WO2023189170A1 - 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
WO2023189170A1
WO2023189170A1 PCT/JP2023/007808 JP2023007808W WO2023189170A1 WO 2023189170 A1 WO2023189170 A1 WO 2023189170A1 JP 2023007808 W JP2023007808 W JP 2023007808W WO 2023189170 A1 WO2023189170 A1 WO 2023189170A1
Authority
WO
WIPO (PCT)
Prior art keywords
cleaning
substrate
cleaning tool
unit
state information
Prior art date
Application number
PCT/JP2023/007808
Other languages
English (en)
French (fr)
Inventor
健一 武渕
賢一郎 斎藤
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
Publication of WO2023189170A1 publication Critical patent/WO2023189170A1/ja

Links

Images

Classifications

    • 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 at least one potential-jump barrier or surface barrier, e.g. PN junction, depletion layer or carrier concentration layer
    • H01L21/18—Manufacture or treatment of semiconductor devices or of parts thereof the devices having at least one potential-jump barrier or surface barrier, e.g. PN junction, depletion layer or carrier concentration layer the devices having semiconductor bodies comprising elements of Group IV of the Periodic System 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 various processes on substrates such as semiconductor wafers
  • CMP chemical mechanical polishing
  • a substrate processing apparatus for example, a polishing table having a polishing pad is rotated and a polishing liquid (slurry) is supplied to the polishing pad from a liquid supply nozzle, and a polishing head called a top ring presses a substrate against the polishing pad. Then, the substrate is chemically and mechanically polished. Then, in order to remove foreign matter such as polishing debris adhering to the polished substrate, a cleaning tool is brought into contact with the polished substrate while supplying substrate cleaning fluid, and the substrate is then dried. processing is completed, and the process moves on to the next substrate.
  • slurry polishing liquid
  • the cumulative number of times the cleaning tool is used and the cumulative usage time are determined by accumulating the number of times and the amount of time that the cleaning tool is in contact with the substrate using a counter or a timer.
  • the state of the cleaning tool not only changes depending on the operating state of the substrate processing equipment when the cleaning tool is in contact with the substrate, but also changes when the cleaning tool is not in contact with the substrate, e.g. Since cleaning tools vary depending on the operating state of the substrate processing equipment when cleaning with cleaning fluid (self-cleaning), it is not possible to understand the condition of cleaning tools in detail by simply managing the cumulative number of times of use or cumulative usage time. Can not.
  • various parts of the substrate processing apparatus for example, a substrate holding section that holds the substrate, a cleaning fluid supply section that supplies substrate cleaning fluid to the substrate, a cleaning tool that contacts the substrate, etc.
  • the operating conditions of the substrate cleaning section (which cleans the substrate by using the cleaning fluid) and the cleaning tool cleaning section (which cleans the cleaning tool with the cleaning fluid) are factors that affect the condition of the cleaning tool. complex and interacting. Therefore, it is difficult to accurately analyze how each operating state affects the state of the cleaning tool.
  • the present invention provides an information processing device, an inference device, a machine learning device, an information processing method, and an inference method that make it possible to appropriately predict the state of a cleaning tool according to the operating state of a substrate processing device. , and a machine learning method.
  • an information processing device includes: a substrate holding unit that holds a substrate; a cleaning fluid supply unit that supplies substrate cleaning fluid to the substrate; a substrate cleaning unit that rotatably supports a cleaning tool and brings the cleaning tool into contact with the substrate to clean the substrate; and substrate holder state information indicating the state of the substrate holder, and the supply of the cleaning fluid, as an operating state when the substrate processing apparatus including a cleaning tool cleaning section that cleans the cleaning tool with a cleaning tool cleaning fluid operates.
  • Obtain operating status information including cleaning fluid supply unit status information indicating the status of the cleaning fluid supply unit, substrate cleaning unit status information indicating the status of the substrate cleaning unit, and cleaning tool cleaning unit status information indicating the status of the cleaning tool cleaning unit.
  • a learning model that uses machine learning to learn a correlation between the operating state information and cleaning tool state information indicating a state of the cleaning tool when the substrate processing apparatus operates in the operating state indicated by the operating state information.
  • a state prediction unit that predicts the cleaning tool state information for the operating state information by inputting the operating state information acquired by the information obtaining unit.
  • operating state information including substrate holding part state information, cleaning fluid supply part state information, substrate cleaning part state information, and cleaning tool cleaning part state information is used as a learning model. Since the cleaning tool state information corresponding to the operating state information is predicted by inputting the information, the state of the cleaning tool can be appropriately predicted 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. 2 is a plan view showing an example of a substrate processing apparatus 2.
  • FIG. 3 is a perspective view showing an example of first to fourth polishing sections 22A to 22D. It is a perspective view which shows an example of 1st and 2nd roll sponge cleaning part 24A, 24B. It is a perspective view which shows an example of 1st and 2nd pen sponge cleaning parts 24C and 24D. It is a perspective view showing an example of first and second drying sections 24E and 24F.
  • 1 is a block diagram showing an example of a substrate processing apparatus 2.
  • FIG. 9 is a hardware configuration diagram showing an example of a computer 900.
  • FIG. 9 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 cleaning test information 31 managed by the database device 3.
  • FIG. 2 is a block diagram showing an example of a machine learning device 4 according to the first embodiment. It is a diagram showing an example of a first learning model 10A and first learning data 11A.
  • 3 is a flowchart illustrating an example of a machine learning method by the machine learning device 4.
  • FIG. FIG. 2 is a block diagram showing an example of an information processing device 5 according to the first embodiment.
  • FIG. 2 is a functional explanatory diagram showing an example of the information processing device 5 according to the first embodiment.
  • 5 is a flowchart illustrating an example of an information processing method by the information processing device 5.
  • FIG. 5 is a flowchart illustrating an example of an information processing method by the information processing device 5.
  • FIG. 2 is a block diagram showing an example of an information processing device 5a that functions as an information processing device 5a according to a second embodiment. It 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") in which the surface of a wafer W is polished flat by pressing the substrate (hereinafter referred to as "wafer") W such as a semiconductor wafer against a polishing pad.
  • the system functions as a system for managing a series of substrate processing including cleaning processing in which the surface of the wafer W is cleaned by bringing the wafer W after polishing into contact with a cleaning 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 with, for example, a general-purpose or dedicated computer (see FIG. 8 described later), and is connected to a wired or wireless network 7 to collect various data (some data is shown in FIG. 1). (indicated by dotted line arrows) can be mutually transmitted and received. Note that the number of the 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 more wafers W, such as loading, polishing, cleaning, drying, film thickness measurement, and unloading. This is a device that performs each.
  • the substrate processing apparatus 2 refers to the apparatus setting information 265 consisting of a plurality of apparatus parameters set for each unit, and the substrate recipe information 266 that determines the operating state of polishing, cleaning, drying, etc. while controlling the operation of each unit.
  • the substrate processing device 2 transmits various reports R to the database device 3, user terminal device 6, etc. according to the operation of each unit.
  • Various reports R include, for example, process information that identifies the target wafer W when substrate processing is performed, equipment status information that indicates the status of each unit when each process is performed, and substrate processing apparatus 2.
  • the information includes event information detected by the system, operation information of users (operators, production managers, maintenance managers, etc.) on the substrate processing apparatus 2, and the like.
  • the database device 3 stores production history information 30 regarding the history of substrate processing using cleaning tools for main production, and a test of cleaning processing (hereinafter referred to as a "cleaning test") using cleaning tools for testing. ) is a device that manages cleaning test information 31 regarding the history of when cleaning was performed.
  • the database device 3 may also store device setting information 265 and substrate recipe information 266, and 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 device 2 at any time when the substrate processing device 2 processes the substrate using cleaning tools for main production, and registers them in the production history information 30. , the production history information 30 stores reports R regarding substrate processing.
  • the database device 3 receives various reports R (including at least device status information) from the substrate processing device 2 at any time when the substrate processing device 2 performs a cleaning test using a test cleaning tool, and performs the cleaning test.
  • the cleaning test information 31 accumulates reports R and test results regarding the cleaning tests.
  • the cleaning test may be performed in the substrate processing apparatus 2 for main production, or may be performed in a cleaning test apparatus (not shown) for testing that can reproduce the same cleaning process as the substrate processing apparatus 2.
  • the cleaning tools and cleaning test equipment for testing include various cleaning tool measuring devices (not shown) for measuring the conditions of the cleaning tools, such as the weight, moisture content, hardness, and cleanliness. is provided, and the measured values of the cleaning tool measuring device are registered in the cleaning test information 31 as test results.
  • the machine learning device 4 operates as a subject of the learning phase of machine learning, and, for example, acquires a part of the cleaning test information 31 from the database device 3 as the 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 a main body in the inference phase of machine learning, and uses the first learning model 10A generated by the machine learning device 4 to determine whether the cleaning process by the substrate processing device 2 uses cleaning tools for main production.
  • the state of the cleaning tool is predicted, and the cleaning tool state information, which is the predicted result, is transmitted to the database device 3, user terminal device 6, etc.
  • the timing at which the information processing device 5 predicts the cleaning tool state information may be after the cleaning process is performed (post-prediction process), or while the cleaning process is being performed (real-time prediction process). It may be done before the cleaning process is performed (pre-prediction process).
  • the user terminal device 6 is a terminal device used by a user, and may be a stationary device or a portable device.
  • the user terminal device 6 receives various input operations via the display screen of an application program, a web browser, etc., and also receives various information (for example, event notification, cleaning tool status information, production history) via the display screen. information 30, cleaning 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 transport unit 23, a finishing unit 24, a film thickness measuring unit 25, inside a housing 20 that is substantially rectangular in plan view. and a control unit 26.
  • the loading/unloading unit 21, the polishing unit 22, the substrate transport unit 23, and the finishing unit 24 are partitioned by a first partition wall 200A, and the substrate transport unit 23 and finishing unit 24 are partitioned by a second partition wall 200A. It is divided by a partition wall 200B.
  • the load/unload unit 21 includes first to fourth front load sections 210A to 210D on which wafer cassettes (FOUPs, etc.) capable of storing a large number of wafers W in the vertical direction are placed, and wafers stored in the wafer cassettes.
  • a transfer robot 211 that can move up and down along the storage direction (up and down direction) of the wafer W, and a transfer robot 211 that can move up and down along the direction in which the first to fourth front load sections 210A to 210D are lined up (the lateral direction of the housing 20).
  • a horizontal movement mechanism section 212 that moves the horizontal movement mechanism section 212 is provided.
  • the transfer robot 211 carries a wafer cassette mounted on each of the first to fourth front load sections 210A to 210D, a substrate transfer unit 23 (specifically, a lifter 232, which will be described later), and a finishing unit 24 (specifically, Upper and lower hands (not shown) are configured to be accessible to first and second drying sections 24E and 24F (described later) and a film thickness measurement unit 25, and are used to transfer wafers W between them. ).
  • the lower hand is used when transferring the wafer W before processing, and the upper hand is used when transferring the wafer W after processing.
  • a shutter (not shown) provided on the first partition wall 200A is opened and closed.
  • the polishing unit 22 includes first to fourth polishing sections 22A to 22D that perform a polishing process (planarization) on the wafer W, respectively.
  • the first to fourth polishing parts 22A to 22D are arranged in parallel along the longitudinal direction of the housing 20.
  • FIG. 3 is a perspective view showing an example of the first to fourth polishing sections 22A to 22D.
  • the basic configuration and functions of the first to fourth polishing sections 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 polishing table 220 that holds a wafer W, and a polishing pad on the polishing table 220.
  • the dresser 223 includes a dresser 223 that dresses the polishing pad 2200 by contacting the polishing surface of the polishing pad 2200, and an atomizer 224 that sprays cleaning fluid onto the polishing pad 2200.
  • the polishing table 220 is supported by a polishing table shaft 220a and includes a rotational movement mechanism section 220b that rotates the polishing table 220 around its axis, and a temperature control mechanism section 220c that adjusts the surface temperature of the polishing pad 2200. .
  • the top ring 221 is supported by a top ring shaft 221a that is movable in the vertical direction, and includes a rotational movement mechanism part 221c that rotates the top ring 221 around its axis, and a vertical movement mechanism part 221c that moves the top ring 221 in the vertical direction. It includes a mechanism section 221d and a swing movement mechanism section 221e that swings (swings) the top ring 221 around the support shaft 221b.
  • the polishing fluid supply nozzle 222 is supported by a support shaft 222a, and includes a swing movement mechanism section 222b that pivots and moves the polishing fluid supply nozzle 222 around the support shaft 222a, and a flow rate adjustment section that adjusts the flow rate of the polishing fluid. 222c, and a temperature adjustment mechanism section 222d that adjusts the temperature of the polishing fluid.
  • the polishing fluid is a polishing liquid (slurry) or pure water, and may also contain a chemical solution, or may be a polishing liquid with a dispersant added thereto.
  • the dresser 223 is supported by a dresser shaft 223a that is movable in the vertical direction, and includes a rotational movement mechanism section 223c that rotates the dresser 223 around its axis, and a vertical movement mechanism section 223d that moves the dresser 223 in the vertical direction. , and a swing movement mechanism section 223e that swings and moves the dresser 223 around the support shaft 223b.
