KR20240158923A

KR20240158923A - 정보 처리 장치, 추론 장치, 기계 학습 장치, 정보 처리 방법, 추론 방법 및 기계 학습 방법

Info

Publication number: KR20240158923A
Application number: KR1020247032020A
Authority: KR
Inventors: 겐이치 다케부치; 겐이치로 사이토
Original assignee: 가부시키가이샤 에바라 세이사꾸쇼
Priority date: 2022-03-01
Filing date: 2023-02-15
Publication date: 2024-11-05
Also published as: JP2023127537A; TW202348349A; CN118830059A; WO2023166991A1

Abstract

정보 처리 장치(5)는, 기판을 보유 지지하는 기판 보유 지지부, 및 기판에 기판 마무리 유체를 공급하는 마무리 유체 공급부를 구비하는 기판 처리 장치에 의해 행해지는 기판의 마무리 처리에서의, 기판 보유 지지부의 상태를 나타내는 기판 보유 지지부 상태 정보, 및 마무리 유체 공급부의 상태를 나타내는 마무리 유체 공급부 상태 정보를 포함하는 마무리 처리 조건을 취득하는 정보 취득부(500)와, 마무리 처리 조건과, 당해 마무리 처리 조건에 의한 마무리 처리가 행해진 기판의 상태를 나타내는 기판 상태 정보와의 상관 관계를 기계 학습에 의해 학습시킨 학습 모델(10A, 10B)에, 정보 취득부(500)에 의해 취득된 마무리 처리 조건을 입력함으로써, 당해 마무리 처리 조건에 의한 마무리 처리가 행해진 기판에 대한 기판 상태 정보를 예측하는 상태 예측부(501)를 구비한다.

Description

정보 처리 장치, 추론 장치, 기계 학습 장치, 정보 처리 방법, 추론 방법 및 기계 학습 방법

본 발명은, 정보 처리 장치, 추론 장치, 기계 학습 장치, 정보 처리 방법, 추론 방법 및 기계 학습 방법에 관한 것이다.

반도체 웨이퍼 등의 기판에 대해 각종 처리를 행하는 기판 처리 장치의 하나로서, 화학 기계 연마(CMP: Chemical Mechanical Polishing) 처리를 행하는 기판 처리 장치가 알려져 있다. 기판 처리 장치에서는, 예를 들어 연마 패드를 갖는 연마 테이블을 회전시키면서, 액체 공급 노즐로부터 연마 패드에 연마액(슬러리)을 공급한 상태에서, 톱 링이라고 불리는 연마 헤드에 의해 기판을 연마 패드에 가압 접촉시킴으로써, 기판은 화학적이면서 또한 기계적으로 연마된다. 그리고 연마 후의 기판에 부착된 연마 부스러기 등의 이물을 제거하기 위해, 연마 후의 기판에 기판 세정 유체를 공급하면서 세정구를 접촉시켜 스크럽 세정하고, 또한 기판 건조 유체로 기판을 건조시킴으로써, 기판의 마무리 처리가 종료된다.

기판의 마무리 처리에 있어서, 기판을 세정하거나 건조시키거나 할 때, 기판에는, 응력이나 마찰력이 작용하는 것에 따라서 스트레스가 가해지는데, 과도한 스트레스는 기판의 생산 품질이나 수율을 저하시키는 한 요인으로 되어 있다(예를 들어, 특허문헌 1(단락 [0016]), 특허문헌 2(단락 [0006]) 참조).

일본 특허 공개 제2003-156509호 공보 일본 특허 공개 평7-147264호 공보

마무리 처리에 의해 기판에 가해지는 스트레스 등과 같이, 처리 중 또는 처리 후의 기판 상태를 적절하게 모니터링하거나, 처리 전, 처리 중 및 처리 후의 임의의 타이밍에 처리 중 또는 처리 후의 기판의 상태를 예측하거나 할 수 있으면, 기판의 생산 품질이나 수율의 관리에 유효하다. 그러나, 기판의 상태를 검출하기 위해, 기판 1장 1장에 어떠한 센서를 직접 설치하는 것은 현실적이지 않다. 또한, 기판 처리 장치에 의해 마무리 처리가 행해지는 경우, 기판의 상태는, 기판 처리 장치가 구비하는 각 부(기판을 보유 지지하는 기판 보유 지지부, 및 기판에 기판 마무리 유체(기판 세정 유체나 기판 건조 유체 등)를 공급하는 마무리 유체 공급부 등) 각각의 동작 상태에 따라서 변동되는데, 그러한 동작 상태는 기판에 대해 복잡하면서 또한 상호 작용한다. 그 때문에, 각 동작 상태가, 기판의 상태에 어떤 영향을 주는 것인지를 적확하게 해석하는 것은 곤란하다.

본 발명은, 상기 과제를 감안하여, 마무리 처리에 의한 처리 중 또는 처리 후의 기판의 상태를 적절하게 예측하는 것을 가능하게 하는 정보 처리 장치, 추론 장치, 기계 학습 장치, 정보 처리 방법, 추론 방법 및 기계 학습 방법을 제공하는 것을 목적으로 한다.

상기 목적을 달성하기 위해, 본 발명의 일 양태에 관한 정보 처리 장치는,

기판을 보유 지지하는 기판 보유 지지부, 및 상기 기판에 기판 마무리 유체를 공급하는 마무리 유체 공급부를 구비하는 기판 처리 장치에 의해 행해지는 상기 기판의 마무리 처리에서의, 상기 기판 보유 지지부의 상태를 나타내는 기판 보유 지지부 상태 정보, 및 상기 마무리 유체 공급부의 상태를 나타내는 마무리 유체 공급부 상태 정보를 포함하는 마무리 처리 조건을 취득하는 정보 취득부와,

상기 마무리 처리 조건과, 당해 마무리 처리 조건에 의한 상기 마무리 처리가 행해진 상기 기판의 상태를 나타내는 기판 상태 정보와의 상관 관계를 기계 학습에 의해 학습시킨 학습 모델에, 상기 정보 취득부에 의해 취득된 상기 마무리 처리 조건을 입력함으로써, 당해 마무리 처리 조건에 의한 상기 마무리 처리가 행해진 상기 기판에 대한 상기 기판 상태 정보를 예측하는 상태 예측부를 구비한다.

본 발명의 일 양태에 관한 정보 처리 장치에 의하면, 기판의 마무리 처리에서의, 기판 보유 지지부 상태 정보, 및 마무리 유체 공급부 상태 정보를 포함하는 마무리 조건이 학습 모델에 입력됨으로써, 당해 마무리 조건에 대한 기판 상태 정보가 예측되므로, 마무리 처리에 의한 처리 중 또는 처리 후의 기판 상태를 적절하게 예측할 수 있다.

상기 이외의 과제, 구성 및 효과는, 후술하는 발명을 실시하기 위한 형태에서 밝혀진다.

도 1은 기판 처리 시스템(1)의 일례를 도시하는 전체 구성도이다.
도 2는 기판 처리 장치(2)의 일례를 도시하는 평면도이다.
도 3은 제1 내지 제4 연마부(22A 내지 22D)의 일례를 도시하는 사시도이다.
도 4는 제1 및 제2 롤 스펀지 세정부(24A, 24B)의 일례를 도시하는 사시도이다.
도 5는 제1 및 제2 펜 스펀지 세정부(24C, 24D)의 일례를 도시하는 사시도이다.
도 6은 제1 및 제2 건조부(24E, 24F)의 일례를 도시하는 사시도이다.
도 7은 기판 처리 장치(2)의 일례를 도시하는 블록도이다.
도 8은 컴퓨터(900)의 일례를 도시하는 하드웨어 구성도이다.
도 9는 데이터베이스 장치(3)에 의해 관리되는 생산 이력 정보(30)의 일례를 도시하는 데이터 구성도이다.
도 10은 데이터베이스 장치(3)에 의해 관리되는 마무리 시험 정보(31)의 세정 시험 테이블(310)의 일례를 도시하는 데이터 구성도이다.
도 11은 데이터베이스 장치(3)에 의해 관리되는 마무리 시험 정보(31)의 건조 시험 테이블(311)의 일례를 도시하는 데이터 구성도이다.
도 12는 제1 실시 형태에 관한 기계 학습 장치(4)의 일례를 도시하는 블록도이다.
도 13은 제1 학습 모델(10A) 및 제1 학습용 데이터(11A)의 일례를 도시하는 도면이다.
도 14는 제2 학습 모델(10B) 및 제2 학습용 데이터(11B)의 일례를 도시하는 도면이다.
도 15는 기계 학습 장치(4)에 의한 기계 학습 방법의 일례를 도시하는 흐름도이다.
도 16은 제1 실시 형태에 관한 정보 처리 장치(5)의 일례를 도시하는 블록도이다.
도 17은 제1 실시 형태에 관한 정보 처리 장치(5)의 일례를 도시하는 기능 설명도이다.
도 18은 정보 처리 장치(5)에 의한 정보 처리 방법의 일례를 도시하는 흐름도이다.
도 19는 제2 실시 형태에 관한 기계 학습 장치(4a)의 일례를 도시하는 블록도이다.
도 20은 제3 학습 모델(10C) 및 제3 학습용 데이터(11C)의 일례를 도시하는 도면이다.
도 21은 제4 학습 모델(10D) 및 제4 학습용 데이터(11D)의 일례를 도시하는 도면이다.
도 22는 제2 실시 형태에 관한 정보 처리 장치(5a)의 일례를 도시하는 블록도이다.
도 23은 제2 실시 형태에 관한 정보 처리 장치(5a)의 일례를 도시하는 기능 설명도이다.
도 24는 제3 실시 형태에 관한 기계 학습 장치(4b)의 일례를 도시하는 블록도이다.
도 25는 세정 품질 해석용 제5 학습 모델(10E) 및 제5 학습용 데이터(11E)의 일례를 도시하는 도면이다.
도 26은 건조 품질 해석용 제6 학습 모델(10F) 및 제6 학습용 데이터(11F)의 일례를 도시하는 도면이다.
도 27은 제3 실시 형태에 관한 정보 처리 장치(5b)의 일례를 도시하는 블록도이다.
도 28은 제3 실시 형태에 관한 정보 처리 장치(5b)의 일례를 도시하는 기능 설명도이다.

이하, 도면을 참조하여 본 발명을 실시하기 위한 실시 형태에 대해서 설명한다. 이하에서는, 본 발명의 목적을 달성하기 위한 설명에 필요한 범위를 모식적으로 나타내고, 본 발명의 해당 부분의 설명에 필요한 범위를 주로 설명하는 것으로 하고, 설명을 생략하는 개소에 대해서는 공지 기술에 의한 것으로 한다.

(제1 실시 형태)

도 1은 기판 처리 시스템(1)의 일례를 도시하는 전체 구성도이다. 본 실시 형태에 관한 기판 처리 시스템(1)은, 반도체 웨이퍼 등의 기판(이하, 「웨이퍼」라고 함)(W)을 연마 패드에 가압 접촉시킴으로써 웨이퍼(W)의 표면을 평탄하게 연마하는 화학 기계 연마 처리(이하, 「연마 처리」라고 함), 연마 처리 후의 웨이퍼(W)를 세정구에 접촉시킴으로써 웨이퍼(W)의 표면을 세정하는 세정 처리, 세정 처리 후의 기판을 건조시키는 건조 처리 등을 포함하는 일련의 기판 처리를 관리하는 시스템으로서 기능한다.

기판 처리 시스템(1)은, 그 주요한 구성으로서, 기판 처리 장치(2)와, 데이터베이스 장치(3)와, 기계 학습 장치(4)와, 정보 처리 장치(5)와, 유저 단말 장치(6)를 구비한다. 각 장치(2 내지 6)는, 예를 들어 범용 또는 전용의 컴퓨터(후술하는 도 8 참조)로 구성됨과 함께, 유선 또는 무선의 네트워크(7)에 접속되어, 각종 데이터(도 1에는 일부 데이터의 송수신을 파선의 화살표로 도시)를 서로 송수신 가능하게 구성된다. 또한, 각 장치(2 내지 6)의 수나 네트워크(7)의 접속 구성은, 도 1의 예에 한정되지는 않고, 적절하게 변경해도 된다.

기판 처리 장치(2)는, 복수의 유닛으로 구성되며, 1개 또는 복수의 웨이퍼(W)에 대한 일련의 기판 처리로서, 예를 들어 로드, 연마, 세정, 건조, 막 두께 측정, 언로드 등의 각 처리를 각각 행하는 장치이다. 그때, 기판 처리 장치(2)는, 각 유닛에 각각 설정된 복수의 장치 파라미터를 포함하는 장치 설정 정보(265)와, 연마 처리, 세정 처리, 건조 처리의 동작 상태 등을 정하는 기판 레시피 정보(266)를 참조하면서, 각 유닛의 동작을 제어한다.

기판 처리 장치(2)는, 각 유닛의 동작에 따라, 각종 리포트 R을 데이터베이스 장치(3), 유저 단말 장치(6) 등에 송신한다. 각종 리포트 R에는, 예를 들어 기판 처리가 행해졌을 때의 대상이 되는 웨이퍼(W)를 특정하는 공정 정보, 각 처리가 행해졌을 때의 각 유닛의 상태를 나타내는 장치 상태 정보, 기판 처리 장치(2)에서 검출된 이벤트 정보, 기판 처리 장치(2)에 대한 유저(오퍼레이터, 생산 관리자, 보수 관리자 등)의 조작 정보 등이 포함된다.

데이터베이스 장치(3)는, 본 생산용 웨이퍼(W)에 대해 기판 처리가 행해졌을 때의 이력에 관한 생산 이력 정보(30)와, 시험용 더미 웨이퍼에 대해 마무리 처리의 시험(이하, 「마무리 시험」이라고 함)이 행해졌을 때의 이력에 관한 마무리 시험 정보(31)를 관리하는 장치이다. 마무리 처리는, 연마 처리 후의 웨이퍼(W)의 피마무리면의 마무리를 행하기 위한 처리이며, 예를 들어 세정 처리, 건조 처리 등이 포함된다. 본 실시 형태에서는, 마무리 처리로서, 세정 처리 및 건조 처리를 행하고, 마무리 시험으로서, 세정 처리의 시험(이하, 「세정 시험」이라고 함) 및 건조 처리의 시험(이하, 「건조 시험」이라고 함)을 행하는 경우에 대해서 설명한다. 또한, 데이터베이스 장치(3)에는, 상기 외에, 장치 설정 정보(265)나 기판 레시피 정보(266)가 기억되어 있어도 되며, 그 경우에는, 기판 처리 장치(2)가 이들 정보를 참조하도록 해도 된다.

데이터베이스 장치(3)는, 기판 처리 장치(2)가 본 생산용 웨이퍼(W)에 대해 기판 처리를 행했을 때, 기판 처리 장치(2)로부터 각종 리포트 R을 수시 수신하여, 생산 이력 정보(30)에 등록함으로써, 생산 이력 정보(30)에는, 기판 처리에 관한 리포트 R이 축적된다.

데이터베이스 장치(3)는, 기판 처리 장치(2)가 시험용 더미 웨이퍼에 대해 마무리 시험을 행했을 때, 기판 처리 장치(2)로부터 각종 리포트 R(장치 상태 정보를 적어도 포함함)을 수시 수신하여, 마무리 시험 정보(31)에 등록함과 함께, 그 마무리 시험의 시험 결과를 대응지어서 등록함으로써, 마무리 시험 정보(31)에는, 마무리 시험에 관한 리포트 R 및 시험 결과가 축적된다. 더미 웨이퍼는, 웨이퍼(W)를 모의한 지그이다. 더미 웨이퍼의 표면 또는 내부에는, 마무리 처리가 행해졌을 때의 웨이퍼(W)의 상태를 측정하기 위한 압력 센서나 온도 센서 등의 더미 웨이퍼 센서가 마련되고, 더미 웨이퍼 센서의 측정값이, 시험 결과로서 마무리 시험 정보(31)에 등록된다. 또한, 더미 웨이퍼 센서는, 더미 웨이퍼의 기판면에 대해 1개 또는 복수의 개소에 마련되어도 되고, 면적으로 마련되어 있어도 된다. 또한, 마무리 시험은, 본 생산용 기판 처리 장치(2)에서 행해져도 되고, 기판 처리 장치(2)와 마찬가지의 마무리 처리를 재현 가능한 시험용 마무리 시험 장치, 예를 들어 세정 시험을 행하는 세정 시험 장치, 건조 시험을 행하는 건조 시험 장치 등으로 행해져도 된다.

기계 학습 장치(4)는, 기계 학습의 학습 페이즈의 주체로서 동작하여, 예를 들어 데이터베이스 장치(3)로부터 마무리 시험 정보(31)의 일부를 제1 및 제2 학습용 데이터(11A, 11B)로서 취득하고, 정보 처리 장치(5)에서 사용되는 제1 및 제2 학습 모델(10A, 10B)을 기계 학습에 의해 생성한다. 학습 완료된 제1 및 제2 학습 모델(10A, 10B)은, 네트워크(7)나 기록 매체 등을 통해서 정보 처리 장치(5)에 제공된다.

정보 처리 장치(5)는, 기계 학습의 추론 페이즈의 주체로서 동작하고, 기계 학습 장치(4)에 의해 생성된 제1 및 제2 학습 모델(10A, 10B)을 사용하여, 기판 처리 장치(2)에 의한 마무리 처리가 본 생산용 웨이퍼(W)에 대해 행해졌을 때, 그 웨이퍼(W)의 상태를 예측하고, 그 예측한 결과인 기판 상태 정보를 데이터베이스 장치(3), 유저 단말 장치(6) 등에 송신한다. 정보 처리 장치(5)가 기판 상태 정보를 예측하는 타이밍으로서는, 마무리 처리가 행해진 후(사후 예측 처리)이어도 되고, 마무리 처리가 행해지고 있는 도중(실시간 예측 처리)이어도 되고, 마무리 처리가 행해지기 전(사전 예측 처리)이어도 된다.

유저 단말 장치(6)는, 유저가 사용하는 단말 장치이며, 거치형 장치이어도 되고, 휴대형 장치이어도 된다. 유저 단말 장치(6)는, 예를 들어 애플리케이션 프로그램, 웹브라우저 등의 표시 화면을 통해서 각종 입력 조작을 접수함과 함께, 표시 화면을 통해서 각종 정보(예를 들어, 이벤트 통지, 기판 상태 정보, 생산 이력 정보(30), 마무리 시험 정보(31) 등)를 표시한다.

(기판 처리 장치(2))

도 2는 기판 처리 장치(2)의 일례를 도시하는 평면도이다. 기판 처리 장치(2)는, 평면으로 보아 대략 직사각 형상의 하우징(20)의 내부에, 로드/언로드 유닛(21)과, 연마 유닛(22)과, 기판 반송 유닛(23)과, 마무리 유닛(24)과, 막 두께 측정 유닛(25)과, 제어 유닛(26)을 구비해서 구성된다. 로드/언로드 유닛(21)과, 연마 유닛(22), 기판 반송 유닛(23) 및 마무리 유닛(24)의 사이는, 제1 격벽(200A)에 의해 구획되고, 기판 반송 유닛(23)과 마무리 유닛(24)의 사이는, 제2 격벽(200B)에 의해 구획되어 있다.

