。
　なお、本実施形態では、基板保持機構部状態情報が、図１２に示すようなコンディション情報である場合について説明するが、汚染度、摩耗度、及び、破損度の少なくとも１つを含むものでもよい。また、基板保持機構部状態情報は、基板保持機構部測定機器の測定値を所定の算出式に代入することで算出されてもよい。さらに、動作状態情報が、例えば、仕上げ処理期間全体の時系列データ又は仕上げ処理期間の一部である対象期間の時系列データとして取得されている場合には、基板保持機構部状態情報は、仕上げ処理期間全体の時系列データ又は対象期間の時系列データとして取得されてもよいし、仕上げ処理終了時点の時点データ又は対象時点の時点データとして取得されてもよい。また、動作状態情報が、例えば、特定の対象時点における時点データとして取得されている場合には、基板保持機構部状態情報は、その特定の対象時点における時点データとして取得されてもよい。上記のように、基板保持機構部状態情報の定義を変更する場合には、第１の学習モデル１０Ａ及び第１の学習用データ１１Ａにおける出力データのデータ構成を適宜変更すればよい。
　第１の学習モデル１０Ａは、例えば、ニューラルネットワークの構造を採用したものであり、入力層１００、中間層１０１、及び、出力層１０２を備える。各層の間には、各ニューロンをそれぞれ接続するシナプス（不図示）が張られており、各シナプスには、重みがそれぞれ対応付けられている。各シナプスの重みからなる重みパラメータ群が、機械学習により調整される。
　入力層１００は、入力データとしての動作状態情報に対応する数のニューロンを有し、動作状態情報の各値が各ニューロンにそれぞれ入力される。出力層１０２は、出力データとしての基板保持機構部状態情報に対応する数のニューロンを有し、動作状態情報に対する基板保持機構部状態情報の予測結果（推論結果）が、出力データとして出力される。第１の学習モデル１０Ａが、回帰モデルで構成される場合には、基板保持機構部状態情報は、所定の範囲（例えば、０～１）に正規化された数値でそれぞれ出力される。また、第１の学習モデル１０Ａが、分類モデルで構成される場合には、基板保持機構部状態情報は、各クラスに対するスコア（確度）として、所定の範囲（例えば、０～１）に正規化された数値でそれぞれ出力される。
　「所定の範囲（０～１）」には予め数値に対応した推論結果が設定されている。例えば、汚染度の場合、推論結果である「所定の範囲（０～１）」を複数の範囲に分割して、分割された範囲毎に汚染度の度合いが設定されればよい。また、汚染の有無を示す場合、推論結果である「所定の範囲（０～１）」の間に所定の閾値を設定し、出力された数値が、閾値以下であれば「汚染無し」、閾値を超えたら「汚染有り」と設定されればよい。汚染度の度合い又は汚染の有無は、推論結果に応じて出力される。
（機械学習方法）
　図１３は、機械学習装置４による機械学習方法の一例を示すフローチャートである。
　まず、ステップＳ１００において、学習用データ取得部４００は、機械学習を開始するための事前準備として、仕上げ試験情報３１等から所望の数の第１の学習用データ１１Ａを取得し、その取得した第１の学習用データ１１Ａを学習用データ記憶部４２に記憶する。ここで準備する第１の学習用データ１１Ａの数については、最終的に得られる第１の学習モデル１０Ａに求められる推論精度を考慮して設定すればよい。
　次に、ステップＳ１１０において、機械学習部４０１は、機械学習を開始すべく、学習前の第１の学習モデル１０Ａを準備する。ここで準備する学習前の第１の学習モデル１０Ａは、ニューラルネットワークモデルで構成されており、各シナプスの重みが初期値に設定されている。
　次に、ステップＳ１２０において、機械学習部４０１は、学習用データ記憶部４２に記憶された複数組の第１の学習用データ１１Ａから、例えば、ランダムに１組の第１の学習用データ１１Ａを取得する。
　次に、ステップＳ１３０において、機械学習部４０１は、１組の第１の学習用データ１１Ａに含まれる動作状態情報（入力データ）を、準備された学習前（又は学習中）の第１の学習モデル１０Ａの入力層１００に入力する。その結果、第１の学習モデル１０Ａの出力層１０２から推論結果として基板保持機構部状態情報（出力データ）が出力されるが、当該出力データは、学習前（又は学習中）の第１の学習モデル１０Ａによって生成されたものである。そのため、学習前（又は学習中）の状態では、推論結果として出力された出力データは、第１の学習用データ１１Ａに含まれる基板保持機構部状態情報（正解ラベル）とは異なる情報を示す。
　次に、ステップＳ１４０において、機械学習部４０１は、ステップＳ１２０において取得された１組の第１の学習用データ１１Ａに含まれる基板保持機構部状態情報（正解ラベル）と、ステップＳ１３０において出力層から推論結果として出力された基板保持機構部状態情報（出力データ）とを比較し、各シナプスの重みを調整する処理（バックプロバケーション）を実施することで、機械学習を実施する。これにより、機械学習部４０１は、動作状態情報と基板保持機構部状態情報との相関関係を第１の学習モデル１０Ａに学習させる。