  • the atomizer 224 is supported by the support shaft 224a and includes a swing movement mechanism section 224b that pivots the atomizer 224 around the support shaft 224a, and a flow rate adjustment section 224c that regulates the flow rate of the cleaning fluid.
  • the cleaning fluid is a mixed fluid of a liquid (eg, pure water) and a gas (eg, nitrogen gas) or a 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 held against the polishing surface of the polishing pad 2200 to which polishing fluid is supplied from the polishing fluid supply nozzle 222. It is polished by being pressed by the top ring 221.
  • the substrate transport unit 23 includes first and second linear transporters that are horizontally movable along the direction in which the first to fourth polishing sections 22A to 22D are lined up (the longitudinal direction of the housing 20).
  • a temporary holding table 233 for the wafer W is provided.
  • the first linear transporter 230A is arranged adjacent to the first and second polishing sections 22A and 22B, and has four transport positions (first to fourth transport positions in order from the load/unload unit 21 side). This is a mechanism for transporting the wafer W between TP1 and TP4).
  • the second transport position TP2 is a position where the wafer W is delivered to the first polishing section 22A
  • the third transport position TP3 is a position where the wafer W is delivered to the second polishing part 22B. be.
  • the second linear transporter 230B is arranged adjacent to the third and fourth polishing sections 22C and 22D, and has three transport positions (fifth to seventh transport positions in order from the load/unload unit 21 side). This is a mechanism for transporting the wafer W between TP5 and TP7).
  • the sixth transport position TP6 is a position where the wafer W is delivered to the third polishing section 22C
  • the seventh transport position TP7 is a position where the wafer W is delivered to the fourth polishing part 22D. be.
  • the swing transporter 231 is disposed adjacent to the fourth and fifth transport positions TP4 and TP5, and has a hand that is movable 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 holding table 233.
  • the lifter 232 is a mechanism that is disposed adjacent to the first transfer position TP1 and transfers 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 wall 200A is opened and closed.
  • the finishing unit 24 is a substrate cleaning device using a roll sponge 2400, and includes first and second roll sponge cleaning sections 24A and 24B arranged in upper and lower stages, and a pen sponge 2401.
  • the first and second pen sponge cleaning units 24C and 24D are arranged in two upper and lower stages as a substrate cleaning device; and second drying sections 24E and 24F, and first and second transport sections 24G and 24H that transport wafers W.
  • the number and arrangement of the roll sponge cleaning units 24A, 24B, pen sponge cleaning units 24C, 24D, drying units 24E, 24F, and conveyance units 24G, 24H are not limited to the example in FIG. 2, and may be changed as appropriate.
  • the positions of the roll sponge cleaning sections 24A, 24B and the pen sponge cleaning sections 24C, 24D may be interchanged.
  • Each of the parts 24A to 24H of the finishing unit 24 is divided into sections along the first and second linear transporters 230A and 230B, for example, the first and second roll sponge cleaning parts 24A and 24B, and the second part.
  • the finishing unit 24 performs a primary cleaning process on the wafer W after the polishing process by either or both of the first and second roll sponge cleaning units 24A and 24B, the first and second pen sponge cleaning units 24C, A secondary cleaning process using one or both of the drying sections 24D and a drying process using one or both of the first and second drying sections 24E and 24F are performed in this order.
  • the order of processing performed by each section 24A to 24H of the finishing unit 24 may be changed as appropriate, or some of the processing may be omitted.
  • the cleaning processing performed by the roll sponge cleaning sections 24A and 24B may be omitted.
  • the cleaning process may be started by the pen sponge cleaning units 24C and 24D.
  • the finishing unit 24 also includes a buff cleaning section (not shown) instead of or in addition to the roll sponge cleaning sections 24A, 24B and the pen sponge cleaning sections 24C, 24D to perform buff cleaning processing. You may also do so. Further, in this embodiment, each part 24A to 24H of the finishing unit 24 will be described for holding the wafer W in a horizontal position (horizontal holding), but may hold the wafer W vertically or diagonally.
  • the roll sponge 2400 and the pen sponge 2401 are made of synthetic resin such as PVA or nylon, and have a porous structure.
  • the roll sponge 2400 and the pen sponge 2401 function as cleaning tools for scrubbing the wafer W, and include first and second roll sponge cleaning sections 24A, 24B and first and second pen sponge cleaning sections 24C. , 24D, respectively.
  • the first transport unit 24G includes a first transport robot 246A that is movable in the vertical direction.
  • the first transfer robot 246A is connected to the temporary storage stand 233 of the substrate transfer unit 23, the first and second roll sponge cleaning sections 24A and 24B, and the first and second pen sponge cleaning sections 24C and 24D. It is configured to be accessible and includes two stages of upper and lower hands for transferring the wafer W between them. For example, the lower hand is used to transfer the wafer W before cleaning, and the upper hand is used to transfer the wafer W after cleaning.
  • a shutter (not shown) provided on the second partition wall 200B is opened and closed.
  • the second transport unit 24H includes a second transport robot 246B that is movable in the vertical direction.
  • the second transfer robot 246B is configured to be accessible to the first and second pen sponge cleaning sections 24C, 24D and the first and second drying sections 24E, 24F, and the wafer W is placed between them. Have a hand for passing.
  • FIG. 4 is a perspective view showing an example of the first and second roll sponge cleaning sections 24A and 24B.
  • the basic configuration and functions of the first and second roll sponge cleaning sections 24A and 24B are common.
  • the first and second roll sponge cleaning units 24A and 24B include a pair of roll sponges 2400 arranged one above the other 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 a 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 cleans the wafer W by supporting the roll sponge 2400 in contact with the wafer W;
  • a cleaning tool cleaning unit 243 that cleans the roll sponge 2400 with a cleaning tool cleaning fluid (self-cleaning); and an environmental sensor 244 that measures the state of the internal space of the housing 20 where the process is performed.
  • the substrate holding section 241 includes a substrate holding mechanism section 241a that holds multiple positions on the side edge of the wafer W, and a substrate rotation mechanism section 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 section 241a includes four rollers, and at least one roller is configured to be movable in the holding direction or the separating direction with respect to the side edge of the wafer W, and the substrate rotation mechanism section 241b rotates at least one roller.
  • the cleaning fluid supply unit 242 includes a cleaning fluid supply nozzle 242a that supplies substrate cleaning fluid to the surface to be cleaned of the wafer W, a swing movement mechanism unit 242b that rotates the cleaning fluid supply nozzle 242a, and a swing movement mechanism unit 242b that rotates the cleaning fluid supply nozzle 242a. It includes a flow rate adjustment section 242c that adjusts the pressure, and a temperature adjustment mechanism section 242d that adjusts the temperature of the substrate cleaning fluid.
  • the substrate cleaning fluid may be pure water (rinsing liquid), a chemical solution, or a mixture thereof (for example, the concentration can be adjusted by adjusting the flow rates of the pure water and the chemical solution by the flow rate adjustment section 242c), and the cleaning fluid supply nozzle 242a As shown in FIG.
  • a nozzle for pure water and a nozzle for chemical liquid may be provided separately.
  • the substrate cleaning fluid may be a liquid, a two-fluid mixture of a liquid and a gas, or a fluid containing a solid such as dry ice.
  • the substrate cleaning unit 240 includes a cleaning tool rotation mechanism unit 240a that rotates the roll sponge 2400 around a first rotation axis parallel to the surface to be cleaned of the wafer W, and a cleaning tool rotation mechanism unit 240a that controls the height of the pair of roll sponges 2400 and the distance between them.
  • a vertical movement mechanism section 240b that moves at least one of the pair of roll sponges 2400 in the vertical direction
  • a linear movement mechanism section 240c that linearly moves the pair of roll sponges 2400 in the horizontal direction are provided.
  • the vertical movement mechanism section 240b and the linear movement mechanism section 240c function as a cleaning tool movement mechanism section that moves the relative position of the roll sponge 2400 and the surface to be cleaned of the wafer W.
  • the cleaning tool cleaning section 243 is arranged in a position that does not interfere with the wafer W, and is housed in a cleaning tool cleaning tank 243a that can store and discharge cleaning tool cleaning fluid, and a cleaning tool cleaning tank 243a that allows the roll sponge 2400 to press against the wafer W.
  • a cleaning tool cleaning plate 243b which is supplied to the cleaning tool cleaning tank 243a, and a flow rate adjusting section 243c that adjusts the flow rate and pressure of the cleaning tool cleaning fluid supplied to the cleaning tool cleaning tank 243a, which flows through the inside of the roll sponge 2400 and from the outer peripheral surface of the roll sponge 2400. It includes a flow rate adjustment section 243d that adjusts the flow rate and pressure of the cleaning tool cleaning fluid discharged to the outside.
  • the cleaning tool cleaning fluid may be pure water (rinsing liquid), a chemical solution, or a mixture thereof (for example, the concentration can be adjusted by adjusting the flow rates of the pure water and the chemical solution by the flow rate adjustment section 243c).
  • the environmental sensor 244 includes, for example, a temperature sensor 244a, a humidity sensor 244b, an atmospheric pressure sensor 244c, an oxygen concentration sensor 244d, and a microphone (sound sensor) 244e.
  • the environment sensor 244 may include a camera (image sensor) capable of photographing the surface, temperature distribution, airflow distribution, etc. of the wafer W and roll sponge 2400 during the cleaning process or before and after the cleaning process.
  • the object to be photographed by the camera is not limited to visible light, but may also be infrared light, ultraviolet light, or the like.
  • the wafer W is rotated by the substrate rotation mechanism section 241b while being held by the substrate holding mechanism section 241a. Then, while the substrate cleaning fluid is supplied from the cleaning fluid supply nozzle 242a to the surface to be cleaned of the wafer W, the roll sponge 2400 rotated around the axis by the cleaning tool rotation mechanism section 240a is applied to the surface to be cleaned of the wafer W. The wafer W is cleaned by sliding contact.
  • the substrate cleaning section 240 moves the roll sponge 2400 to the cleaning tool cleaning tank 243a, and, for example, rotates the roll sponge 2400, presses it against the cleaning tool cleaning plate 243b, and controls the flow rate adjustment section 243d to apply cleaning tool cleaning fluid to the cleaning tool cleaning tank 243a.
  • the roll sponge 2400 is cleaned.
  • FIG. 5 is a perspective view showing an example of the first and second pen sponge cleaning sections 24C and 24D.
  • the basic configuration and functions of the first and second pen sponge cleaning sections 24C and 24D are common.
  • Each of the first and second pen sponge cleaning sections 24C and 24D has a substrate holding section 241 that holds the wafer W, a cleaning fluid supply section 242 that supplies substrate cleaning fluid to the wafer W, and a pen sponge 2401 that can rotate.
  • a substrate cleaning section 240 that cleans the wafer W by supporting the pen sponge 2401 with the wafer W; a cleaning tool cleaning section 243 that cleans the pen sponge 2401 with a cleaning fluid (self-cleaning); and an environmental sensor 244 that measures the state of the internal space of the housing 20 where the process is performed.
  • the pen sponge cleaning sections 24C and 24D will be explained, focusing on the parts that are different from the roll sponge cleaning sections 24A and 24B.
  • the substrate holding section 241 includes a substrate holding mechanism section 241c that holds multiple positions on the side edge of the wafer W, and a substrate rotation mechanism section 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 section 241c includes four chucks, and at least one chuck is configured to be movable in the holding direction or the separating direction with respect to the side edge of the wafer W, and the substrate rotating mechanism section 241d rotates a support shaft connected to the four chucks.
  • 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 swing movement mechanism section 242b, a flow rate adjustment section 242c, and a temperature adjustment mechanism section 242d.
  • the substrate cleaning unit 240 includes a cleaning tool rotation mechanism unit 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 unit 240e that moves the pen sponge 2401 in the vertical direction. and a swing movement mechanism section 240f that swings and moves the pen sponge 2401 in the horizontal direction.
  • the vertical movement mechanism section 240e and the swing movement mechanism section 240f function as a cleaning tool movement mechanism section that moves the relative position of the pen sponge 2401 and the surface to be cleaned of the wafer W.
  • the cleaning tool cleaning section 243 is arranged in a position that does not interfere with the wafer W, and is housed in a cleaning tool cleaning tank 243e that can store and discharge cleaning tool cleaning fluid, and a cleaning tool cleaning tank 243e that allows the pen sponge 2401 to press against the cleaning tool cleaning tank 243e.
  • a cleaning tool cleaning plate 243f which is supplied to the cleaning tool cleaning tank 243e, and a flow rate adjustment section 243g that adjusts the flow rate and pressure of the cleaning tool cleaning fluid supplied to the cleaning tool cleaning tank 243e, which flows through the inside of the pen sponge 2401 and from the outer surface of the pen sponge 2401. It includes a flow rate adjustment section 243h that adjusts the flow rate and pressure of the cleaning tool cleaning fluid discharged to the outside.
  • the environmental sensor 244 includes, for example, a temperature sensor 244a, a humidity sensor 244b, an atmospheric pressure sensor 244c, an oxygen concentration sensor 244d, and a microphone (sound sensor) 244e.
  • the environment sensor 244 may include a camera (image sensor) capable of photographing the surface temperature distribution, airflow distribution, etc. of the wafer W and the pen sponge 2401 during the cleaning process or before and after the cleaning process.
  • the object to be photographed by the camera is not limited to visible light, but may also be infrared light, ultraviolet light, or the like.
  • the wafer W is rotated by the substrate rotation mechanism section 241d while being held by the substrate holding mechanism section 241c. Then, while the substrate cleaning fluid is 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 section 240d is applied to the surface to be cleaned of the wafer W. The wafer W is cleaned by sliding contact.
  • the substrate cleaning unit 240 moves the pen sponge 2401 to the cleaning tool cleaning tank 243e, and, for example, rotates the pen sponge 2401, presses it against the cleaning tool cleaning plate 243f, and controls the flow rate adjustment unit 243h to clean the cleaning tool with the cleaning tool cleaning tank 243e.
  • the pen sponge 2401 is cleaned.
  • FIG. 6 is a perspective view showing an example of the first and second drying sections 24E and 24F.
  • the basic configuration 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 substrate drying fluid to the wafer W, and a housing 20 where drying processing is performed. It also includes an environment sensor 244 that measures the state of the internal space.
  • the substrate holding section 241 includes a substrate holding mechanism section 241e that holds multiple positions on the side edge of the wafer W, and a substrate rotation mechanism section that rotates the wafer W around a third rotation axis perpendicular to the surface to be cleaned of the wafer W. 241f.