(로드/언로드 유닛)

로드/언로드 유닛(21)은, 다수의 웨이퍼(W)를 상하 방향으로 수납 가능한 웨이퍼 카세트(FOUP 등)가 적재되는 제1 내지 제4 프론트 로드부(210A 내지 210D)와, 웨이퍼 카세트에 수납된 웨이퍼(W)의 수납 방향(상하 방향)을 따라 상하 이동 가능한 반송 로봇(211)과, 제1 내지 제4 프론트 로드부(210A 내지 210D)의 배열 방향(하우징(20)의 짧은 쪽 방향)을 따라 반송 로봇(211)을 이동시키는 수평 이동 기구부(212)를 구비한다.

반송 로봇(211)은, 제1 내지 제4 프론트 로드부(210A 내지 210D) 각각에 적재된 웨이퍼 카세트, 기판 반송 유닛(23)(구체적으로, 후술하는 리프터(232)), 마무리 유닛(24)(구체적으로, 후술하는 제1 및 제2 건조부(24E, 24F)) 및 막 두께 측정 유닛(25)에 대해 액세스 가능하게 구성되고, 그것들 사이에서 웨이퍼(W)를 전달하기 위한 상하 2단의 핸드(도시하지 않음)를 구비한다. 하측 핸드는, 처리 전의 웨이퍼(W)를 전달할 때 사용되고, 상측 핸드는, 처리 후의 웨이퍼(W)를 전달할 때 사용된다. 기판 반송 유닛(23)이나 마무리 유닛(24)에 대한 웨이퍼(W)의 전달 시에는, 제1 격벽(200A)에 마련된 셔터(도시하지 않음)가 개폐된다.

(연마 유닛)

연마 유닛(22)은, 웨이퍼(W)의 연마 처리(평탄화)를 각각 행하는 제1 내지 제4 연마부(22A 내지 22D)를 구비한다. 제1 내지 제4 연마부(22A 내지 22D)는, 하우징(20)의 길이 방향을 따라 나란하게 배치된다.

도 3은, 제1 내지 제4 연마부(22A 내지 22D)의 일례를 도시하는 사시도이다. 제1 내지 제4 연마부(22A 내지 22D)의 기본적인 구성이나 기능은 공통된다.

제1 내지 제4 연마부(22A 내지 22D) 각각은, 연마면을 갖는 연마 패드(2200)를 회전 가능하게 지지하는 연마 테이블(220)과, 웨이퍼(W)를 보유 지지하며, 또한 웨이퍼(W)를 연마 테이블(220) 상의 연마 패드(2200)에 가압하면서 연마하기 위한 톱 링(연마 헤드)(221)과, 연마 패드(2200)에 연마 유체를 공급하는 연마 유체 공급 노즐(222)과, 드레서 디스크(2230)를 회전 가능하게 지지함과 함께 드레서 디스크(2230)를 연마 패드(2200)의 연마면에 접촉시켜 연마 패드(2200)를 드레싱하는 드레서(223)와, 연마 패드(2200)에 세정 유체를 분사하는 아토마이저(224)를 구비한다.

연마 테이블(220)은, 연마 테이블 샤프트(220a)에 의해 지지되고, 그 축심 주위로 연마 테이블(220)을 회전 구동시키는 회전 이동 기구부(220b)와, 연마 패드(2200)의 표면 온도를 조절하는 온도 조절 기구부(220c)를 구비한다.

톱 링(221)은, 상하 방향으로 이동 가능한 톱 링 샤프트(221a)에 지지되어, 그 축심 주위로 톱 링(221)을 회전 구동시키는 회전 이동 기구부(221c)와, 톱 링(221)을 상하 방향으로 이동시키는 상하 이동 기구부(221d)와, 지지 샤프트(221b)를 선회 중심으로 해서 톱 링(221)을 선회(요동) 이동시키는 요동 이동 기구부(221e)를 구비한다.

연마 유체 공급 노즐(222)은, 지지 샤프트(222a)에 지지되어, 지지 샤프트(222a)를 선회 중심으로 해서 연마 유체 공급 노즐(222)을 선회 이동시키는 요동 이동 기구부(222b)와, 연마 유체의 유량을 조절하는 유량 조절부(222c)와, 연마 유체의 온도를 조절하는 온도 조절 기구부(222d)를 구비한다. 연마 유체는, 연마액(슬러리) 또는 순수이며, 또한, 약액을 포함하는 것이어도 되고, 연마액에 분산제를 첨가한 것이어도 된다.

드레서(223)는, 상하 방향으로 이동 가능한 드레서 샤프트(223a)에 지지되어, 그 축심 주위로 드레서(223)를 회전 구동시키는 회전 이동 기구부(223c)와, 드레서(223)를 상하 방향으로 이동시키는 상하 이동 기구부(223d)와, 지지 샤프트(223b)를 선회 중심으로 해서 드레서(223)를 선회 이동시키는 요동 이동 기구부(223e)를 구비한다.

아토마이저(224)는, 지지 샤프트(224a)에 지지되어, 지지 샤프트(224a)를 선회 중심으로 해서 아토마이저(224)를 선회 이동시키는 요동 이동 기구부(224b)와, 세정 유체의 유량을 조절하는 유량 조절부(224c)를 구비한다. 세정 유체는, 액체(예를 들어, 순수)와 기체(예를 들어, 질소 가스)의 혼합 유체 또는 액체(예를 들어, 순수)이다.

웨이퍼(W)는, 톱 링(221)의 하면에 흡착 보유 지지되어, 연마 테이블(220) 상의 소정의 연마 위치로 이동된 후, 연마 유체 공급 노즐(222)로부터 연마 유체가 공급된 연마 패드(2200)의 연마면에 대해 톱 링(221)에 의해 가압됨으로써 연마된다.

(기판 반송 유닛)

기판 반송 유닛(23)은, 도 2에 도시하는 바와 같이, 제1 내지 제4 연마부(22A 내지 22D)의 배열 방향(하우징(20)의 길이 방향)을 따라 수평 이동 가능한 제1 및 제2 리니어 트랜스포터(230A, 230B)와, 제1 및 제2 리니어 트랜스포터(230A, 230B)의 사이에 배치된 스윙 트랜스포터(231)와, 로드/언로드 유닛(21) 측에 배치된 리프터(232)와, 마무리 유닛(24) 측에 배치된 웨이퍼(W)의 가배치 대(233)를 구비한다.

제1 리니어 트랜스포터(230A)는, 제1 및 제2 연마부(22A, 22B)에 인접해서 배치되고, 4개의 반송 위치(로드/언로드 유닛(21) 측부터 순서대로 제1 내지 제4 반송 위치 TP1 내지 TP4로 함)의 사이에서 웨이퍼(W)를 반송하는 기구이다. 제2 반송 위치 TP2는, 제1 연마부(22A)에 대해 웨이퍼(W)를 전달하는 위치이며, 제3 반송 위치 TP3은, 제2 연마부(22B)에 대해 웨이퍼(W)를 전달하는 위치이다.

제2 리니어 트랜스포터(230B)는, 제3 및 제4 연마부(22C, 22D)에 인접해서 배치되고, 3개의 반송 위치(로드/언로드 유닛(21) 측부터 순서대로 제5 내지 제7 반송 위치 TP5 내지 TP7로 함)의 사이에서 웨이퍼(W)를 반송하는 기구이다. 제6 반송 위치 TP6은, 제3 연마부(22C)에 대해 웨이퍼(W)를 전달하는 위치이며, 제7 반송 위치 TP7은, 제4 연마부(22D)에 대해 웨이퍼(W)를 전달하는 위치이다.

스윙 트랜스포터(231)는, 제4 및 제5 반송 위치 TP4, TP5에 인접해서 배치됨과 함께, 제4 및 제5 반송 위치 TP4, TP5의 사이를 이동 가능한 핸드를 갖는다. 스윙 트랜스포터(231)는, 제1 및 제2 리니어 트랜스포터(230A, 230B)의 사이에서 웨이퍼(W)를 전달함과 함께, 가배치 대(233)에 웨이퍼(W)를 가배치하는 기구이다. 리프터(232)는, 제1 반송 위치 TP1에 인접해서 배치되어, 로드/언로드 유닛(21)의 반송 로봇(211)과의 사이에서 웨이퍼(W)를 전달하는 기구이다. 웨이퍼(W)의 전달 시, 제1 격벽(200A)에 마련된 셔터(도시하지 않음)가 개폐된다.

(마무리 유닛)

마무리 유닛(24)은, 도 2에 도시하는 바와 같이, 롤 스펀지(2400)를 사용한 기판 세정 장치로서, 상하 2단으로 배치된 제1 및 제2 롤 스펀지 세정부(24A, 24B)와, 펜 스펀지(2401)를 사용한 기판 세정 장치로서, 상하 2단으로 배치된 제1 및 제2 펜 스펀지 세정부(24C, 24D)와, 세정 후의 웨이퍼(W)를 건조시키는 기판 건조 장치로서, 상하 2단으로 배치된 제1 및 제2 건조부(24E, 24F)와, 웨이퍼(W)를 반송하는 제1 및 제2 반송부(24G, 24H)를 구비한다. 또한, 롤 스펀지 세정부(24A, 24B), 펜 스펀지 세정부(24C, 24D), 건조부(24E, 24F) 및 반송부(24G, 24H)의 수나 배치는, 도 2의 예에 한정되지는 않고, 적절하게 변경해도 된다.

마무리 유닛(24)의 각 부(24A 내지 24H)는, 각각이 구획된 상태에서 제1 및 제2 리니어 트랜스포터(230A, 230B)를 따라, 예를 들어 제1 및 제2 롤 스펀지 세정부(24A, 24B), 제1 반송부(24G), 제1 및 제2 펜 스펀지 세정부(24C, 24D), 제2 반송부(24H) 및 제1 및 제2 건조부(24E, 24F)의 순(로드/언로드 유닛(21)으로부터 먼 순)으로 배치된다. 마무리 유닛(24)은, 연마 처리 후의 웨이퍼(W)에 대해, 제1 및 제2 롤 스펀지 세정부(24A, 24B)의 어느 것에 의한 1차 세정 처리, 제1 및 제2 펜 스펀지 세정부(24C, 24D)의 어느 것에 의한 2차 세정 처리 및 제1 및 제2 건조부(24E, 24F)의 어느 것에 의한 건조 처리를 순서대로 행한다.

롤 스펀지(2400) 및 펜 스펀지(2401)는, PVA, 나일론 등의 합성 수지로 형성되며, 다공질 구조를 갖는다. 롤 스펀지(2400) 및 펜 스펀지(2401)는, 웨이퍼(W)를 스크럽 세정하기 위한 세정구로서 기능하며, 제1 및 제2 롤 스펀지 세정부(24A, 24B), 그리고 제1 및 제2 펜 스펀지 세정부(24C, 24D)에 교환 가능하게 각각 설치된다.

제1 반송부(24G)는, 상하 방향으로 이동 가능한 제1 반송 로봇(246A)을 구비한다. 제1 반송 로봇(246A)은, 기판 반송 유닛(23)의 가배치 대(233), 제1 및 제2 롤 스펀지 세정부(24A, 24B), 그리고 제1 및 제2 펜 스펀지 세정부(24C, 24D)에 대해 액세스 가능하게 구성되어, 그것들 사이에서 웨이퍼(W)를 전달하기 위한 상하 2단의 핸드를 구비한다. 예를 들어, 하측 핸드는, 세정 전의 웨이퍼(W)를 전달할 때 사용되고, 상측 핸드는, 세정 후의 웨이퍼(W)를 전달할 때 사용된다. 가배치 대(233)에 대한 웨이퍼(W)의 전달 시에는, 제2 격벽(200B)에 마련된 셔터(도시하지 않음)가 개폐된다.

제2 반송부(24H)는, 상하 방향으로 이동 가능한 제2 반송 로봇(246B)을 구비한다. 제2 반송 로봇(246B)은, 제1 및 제2 펜 스펀지 세정부(24C, 24D), 그리고 제1 및 제2 건조부(24E, 24F)에 대해 액세스 가능하게 구성되어, 그것들 사이에서 웨이퍼(W)를 전달하기 위한 핸드를 구비한다.

도 4는 제1 및 제2 롤 스펀지 세정부(24A, 24B)의 일례를 도시하는 사시도이다. 제1 및 제2 롤 스펀지 세정부(24A, 24B)의 기본적인 구성이나 기능은 공통된다. 도 4의 예에서는, 제1 및 제2 롤 스펀지 세정부(24A, 24B)는, 웨이퍼(W)의 피세정면(표면 및 이면)을 사이에 끼워넣도록, 상하로 배치된 한 쌍의 롤 스펀지(2400)를 갖는다.

제1 및 제2 롤 스펀지 세정부(24A, 24B) 각각은, 웨이퍼(W)를 보유 지지하는 기판 보유 지지부(241)와, 웨이퍼(W)에 기판 세정 유체를 공급하는 세정 유체 공급부(242)와, 롤 스펀지(2400)를 회전 가능하게 지지함과 함께 롤 스펀지(2400)를 웨이퍼(W)에 접촉시켜 웨이퍼(W)를 세정하는 기판 세정부(240)와, 롤 스펀지(2400)를 세정구 세정 유체로 세정(셀프 클리닝)하는 세정구 세정부(243)와, 세정 처리가 행해지는 하우징(20)의 내부 공간의 상태를 측정하는 환경 센서(244)를 구비한다. 세정 유체 공급부(242)는, 기판 마무리 유체로서 기판 세정 유체를 공급하는 마무리 유체 공급부에 상당한다.

기판 보유 지지부(241)는, 웨이퍼(W)의 측연부의 복수 개소를 보유 지지하는 기판 보유 지지 기구부(241a)와, 웨이퍼(W)의 피세정면에 수직인 제1 회전축 주위로 웨이퍼(W)를 회전시키는 기판 회전 기구부(241b)를 구비한다. 도 4의 예에서는, 기판 보유 지지 기구부(241a)는, 4개의 롤러이며, 적어도 하나의 롤러는, 웨이퍼(W)의 측연부에 대해 보유 지지 방향 또는 이격 방향으로 이동 가능하게 구성되고, 기판 회전 기구부(241b)는, 적어도 하나의 롤러를 회전 구동시킨다.

세정 유체 공급부(242)는, 웨이퍼(W)의 피세정면에 기판 세정 유체를 공급하는 세정 유체 공급 노즐(242a)과, 세정 유체 공급 노즐(242a)을 선회 이동시키는 요동 이동 기구부(242b)와, 기판 세정 유체의 유량 및 압력을 조절하는 유량 조절부(242c)와, 기판 세정 유체의 온도를 조절하는 온도 조절 기구부(242d)를 구비한다. 기판 세정 유체는, 순수(린스액), 약액 및 이들의 혼합액(예를 들어, 유량 조절부(242c)에 의한 순수 및 약액의 유량 조정에 의해 농도 조정 가능)의 어느 것이어도 되며, 세정 유체 공급 노즐(242a)은, 도 4에 도시하는 바와 같이, 순수용 노즐과, 약액용 노즐이 제각각 마련되어 있어도 된다. 또한, 기판 세정 유체는, 액체이어도 되고, 액체 및 기체를 혼합시킨 2유체이어도 되고, 드라이아이스와 같은 고체를 포함하는 것이어도 된다.

기판 세정부(240)는, 웨이퍼(W)의 피세정면에 평행한 제2 회전축 주위로 롤 스펀지(2400)를 회전시키는 세정구 회전 기구부(240a)와, 한 쌍의 롤 스펀지(2400)의 높이 및 양자의 이격 거리를 변경하기 위해, 한 쌍의 롤 스펀지(2400)의 적어도 한쪽을 상하 방향으로 이동시키는 상하 이동 기구부(240b)와, 한 쌍의 롤 스펀지(2400)를 수평 방향으로 직선 이동시키는 직선 이동 기구부(240c)를 구비한다. 상하 이동 기구부(240b) 및 직선 이동 기구부(240c)는, 롤 스펀지(2400)와 웨이퍼(W)의 피세정면의 상대 위치를 이동시키는 세정구 이동 기구부로서 기능한다.

세정구 세정부(243)는, 웨이퍼(W)와 간섭하지 않는 위치에 배치되고, 세정구 세정 유체를 저류 및 배출 가능한 세정구 세정조(243a)와, 세정구 세정조(243a)에 수용되고, 롤 스펀지(2400)가 압박되는 세정구 세정판(243b)과, 세정구 세정조(243a)에 공급되는 세정구 세정 유체의 유량 및 압력을 조절하는 유량 조절부(243c)와, 롤 스펀지(2400)의 내측을 유통하여, 롤 스펀지(2400)의 외주면으로부터 외부로 배출되는 세정구 세정 유체의 유량 및 압력을 조절하는 유량 조절부(243d)를 구비한다. 세정구 세정 유체는, 순수(린스액), 약액 및 이들의 혼합액(예를 들어, 유량 조절부(243c)에 의한 순수 및 약액의 유량 조정에 의해 농도 조정 가능)의 어느 것이어도 된다.

환경 센서(244)는, 예를 들어 온도 센서(244a)와, 습도 센서(244b)와, 기압 센서(244c)와, 산소 농도 센서(244d)와, 마이크로폰(소리 센서)(244e)을 구비한다. 또한, 환경 센서(244)로서, 세정 처리 중이나 세정 처리 전후에, 웨이퍼(W)나 롤 스펀지(2400)의 표면, 온도 분포, 기류 분포 등을 촬영 가능한 카메라(이미지 센서)를 구비하고 있어도 된다. 카메라의 촬영 대상은, 가시광에 한정되지는 않고, 적외광이나 자외광 등이어도 된다.

제1 및 제2 롤 스펀지 세정부(24A, 24B)에 의한 1차 세정 처리에서는, 웨이퍼(W)는, 기판 보유 지지 기구부(241a)에 의해 보유 지지된 상태에서 기판 회전 기구부(241b)에 의해 회전된다. 그리고 세정 유체 공급 노즐(242a)로부터 웨이퍼(W)의 피세정면에 기판 세정 유체가 공급된 상태에서, 세정구 회전 기구부(240a)에 의해 축심 주위로 회전된 롤 스펀지(2400)가 웨이퍼(W)의 피세정면에 미끄럼 접촉함으로써 웨이퍼(W)는 세정된다. 그 후, 기판 세정부(240)가, 롤 스펀지(2400)를 세정구 세정조(243a)로 이동시켜, 예를 들어 롤 스펀지(2400)를 회전시키거나, 세정구 세정판(243b)에 가압 접촉시키거나, 유량 조절부(243d)에 의해 세정구 세정 유체를 롤 스펀지(2400)에 공급함으로써, 롤 스펀지(2400)는 세정된다.

도 5는 제1 및 제2 펜 스펀지 세정부(24C, 24D)의 일례를 도시하는 사시도이다. 제1 및 제2 펜 스펀지 세정부(24C, 24D)의 기본적인 구성이나 기능은 공통된다.