　次に、ステップＳ１５０において、機械学習部４０１は、所定の学習終了条件が満たされたか否かを、例えば、第１の学習用データ１１Ａに含まれる基板保持機構部状態情報（正解ラベル）と、推論結果として出力された状態情報（出力データ）とに基づく誤差関数の評価値や、学習用データ記憶部４２内に記憶された未学習の第１の学習用データ１１Ａの残数に基づいて判定する。
　ステップＳ１５０において、機械学習部４０１が、学習終了条件が満たされておらず、機械学習を継続すると判定した場合（ステップＳ１５０でＮｏ）、ステップＳ１２０に戻り、学習中の第１の学習モデル１０Ａに対してステップＳ１２０～Ｓ１４０の工程を未学習の第１の学習用データ１１Ａを用いて複数回実施する。一方、ステップＳ１５０において、機械学習部４０１が、学習終了条件が満たされて、機械学習を終了すると判定した場合（ステップＳ１５０でＹｅｓ）、ステップＳ１６０に進む。
　そして、ステップＳ１６０において、機械学習部４０１は、各シナプスに対応付けられた重みを調整することで生成された学習済みの第１の学習モデル１０Ａ（調整済みの重みパラメータ群）を学習済みモデル記憶部４３に記憶し、図１３に示す一連の機械学習方法を終了する。機械学習方法において、ステップＳ１００が学習用データ記憶工程、ステップＳ１１０～Ｓ１５０が機械学習工程、ステップＳ１６０が学習済みモデル記憶工程に相当する。
　以上のように、本実施形態に係る機械学習装置４及び機械学習方法によれば、基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を含む動作状態情報から、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を示す基板保持機構部状態情報を予測（推論）することが可能な第１の学習モデル１０Ａを提供することができる。
（情報処理装置５）
　図１４は、第１の実施形態に係る情報処理装置５の一例を示すブロック図である。図１５は、第１の実施形態に係る情報処理装置５の一例を示す機能説明図である。情報処理装置５は、制御部５０、通信部５１、及び、学習済みモデル記憶部５２を備える。
　制御部５０は、情報取得部５００、状態予測部５０１及び出力処理部５０２として機能する。通信部５１は、ネットワーク７を介して外部装置（例えば、基板処理装置２、データベース装置３、機械学習装置４、及び、ユーザ端末装置６等）と接続され、各種のデータを送受信する通信インターフェースとして機能する。
　情報取得部５００は、通信部５１及びネットワーク７を介して外部装置と接続され、基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を含む動作状態情報を取得する。
　例えば、仕上げ処理がすでに行われた後のウェハＷに対する基板保持機構部状態情報の「事後予測処理」を行う場合には、情報取得部５００は、生産履歴情報３０の仕上げ履歴テーブル３０１を参照することで、そのウェハＷに対して仕上げ処理が行われたときの基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を、動作状態情報として取得する。
　仕上げ処理が行われている最中のウェハＷに対する基板保持機構部状態情報の「リアルタイム予測処理」を行う場合には、情報取得部５００は、その仕上げ処理を行っている基板処理装置２から装置状態情報に関するレポートＲを随時受信することで、そのウェハＷに対して仕上げ処理が行われている最中の基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を、動作状態情報として随時取得する。
　仕上げ処理が行われる前のウェハＷに対する基板保持機構部状態情報の「事前予測処理」を行う場合には、情報取得部５００は、その仕上げ処理を行う予定の基板処理装置２から基板レシピ情報２６６を受信し、その基板レシピ条件２６６に従って基板処理装置２が動作するときの装置状態情報をシミュレーションすることで、そのウェハＷに対して仕上げ処理が行われるときの基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を、動作状態情報として取得する。
　状態予測部５０１は、上記のように、情報取得部５００により取得された動作状態情報を入力データとして第１の学習モデル１０Ａに入力することで、当該動作状態情報が示す動作状態にて基板処理装置２が動作したときの基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を示す基板保持機構部状態情報を予測する。