  • the drying fluid supply unit 245 includes a drying fluid supply nozzle 245a that supplies substrate drying fluid to the surface to be cleaned of the wafer W, a vertical movement mechanism unit 245b that moves the drying fluid supply nozzle 245a in the vertical direction, and a drying fluid supply nozzle 245a.
  • a swing movement mechanism section 245c that pivots in the horizontal direction, a flow rate adjustment section 245d that adjusts the flow rate and pressure of the substrate drying fluid, and a temperature adjustment mechanism section 245e that adjusts the temperature of the substrate drying fluid.
  • the vertical movement mechanism section 245b and the swing movement mechanism section 245c function as a dry fluid supply nozzle movement mechanism section that moves the relative position of the dry fluid supply nozzle 245a and the surface to be cleaned of the wafer W.
  • the substrate drying fluid is, for example, IPA steam and pure water (rinsing liquid), and the drying fluid supply nozzle 245a has a nozzle for IPA steam and a nozzle for pure water provided separately, as shown in FIG. It may be. Further, the substrate drying fluid may be a liquid, a two-fluid mixture of a liquid and a gas, or a fluid containing a solid such as dry ice.
  • the environmental sensor 244 includes a temperature sensor 244a, a humidity sensor 244b, an atmospheric pressure sensor 244c, an oxygen concentration sensor 244d, and a microphone (sound sensor) 244e.
  • the environment sensor 244 may include a camera (image sensor) capable of photographing the surface of the wafer W, temperature distribution, airflow distribution, etc. during the drying process or before and after the drying process.
  • the wafer W is rotated by the substrate rotation mechanism section 241f while being held by the substrate holding mechanism section 241e. Then, with the substrate drying fluid being supplied from the drying fluid supply nozzle 245a to the surface to be cleaned of the wafer W, the drying fluid supply nozzle 245a is moved to the side edge side (radially outward) of the wafer W. Thereafter, the wafer W is dried by being rotated at high speed by the substrate rotation mechanism section 241f.
  • 240d is omitted, but includes, for example, a driving force generation module such as a motor and an air cylinder, and a driving force transmission mechanism such as a linear guide, a ball screw, a gear, a belt, a coupling, and a bearing. and a sensor such as a linear sensor, an encoder sensor, a limit sensor, a torque sensor, etc., as appropriate.
  • a driving force generation module such as a motor and an air cylinder
  • a driving force transmission mechanism such as a linear guide, a ball screw, a gear, a belt, a coupling, and a bearing.
  • a sensor such as a linear sensor, an encoder sensor, a limit sensor, a torque sensor, etc.,
  • the specific configuration of the flow rate adjustment units 243c, 243d, 243g, 243h, and 245d is omitted, but for example, a module for fluid adjustment such as a pump, a valve, a regulator, a flow rate sensor, It is constructed by appropriately combining sensors such as a pressure sensor, a liquid level sensor, a temperature sensor, a fluid concentration sensor, and a fluid particle sensor.
  • a module for temperature control contact type or non-contact type
  • a heater or a heat exchanger It is configured by appropriately combining sensors such as a temperature sensor and a current sensor.
  • the film thickness measuring unit 25 is a measuring device that measures the film thickness of the wafer W before or after the polishing process, and includes, for example, an optical film thickness measuring device, an eddy current type film thickness measuring device, or the like.
  • the transfer robot 211 transfers the wafer W to each film thickness measurement module.
  • 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 collectively controls each of the units 21 to 25.
  • the control system (module, sensor, sequencer) of the finishing unit 24 will be explained as an example, but since the other units 21 to 23 and 25 have the same basic configuration and functions, the explanation will be omitted.
  • the finishing unit 24 includes subunits included in the finishing unit 24 (for example, first and second roll sponge cleaning sections 24A, 24B, first and second pen sponge cleaning sections 24C, 24D, first and second drying sections 24E, 24F, first and second transport sections 24G, 24H, etc.), and a plurality of modules 2471 to 247r to be controlled; A plurality of sensors 2481 to 248s that detect data (detected values) necessary for controlling the modules 2471 to 247r, and a sequencer 249 that controls the operation of each module 2471 to 247r based on the detected values of each sensor 2481 to 248s. Be prepared.
  • the sensors 2481 to 248s of the finishing unit 24 include, for example, a sensor that detects the holding pressure when the substrate holding mechanisms 241a and 241c hold the substrate, a sensor that detects the rotation speed of the substrate holding mechanisms 241a and 241c, and a substrate.
  • a sensor that detects the position coordinates a sensor that detects the temperature of the substrate cleaning fluid, a sensor that detects the concentration of the substrate cleaning fluid, a sensor that detects the rotation speed of the cleaning tool rotation mechanism section 240a, and a rotational torque of the cleaning tool rotation mechanism section 240a.
  • a sensor that detects the position coordinates of the cleaning tool moving mechanism vertical moving mechanism 240b, 240e, linear moving mechanism 240c, swinging moving mechanism 240f), and a sensor that detects the moving speed of the cleaning tool moving mechanism.
  • a sensor that detects the moving torque of the cleaning tool moving mechanism a sensor that detects the pressing load when the cleaning tool (roll sponge 2400, pen sponge 2401) is brought into contact with the wafer W or the cleaning tool cleaning plates 243b, 243f,
  • a sensor that detects the flow rate of the cleaning tool cleaning fluid a sensor that detects the pressure of the cleaning tool cleaning fluid, a sensor that detects the pressure of the cleaning tool cleaning fluid, a sensor that detects the pressure of the cleaning tool cleaning fluid, a sensor that detects the pressure of the cleaning tool cleaning fluid, a sensor that detects the pressure of the cleaning tool cleaning fluid, a sensor that detects the pressure of the cleaning tool cleaning fluid, a sensor that detects the pressure of the cleaning tool cleaning fluid, a sensor that detects the pressure of the cleaning tool cleaning fluid, a sensor that detects the pressure of the cleaning tool cleaning fluid, a sensor that detects the pressure of the cleaning tool cleaning fluid, a sensor that detects the pressure of the cleaning tool cleaning fluid, a sensor that detects the pressure of the cleaning
  • 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 comprised of, for example, a general-purpose or dedicated computer (see FIG. 8, which will be 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 accepts various input operations, and the output unit 263 functions as a user interface by outputting various information via a display screen, signal tower lighting, and buzzer sound.
  • the storage unit 264 stores various programs (operating system (OS), application programs, web browser, etc.) and data (device setting information 265, substrate recipe information 266, etc.) used in the operation of the substrate processing apparatus 2.
  • the device setting information 265 and the board 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 to 258 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 multiple modules 2171 to 217p, 2271 to 227r, 2371 to 237t, 2471 to 247v, and 2571 to 257x.
  • FIG. 8 is a hardware configuration diagram showing an example of the computer 900.
  • Each of the control unit 26, database device 3, machine learning device 4, information processing device 5, and user terminal device 6 of the substrate processing apparatus 2 is configured by a general-purpose or dedicated computer 900.
  • the computer 900 includes 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, and a communication I/F (interface) as its main components. 922 , an external device 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-mentioned components may be omitted as appropriate depending on the purpose for which the computer 900 is used.
  • the processor 912 includes one or more arithmetic processing units (CPU (Central Processing Unit), MPU (Micro-processing unit), DSP (digital signal processor), GPU (Graphic cs Processing Unit), etc.), and the entire computer 900 It operates as a control unit that oversees the
  • the memory 914 stores various data and programs 930, and includes, for example, a volatile memory (DRAM, SRAM, etc.) that functions as a main memory, a nonvolatile memory (ROM), a flash memory, etc.
  • the input device 916 includes, for example, a keyboard, a mouse, a numeric keypad, an electronic pen, etc., and functions as an input unit.
  • the output device 917 is configured with, for example, a sound (voice) output device, a vibration device, etc., and functions as an output section.
  • the display device 918 is configured with, for example, a liquid crystal display, an organic EL display, electronic paper, a projector, etc., and functions as an output unit.
  • Input device 916 and display device 918 may be configured integrally, such as a touch panel display.
  • the storage device 920 is configured with, for example, an HDD, an 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 section 922 is connected to a network 940 such as the Internet or an intranet (which may be the same as the network 7 in FIG. 1) by wire or wirelessly, and exchanges data with other computers according to a predetermined communication standard. It functions as a communication unit that sends and receives information.
  • the external device I/F section 924 is connected to an external device 950 such as a camera, printer, scanner, reader/writer, etc. by wire or wirelessly, and serves as a communication section that sends 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 an I/O device 960 such as various sensors and actuators, and transmits, for example, a detection signal from a sensor, a control signal to an actuator, etc. with the I/O device 960. It functions as a communication unit that sends and receives various signals and data.
  • the media input/output unit 928 is configured with a drive device such as a DVD drive or a CD drive, and reads and writes data on a medium (non-temporary storage medium) 970 such as a DVD or a CD.
  • 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 medium 970 in an installable file format or an executable file format, and provided to the computer 900 via the media input/output unit 928.
  • the program 930 may be provided to the computer 900 by being downloaded via the network 940 via the communication I/F unit 922.
  • the computer 900 may implement various functions achieved by the processor 912 executing the program 930 using hardware such as an FPGA or an ASIC.
  • the computer 900 is, for example, a stationary computer or a portable computer, and is any type of electronic device.
  • the computer 900 may be a client computer, a server computer, or a cloud computer.
  • the computer 900 may also be applied to devices other than the devices 2 to 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 is, for example, a table in which reports R obtained when substrate processing is performed using cleaning tools for main production (roll sponge 2400, pen sponge 2401) are classified and registered. It includes a wafer history table 300 regarding wafers W, and a cleaning history table 301 regarding apparatus status information in cleaning processing.
  • the production history information 30 includes a polishing history table regarding equipment status information in polishing processing, a drying history table regarding equipment status information in drying processing, an event history table regarding event information, an operation history table regarding operation information, etc. However, detailed explanation will be omitted.
  • each record of the wafer history table 300 for example, a wafer ID, cassette number, slot number, start time and end time of each process, used unit ID, etc. are registered.
  • FIG. 9 illustrates a polishing process, a cleaning process, and a drying process, other processes are also registered in the same manner.
  • Each record in the cleaning history table 301 includes, for example, a wafer ID, substrate holder status information, cleaning fluid supply unit status information, substrate cleaning unit status information, cleaning tool cleaning unit status information, internal environment information, processing performance information, etc. is registered.
  • the substrate holder state information is information indicating the state of the substrate holder 241 during the cleaning process.
  • the substrate holder state information is, for example, a detection value of each sensor (or a command value to each module) sampled at a predetermined time interval by a sensor group (or module group) included in the substrate holder 241.
  • the cleaning fluid supply unit status information is information indicating the status of the cleaning fluid supply unit 242 in the cleaning process.
  • the cleaning fluid supply unit state information is, for example, a detection value of each sensor (or a command value to each module) sampled at a predetermined time interval by a group of sensors (or a group of modules) included in the cleaning fluid supply unit 242.
  • the substrate cleaning unit status information is information indicating the status of the substrate cleaning unit 240 in the cleaning process.
  • the substrate cleaning unit state information is, for example, a detection value of each sensor (or a command value to each module) sampled at a predetermined time interval by a sensor group (or module group) included in the substrate cleaning unit 240.
  • the cleaning tool cleaning section state information is information indicating the state of the cleaning tool cleaning section 243 in the cleaning process.
  • the cleaning tool cleaning unit state information is, for example, a detection value of each sensor (or a command value to each module) sampled at a predetermined time interval by a sensor group (or module group) included in the cleaning tool cleaning unit 243.
  • the internal environment information is information indicating the state of the internal space of the substrate processing apparatus 2 formed by the housing 20.
  • the internal space of the substrate processing apparatus 2 is a space in which the finishing unit 24 is arranged, and the internal environment information is, for example, the detection value of each sensor sampled by the environmental sensor 244 at a predetermined time interval.
  • the internal space of the substrate processing apparatus 2 is divided into subunits included in the finishing unit 24 (for example, first and second roll sponge cleaning sections 24A and 24B, first and second pen sponge cleaning sections 24C and 24D, When the drying section 24E and the second drying section 24E, 24F) are separated, the environment sensor 244 is installed in each subunit of the finishing unit 24, and the environment information inside the device is transmitted to the subunit of the finishing unit 24. Obtained for each unit.
  • Processing performance information is information indicating the performance of cleaning processing.
  • the processing performance information includes the cumulative number of wafers W used and the cumulative usage time when the cleaning tool (roll sponge 2400, pen sponge 2401) was replaced and the cleaning process was performed using the cleaning tool.
  • the time series data of each sensor (or the time of each module series data) can be extracted.
  • FIG. 10 is a data configuration diagram showing an example of the cleaning test information 31 managed by the database device 3.
  • the cleaning test information 31 includes a cleaning test table 310 in which reports R and test results obtained when a cleaning test is conducted using a cleaning tool or a cleaning test device for testing are classified and registered.
  • Each record of the cleaning test table 310 includes, for example, a test ID, substrate holder status information, cleaning fluid supply unit status information, substrate cleaning unit status information, cleaning tool cleaning unit status information, device internal environment information, processing performance information, Test result information etc. are registered.
  • the substrate holder status information, cleaning fluid supply unit status information, substrate cleaning unit status information, cleaning tool cleaning unit status information, device internal environment information, and processing performance information in the cleaning test table 310 indicate the status of each part in the cleaning test. Since the data structure is the same as that of the cleaning history table 301, detailed explanation will be omitted.