제1 및 제2 펜 스펀지 세정부(24C, 24D) 각각은, 웨이퍼(W)를 보유 지지하는 기판 보유 지지부(241)와, 웨이퍼(W)에 기판 세정 유체를 공급하는 세정 유체 공급부(242)와, 펜 스펀지(2401)를 회전 가능하게 지지함과 함께 펜 스펀지(2401)를 웨이퍼(W)에 접촉시켜 웨이퍼(W)를 세정하는 기판 세정부(240)와, 펜 스펀지(2401)를 세정구 세정 유체로 세정(셀프 클리닝)하는 세정구 세정부(243)와, 세정 처리가 행해지는 하우징(20)의 내부 공간의 상태를 측정하는 환경 센서(244)를 구비한다. 세정 유체 공급부(242)는, 기판 마무리 유체로서 기판 세정 유체를 공급하는 마무리 유체 공급부에 상당한다. 이하에서는, 펜 스펀지 세정부(24C, 24D)에 대해서, 롤 스펀지 세정부(24A, 24B)와 다른 부분을 중심으로 설명한다.

기판 보유 지지부(241)는, 웨이퍼(W)의 측연부의 복수 개소를 보유 지지하는 기판 보유 지지 기구부(241c)와, 웨이퍼(W)의 피세정면에 수직인 제1 회전축 주위로 웨이퍼(W)를 회전시키는 기판 회전 기구부(241d)를 구비한다. 도 5의 예에서는, 기판 보유 지지 기구부(241c)는, 4개의 척이며, 적어도 하나의 척은, 웨이퍼(W)의 측연부에 대해 보유 지지 방향 또는 이격 방향으로 이동 가능하게 구성되고, 기판 회전 기구부(241d)는, 4개의 척에 연결된 지지 샤프트를 회전 구동시킨다.

세정 유체 공급부(242)는, 도 4와 마찬가지로 구성되어 있고, 세정 유체 공급 노즐(242a), 요동 이동 기구부(242b), 유량 조절부(242c) 및 온도 조절 기구부(242d)를 구비한다.

기판 세정부(240)는, 웨이퍼(W)의 피세정면에 수직인 제3 회전축 주위로 펜 스펀지(2401)를 회전시키는 세정구 회전 기구부(240d)와, 펜 스펀지(2401)를 상하 방향으로 이동시키는 상하 이동 기구부(240e)와, 펜 스펀지(2401)를 수평 방향으로 선회 이동시키는 요동 이동 기구부(240f)를 구비한다. 상하 이동 기구부(240e) 및 요동 이동 기구부(240f)는, 펜 스펀지(2401)와 웨이퍼(W)의 피세정면의 상대 위치를 이동시키는 세정구 이동 기구부로서 기능한다.

세정구 세정부(243)는, 웨이퍼(W)와 간섭하지 않는 위치에 배치되어, 세정구 세정 유체를 저류 및 배출 가능한 세정구 세정조(243e)와, 세정구 세정조(243e)에 수용되고, 펜 스펀지(2401)가 압박되는 세정구 세정판(243f)과, 세정구 세정조(243e)에 공급되는 세정구 세정 유체의 유량 및 압력을 조절하는 유량 조절부(243g)와, 펜 스펀지(2401)의 내측을 유통하여, 펜 스펀지(2401)의 외표면으로부터 외부로 배출되는 세정구 세정 유체의 유량 및 압력을 조절하는 유량 조절부(243h)를 구비한다.

환경 센서(244)는, 예를 들어 온도 센서(244a)와, 습도 센서(244b)와, 기압 센서(244c)와, 산소 농도 센서(244d)와, 마이크로폰(소리 센서)(244e)을 구비한다. 또한, 환경 센서(244)로서, 세정 처리 중이나 세정 처리 전후에, 웨이퍼(W)나 펜 스펀지(2401)의 표면, 온도 분포, 기류 분포 등을 촬영 가능한 카메라(이미지 센서)를 구비하고 있어도 된다. 카메라의 촬영 대상은, 가시광에 한정되지는 않고, 적외광이나 자외광 등이어도 된다.

제1 및 제2 펜 스펀지 세정부(24C, 24D)에 의한 2차 세정 처리에서는, 웨이퍼(W)는, 기판 보유 지지 기구부(241c)에 의해 보유 지지된 상태에서 기판 회전 기구부(241d)에 의해 회전된다. 그리고 세정 유체 공급 노즐(242a)로부터 웨이퍼(W)의 피세정면에 기판 세정 유체가 공급된 상태에서, 세정구 회전 기구부(240d)에 의해 축심 주위로 회전된 펜 스펀지(2401)가 웨이퍼(W)의 피세정면에 미끄럼 접촉함으로써 웨이퍼(W)는 세정된다. 그 후, 기판 세정부(240)가, 펜 스펀지(2401)를 세정구 세정조(243e)로 이동시켜, 예를 들어 펜 스펀지(2401)를 회전시키거나, 세정구 세정판(243f)에 가압 접촉시키거나, 유량 조절부(243h)에 의해 세정구 세정 유체를 펜 스펀지(2401)에 공급함으로써, 펜 스펀지(2401)는 세정된다.

도 6은 제1 및 제2 건조부(24E, 24F)의 일례를 도시하는 사시도이다. 제1 및 제2 건조부(24E, 24F)의 기본적인 구성이나 기능은 공통된다.

제1 및 제2 건조부(24E, 24F) 각각은, 웨이퍼(W)를 보유 지지하는 기판 보유 지지부(241)와, 웨이퍼(W)에 기판 건조 유체를 공급하는 건조 유체 공급부(245)와, 건조 처리가 행해지는 하우징(20)의 내부 공간의 상태를 측정하는 환경 센서(244)를 구비한다. 건조 유체 공급부(245)는, 기판 마무리 유체로서 기판 건조 유체를 공급하는 마무리 유체 공급부에 상당한다.

기판 보유 지지부(241)는, 웨이퍼(W)의 측연부의 복수 개소를 보유 지지하는 기판 보유 지지 기구부(241e)와, 웨이퍼(W)의 피세정면에 수직인 제1 회전축 주위로 웨이퍼(W)를 회전시키는 기판 회전 기구부(241f)를 구비한다.

건조 유체 공급부(245)는, 웨이퍼(W)의 피세정면에 기판 건조 유체를 공급하는 건조 유체 공급 노즐(245a)과, 건조 유체 공급 노즐(245a)을 상하 방향으로 이동시키는 상하 이동 기구부(245b)와, 건조 유체 공급 노즐(245a)을 수평 방향으로 선회 이동시키는 요동 이동 기구부(245c)와, 기판 건조 유체의 유량 및 압력을 조절하는 유량 조절부(245d)와, 기판 건조 유체의 온도를 조절하는 온도 조절 기구부(245e)를 구비한다. 상하 이동 기구부(245b) 및 요동 이동 기구부(245c)는, 건조 유체 공급 노즐(245a)과 웨이퍼(W)의 피세정면의 상대 위치를 이동시키는 건조 유체 공급 노즐 이동 기구부로서 기능한다. 기판 건조 유체는, 예를 들어 IPA 증기 및 순수(린스액)이며, 건조 유체 공급 노즐(245a)은, 도 6에 도시하는 바와 같이, IPA 증기용 노즐과, 순수용 노즐이 제각각 마련되어 있어도 된다. 또한, 기판 건조 유체는, 액체이어도 되고, 액체 및 기체를 혼합시킨 2유체이어도 되고, 드라이아이스와 같은 고체를 포함하는 것이어도 된다.

환경 센서(244)는, 온도 센서(244a)와, 습도 센서(244b)와, 기압 센서(244c)와, 산소 농도 센서(244d)와, 마이크로폰(소리 센서)(244e)을 구비한다. 또한, 환경 센서(244)로서, 건조 처리 중이나 건조 처리 전후에, 웨이퍼(W)의 표면, 온도 분포, 기류 분포 등을 촬영 가능한 카메라(이미지 센서)를 구비하고 있어도 된다. 카메라의 촬영 대상은, 가시광에 한정되지는 않고, 적외광이나 자외광 등이어도 된다.

제1 및 제2 건조부(24E, 24F)에 의한 건조 처리에서는, 웨이퍼(W)는, 기판 보유 지지 기구부(241e)에 의해 보유 지지된 상태에서 기판 회전 기구부(241f)에 의해 회전된다. 그리고 건조 유체 공급 노즐(245a)로부터 웨이퍼(W)의 피세정면에 기판 건조 유체가 공급된 상태에서, 건조 유체 공급 노즐(245a)이 웨이퍼(W)의 측연부측(직경 방향 외측)으로 이동된다. 그 후, 웨이퍼(W)는, 기판 회전 기구부(241f)에 의해 고속 회전됨으로써 웨이퍼(W)가 건조된다.

또한, 도 4 내지 도 6에서는, 기판 회전 기구부(241b, 241d), 상하 이동 기구부(240b, 240e, 245b), 직선 이동 기구부(240c), 요동 이동 기구부(240f, 242b, 245c), 세정구 회전 기구부(240a, 240d)의 구체적인 구성을 생략하고 있지만, 예를 들어 모터, 에어 실린더 등의 구동력 발생용 모듈과, 리니어 가이드, 볼 나사, 기어, 벨트, 커플링, 베어링 등의 구동력 전달 기구와, 리니어 센서, 인코더 센서, 리미트 센서, 토크 센서 등의 센서를 적절하게 조합해서 구성된다. 도 4 내지 도 6에서는, 유량 조절부(243c, 243d, 243g, 243h, 245d)의 구체적인 구성을 생략하고 있지만, 예를 들어 펌프, 밸브, 레귤레이터 등의 유체 조절용 모듈과, 유량 센서, 압력 센서, 액면 센서, 온도 센서, 유체 농도 센서, 유체 파티클 센서 등의 센서를 적절하게 조합해서 구성된다. 도 4 내지 도 6에서는, 온도 조절 기구부(242d, 245e)의 구체적인 구성을 생략하고 있지만, 예를 들어 히터, 열교환기 등의 온도 조절용(접촉식 또는 비접촉식) 모듈과, 온도 센서, 전류 센서 등의 센서를 적절하게 조합해서 구성된다.

(막 두께 측정 유닛)

막 두께 측정 유닛(25)은, 연마 처리 전 또는 연마 처리 후의 웨이퍼(W)의 막 두께를 측정하는 측정기이며, 예를 들어 광학식 막 두께 측정기, 와전류식 막 두께 측정기 등으로 구성된다. 각 막 두께 측정 모듈에 대한 웨이퍼(W)의 전달은, 반송 로봇(211)에 의해 행해진다.

(제어 유닛)

도 7은 기판 처리 장치(2)의 일례를 도시하는 블록도이다. 제어 유닛(26)은, 각 유닛(21 내지 25)과 전기적으로 접속되어, 각 유닛(21 내지 25)을 통괄적으로 제어하는 제어부로서 기능한다. 이하에서는, 마무리 유닛(24)의 제어계(모듈, 센서, 시퀀서)를 예로서 설명하지만, 다른 유닛(21 내지 23, 25)도 기본적인 구성이나 기능은 공통되기 때문에, 설명을 생략한다.

마무리 유닛(24)은, 마무리 유닛(24)이 구비하는 각 서브 유닛(예를 들어, 제1 및 제2 롤 스펀지 세정부(24A, 24B), 제1 및 제2 펜 스펀지 세정부(24C, 24D), 제1 및 제2 건조부(24E, 24F), 제1 및 제2 반송부(24G, 24H) 등)에 각각 배치되고, 제어 대상이 되는 복수의 모듈(2471 내지 247r)과, 복수의 모듈(2471 내지 247r)에 각각 배치되고, 각 모듈(2471 내지 247r)의 제어에 필요한 데이터(검출값)를 검출하는 복수의 센서(2481 내지 248s)와, 각 센서(2481 내지 248s)의 검출값에 기초하여 각 모듈(2471 내지 247r)의 동작을 제어하는 시퀀서(249)를 구비한다.

마무리 유닛(24)의 센서(2481 내지 248s)에는, 예를 들어 기판 보유 지지 기구부(241a, 241c)가 기판을 보유 지지할 때의 보유 지지 압력을 검출하는 센서, 기판 보유 지지 기구부(241a, 241c)의 회전수를 검출하는 센서, 기판 회전 기구부(241b, 241d)의 회전 토크를 검출하는 센서, 기판 세정 유체 또는 기판 건조 유체의 유량을 검출하는 센서, 기판 세정 유체 또는 기판 건조 유체의 압력을 검출하는 센서, 기판 세정 유체 또는 기판 건조 유체의 적하 위치로 변환 가능한 세정 유체 공급부(242) 또는 건조 유체 공급부(245)의 위치 좌표를 검출하는 센서, 기판 세정 유체 또는 기판 건조 유체의 온도를 검출하는 센서, 기판 세정 유체 또는 기판 건조 유체의 농도를 검출하는 센서, 세정구 회전 기구부(240a)의 회전수를 검출하는 센서, 세정구 회전 기구부(240a)의 회전 토크를 검출하는 센서, 세정구 이동 기구부(상하 이동 기구부(240b, 240e), 직선 이동 기구부(240c), 요동 이동 기구부(240f))의 위치 좌표를 검출하는 센서, 세정구 이동 기구부의 이동 속도를 검출하는 센서, 세정구 이동 기구부의 이동 토크를 검출하는 센서, 세정구(롤 스펀지(2400), 펜 스펀지(2401))를 웨이퍼(W) 또는 세정구 세정판(243b, 243f)에 접촉시킬 때의 압박 하중을 검출하는 센서, 세정구 세정 유체의 유량을 검출하는 센서, 세정구 세정 유체의 압력을 검출하는 센서, 세정구 세정 유체의 청정도(예를 들어, 세정구 세정조(243a, 243e)의 폐액에 포함되는 파티클)를 검출하는 센서, 환경 센서(244) 등이 포함된다.

제어 유닛(26)은, 제어부(260), 통신부(261), 입력부(262), 출력부(263) 및 기억부(264)를 구비한다. 제어 유닛(26)은, 예를 들어 범용 또는 전용의 컴퓨터(후술하는 도 8 참조)로 구성된다.

통신부(261)는, 네트워크(7)에 접속되어, 각종 데이터를 송수신하는 통신 인터페이스로서 기능한다. 입력부(262)는, 각종 입력 조작을 접수함과 함께, 출력부(263)는, 표시 화면, 시그널 타워 점등, 버저 소리를 통해서 각종 정보를 출력함으로써, 유저 인터페이스로서 기능한다.

기억부(264)는, 기판 처리 장치(2)의 동작에서 사용되는 각종 프로그램(오퍼레이팅 시스템(OS), 애플리케이션 프로그램, 웹브라우저 등)이나 데이터(장치 설정 정보(265), 기판 레시피 정보(266) 등)를 기억한다. 장치 설정 정보(265) 및 기판 레시피 정보(266)는, 표시 화면을 통해서 유저에 의해 편집 가능한 데이터이다.

제어부(260)는, 복수의 시퀀서(219, 229, 239, 249, 259)(이하, 「시퀀서군」이라고 함)를 통해서 복수의 센서(2181 내지 218q, 2281 내지 228s, 2381 내지 238u, 2481 내지 248w, 2581 내지 258y)(이하, 「센서군」이라고 함)의 검출값을 취득함과 함께, 복수의 모듈(2171 내지 217p, 2271 내지 227r, 2371 내지 237t, 2471 내지 247v, 2571 내지 257x)(이하, 「모듈군」이라고 함)을 연계해서 동작시킴으로써, 로드, 연마, 세정, 건조, 막 두께 측정, 언로드 등의 일련의 기판 처리를 행한다.

(각 장치의 하드웨어 구성)

도 8은 컴퓨터(900)의 일례를 도시하는 하드웨어 구성도이다. 기판 처리 장치(2)의 제어 유닛(26), 데이터베이스 장치(3), 기계 학습 장치(4), 정보 처리 장치(5) 및 유저 단말 장치(6) 각각은, 범용 또는 전용의 컴퓨터(900)에 의해 구성된다.

컴퓨터(900)는, 도 8에 도시하는 바와 같이, 그 주요한 구성 요소로서, 버스(910), 프로세서(912), 메모리(914), 입력 디바이스(916), 출력 디바이스(917), 표시 디바이스(918), 스토리지 장치(920), 통신 I/F(인터페이스)부(922), 외부 기기 I/F부(924), I/O(입출력) 디바이스 I/F부(926) 및 미디어 입출력부(928)를 구비한다. 또한, 상기 구성 요소는, 컴퓨터(900)가 사용되는 용도에 따라서 적절하게 생략되어도 된다.

프로세서(912)는, 1개 또는 복수의 연산 처리 장치(CPU(Central Processing Unit), MPU(Micro-processing unit), DSP(digital signal processor), GPU(Graphics Processing Unit) 등)로 구성되어, 컴퓨터(900) 전체를 통괄하는 제어부로서 동작한다. 메모리(914)는, 각종 데이터 및 프로그램(930)을 기억하며, 예를 들어 메인 메모리로서 기능하는 휘발성 메모리(DRAM, SRAM 등)와, 불휘발성 메모리(ROM), 플래시 메모리 등으로 구성된다.

입력 디바이스(916)는, 예를 들어 키보드, 마우스, 텐키, 전자 펜 등으로 구성되며, 입력부로서 기능한다. 출력 디바이스(917)는, 예를 들어 소리(음성) 출력 장치, 바이브레이션 장치 등으로 구성되며, 출력부로서 기능한다. 표시 디바이스(918)는, 예를 들어 액정 디스플레이, 유기 EL 디스플레이, 전자 페이퍼, 프로젝터 등으로 구성되며, 출력부로서 기능한다. 입력 디바이스(916) 및 표시 디바이스(918)는, 터치 패널 디스플레이와 같이, 일체적으로 구성되어 있어도 된다. 스토리지 장치(920)는, 예를 들어 HDD, SSD(Solid State Drive) 등으로 구성되며, 기억부로서 기능한다. 스토리지 장치(920)는, 오퍼레이팅 시스템이나 프로그램(930)의 실행에 필요한 각종 데이터를 기억한다.

통신 I/F부(922)는, 인터넷이나 인트라넷 등의 네트워크(940)(도 1의 네트워크(7)와 동일해도 됨)에 유선 또는 무선에 의해 접속되어, 소정의 통신 규격에 따라서 다른 컴퓨터와의 사이에서 데이터의 송수신을 행하는 통신부로서 기능한다. 외부 기기 I/F부(924)는, 카메라, 프린터, 스캐너, 리더 라이터 등의 외부 기기(950)에 유선 또는 무선에 의해 접속되어, 소정의 통신 규격에 따라서 외부 기기(950)와의 사이에서 데이터의 송수신을 행하는 통신부로서 기능한다. I/O 디바이스 I/F부(926)는, 각종 센서, 액추에이터 등의 I/O 디바이스(960)에 접속되어, I/O 디바이스(960)와의 사이에서, 예를 들어 센서에 의한 검출 신호나 액추에이터에의 제어 신호 등의 각종 신호나 데이터의 송수신을 행하는 통신부로서 기능한다. 미디어 입출력부(928)는, 예를 들어 DVD 드라이브, CD 드라이브 등의 드라이브 장치로 구성되며, DVD, CD 등의 미디어(비일시적인 기억 매체)(970)에 대해 데이터의 판독 기입을 행한다.

