JP2023054483A - 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

Abstract

【課題】ユーザの経験や知見に依存することなく、基板の割れの発生原因を解析可能な情報処理装置を提供する。【解決手段】情報処理装置５は、基板の研磨処理を行う研磨ユニット及び研磨ユニットとの間で基板の受け渡しを行う基板搬送ユニットを備える基板処理装置により行われる基板処理工程において、基板に割れが発生したときの割れ状態を示す割れ状態情報、及び、当該基板に対して基板処理工程が行われたときの研磨ユニットの状態を示す装置状態情報を含む割れ発生状態情報を取得する情報取得部５００と、割れ発生状態情報と、基板処理工程に含まれる各工程のうち基板の割れの発生原因となる工程を示す割れ発生工程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１１に、基板の割れの発生に応じて情報取得部５００により取得された割れ発生状態情報を入力することで、当該基板の割れの発生原因となる工程を特定する割れ発生工程特定部５０１とを備える。【選択図】 図１７

Description

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。基板処理装置にて各種の処理が行なわれる基板は、薄板状に形成されているため、実際に基板を研磨する工程だけでなく、ユニット間で基板の受け渡しを行う工程においても基板に割れが発生する可能性がある（例えば、特許文献１、及び、特許文献２参照）。

特開２０２０－１８８２３３号公報 特開２０００－２２３３８０号公報

基板処理装置により行われる基板処理工程において、何らかの原因により基板に割れが発生した場合、基板処理装置が備える各ユニットの点検作業や、基板処理装置が動作時に参照する各種の装置パラメータの確認作業等が必要となる。特に、研磨処理を行う研磨ユニットと、その研磨ユニットとの間で基板の受け渡しを行う基板搬送ユニットとにより行われる一連の工程のうち、どの工程で基板に割れが発生したのかが不明のままでは、上記のような作業を効果的に実施できず、基板の割れが再発する可能性もあり得る。また、基板に割れが発生したときの原因を解析するには、基板処理装置のユーザの経験や知見に依存する度合いが大きく、その解析が適切でない場合には、より重大な不具合の発生や生産性の低下を招くことにもなり得る。

本発明は、上記の課題に鑑み、ユーザの経験や知見に依存することなく、基板処理装置における基板の割れの発生原因を解析可能な情報処理装置、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、
基板の研磨処理を行う研磨ユニット及び前記研磨ユニットとの間で前記基板の受け渡しを行う基板搬送ユニットを備える基板処理装置により行われる基板処理工程において、前記基板に割れが発生したときの割れ状態を示す割れ状態情報、及び、当該基板に対して前記基板処理工程が行われたときの前記研磨ユニットの状態を示す装置状態情報を含む割れ発生状態情報を取得する情報取得部と、
前記割れ発生状態情報と、前記基板処理工程に含まれる各工程のうち前記基板の割れの発生原因となる前記工程を示す割れ発生工程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、前記基板の割れの発生に応じて前記情報取得部により取得された前記割れ発生状態情報を入力することで、当該基板の割れの発生原因となる前記工程を特定する割れ発生工程特定部と、を備える。

本発明の一態様に係る情報処理装置によれば、基板の割れの発生に応じて取得された、割れ状態情報及び装置状態情報を含む割れ発生状態情報が学習モデルに入力されることで、当該基板の割れの発生原因が特定されるので、ユーザの経験や知見に依存することなく、基板の割れに対して迅速かつ適切に対処することができる。

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。 トップリング２２１の一例を模式的に示す断面図である。 第１及び第２のリニアトランスポータ２３０Ａ、２３０Ｂの一例を模式的に示す平面図である。 第１及び第２のリニアトランスポータ２３０Ａ、２３０Ｂの一例を模式的に示す正面図である。 基板受け取り工程の一例を示す模式図である。 基板引き渡し工程の一例を示す模式図である。 基板処理装置２の一例を示すブロック図である。 基板処理装置２による基板処理工程の一例を示すタイミングチャートである。 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により管理される履歴情報３０の一例を示すデータ構成図である。 機械学習装置４の一例を示すブロック図である。 学習モデル１０及び学習用データ１１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。 情報処理装置５の一例を示すブロック図である。 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。

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。

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に対して化学機械研磨処理（以下、「研磨処理」という）を行う基板処理工程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１１参照）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、ウェハＷの表面を平坦に研磨する研磨処理を行う装置である。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に対する一連の動作として、例えば、ロ―ド、研磨、洗浄、乾燥、膜厚測定、アンロード等の各工程をそれぞれ行う。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、研磨処理における研磨条件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。また、基板処理装置２は、ウェハＷを撮影可能な位置に取り付けられたカメラ２０１を備える。

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、各工程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、各工程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、カメラ２０１で撮影された画像情報、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、基板処理装置２が動作したときの履歴情報３０を管理する装置である。データベース装置３は、基板処理装置２から各種のレポートＲを随時受信し、履歴情報３０に基板処理装置２別に登録することで、履歴情報３０には、レポートＲの内容が日時情報とともに蓄積される。なお、データベース装置３には、履歴情報３０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。

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から履歴情報３０の一部を学習用データ１１として取得し、情報処理装置５にて用いられる学習モデル１０を機械学習により生成する。学習済みの学習モデル１０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。本実施形態では、機械学習の手法として、教師あり学習を採用する場合について説明する。

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、基板処理装置２による基板処理工程においてウェハＷに割れ（欠けや亀裂等の破損も含む）が発生したとき、機械学習装置４により生成された学習モデル１０を用いて、当該ウェハＷの割れの発生原因となる工程（割れ発生工程）を特定し、その工程を示す割れ発生工程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。

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、割れ発生工程情報、履歴情報３０等）を表示する。また、ユーザ端末装置６は、内蔵又は外部接続可能なカメラ６０を備える。