  • the test result information is information indicating the state of the test cleaning tool when the cleaning process was performed in the cleaning test.
  • the test result information is a measurement value sampled at a predetermined time interval by a cleaning tool measuring device installed in a cleaning tool for testing or a cleaning test device.
  • the test result information shown in FIG. 10 includes the weight of the cleaning tool, the water content, Each of the measurement values V1 to V4 of hardness and cleanliness is included.
  • the test result information may be a measured value obtained by a cleaning tool measuring device, or may be a measured value obtained from a camera installed as an environmental sensor 244, an optical microscope, or a scanning electron microscope (SEM).
  • test result information may be collected in one cleaning test conducted continuously from the start to the end of the cleaning process, or may be collected at a predetermined time after the start of the cleaning process. It is also possible to collect data from a plurality of cleaning tests by repeating the cleaning test while gradually increasing the predetermined time until the cleaning test is completed.
  • the substrate cleaning apparatus (substrate holding part 241, cleaning fluid supply part 242 , the substrate cleaning section 240, and the cleaning tool cleaning section 243) (or time-series data of each module), and time-series data showing the state of the test cleaning tool at that time are extracted. It is possible.
  • 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 section 40, a communication section 41, a learning data storage section 42, and a learned model storage section 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 cleaning test device (not shown), etc.) via the network 7, and is connected to various external devices. Functions as a communication interface for sending and receiving data.
  • the learning data acquisition section 400 is connected to an external device via the communication section 41 and the network 7, and is configured with a first learning data acquisition section 400 that is configured with operating state information as input data and cleaning tool 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.
  • the cleaning tool state information is data used as a correct answer label in supervised learning.
  • the learning data storage unit 42 is a database that stores a plurality of sets of 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 section 42 may be designed as appropriate.
  • the machine learning unit 401 performs machine learning using the plurality of sets of first learning data 11A stored in the learning data storage unit 42. That is, the machine learning unit 401 inputs a plurality of sets of first learning data 11A to the first learning model 10A, and calculates the correlation between the operating state information and the cleaning tool state information included in the first learning data 11A. By causing the first learning model 10A to learn, a 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 trained first learning model 10A stored in the trained 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. Note that although the learning data storage section 42 and the learned model storage section 43 are shown as separate storage sections in FIG. 11, they may be configured as a single storage section.
  • the number of first learning models 10A stored in the learned model storage unit 43 is not limited to one, and for example, the number of first learning models 10A stored in the learned model storage unit 43 is not limited to one.
  • Types of tools differences in mechanisms of substrate cleaning equipment (substrate holding section 241, cleaning fluid supply section 242, substrate cleaning section 240, and cleaning tool cleaning section 243), types of substrate cleaning fluid and cleaning tool cleaning fluid, and operating conditions.
  • a plurality of learning models with different conditions may be stored, such as the type of data included in the information, the type of data included in the cleaning tool state information, and the like.
  • the learning data storage unit 42 may store a plurality of types of learning data each having a data structure 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 operating state information and cleaning tool state information.
  • the first learning model 10A and the first learning data 11A correspond to roll sponge cleaning parts 24A and 24B using a roll sponge 2400, and a pen sponge cleaning part using a pen sponge 2401. At least two types are prepared, one corresponding to 24C and 24D, but since the basic data structure is common, they will be explained together below.
  • the operating state information constituting the first learning data 11A includes substrate holder state information indicating the state of the substrate holder 241 in the cleaning process of the wafer W performed by the substrate processing apparatus 2, and the state of the cleaning fluid supply unit 242.
  • the substrate holding unit state information included in the operating state information includes the number of holding points when the substrate holding mechanisms 241a and 241c hold the substrate, the holding pressure when the substrate holding mechanisms 241a and 241c hold the substrate, and the substrate holding mechanism. It includes at least one of the rotational speed of the parts 241a and 241c, the rotational torque of the substrate rotation mechanism parts 241b and 241d, and the condition of the substrate holding mechanism parts 241a and 241c.
  • the conditions of the substrate holding mechanisms 241a and 241c are, for example, the conditions of the substrate holding mechanisms 241a and 241c, which are set based on the usage status of the substrate holding mechanisms 241a and 241c (hours of use, pressure during use, and whether or not they are replaced). Indicates the degree of wear and tear.
  • the conditions of the substrate holding mechanisms 241a and 241c may change over time, for example, during the cleaning process.
  • the cleaning fluid supply unit status information included in the operating status information includes at least one of the flow rate of the substrate cleaning fluid, the pressure of the substrate cleaning fluid, the dropping position of the substrate cleaning fluid, the temperature of the substrate cleaning fluid, and the concentration of the substrate cleaning fluid. including.
  • the cleaning fluid supply unit status information may include the flow rate, pressure, dropping position, temperature, and concentration of each fluid.
  • the substrate cleaning unit status information included in the operating status information includes the rotation speed of the cleaning tool rotation mechanism unit 240a, Rotation torque of the cleaning tool rotation mechanism 240a, position coordinates of the cleaning tool moving mechanism (vertical movement mechanism 240b, 240e, linear movement mechanism 240c, swing movement mechanism 240f), moving speed of the cleaning tool movement mechanism, It includes at least one of the moving torque of the cleaning tool moving mechanism, the pressing load when bringing the cleaning tool into contact with the wafer W, and the condition of the cleaning tool.
  • the condition of the cleaning tool indicates the condition of the cleaning tool at a point in time before the target time in the cleaning tool status information.
  • the condition of the cleaning tool may change over time during the cleaning process.
  • the cleaning tool cleaning section state information included in the operating state information includes the rotation speed of the cleaning tool rotation mechanism section 240a, the rotational torque of the cleaning tool rotation mechanism section 240a, the cleaning tool movement mechanism section (vertical movement mechanism sections 240b and 240e, linear movement).
  • the operating state information may further include internal environment information indicating the environment of the space where the cleaning process is performed, and the internal environment information included in the operating state information is the internal space (finishing) formed by the housing 20. (for each subunit of the unit 24), humidity, atmospheric pressure, air flow, oxygen concentration, and sound.
  • the operating state information may further include processing performance information indicating the performance of cleaning processing, and the processing performance information included in the operating state information may include, for example, when the cleaning tool is used for cleaning after the cleaning tool is replaced. It includes at least one of the cumulative number of wafers W used when processing was performed and the cumulative usage time.
  • the cleaning tool state information constituting the first learning data 11A is information indicating the state of the cleaning tool when the substrate processing apparatus 2 operates in the operating state indicated by the operating state information.
  • the cleaning tool status information is condition information indicating the condition of the cleaning tool.
  • Condition information includes, for example, the weight, moisture content, hardness, and , cleanliness.
  • the learning data acquisition unit 400 acquires the first learning data 11A by referring to the cleaning test information 31 and accepting user input operations through the user terminal device 6 as necessary. For example, by referring to the cleaning test table 310 of the cleaning test information 31, the learning data acquisition unit 400 obtains information on the state of the substrate holder and the state of the cleaning fluid supply unit when the cleaning test specified by the test ID is performed. information, substrate cleaning unit status information, and cleaning tool cleaning unit status information (time series data of each sensor included in the substrate holding unit 241, cleaning fluid supply unit 242, substrate cleaning unit 240, and cleaning tool cleaning unit 243) is obtained as operating state information.
  • operating state information is acquired as time-series data of a sensor group as shown in FIG. You may change it suitably according to the structure of the cleaning tool cleaning part 240 and the cleaning tool cleaning part 243).
  • a command value to the module may be used, a parameter converted from a sensor detection value or a command value to the module may be used, or a command value may be used based on the detection value of multiple sensors.
  • a calculated parameter may also be used.
  • the operating state information may be acquired as time-series data for the entire cleaning process period, as time-series data for a target period that is a part of the cleaning process period, or at a specific target point in time. It may also be acquired as point-in-time data. As described above, when changing the definition of the operating state information, 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 obtains test result information (of the cleaning tool measuring device) when a cleaning test specified by the same test ID is performed.
  • Time series data (FIG. 10)) is acquired as cleaning implement state information for the above operating state information. If the cleaning tool measuring device is a measuring device that can perform surface measurements on the cleaning tool, the learning data acquisition unit 400 acquires the surface measurement value as cleaning tool state information.
  • the cleaning tool status information is condition information as shown in FIG. 12, which includes at least one of the weight, moisture content, hardness, and cleanliness of the cleaning tool. It can be anything. Further, the cleaning tool status information may be calculated by substituting the measured value of the cleaning tool measuring device into a predetermined calculation formula. Furthermore, if the operating state information is acquired as time-series data for the entire cleaning process period or time-series data for a target period that is part of the cleaning process period, the cleaning tool status information It may be acquired as the entire time series data or the time series data of the target period, or it may be acquired as the time data at the end of the cleaning process or the time data at the target time.
  • the cleaning tool status information may be acquired as point-in-time data at the specific target 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. Synapses (not shown) connecting each neuron are placed between each layer, and each synapse is associated with a weight. A weight parameter group consisting of the weight of each synapse is adjusted by machine learning.
  • the input layer 100 has a number of neurons corresponding to the operational state information as input data, and each value of the operational state information is input to each neuron.
  • the output layer 102 has a number of neurons corresponding to the cleaning tool state information as output data, and a prediction result (inference result) of the cleaning tool state information with respect to the operation state information is output as output data.
  • the cleaning tool status information is output as a numerical value normalized to a predetermined range (for example, 0 to 1).
  • the cleaning tool status information is normalized to a predetermined range (for example, 0 to 1) as a score (accuracy) for each class. Each is output as a numerical value.
  • FIG. 13 is a flowchart illustrating an example of a machine learning method by the machine learning device 4.
  • step S100 the learning data acquisition unit 400 acquires a desired number of first learning data 11A from the cleaning test information 31 etc. as advance preparation for starting machine learning, and the acquired first learning data 11A. 1 learning data 11A is stored in the learning data storage section 42.
  • the number of first learning data 11A prepared here may be set in consideration of the inference accuracy required for the first learning model 10A finally obtained.
  • step S110 the machine learning unit 401 prepares the first learning model 10A before learning in order to start machine learning.
  • the first learning model 10A before learning prepared here is configured by the neural network model illustrated in FIG. 12, and the weight of each synapse is set to an initial value.
  • step S120 the machine learning unit 401 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 data before learning (or during learning). Input to input layer 100 of model 10A.
  • cleaning implement state information output data
  • the output data is the same as that of the first learning model 10A before learning (or during learning). It was generated by. Therefore, in the state before learning (or during learning), the output data output as the inference result indicates information different from the cleaning implement state information (correct label) included in the first learning data 11A.
  • step S140 the machine learning unit 401 uses the cleaning tool state information (correct label) included in the first set of learning data 11A acquired in step S120 and the inference result from the output layer in step S130.
  • Machine learning is performed by comparing the cleaning tool status information (output data) output as , and performing processing (back propagation) to adjust the weight of each synapse.
  • the machine learning unit 401 causes the first learning model 10A to learn the correlation between the operating state information and the cleaning tool state information.
  • step S150 the machine learning unit 401 determines whether or not a predetermined learning end condition is satisfied, based on, for example, the cleaning implement state information (correct label) included in the first learning data 11A and the inference result. The judgment is based on the evaluation value of the error function based on the cleaning tool state information (output data) outputted as , and the remaining number of unlearned first learning data 11A stored in the learning data storage section do.
  • step S150 if the machine learning unit 401 determines that the learning end condition is not satisfied and machine learning is to be continued (No in step S150), the process returns to step S120 and the first learning model 10A that is currently learning is On the other hand, the steps S120 to S140 are performed multiple times using the unlearned first learning data 11A. On the other hand, in step S150, if the machine learning unit 401 determines that the learning termination condition is satisfied and the machine learning is to be terminated (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 in the learned model memory. 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 substrate holding part state information, the cleaning fluid supply part state information, the substrate cleaning part state information, and the cleaning tool cleaning part state information It is possible to provide the first learning model 10A that can predict (infer) cleaning tool state information indicating the state of the cleaning tools (roll sponge 2400, pen sponge 2401) from the included operating state information.