상기 구성을 갖는 컴퓨터(900)에 있어서, 프로세서(912)는, 스토리지 장치(920)에 기억된 프로그램(930)을 메모리(914)에 호출해서 실행하고, 버스(910)를 통해서 컴퓨터(900)의 각 부를 제어한다. 또한, 프로그램(930)은, 스토리지 장치(920) 대신에, 메모리(914)에 기억되어 있어도 된다. 프로그램(930)은, 인스톨 가능한 파일 형식 또는 실행 가능한 파일 형식으로 미디어(970)에 기록되어, 미디어 입출력부(928)를 통해서 컴퓨터(900)에 제공되어도 된다. 프로그램(930)은, 통신 I/F부(922)를 통해서 네트워크(940) 경유로 다운로드함으로써 컴퓨터(900)에 제공되어도 된다. 또한, 컴퓨터(900)는, 프로세서(912)가 프로그램(930)을 실행함으로써 실현하는 각종 기능을, 예를 들어 FPGA, ASIC 등의 하드웨어에서 실현하는 것이어도 된다.

컴퓨터(900)는, 예를 들어 거치형 컴퓨터나 휴대형 컴퓨터로 구성되며, 임의의 형태의 전자 기기이다. 컴퓨터(900)는, 클라이언트형 컴퓨터이어도 되고, 서버형 컴퓨터나 클라우드형 컴퓨터이어도 된다. 컴퓨터(900)는, 각 장치(2 내지 6) 이외의 장치에도 적용되어도 된다.

(생산 이력 정보(30))

도 9는 데이터베이스 장치(3)에 의해 관리되는 생산 이력 정보(30)의 일례를 도시하는 데이터 구성도이다. 생산 이력 정보(30)는, 본 생산용 웨이퍼(W)에 대해 기판 처리가 행해졌을 때 취득된 리포트 R이 분류되어 등록되는 테이블로서, 예를 들어 각 웨이퍼(W)에 관한 웨이퍼 이력 테이블(300)과, 세정 처리에서의 장치 상태 정보에 관한 세정 이력 테이블(301)과, 건조 처리에서의 장치 상태 정보에 관한 건조 이력 테이블(302)을 구비한다. 또한, 생산 이력 정보(30)는, 상기 외에, 연마 처리에서의 장치 상태 정보에 관한 연마 이력 테이블, 이벤트 정보에 관한 이벤트 이력 테이블 및 조작 정보에 관한 조작 이력 테이블 등을 구비하지만, 상세한 설명은 생략한다.

웨이퍼 이력 테이블(300)의 각 레코드에는, 예를 들어 웨이퍼 ID, 카세트 번호, 슬롯 번호, 각 공정의 개시 시각, 종료 시각, 사용 유닛 ID 등이 등록된다. 또한, 도 9에서는, 연마 공정, 세정 공정, 건조 공정이 예시되어 있지만, 다른 공정에 대해서도 마찬가지로 등록된다.

세정 이력 테이블(301)의 각 레코드에는, 예를 들어 웨이퍼 ID, 기판 보유 지지부 상태 정보, 세정 유체 공급부 상태 정보, 기판 세정부 상태 정보, 장치내 환경 정보 등이 등록된다.

기판 보유 지지부 상태 정보는, 세정 처리에서의 기판 보유 지지부(241)의 상태를 나타내는 정보이다. 기판 보유 지지부 상태 정보는, 예를 들어 기판 보유 지지부(241)가 갖는 센서군(또는 모듈군)에 의해 소정의 시간 간격으로 샘플링된 각 센서의 검출값(또는 각 모듈에의 지령값)이다.

세정 유체 공급부 상태 정보는, 세정 처리에서의 세정 유체 공급부(242)의 상태를 나타내는 정보이다. 세정 유체 공급부 상태 정보는, 예를 들어 세정 유체 공급부(242)가 갖는 센서군(또는 모듈군)에 의해 소정의 시간 간격으로 샘플링된 각 센서의 검출값(또는 각 모듈에의 지령값)이다.

기판 세정부 상태 정보는, 세정 처리에서의 기판 세정부(240)의 상태를 나타내는 정보이다. 기판 세정부 상태 정보는, 예를 들어 기판 세정부(240)가 갖는 센서군(또는 모듈군)에 의해 소정의 시간 간격으로 샘플링된 각 센서의 검출값(또는 각 모듈에의 지령값)이다.

장치내 환경 정보는, 하우징(20)에 의해 형성된 기판 처리 장치(2)의 내부 공간의 상태를 나타내는 정보이다. 기판 처리 장치(2)의 내부 공간은, 롤 스펀지 세정부(24A, 24B) 또는 펜 스펀지 세정부(24C, 24D)가 배치된 공간이며, 장치내 환경 정보는, 예를 들어 환경 센서(244)에 의해 소정의 시간 간격으로 샘플링된 각 센서의 검출값이다.

세정 이력 테이블(301)을 참조함으로써, 웨이퍼 ID로 특정되는 웨이퍼(W)에 대해 세정 처리가 행해졌을 때의 기판 처리 장치(2)의 장치 상태로서, 각 센서의 시계열 데이터(또는 각 모듈의 시계열 데이터)가 추출 가능하다.

건조 이력 테이블(302)의 각 레코드에는, 예를 들어 웨이퍼 ID, 기판 보유 지지부 상태 정보, 건조 유체 공급부 상태 정보, 장치내 환경 정보 등이 등록된다.

기판 보유 지지부 상태 정보는, 건조 처리에서의 기판 보유 지지부(241)의 상태를 나타내는 정보이다. 기판 보유 지지부 상태 정보는, 예를 들어 기판 보유 지지부(241)가 갖는 센서군(또는 모듈군)에 의해 소정의 시간 간격으로 샘플링된 각 센서의 검출값(또는 각 모듈에의 지령값)이다.

건조 유체 공급부 상태 정보는, 건조 처리에서의 건조 유체 공급부(245)의 상태를 나타내는 정보이다. 건조 유체 공급부 상태 정보는, 예를 들어 건조 유체 공급부(245)가 갖는 센서군(또는 모듈군)에 의해 소정의 시간 간격으로 샘플링된 각 센서의 검출값(또는 각 모듈에의 지령값)이다.

장치내 환경 정보는, 하우징(20)에 의해 형성된 기판 처리 장치(2)의 내부 공간의 상태를 나타내는 정보이다. 기판 처리 장치(2)의 내부 공간은, 건조부(24E, 24F)가 배치된 공간이며, 장치내 환경 정보는, 예를 들어 환경 센서(244)에 의해 소정의 시간 간격으로 샘플링된 각 센서의 검출값이다.

건조 이력 테이블(302)을 참조함으로써, 웨이퍼 ID로 특정되는 웨이퍼(W)에 대해 건조 처리가 행해졌을 때의 기판 처리 장치(2)의 장치 상태로서, 각 센서의 시계열 데이터(또는 각 모듈의 시계열 데이터)가 추출 가능하다.

(마무리 시험 정보(31))

도 10은, 데이터베이스 장치(3)에 의해 관리되는 마무리 시험 정보(31)의 세정 시험 테이블(310)의 일례를 도시하는 데이터 구성도이다. 도 11은, 데이터베이스 장치(3)에 의해 관리되는 마무리 시험 정보(31)의 건조 시험 테이블(311)의 일례를 도시하는 데이터 구성도이다. 마무리 시험 정보(31)는, 더미 웨이퍼를 사용하여 세정 시험이 행해졌을 때 취득된 리포트 R 및 시험 결과가 분류되어 등록되는 세정 시험 테이블(310)(도 10)과, 더미 웨이퍼를 사용하여 건조 시험이 행해졌을 때 취득된 리포트 R 및 시험 결과가 분류되어 등록되는 건조 시험 테이블(311)(도 11)을 구비한다.

세정 시험 테이블(310)의 각 레코드에는, 도 10에 도시하는 바와 같이, 예를 들어 시험 ID, 기판 보유 지지부 상태 정보, 세정 유체 공급부 상태 정보, 기판 세정부 상태 정보, 장치내 환경 정보, 시험 결과 정보 등이 등록된다. 세정 시험 테이블(310)의 기판 보유 지지부 상태 정보, 세정 유체 공급부 상태 정보, 기판 세정부 상태 정보 및 장치내 환경 정보는, 세정 시험에서의 각 부의 상태를 나타내는 정보이며, 그 데이터 구성은, 세정 이력 테이블(301)과 마찬가지이기 때문에, 상세한 설명을 생략한다.

건조 시험 테이블(311)의 각 레코드에는, 도 11에 도시한 바와 같이, 예를 들어, 시험 ID, 기판 보유 지지부 상태 정보, 건조 유체 공급부 상태 정보, 장치내 환경 정보, 시험 결과 정보 등이 등록된다. 건조 시험 테이블(311)의 기판 보유 지지부 상태 정보, 건조 유체 공급부 상태 정보 및 장치내 환경 정보는, 건조 시험에서의 각 부의 상태를 나타내는 정보이며, 그 데이터 구성은, 건조 이력 테이블(302)과 마찬가지이기 때문에, 상세한 설명을 생략한다.

시험 결과 정보는, 마무리 시험(세정 시험, 건조 시험)에 있어서 마무리 처리(세정 처리, 건조 처리)가 행해졌을 때의 더미 웨이퍼의 상태를 나타내는 정보이다. 시험 결과 정보는, 더미 웨이퍼가 갖는 더미 웨이퍼 센서에 의해 소정의 시간 간격으로 샘플링된 더미 웨이퍼 센서의 검출값이다. 도 10 및 도 11에 나타내는 시험 결과 정보는, 더미 웨이퍼 센서로서, 3개의 온도 센서와, 3개의 압력 센서를 갖는 경우이며, 마무리 처리를 개시하고 나서 종료될 때까지의 마무리 처리 기간에 포함되는 각 시각 t1, t2, …, … tm, …, tn에서의 각 검출값 T1 내지 T3, P1 내지 P3을 각각 포함한다. 또한, 시험 결과 정보는, 상기한 바와 같이 더미 웨이퍼 센서의 검출값이어도 되고, 광학식 현미경이나 주사 전자 현미경(SEM)에 탑재된 카메라에 의해 더미 웨이퍼를 소정의 시간 간격으로 촬영하고, 그 촬영한 각 화상에 대해 화상 처리를 행한 화상 처리 결과나 실험자가 해석한 실험 해석 결과에 기초하는 것이어도 된다. 또한, 시험 결과 정보는, 마무리 처리를 개시하고 나서 종료될 때까지를 연속해서 행한 1회의 마무리 시험에서 수집된 것이어도 되고, 마무리 처리를 개시하고 나서 소정의 시각에 도달할 때까지의 마무리 시험을 소정의 시각을 서서히 길게 하면서 반복해서 행함으로써, 복수 회의 마무리 시험에서 수집된 것이어도 된다.

세정 시험 테이블(310)을 참조함으로써, 시험 ID로 특정되는 세정 시험에 있어서, 더미 웨이퍼에 대해 세정 처리가 행해졌을 때의 롤 스펀지 세정부(24A, 24B) 또는 펜 스펀지 세정부(24C, 24D)의 상태를 나타내는 각 센서의 시계열 데이터(또는 각 모듈의 시계열 데이터)와, 그때의 더미 웨이퍼의 상태를 나타내는 더미 웨이퍼 센서의 시계열 데이터가 추출 가능하다. 또한, 건조 시험 테이블(311)을 참조함으로써, 시험 ID로 특정되는 건조 시험에 있어서, 더미 웨이퍼에 대해 건조 처리가 행해졌을 때의 건조부(24E, 24F)의 상태를 나타내는 각 센서의 시계열 데이터(또는 각 모듈의 시계열 데이터)와, 그때의 더미 웨이퍼의 상태를 나타내는 더미 웨이퍼 센서의 시계열 데이터가 추출 가능하다.

(기계 학습 장치(4))

도 12는 제1 실시 형태에 관한 기계 학습 장치(4)의 일례를 도시하는 블록도이다. 기계 학습 장치(4)는, 제어부(40), 통신부(41), 학습용 데이터 기억부(42) 및 학습 완료 모델 기억부(43)를 구비한다.

제어부(40)는, 학습용 데이터 취득부(400) 및 기계 학습부(401)로서 기능한다. 통신부(41)는, 네트워크(7)를 통해서 외부 장치(예를 들어, 기판 처리 장치(2), 데이터베이스 장치(3), 정보 처리 장치(5) 및 유저 단말 장치(6), 세정 시험 장치(도시하지 않음), 건조 시험 장치(도시하지 않음) 등)와 접속되어, 각종 데이터를 송수신하는 통신 인터페이스로서 기능한다.

학습용 데이터 취득부(400)는, 통신부(41) 및 네트워크(7)를 통해서 외부 장치와 접속되어, 입력 데이터로서의 세정 처리 조건 및 출력 데이터로서의 기판 상태 정보로 구성되는 제1 학습용 데이터(11A)와, 입력 데이터로서의 건조 처리 조건 및 출력 데이터로서의 기판 상태 정보로 구성되는 제2 학습용 데이터(11B)를 취득한다. 제1 및 제2 학습용 데이터(11A, 11B)는, 지도 학습에서의 교사 데이터(트레이닝 데이터), 검증 데이터 및 테스트 데이터로서 사용되는 데이터이다. 또한, 기판 상태 정보는, 지도 학습에서의 정답 라벨로서 사용되는 데이터이다.

학습용 데이터 기억부(42)는, 학습용 데이터 취득부(400)에서 취득한 제1 및 제2 학습용 데이터(11A, 11B)를 복수 조 기억하는 데이터베이스이다. 또한, 학습용 데이터 기억부(42)를 구성하는 데이터베이스의 구체적인 구성은 적절하게 설계하면 된다.

기계 학습부(401)는, 학습용 데이터 기억부(42)에 기억된 복수 조의 제1 및 제2 학습용 데이터(11A, 11B)를 각각 사용하여 기계 학습을 실시한다. 즉, 기계 학습부(401)는, 제1 학습 모델(10A)에 제1 학습용 데이터(11A)를 복수 조 입력하고, 제1 학습용 데이터(11A)에 포함되는 세정 처리 조건과 기판 상태 정보의 상관 관계를 제1 학습 모델(10A)에 학습시킴으로써, 학습 완료된 제1 학습 모델(10A)을 생성한다. 또한, 기계 학습부(401)는, 제2 학습 모델(10B)에 제2 학습용 데이터(11B)를 복수 조 입력하고, 제2 학습용 데이터(11B)에 포함되는 건조 처리 조건과 기판 상태 정보의 상관 관계를 제2 학습 모델(10B)에 학습시킴으로써, 학습 완료된 제2 학습 모델(10B)을 생성한다.

학습 완료 모델 기억부(43)는, 기계 학습부(401)에 의해 생성된 학습 완료된 제1 학습 모델(10A)(구체적으로는, 조정 완료된 가중치 파라미터군)을 기억하는 데이터베이스이다. 학습 완료 모델 기억부(43)에 기억된 학습 완료된 제1 및 제2 학습 모델(10A, 10B)은, 네트워크(7)나 기록 매체 등을 통해서 실제 시스템(예를 들어, 정보 처리 장치(5))에 제공된다. 또한, 도 12에서는, 학습용 데이터 기억부(42)와, 학습 완료 모델 기억부(43)가 각각 별도의 기억부로서 도시되어 있지만, 이것들은 단일한 기억부로 구성되어도 된다.

또한, 학습 완료 모델 기억부(43)에 기억되는 제1 및 제2 학습 모델(10A, 10B)의 수는 1개에 한정되지는 않고, 예를 들어 기계 학습의 방법, 웨이퍼(W)의 종류(사이즈, 두께, 막종 등), 세정구의 종류, 기판 세정 장치(기판 보유 지지부(241), 세정 유체 공급부(242), 기판 세정부(240) 및 세정구 세정부(243))의 기구의 차이, 기판 건조 장치(기판 보유 지지부(241) 및 건조 유체 공급부(245))의 기구의 차이, 기판 세정 유체나 기판 건조 유체의 종류, 세정 처리 조건이나 건조 처리 조건에 포함되는 데이터의 종류, 기판 상태 정보에 포함되는 데이터의 종류 등과 같이, 조건이 다른 복수의 학습 모델이 기억되어도 된다. 그 경우에는, 학습용 데이터 기억부(42)에는, 조건이 다른 복수의 학습 모델에 각각 대응하는 데이터 구성을 갖는 복수 종류의 학습용 데이터가 기억되면 된다.

도 13은 제1 학습 모델(10A) 및 제1 학습용 데이터(11A)의 일례를 도시하는 도면이다. 제1 학습 모델(10A)의 기계 학습에 사용되는 제1 학습용 데이터(11A)는, 세정 처리 조건과 기판 상태 정보로 구성된다. 본 실시 형태에서는, 제1 학습 모델(10A) 및 제1 학습용 데이터(11A)는, 롤 스펀지(2400)를 사용한 롤 스펀지 세정부(24A, 24B)에 대응하는 것과, 펜 스펀지(2401)를 사용한 펜 스펀지 세정부(24C, 24D)에 대응하는 것의 2종류가 적어도 준비되지만, 기본적인 데이터 구성은 공통되기 때문에, 이하에 통합해서 설명한다.

제1 학습용 데이터(11A)를 구성하는 세정 처리 조건은, 기판 처리 장치(2)에 의해 행해지는 웨이퍼(W)의 세정 처리에서의 기판 보유 지지부(241)의 상태를 나타내는 기판 보유 지지부 상태 정보, 세정 유체 공급부(242)의 상태를 나타내는 세정 유체 공급부 상태 정보 및 기판 세정부(240)의 상태를 나타내는 기판 세정부 상태 정보를 포함한다. 세정 유체 공급부 상태 정보는, 마무리 유체 공급부 상태 정보에 상당한다.

세정 처리 조건에 포함되는 기판 보유 지지부 상태 정보는, 기판 보유 지지 기구부(241a, 241c)가 기판을 보유 지지할 때의 보유 지지점수, 기판 보유 지지 기구부(241a, 241c)가 기판을 보유 지지할 때의 보유 지지 압력, 기판 보유 지지 기구부(241a, 241c)의 회전수, 기판 회전 기구부(241b, 241d)의 회전 토크 및 기판 보유 지지 기구부(241a, 241c)의 컨디션 중 적어도 하나를 포함한다. 기판 보유 지지 기구부(241a, 241c)의 컨디션은, 예를 들어 기판 보유 지지 기구부(241a, 241c)의 사용 상황(사용 시간, 사용 시의 압력, 교환 유무, 웨이퍼(W)의 회전수, 처리 매수)에 기초하여 설정된 기판 보유 지지 기구부(241a, 241c)의 소모 정도나 오염 정도를 나타낸다. 기판 보유 지지 기구부(241a, 241c)의 컨디션은, 예를 들어 세정 처리 중에 경시 변화하는 것이어도 된다.

세정 처리 조건에 포함되는 세정 유체 공급부 상태 정보는, 기판 세정 유체의 유량, 기판 세정 유체의 압력, 기판 세정 유체의 적하 위치, 기판 세정 유체의 온도, 및 기판 세정 유체의 농도 중 적어도 하나를 포함한다. 기판 세정 유체는, 기판 마무리 유체의 일례이며, 기판 세정 유체가 복수 종류의 유체일 경우에는, 세정 유체 공급부 상태 정보는, 각 유체의 유량, 압력, 적하 위치, 온도 및 농도를 포함하도록 하면 된다.

