CN116690402B - 抛光机工艺参数调节方法、装置、计算机设备和存储介质 - Google Patents
抛光机工艺参数调节方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116690402B CN116690402B CN202310995157.1A CN202310995157A CN116690402B CN 116690402 B CN116690402 B CN 116690402B CN 202310995157 A CN202310995157 A CN 202310995157A CN 116690402 B CN116690402 B CN 116690402B
- Authority
- CN
- China
- Prior art keywords
- parameters
- polishing machine
- flatness
- polishing
- temperature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 276
- 238000005498 polishing Methods 0.000 title claims abstract description 273
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 226
- 238000004458 analytical method Methods 0.000 claims abstract description 50
- 238000001816 cooling Methods 0.000 claims description 33
- 239000007788 liquid Substances 0.000 claims description 28
- 239000000498 cooling water Substances 0.000 claims description 22
- 230000017525 heat dissipation Effects 0.000 claims description 22
- 238000013528 artificial neural network Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 15
- 238000007517 polishing process Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 230000000694 effects Effects 0.000 abstract description 12
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 229910052710 silicon Inorganic materials 0.000 description 9
- 239000010703 silicon Substances 0.000 description 9
- 235000012431 wafers Nutrition 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 239000003638 chemical reducing agent Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 239000004809 Teflon Substances 0.000 description 2
- 229920006362 Teflon® Polymers 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005238 degreasing Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B29/00—Machines or devices for polishing surfaces on work by means of tools made of soft or flexible material with or without the application of solid or liquid polishing agents
- B24B29/02—Machines or devices for polishing surfaces on work by means of tools made of soft or flexible material with or without the application of solid or liquid polishing agents designed for particular workpieces
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
- B24B49/14—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation taking regard of the temperature during grinding
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B51/00—Arrangements for automatic control of a series of individual steps in grinding a workpiece
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B55/00—Safety devices for grinding or polishing machines; Accessories fitted to grinding or polishing machines for keeping tools or parts of the machine in good working condition
- B24B55/02—Equipment for cooling the grinding surfaces, e.g. devices for feeding coolant