基板処理装置２のカメラ２０１及びユーザ端末装置６のカメラ６０は、例えば、ウェハＷに割れが発生したときに、その割れが発生したウェハＷ（以下、「割れウェハ」という）を撮影し、画像情報を生成する撮像装置として機能する。撮像装置は、例えば、基板処理装置２のカメラ２０１のように、基板処理装置２の一連の動作の中で割れウェハＷを自動撮影するものでもよいし、ユーザ端末装置６のカメラ６０のように、ユーザの撮影操作に基づいて、割れウェハＷを手動撮影するものでもよい。なお、撮影装置は、基板処理装置２のカメラ２０１及びユーザ端末装置６のカメラ６０のいずれかでもよいし、これらに代えて又は加えて、外観検査装置等の外部装置で構成されていてもよい。また、基板処理装置２のカメラ２０１では、ウェハＷに割れが発生したか否かに関係なく、全てのウェハ
Ｗを自動撮影してもよい。

（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、洗浄ユニット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及び洗浄ユニット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と洗浄ユニット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）、洗浄ユニット２４（具体的に、後述の乾燥室２４１）、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や洗浄ユニット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が取り付けられた研磨テーブル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に研磨液（スラリー）やドレッシング液（例えば、純水）を供給する研磨液供給ノズル２２２と、研磨パッド２２００の研磨面のドレッシングを行うドレッサ２２３と、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）を霧状にして研磨面に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）移動させる旋回移動機構部２２１ｅとを備
える。研磨液供給ノズル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液供給ノズル２２２を旋回移動させる旋回移動機構部２２２ｂとを備える。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を旋回移動させる旋回移動機構部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を旋回移動させる旋回移動機構部２２４ｂを備える。

なお、図３では、回転移動機構部２２０ｂ、２２１ｃ、２２３ｃ、上下移動機構部２２１ｄ、２２３ｄ、及び、旋回移動機構部２２１ｅ、２２２ｂ、２２３ｅ、２２４ｂの具体的な構成を省略しているが、例えば、モータ、エアシリンダ等のアクチュエータと、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、リミットセンサ等のセンサとを適宜組み合わせて構成される。

図４は、トップリング２２１の一例を模式的に示す断面図である。トップリング２２１は、トップリングシャフト２２１ａに取り付けられたトップリング本体２２１０と、トップリング本体２２１０の内側に配置された略円盤状のキャリア２２１１と、キャリア２２１１の下側に配置されて、ウェハＷを研磨パッド２２００に対して押圧するメンブレン２２１２と、キャリア２２１１の外周に配置されて、研磨パッド２２００を直接押圧する略円環状のリテーナリング２２１３と、トップリング本体２２１０及びリテーナリング２２１３の間に配置されて、リテーナリング２２１３を研磨パッド２２００に対して押圧するリテーナリングエアバッグ２２１４とを備える。

メンブレン２２１２は、弾性膜で形成されており、その内部に、同心状の複数の隔壁２２１２ｅを有することにより、トップリング本体２２１０の中心から外周方向に向かって同心状に配置された第１乃至第４のメンブレン圧力室２２１２ａ～２２１２ｄを有する。また、メンブレン２２１２は、その下面に、ウェハＷの吸着用の複数の孔２２１２ｆを有し、ウェハＷを保持する基板保持面として機能する。リテーナリングエアバッグ２２１４は、弾性膜で形成されており、その内部に、リテーナリング圧力室２２１４ａを有する。なお、トップリング２２１の構成は適宜変更してもよく、キャリア２２１１全体を押圧する圧力室を備えるものでもよいし、メンブレン２２１２が有するメンブレン圧力室の数や形状は適宜変更してもよいし、吸着用の孔２２１２ｆの数や配置は適宜変更してもよい。また、メンブレン２２１２は、吸着用の孔２２１２ｆを有しないものでもよい。

第１乃至第４のメンブレン圧力室２２１２ａ～２２１２ｄには、第１乃至第４の流路２２１６Ａ～２２１６Ｄがそれぞれ接続され、リテーナリング圧力室２２１４ａには、第５の流路２２１６Ｅが接続される。第１乃至第５の流路２２１６Ａ～２２１６Ｅは、トップリングシャフト２２１ａに設けられたロータリージョイント２２１５を介して外部に連通し、第１の分岐流路２２１７Ａ～２２１７Ｅと、第２の分岐流路２２１８Ａ～２２１８Ｅとにそれぞれ分岐される。第１乃至第５の流路２２１６Ａ～２２１６Ｅには、圧力センサＰＡ～ＰＥがそれぞれ設置される。第１の分岐流路２２１７Ａ～２２１７Ｅは、バルブＶ１Ａ～Ｖ１Ｅ、流量センサＦＡ～ＦＥ及び圧力レギュレータＲＡ～ＲＥを介して圧力流体（空気、窒素等）のガス供給源ＧＳに接続される。第２の分岐流路２２１８Ａ～２２１８Ｅは、それぞれバルブＶ２Ａ～Ｖ２Ｅを介して真空源ＶＳに接続されるとともに、バルブＶ３Ａ～Ｖ３Ｅを介して大気に連通可能に構成される。

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及び研磨に移動された後、研磨液供給ノズル２２２から研磨液が供給された
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。その際、トップリング２２１は、圧力レギュレータＲＡ～ＲＥを独立に制御することで、第１乃至第４のメンブレン圧力室２２１２ａ～２２１２ｄに供給する圧力流体によりウェハＷを研磨パッド２２００に押圧する押圧力をウェハＷの領域毎に調整するとともに、リテーナリング圧力室２２１４ａに供給する圧力流体によりリテーナリング２２１３を研磨パッド２２００に押圧する押圧力を調整する。第１乃至第４のメンブレン圧力室２２１２ａ～２２１２ｄ及びリテーナリング圧力室２２１４ａにそれぞれ供給される圧力流体の圧力は、圧力センサＰＡ～ＰＥによりそれぞれ測定され、圧力気体の流量は、流量センサＦＡ～ＦＥによりそれぞれ測定される。

（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、洗浄ユニット２４側に配置されたウェハＷの仮置き台２３３とを備える。また、カメラ２０１が、第１及び第２のリニアトランスポータ２３０Ａ、２３０Ｂにより搬送されるウェハＷを撮影可能な位置にそれぞれ設置されている。

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１の研磨部２２Ａのトップリング２２１は、揺動動作により、第２の搬送位置ＴＰ２と研磨位置との間を移動可能に構成される。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り、第２の研磨部２２Ｂのトップリング２２１は、揺動動作により、第３の搬送位置ＴＰ３と研磨位置との間を移動可能に構成される。