세정 처리 조건에 포함되는 기판 세정부 상태 정보는, 세정구 회전 기구부(240a)의 회전수, 세정구 회전 기구부(240a)의 회전 토크, 세정구 이동 기구부(상하 이동 기구부(240b, 240e), 직선 이동 기구부(240c), 요동 이동 기구부(240f))의 위치 좌표, 세정구 이동 기구부의 이동 속도, 세정구 이동 기구부의 이동 토크, 세정구를 웨이퍼(W)에 접촉시킬 때의 압박 하중 및 세정구의 컨디션 중 적어도 하나를 포함한다. 세정구의 컨디션은, 예를 들어 세정구의 사용 상황(사용 시간, 사용 시의 가압 접촉 하중, 교환 유무, 세정구의 표면을 촬영한 화상, 세정구의 회전수, 웨이퍼(W)의 회전수, 처리 매수)에 기초하여 설정된 세정구의 소모 정도나 오염 정도를 나타낸다. 세정구의 컨디션은, 예를 들어 세정 처리 중에 경시 변화하는 것이어도 된다.

또한, 세정 처리 조건은, 세정 처리가 행해지는 공간의 환경을 나타내는 장치내 환경 정보를 더 포함하는 것이어도 된다. 세정 처리 조건에 포함되는 장치내 환경 정보는, 하우징(20)에 의해 형성된 내부 공간의 온도, 습도, 기압, 기류, 산소 농도, 및 소리 중 적어도 하나를 포함한다.

제1 학습용 데이터(11A)를 구성하는 기판 상태 정보는, 세정 처리 조건에 의한 세정 처리가 행해진 웨이퍼(W)의 상태를 나타내는 정보이다. 본 실시 형태에서는, 기판 상태 정보는, 웨이퍼(W)에 가해지는 기계적 스트레스 및 열적 스트레스 중 적어도 한쪽을 나타내는 스트레스 정보이다. 스트레스 정보는, 예를 들어 세정 처리를 개시하고 나서 종료될 때까지의 세정 처리 기간(웨이퍼 1장당 세정 처리에 요하는 시간)에 포함되는 대상 시점에서의 스트레스의 순시값, 또는, 세정 처리를 개시하고 나서 대상 시점까지의 대상 기간(세정 처리 기간 이하의 임의의 기간)에서의 스트레스의 누적값을 나타내는 것이어도 되고, 웨이퍼(W)의 기판면에 가해지는 스트레스의 면적 분포 상태를 나타내는 것이어도 된다.

학습용 데이터 취득부(400)는, 마무리 시험 정보(31)를 참조함과 함께, 필요에 따라 유저 단말 장치(6)에 의한 유저의 입력 조작을 접수함으로써, 제1 학습용 데이터(11A)를 취득한다. 예를 들어, 학습용 데이터 취득부(400)는, 마무리 시험 정보(31)의 세정 시험 테이블(310)을 참조함으로써, 시험 ID로 특정되는 세정 시험이 행해졌을 때의 기판 보유 지지부 상태 정보, 세정 유체 공급부 상태 정보 및 기판 세정부 상태 정보(기판 보유 지지부(241), 세정 유체 공급부(242) 및 기판 세정부(240)가 각각 갖는 각 센서의 시계열 데이터)를, 세정 처리 조건으로서 취득한다.

또한, 학습용 데이터 취득부(400)는, 마무리 시험 정보(31)의 세정 시험 테이블(310)을 참조함으로써, 동일한 시험 ID로 특정되는 세정 시험이 행해졌을 때의 시험 결과 정보(더미 웨이퍼가 갖는 더미 웨이퍼 센서의 시계열 데이터(도 10))를, 상기 세정 처리 조건에 대응하는 기판 상태 정보로서 취득한다. 그때, 압력 센서의 시계열 데이터 각각이, 기계적 스트레스의 순시값에 상당하고, 온도 센서의 시계열 데이터 각각이, 열적 스트레스의 순시값에 상당한다. 또한, 복수의 더미 웨이퍼 센서가, 더미 웨이퍼의 기판면에 대해 분산 배치되어 있거나, 면적인 측정이 가능한 더미 웨이퍼 센서일 경우에는, 학습용 데이터 취득부(400)는, 복수 개소에서의 측정값이나 면적인 측정값을, 대상 시점에서의 순시값으로서 취득한다. 또한, 학습용 데이터 취득부(400)는, 대상 기간에 포함되는 압력 데이터의 시계열 데이터를 누적함으로써, 당해 대상 기간까지의 기계적 스트레스의 누적값을 취득하고, 대상 기간에 포함되는 온도 데이터의 시계열 데이터를 누적함으로써, 당해 대상 기간까지의 열적 스트레스의 누적값을 취득한다.

제1 학습 모델(10A)은, 예를 들어 뉴럴 네트워크의 구조를 채용한 것이며, 입력층(100), 중간층(101) 및 출력층(102)을 구비한다. 각 층의 사이에는, 각 뉴런을 각각 접속하는 시냅스(도시하지 않음)가 뻗어 있고, 각 시냅스에는, 가중치가 각각 대응지어져 있다. 각 시냅스의 가중치를 포함하는 가중치 파라미터군이, 기계 학습에 의해 조정된다.

입력층(100)은, 입력 데이터로서의 세정 처리 조건에 대응하는 수의 뉴런을 갖고, 세정 처리 조건의 각 값이 각 뉴런에 각각 입력된다. 출력층(102)은, 출력 데이터로서의 기판 상태 정보에 대응하는 수의 뉴런을 갖고, 세정 처리 조건에 대한 기판 상태 정보의 예측 결과(추론 결과)가, 출력 데이터로서 출력된다. 제1 학습 모델(10A)이, 회귀 모델로 구성되는 경우에는, 기판 상태 정보는, 소정의 범위(예를 들어, 0 내지 1)로 정규화된 수치로 각각 출력된다. 또한, 제1 학습 모델(10A)이, 분류 모델로 구성되는 경우에는, 기판 상태 정보는, 각 클래스에 대한 스코어(확실도)로서, 소정의 범위(예를 들어, 0 내지 1)로 정규화된 수치로 각각 출력된다.

도 14는 제2 학습 모델(10B) 및 제2 학습용 데이터(11B)의 일례를 도시하는 도면이다. 제2 학습 모델(10B)의 기계 학습에 사용되는 제2 학습용 데이터(11B)는, 건조 처리 조건과 기판 상태 정보로 구성된다.

제2 학습용 데이터(11B)를 구성하는 건조 처리 조건은, 기판 처리 장치(2)에 의해 행해지는 웨이퍼(W)의 건조 처리에서의 기판 보유 지지부(241)의 상태를 나타내는 기판 보유 지지부 상태 정보 및 건조 유체 공급부(245)의 상태를 나타내는 건조 유체 공급부 상태 정보를 포함한다. 건조 유체 공급부 상태 정보는, 마무리 유체 공급부 상태 정보에 상당한다. 기판 보유 지지부 상태 정보는, 제1 학습용 데이터(11A)와 마찬가지이기 때문에, 설명을 생략한다.

건조 처리 조건에 포함되는 건조 유체 공급부 상태 정보는, 기판 건조 유체의 유량, 기판 건조 유체의 압력, 기판 건조 유체의 적하 위치, 기판 건조 유체의 온도, 및 기판 건조 유체의 농도 중 적어도 하나를 포함한다. 기판 건조 유체는, 기판 마무리 유체의 일례이며, 기판 건조 유체가 복수 종류의 유체일 경우에는, 건조 유체 공급부 상태 정보는, 각 유체의 유량, 압력, 적하 위치, 온도 및 농도를 포함하도록 하면 된다.

또한, 건조 처리 조건은, 건조 처리가 행해지는 공간의 환경을 나타내는 장치내 환경 정보를 더 포함하는 것이어도 된다. 건조 처리 조건에 포함되는 장치내 환경 정보는, 하우징(20)에 의해 형성된 내부 공간의 온도, 습도, 기압, 기류, 산소 농도, 및 소리 중 적어도 하나를 포함한다.

제2 학습용 데이터(11B)를 구성하는 기판 상태 정보는, 건조 처리 조건에 의한 건조 처리가 행해진 웨이퍼(W)의 상태를 나타내는 정보이다. 본 실시 형태에서는, 기판 상태 정보는, 웨이퍼(W)에 가해지는 기계적 스트레스 및 열적 스트레스 중 적어도 한쪽을 나타내는 스트레스 정보이다. 스트레스 정보는, 예를 들어 건조 처리를 개시하고 나서 종료될 때까지의 건조 처리 기간(웨이퍼 1장당 건조 처리에 요하는 시간)에 포함되는 대상 시점에서의 스트레스의 순시값, 또는, 건조 처리를 개시하고 나서 대상 시점까지의 대상 기간(건조 처리 기간 이하의 임의의 기간)에서의 스트레스의 누적값을 나타내는 것이어도 되고, 웨이퍼(W)의 기판면에 가해지는 스트레스의 면적 분포 상태를 나타내는 것이어도 된다.

학습용 데이터 취득부(400)는, 마무리 시험 정보(31)를 참조함과 함께, 필요에 따라 유저 단말 장치(6)에 의한 유저의 입력 조작을 접수함으로써, 제2 학습용 데이터(11B)를 취득한다. 예를 들어, 학습용 데이터 취득부(400)는, 마무리 시험 정보(31)의 건조 시험 테이블(311)을 참조함으로써, 시험 ID로 특정되는 건조 시험이 행해졌을 때의 기판 보유 지지부 상태 정보 및 건조 유체 공급부 상태 정보(기판 보유 지지부(241) 및 건조 유체 공급부(245)가 각각 갖는 각 센서의 시계열 데이터)를, 건조 처리 조건으로서 취득한다.

또한, 학습용 데이터 취득부(400)는, 마무리 시험 정보(31)의 건조 시험 테이블(311)을 참조함으로써, 동일한 시험 ID로 특정되는 건조 시험이 행해졌을 때의 시험 결과 정보(더미 웨이퍼가 갖는 더미 웨이퍼 센서의 시계열 데이터(도 11))를, 상기 건조 처리 조건에 대응하는 기판 상태 정보로서 취득한다. 그때, 압력 센서의 시계열 데이터 각각이, 기계적 스트레스의 순시값에 상당하고, 온도 센서의 시계열 데이터 각각이, 열적 스트레스의 순시값에 상당한다. 또한, 복수의 더미 웨이퍼 센서가, 더미 웨이퍼의 기판면에 대해 분산 배치되어 있거나, 면적인 측정이 가능한 더미 웨이퍼 센서일 경우에는, 학습용 데이터 취득부(400)는, 복수 개소에서의 측정값이나 면적인 측정값을, 대상 시점에서의 순시값으로서 취득한다. 또한, 학습용 데이터 취득부(400)는, 대상 기간에 포함되는 압력 데이터의 시계열 데이터를 누적함으로써, 당해 대상 기간까지의 기계적 스트레스의 누적값을 취득하고, 대상 기간에 포함되는 온도 데이터의 시계열 데이터를 누적함으로써, 당해 대상 기간까지의 열적 스트레스의 누적값을 취득한다.

제2 학습 모델(10B)은, 예를 들어 뉴럴 네트워크의 구조를 채용한 것이며, 입력층(100), 중간층(101) 및 출력층(102)을 구비한다. 각 층의 사이에는, 각 뉴런을 각각 접속하는 시냅스(도시하지 않음)가 뻗어 있고, 각 시냅스에는, 가중치가 각각 대응지어져 있다. 각 시냅스의 가중치를 포함하는 가중치 파라미터군이, 기계 학습에 의해 조정된다.

입력층(100)은, 입력 데이터로서의 건조 처리 조건에 대응하는 수의 뉴런을 갖고, 건조 처리 조건의 각 값이 각 뉴런에 각각 입력된다. 출력층(102)은, 출력 데이터로서의 기판 상태 정보에 대응하는 수의 뉴런을 갖고, 건조 처리 조건에 대한 기판 상태 정보의 예측 결과(추론 결과)가, 출력 데이터로서 출력된다. 제2 학습 모델(10B)이, 회귀 모델로 구성되는 경우에는, 기판 상태 정보는, 소정의 범위(예를 들어, 0 내지 1)로 정규화된 수치로 각각 출력된다. 또한, 제2 학습 모델(10B)이, 분류 모델로 구성되는 경우에는, 기판 상태 정보는, 각 클래스에 대한 스코어(확실도)로서, 소정의 범위(예를 들어, 0 내지 1)로 정규화된 수치로 각각 출력된다.

또한, 본 실시 형태에서는, 마무리 처리 조건(세정 처리 조건, 건조 처리 조건)을, 도 13 및 도 14에 도시하는 바와 같은 센서군의 시계열 데이터로서 취득하는 경우에 대해서 설명하지만, 마무리 유닛(24)(기판 세정 장치, 기판 건조 장치)의 구성에 따라서 적절하게 변경해도 된다. 또한, 세정 처리 조건 및 건조 처리 조건으로서, 모듈에의 지령값을 사용해도 되고, 센서의 검출값 또는 모듈에의 지령값으로부터 환산되는 파라미터를 사용해도 되고, 복수의 센서의 검출값에 기초하여 산출되는 파라미터를 사용해도 된다. 또한, 마무리 처리 조건은, 마무리 처리 기간(세정 처리 기간, 건조 처리 기간) 전체의 시계열 데이터로서 취득되어도 되고, 마무리 처리 기간의 일부인 대상 기간의 시계열 데이터로서 취득되어도 되고, 특정 대상 시점에서의 시점 데이터로서 취득되어도 된다. 상기한 바와 같이 마무리 처리 기간의 정의를 변경하는 경우에는, 제1 및 제2 학습 모델(10A, 10B), 그리고 제1 및 제2 학습용 데이터(11A, 11B)에서의 입력 데이터의 데이터 구성을 적절하게 변경하면 된다.

또한, 본 실시 형태에서는, 기판 상태 정보가, 도 13 및 도 14에 도시하는 바와 같은 기계적 스트레스의 순시값 및 누적값과, 열적 스트레스의 순시값 및 누적값인 경우에 대해서 설명하지만, 적어도 하나를 포함하는 것이어도 된다. 또한, 기계적 스트레스 및 열적 스트레스는, 더미 웨이퍼 센서의 측정값을 소정의 산출식에 대입함으로써 산출되어도 된다. 또한, 마무리 처리 조건이, 예를 들어 마무리 처리 기간 전체의 시계열 데이터 또는 마무리 처리 기간의 일부인 대상 기간의 시계열 데이터로서 취득되어 있는 경우에는, 기판 상태 정보는, 마무리 처리 기간 전체의 시계열 데이터 또는 대상 기간의 시계열 데이터로서 취득되어도 되고, 마무리 처리 종료 시점의 시점 데이터 또는 대상 시점의 시점 데이터로서 취득되어도 된다. 또한, 마무리 처리 조건이, 예를 들어 특정 대상 시점에서의 시점 데이터로서 취득되어 있는 경우에는, 기판 상태 정보는, 그 특정 대상 시점에서의 시점 데이터로서 취득되어도 된다. 상기한 바와 같이 기판 상태 정보의 정의를 변경하는 경우에는, 제1 및 제2 학습 모델(10A, 10B), 그리고 제1 및 제2 학습용 데이터(11A, 11B)에서의 출력 데이터의 데이터 구성을 적절하게 변경하면 된다.

(기계 학습 방법)

도 15는 기계 학습 장치(4)에 의한 기계 학습 방법의 일례를 나타내는 흐름도이다. 이하에서는, 복수 조의 제1 학습용 데이터(11A)(도 15에서는, 학습용 데이터라고 표기)를 사용하여 제1 학습 모델(10A)(도 15에서는, 학습용 모델이라고 표기)을 생성하는 경우에 대해서 설명한다. 또한, 제2 학습용 데이터(11B)를 사용하여 제2 학습 모델(10B)을 작성하는 경우도 마찬가지이기 때문에, 설명을 생략한다.

먼저, 스텝 S100에서, 학습용 데이터 취득부(400)는, 기계 학습을 개시하기 위한 사전 준비로서, 마무리 시험 정보(31) 등으로부터 원하는 수의 제1 학습용 데이터(11A)를 취득하고, 그 취득한 제1 학습용 데이터(11A)를 학습용 데이터 기억부(42)에 기억한다. 여기서 준비하는 제1 학습용 데이터(11A)의 수에 대해서는, 최종적으로 얻어지는 제1 학습 모델(10A)에 요구되는 추론 정밀도를 고려해서 설정하면 된다.

다음으로, 스텝 S110에서, 기계 학습부(401)는, 기계 학습을 개시하기 위해, 학습 전의 제1 학습 모델(10A)을 준비한다. 여기서 준비하는 학습 전의 제1 학습 모델(10A)은, 도 13에 예시한 뉴럴 네트워크 모델로 구성되어 있고, 각 시냅스의 가중치가 초기값으로 설정되어 있다.

다음으로, 스텝 S120에서, 기계 학습부(401)는, 학습용 데이터 기억부(42)에 기억된 복수 조의 제1 학습용 데이터(11A)로부터, 예를 들어 랜덤하게 1조의 제1 학습용 데이터(11A)를 취득한다.

다음으로, 스텝 S130에서, 기계 학습부(401)는, 1조의 제1 학습용 데이터(11A)에 포함되는 세정 처리 조건(입력 데이터)을, 준비된 학습 전(또는 학습 중)의 제1 학습 모델(10A)의 입력층(100)에 입력한다. 그 결과, 제1 학습 모델(10A)의 출력층(102)으로부터 추론 결과로서 기판 상태 정보(출력 데이터)가 출력되는데, 당해 출력 데이터는, 학습 전(또는 학습 중)의 제1 학습 모델(10A)에 의해 생성된 것이다. 그 때문에, 학습 전(또는 학습 중)의 상태에서는, 추론 결과로서 출력된 출력 데이터는, 제1 학습용 데이터(11A)에 포함되는 기판 상태 정보(정답 라벨)와는 다른 정보를 나타낸다.

다음으로, 스텝 S140에서, 기계 학습부(401)는, 스텝 S120에서 취득된 1조의 제1 학습용 데이터(11A)에 포함되는 기판 상태 정보(정답 라벨)와, 스텝 S130에서 출력층으로부터 추론 결과로서 출력된 기판 상태 정보(출력 데이터)를 비교하여, 각 시냅스의 가중치를 조정하는 처리(백 프로퍼게이션)를 실시함으로써, 기계 학습을 실시한다. 이에 의해, 기계 학습부(401)는, 세정 처리 조건과 기판 상태 정보의 상관 관계를 제1 학습 모델(10A)에 학습시킨다.

다음으로, 스텝 S150에서, 기계 학습부(401)는, 소정의 학습 종료 조건이 충족되었는지 여부를, 예를 들어 제1 학습용 데이터(11A)에 포함되는 기판 상태 정보(정답 라벨)와, 추론 결과로서 출력된 기판 상태 정보(출력 데이터)에 기초하는 오차 함수의 평가값이나, 학습용 데이터 기억부(42) 내에 기억된 미학습의 제1 학습용 데이터(11A)의 잔수에 기초하여 판정한다.