　学習済みモデル記憶部５２は、状態予測部５０１にて用いられる学習済みの第１の学習モデル１０Ａを記憶するデータベースである。なお、学習済みモデル記憶部５２に記憶される第１の学習モデル１０Ａの数は１つに限定されず、例えば、機械学習の手法、仕上げ具の種類、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの機構の違い、動作状態情報に含まれるデータの種類、基板保持機構部状態情報に含まれるデータの種類等のように、条件が異なる複数の学習済みモデルが記憶され、選択的に利用可能としてもよい。学習済みモデル記憶部５２は、外部コンピュータ（例えば、サーバ型コンピュータやクラウド型コンピュータ）の記憶部で代用されてもよく、その場合には、状態予測部５０１は、当該外部コンピュータにアクセスすればよい。
　出力処理部５０２は、状態予測部５０１により生成された基板保持機構部状態情報を出力するための出力処理を行う。例えば、出力処理部５０２は、その基板保持機構部状態情報をユーザ端末装置６に送信することで、その基板保持機構部状態情報に基づく表示画面がユーザ端末装置６に表示されてもよいし、その基板保持機構部状態情報をデータベース装置３に送信することで、その基板保持機構部状態情報が生産履歴情報３０に登録されてもよい。
（情報処理方法）
　図１６は、情報処理装置５による情報処理方法の一例を示すフローチャートである。以下では、ユーザがユーザ端末装置６を操作して、特定のウェハＷに対する基板保持機構部状態情報の「事後予測処理」を行う場合の動作例について説明する。
　まず、ステップＳ２００において、ユーザが、ユーザ端末装置６に対して、予測対象のウェハＷを特定するウェハＩＤを入力する入力操作を行うと、ユーザ端末装置６は、そのウェハＩＤを情報処理装置５に送信する。
　次に、ステップＳ２１０において、情報処理装置５の情報取得部５００は、ステップＳ２００にて送信されたウェハＩＤを受信する。ステップＳ２１１において、情報取得部５００は、ステップＳ２１０で受信したウェハＩＤを用いて生産履歴情報３０の仕上げ履歴テーブル３０１を参照することで、そのウェハＩＤで特定されたウェハＷに対して仕上げ処理が行われたときの動作状態情報を取得する。
　次に、ステップＳ２２０において、状態予測部５０１は、ステップＳ２１１にて取得された動作状態情報を入力データとして第１の学習モデル１０Ａに入力することで、当該動作状態情報に対する基板保持機構部状態情報を出力データとして生成し、その基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を予測する。
　次に、ステップＳ２３０において、出力処理部５０２は、ステップＳ２２０にて生成された基板保持機構部状態情報を出力するための出力処理として、その基板保持機構部状態情報をユーザ端末装置６に送信する。なお、基板保持機構部状態情報の送信先は、ユーザ端末装置６に加えて又は代えて、データベース装置３でもよい。
　次に、ステップＳ２４０において、ユーザ端末装置６は、ステップＳ２００の送信処理に対する応答として、ステップＳ２３０にて送信された基板保持機構部状態情報を受信すると、その基板保持機構部状態情報に基づいて表示画面を表示することで、その基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態がユーザにより視認される。上記の情報処理方法において、ステップＳ２１０、Ｓ２１１が情報取得工程、ステップＳ２２０が状態予測工程、ステップＳ２３０が出力処理工程に相当する。
　以上のように、本実施形態に係る情報処理装置５及び情報処理方法によれば、仕上げ処理における、基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を含む動作状態情報が第１の学習モデル１０Ａに入力されることで、当該動作状態情報に対する基板保持機構部状態情報が予測されるので、基板処理装置２の動作状態に応じて基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を適切に予測することができる。
（第２の実施形態）
　第２の実施形態は、基板保持機構部状態情報が、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの余寿命を示す余寿命情報である点で第１の実施形態と相違する。以下では、第２の実施形態に係る機械学習装置４ａ及び情報処理装置５ａについて、第１の実施形態と異なる部分を中心に説明する。
　図１７は、第２の実施形態に係る機械学習装置４ａの一例を示すブロック図である。図１８は、第２の学習モデル１０Ｂ及び第２の学習用データ１１Ｂの一例を示す図である。第２の学習用データ１１Ｂは、第２の学習モデル１０Ｂの機械学習に用いられる。