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３の研磨部２２Ｃのトップリング２２１は、揺動動作により、第６の搬送位置ＴＰ６と研磨位置との間を移動可能に構成される。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り、第４の研磨部２２Ｄのトップリング２２１は、揺動動作により、第７の搬送位置ＴＰ７と研磨位置との間を移動可能に構成される。

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。

図５は、第１及び第２のリニアトランスポータ２３０Ａ、２３０Ｂの一例を模式的に示す平面図である。図６は、第１及び第２のリニアトランスポータ２３０Ａ、２３０Ｂの一例を模式的に示す正面図である。図７は、基板受け取り工程の一例を示す模式図である。
図８は、基板引き渡し工程の一例を示す模式図である。

第１及び第２のリニアトランスポータ２３０Ａ、２３０Ｂは、ウェハＷを保持するための搬送ハンド２３００と、上下方向に沿って搬送ハンド２３００を移動させる上下移動機構部２３０１と、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）に沿って搬送ハンド２３００及び上下移動機構部２３０１を移動させる水平移動機構部２３０２と、トップリング２２１との間でウェハＷの受け渡しを行う各位置（第２の搬送位置ＴＰ２、第３の搬送位置ＴＰ３、第６の搬送位置ＴＰ６及び第７の搬送位置ＴＰ７）にそれぞれ設けられたリテーナリングステーション２３０３とを備える。第１及び第２のリニアトランスポータ２３０Ａ、２３０Ｂは、搬送ハンド２３００、上下移動機構部２３０１及び水平移動機構部２３０２を１組として、これらを複数組備えて構成される。

搬送ハンド２３００は、ウェハＷの下面の外周側の一部を支持する形状を有する。リテーナリングステーション２３０３は、トップリング２２１のリテーナリング２２１３に対向する位置に配置されて、リテーナリング２２１３を押し上げる複数の押し上げピン２３０３ａを備える。リテーナリングステーション２３０３は、搬送ハンド２３００が、水平移動機構部２３０２によりリテーナリングステーション２３０３の下方に位置決めされた状態で、上下移動機構部２３０１により上昇したときに、搬送ハンド２３００と干渉しない位置に設置される。なお、リテーナリングステーション２３０３は、ウェハＷをリリースするための流体を供給するリリースノズルを備えていてもよい。

図５及び図６では、上下移動機構部２３０１及び水平移動機構部２３０２の具体的な構成を省略しているが、上下移動機構部２３０１及び水平移動機構部２３０２は、例えば、モータ、エアシリンダ等のアクチュエータと、リニアガイド、ボールねじ、ギヤ、カップリング、ベルト、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、リミットセンサ等のセンサとを適宜組み合わせて構成される。

図７に示すように、研磨ユニット２２が基板搬送ユニット２３から研磨処理前のウェハＷを受け取る基板受け取り工程では、ウェハＷを保持していないトップリング２２１が下降するとともに、ウェハＷを保持した搬送ハンド２３００が上昇する。トップリング２２１の下降により、リテーナリング２２１３が押し上げピン８０１により押し上げられた状態で、搬送ハンド２３００がさらに上昇すると、ウェハＷの上面がメンブレン２２１２の下面に接触する。このとき、例えば、吸着用の孔２２１２ｆが形成された位置に対応する第２のメンブレン圧力室２２１２ｂが、真空源ＶＳにより真空引きされることで、ウェハＷはメンブレン２２１２に吸着保持される。そして、ウェハＷを吸着保持したトップリング２２１が上昇するとともに、ウェハＷを引き渡した搬送ハンド２３００が下降する。

図８に示すように、研磨ユニット２２が基板搬送ユニット２３に研磨処理後のウェハＷを引き渡す基板引き渡し工程では、ウェハＷを吸着保持したトップリング２２１が下降するとともに、ウェハＷを保持していない搬送ハンド２３００が上昇する。トップリング２２１の下降により、リテーナリング２２１３が押し上げピン８０１により押し上げられた状態で、搬送ハンド２３００がさらに上昇すると、ウェハＷの下面が搬送ハンド２３００に近接する。このとき、例えば、吸着用の孔２２１２ｆが形成された位置に対応する第２のメンブレン圧力室２２１２ｂに対する真空引きを停止し、第２のメンブレン圧力室２２１２ｂの外側に位置する第３のメンブレン圧力室２２１２ｃに圧力流体を供給することで、ウェハＷはメンブレン２２１２からリリースされる。そして、ウェハＷをリリースしたトップリング２２１が上昇するとともに、ウェハＷを受け取った搬送ハンド２３００が下降する。

（洗浄ユニット）
洗浄ユニット２４は、図２に示すように、洗浄液を用いてウェハＷを洗浄する第１及び第２の洗浄室２４０Ａ、２４０Ｂと、ウェハＷを乾燥させる乾燥室２４１と、ウェハＷを搬送する第１及び第２の搬送室２４２Ａ、２４２Ｂとを備える。洗浄ユニット２４の各室は、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の洗浄室２４０Ａ、第１の搬送室２４２Ａ、第２の洗浄室２４０Ｂ、第１の搬送室２４２Ｂ、及び、乾燥室２４１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。

（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９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及びカメラ２０１と電気的に接続されて、各ユニット２１～２５及びカメラ２０１を統括的に制御する制御部として機能する。

ロード／アンロードユニット２１は、各種のアクチュエータで構成される複数のモジュール２１７_１～２１７_ｐ（例えば、搬送ロボット２１１等）と、複数のモジュール２１７_１～２１７_ｐにそれぞれ配置されて、各モジュール２１７_１～２１７_ｐの制御に必要なデータ（検出値）を検出する複数のセンサ２１８_１～２１８_ｑと、各センサ２１８_１～２１８_ｑの検出値に基づいて各モジュール２１７_１～２１７_ｐの動作を制御するシーケンサ２１９とを備える。

研磨ユニット２２は、各種のアクチュエータで構成される複数のモジュール２２７_１～２２７_ｒ（例えば、研磨テーブル２２０、トップリング２２１と、研磨液供給ノズル２２２、ドレッサ２２３、アトマイザ２２４等）と、複数のモジュール２２７_１～２２７_ｒにそれぞれ配置されて、各モジュール２２７_１～２２７_ｒの制御に必要なデータ（検出値）を検出する複数のセンサ２２８_１～２２８_ｓと、各センサ２２８_１～２２８_ｓの検出値に基づいて各モジュール２２７_１～２２７_ｒの動作を制御するシーケンサ２２９とを備える。