  • 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 section 50, a communication section 51, and a learned model storage section 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 external devices (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 includes substrate holding unit status information, cleaning fluid supply unit status information, substrate cleaning unit status information, and cleaning tool cleaning unit status information. Get operating status information.
  • the information acquisition unit 500 can refer to the cleaning history table 301 of the production history information 30. , acquires, as operation state information, substrate holding section state information, cleaning fluid supply section state information, substrate cleaning section state information, and cleaning tool cleaning section state information when the cleaning process is performed on the wafer W. .
  • the information acquisition unit 500 acquires equipment state information from the substrate processing apparatus 2 that is performing the cleaning processing.
  • the information acquisition unit 500 receives substrate recipe information 266 from the substrate processing apparatus 2 that is scheduled to perform the cleaning process.
  • substrate recipe information 266 By simulating the apparatus state information when the substrate processing apparatus 2 operates according to the substrate recipe conditions 266, the substrate holding part state information and the cleaning fluid supply part state when the cleaning process is performed on the wafer W are obtained.
  • information, substrate cleaning unit status information, and cleaning tool cleaning unit status information are acquired as operating status information.
  • the state prediction unit 501 inputs the operating state information acquired by the information acquiring unit 500 as input data to the first learning model 10A, thereby processing the substrate in the operating state indicated by the operating state information.
  • Cleaning tool status information (in this embodiment, condition information) indicating the state of the cleaning tool when the device 2 operates is predicted.
  • the trained model storage unit 52 is a database that stores the trained first learning model 10A used by 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, and includes, for example, the machine learning method, the type of wafer W (size, thickness, film type, etc.), cleaning Types of tools, differences in mechanisms of substrate cleaning equipment (substrate holding section 241, cleaning fluid supply section 242, substrate cleaning section 240, and cleaning tool cleaning section 243), types of substrate cleaning fluid and cleaning tool cleaning fluid, and operating conditions.
  • a plurality of trained models with different conditions, such as the type of data included in the information and the type of data included in the cleaning tool state information, may be stored and selectively available.
  • the learned model storage unit 52 includes one corresponding to the roll sponge cleaning units 24A and 24B using the roll sponge 2400, and one corresponding to the pen sponge cleaning units 24C and 24D using the pen sponge 2401. At least two types of first learning models 10A are stored. Further, the learned model storage unit 52 may be replaced by a storage unit of an external computer (for example, a server type computer or a cloud type computer), and in that case, the state prediction unit 501 will be able to access the external computer. Bye.
  • an external computer for example, a server type computer or a cloud type computer
  • the output processing unit 502 performs output processing to output the cleaning tool status information generated by the status prediction unit 501. For example, the output processing unit 502 transmits the cleaning tool status information to the substrate processing apparatus 2 or the user terminal device 6, so that a display screen based on the cleaning tool status information is displayed on the substrate processing apparatus 2 or the user terminal device 6. Alternatively, by transmitting the cleaning tool status information to the database device 3, the cleaning tool status information may be registered in the production history information 30.
  • FIG. 16 is a flowchart illustrating an example of an information processing method by the information processing device 5. Below, an example of operation will be described in which a user operates the user terminal device 6 to perform "post-prediction processing" on the cleaning tool state information for a specific wafer W.
  • step S200 when the user performs an input operation on the user terminal device 6 to input a wafer ID that specifies a wafer W to be predicted, the user terminal device 6 inputs 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.
  • step S211 the information acquisition unit 500 uses the wafer ID received in step S210 to refer to the cleaning history table 301 of the production history information 30, so that the wafer W specified by the wafer ID can be cleaned. Obtain operating state information at the time of execution.
  • step S220 the state prediction unit 501 inputs the operating state information acquired in step S211 as input data to the first learning model 10A, thereby outputting cleaning tool state information corresponding to the operating state information. It is generated as data and predicts the condition of the cleaning tool.
  • step S230 the output processing unit 502 transmits the cleaning tool status information to the user terminal device 6 as an output process for outputting the cleaning tool status information generated in step S220.
  • the destination of the cleaning tool state information may be the database device 3 in addition to or instead of the user terminal device 6.
  • step S240 upon receiving the cleaning tool status information transmitted in step S230 as a response to the transmission process in step S200, the user terminal device 6 displays a display screen based on the cleaning tool status information. This allows the user to visually check the state of the cleaning tool.
  • steps S210 and S211 correspond to an information acquisition step
  • step S220 corresponds to a state prediction step
  • step S230 corresponds to an output processing step.
  • the substrate holding part state information, the cleaning fluid supply part state information, the substrate cleaning part state information, and the cleaning tool cleaning in the cleaning process By inputting operating state information including part state information into the first learning model 10A, cleaning tool state information (condition information) corresponding to the operating state information is predicted. The condition of the cleaning tool can be appropriately predicted.
  • the cleaning tool status information includes at least one of remaining life information indicating the remaining life of the cleaning tool (roll sponge 2400, pen sponge 2401) and cleaning quality information indicating the cleaning quality of the cleaning tool.
  • This embodiment differs from the first embodiment in certain respects. Below, a machine learning device 4a and an 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 cleaning tool status information constituting the second learning data 11B includes at least one of remaining life information indicating the remaining life of the cleaning tool and cleaning quality information indicating the cleaning quality of the cleaning tool.
  • the remaining life of the cleaning tool is determined, for example, by the number of times the cleaning tool can be used or the time it can be used until the cleaning tool reaches its end of life, and may be set based on, for example, the influence on cleaning quality.
  • the cleaning quality of a cleaning tool is determined by the degree of cleaning of the wafer W when the cleaning process is performed using the cleaning tool. It may also include the total number of particles. Note that the operating state information constituting the second learning data 11B is the same as that in the first embodiment, so a description thereof will be omitted.
  • the learning data acquisition unit 400 acquires the second learning data 11B by referring to the cleaning test information 31 and accepting user input operations via the user terminal device 6 as necessary. For example, in the cleaning test information 31, as test result information, "0" is set when the cleaning tool reaches the end of its life when repeated cleaning processing is performed using a test cleaning tool or cleaning test device. Remaining life information, in which a larger value is set as you go back in the past, and cleaning quality information measured with a measuring device such as an optical microscope or a scanning electron microscope (SEM) are registered. Then, the learning data acquisition unit 400 obtains remaining life information and cleaning quality information by acquiring test result information when the cleaning test specified by the test ID is performed from the cleaning test table 310 of the cleaning test information 31. get.
  • test result information For example, in the cleaning test information 31, as test result information, "0" is set when the cleaning tool reaches the end of its life when repeated cleaning processing is performed using a test cleaning tool or cleaning test device. Remaining life information, in which a larger value is set as you go
  • the machine learning unit 401 inputs a plurality of sets of second learning data 11B to the second learning model 10B, and inputs operating state information and cleaning tool state information (remaining life information and cleaning tool state information) included in the second learning data 11B.
  • operating state information and cleaning tool state information replacement life information and cleaning tool state information
  • a learned second learning model 10B is generated.
  • FIG. 19 is a block diagram showing an example of an information processing device 5a that functions 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 operation status information including substrate holder status information, cleaning fluid supply unit status information, substrate cleaning unit status information, and cleaning tool cleaning unit status information. .
  • the state prediction unit 501 inputs the operating state information acquired by the information acquiring unit 500 as input data to the second learning model 10B, thereby processing the substrate in the operating state indicated by the operating state information.
  • Cleaning tool status information (at least one of remaining life information and cleaning quality information) indicating the state of the cleaning tool when the device 2 operates is predicted.
  • the output processing unit 502 performs output processing to output the cleaning tool status information (at least one of remaining life information and cleaning quality information) generated by the status prediction unit 501.
  • the output processing unit 502 transmits the cleaning tool status information to the substrate processing apparatus 2 or the user terminal device 6, so that a display screen based on the cleaning tool status information is displayed on the substrate processing apparatus 2 or the user terminal device 6.
  • the cleaning tool status information may be registered in the production history information 30.
  • the output processing unit 502 outputs a message when the remaining life of the cleaning tool indicated by the remaining life information is less than a predetermined standard number of notices or a predetermined notice standard time, or when the cleaning quality indicated by the cleaning quality information exceeds a predetermined standard quality. If the value is lower than that, information for displaying a notice of replacement of the cleaning tool, a procedure manual for the replacement work, the time required for the replacement work, the price of replacement parts, etc. is transmitted to the substrate processing device 2 and the user terminal device 6. It's okay.
  • the output processing unit 502 may transmit a command to automatically replace the cleaning tool to the substrate processing apparatus 2, A command to order replacement parts for cleaning tools may be sent to an inventory management device (not shown) that manages the inventory of cleaning tools.
  • the substrate holding part state information, the cleaning fluid supply part state information, the substrate cleaning part state information, and the cleaning tool cleaning in the cleaning process By inputting the operating state information including part state information into the second learning model 10B, cleaning tool state information (at least one of remaining life information and cleaning quality information) for the operating state information is predicted.
  • the state of the cleaning tool can be appropriately predicted depending on the operating state of the substrate processing apparatus 2.
  • the database device 3, machine learning device 4, and information processing device 5 are described as being configured as separate devices, but these three devices may be configured as a single device. However, any two of these three devices may be configured as a single device. Further, 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 device 2 or the user terminal device 6.
  • the substrate processing apparatus 2 has been described as having each of the units 21 to 25.
  • the substrate processing apparatus 2 has a function of cleaning the finishing unit 24 (roll sponge cleaning sections 24A, 24B or a pen). It is only necessary to include at least the sponge cleaning units 24C, 24D), and other units may be omitted.
  • machine learning models include tree types such as decision trees and regression trees, ensemble learning such as bagging and boosting, and neural network types (including deep learning) such as recurrent neural networks, convolutional neural networks, and LSTM. ), hierarchical clustering, non-hierarchical clustering, clustering types such as k-nearest neighbor method and k-means method, multivariate analysis such as principal component analysis, factor analysis, and logistic regression, support vector machine, etc.
  • 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 included in the machine learning method. You can also. Further, the present invention provides a program (information processing program) for causing the computer 900 to function as each unit included in the information processing device 5, and a program for causing the computer 900 to execute each step included 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 is applicable not only to aspects of the information processing device 5 (information processing method or information processing program) according to the above embodiments, but also to an inference device (inference method or inference program) used for inferring cleaning tool state information. It can also be provided in this manner.
  • the inference device may include a memory and a processor, of which the processor may execute a series of processes.
  • the series of processes includes an information acquisition process (information acquisition step) that acquires operating state information, and when operating state information is acquired in the information obtaining process, the substrate processing apparatus operates in the operating state indicated by the operating state information. and an inference process (inference step) for inferring cleaning tool status information (condition information, remaining life information, or cleaning quality information) indicating the state of the cleaning tool at the time of the cleaning.
  • an inference device inference method or inference program
  • the state prediction unit performs the inference using the trained learning model generated by the machine learning device and machine learning method according to the above embodiment. It will be understood by those skilled in the art that inference techniques may be applied.
  • the present invention can be used in information processing devices, inference devices, machine learning devices, information processing methods, inference methods, and machine learning methods.
  • 1...Substrate processing system 2...Substrate processing device, 3...Database device, 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 section, 23...
  • Substrate transport unit 24...Finishing unit, 24A, 24B...Roll sponge cleaning section, 24C, 24D...pen sponge cleaning section, 24E, 24F...drying section, 24G, 24H...transport unit, 25...film thickness measurement unit, 26...control unit, 30...Production history information, 31...Cleaning 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...
  • Polishing fluid supply nozzle 223...Dresser, 224...Atomizer, 240...Substrate cleaning section, 241...Substrate holding section, 242...Cleaning fluid supply section, 243...Cleaning tool cleaning section, 244...Environmental sensor, 245...Drying fluid supply section, 260...Control unit, 21...Communication unit, 262...Input unit, 263...Output unit, 264...Storage unit, 300...Wafer history table, 301...Cleaning history table, 310...Cleaning 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