　第２の学習用データ１１Ｂを構成する基板保持機構部状態情報は、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの余寿命を示す余寿命情報である。基板保持機構部２４１ａ、２４１ｃ、２４１ｅの余寿命は、例えば、基板保持機構部２４１ａ、２４１ｃ、２４１ｅが寿命に到達するまでの使用可能回数や使用可能時間にて定められる。なお、第２の学習用データ１１Ｂを構成する動作状態情報は、第１の実施形態と同様であるため、説明を省略する。
　学習用データ取得部４００は、仕上げ試験情報３１を参照するとともに、必要に応じてユーザ端末装置６によるユーザの入力操作を受け付けることで、第２の学習用データ１１Ｂを取得する。仕上げ試験情報３１には、例えば、仕上げ試験として、試験用の基板保持機構部を用いて繰り返し仕上げ処理が行われた場合に、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの寿命に到達したときの余寿命情報には、「０」が設定され、過去に遡るほど大きな値が設定された試験結果情報が登録されている。そして、学習用データ取得部４００は、仕上げ試験情報３１の仕上げ試験テーブル３１０から試験ＩＤで特定される仕上げ試験が行われたときの試験結果情報を取得することで、余寿命情報を取得する。
　機械学習部４０１は、第２の学習モデル１０Ｂに第２の学習用データ１１Ｂを複数組入力し、第２の学習用データ１１Ｂに含まれる動作状態情報と基板保持機構部状態情報（余寿命情報）との相関関係を第２の学習モデル１０Ｂに学習させることで、学習済みの第２の学習モデル１０Ｂを生成する。
　図１９は、第２の実施形態に係る情報処理装置５ａとして機能する情報処理装置５ａの一例を示すブロック図である。図２０は、第２の実施形態に係る情報処理装置５ａの一例を示す機能説明図である。
　情報取得部５００は、第１の実施形態と同様に、基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報含む動作状態情報を取得する。
　状態予測部５０１は、上記のように、情報取得部５００により取得された動作状態情報を入力データとして第２の学習モデル１０Ｂに入力することで、当該動作状態情報が示す動作状態にて基板処理装置２が動作したときの基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を示す基板保持機構部状態情報（余寿命情報）を予測する。
　以上のように、本実施形態に係る情報処理装置５ａ及び情報処理方法によれば、仕上げ処理における、基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を含む動作状態情報が第２の学習モデル１０Ｂに入力されることで、当該動作状態情報に対する基板保持機構部状態情報（余寿命情報）が予測されるので、基板処理装置２の動作状態に応じて基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を適切に予測することができる。
（他の実施形態）
　本発明は上述した実施形態に制約されるものではなく、本発明の主旨を逸脱しない範囲内で種々変更して実施することが可能である。そして、それらはすべて、本発明の技術思想に含まれるものである。
　上記実施形態では、データベース装置３、機械学習装置４及び情報処理装置５は、別々の装置で構成されたものとして説明したが、それら３つの装置が、単一の装置で構成されていてもよいし、それら３つの装置のうち任意の２つの装置が、単一の装置で構成されていてもよい。また、機械学習装置４及び情報処理装置５の少なくとも一方は、基板処理装置２の制御ユニット２６又はユーザ端末装置６に組み込まれていてもよい。
　上記実施形態では、基板処理装置２が、各ユニット２１～２５を備えるものとして説明したが、基板処理装置２は、仕上げユニット２４の洗浄処理を行う際にウェハＷを保持する機能及び乾燥処理を行う際にウェハＷを保持する機能のうち少なくとも１つを備えていればよく、他のユニットは省略されていてもよい。
　上記実施形態では、機械学習部４０１による機械学習を実現する学習モデルとして、ニューラルネットワークを採用した場合について説明したが、他の機械学習のモデルを採用してもよい。他の機械学習のモデルとしては、例えば、決定木、回帰木等のツリー型、バギング、ブースティング等のアンサンブル学習、再帰型ニューラルネットワーク、畳み込みニューラルネットワーク、ＬＳＴＭ等のニューラルネット型(ディープラーニングを含む)、階層型クラスタリング、非階層型クラスタリング、ｋ近傍法、ｋ平均法等のクラスタリング型、主成分分析、因子分析、ロジスティク回帰等の多変量解析、サポートベクターマシン等が挙げられる。