研磨ユニット２２のセンサ２２８_１～２２８_ｓには、例えば、研磨テーブル２２０の回転数を検出するセンサ、研磨テーブル２２０の回転トルクを検出するセンサ、トップリング２２１の回転数を検出するセンサ、トップリング２２１の回転トルクを検出するセンサ、トップリング２２１の揺動位置を検出するセンサ、トップリング２２１の揺動トルクを検出するセンサ、トップリング２２１の高さを検出するセンサ、トップリング２２１の昇降トルクを検出するセンサ、第１乃至第４のメンブレン圧力室２２１２ａ～２２１２ｄ及びリテーナリング圧力室２２１４ａ内の圧力（正圧及び負圧）を検出するセンサ、第１乃至第４のメンブレン圧力室２２１２ａ～２２１２ｄ及びリテーナリング圧力室２２１４ａに供給される圧力流体の流量を検出するセンサ、研磨液供給ノズル２２２から供給される研磨液の流量を検出するセンサ、研磨液供給ノズル２２２の滴下位置を検出するセンサ等が含まれる。

基板搬送ユニット２３は、各種のアクチュエータで構成される複数のモジュール２３７_１～２３７_ｔ（例えば、第１及び第２のリニアトランスポータ２３０Ａ、２３０Ｂ、スイングトランスポータ２３１、リフタ２３２等）と、複数のモジュール２３７_１にそれぞれ配置されて、各モジュール２３７_１～２３７_ｔの制御に必要なデータ（検出値）を検出す
る複数のセンサ２３８_１～２３８_ｕと、各センサ２３８１～２３８_ｕの検出値に基づいて各モジュール２３７_１～２３７_ｔの動作を制御するシーケンサ２３９とを備える。

基板搬送ユニット２３のセンサ２３８_１～２３８_ｕには、例えば、搬送ハンド２３００の位置を検出するセンサ、搬送ハンド２３００の高さを検出するセンサ、搬送ハンド２３００に対するウェハＷの有無を検出するセンサ等が含まれる。

洗浄ユニット２４は、各種のアクチュエータで構成される複数のモジュール２４７_１～２４７_ｖ（例えば、第１の洗浄室２４０Ａ、第２の洗浄室２４０Ｂ、乾燥室２４１等）と、複数のモジュール２４７_１～２４７_ｖにそれぞれ配置されて、各モジュール２４７_１～２４７_ｖの制御に必要なデータ（検出値）を検出する複数のセンサ２４８_１～２４８_ｗと、各センサ２４８_１～２４８_ｗの検出値に基づいて各モジュール２４７_１～２４７_ｖの動作を制御するシーケンサ２４９とを備える。

膜厚測定ユニット２５は、各種のアクチュエータで構成される複数のモジュール２５７_１～２５７_ｘ（例えば、膜厚測定モジュール等）と、複数のモジュール２５７_１～２５７_ｘにそれぞれ配置されて、各モジュール２５７_１～２５７_ｘの制御に必要なデータ（検出値）を検出する複数のセンサ２５８_１～２５８_ｙと、各センサ２５８_１～２５８_ｙの検出値に基づいて各モジュール２５７_１～２５７_ｘの動作を制御するシーケンサ２５９とを備える。

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１１参照）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２１８_１～２１８_ｑ、２２８_１～２２８_ｓ、２３８_１～２３８_ｕ、２４８_１～２４８_ｗ、２５８_１～２５８_ｙ（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２１７_１～２１７_ｐ、２２７_１～２２７_ｒ、２３７_１～２３７_ｔ、２４７_１～２４７_ｖ、２５７_１～２５７_ｘ（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工程を行う。

図１０は、基板処理装置２による基板処理工程の一例を示すタイミングチャートである。図１０に示す基板処理工程は、上記の一連の工程のうち、研磨ユニット２２のトップリング２２１が、基板搬送ユニット２３の第１又は第２のリニアトランスポータ２３０Ａ、２３０Ｂから研磨処理前のウェハＷを受け取ってから、そのウェハＷに対して研磨処理を行い、研磨処理後のウェハＷを第１又は第２のリニアトランスポータ２３０Ａ、２３０Ｂに引き渡すまでの工程を表すものである。

基板処理工程は、トップリング２２１が第１又は第２のリニアトランスポータ２３０Ａ、２３０Ｂから研磨処理前のウェハＷを受け取る基板受け取り工程Ｓ１（図７）、トップリング２２１が研磨処理前のウェハＷを研磨テーブル２２０上の研磨位置に移動させる研磨前揺動工程Ｓ２、トップリング２２１が研磨処理前のウェハＷを研磨高さに下降させる研磨前下降工程Ｓ３、トップリング２２１が研磨処理前のウェハＷに対して研磨処理を行う研磨工程Ｓ４、トップリング２２１が研磨処理後のウェハＷを移動高さに上昇させる研磨後上昇工程Ｓ５、トップリング２２１が研磨処理後のウェハＷをリテーナリングステーション２３０３上の受け渡し位置に移動させる研磨後揺動工程Ｓ６、及び、トップリング２２１が研磨処理後のウェハＷを第１又は第２のリニアトランスポータ２３０Ａ、２３０Ｂに引き渡す基板引き渡し工程Ｓ７（図８）を含む。

なお、本実施形態では、上記の基板処理工程は、第１及び第２の研磨部２２Ａ、２２Ｂについては第１のリニアトランスポータ２３０Ａとの間で行われ、第３及び第４の研磨部２２Ｃ、２２Ｄについては第２のリニアトランスポータ２３０Ｂとの間で行われる。

（各装置のハードウエア構成）
図１１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１１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。

（履歴情報３０）
図１２は、データベース装置３により管理される履歴情報３０の一例を示すデータ構成図である。履歴情報３０は、基板処理装置２からの各種のレポートＲが分類されて登録されるテーブルとして、例えば、工程情報に関する工程履歴テーブル３００と、装置状態情報（センサの検出値、アクチュエータへの指令値等）に関する装置状態履歴テーブル３０１と、画像情報や後述のスケッチ情報に関する割れ発生履歴テーブル３０２とを備える。なお、履歴情報３０は、上記以外にも、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。