스텝 S150에서, 기계 학습부(401)가, 학습 종료 조건이 충족되어 있지 않아, 기계 학습을 계속한다고 판정한 경우(스텝 S150에서 "아니오"), 스텝 S120으로 돌아가서, 학습 중인 제1 학습 모델(10A)에 대해 스텝 S120 내지 S140의 공정을 미학습의 제1 학습용 데이터(11A)를 사용하여 복수 회 실시한다. 한편, 스텝 S150에서, 기계 학습부(401)가, 학습 종료 조건이 충족되어, 기계 학습을 종료한다고 판정한 경우(스텝 S150에서 "예"), 스텝 S160으로 진행된다.

그리고 스텝 S160에서, 기계 학습부(401)는, 각 시냅스에 대응지어진 가중치를 조정함으로써 생성된 학습 완료된 제1 학습 모델(10A)(조정 완료된 가중치 파라미터군)을 학습 완료 모델 기억부(43)에 기억하고, 도 15에 나타내는 일련의 기계 학습 방법을 종료한다. 기계 학습 방법에 있어서, 스텝 S100이 학습용 데이터 기억 공정, 스텝 S110 내지 S150이 기계 학습 공정, 스텝 S160이 학습 완료 모델 기억 공정에 상당한다.

이상과 같이, 본 실시 형태에 관한 기계 학습 장치(4) 및 기계 학습 방법에 의하면, 기판 보유 지지부 상태 정보, 세정 유체 공급부 상태 정보 및 기판 세정부 상태 정보 등을 포함하는 세정 처리 조건으로부터, 웨이퍼(W)의 상태를 나타내는 기판 상태 정보를 예측(추론)하는 것이 가능한 제1 학습 모델(10A)을 제공할 수 있다. 또한, 기판 보유 지지부 상태 정보 및 건조 유체 공급부 상태 정보 등을 포함하는 건조 처리 조건으로부터, 웨이퍼(W)의 상태를 나타내는 기판 상태 정보를 예측(추론)하는 것이 가능한 제2 학습 모델(10B)을 제공할 수 있다.

(정보 처리 장치(5))

도 16은 제1 실시 형태에 관한 정보 처리 장치(5)의 일례를 도시하는 블록도이다. 도 17은 제1 실시 형태에 관한 정보 처리 장치(5)의 일례를 도시하는 기능 설명도이다. 정보 처리 장치(5)는, 제어부(50), 통신부(51) 및 학습 완료 모델 기억부(52)를 구비한다.

제어부(50)는, 정보 취득부(500), 상태 예측부(501) 및 출력 처리부(502)로서 기능한다. 통신부(51)는, 네트워크(7)를 통해서 외부 장치(예를 들어, 기판 처리 장치(2), 데이터베이스 장치(3), 기계 학습 장치(4) 및 유저 단말 장치(6) 등)와 접속되어, 각종 데이터를 송수신하는 통신 인터페이스로서 기능한다.

정보 취득부(500)는, 통신부(51) 및 네트워크(7)를 통해서 외부 장치와 접속되어, 마무리 처리 조건을 취득한다. 본 실시 형태에서는, 정보 취득부(500)는, 마무리 처리 조건으로서, 기판 보유 지지부 상태 정보, 세정 유체 공급부 상태 정보 및 기판 세정부 상태 정보 등을 포함하는 세정 처리 조건을 취득함과 함께, 기판 보유 지지부 상태 정보 및 건조 유체 공급부 상태 정보 등을 포함하는 건조 처리 조건을 취득한다.

예를 들어, 세정 처리가 이미 행해진 후의 웨이퍼(W)에 대한 기판 상태 정보의 「사후 예측 처리」를 행하는 경우에는, 정보 취득부(500)는, 생산 이력 정보(30)의 세정 이력 테이블(301)을 참조함으로써, 그 웨이퍼(W)에 대해 세정 처리가 행해졌을 때의 기판 보유 지지부 상태 정보, 세정 유체 공급부 상태 정보 및 기판 세정부 상태 정보를, 세정 처리 조건으로서 취득한다. 세정 처리가 행해지고 있는 도중의 웨이퍼(W)에 대한 기판 상태 정보의 「실시간 예측 처리」를 행하는 경우에는, 정보 취득부(500)는, 그 세정 처리를 행하고 있는 기판 처리 장치(2)로부터 장치 상태 정보에 관한 리포트 R을 수시 수신함으로써, 그 웨이퍼(W)에 대해 세정 처리가 행해지고 있는 도중의 기판 보유 지지부 상태 정보, 세정 유체 공급부 상태 정보 및 기판 세정부 상태 정보를, 세정 처리 조건으로서 수시 취득한다. 세정 처리가 행해지기 전의 웨이퍼(W)에 대한 기판 상태 정보의 「사전 예측 처리」를 행하는 경우에는, 정보 취득부(500)는, 그 세정 처리를 행할 예정인 기판 처리 장치(2)로부터 기판 레시피 정보(266)를 수신하고, 그 기판 레시피 정보(266)에 따라서 기판 처리 장치(2)가 동작할 때의 장치 상태 정보를 시뮬레이션함으로써, 그 웨이퍼(W)에 대해 세정 처리가 행해질 때의 기판 보유 지지부 상태 정보, 세정 유체 공급부 상태 정보 및 기판 세정부 상태 정보를, 세정 처리 조건으로서 취득한다.

또한, 건조 처리가 이미 행해진 후의 웨이퍼(W)에 대한 기판 상태 정보의 「사후 예측 처리」를 행하는 경우에는, 정보 취득부(500)는, 생산 이력 정보(30)의 건조 이력 테이블(302)을 참조함으로써, 그 웨이퍼(W)에 대해 건조 처리가 행해졌을 때의 기판 보유 지지부 상태 정보 및 건조 유체 공급부 상태 정보를, 건조 처리 조건으로서 취득한다. 건조 처리가 행해지고 있는 도중의 웨이퍼(W)에 대한 기판 상태 정보의 「실시간 예측 처리」를 행하는 경우에는, 정보 취득부(500)는, 그 건조 처리를 행하고 있는 기판 처리 장치(2)로부터 장치 상태 정보에 관한 리포트 R을 수시 수신함으로써, 그 웨이퍼(W)에 대해 건조 처리가 행해지고 있는 도중의 기판 보유 지지부 상태 정보 및 건조 유체 공급부 상태 정보를, 건조 처리 조건으로서 수시 취득한다. 건조 처리가 행해지기 전의 웨이퍼(W)에 대한 기판 상태 정보의 「사전 예측 처리」를 행하는 경우에는, 정보 취득부(500)는, 그 건조 처리를 행할 예정인 기판 처리 장치(2)로부터 기판 레시피 정보(266)를 수신하고, 그 기판 레시피 정보(266)에 따라서 기판 처리 장치(2)가 동작할 때의 장치 상태 정보를 시뮬레이션함으로써, 그 웨이퍼(W)에 대해 건조 처리가 행해질 때의 기판 보유 지지부 상태 정보 및 건조 유체 공급부 상태 정보를, 건조 처리 조건으로서 취득한다.

상태 예측부(501)는, 상기한 바와 같이 정보 취득부(500)에 의해 취득된 세정 처리 조건을 입력 데이터로서 제1 학습 모델(10A)에 입력함으로써, 당해 세정 처리 조건에 의한 세정 처리가 행해진 웨이퍼(W)에 대한 기판 상태 정보(본 실시 형태에서는, 스트레스 정보)를 예측한다. 또한, 상태 예측부(501)는, 상기한 바와 같이 정보 취득부(500)에 의해 취득된 건조 처리 조건을 입력 데이터로서 제2 학습 모델(10B)에 입력함으로써, 당해 건조 처리 조건에 의한 건조 처리가 행해진 웨이퍼(W)에 대한 기판 상태 정보(본 실시 형태에서는, 스트레스 정보)를 예측한다.

학습 완료 모델 기억부(52)는, 상태 예측부(501)에서 사용되는 학습 완료된 제1 및 제2 학습 모델(10A, 10B)을 기억하는 데이터베이스이다. 또한, 학습 완료 모델 기억부(52)에 기억되는 제1 및 제2 학습 모델(10A, 10B)의 수는 1개에 한정되지는 않고, 예를 들어 기계 학습의 방법, 웨이퍼(W)의 종류(사이즈, 두께, 막종 등), 세정구의 종류, 기판 세정 장치의 기구 차이, 기판 건조 장치의 기구 차이, 기판 세정 유체나 기판 건조 유체의 종류, 세정 처리 조건이나 건조 처리 조건에 포함되는 데이터의 종류, 기판 상태 정보에 포함되는 데이터의 종류 등과 같이, 조건이 다른 복수의 학습 완료 모델이 기억되어, 선택적으로 이용 가능하게 해도 된다. 본 실시 형태에서는, 학습 완료 모델 기억부(52)에는, 롤 스펀지(2400)를 사용한 롤 스펀지 세정부(24A, 24B)에 대응하는 것과, 펜 스펀지(2401)를 사용한 펜 스펀지 세정부(24C, 24D)에 대응하는 것의 2종류의 제1 학습 모델(10A)과, 제1 및 제2 건조부(24E, 24F)에 대응하는 제2 학습 모델(10B)이 적어도 기억된다. 또한, 학습 완료 모델 기억부(52)는, 외부 컴퓨터(예를 들어, 서버형 컴퓨터나 클라우드형 컴퓨터)의 기억부로 대용되어도 되고, 그 경우에는, 상태 예측부(501)는, 당해 외부 컴퓨터에 액세스하면 된다.

출력 처리부(502)는, 상태 예측부(501)에 의해 생성된 기판 상태 정보를 출력하기 위한 출력 처리를 행한다. 예를 들어, 출력 처리부(502)는, 그 기판 상태 정보를 유저 단말 장치(6)에 송신함으로써, 그 기판 상태 정보에 기초하는 표시 화면이 유저 단말 장치(6)에 표시되어도 되고, 그 기판 상태 정보를 데이터베이스 장치(3)에 송신함으로써, 그 기판 상태 정보가 생산 이력 정보(30)에 등록되어도 된다.

(정보 처리 방법)

도 18은 정보 처리 장치(5)에 의한 정보 처리 방법의 일례를 도시하는 흐름도이다. 이하에서는, 유저가 유저 단말 장치(6)를 조작하여, 특정 웨이퍼(W)에 대한 기판 상태 정보의 「사후 예측 처리」를 행하는 경우의 동작예에 대해서 설명한다.

먼저, 스텝 S200에서, 유저가, 유저 단말 장치(6)에 대해, 예측 대상의 웨이퍼(W)를 특정하는 웨이퍼 ID를 입력하는 입력 조작을 행하면, 유저 단말 장치(6)는, 그 웨이퍼 ID를 정보 처리 장치(5)에 송신한다.

다음으로, 스텝 S210에서, 정보 처리 장치(5)의 정보 취득부(500)는, 스텝 S200에서 송신된 웨이퍼 ID를 수신한다. 스텝 S211에서, 정보 취득부(500)는, 스텝 S210에서 수신한 웨이퍼 ID를 사용하여 생산 이력 정보(30)의 세정 이력 테이블(301) 및 건조 이력 테이블(302)을 참조함으로써, 그 웨이퍼 ID로 특정된 웨이퍼(W)에 대해 세정 처리 및 건조 처리가 각각 행해졌을 때의 세정 처리 조건 및 건조 처리 조건을 취득한다.

다음으로, 스텝 S220에서, 상태 예측부(501)는, 스텝 S211에서 취득된 세정 처리 조건을 입력 데이터로서 제1 학습 모델(10A)에 입력함으로써, 당해 세정 처리 조건에 대한 기판 상태 정보를 출력 데이터로서 생성하고, 그 웨이퍼(W)의 상태를 예측한다.

다음으로, 스텝 S221에서, 상태 예측부(501)는, 스텝 S211에서 취득된 건조 처리 조건을 입력 데이터로서 제2 학습 모델(10B)에 입력함으로써, 당해 건조 처리 조건에 대한 기판 상태 정보를 출력 데이터로서 생성하고, 그 웨이퍼(W)의 상태를 예측한다.

다음으로, 스텝 S230에서, 출력 처리부(502)는, 스텝 S220, S211에서 각각 생성된 세정 처리 및 건조 처리의 기판 상태 정보를 출력하기 위한 출력 처리로서, 그 기판 상태 정보를 유저 단말 장치(6)에 송신한다. 또한, 기판 상태 정보의 송신처는, 유저 단말 장치(6)에 더하여 또는 그 대신에, 데이터베이스 장치(3)이어도 된다.

다음으로, 스텝 S240에서, 유저 단말 장치(6)는, 스텝 S200의 송신 처리에 대한 응답으로서, 스텝 S230에서 송신된 세정 처리 및 건조 처리의 기판 상태 정보를 수신하면, 그 기판 상태 정보에 기초하여 표시 화면을 표시함으로써, 그 웨이퍼(W)의 상태가 유저에 의해 시인된다. 상기한 정보 처리 방법에 있어서, 스텝 S210, S211이 정보 취득 공정, 스텝 S220, S221이 상태 예측 공정, 스텝 S230이 출력 처리 공정에 상당한다.

이상과 같이, 본 실시 형태에 관한 정보 처리 장치(5) 및 정보 처리 방법에 의하면, 세정 처리에서의, 기판 보유 지지부 상태 정보, 세정 유체 공급부 상태 정보 및 기판 세정부 상태 정보 등을 포함하는 세정 처리 조건이 제1 학습 모델(10A)에 입력됨으로써, 당해 세정 처리 조건에 대한 기판 상태 정보(스트레스 정보)가 예측되므로, 세정 처리에 의한 처리 중 또는 처리 후의 웨이퍼(W)의 상태를 적절하게 예측할 수 있다. 또한, 건조 처리에서의, 기판 보유 지지부 상태 정보 및 건조 유체 공급부 상태 정보 등을 포함하는 건조 처리 조건이 제2 학습 모델(10B)에 입력됨으로써, 당해 건조 처리 조건에 대한 기판 상태 정보(스트레스 정보)가 예측되므로, 건조 처리에 의한 처리 중 또는 처리 후의 웨이퍼(W)의 상태를 적절하게 예측할 수 있다.

(제2 실시 형태)

제2 실시 형태는, 마무리 처리가 행해진 웨이퍼(W)의 상태를 나타내는 기판 상태 정보가, 그 웨이퍼(W)의 마무리 품질을 나타내는 마무리 품질 정보인 점에서 제1 실시 형태와 상이하다. 이하에서는, 제2 실시 형태에 관한 기계 학습 장치(4a) 및 정보 처리 장치(5a)에 대해서, 제1 실시 형태와 다른 부분을 중심으로 설명한다.

마무리 품질 정보는, 예를 들어 세정 처리 시의 세정 정도에 관한 세정 정도 정보, 건조 처리 시의 건조 정도에 관한 건조 정도 정보, 스크래치나 부식과 같은 웨이퍼(W)의 결손(디펙트) 정도나 유무에 관한 기판 결손 정보 등이다. 또한, 세정 정도 정보 또는 건조 정도 정보는, 파티클에 관한 정보이어도 되고, 예를 들어 파티클의 면적 분포 상태나 파티클의 총수를 포함하는 것이어도 된다.

도 19는 제2 실시 형태에 관한 기계 학습 장치(4a)의 일례를 도시하는 블록도이다. 도 20은 제3 학습 모델(10C) 및 제3 학습용 데이터(11C)의 일례를 도시하는 도면이다. 도 21은 제4 학습 모델(10D) 및 제4 학습용 데이터(11D)의 일례를 도시하는 도면이다. 제3 및 제4 학습용 데이터(11C, 11D)는, 제3 및 제4 학습 모델(10C, 10D)의 기계 학습에 각각 사용된다.

제3 학습용 데이터(11C)를 구성하는 기판 상태 정보는, 웨이퍼(W)의 마무리 품질로서, 세정 처리에서의 웨이퍼(W)의 세정 품질을 나타내는 세정 품질 정보이다. 본 실시 형태에서는, 세정 품질 정보는, 세정 정도 정보 및 기판 결손 정보인 경우에 대해서 설명하지만, 적어도 하나를 포함하는 것이어도 되고, 세정 품질을 나타내는 다른 정보를 포함하는 것이어도 된다. 세정 품질 정보는, 세정 처리를 개시하고 나서 종료될 때까지의 세정 처리 기간(웨이퍼 1장당 세정 처리에 요하는 시간)에 포함되는 대상 시점에서의 세정 품질을 나타내는 것이어도 되고, 웨이퍼(W)의 기판면에서의 세정 품질의 면적 분포 상태를 나타내는 것이어도 된다. 또한, 제3 학습용 데이터(11C)를 구성하는 세정 처리 조건은, 제1 실시 형태와 마찬가지이기 때문에, 설명을 생략한다.

제4 학습용 데이터(11D)를 구성하는 기판 상태 정보는, 웨이퍼(W)의 마무리 품질로서, 건조 처리에서의 웨이퍼(W)의 건조 품질을 나타내는 건조 품질 정보이다. 본 실시 형태에서는, 건조 품질 정보는, 건조 정도 정보 및 기판 결손 정보인 경우에 대해서 설명하지만, 적어도 하나를 포함하는 것이어도 되고, 건조 품질을 나타내는 다른 정보를 포함하는 것이어도 된다. 건조 품질 정보는, 건조 처리를 개시하고 나서 종료될 때까지의 건조 처리 기간(웨이퍼 1장당 건조 처리에 요하는 시간)에 포함되는 대상 시점에서의 건조 품질을 나타내는 것이어도 되고, 웨이퍼(W)의 기판면에서의 건조 품질의 면적 분포 상태를 나타내는 것이어도 된다. 또한, 제4 학습용 데이터(11D)를 구성하는 건조 처리 조건은, 제1 실시 형태와 마찬가지이기 때문에, 설명을 생략한다.

학습용 데이터 취득부(400)는, 마무리 시험 정보(31)를 참조함과 함께, 필요에 따라 유저 단말 장치(6)에 의한 유저의 입력 조작을 접수함으로써, 제3 및 제4 학습용 데이터(11C, 11D)를 취득한다. 구체적으로는, 학습용 데이터 취득부(400)는, 마무리 시험 정보(31)의 세정 시험 테이블(310) 및 건조 시험 테이블(311)로부터 시험 ID로 특정되는 마무리 시험(세정 시험, 건조 시험)이 행해졌을 때의 시험 결과 정보(더미 웨이퍼가 갖는 압력 센서의 시계열 데이터나 온도 센서의 시계열 데이터)를 취득하여, 예를 들어 압력 센서의 시계열 데이터(주로 메카니컬한 영향을 반영) 및 온도 센서의 시계열 데이터(주로 케미컬한 영향을 반영)에 기초하여 대상 시점마다의 마무리 품질(세정 품질, 건조 품질)을 산출함으로써, 마무리 품질 정보(세정 품질 정보, 건조 품질 정보)를 취득한다. 또한, 마무리 시험 정보(31)에는, 시험 결과 정보로서, 광학식 현미경이나 주사 전자 현미경(SEM) 등의 계측 기기로 계측된 마무리 품질 정보가 대상 시점마다 등록되어 있어도 되고, 그 경우에는, 학습용 데이터 취득부(400)는, 계측 기기의 계측 결과를, 마무리 품질 정보로서 또한 취득해도 된다.