Abstract

情報処理装置（５）は、基板を保持する基板保持部、基板に基板洗浄流体を供給する洗浄流体供給部、洗浄具を回転可能に支持するとともに洗浄具を基板に接触させて基板を洗浄する基板洗浄部、及び、洗浄具を洗浄具洗浄流体にて洗浄する洗浄具洗浄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、基板保持部状態情報、洗浄流体供給部状態情報、基板洗浄部状態情報、及び、洗浄具洗浄部状態情報を含む動作状態情報を取得する情報取得部（５００）と、動作状態情報と洗浄具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、情報取得部（５００）により取得された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洗浄具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、洗浄具の摩耗や汚染が徐々に進行するため、洗浄具の交換が必要になるが、洗浄具の交換時期は、例えば、洗浄具の累積使用回数や累積使用時間により管理されていた（例えば、特許文献１参照）。
特開平１０－２４２０９２号公報
　特許文献１では、洗浄具の累積使用回数や累積使用時間は、カウンタや計時部により洗浄具が基板に接触している回数や時間を累積することで求められる。しかしながら、洗浄具の状態は、洗浄具が基板に接触しているときの基板処理装置の動作状態に応じて変動するだけでなく、洗浄具が基板に接触していない場合、例えば、洗浄具を洗浄具洗浄流体にて洗浄（セルフクリーニング）するときの基板処理装置の動作状態に応じても変動するため、累積使用回数や累積使用時間による管理だけでは洗浄具の状態を詳細に把握することができない。
　一方、洗浄部を用いて基板を洗浄するために、基板処理装置が備える各部（例えば、基板を保持する基板保持部、基板に基板洗浄流体を供給する洗浄流体供給部、洗浄具を基板に接触させて基板を洗浄する基板洗浄部、及び、洗浄具を洗浄具洗浄流体にて洗浄する洗浄具洗浄部）の動作状態は、洗浄具の状態に影響を与える要素であるが、洗浄具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、洗浄具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洗浄具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部、前記基板に基板洗浄流体を供給する洗浄流体供給部、洗浄具を回転可能に支持するとともに前記洗浄具を前記基板に接触させて前記基板を洗浄する基板洗浄部、及び、前記洗浄具を洗浄具洗浄流体にて洗浄する洗浄具洗浄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、前記基板保持部の状態を示す基板保持部状態情報、前記洗浄流体供給部の状態を示す洗浄流体供給部状態情報、前記基板洗浄部の状態を示す基板洗浄部状態情報、及び、前記洗浄具洗浄部の状態を示す洗浄具洗浄部状態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洗浄具の状態を示す洗浄具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洗浄具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、基板保持部状態情報、洗浄流体供給部状態情報、基板洗浄部状態情報、及び、洗浄具洗浄部状態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洗浄具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洗浄具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により管理される洗浄試験情報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。
　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、本生産用の洗浄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、試験用の洗浄具を用いて洗浄処理の試験（以下、「洗浄試験」という）が行われたときの履歴に関する洗浄試験情報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が本生産用の洗浄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が試験用の洗浄具を用いて洗浄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、洗浄試験情報３１に登録するとともに、その洗浄試験の試験結果を対応付けて登録することで、洗浄試験情報３１には、洗浄試験に関するレポートＲ及び試験結果が蓄積される。洗浄試験は、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と同様の洗浄処理を再現可能な試験用の洗浄試験装置（不図示）で行われてもよい。試験用の洗浄具や洗浄試験装置には、洗浄具のコンディションとして、例えば、洗浄具の重さ、含水率、硬度、及び、清浄度を測定するための各種の洗浄具測定機器（不図示）が設けられ、洗浄具測定機器の測定値が、試験結果として洗浄試験情報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から洗浄試験情報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による洗浄処理が本生産用の洗浄具を用いて行われたときに、その洗浄具の状態を予測し、その予測した結果である洗浄具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が洗浄具状態情報を予測するタイミングとしては、洗浄処理が行われた後（事後予測処理）でもよいし、洗浄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、洗浄処理が行われる前（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、洗浄具状態情報、生産履歴情報３０、洗浄試験情報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、適宜変更してもよく、例えば、ロールスポンジ洗浄部２４Ａ、２４Ｂとペンスポンジ洗浄部２４Ｃ、２４Ｄの位置を入れ替えてもよい。
　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のいずれか又は両方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のいずれか又は両方による二次洗浄処理、及び、第１及び第２の乾燥部２４Ｅ、２４Ｆのいずれか又は両方による乾燥処理を順に行う。なお、仕上げユニット２４の各部２４Ａ～２４Ｈによる処理の順序は適宜変更してもよいし、処理の一部を省略してもよく、例えば、ロールスポンジ洗浄部２４Ａ、２４Ｂによる洗浄処理を省略して、ペンスポンジ洗浄部２４Ｃ、２４Ｄによる洗浄処理から開始してもよい。また、仕上げユニット２４は、ロールスポンジ洗浄部２４Ａ、２４Ｂ、及び、ペンスポンジ洗浄部２４Ｃ、２４Ｄのいずれかに代えて又は加えて、バフ洗浄部（不図示）を備えることにより、バフ洗浄処理を行うようにしてもよい。さらに、本実施形態では、仕上げユニット２４の各部２４Ａ～２４Ｈは、ウェハＷを水平置きで保持（水平保持）する場合について説明するが、ウェハＷを垂直保持又は斜め保持するものでもよい。
　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、基板回転機構部２４１ｂは、少なくとも１つのローラを回転駆動させる。
　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）、薬液及びこれらの混合液（例えば、流量調節部２４２ｃによる純水及び薬液の流量調整により濃度調整可能）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）、薬液及びこれらの混合液（例えば、流量調節部２４３ｃによる純水及び薬液の流量調整により濃度調整可能）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、気圧センサ２４４ｃと、酸素濃度センサ２４４ｄと、マイクロホン（音センサ）２４４ｅ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、温度分布、気流分布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。カメラの撮影対象は、可視光に限られず、赤外光や紫外光等でもよい。
　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つのチャックであり、少なくとも１つのチャックは、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、４つのチャックに連結された支持シャフトを回転駆動させる。
　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、気圧センサ２４４ｃと、酸素濃度センサ２４４ｄと、マイクロホン（音センサ）２４４ｅ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の表面温度分布、気流分布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。カメラの撮影対象は、可視光に限られず、赤外光や紫外光等でもよい。
　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２４１ｆとを備える。
　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、気圧センサ２４４ｃと、酸素濃度センサ２４４ｄと、マイクロホン（音センサ）２４４ｅ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、温度分布、気流分布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２４１ｆ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２４１ｆ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、基板回転機構部２４１ｂ、２４１ｄ、上下移動機構部２４０ｂ、２４０ｅ、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。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、温度センサ、流体濃度センサ、流体パーティクル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、基板保持機構部２４１ａ、２４１ｃが基板を保持するときの保持圧力を検出するセンサ、基板保持機構部２４１ａ、２４１ｃの回転数を検出するセンサ、基板回転機構部２４１ｂ、２４１ｄの回転トルクを検出するセンサ、基板洗浄流体の流量を検出するセンサ、基板洗浄流体の圧力を検出するセンサ、基板洗浄流体の滴下位置に変換可能な洗浄流体供給部２４２の位置座標を検出するセンサ、基板洗浄流体の温度を検出するセンサ、基板洗浄流体の濃度を検出するセンサ、洗浄具回転機構部２４０ａの回転数を検出するセンサ、洗浄具回転機構部２４０ａの回転トルクを検出するセンサ、洗浄具移動機構部（上下移動機構部２４０ｂ、２４０ｅ、直線移動機構部２４０ｃ、揺動移動機構部２４０ｆ）の位置座標を検出するセンサ、洗浄具移動機構部の移動速度を検出するセンサ、洗浄具移動機構部の移動トルクを検出するセンサ、洗浄具（ロールスポンジ２４００、ペンスポンジ２４０１）をウェハＷ又は洗浄具洗浄板２４３ｂ、２４３ｆに接触させるときの押付荷重を検出するセンサ、洗浄具洗浄流体の流量を検出するセンサ、洗浄具洗浄流体の圧力を検出するセンサ、洗浄具洗浄流体の清浄度（例えば、洗浄具洗浄槽２４３ａ、２４３ｅの廃液に含まれるパーティクルの濃度、粒子径、粒子径毎の粒子数）を検出するセンサ、環境センサ２４４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、本生産用の洗浄具（ロールスポンジ２４００、ペンスポンジ２４０１）を用いて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、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３０１とを備える。なお、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、乾燥処理における装置状態情報に関する乾燥履歴テーブル、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。
　洗浄履歴テーブル３０１の各レコードには、例えば、ウェハＩＤ、基板保持部状態情報、洗浄流体供給部状態情報、基板洗浄部状態情報、洗浄具洗浄部状態情報、装置内環境情報、処理実績情報等が登録される。
　基板保持部状態情報は、洗浄処理における基板保持部２４１の状態を示す情報である。基板保持部状態情報は、例えば、基板保持部２４１が有するセンサ群（又はモジュール群）により所定の時間間隔でサンプリングされた各センサの検出値（又は各モジュールへの指令値）である。
　洗浄流体供給部状態情報は、洗浄処理における洗浄流体供給部２４２の状態を示す情報である。洗浄流体供給部状態情報は、例えば、洗浄流体供給部２４２が有するセンサ群（又はモジュール群）により所定の時間間隔でサンプリングされた各センサの検出値（又は各モジュールへの指令値）である。
　基板洗浄部状態情報は、洗浄処理における基板洗浄部２４０の状態を示す情報である。基板洗浄部状態情報は、例えば、基板洗浄部２４０が有するセンサ群（又はモジュール群）により所定の時間間隔でサンプリングされた各センサの検出値（又は各モジュールへの指令値）である。
　洗浄具洗浄部状態情報は、洗浄処理における洗浄具洗浄部２４３の状態を示す情報である。洗浄具洗浄部状態情報は、例えば、洗浄具洗浄部２４３が有するセンサ群（又はモジュール群）により所定の時間間隔でサンプリングされた各センサの検出値（又は各モジュールへの指令値）である。
　装置内環境情報は、ハウジング２０により形成された基板処理装置２の内部空間の状態を示す情報である。基板処理装置２の内部空間は、仕上げユニット２４が配置された空間であり、装置内環境情報は、例えば、環境センサ２４４により所定の時間間隔でサンプリングされた各センサの検出値である。なお、基板処理装置２の内部空間が、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）で区切られている場合には、環境センサ２４４は、仕上げユニット２４のサブユニット毎に設置されており、装置内環境情報は、仕上げユニット２４のサブユニット毎に取得される。
　処理実績情報は、洗浄処理の実績を示す情報である。処理実績情報は、洗浄具（ロールスポンジ２４００、ペンスポンジ２４０１）が交換されてからその洗浄具を用いて洗浄処理が行われたときのウェハＷの累積使用枚数や累積使用時間を含む。
　洗浄履歴テーブル３０１を参照することで、ウェハＩＤで特定されるウェハＷに対して洗浄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。
（洗浄試験情報３１）
　図１０は、データベース装置３により管理される洗浄試験情報３１の一例を示すデータ構成図である。洗浄試験情報３１は、試験用の洗浄具や洗浄試験装置を用いて洗浄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洗浄試験テーブル３１０を備える。
　洗浄試験テーブル３１０の各レコードには、例えば、試験ＩＤ、基板保持部状態情報、洗浄流体供給部状態情報、基板洗浄部状態情報、洗浄具洗浄部状態情報、装置内環境情報、処理実績情報、試験結果情報等が登録される。洗浄試験テーブル３１０の基板保持部状態情報、洗浄流体供給部状態情報、基板洗浄部状態情報、洗浄具洗浄部状態情報、装置内環境情報、及び、処理実績情報は、洗浄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、洗浄履歴テーブル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、洗浄試験において洗浄処理が行われたときの試験用の洗浄具の状態を示す情報である。試験結果情報は、試験用の洗浄具や洗浄試験装置に設けられた洗浄具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、洗浄処理を開始してから終了するまでの洗浄処理期間に含まれる各時刻ｔ１，ｔ２，…，…ｔｍ，…，ｔｎにおける洗浄具の重さ、含水率、硬度、及び、清浄度の各測定値Ｖ１～Ｖ４をそれぞれ含む。なお、試験結果情報は、上記のように、洗浄具測定機器による測定結果である測定値でもよいし、環境センサ２４４として設置されたカメラや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洗浄具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、洗浄処理を開始してから終了するまでを連続して行った１回の洗浄試験にて収集されたものでもよいし、洗浄処理を開始してから所定の時刻に到達するまでの洗浄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、複数回の洗浄試験にて収集されたものでもよい。
　洗浄試験テーブル３１０を参照することで、試験ＩＤで特定される洗浄試験において、試験用の洗浄具を用いて洗浄処理が行われたときの基板洗浄装置（基板保持部２４１、洗浄流体供給部２４２、基板洗浄部２４０、及び、洗浄具洗浄部２４３）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洗浄具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、洗浄試験装置（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洗浄具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、洗浄具状態情報は、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洗浄具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、ウェハＷの種類（サイズ、厚み、膜種等）、洗浄具の種類、基板洗浄装置（基板保持部２４１、洗浄流体供給部２４２、基板洗浄部２４０、及び、洗浄具洗浄部２４３）の機構の違い、基板洗浄流体や洗浄具洗浄流体の種類、動作状態情報に含まれるデータの種類、洗浄具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、動作状態情報と洗浄具状態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に対応するものとの２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、基板処理装置２により行われるウェハＷの洗浄処理における基板保持部２４１の状態を示す基板保持部状態情報、洗浄流体供給部２４２の状態を示す洗浄流体供給部状態情報、基板洗浄部２４０の状態を示す基板洗浄部状態情報、及び、洗浄具洗浄部２４３の状態を示す洗浄具洗浄部状態情報を含む。