　上記実施形態では、試験結果情報は、試験装置においてダミーウェハを用いた仕上げ試験において仕上げ処理が行われたときの基板保持機構部状態を示す情報であるが、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を検出するセンサを設置した実際の仕上げユニット２４を用いて実際のウェハＷの仕上げ処理が行われたときの状態を示す情報として継続的に取得されるようにしてもよい。継続的に取得した試験結果情報は、機械学習装置４によって継続的に学習される。
　また、試験結果情報は、センサを設置しない仕上げユニット２４において、人が基板保持機構部２４１ａ、２４１ｃ、２４１ｅの汚染度、摩耗度、又は、破損度を判断し、データにラベル付けをして継続的に取得されるようにしてもよい。
　さらに、実際の仕上げユニット２４を用いて継続的に取得された情報をクラウドへアップロードし、クラウドで機械学習した後、学習されたモデルを基板処理装置２へ展開してもよい。また、クラウドへアップロードすることなく、基板処理装置２内で処理方法を学習してもよい。
（機械学習プログラム及び情報処理プログラム）
　本発明は、機械学習装置４が備える各部としてコンピュータ９００を機能させるプログラム（機械学習プログラム）や、機械学習方法が備える各工程をコンピュータ９００に実行させるためのプログラム（機械学習プログラム）の態様で提供することもできる。また、本発明は、情報処理装置５が備える各部としてコンピュータ９００を機能させるためのプログラム（情報処理プログラム）や、上記実施形態に係る情報処理方法が備える各工程をコンピュータ９００に実行させるためのプログラム（情報処理プログラム）の態様で提供することもできる。
（推論装置、推論方法及び推論プログラム）
　本発明は、上記実施形態に係る情報処理装置５（情報処理方法又は情報処理プログラム）の態様によるもののみならず、基板保持機構部状態情報を推論するために用いられる推論装置（推論方法又は推論プログラム）の態様で提供することもできる。その場合、推論装置（推論方法又は推論プログラム）としては、メモリと、プロセッサとを含み、このうちのプロセッサが、一連の処理を実行するものとすることができる。当該一連の処理とは、動作状態情報を取得する情報取得処理（情報取得工程）と、情報取得処理にて動作状態情報を取得すると、当該動作状態情報が示す動作状態にて基板処理装置２が動作したときの基板保持機構部の状態を示す基板保持機構部状態情報（コンディション情報又は余寿命情報）を推論する推論処理（推論工程）とを含む。
　推論装置（推論方法又は推論プログラム）の態様で提供することで、情報処理装置５を実装する場合に比して簡単に種々の装置への適用が可能となる。推論装置（推論方法又は推論プログラム）が基板保持機構部状態情報を推論する際、上記実施形態に係る機械学習装置４及び機械学習方法により生成された学習済みの学習モデルを用いて、状態予測部５０１が実施する推論手法を適用してもよいことは、当業者にとって当然に理解され得るものである。
　本発明は、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、機械学習方法に利用可能である。
１…基板処理システム、２…基板処理装置、３…データベース装置、
４、４ａ…機械学習装置、５、５ａ…情報処理装置、
６…ユーザ端末装置、７…ネットワーク、
１０Ａ…第１の学習モデル、１０Ｂ…第２の学習モデル、
１１Ａ…第１の学習用データ、１１Ｂ…第２の学習用データ、
２０…ハウジング、２１…ロード／アンロードユニット、
２２…研磨ユニット、２２Ａ～２２Ｄ…研磨部、２３…基板搬送ユニット、
２４…仕上げユニット、２４Ａ、２４Ｂ…ロールスポンジ洗浄部、
２４Ｃ、２４Ｄ…ペンスポンジ洗浄部、２４Ｅ、２４Ｆ…乾燥部、
２４Ｇ、２４Ｈ…搬送部、２５…膜厚測定ユニット、２６…制御ユニット、
３０…生産履歴情報、３１…仕上げ試験情報、
４０…制御部、４１…通信部、４２…学習用データ記憶部、
４３…学習済みモデル記憶部、
５０…制御部、５１…通信部、５２…学習済みモデル記憶部、
２２０…研磨テーブル、２２１…トップリング、２２２…液体供給ノズル、
２２３…ドレッサ、２２４…アトマイザ、
２４０…基板洗浄部、２４１…基板保持部、２４２…洗浄流体供給部、
２４３…洗浄具洗浄部、２４４…環境センサ、２４５…乾燥流体供給部、
２６０…制御部、２１…通信部、２６２…入力部、２６３…出力部、２６４…記憶部、
３００…ウェハ履歴テーブル、３０１…仕上げ履歴テーブル、３１０…仕上げ試験テーブル、
４００…学習用データ取得部、４０１…機械学習部、
５００…情報取得部、５０１…状態予測部、５０２…出力処理部、
９００…コンピュータ、
２２００…研磨パッド、２２３０…ドレッサディスク、２４００…ロールスポンジ、
２４０１…ペンスポンジ