기계 학습부(401)는, 제3 학습 모델(10C)에 제3 학습용 데이터(11C)를 복수 조 입력하여, 제3 학습용 데이터(11C)에 포함되는 마무리 처리 조건과 세정 품질 정보의 상관 관계를 제3 학습 모델(10C)에 학습시킴으로써, 학습 완료된 제3 학습 모델(10C)을 생성한다. 또한, 기계 학습부(401)는, 제4 학습 모델(10D)에 제4 학습용 데이터(11D)를 복수 조 입력하여, 제4 학습용 데이터(11D)에 포함되는 건조 처리 조건과 건조 품질 정보의 상관 관계를 제4 학습 모델(10D)에 학습시킴으로써, 학습 완료된 제4 학습 모델(10D)을 생성한다.

도 22는 제2 실시 형태에 관한 정보 처리 장치(5a)의 일례를 도시하는 블록도이다. 도 23은 제2 실시 형태에 관한 정보 처리 장치(5a)의 일례를 도시하는 기능 설명도이다.

정보 취득부(500)는, 제1 실시 형태와 마찬가지로, 마무리 처리 조건으로서, 기판 보유 지지부 상태 정보, 세정 유체 공급부 상태 정보 및 기판 세정부 상태 정보 등을 포함하는 세정 처리 조건을 취득함과 함께, 기판 보유 지지부 상태 정보 및 건조 유체 공급부 상태 정보 등을 포함하는 건조 처리 조건을 취득한다.

상태 예측부(501)는, 상기한 바와 같이 정보 취득부(500)에 의해 취득된 세정 처리 조건을 입력 데이터로서 제3 학습 모델(10C)에 입력함으로써, 당해 세정 처리 조건에 의한 세정 처리가 행해진 웨이퍼(W)에 대한 세정 품질 정보(본 실시 형태에서는, 세정 정도 정보 및 기판 결손 정보)를 예측한다. 또한, 상태 예측부(501)는, 상기한 바와 같이 정보 취득부(500)에 의해 취득된 건조 처리 조건을 입력 데이터로서 제4 학습 모델(10D)에 입력함으로써, 당해 건조 처리 조건에 의한 건조 처리가 행해진 웨이퍼(W)에 대한 건조 품질 정보(본 실시 형태에서는, 건조 정도 정보 및 기판 결손 정보)를 예측한다.

이상과 같이, 본 실시 형태에 관한 정보 처리 장치(5a) 및 정보 처리 방법에 의하면, 세정 처리에서의, 기판 보유 지지부 상태 정보, 세정 유체 공급부 상태 정보 및 기판 세정부 상태 정보 등을 포함하는 세정 처리 조건이 제3 학습 모델(10C)에 입력됨으로써, 당해 세정 처리 조건에 대한 기판 상태 정보(세정 품질 정보)가 예측되므로, 세정 처리에 의한 처리 중 또는 처리 후의 웨이퍼(W)의 상태를 적절하게 예측할 수 있다. 또한, 건조 처리에서의, 기판 보유 지지부 상태 정보 및 건조 유체 공급부 상태 정보 등을 포함하는 건조 처리 조건이 제4 학습 모델(10D)에 입력됨으로써, 당해 건조 처리 조건에 대한 기판 상태 정보(건조 품질 정보)가 예측되므로, 건조 처리에 의한 처리 중 또는 처리 후의 웨이퍼(W)의 상태를 적절하게 예측할 수 있다.

(제3 실시 형태)

제3 실시 형태는, 학습 모델이, 스트레스 해석용 학습 모델과, 마무리 품질 해석용 학습 모델로 구성되는 점에서 제1 실시 형태와 상이하다. 이하에서는, 제3 실시 형태에 관한 기계 학습 장치(4b) 및 정보 처리 장치(5b)에 대해서, 제1 실시 형태와 다른 부분을 중심으로 설명한다.

도 24는 제3 실시 형태에 관한 기계 학습 장치(4b)의 일례를 도시하는 블록도이다. 도 25는 세정 품질 해석용 제5 학습 모델(10E) 및 제5 학습용 데이터(11E)의 일례를 도시하는 도면이다. 도 26은 건조 품질 해석용 제6 학습 모델(10F) 및 제6 학습용 데이터(11F)의 일례를 도시하는 도면이다.

세정 처리용 학습 모델(10M)은, 스트레스 해석용 제1 학습 모델(10A)(도 13)과, 세정 품질 해석용 제5 학습 모델(10E)(도 25)로 구성된다. 세정 품질 해석용 제5 학습 모델(10E)의 기계 학습에 사용되는 제5 학습용 데이터(11E)는, 도 25에 도시하는 바와 같이, 스트레스 정보와 세정 품질 정보(본 실시 형태에서는, 세정 정도 정보 및 기판 결손 정보)로 구성된다. 또한, 건조 처리용 학습 모델(10N)은, 스트레스 해석용 제2 학습 모델(10B)(도 14)과, 건조 품질 해석용 제6 학습 모델(10F)(도 26)로 구성된다. 건조 품질 해석용 제6 학습 모델(10F)의 기계 학습에 사용되는 제6 학습용 데이터(11F)는, 도 26에 도시하는 바와 같이, 스트레스 정보와 건조 품질 정보(본 실시 형태에서는, 건조 정도 정보 및 기판 결손 정보)로 구성된다. 스트레스 해석용 제1 및 제2 학습 모델(10A, 10B), 그리고 제1 및 제2 학습용 데이터(11A, 11B)는, 제1 실시 형태(도 13, 도 14)와 마찬가지로 구성되기 때문에, 설명을 생략한다.

학습용 데이터 취득부(400)는, 마무리 시험 정보(31)를 참조함과 함께, 필요에 따라 유저 단말 장치(6)에 의한 유저의 입력 조작을 접수함으로써, 스트레스 정보와 세정 품질 정보로 구성되는 제5 학습용 데이터(11E)를 취득함과 함께, 스트레스 정보와 건조 품질 정보로 구성되는 제6 학습용 데이터(11F)를 취득한다.

기계 학습부(401)는, 마무리 품질 해석용 제5 학습 모델(10E)에 제5 학습용 데이터(11E)를 각각 복수 조 입력하여, 제5 학습용 데이터(11E)에 포함되는 스트레스 정보와 세정 품질 정보의 상관 관계를 마무리 품질 해석용 제5 학습 모델(10E)에 학습시킴으로써, 학습 완료된 마무리 품질 해석용 제5 학습 모델(10E)을 생성한다. 또한, 기계 학습부(401)는, 제6 학습 모델(10F)에 제6 학습용 데이터(11F)를 복수 조 입력하여, 제6 학습용 데이터(11F)에 포함되는 스트레스 정보와 건조 품질 정보의 상관 관계를 제6 학습 모델(10F)에 학습시킴으로써, 학습 완료된 제6 학습 모델(10F)을 생성한다.

도 27은 제3 실시 형태에 관한 정보 처리 장치(5b)의 일례를 도시하는 블록도이다. 도 28은 제3 실시 형태에 관한 정보 처리 장치(5b)의 일례를 도시하는 기능 설명도이다.

정보 취득부(500)는, 제1 실시 형태와 마찬가지로, 기판 보유 지지부 상태 정보, 세정 유체 공급부 상태 정보 및 기판 세정부 상태 정보 등을 포함하는 세정 처리 조건을 취득함과 함께, 기판 보유 지지부 상태 정보 및 건조 유체 공급부 상태 정보 등을 포함하는 건조 처리 조건을 취득한다.

상태 예측부(501)는, 상기한 바와 같이 정보 취득부(500)에 의해 취득된 세정 처리 조건을 입력 데이터로서 제1 학습 모델(10A)에 입력함으로써, 당해 세정 처리 조건에 의한 세정 처리가 행해진 웨이퍼(W)에 대한 스트레스 정보를 예측하고, 그 예측한 스트레스 정보를 입력 데이터로서 제5 학습 모델(10E)에 입력함으로써, 당해 스트레스 정보가 나타내는 스트레스가 가해진 웨이퍼(W)에 대한 세정 품질 정보(본 실시 형태에서는, 세정 정도 정보 및 기판 결손 정보)를 예측한다. 또한, 상태 예측부(501)는, 상기한 바와 같이 정보 취득부(500)에 의해 취득된 건조 처리 조건을 입력 데이터로서 제2 학습 모델(10B)에 입력함으로써, 당해 건조 처리 조건에 의한 건조 처리가 행해진 웨이퍼(W)에 대한 스트레스 정보를 예측하고, 그 예측한 스트레스 정보를 입력 데이터로서 제6 학습 모델(10F)에 입력함으로써, 당해 스트레스 정보가 나타내는 스트레스가 가해진 웨이퍼(W)에 대한 건조 품질 정보(본 실시 형태에서는, 건조 정도 정보 및 기판 결손 정보)를 예측한다.

이상과 같이, 본 실시 형태에 관한 정보 처리 장치(5b) 및 정보 처리 방법에 의하면, 세정 처리에서의 세정 처리 조건이 세정 처리용 학습 모델(10M)(제1 및 제5 학습 모델(10A, 10E))에 입력됨으로써, 당해 세정 처리 조건에 대한 기판 상태 정보(세정 품질 정보)가 예측되므로, 세정 처리에 의한 처리 중 또는 처리 후의 웨이퍼(W)의 상태를 적절하게 예측할 수 있다. 또한, 건조 처리에서의 건조 처리 조건이 건조 처리용 학습 모델(10N)(제2 및 제6 학습 모델(10B, 10F))에 입력됨으로써, 당해 건조 처리 조건에 대한 기판 상태 정보(건조 품질 정보)가 예측되므로, 건조 처리에 의한 처리 중 또는 처리 후의 웨이퍼(W)의 상태를 적절하게 예측할 수 있다.

(다른 실시 형태)

본 발명은 상술한 실시 형태에 제약되는 것은 아니고, 본 발명의 주지를 일탈하지 않는 범위 내에서 다양하게 변경해서 실시하는 것이 가능하다. 그리고 그것들은 모두, 본 발명의 기술 사상에 포함되는 것이다.

상기 실시 형태에서는, 데이터베이스 장치(3), 기계 학습 장치(4, 4a, 4b) 및 정보 처리 장치(5, 5a, 5b)는, 각각 별도의 장치로 구성된 것으로서 설명하였지만, 그러한 3개의 장치가, 단일한 장치로 구성되어 있어도 되고, 그러한 3개의 장치 중 임의의 2개의 장치가, 단일한 장치로 구성되어 있어도 된다. 또한, 기계 학습 장치(4, 4a, 4b) 및 정보 처리 장치(5a, 5b)의 적어도 한쪽은, 기판 처리 장치(2)의 제어 유닛(26) 또는 유저 단말 장치(6)에 조성되어 넣어져도 된다.

상기 실시 형태에서는, 기판 처리 장치(2)가, 각 유닛(21 내지 25)을 구비하는 것으로서 설명하였지만, 기판 처리 장치(2)는, 마무리 유닛(24) 중, 기판 세정 장치로서 세정 처리를 행하는 기능(롤 스펀지 세정부(24A, 24B) 또는 펜 스펀지 세정부(24C, 24D)) 및 기판 건조 장치로서 건조 처리를 행하는 기능(건조부(24E, 24F))의 적어도 한쪽을 구비하고 있으면 되며, 다른 유닛은 생략되어 있어도 된다.

상기 실시 형태에서는, 기계 학습 장치(4, 4a, 4b) 및 정보 처리 장치(5, 5a, 5b)는, 롤 스펀지(2400)를 사용한 롤 스펀지 세정(롤 스펀지 세정부(24A, 24B)), 또는 펜 스펀지(2401)를 사용한 펜 스펀지 세정(펜 스펀지 세정부(24C, 24D))을 행하는 기판 세정 장치를 대상으로 해서 동작한다고 설명하였지만, 기판 세정 장치의 형태는 상기 예에 한정되지는 않는다. 예를 들어, 기판 세정 장치는, 세정구로서, 버프를 사용한 버프 세정을 행하는 것이어도 되고, 세정구를 구비하지 않고, 기판 세정 유체에 의한 세정이나 초음파 세정기에 의한 세정을 행하는 것이어도 된다. 또한, 기판 세정 장치가, 세정구를 구비하지 않을 경우에는, 기판 세정 조건은, 기판 세정부 상태 정보를 포함하지 않아도 된다.

상기 실시 형태에서는, 기계 학습부(401)에 의한 기계 학습을 실현하는 학습 모델로서, 뉴럴 네트워크를 채용한 경우에 대해서 설명하였지만, 다른 기계 학습의 모델을 채용해도 된다. 다른 기계 학습의 모델로서는, 예를 들어 결정목, 회귀목 등의 트리형, 배깅, 부스팅 등의 앙상블 학습, 재귀형 뉴럴 네트워크, 컨볼루션 뉴럴 네트워크, LSTM 등의 뉴럴 네트형(딥 러닝을 포함함), 계층형 클러스터링, 비계층형 클러스터링, k 근방법, k 평균법 등의 클러스터링형, 주성분 분석, 인자 분석, 로지스틱 회귀 등의 다변량 해석, 서포트 벡터 머신 등을 들 수 있다.

또한, 상기 실시 형태에서는, 제1 내지 제4 학습 모델(10A 내지 10D)의 입력 데이터인 마무리 처리 조건(세정 처리 조건, 건조 처리 조건)에 포함되는 각종 정보에 대해서 설명하였다. 또한, 제1 내지 제4 학습 모델(10A 내지 10D)은, 웨이퍼(W)의 종류별로 준비되어도 되는 것을 설명하였다. 이에 반해, 마무리 처리 조건은, 마무리 처리가 행해지기 전의 웨이퍼(W)인 처리전 기판의 상태(초기 상태)를 나타내는 처리전 기판 정보를 더 포함하는 것이어도 된다. 마무리 처리 조건에 포함되는 처리전 기판 정보는, 처리전 기판의 형상(사이즈, 두께, 휨 등), 무게 및 기판면의 컨디션 중 적어도 하나를 포함한다. 기판면의 컨디션은, 예를 들어 기판면에 형성된 결손(디펙트)의 정도나 유무에 관한 정보나, 기판면에 부착된 파티클의 크기, 면적 분포, 개수에 관한 정보이며, 마무리 처리에 영향을 주는 정보라면 이들에 한정되지는 않는다. 처리전 기판 정보는, 예를 들어 전공정의 장치(연마 유닛(22)을 포함함)의 동작 정보로부터 취득되어도 되고, 막 두께 측정 유닛(25)이나, 기판 처리 장치(2)의 내부 또는 외부에 설치된 다른 계측기(광학식 센서, 접촉식 센서, 중량 센서 등)로 계측되어도 된다. 또한, 상기한 바와 같이 취득 또는 계측된 처리전 기판 정보는, 동일한 로트 내의 다른 처리전 기판에 유용되어도 되고, 다른 로트 내의 다른 처리전 기판에 유용되어도 된다.

기계 학습의 학습 페이즈에서는, 처리전 기판 정보는, 마무리 시험 정보(31)에 등록되어, 기계 학습 장치(4, 4a, 4b)에 의해 마무리 처리 조건의 일부로서 취득된다. 기계 학습 장치(4, 4a, 4b)는, 그 처리전 기판 정보를 더 포함하는 마무리 처리 조건과, 기판 상태 정보로 구성되는 제1 내지 제4 학습용 데이터(11A 내지 11D)를 사용하여, 제1 내지 제4 학습 모델(10A 내지 10D)의 기계 학습을 실시한다.

기계 학습의 추론 페이즈에서는, 처리전 기판 정보는, 정보 처리 장치(5, 5a, 5b)에 의해 마무리 처리 조건의 일부로서 취득된다. 정보 처리 장치(5, 5a, 5b)는, 그 처리전 기판 정보를 더 포함하는 마무리 처리 조건을 입력 데이터로서 제1 내지 제4 학습용 데이터(11A 내지 11D)에 입력함으로써, 당해 마무리 처리 조건에 의한 마무리 처리가 처리전 기판에 대해 행해졌을 때의 기판 상태 정보를 예측한다.

(기계 학습 프로그램 및 정보 처리 프로그램)

본 발명은, 기계 학습 장치(4, 4a, 4b)가 구비하는 각 부로서 컴퓨터(900)를 기능시키는 프로그램(기계 학습 프로그램)이나, 기계 학습 방법이 구비하는 각 공정을 컴퓨터(900)에 실행시키기 위한 프로그램(기계 학습 프로그램)의 양태로 제공할 수도 있다. 또한, 본 발명은, 정보 처리 장치(5, 5a, 5b)가 구비하는 각 부로서 컴퓨터(900)를 기능시키기 위한 프로그램(정보 처리 프로그램)이나, 상기 실시 형태에 관한 정보 처리 방법이 구비하는 각 공정을 컴퓨터(900)에 실행시키기 위한 프로그램(정보 처리 프로그램)의 양태로 제공할 수도 있다.

(추론 장치, 추론 방법 및 추론 프로그램)

본 발명은, 상기 실시 형태에 관한 정보 처리 장치(5, 5a, 5b)(정보 처리 방법 또는 정보 처리 프로그램)의 양태에 의한 것뿐만 아니라, 기판 상태 정보를 추론하기 위해서 사용되는 추론 장치(추론 방법 또는 추론 프로그램)의 양태로 제공할 수도 있다. 그 경우, 추론 장치(추론 방법 또는 추론 프로그램)로서는, 메모리와, 프로세서를 포함하고, 이 중의 프로세서가, 일련의 처리를 실행하는 것으로 할 수 있다. 당해 일련의 처리란, 마무리 처리 조건을 취득하는 정보 취득 처리(정보 취득 공정)와, 정보 취득 처리에서 마무리 처리 조건을 취득하면, 당해 마무리 처리 조건에 의한 마무리 처리가 행해진 기판의 상태를 나타내는 기판 상태 정보(스트레스 정보 또는 마무리 품질 정보)를 추론하는 추론 처리(추론 공정)를 포함한다. 또한, 당해 일련의 처리란, 스트레스 정보를 취득하는 정보 취득 처리(정보 취득 공정)와, 정보 취득 처리에서 스트레스 정보를 취득하면, 당해 스트레스 정보가 나타내는 스트레스가 가해진 기판의 마무리 품질을 나타내는 마무리 품질 정보를 추론하는 추론 처리(추론 공정)를 포함한다.

추론 장치(추론 방법 또는 추론 프로그램)의 양태로 제공함으로써, 정보 처리 장치를 실장하는 경우에 비해서 간단하게 다양한 장치에의 적용이 가능해진다. 추론 장치(추론 방법 또는 추론 프로그램)가 기판 상태 정보를 추론할 때, 상기 실시 형태에 관한 기계 학습 장치 및 기계 학습 방법에 의해 생성된 학습 완료된 학습 모델을 사용하여, 상태 예측부가 실시하는 추론 방법을 적용해도 되는 것은, 당업자에게 있어서 당연히 이해될 수 있는 것이다.