　動作状態情報に含まれる基板保持部状態情報は、基板保持機構部２４１ａ、２４１ｃが基板を保持するときの保持点数、基板保持機構部２４１ａ、２４１ｃが基板を保持するときの保持圧力、基板保持機構部２４１ａ、２４１ｃの回転数、基板回転機構部２４１ｂ、２４１ｄの回転トルク、及び、基板保持機構部２４１ａ、２４１ｃのコンディションの少なくとも１つを含む。基板保持機構部２４１ａ、２４１ｃのコンディションは、例えば、基板保持機構部２４１ａ、２４１ｃの使用状況（使用時間、使用時の圧力、交換の有無）に基づいて設定された基板保持機構部２４１ａ、２４１ｃの消耗度合や汚れ度合を表す。基板保持機構部２４１ａ、２４１ｃのコンディションは、例えば、洗浄処理中に経時変化するものでもよい。
　動作状態情報に含まれる洗浄流体供給部状態情報は、基板洗浄流体の流量、基板洗浄流体の圧力、基板洗浄流体の滴下位置、基板洗浄流体の温度、及び、基板洗浄流体の濃度の少なくとも１つを含む。基板洗浄流体が複数種類の流体である場合には、洗浄流体供給部状態情報は、各流体の流量、圧力、滴下位置、温度及び濃度を含むようにすればよい。
　動作状態情報に含まれる基板洗浄部状態情報は、洗浄具回転機構部２４０ａの回転数、
洗浄具回転機構部２４０ａの回転トルク、洗浄具移動機構部（上下移動機構部２４０ｂ、２４０ｅ、直線移動機構部２４０ｃ、揺動移動機構部２４０ｆ）の位置座標、洗浄具移動機構部の移動速度、洗浄具移動機構部の移動トルク、洗浄具をウェハＷに接触させるときの押付荷重、及び、洗浄具のコンディションの少なくとも１つを含む。洗浄具のコンディションは、洗浄具状態情報における対象時点よりも前の時点における洗浄具のコンディションを示すものであり、例えば、洗浄具の使用状況（使用時間、使用時の押付荷重、交換の有無、ウェハＷの回転数、処理枚数、洗浄具の表面を撮影した画像）に基づいて設定された洗浄具の消耗度合や汚れ度合を表す。洗浄具のコンディションは、例えば、洗浄処理中に経時変化するものでもよい。
　動作状態情報に含まれる洗浄具洗浄部状態情報は、洗浄具回転機構部２４０ａの回転数、洗浄具回転機構部２４０ａの回転トルク、洗浄具移動機構部（上下移動機構部２４０ｂ、２４０ｅ、直線移動機構部２４０ｃ、揺動移動機構部２４０ｆ）の位置座標、洗浄具移動機構部の移動速度、洗浄具移動機構部の移動トルク、洗浄具を洗浄具洗浄板２４３ｂ、２４３ｆに接触させるときの押付荷重、洗浄具洗浄流体の流量、洗浄具洗浄流体の圧力、及び、洗浄具洗浄流体の清浄度（洗浄具洗浄槽２４３ａ、２４３ｅの排出側）の少なくとも１つを含む。
　なお、動作状態情報は、洗浄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（仕上げユニット２４のサブユニット毎）の温度、湿度、気圧、気流、酸素濃度、及び、音の少なくとも１つを含む。また、動作状態情報は、洗浄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、洗浄具が交換されてからその洗浄具を用いて洗浄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を構成する洗浄具状態情報は、動作状態情報が示す動作状態にて基板処理装置２が動作したときの洗浄具の状態を示す情報である。本実施形態では、洗浄具状態情報は、洗浄具のコンディションを示すコンディション情報である。コンディション情報は、例えば、洗浄処理を開始してから終了するまでの洗浄処理期間（ウェハ１枚当たりの洗浄処理に要する時間）に含まれる対象時点における洗浄具の重さ、含水率、硬度、及び、清浄度の少なくとも１つを含む。洗浄処理期間には、例えば、基板洗浄部２４０が洗浄具をウェハＷに接触させてウェハＷを洗浄する動作、洗浄流体供給部２４２が基板洗浄流体を供給する動作、及び、洗浄具洗浄部２４３が洗浄具洗浄流体にて洗浄具を洗浄する動作が含まれる。
　学習用データ取得部４００は、洗浄試験情報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、洗浄試験情報３１の洗浄試験テーブル３１０を参照することで、試験ＩＤで特定される洗浄試験が行われたときの基板保持部状態情報、洗浄流体供給部状態情報、基板洗浄部状態情報、及び、洗浄具洗浄部状態情報（基板保持部２４１、洗浄流体供給部２４２、基板洗浄部２４０、及び、洗浄具洗浄部２４３がそれぞれ有する各センサの時系列データ）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、基板洗浄装置（基板保持部２４１、洗浄流体供給部２４２、基板洗浄部２４０、及び、洗浄具洗浄部２４３）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、洗浄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、洗浄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、洗浄試験情報３１の洗浄試験テーブル３１０を参照することで、同一の試験ＩＤで特定される洗浄試験が行われたときの試験結果情報（洗浄具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洗浄具状態情報として取得する。洗浄具測定機器が、洗浄具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、面的な測定値を洗浄具状態情報として取得する。
　なお、本実施形態では、洗浄具状態情報が、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、洗浄具の重さ、含水率、硬度、及び、清浄度の少なくとも１つを含むものでもよい。また、洗浄具状態情報は、洗浄具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、洗浄処理期間全体の時系列データ又は洗浄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、洗浄具状態情報は、洗浄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、洗浄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、洗浄具状態情報は、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、洗浄具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洗浄具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洗浄具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、洗浄具状態情報は、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、洗浄具状態情報は、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。
（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、洗浄試験情報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、図１２に例示した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洗浄具状態情報（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に含まれる洗浄具状態情報（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に含まれる洗浄具状態情報（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洗浄具状態情報（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（バックプロパゲーション）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、動作状態情報と洗浄具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に含まれる洗浄具状態情報（正解ラベル）と、推論結果として出力された洗浄具状態情報（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、基板保持部状態情報、洗浄流体供給部状態情報、基板洗浄部状態情報、及び、洗浄具洗浄部状態情報を含む動作状態情報から、洗浄具（ロールスポンジ２４００、ペンスポンジ２４０１）の状態を示す洗浄具状態情報を予測（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、基板保持部状態情報、洗浄流体供給部状態情報、基板洗浄部状態情報、及び、洗浄具洗浄部状態情報を含む動作状態情報を取得する。
　例えば、洗浄処理がすでに行われた後のウェハＷに対する洗浄具状態情報の「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の洗浄履歴テーブル３０１を参照することで、そのウェハＷに対して洗浄処理が行われたときの基板保持部状態情報、洗浄流体供給部状態情報、基板洗浄部状態情報、及び、洗浄具洗浄部状態情報を、動作状態情報として取得する。洗浄処理が行われている最中のウェハＷに対する洗浄具状態情報の「リアルタイム予測処理」を行う場合には、情報取得部５００は、その洗浄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に対して洗浄処理が行われている最中の基板保持部状態情報、洗浄流体供給部状態情報、基板洗浄部状態情報、及び、洗浄具洗浄部状態情報を、動作状態情報として随時取得する。洗浄処理が行われる前のウェハＷに対する洗浄具状態情報の「事前予測処理」を行う場合には、情報取得部５００は、その洗浄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に対して洗浄処理が行われるときの基板保持部状態情報、洗浄流体供給部状態情報、基板洗浄部状態情報、及び、洗浄具洗浄部状態情報を、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が動作したときの洗浄具の状態を示す洗浄具状態情報（本実施形態では、コンディション情報）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、ウェハＷの種類（サイズ、厚み、膜種等）、洗浄具の種類、基板洗浄装置（基板保持部２４１、洗浄流体供給部２４２、基板洗浄部２４０、及び、洗浄具洗浄部２４３）の機構の違い、基板洗浄流体や洗浄具洗浄流体の種類、動作状態情報に含まれるデータの種類、洗浄具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。本実施形態では、学習済みモデル記憶部５２には、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に対応するものとの２種類の第１の学習モデル１０Ａが少なくとも記憶される。また、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により生成された洗浄具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、その洗浄具状態情報を基板処理装置２やユーザ端末装置６に送信することで、その洗浄具状態情報に基づく表示画面が基板処理装置２やユーザ端末装置６に表示されてもよいし、その洗浄具状態情報をデータベース装置３に送信することで、その洗浄具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に対する洗浄具状態情報の「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の洗浄履歴テーブル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に対して洗浄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洗浄具状態情報を出力データとして生成し、その洗浄具の状態を予測する。
　次に、ステップＳ２３０において、出力処理部５０２は、ステップＳ２２０にて生成された洗浄具状態情報を出力するための出力処理として、その洗浄具状態情報をユーザ端末装置６に送信する。なお、洗浄具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にて送信された洗浄具状態情報を受信すると、その洗浄具状態情報に基づいて表示画面を表示することで、その洗浄具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、洗浄処理における、基板保持部状態情報、洗浄流体供給部状態情報、基板洗浄部状態情報、及び、洗浄具洗浄部状態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洗浄具状態情報（コンディション情報）が予測されるので、基板処理装置２の動作状態に応じて洗浄具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、洗浄具状態情報が、洗浄具（ロールスポンジ２４００、ペンスポンジ２４０１）の余寿命を示す余寿命情報、及び、洗浄具の洗浄品質を示す洗浄品質情報の少なくとも１つである点で第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を構成する洗浄具状態情報は、洗浄具の余寿命を示す余寿命情報、及び、洗浄具の洗浄品質を示す洗浄品質情報の少なくとも１つを含む。洗浄具の余寿命は、例えば、洗浄具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、例えば、洗浄品質への影響を踏まえて設定されてよい。洗浄具の洗浄品質は、その洗浄具にて洗浄処理が行われたときのウェハＷの洗浄度合にて定められ、例えば、ウェハＷに存在するパーティクルに関する情報でもよく、パーティクルの面的分布状態やパーティクルの総数を含むものでもよい。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、洗浄試験情報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。洗浄試験情報３１には、例えば、試験結果情報として、試験用の洗浄具や洗浄試験装置を用いて繰り返し洗浄処理が行われた場合に、洗浄具の寿命に到達したときに「０」が設定され、過去に遡るほど大きな値が設定された余寿命情報と、光学式顕微鏡や走査電子顕微鏡（ＳＥＭ）等の計測機器にて計測された洗浄品質情報が登録されている。そして、学習用データ取得部４００は、洗浄試験情報３１の洗浄試験テーブル３１０から試験ＩＤで特定される洗浄試験が行われたときの試験結果情報を取得することで、余寿命情報及び洗浄品質情報を取得する。
　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洗浄具状態情報（余寿命情報及び洗浄品質情報の少なくとも１つ）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、基板保持部状態情報、洗浄流体供給部状態情報、基板洗浄部状態情報、及び、洗浄具洗浄部状態情報を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が動作したときの洗浄具の状態を示す洗浄具状態情報（余寿命情報及び洗浄品質情報の少なくとも１つ）を予測する。
　出力処理部５０２は、第１の実施形態と同様に、状態予測部５０１により生成された洗浄具状態情報（余寿命情報及び洗浄品質情報の少なくとも１つ）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、その洗浄具状態情報を基板処理装置２やユーザ端末装置６に送信することで、その洗浄具状態情報に基づく表示画面が基板処理装置２やユーザ端末装置６に表示されてもよいし、その洗浄具状態情報をデータベース装置３に送信することで、その洗浄具状態情報が生産履歴情報３０に登録されてもよい。その際、出力処理部５０２は、例えば、余寿命情報が示す洗浄具の余寿命が所定の予告基準回数や予告基準時間を下回った場合や、洗浄品質情報が示す洗浄品質が所定の基準品質を下回った場合には、洗浄具の交換予告、交換作業の手順書、交換作業に要する時間、交換部品の価格等を表示するための情報を基板処理装置２やユーザ端末装置６に送信するようにしてもよい。また、出力処理部５０２は、基板処理装置２が洗浄具を自動で交換する機能を有する場合には、洗浄具を自動で交換する指令を基板処理装置２に送信するようにしてもよいし、洗浄具の交換部品の発注を指示する指令を、洗浄具の在庫を管理する在庫管理装置（不図示）に送信するようにしてもよい。
　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、洗浄処理における、基板保持部状態情報、洗浄流体供給部状態情報、基板洗浄部状態情報、及び、洗浄具洗浄部状態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洗浄具状態情報（余寿命情報及び洗浄品質情報の少なくとも１つ）が予測されるので、基板処理装置２の動作状態に応じて洗浄具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のうち洗浄処理を行う機能（ロールスポンジ洗浄部２４Ａ、２４Ｂ又はペンスポンジ洗浄部２４Ｃ、２４Ｄ）を少なくとも備えていればよく、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。
（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、洗浄具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が動作したときの洗浄具の状態を示す洗浄具状態情報（コンディション情報、余寿命情報又は洗浄品質情報）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）が洗浄具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…洗浄試験情報、
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…研磨流体供給ノズル、
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…洗浄履歴テーブル、３１０…洗浄試験テーブル、
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 (13)