 

Claims (12)

  1. 　基板を保持する基板保持機構部及び基板を回転させる基板回転機構部を有する基板保持部を備える基板処理装置が動作したときの動作状態として、前記基板の回転状態を示す基板回転状態情報、前記基板保持部の基板保持位置を示す基板保持位置情報、及び、前記基板保持部の基板押付荷重を示す基板押付荷重情報、を含む動作状態情報を取得する情報取得部と、
    　前記動作状態情報と、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動作したときの前記基板保持機構部の状態を示す基板保持機構部状態情報との相関関係を機械学習により学習させた学習モデルに、前記情報取得部により取得された前記動作状態情報を入力することで、当該動作状態情報に対する前記基板保持機構部状態情報を予測する状態予測部と、
    を備える、
    　情報処理装置。
  2. 　前記基板回転状態情報は、
    　　前記基板の回転速度を示す基板回転速度情報、及び、
    　　前記基板の回転トルクを示す基板回転トルク情報、の少なくとも１つを含む、
    　請求項１に記載の情報処理装置。
  3. 　前記動作状態情報に含まれる前記基板回転速度情報は、
    　　前記基板の回転数、
    　　前記基板に形成された被計測部のカウント数、及び、
    　　前記基板回転機構部の回転数、の少なくとも１つを含む、
    　請求項２に記載の情報処理装置。
  4. 　前記動作状態情報に含まれる前記基板回転トルク情報は、
    　　前記基板回転機構部の回転トルクを含む、
    　請求項２又は請求項３に記載の情報処理装置。
  5. 　前記動作状態情報に含まれる前記基板保持位置情報は、
    　　前記基板保持機構部が前記基板を保持する保持位置を含む、
    　請求項１乃至請求項４のいずれか一項に記載の情報処理装置。
  6. 　前記基板保持機構部状態情報は、
    　　前記基板保持機構部の汚染度情報、
    　　前記基板保持機構部の摩耗度情報、及び、
    　　前記基板保持機構部の破損度情報、の少なくとも１つを含む、
    　請求項１乃至請求項５のいずれか一項に記載の情報処理装置。
  7. 　前記基板保持機構部状態情報は、前記基板保持機構部の余寿命情報を含む、
    　請求項１乃至請求項５のいずれか一項に記載の情報処理装置。
  8. 　メモリと、プロセッサとを備える推論装置であって、
    　前記プロセッサは、
    　　基板を保持する基板保持機構部及び基板を回転させる基板回転機構部を有する基板保持部を備える基板処理装置が動作したときの動作状態として、
    　前記基板の回転状態を示す基板回転状態情報、前記基板保持機構部の基板保持位置を示す基板保持位置情報、及び、前記基板保持機構部の基板押付荷重を示す基板押付荷重情報、を含む動作状態情報を取得する情報取得処理と、
    　前記情報取得処理にて前記動作状態情報を取得すると、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動作したときの前記基板保持機構部の状態を示す基板保持機構部状態情報を推論する推論処理と、
    を実行する、
    　推論装置。