工程履歴テーブル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Ｓ１～Ｓ７の開始時刻、各工程Ｓ１～Ｓ７の終了時刻、各工程Ｓ１～Ｓ７の使用ユニットＩＤ等が登録される。なお、工程履歴テーブル３００には、工程Ｓ１～Ｓ７以外の工程に関する情報が登録されてもよい。

装置状態履歴テーブル３０１の各レコードには、例えば、ユニットＩＤ、センサＩＤ（又はアクチュエータＩＤ）、時系列データ等が登録される。時系列データは、所定の時間間隔でサンプリングされたセンサの検出値（又はアクチュエータへの指令値）である。

割れ発生履歴テーブル３０２の各レコードには、例えば、ウェハＩＤ、取得時刻、割れ発生状態情報、割れ発生工程情報等が登録される。割れ発生状態情報は、割れウェハＷが基板処理装置２のカメラ２０１及びユーザ端末装置６のカメラ６０のいずれかで撮影された画像情報、又は、割れウェハＷがユーザによりスケッチされたスケッチ情報が登録される。割れ発生工程情報は、ユーザ又は情報処理装置５により特定された割れ発生工程が登録される。

工程履歴テーブル３００及び装置状態履歴テーブル３０１を参照することで、ウェハＩＤで特定されるウェハＷに対して基板処理工程に含まれる各工程Ｓ１～Ｓ７が行われたと
きの装置状態情報として、各センサの時系列データ（又は各アクチュエータの時系列データ）が抽出可能である。また、割れ発生履歴テーブル３０２をさらに参照することで、そのウェハＩＤで特定されるウェハＷに対する割れ発生状態情報及び割れ発生工程情報が抽出可能である。

（機械学習装置４）
図１３は、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割れ発生状態情報と、出力データとしての割れ発生工程情報とで構成される学習用データ１１を取得する。学習用データ１１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、割れ発生工程情報は、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で取得した学習用データ１１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学習用データ１１を用いて機械学習を実施する。すなわち、機械学習部４０１は、学習モデル１０に学習用データ１１を複数組入力し、学習用データ１１に含まれる割れ発生状態情報と割れ発生工程情報との相関関係を学習モデル１０に学習させることで、学習済みの学習モデル１０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学習モデル１０（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学習モデル１０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１３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。

図１４は、学習モデル１０及び学習用データ１１の一例を示す図である。学習モデル１０の機械学習に用いられる学習用データ１１は、割れ状態情報及び装置状態情報を含む割れ発生状態情報と、割れ発生工程情報とで構成される。

割れ発生状態情報に含まれる割れ状態情報は、基板処理装置２により行われる基板処理工程において、ウェハＷに割れが発生したときの割れ状態を示す情報である。割れ状態情報は、割れウェハＷが撮影された画像情報、又は、割れウェハＷがスケッチされたスケッチ情報である。

画像情報は、基板処理装置２（カメラ２０１）又はユーザ端末装置６（カメラ６０）により平面視にて割れウェハＷが撮影されたものである。割れウェハＷは、例えば、ウェハ
Ｗが割れて複数の破片に分割されたような場合には、割れ目が分かる程度に元通りに並べた状態で撮影されるのが好ましい。なお、画像情報は、モノクロ画像及びカラー画像のいずれでもよいし、二次元画像及び三次元画像のいずれでもよい。

スケッチ情報は、例えば、ノッチが設けられたウェハＷの外形線に対して、ウェハＷが割れたときの割れ目が描画されたものである。スケッチ情報は、例えば、ユーザ端末装置６の描画用のアプリケーションプログラムを用いてウェハＷの割れ状態を表す描画線がユーザにより描画操作されることで生成されてもよいし、ウェハＷの割れ状態がユーザにより手書きされた紙がスキャナ等の画像読取装置により読取操作されることで生成されてもよい。

割れ発生状態情報に含まれる装置状態情報は、割れウェハＷに対して基板処理工程が行われたときの研磨ユニット２２の状態を示す情報である。

装置状態情報は、研磨ユニット２２の状態として、トップリング２２１の揺動位置、トップリング２２１の高さ、第１乃至第４のメンブレン圧力室２２１２ａ～２２１２内の圧力（メンブレン圧力）、第１乃至第４のメンブレン圧力室２２１２ａ～２２１２ｄに供給される圧力流体の流量（メンブレン流量）、リテーナリング圧力室２２１４ａ内の圧力（リテーナリングエアバッグ圧力）、及び、リテーナリング圧力室２２１４ａに供給される圧力流体の流量（リテーナリングエアバッグ流量）の少なくとも１つを含む。なお、第１乃至第４のメンブレン圧力室２２１２ａ～２２１２ｄ及びリテーナリング圧力室２２１４ａ内の圧力は、圧力流体が供給されたときの圧力、大気開放されたときの圧力、及び、真空引きされたときの圧力を含む。

装置状態情報は、研磨ユニット２２の状態に加えて、基板搬送ユニット２３の状態を示す情報を含むものでよい。その場合、装置状態情報は、基板搬送ユニット２３の状態として、搬送ハンド２３００の位置（ＬＴＰ水平位置）、搬送ハンド２３００の高さ（ＬＴＰ高さ）、及び、搬送ハンド２３００に対するウェハＷの有無状態（ＬＴＰ基板有無）の少なくとも１つを含む。

割れ発生工程情報は、基板処理工程に含まれる各工程Ｓ１～Ｓ７のうちウェハＷの割れの発生原因となる工程（割れ発生工程）を示す情報である。基板処理工程に含まれる各工程Ｓ１～Ｓ７としては、図１０に示すような基板受け取り工程Ｓ１、研磨前揺動工程Ｓ２、研磨前下降工程Ｓ３、研磨工程Ｓ４、研磨後上昇工程Ｓ５、研磨後揺動工程Ｓ６、及び、基板引き渡し工程Ｓ７を含む。

学習用データ取得部４００は、履歴情報３０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、学習用データ１１を取得する。