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
- Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
Abstract
本申请涉及一种抛光机工艺参数调节方法、装置、计算机设备和存储介质。所述方法包括:控制所述抛光机进行抛光,并获取所述抛光机内多个区域采集的温度数据和所述抛光机的工艺参数;将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到目标工艺参数;将所述抛光机的工艺参数实时调整为目标工艺参数。采用本方法能够实现通过调整工艺参数对温度进行灵活控制,达到提高抛光品质的效果。
Description
技术领域
本申请涉及抛光机技术领域,特别是涉及一种抛光机工艺参数调节方法、装置、计算机设备和存储介质。
背景技术
如今,科学技术的发展越来越依赖于高性能的芯片,因此人们对高性能芯片的重视程度也与日俱增。随着半导体特征尺寸的减小以及集成度的提高,硅片平整度成为芯片质量的重要影响因素之一。
在抛光过程中,温度是对硅片平整度造成影响的因素之一,当温度出现失衡时,得到的硅片平整度也相对较差,且同一陶瓷盘内的硅片一致性较低。传统技术中,往往通过设定特定的温度和流量实现大盘冷却,以及设定特定的工艺参数对硅片进行抛光,然而这样的设定往往无法适应于抛光的多个阶段,以及当出现工艺条件发生变化时,根据特定温度和流量进行温度控制反而可能导致抛光***温度失衡,造成对硅片平整度的不良影响。
由此可见,目前的抛光机技术仍存在温度控制灵活性低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高抛光机温度控制灵活性的抛光机工艺参数调节方法、装置、计算机设备和存储介质。
第一个方面,本实施例提供了一种抛光机工艺参数调节方法,所述方法包括:
控制所述抛光机进行抛光,并获取所述抛光机内多个区域采集的温度数据和所述抛光机的工艺参数;
将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到目标工艺参数;
将所述抛光机的工艺参数实时调整为目标工艺参数。
在其中一个实施例中,所述平整度参数包括预测平整度和实时平整度,所述将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到调整后的工艺参数之前还包括:
所述抛光机进行抛光的过程中,实时获取传感器所采集的所述待抛光物件的实时平整度;
将所述温度数据、所述工艺参数和待抛光物件的实时平整度输入至预先训练的平整度预测模型,得到所述预测平整度。
在其中一个实施例中,所述抛光机包括定盘冷却***,所述工艺参数包括冷却水的温度和流量,所述将所述抛光机的工艺参数实时调整为目标工艺参数包括:
基于所述目标工艺参数调整所述冷却水的温度和流量,并控制所述抛光机进行抛光。
在其中一个实施例中,所述抛光机包括抛光液冷却***,所述工艺参数包括所述抛光液的温度和流量,所述将所述抛光机的工艺参数实时调整为目标工艺参数包括:
基于所述目标工艺参数调整所述抛光液的温度和流量,并控制所述抛光机进行抛光。
在其中一个实施例中,所述抛光机包括定盘下部散热***,所述定盘下部散热***包括散热风扇,所述温度数据包括定盘的下部温度,所述工艺参数包括所述散热风扇的转速,所述将所述抛光机的工艺参数实时调整为目标工艺参数包括:
基于所述目标工艺参数调整所述散热风扇的转速。
在其中一个实施例中,所述抛光机包括无尘室,所述温度数据包括所述无尘室的室内温度,所述将所述抛光机的工艺参数实时调整为目标工艺参数包括:
基于所述目标工艺参数调整所述无尘室的室内温度。
在其中一个实施例中,所述抛光机的定盘上设置有至少两个温度传感器,所述温度传感器平行设置于定盘表面上方,所述温度数据包括所述至少两个温度传感器所采集的温度信息;
所述获取抛光机内多个区域采集的温度数据包括:获取所述至少两个温度传感器所采集的温度信息。
在其中一个实施例中,所述将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到目标工艺参数之前包括:
获取抛光机内多个区域采集的温度数据样本以及与所述温度数据样本对应的调整前工艺参数样本、调整后工艺参数样本和平整度测量数据;
将所述温度数据样本、所述调整前工艺参数样本和平整度测量数据作为输入参数,将所述调整后工艺参数样本作为输出参数,基于所述输入参数和输出参数对前馈神经网络进行训练得到所述抛光分析模型。
第二个方面,本实施例提供了一种抛光机工艺参数调节装置,所述装置包括:
获取模块,用于控制所述抛光机进行抛光,并获取所述抛光机内多个区域采集的温度数据和所述抛光机的工艺参数;
分析模块,用于将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到目标工艺参数;
调整模块,用于将所述抛光机的工艺参数实时调整为目标工艺参数。
第三个方面,本实施例提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如上述方法的步骤。
第四个方面,本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述方法的步骤。
上述抛光机工艺参数调节方法、装置、计算机设备和存储介质,通过控制所述抛光机进行抛光,并获取所述抛光机内多个区域采集的温度数据和所述抛光机的工艺参数;将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到目标工艺参数;将所述抛光机的工艺参数实时调整为目标工艺参数,即基于抛光机内多个区域温度、各模块工艺参数以及待抛光物件的平整度进行分析,从而生成适应于当前多个区域温度和待抛光物件平整度的目标工艺参数,可以实现通过调整工艺参数对温度进行灵活控制,达到提高抛光品质的效果。
附图说明
图1为一个实施例中抛光机工艺参数调节方法的应用环境图;
图2为一个实施例中抛光机工艺参数调节方法的流程示意图;