산업상 이용가능성

본 발명은, 정보 처리 장치, 추론 장치, 기계 학습 장치, 정보 처리 방법, 추론 방법 및 기계 학습 방법에 이용 가능하다.

1: 기판 처리 시스템 2: 기판 처리 장치
3: 데이터베이스 장치 4, 4a, 4b: 기계 학습 장치
5, 5a, 5b: 정보 처리 장치 6: 유저 단말 장치
7: 네트워크 10A: 제1 학습 모델
10B: 제2 학습 모델 10C: 제3 학습 모델
10D: 제4 학습 모델 10E: 제5 학습 모델
10F: 제6 학습 모델 10M: 학습 모델
10N: 학습 모델 11A: 제1 학습용 데이터
11B: 제2 학습용 데이터 11C: 제3 학습용 데이터
11D: 제4 학습용 데이터 11E: 제5 학습용 데이터
11F: 제6 학습용 데이터 20: 하우징
21: 로드/언로드 유닛 22: 연마 유닛
22A 내지 22D: 연마부 23: 기판 반송 유닛
24: 마무리 유닛 24A, 24B: 롤 스펀지 세정부
24C, 24D: 펜 스펀지 세정부 24E, 24F: 건조부
24G, 24H: 반송부 25: 막 두께 측정 유닛
26: 제어 유닛 30: 생산 이력 정보
31: 마무리 시험 정보 40: 제어부
41: 통신부 42: 학습용 데이터 기억부
43: 학습 완료 모델 기억부 50: 제어부
51: 통신부 52: 학습 완료 모델 기억부
240: 기판 세정부 241: 기판 보유 지지부
242: 세정 유체 공급부 243: 세정구 세정부
244: 환경 센서 245: 건조 유체 공급부
260: 제어부 21: 통신부
262: 입력부 263: 출력부
264: 기억부 300: 웨이퍼 이력 테이블
301: 세정 이력 테이블 302: 건조 이력 테이블
310: 세정 시험 테이블 311: 건조 시험 테이블
400: 학습용 데이터 취득부 401: 기계 학습부
500: 정보 취득부 501: 상태 예측부
502: 출력 처리부 900: 컴퓨터
2200: 연마 패드 2230: 드레서 디스크
2400: 롤 스펀지 2401: 펜 스펀지

Claims

기판을 보유 지지하는 기판 보유 지지부, 및 상기 기판에 기판 마무리 유체를 공급하는 마무리 유체 공급부를 구비하는 기판 처리 장치에 의해 행해지는 상기 기판의 마무리 처리에서의, 상기 기판 보유 지지부의 상태를 나타내는 기판 보유 지지부 상태 정보, 및 상기 마무리 유체 공급부의 상태를 나타내는 마무리 유체 공급부 상태 정보를 포함하는 마무리 처리 조건을 취득하는 정보 취득부와,
상기 마무리 처리 조건과, 당해 마무리 처리 조건에 의한 상기 마무리 처리가 행해진 상기 기판의 상태를 나타내는 기판 상태 정보와의 상관 관계를 기계 학습에 의해 학습시킨 학습 모델에, 상기 정보 취득부에 의해 취득된 상기 마무리 처리 조건을 입력함으로써, 당해 마무리 처리 조건에 의한 상기 마무리 처리가 행해진 상기 기판에 대한 상기 기판 상태 정보를 예측하는 상태 예측부를 구비하는,
정보 처리 장치.
제1항에 있어서, 상기 기판 보유 지지부는,
상기 기판의 피마무리면에 수직인 제1 회전축 주위로 상기 기판을 회전시키는 기판 회전 기구부와,
상기 기판의 측연부를 보유 지지하는 기판 보유 지지 기구부를 구비하고,
상기 마무리 처리 조건에 포함되는 상기 기판 보유 지지부 상태 정보는,
상기 기판 보유 지지 기구부가 상기 기판을 보유 지지할 때의 보유 지지점수,
상기 기판 보유 지지 기구부가 상기 기판을 보유 지지할 때의 보유 지지 압력,
상기 기판 회전 기구부의 회전수,
상기 기판 회전 기구부의 회전 토크, 및
상기 기판 보유 지지 기구부의 컨디션 중 적어도 하나를 포함하는, 정보 처리 장치.
제1항 또는 제2항에 있어서, 상기 마무리 처리 조건에 포함되는 상기 마무리 유체 공급부 상태 정보는,
상기 기판 마무리 유체의 유량,
상기 기판 마무리 유체의 압력,
상기 기판 마무리 유체의 적하 위치,
상기 기판 마무리 유체의 온도, 및
상기 기판 마무리 유체의 농도 중 적어도 하나를 포함하는, 정보 처리 장치.
제1항 내지 제3항 중 어느 한 항에 있어서, 상기 마무리 처리 조건은,
상기 마무리 처리가 행해지는 공간의 환경을 나타내는 장치내 환경 정보를 더 포함하고,
상기 마무리 처리 조건에 포함되는 상기 장치내 환경 정보는,
상기 공간의 온도,
상기 공간의 습도,
상기 공간의 기압,
상기 공간의 기류,
상기 공간의 산소 농도, 및
상기 공간의 소리 중 적어도 하나를 포함하는, 정보 처리 장치.
제1항 내지 제4항 중 어느 한 항에 있어서, 상기 마무리 처리 조건은,
상기 마무리 처리가 행해지기 전의 상기 기판인 처리전 기판의 상태를 나타내는 처리전 기판 정보를 더 포함하는, 정보 처리 장치.
제5항에 있어서, 상기 마무리 처리 조건에 포함되는 상기 처리전 기판 정보는,
상기 처리전 기판의 형상,
상기 처리전 기판의 무게, 및
상기 처리전 기판의 기판면의 컨디션 중 적어도 하나를 포함하는, 정보 처리 장치.
제1항 내지 제6항 중 어느 한 항에 있어서, 상기 마무리 처리 조건은,
상기 기판 처리 장치에 의해 상기 마무리 처리로서 행해지는 상기 기판의 세정 처리에서의 세정 처리 조건인, 정보 처리 장치.
제7항에 있어서, 상기 기판 처리 장치는,
세정구를 회전 가능하게 지지함과 함께 상기 세정구를 상기 기판에 접촉시켜 상기 기판을 세정하는 기판 세정부를 더 구비하고,
상기 세정 처리 조건은,
상기 기판 세정부의 상태를 나타내는 기판 세정부 상태 정보를 더 포함하는, 정보 처리 장치.
제8항에 있어서, 상기 기판 세정부는,
상기 기판의 피세정면에 평행한 제2 회전축 주위 또는 상기 피세정면에 수직인 제3 회전축 주위로 상기 세정구를 회전시키는 세정구 회전 기구부와,
상기 세정구와 상기 피세정면의 상대 위치를 이동시키는 세정구 이동 기구부를 구비하고,
상기 마무리 처리 조건에 포함되는 상기 기판 세정부 상태 정보는,
상기 세정구 회전 기구부의 회전수,
상기 세정구 회전 기구부의 회전 토크,
상기 세정구 이동 기구부의 위치 좌표,
상기 세정구 이동 기구부의 이동 속도,
상기 세정구 이동 기구부의 이동 토크,
상기 세정구를 상기 기판에 접촉시킬 때의 압박 하중, 및
상기 세정구의 컨디션 중 적어도 하나를 포함하는, 정보 처리 장치.
제1항 내지 제6항 중 어느 한 항에 있어서, 상기 마무리 처리 조건은,
상기 기판 처리 장치에 의해 상기 마무리 처리로서 행해지는 상기 기판의 건조 처리에서의 건조 처리 조건인, 정보 처리 장치.
제1항 내지 제10항 중 어느 한 항에 있어서, 상기 기판 상태 정보는,
상기 기판에 가해지는 스트레스를 나타내는 스트레스 정보이며,
상기 스트레스 정보는,
상기 기판에 가해지는 기계적 스트레스 및 열적 스트레스 중 적어도 한쪽을 나타내는, 정보 처리 장치.
제11항에 있어서, 상기 스트레스 정보는,
상기 마무리 처리를 개시하고 나서 종료될 때까지의 마무리 처리 기간에 포함되는 대상 시점에서의 상기 스트레스의 순시값, 또는,
상기 마무리 처리를 개시하고 나서 상기 대상 시점까지의 대상 기간에서의 상기 스트레스의 누적값을 나타내는, 정보 처리 장치.
제11항 또는 제12항에 있어서, 상기 스트레스 정보는,
상기 기판의 기판면에 가해지는 상기 스트레스의 면적 분포 상태를 나타내는, 정보 처리 장치.
제7항 내지 제9항 중 어느 한 항에 있어서, 상기 기판 상태 정보는,
상기 기판의 마무리 품질을 나타내는 마무리 품질 정보이며,
상기 마무리 품질 정보는,
상기 세정 처리에서의 상기 기판의 세정 품질을 나타내는 세정 품질 정보인, 정보 처리 장치.
제10항에 있어서, 상기 기판 상태 정보는,
상기 기판의 마무리 품질을 나타내는 마무리 품질 정보이며,
상기 마무리 품질 정보는,
상기 건조 처리에서의 상기 기판의 건조 품질을 나타내는 건조 품질 정보인, 정보 처리 장치.
제1항 내지 제10항 중 어느 한 항에 있어서, 상기 학습 모델은,
상기 마무리 처리 조건과, 당해 마무리 처리 조건에 의한 상기 마무리 처리가 행해진 상기 기판에 가해지는 스트레스를 나타내는 스트레스 정보와의 상관 관계를 기계 학습에 의해 학습시킨 스트레스 해석용 학습 모델과,
상기 스트레스 정보와, 당해 스트레스 정보가 나타내는 상기 스트레스가 가해진 상기 기판의 마무리 품질을 나타내는 마무리 품질 정보와의 상관 관계를 학습시킨 마무리 품질 해석용 학습 모델로 구성되고,
상기 상태 예측부는,
상기 스트레스 해석용 학습 모델에 대해, 상기 정보 취득부에 의해 취득된 상기 마무리 처리 조건을 입력함으로써, 당해 마무리 처리 조건에 의한 상기 마무리 처리가 행해진 상기 기판에 대한 상기 스트레스 정보를 예측하고,
상기 마무리 품질 해석용 학습 모델에 대해, 그 예측한 상기 스트레스 정보를 입력함으로써, 당해 스트레스 정보가 나타내는 상기 스트레스가 가해진 상기 기판에 대한 상기 마무리 품질 정보를 예측하는, 정보 처리 장치.
메모리와, 프로세서를 구비하는 추론 장치이며,
상기 프로세서는,
기판을 보유 지지하는 기판 보유 지지부, 및 상기 기판에 기판 마무리 유체를 공급하는 마무리 유체 공급부를 구비하는 기판 처리 장치에 의해 행해지는 상기 기판의 마무리 처리에서의, 상기 기판 보유 지지부의 상태를 나타내는 기판 보유 지지부 상태 정보, 및 상기 마무리 유체 공급부의 상태를 나타내는 마무리 유체 공급부 상태 정보를 포함하는 마무리 처리 조건을 취득하는 정보 취득 처리와,
상기 정보 취득 처리에서 상기 마무리 처리 조건을 취득하면, 당해 마무리 처리 조건에 의한 상기 마무리 처리가 행해진 상기 기판의 상태를 나타내는 기판 상태 정보를 추론하는 추론 처리를 실행하는,
추론 장치.
메모리와, 프로세서를 구비하는 추론 장치이며,
상기 프로세서는,
기판을 보유 지지하는 기판 보유 지지부, 및 상기 기판에 기판 마무리 유체를 공급하는 마무리 유체 공급부를 구비하는 기판 처리 장치에 의해 마무리 처리가 행해진 상기 기판에 가해지는 스트레스를 나타내는 스트레스 정보를 취득하는 정보 취득 처리와,
상기 정보 취득 처리에서 상기 스트레스 정보를 취득하면, 당해 스트레스 정보가 나타내는 상기 스트레스가 가해진 상기 기판의 마무리 품질을 나타내는 마무리 품질 정보를 추론하는 추론 처리를 실행하는,
추론 장치.
기판을 보유 지지하는 기판 보유 지지부, 및 상기 기판에 기판 마무리 유체를 공급하는 마무리 유체 공급부를 구비하는 기판 처리 장치에 의해 행해지는 상기 기판의 마무리 처리에서의, 상기 기판 보유 지지부의 상태를 나타내는 기판 보유 지지부 상태 정보, 및 상기 마무리 유체 공급부의 상태를 나타내는 마무리 유체 공급부 상태 정보를 포함하는 마무리 처리 조건과, 당해 마무리 처리 조건에 의한 상기 마무리 처리가 행해진 상기 기판의 상태를 나타내는 기판 상태 정보로 구성되는 학습용 데이터를 복수 조 기억하는 학습용 데이터 기억부와,
복수 조의 상기 학습용 데이터를 학습 모델에 입력함으로써, 상기 마무리 처리 조건과 상기 기판 상태 정보의 상관 관계를 상기 학습 모델에 학습시키는 기계 학습부와,
상기 기계 학습부에 의해 상기 상관 관계를 학습시킨 상기 학습 모델을 기억하는 학습 완료 모델 기억부를 구비하는,
기계 학습 장치.
기판을 보유 지지하는 기판 보유 지지부, 및 상기 기판에 기판 마무리 유체를 공급하는 마무리 유체 공급부를 구비하는 기판 처리 장치에 의해 마무리 처리가 행해진 상기 기판에 가해지는 스트레스를 나타내는 스트레스 정보와, 당해 스트레스 정보가 나타내는 상기 스트레스가 가해진 상기 기판의 마무리 품질을 나타내는 마무리 품질 정보로 구성되는 학습용 데이터를 복수 조 기억하는 학습용 데이터 기억부와,
복수 조의 상기 학습용 데이터를 학습 모델에 입력함으로써, 상기 스트레스 정보와 상기 마무리 품질 정보의 상관 관계를 상기 학습 모델에 학습시키는 기계 학습부와,
상기 기계 학습부에 의해 상기 상관 관계를 학습시킨 상기 학습 모델을 기억하는 학습 완료 모델 기억부를 구비하는,
기계 학습 장치.
기판을 보유 지지하는 기판 보유 지지부, 및 상기 기판에 기판 마무리 유체를 공급하는 마무리 유체 공급부를 구비하는 기판 처리 장치에 의해 행해지는 상기 기판의 마무리 처리에서의, 상기 기판 보유 지지부의 상태를 나타내는 기판 보유 지지부 상태 정보, 및 상기 마무리 유체 공급부의 상태를 나타내는 마무리 유체 공급부 상태 정보를 포함하는 마무리 처리 조건을 취득하는 정보 취득 공정과,
상기 마무리 처리 조건과, 당해 마무리 처리 조건에 의한 상기 마무리 처리가 행해진 상기 기판의 상태를 나타내는 기판 상태 정보와의 상관 관계를 기계 학습에 의해 학습시킨 학습 모델에, 상기 정보 취득 공정에 의해 취득된 상기 마무리 처리 조건을 입력함으로써, 당해 마무리 처리 조건에 의한 상기 마무리 처리가 행해진 상기 기판에 대한 상기 기판 상태 정보를 예측하는 상태 예측 공정을 구비하는,
정보 처리 방법.
메모리와, 프로세서를 구비하는 추론 장치에 의해 실행되는 추론 방법이며,
상기 프로세서는,
기판을 보유 지지하는 기판 보유 지지부, 및 상기 기판에 기판 마무리 유체를 공급하는 마무리 유체 공급부를 구비하는 기판 처리 장치에 의해 행해지는 상기 기판의 마무리 처리에서의, 상기 기판 보유 지지부의 상태를 나타내는 기판 보유 지지부 상태 정보, 및 상기 마무리 유체 공급부의 상태를 나타내는 마무리 유체 공급부 상태 정보를 포함하는 마무리 처리 조건을 취득하는 정보 취득 공정과,
상기 정보 취득 공정에서 상기 마무리 처리 조건을 취득하면, 당해 마무리 처리 조건에 의한 상기 마무리 처리가 행해진 상기 기판의 상태를 나타내는 기판 상태 정보를 추론하는 추론 공정을 실행하는,
추론 방법.
메모리와, 프로세서를 구비하는 추론 장치에 의해 실행되는 추론 방법이며,
상기 프로세서는,
기판을 보유 지지하는 기판 보유 지지부, 및 상기 기판에 기판 마무리 유체를 공급하는 마무리 유체 공급부를 구비하는 기판 처리 장치에 의해 마무리 처리가 행해진 상기 기판에 가해지는 스트레스를 나타내는 스트레스 정보를 취득하는 정보 취득 공정과,
상기 정보 취득 공정에서 상기 스트레스 정보를 취득하면, 당해 스트레스 정보가 나타내는 상기 스트레스가 가해진 상기 기판의 마무리 품질을 나타내는 마무리 품질 정보를 추론하는 추론 공정을 실행하는,
추론 방법.
기판을 보유 지지하는 기판 보유 지지부, 및 상기 기판에 기판 마무리 유체를 공급하는 마무리 유체 공급부를 구비하는 기판 처리 장치에 의해 행해지는 상기 기판의 마무리 처리에서의, 상기 기판 보유 지지부의 상태를 나타내는 기판 보유 지지부 상태 정보, 및 상기 마무리 유체 공급부의 상태를 나타내는 마무리 유체 공급부 상태 정보를 포함하는 마무리 처리 조건과, 당해 마무리 처리 조건에 의한 상기 마무리 처리가 행해진 상기 기판의 상태를 나타내는 기판 상태 정보로 구성되는 학습용 데이터를 학습용 데이터 기억부에 복수 조 기억하는 학습용 데이터 기억 공정과,
복수 조의 상기 학습용 데이터를 학습 모델에 입력함으로써, 상기 마무리 처리 조건과 상기 기판 상태 정보의 상관 관계를 상기 학습 모델에 학습시키는 기계 학습 공정과,
상기 기계 학습 공정에 의해 상기 상관 관계를 학습시킨 상기 학습 모델을 학습 완료 모델 기억부에 기억시키는 학습 완료 모델 기억 공정을 구비하는,
기계 학습 방법.
기판을 보유 지지하는 기판 보유 지지부, 및 상기 기판에 기판 마무리 유체를 공급하는 마무리 유체 공급부를 구비하는 기판 처리 장치에 의해 마무리 처리가 행해진 상기 기판에 가해지는 스트레스를 나타내는 스트레스 정보와, 당해 스트레스 정보가 나타내는 상기 스트레스가 가해진 상기 기판의 마무리 품질을 나타내는 마무리 품질 정보로 구성되는 학습용 데이터를 학습용 데이터 기억부에 복수 조 기억시키는 학습용 데이터 기억 공정과,
복수 조의 상기 학습용 데이터를 학습 모델에 입력함으로써, 상기 스트레스 정보와 상기 마무리 품질 정보의 상관 관계를 상기 학습 모델에 학습시키는 기계 학습 공정과,
상기 기계 학습 공정에 의해 상기 상관 관계를 학습시킨 상기 학습 모델을 학습 완료 모델 기억부에 기억시키는 학습 완료 모델 기억 공정을 구비하는,
기계 학습 방법.