例えば、学習用データ取得部４００は、ウェハＷに割れが発生したときに、その割れウェハＷを特定するウェハＩＤを用いて履歴情報３０の工程履歴テーブル３００及び装置状態履歴テーブル３０１を参照することで、その割れウェハＷに対して基板処理工程が行われたときのセンサ群の時系列データを、装置状態情報として取得する。また、学習用データ取得部４００は、そのウェハＩＤを用いて履歴情報３０の割れ発生履歴テーブル３０２を参照することで、その割れウェハＷに対する割れ状態情報を取得する。なお、学習用データ取得部４００は、履歴情報３０から割れ状態情報を取得することに代えて、ユーザの撮影操作により撮影された画像情報や、ユーザの描画操作や読取操作により生成されたスケッチ情報を取得してもよい。

さらに、学習用データ取得部４００は、ユーザが、その割れウェハＷの割れ方（割れ目
の方向や数の特徴等）や、装置状態情報に基づいて研磨ユニット２２及び基板搬送ユニット２３の状態を解析した結果として、その割れウェハＷに対して割れ発生工程を指定するユーザの指定操作を受け付けることで、割れ発生工程情報を取得する。なお、学習用データ取得部４００は、ユーザの指定操作を受け付けることに代えて、ユーザにより事前に解析された結果としての割れ発生工程情報が、履歴情報３０の割れ発生履歴テーブル３０２に登録済みの場合には、割れウェハＷを特定するウェハＩＤを用いて履歴情報３０の割れ発生履歴テーブル３０２を参照することで、割れ発生工程情報を取得してもよい。

学習モデル１０は、例えば、畳み込みニューラルネットワーク（ＣＮＮ）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割れ発生状態情報（画像情報又はスケッチ情報）の画素数に対応する数のニューロンを有し、各ピクセルの画素値が各ニューロンにそれぞれ入力される。中間層１０１は、例えば、畳み込み層１０１ａ、プーリング層１０１ｂ及び全結合層１０１ｃから構成される。全結合層１０１ｃは、プーリング層１０１ｂだけでなく、入力データとしての装置状態情報に対応する数の入力を有し、プーリング層１０１ｂによる画像情報の特徴値と、装置状態情報を示す変数値（例えば、センサ群の時系列データ）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割れ発生工程情報における割れ発生工程（各工程Ｓ１～Ｓ７）に対応する数のニューロンを有し、各工程Ｓ１～Ｓ７に対する判定結果（推論結果）が、出力データとして出力される。すなわち、学習モデル１０は、多クラス分類のモデルであり、各工程Ｓ１～Ｓ７にそれぞれ分類されるときのスコア（信頼度）を、所定の範囲（例えば、０～１）の数値でそれぞれ出力する。

なお、本実施形態では、装置状態情報を、図１４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、研磨ユニット２２（特にトップリング２２１）や基板搬送ユニット２３の構成に応じて適宜変更してもよい。また、装置状態情報として、アクチュエータへの指令値を用いてもよいし、センサの検出値又はアクチュエータ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。上記のように、装置状態情報の定義を変更する場合には、学習モデル１０及び学習用データ１１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、本実施形態では、基板処理装置２による基板処理工程を、図１０、図１４に示すように、７つの工程Ｓ１～Ｓ７で区切る場合について説明するが、基板処理工程を区切る位置は適宜変更してもよく、より細かく区切ってもよいし、より大まかに区切ってもよい。また、基板処理工程は、基板受け取り工程Ｓ１よりも前の工程をさらに含むようにしてもよいし、基板引き渡し工程Ｓ７よりも後の工程をさらに含むようにしてもよい。さらに、例えば、第１の研磨部２２Ａの次に第２の研磨部２２Ｂ、第３の研磨部２２Ｃの次に第４の研磨部２２Ｄのように、２段階で研磨処理を行ったり、３段階以上で研磨処理を行ったりするような場合には、基板処理工程は、それらの一連の工程、すなわち、複数段階分の基板処理工程を含むようにしてもよい。上記のように基板処理工程の定義を変更する場合には、学習モデル１０及び学習用データ１１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。

（機械学習方法）
図１５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、履歴情報３０等から所望の数の学習用データ１１を取得し、その取得した学習用データ１１を学習用データ記憶部４２に記憶する。ここで準備する学習用データ１１の数については、最終的に得られる学習モデル１０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、学習前の学習モデル１０を準備する。ここで準備する学習前の学習モデル１０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学習用データ１１から、例えば、ランダムに１組の学習用データ１１を取得する。

次に、ステップＳ１３０において、機械学習部４０１は、１組の学習用データ１１に含まれる割れ発生状態情報（入力データ）を、準備された学習前（又は学習中）の学習モデル１０の入力層に入力する。その結果、学習モデル１０の出力層から推論結果として割れ発生工程情報（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）の学習モデル１０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、学習用データ１１に含まれる割れ発生工程情報（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組の学習用データ１１に含まれる割れ発生工程情報（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割れ発生工程情報（出力データ）とを比較し、各シナプスの重みを調整する処理（バックプロバケーション）を実施することで、機械学習を実施する。これにより、機械学習部４０１は、割れ発生状態情報と割れ発生工程情報との相関関係を学習モデル１０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、学習用データ１１に含まれる割れ発生工程情報（正解ラベル）と、推論結果として出力された割れ発生工程情報（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学習用データ１１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、学習中の学習モデル１０に対してステップＳ１２０～Ｓ１４０の工程を未学習の学習用データ１１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学習モデル１０（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１５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、本実施形態に係る情報処理装置５及び情報処理方法によれば、ウェハＷの割れの発生に応じて取得された割れ状態情報及び装置状態情報を含む割れ発生状態情報から、当該ウェハＷの割れの発生原因を特定（推論）することが可能な学習モデル１０を提供することができる。

（情報処理装置５）
図１６は、情報処理装置５の一例を示すブロック図である。図１７は、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、割れ発生工程特定部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、割れ状態情報及び装置状態情報を含む割れ発生状態情報を取得する。例えば、情報取得部５００は、ユーザ端末装置６から割れウェハＷを特定するウェハＩＤを受信すると、そのウェハＩＤを用いて履歴情報３０の工程履歴テーブル３００及び装置状態履歴テーブル３０１を参照することで、その割れウェハＷに対して基板処理工程が行われたときのセンサ群の時系列データを、装置状態情報として取得する。また、情報取得部５００は、そのウェハＩＤを用いて履歴情報３０の割れ発生履歴テーブル３０２を参照することで、その割れウェハＷに対する割れ状態情報を取得する。なお、情報取得部５００は、履歴情報３０から割れ状態情報を取得することに代えて、ユーザの撮影操作により撮影された画像情報や、ユーザの描画操作や読取操作により生成されたスケッチ情報を取得してもよい。