  9. 　基板を保持する基板保持機構部及び基板を回転させる基板回転機構部を有する基板保持部を備える基板処理装置が動作したときの動作状態として、前記基板の回転状態を示す基板回転状態情報、前記基板保持機構部の基板保持位置を示す基板保持位置情報、及び、前記基板保持機構部の基板押付荷重を示す基板押付荷重情報、を含む動作状態情報と、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動作したときの前記基板保持機構部の状態を示す基板保持機構部状態情報とで構成される学習用データを複数組記憶する学習用データ記憶部と、
    　複数組の前記学習用データを学習モデルに入力することで、前記動作状態情報と前記基板保持機構部状態情報との相関関係を前記学習モデルに学習させる機械学習部と、
    　前記機械学習部により前記相関関係を学習させた前記学習モデルを記憶する学習済みモデル記憶部と、
    を備える、
    　機械学習装置。
  10. 　基板を保持する基板保持機構部及び基板を回転させる基板回転機構部を有する基板保持部を備える基板処理装置が動作したときの動作状態として、前記基板の回転状態を示す基板回転状態情報、前記基板保持機構部の基板保持位置を示す基板保持位置情報、及び、前記基板保持機構部の基板押付荷重を示す基板押付荷重情報を含む動作状態情報を取得する情報取得工程と、
    　前記動作状態情報と、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動作したときの前記基板保持機構部状態情報との相関関係を機械学習により学習させた学習モデルに、前記情報取得工程により取得された前記動作状態情報を入力することで、当該動作状態情報に対する前記基板保持機構部状態情報を予測する状態予測工程と、
    を備える、
    　情報処理方法。
  11. 　メモリと、プロセッサとを備える推論装置により実行される推論方法であって、
    　前記プロセッサは、
    　　基板を保持する基板保持機構部及び基板を回転させる基板回転機構部を有する基板保持部を備える基板処理装置が動作したときの動作状態として、前記基板の回転状態を示す基板回転状態情報、前記基板保持機構部の基板保持位置を示す基板保持位置情報、及び、前記基板保持機構部の基板押付荷重を示す基板押付荷重情報を含む動作状態情報を取得する情報取得工程と、
    　　前記情報取得工程にて前記動作状態情報を取得すると、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動作したときの前記基板保持機構部の状態を示す基板保持機構部状態情報を推論する推論工程と、
    を実行する、
    　推論方法。
  12. 　基板を保持する基板保持機構部及び基板を回転させる基板回転機構部を有する基板保持部を備える基板処理装置が動作したときの動作状態として、前記基板の回転状態を示す基板回転状態情報、前記基板保持機構部の基板保持位置を示す基板保持位置情報、及び、前記基板保持機構部の基板押付荷重を示す基板押付荷重情報を含む動作状態情報と、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動作したときの前記基板保持機構部の状態を示す基板保持機構部状態情報とで構成される学習用データを学習用データ記憶部に複数組記憶する学習用データ記憶工程と、
    　複数組の前記学習用データを学習モデルに入力することで、前記動作状態情報と前記基板保持機構部状態情報との相関関係を前記学習モデルに学習させる機械学習工程と、
    　前記機械学習工程により前記相関関係を学習させた前記学習モデルを学習済みモデル記憶部に記憶する学習済みモデル記憶工程と、
    を備える、
    　機械学習方法。