  1. 　基板を保持する基板保持部、前記基板に基板洗浄流体を供給する洗浄流体供給部、洗浄具を回転可能に支持するとともに前記洗浄具を前記基板に接触させて前記基板を洗浄する基板洗浄部、及び、前記洗浄具を洗浄具洗浄流体にて洗浄する洗浄具洗浄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、前記基板保持部の状態を示す基板保持部状態情報、前記洗浄流体供給部の状態を示す洗浄流体供給部状態情報、前記基板洗浄部の状態を示す基板洗浄部状態情報、及び、前記洗浄具洗浄部の状態を示す洗浄具洗浄部状態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洗浄具の状態を示す洗浄具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洗浄具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. 　前記基板洗浄部は、
    　　前記基板の被洗浄面に平行な第１の回転軸周り又は前記被洗浄面に垂直な第２の回転軸周りに前記洗浄具を回転させる洗浄具回転機構部と、
    　　前記洗浄具と前記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を備え、
    　前記動作状態情報に含まれる前記基板洗浄部状態情報は、
    　　前記洗浄具回転機構部の回転数、
    　　前記洗浄具回転機構部の回転トルク、
    　　前記洗浄具移動機構部の位置座標、
    　　前記洗浄具移動機構部の移動速度、
    　　前記洗浄具移動機構部の移動トルク、
    　　前記洗浄具を前記基板に接触させるときの押付荷重、及び、
    　　前記洗浄具のコンディションの少なくとも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洗浄具洗浄部状態情報は、
    　　前記洗浄具回転機構部の回転数、
    　　前記洗浄具回転機構部の回転トルク、
    　　前記洗浄具移動機構部の位置座標、
    　　前記洗浄具移動機構部の移動速度、
    　　前記洗浄具移動機構部の移動トルク、
    　　前記洗浄具を洗浄具洗浄板に接触させるときの押付荷重、
    　　前記洗浄具洗浄流体の流量、
    　　前記洗浄具洗浄流体の圧力、及び、
    　　前記洗浄具洗浄流体の清浄度の少なくとも１つを含む、
    　請求項２に記載の情報処理装置。
  4. 　前記基板保持部は、
    　　前記基板の被洗浄面に垂直な第３の回転軸周りに前記基板を回転させる基板回転機構部と、
    　　前記基板の側縁部を保持する基板保持機構部とを備え、
    　前記動作状態情報に含まれる前記基板保持部状態情報は、
    　　前記基板保持機構部が前記基板を保持するときの保持点数、
    　　前記基板保持機構部が前記基板を保持するときの保持圧力、
    　　前記基板回転機構部の回転数、
    　　前記基板回転機構部の回転トルク、及び、
    　　前記基板保持機構部のコンディションの少なくとも１つを含む、
    　請求項１乃至請求項３のいずれか一項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洗浄流体供給部状態情報は、
    　　前記基板洗浄流体の流量、
    　　前記基板洗浄流体の圧力、
    　　前記基板洗浄流体の滴下位置、
    　　前記基板洗浄流体の温度、及び、
    　　前記基板洗浄流体の濃度の少なくとも１つを含む、
    　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. 　前記動作状態情報は、
    　　前記洗浄具にて前記基板を洗浄する空間の環境を示す装置内環境情報をさらに含み、
    　前記動作状態情報に含まれる前記装置内環境情報は、
    　　前記空間の温度
    　　前記空間の湿度、
    　　前記空間の気圧、
    　　前記空間の気流、
    　　前記空間の酸素濃度、及び
    　　前記空間の音の少なくとも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. 　前記洗浄具状態情報は、
    　　前記洗浄具のコンディションを示すコンディション情報であり、
    　前記コンディション情報は、
    　　前記洗浄具の重さ、
    　　前記洗浄具の含水率、
    　　前記洗浄具の硬度、及び、
    　　前記洗浄具の清浄度の少なくとも１つを含む、
    　請求項１乃至請求項６のいずれか一項に記載の情報処理装置。
  8. 　前記洗浄具状態情報は、
    　　前記洗浄具の余寿命を示す余寿命情報、及び、
    　　前記洗浄具の洗浄品質を示す洗浄品質情報の少なくとも１つを含む、
    　請求項１乃至請求項６のいずれか一項に記載の情報処理装置。
  9. 　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部、前記基板に基板洗浄流体を供給する洗浄流体供給部、洗浄具を回転可能に支持するとともに前記洗浄具を前記基板に接触させて前記基板を洗浄する基板洗浄部、及び、前記洗浄具を洗浄具洗浄流体にて洗浄する洗浄具洗浄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、前記基板保持部の状態を示す基板保持部状態情報、前記洗浄流体供給部の状態を示す洗浄流体供給部状態情報、前記基板洗浄部の状態を示す基板洗浄部状態情報、及び、前記洗浄具洗浄部の状態を示す洗浄具洗浄部状態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洗浄具の状態を示す洗浄具状態情報を推論する推論処理と、を実行する、
    　推論装置。
  10. 　基板を保持する基板保持部、前記基板に基板洗浄流体を供給する洗浄流体供給部、洗浄具を回転可能に支持するとともに前記洗浄具を前記基板に接触させて前記基板を洗浄する基板洗浄部、及び、前記洗浄具を洗浄具洗浄流体にて洗浄する洗浄具洗浄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、前記基板保持部の状態を示す基板保持部状態情報、前記洗浄流体供給部の状態を示す洗浄流体供給部状態情報、前記基板洗浄部の状態を示す基板洗浄部状態情報、及び、前記洗浄具洗浄部の状態を示す洗浄具洗浄部状態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洗浄具の状態を示す洗浄具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洗浄具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。
  11. 　基板を保持する基板保持部、前記基板に基板洗浄流体を供給する洗浄流体供給部、洗浄具を回転可能に支持するとともに前記洗浄具を前記基板に接触させて前記基板を洗浄する基板洗浄部、及び、前記洗浄具を洗浄具洗浄流体にて洗浄する洗浄具洗浄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、前記基板保持部の状態を示す基板保持部状態情報、前記洗浄流体供給部の状態を示す洗浄流体供給部状態情報、前記基板洗浄部の状態を示す基板洗浄部状態情報、及び、前記洗浄具洗浄部の状態を示す洗浄具洗浄部状態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洗浄具の状態を示す洗浄具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洗浄具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。
  12. 　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部、前記基板に基板洗浄流体を供給する洗浄流体供給部、洗浄具を回転可能に支持するとともに前記洗浄具を前記基板に接触させて前記基板を洗浄する基板洗浄部、及び、前記洗浄具を洗浄具洗浄流体にて洗浄する洗浄具洗浄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、前記基板保持部の状態を示す基板保持部状態情報、前記洗浄流体供給部の状態を示す洗浄流体供給部状態情報、前記基板洗浄部の状態を示す基板洗浄部状態情報、及び、前記洗浄具洗浄部の状態を示す洗浄具洗浄部状態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洗浄具の状態を示す洗浄具状態情報を推論する推論工程と、を実行する、
    　推論方法。
  13. 　基板を保持する基板保持部、前記基板に基板洗浄流体を供給する洗浄流体供給部、洗浄具を回転可能に支持するとともに前記洗浄具を前記基板に接触させて前記基板を洗浄する基板洗浄部、及び、前記洗浄具を洗浄具洗浄流体にて洗浄する洗浄具洗浄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、前記基板保持部の状態を示す基板保持部状態情報、前記洗浄流体供給部の状態を示す洗浄流体供給部状態情報、前記基板洗浄部の状態を示す基板洗浄部状態情報、及び、前記洗浄具洗浄部の状態を示す洗浄具洗浄部状態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洗浄具の状態を示す洗浄具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洗浄具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/JP2023/007808 2022-03-30 2023-03-02 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 WO2023189170A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022-056744 2022-03-30
JP2022056744A JP2023148615A (ja) 2022-03-30 2022-03-30 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

Publications (1)

Publication Number Publication Date
WO2023189170A1 true WO2023189170A1 (ja) 2023-10-05

Family

ID=88201202

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/007808 WO2023189170A1 (ja) 2022-03-30 2023-03-02 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 (3)

Country Link
JP (1) JP2023148615A (ja)
TW (1) TW202402411A (ja)
WO (1) WO2023189170A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114152416A (zh) * 2021-09-30 2022-03-08 宁波东龙电子科技有限公司 一种电动双轴模拟台总装的测试方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002359222A (ja) * 2001-05-31 2002-12-13 Shibaura Mechatronics Corp 洗浄処理装置及び洗浄処理方法
JP2008515171A (ja) * 2004-09-28 2008-05-08 株式会社荏原製作所 基板洗浄装置及び洗浄部材の交換時期判定方法
JP2015220402A (ja) * 2014-05-20 2015-12-07 株式会社荏原製作所 基板洗浄装置および基板洗浄装置で実行される方法
JP2018174230A (ja) * 2017-03-31 2018-11-08 株式会社荏原製作所 基板処理装置
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
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
JP2021157693A (ja) * 2020-03-30 2021-10-07 株式会社荏原製作所 操業支援装置、操業支援プログラム、操業支援方法及び研磨装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002359222A (ja) * 2001-05-31 2002-12-13 Shibaura Mechatronics Corp 洗浄処理装置及び洗浄処理方法
JP2008515171A (ja) * 2004-09-28 2008-05-08 株式会社荏原製作所 基板洗浄装置及び洗浄部材の交換時期判定方法
JP2015220402A (ja) * 2014-05-20 2015-12-07 株式会社荏原製作所 基板洗浄装置および基板洗浄装置で実行される方法
JP2018174230A (ja) * 2017-03-31 2018-11-08 株式会社荏原製作所 基板処理装置
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
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
JP2021157693A (ja) * 2020-03-30 2021-10-07 株式会社荏原製作所 操業支援装置、操業支援プログラム、操業支援方法及び研磨装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114152416A (zh) * 2021-09-30 2022-03-08 宁波东龙电子科技有限公司 一种电动双轴模拟台总装的测试方法

Also Published As

Publication number Publication date
JP2023148615A (ja) 2023-10-13
TW202402411A (zh) 2024-01-16

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
US20200130130A1 (en) Irregular mechanical motion detection systems and method
JP6782145B2 (ja) 基板処理制御システム、基板処理制御方法、およびプログラム
JP2020061469A (ja) 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
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
TW202129801A (zh) 基板清洗裝置、研磨裝置、擦光處理裝置、基板清洗方法、基板處理裝置、及機械學習器
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
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
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
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
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
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
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
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
CN115008339B (zh) 使用基于时间的图像序列检测cmp部件的偏移
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
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
US11897078B2 (en) Polishing apparatus, information processing system, polishing method, and computer-readable storage medium
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
TW202411016A (zh) 資訊處理裝置、機械學習裝置、資訊處理方法、及機械學習方法
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
US20240062066A1 (en) Information processing apparatus and machine learning apparatus
TW202406675A (zh) 資訊處理裝置、推論裝置、機械學習裝置、資訊處理方法、推論方法、及機械學習方法
KR20240020654A (ko) 정보 처리 장치, 추론 장치, 기계 학습 장치, 기판 도금 장치, 정보 처리 방법, 추론 방법, 및 기계 학습 방법

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: 23779199

Country of ref document: EP

Kind code of ref document: A1