割れ発生工程特定部５０１は、上記のように、ウェハＷの割れの発生に応じて情報取得部５００により取得された割れ発生状態情報を入力データとして学習モデル１０に入力することで、当該ウェハＷの割れの発生原因となる工程（割れ発生工程）を特定する。その際、割れ発生工程特定部５０１は、例えば、学習モデル１０の出力データとして、各工程Ｓ１～Ｓ７に対するスコアを取得するが、各スコアのうちの最大値に対応する工程（図１７の例では、基板受け取り工程Ｓ１）を割れ発生工程として特定することで割れ発生工程情報を生成する。

学習済みモデル記憶部５２は、割れ発生工程特定部５０１にて用いられる学習済みの学習モデル１０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に記憶される学習モデル１０の数は１つに限定されず、例えば、機械学習の手法、割れ発生状態情報に含まれるデータの種類、割れ発生工程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。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、割れ発生工程特定部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、割れ発生工程特定部５０１により生成された割れ発生工程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、その割れ発生工程情報をユーザ端末装置６に送信することで、その割れ発生工程情報に基づく表示画面がユーザ端末装置６に表示されてもよいし、その割れ発生工程情報をデータベース装置３に送信することで、その割れ発生工程情報が履歴情報３０に登録されてもよい。

（情報処理方法）
図１８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、ウェハＷに割れが発生したときに、ユーザがユーザ端末装置６を操作して、そのウェハＷの割れの発生原因を分析する場合の動作について説明する。

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、割れウェハＷを特定するウェハＩＤを入力する入力操作と、割れウェハＷをカメラ６０で撮影する撮影操作とを行うと、ユーザ端末装置６は、そのウェハＩＤと、カメラ６０により撮影された画像情報を割れ状態情報として情報処理装置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及び割れ状態情報（画像情報）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を用いて履歴情報３０の工程履歴テーブル３００及び装置状態履歴テーブル３０１を参照することで、その割れウェハＷに対して基板処理工程が行われたときの装置状態情報を取得する。その結果として、ステップＳ２１２において、情報取得部５００は、そのウェハＩＤで特定されるウェハＷの割れ状態を示す割れ状態情報としての画像情報、及び、当該ウェハＷに対して基板処理工程が行われたときの装置状態情報を含む割れ発生状態情報を取得する。

次に、ステップＳ２２０において、割れ発生工程特定部５０１は、ステップＳ２１０にて取得された割れ発生状態情報を入力データとして学習モデル１０に入力することで、当該割れ発生状態情報に対する割れ発生工程情報を出力データとして生成し、そのウェハＷの割れ発生工程を特定する。

次に、ステップＳ２３０において、出力処理部５０２は、ステップＳ２２０にて生成された割れ発生工程情報を出力するための出力処理として、その割れ発生工程情報をユーザ端末装置６に送信する。なお、割れ発生工程情報の送信先は、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にて送信された割れ発生工程情報を受信すると、その割れ発生工程情報に基づいて表示画面を表示することで、その割れウェハＷの割れ発生工程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～Ｓ２１２が情報取得工程、ステップＳ２２０が割れ発生工程特定工程、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、ウェハＷの割れの発生に応じて取得された、割れ状態情報及び装置状態情報を含む割れ発生状態情報が学習モデル１０に入力されることで、当該ウェハＷの割れの発生原因が特定されるので、ユーザの経験や知見に依存することなく、ウェハＷの割れに対して迅速かつ適切に対処することができる。

（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、機械学習部４０１による機械学習を実現する学習モデル１０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、割れ発生工程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、基板処理装置２により行われる基板処理工程において、ウェハＷに割れが発生したときの割れ状態を示す割れ状態情報、及び、当該ウェハＷに対して基板処理工程が行われたときの研磨ユニット２２の状態を示す装置状態情報を含む割れ発生状態情報を取得する情報取得処理（情報取得工程）と、ウェハＷの割れの発生に応じて情報取得処理にて割れ発生状態情報を取得すると、基板処理工程に含まれる各工程Ｓ１～Ｓ７のうち当該ウェハＷの割れの発生原因となる工程（割れ発生工程）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）が割れ発生工程を推論する際、上記実施形態に係る機械学習装置４及び機械学習方法により生成された学習済みの学習モデル１０を用いて、割れ発生工程特定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。

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…機械学習装置、５…情報処理装置、６…ユーザ端末装置、７…ネットワーク、
１０…学習モデル、１１…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…洗浄ユニット、２５…膜厚測定ユニット、２６…制御ユニット、３０…履歴情報、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、
６０…カメラ、２０１…カメラ、
２２０…研磨テーブル、２２１…トップリング、２２２…研磨液供給ノズル、
２２３…ドレッサ、２２４…アトマイザ、
２３０Ａ…第１のリニアトランスポータ、２３０Ｂ…第２のリニアトランスポータ、
２３１…スイングトランスポータ、２３２…リフタ、２３３…仮置き台、
２６０…制御部、２６１…通信部、２６２…入力部、２６３…出力部、２６４…記憶部、３００…工程履歴テーブル、３０１…装置状態履歴テーブル、
３０２…割れ発生履歴テーブル、
４００…学習用データ取得部、４０１…機械学習部、
５００…情報取得部、５０１…割れ発生工程特定部、５０２…出力処理部、
９００…コンピュータ
２２００…研磨パッド、２２１０…トップリング本体、２２１１…キャリア、
２２１２…メンブレン、２２１２ａ～２２１２ｄ…メンブレン圧力室、
２２１３…リテーナリング、２２１４…リテーナリングエアバッグ、
２２１４ａ…リテーナリング圧力室、
２３００…搬送ハンド、２３０１…上下移動機構部、２３０２…水平移動機構部、
２３０３…リテーナリングステーション

Claims (10)

