System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基板处理装置及信息处理系统制造方法及图纸_技高网

基板处理装置及信息处理系统制造方法及图纸

技术编号:40303417 阅读:18 留言:0更新日期:2024-02-07 20:49
基板处理装置具备:在基板的研磨中和/或清洗中和/或干燥中对对象的物理量进行检测的至少一个传感器;对于已学习的机器学习模型,将由所述传感器检测到的研磨中和/或清洗中和/或干燥中的传感器值按照每个处理步骤转换为特征量的转换部;以及通过将包含所述特征量的对象数据输入已学习的机器学习模型而输出对象的基板中的缺陷的数量、缺陷的尺寸、缺陷的位置中的至少一个的预测值的推论部,所述已学习的机器学习模型使用学习数据组进行学习,该学习数据组的输入数据包含将在对象的生产线或与该对象的生产线同种的生产线中由传感器检测到的研磨中和/或清洗中的传感器值按照每个处理步骤转换而得到的特征量,且该学习数据组的输出数据是基板中的缺陷的数量、缺陷的尺寸、缺陷的位置中的至少一个。

【技术实现步骤摘要】
【国外来华专利技术】

本专利技术涉及一种基板处理装置及信息处理系统


技术介绍

1、基板处理装置(例如研磨装置)的清洗性能通过用专用的缺陷检查装置对例如结束了研磨、清洗、干燥的处理而从装置排出的基板(具体而言,晶片)进行测定来评价(例如,参照专利文献1)。缺陷检查需要成本(主要是时间),因此在制造现场,难以在基板处理(例如、研磨、清洗、干燥)后全部进行检查,而实施抽检。

2、现有技术文献

3、专利文献

4、专利文献1:日本特开2002-257533号公报

5、专利技术所要解决的技术问题

6、但是,也存在因没有被检查的基板(具体而言,晶片)的清洗不足等而产生不良品的可能性。


技术实现思路

1、本专利技术是鉴于上述问题而做成的,其目的在于,提供一种不通过缺陷检查装置进行检查就能够推定基板处理后的基板是否是不良品的基板处理装置和信息处理系统。

2、用于解决技术问题的技术手段

3、本专利技术的一方式的基板处理装置具备:至少一个传感器,该至少一个传感器在基板的研磨中和/或清洗中和/或干燥中对对象的物理量进行检测;转换部,该转换部对于已学习的机器学习模型,将由所述传感器检测到的研磨中和/或清洗中和/或干燥中的传感器值按照每个处理步骤转换为特征量;以及推论部,该推论部通过将包含所述特征量的对象数据输入已学习的机器学习模型而输出对象的基板中的缺陷的数量、缺陷的尺寸、缺陷的位置中的至少一个的预测值,所述已学习的机器学习模型使用学习数据组进行学习,该学习数据组的输入数据包含将在对象的生产线或与该对象的生产线同种的生产线中由传感器检测到的研磨中和/或清洗中的传感器值按照每个处理步骤转换而得到的特征量,且该学习数据组的输出数据是基板中的缺陷的数量、缺陷的尺寸、缺陷的位置中的至少一个。

4、根据该结构,不通过缺陷检查装置进行检查就能够得到基板处理后的基板的缺陷的数量、缺陷的尺寸、缺陷的位置中的至少一个的预测值,因此不通过缺陷检查装置进行检查就能够推定基板处理后的基板是否是不良品。

5、另外,在上述基板处理装置中,也可以是,所述机器学习模型的学习时的输入数据还包含停留时间,该停留时间是按照基板处理装置所含的每个单元进行了计数的在该单元停留的停留时间,所述基板处理装置还具备单元停留时间计数部,该单元停留时间计数部针对该基板处理装置所含的每个单元,对在该单元停留的停留时间进行计数,输入至所述已学习的机器学习模型的所述对象数据还包含通过所述单元停留时间计数部对每个单元进行了计数的在该单元停留的停留时间。

6、另外,在上述基板处理装置中,也可以是,所述机器学习模型的学习时的输入数据还包含第二特征量,该第二特征量由对用于研磨或清洗的部件的位置进行转换而得到,所述转换部将用于研磨或清洗的部件的位置转换为第二特征量,输入至所述已学习的机器学习模型的所述对象数据还包含由所述转换部转换后的每个部件的第二特征量。

7、另外,在上述基板处理装置中,也可以是,所述机器学习模型的学习时的输入数据还包含制程信息,该制程信息包含对于基板处理装置所含的单元的指令值,输入至所述已学习的机器学习模型的所述对象数据还包含制程信息,该制程信息包含对于该基板处理装置所含的单元的指令值。

8、另外,在上述基板处理装置中,也可以是,具备:回归分析部,该回归分析部按照预先决定的回归分析算法,对于多个传感器值中的每一个,输出表示该传感器值与缺陷的数量、缺陷的尺寸、基板中的缺陷的位置中的任一个之间的相关的相关参数;受理部,该受理部受理至少一个传感器,该传感器输出作为机器学习模型的输入数据所含的特征量的基础的传感器值;以及学习部,该学习部使所述机器学习模型用所述受理的传感器的传感器值被转换而得到的特征量再次进行学习,所述推论部使用通过所述学习部再次学习后的机器学习模型来输出所述预测值。

9、本专利技术的其他方式的信息处理系统具备:转换部,该转换部对于已学习的机器学习模型,将由基板处理装置所具备的传感器检测到的、基板的研磨中和/或清洗中和/或干燥中的传感器值按照每个处理步骤转换为特征量;以及推论部,该推论部通过输入包含所述特征量的对象数据而输出基板中的缺陷的数量、缺陷的尺寸、基板中的缺陷的位置中的至少一个的预测值,所述已学习的机器学习模型使用学习数据组进行了学习,该学习数据组的输入数据包含将在对象的生产线或与该对象的生产线同种的生产线中由传感器检测到的研磨中和/或清洗中的传感器值按照每个处理步骤转换而得到的特征量,且该学习数据组的输出数据是基板中的缺陷的数量、缺陷的尺寸、缺陷的位置中的至少一个。

10、专利技术的效果

11、根据本专利技术的一个方式,不通过缺陷检查装置进行检查就能够得到基板处理后的基板的缺陷的数量、缺陷的尺寸、缺陷的位置中的至少一的预测值,因此不通过缺陷检查装置进行检查就能够推定基板处理后的基板是否是不良品。

本文档来自技高网...

【技术保护点】

1.一种基板处理装置,其特征在于,具备:

2.根据权利要求1所述的基板处理装置,其特征在于,

3.根据权利要求1或2所述的基板处理装置,其特征在于,

4.根据权利要求1~3中任一项所述的基板处理装置,其特征在于,

5.根据权利要求1~4中任一项所述的基板处理装置,其特征在于,具备:

6.一种信息处理系统,其特征在于,具备:

【技术特征摘要】
【国外来华专利技术】

1.一种基板处理装置,其特征在于,具备:

2.根据权利要求1所述的基板处理装置,其特征在于,

3.根据权利要求1或2所述的基板处理装置,其特征在于,

4.根...

【专利技术属性】
技术研发人员:铃木佑多高桥广毅中村显渡边和英松尾尚典神子岛隆仁
申请(专利权)人:株式会社荏原制作所
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1