     
PCT/JP2023/000371 2022-02-04 2023-01-11 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 WO2023149161A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202380019756.8A CN118661244A (zh) 2022-02-04 2023-01-11 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

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022016283A JP2023114126A (ja) 2022-02-04 2022-02-04 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
JP2022-016283 2022-02-04

Publications (1)

Publication Number Publication Date
WO2023149161A1 true WO2023149161A1 (ja) 2023-08-10

Family

ID=87551986

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/000371 WO2023149161A1 (ja) 2022-02-04 2023-01-11 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

Country Status (4)

Country Link
JP (1) JP2023114126A (ja)
CN (1) CN118661244A (ja)
TW (1) TW202347475A (ja)
WO (1) WO2023149161A1 (ja)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006004992A (ja) * 2004-06-15 2006-01-05 Seiko Epson Corp 研磨装置管理システム、管理装置、管理装置制御プログラム及び管理装置制御方法
JP2007294920A (ja) * 2006-03-31 2007-11-08 Ebara Corp 基板保持回転機構、基板処理装置
US20190162675A1 (en) * 2017-11-28 2019-05-30 Taiwan Semiconductor Manufacturing Co., Ltd. Apparatus and method for inspecting a wafer process chamber
JP2020061469A (ja) * 2018-10-10 2020-04-16 株式会社荏原製作所 基板洗浄方法、基板洗浄装置、基板処理装置、基板処理システム、および機械学習器
JP2020109839A (ja) * 2018-12-28 2020-07-16 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
WO2021117685A1 (ja) * 2019-12-13 2021-06-17 株式会社荏原製作所 基板洗浄装置、研磨装置、バフ処理装置、基板洗浄方法、基板処理装置、および機械学習器
JP2021132140A (ja) * 2020-02-20 2021-09-09 東京エレクトロン株式会社 情報処理システム及びシミュレーション方法
JP2021152762A (ja) * 2020-03-24 2021-09-30 株式会社Ｓｃｒｅｅｎホールディングス 学習済みモデル生成方法、学習済みモデル、異常要因推定装置、基板処理装置、異常要因推定方法、学習方法、学習装置、及び、学習データ作成方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006004992A (ja) * 2004-06-15 2006-01-05 Seiko Epson Corp 研磨装置管理システム、管理装置、管理装置制御プログラム及び管理装置制御方法
JP2007294920A (ja) * 2006-03-31 2007-11-08 Ebara Corp 基板保持回転機構、基板処理装置
US20190162675A1 (en) * 2017-11-28 2019-05-30 Taiwan Semiconductor Manufacturing Co., Ltd. Apparatus and method for inspecting a wafer process chamber
JP2020061469A (ja) * 2018-10-10 2020-04-16 株式会社荏原製作所 基板洗浄方法、基板洗浄装置、基板処理装置、基板処理システム、および機械学習器
JP2020109839A (ja) * 2018-12-28 2020-07-16 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
WO2021117685A1 (ja) * 2019-12-13 2021-06-17 株式会社荏原製作所 基板洗浄装置、研磨装置、バフ処理装置、基板洗浄方法、基板処理装置、および機械学習器
JP2021132140A (ja) * 2020-02-20 2021-09-09 東京エレクトロン株式会社 情報処理システム及びシミュレーション方法
JP2021152762A (ja) * 2020-03-24 2021-09-30 株式会社Ｓｃｒｅｅｎホールディングス 学習済みモデル生成方法、学習済みモデル、異常要因推定装置、基板処理装置、異常要因推定方法、学習方法、学習装置、及び、学習データ作成方法

Also Published As

Publication number Publication date
TW202347475A (zh) 2023-12-01
CN118661244A (zh) 2024-09-17
JP2023114126A (ja) 2023-08-17

Similar Documents

Publication Publication Date Title
WO2023189170A1 (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
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
US20240062066A1 (en) Information processing apparatus and machine learning apparatus
WO2023149161A1 (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
WO2023149162A1 (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
WO2023166991A1 (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
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
KR20240147989A (ko) 정보 처리 장치, 추론 장치, 기계 학습 장치, 정보 처리 방법, 추론 방법, 및 기계 학습 방법
JP2023127537A (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
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
JP2023116396A (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
WO2024024391A1 (ja) 情報処理装置、機械学習装置、情報処理方法、及び、機械学習方法
CN118830059A (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
WO2024053221A1 (ja) 情報処理装置、機械学習装置、情報処理方法、及び、機械学習方法
KR20240146043A (ko) 정보 처리 장치, 추론 장치, 기계 학습 장치, 정보 처리 방법, 추론 방법, 및 기계 학습 방법
WO2023058285A1 (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
WO2024029236A1 (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
WO2023058289A1 (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
WO2024135150A1 (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
CN118660786A (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
US20240338017A1 (en) Information processing device, inference device, and machine learning device
WO2024116625A1 (ja) 安全支援装置、推論装置、機械学習装置、安全支援方法、推論方法、及び、機械学習方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23749478

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 11202405201R

Country of ref document: SG