1. 基板の研磨処理を行う研磨ユニット及び前記研磨ユニットとの間で前記基板の受け渡しを行う基板搬送ユニットを備える基板処理装置により行われる基板処理工程において、前記基板に割れが発生したときの割れ状態を示す割れ状態情報、及び、当該基板に対して前記基板処理工程が行われたときの前記研磨ユニットの状態を示す装置状態情報を含む割れ発生状態情報を取得する情報取得部と、
   前記割れ発生状態情報と、前記基板処理工程に含まれる各工程のうち前記基板の割れの発生原因となる前記工程を示す割れ発生工程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、前記基板の割れの発生に応じて前記情報取得部により取得された前記割れ発生状態情報を入力することで、当該基板の割れの発生原因となる前記工程を特定する割れ発生工程特定部と、を備える、
   情報処理装置。
2. 前記割れ発生状態情報に含まれる前記割れ状態情報は、
   割れが発生した前記基板が撮影された画像情報、又は、
   割れが発生した前記基板がスケッチされたスケッチ情報である、
   請求項１に記載の情報処理装置。
3. 前記割れ発生状態情報に含まれる前記装置状態情報は、
   前記研磨ユニットの状態として、
   前記研磨ユニットが有するトップリングの位置、
   前記トップリングの高さ、
   前記トップリングに設けられた圧力室内の圧力、及び、
   前記圧力室に供給される圧力流体の流量の少なくとも１つを含む、
   請求項１又は請求項２に記載の情報処理装置。
4. 前記割れ発生状態情報に含まれる前記装置状態情報は、
   前記研磨ユニットの状態に加えて、前記基板搬送ユニットの状態を示すものであり、
   前記基板搬送ユニットの状態として、
   前記基板搬送ユニットの位置、
   前記基板搬送ユニットの高さ、及び、
   前記基板搬送ユニットにおける前記基板の有無状態の少なくとも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. 前記割れ発生工程情報は、
   前記基板処理工程に含まれる各工程として、
   前記研磨ユニットが前記基板搬送ユニットから前記研磨処理前の基板を受け取る基板受け取り工程、
   前記研磨ユニットが前記研磨処理前の基板を研磨位置に移動させる研磨前揺動工程、
   前記研磨ユニットが前記研磨処理前の基板を研磨高さに下降させる研磨前下降工程、
   前記研磨ユニットが前記研磨処理前の基板に対して前記研磨処理を行う研磨工程、
   前記研磨ユニットが前記研磨処理後の基板を移動高さに上昇させる研磨後上昇工程、
   前記研磨ユニットが前記研磨処理後の基板を受け渡し位置に移動させる研磨後揺動工程、及び、
   前記研磨ユニットが前記研磨処理後の基板を前記基板搬送ユニットに引き渡す基板引き渡し工程を含む、
   請求項１乃至４のいずれか一項に記載の情報処理装置。
6. 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、
   基板の研磨処理を行う研磨ユニット及び前記研磨ユニットとの間で前記基板の受け渡しを行う基板搬送ユニットを備える基板処理装置により行われる基板処理工程において、前記基板に割れが発生したときの割れ状態を示す割れ状態情報、及び、当該基板に対して前記基板処理工程が行われたときの前記研磨ユニットの状態を示す装置状態情報を含む割れ発生状態情報を取得する情報取得処理と、
   前記基板の割れの発生に応じて前記情報取得処理にて前記割れ発生状態情報を取得すると、前記基板処理工程に含まれる各工程のうち当該基板の割れの発生原因となる前記工程を推論する推論処理と、を実行する、
   推論装置。
7. 基板の研磨処理を行う研磨ユニット及び前記研磨ユニットとの間で前記基板の受け渡しを行う基板搬送ユニットを備える基板処理装置により行われる基板処理工程において、前記基板に割れが発生したときの割れ状態を示す割れ状態情報、及び、当該基板に対して前記基板処理工程が行われたときの前記研磨ユニットの状態を示す装置状態情報を含む割れ発生状態情報と、前記基板処理工程に含まれる各工程のうち前記基板の割れの発生原因となる前記工程を示す割れ発生工程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、前記割れ発生状態情報と前記割れ発生工程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。
8. 基板の研磨処理を行う研磨ユニット及び前記研磨ユニットとの間で前記基板の受け渡しを行う基板搬送ユニットを備える基板処理装置により行われる基板処理工程において、前記基板に割れが発生したときの割れ状態を示す割れ状態情報、及び、当該基板に対して前記基板処理工程が行われたときの前記研磨ユニットの状態を示す装置状態情報を含む割れ発生状態情報を取得する情報取得工程と、
   前記割れ発生状態情報と、前記基板処理工程に含まれる各工程のうち前記基板の割れの発生原因となる前記工程を示す割れ発生工程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、前記基板の割れの発生に応じて前記情報取得工程により取得された前記割れ発生状態情報を入力することで、当該基板の割れの発生原因となる前記工程を特定する割れ発生工程特定工程と、を備える、
   情報処理方法。
9. 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、
   基板の研磨処理を行う研磨ユニット及び前記研磨ユニットとの間で前記基板の受け渡しを行う基板搬送ユニットを備える基板処理装置により行われる基板処理工程において、前記基板に割れが発生したときの割れ状態を示す割れ状態情報、及び、当該基板に対して前記基板処理工程が行われたときの前記研磨ユニットの状態を示す装置状態情報を含む割れ発生状態情報を取得する情報取得工程と、
   前記基板の割れの発生に応じて前記情報取得工程にて前記割れ発生状態情報を取得すると、前記基板処理工程に含まれる各工程のうち当該基板の割れの発生原因となる前記工程を推論する推論工程と、を実行する、
   推論方法。
10. 基板の研磨処理を行う研磨ユニット及び前記研磨ユニットとの間で前記基板の受け渡しを行う基板搬送ユニットを備える基板処理装置により行われる基板処理工程において、前
    記基板に割れが発生したときの割れ状態を示す割れ状態情報、及び、当該基板に対して前記基板処理工程が行われたときの前記研磨ユニットの状態を示す装置状態情報を含む割れ発生状態情報と、前記基板処理工程に含まれる各工程のうち前記基板の割れの発生原因となる前記工程を示す割れ発生工程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、前記割れ発生状態情報と前記割れ発生工程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。

Images