图3为一个实施例中抛光机工艺参数调节装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的抛光机工艺参数调节方法,可以应用于如图1所示的应用环境中。抛光机可以是包括数据处理终端102和抛光装置104,其中,数据处理终端102通过网络与抛光装置104通信。抛光装置104根据工艺参数对待抛光物件进行抛光,以及可以在抛光装置的多个区域内设置有用于采集温度的传感模块,在抛光过程中,数据处理终端102可以是控制所述抛光装置104进行抛光,并获取抛光装置104中的工艺参数以及所采集的多个区域的温度数据,将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到目标工艺参数;将所述抛光机的工艺参数实时调整为目标工艺参数。相应的,抛光装置104根据调整后的目标工艺参数对待抛光物件进行抛光。
在一个实施例中,如图2所示,提供了一种抛光机工艺参数调节方法,以该方法应用于图1中的数据处理终端102为例进行说明,包括以下步骤:
步骤S100,控制所述抛光机进行抛光,并获取所述抛光机内多个区域采集的温度数据和所述抛光机的工艺参数。
其中,控制所述抛光机进行抛光,可以是依照预设的工艺参数先行控制抛光机进行抛光,其中,预设的工艺参数可以是依照所采用的表面平整技术和抛光阶段进行相应设置。
获取抛光机内多个区域采集的温度数据,其温度数据可以是由设置于抛光机内的多个温度传感模块进行采集,多个区域可以是定盘上方、定盘下方以及其他需要进行温度控制的区域的一个或多个区域,也可以是在上述区域下的多个子区域,例如,可以是分别在定盘上方和定盘下方的多个子区域设置温度传感模块,本实施例对此不作限定。
获取所述抛光机的工艺参数,可以是获取当前抛光过程中抛光机所实施的工艺参数,工艺参数可以是包括抛光装置的工艺参数,例如定盘转速、定盘中心轮转速等,也可以是包括抛光机内温控***的工艺参数,例如用液温度、用液流量、散热模块功率等,还可以是包括其他抛光机中对温度和抛光品质产生影响的参数,本实施例对此不作限定。
步骤S200,将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到目标工艺参数。
其中,待抛光物件的平整度参数可以是当前实时测量得到的待抛光物件的平整度。平整度可以是待抛光物件的表面与基准平面之间的最高点和最低点的差值,其中,平整度可以是采用一种或多种参数进行表示,例如,可以采用总厚度变化、总指示器读数、焦平面偏差等参数确定。
将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,可以是对上述参数进行预先处理,例如基于上述参数生成抛光分析模型所需要的输入特征,然后将输入特征输入至抛光分析模型中进行处理。
抛光分析模型可以是基于现有的机器学习模型或神经网络模型进行训练得到,其训练过程可以参照现有的模型训练过程,本文在此不作过多赘述。
步骤S300,将所述抛光机的工艺参数实时调整为目标工艺参数。
可以理解的是,所得到的目标工艺参数是基于多个区域的温度数据和待抛光物件的平整度参数对工艺参数进行调整得到的,因此个别工艺参数相比于操作人员预先设置的工艺参数,可能会高于或低于其预设值,以实现针对温度和平整度的适应性调整,例如在可能出现温度失衡的情况下,通过调整为目标工艺参数,可以实现温度的实时动态调整,以确保抛光机内温度处于更稳定的预设范围内。
本实施例提供的一种抛光机工艺参数调节方法,通过控制所述抛光机进行抛光,并获取所述抛光机内多个区域采集的温度数据和所述抛光机的工艺参数;将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到目标工艺参数;将所述抛光机的工艺参数实时调整为目标工艺参数,即基于抛光机内多个区域温度、各模块工艺参数以及待抛光物件的平整度进行分析,从而生成适应于当前多个区域温度和待抛光物件平整度的目标工艺参数,可以实现通过调整工艺参数对温度进行灵活控制,达到提高抛光品质的效果。
在其中一个实施例中,所述平整度参数包括预测平整度和实时平整度,所述将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到调整后的工艺参数之前还包括:
所述抛光机进行抛光的过程中,实时获取传感器所采集的所述待抛光物件的实时平整度;
将所述温度数据、所述工艺参数和待抛光物件的实时平整度输入至预先训练的平整度预测模型,得到所述预测平整度。
其中,实时平整度即基于抛光机内的平整度测量设备进行实时测量得到。平整度测量设备可以是采用例如扫描电镜法、原子力显微镜法、白光干涉法、激光扫描法等方法进行测量,还可以是其他表面平整度的测量方法,本文对此不作限定。
预测平整度是基于当前抛光机内的运行参数对将来预设时间内的平整度进行预测,从而得到的平整度参数。进一步的,预测平整度是基于当前的温度数据、工艺参数和实时平整度进行预测得到的平整度参数。
进一步的,将待抛光物件的平整度参数输入至预先训练的抛光分析模型,可以是将实时平整度和预测平整度均作为输入特征之一,输入至抛光分析模型中。可以理解的是,在预测平整度的参考下,抛光分析模型可以分析得到更有利于得到目标平整度的目标工艺参数,从而达到提高抛光品质的效果。
抛光分析模型可以是基于前馈神经网络训练得到,前馈神经网络(FeedforwardNeural Network),具体的,可以是采用反向传播算法的前馈网络。其训练过程可以参照反向传播神经网络模型训练过程,本文在此不作过多赘述。
本实施例提供的一种抛光机工艺参数调节方法,通过基于当前的温度数据、工艺参数和实时平整度分析得到预测平整度,并将预测平整度和实时平整度共同作为平整度参数,可以进一步提高目标工艺参数的准确性,达到提高抛光品质的效果。
在其中一个实施例中,所述抛光机包括定盘冷却***,所述工艺参数包括冷却水的温度和流量,所述将所述抛光机的工艺参数实时调整为目标工艺参数包括:
基于所述目标工艺参数调整所述冷却水的温度和流量,并控制所述抛光机进行抛光。
其中,定盘冷却***可以是设置于定盘下方,通过在定盘冷却***中注入冷却水,通过冷却水流经定盘下方实现热传导,从而对定盘进行降温。进一步的,定盘冷却***可以是通过温控盘流通冷却水,其温控盘可以是采取环形水道式结构,通过这种结构,可以使定盘表面温度分布更均匀,且使定盘的热变形程度更小,此外,水道优先流向区域优化,可以更好地维持定盘表面温度的稳定性。
工艺参数包括冷却水的温度和流量,其中,温度可以是通过控制冷却水的温控装置功率,进行冷却水的温度控制,流量可以是通过控制冷却水的水泵功率,进行冷却水的流量控制。相应的,基于目标工艺参数调整所述冷却水的温度和流量,可以是对冷却水的温控装置和水泵的运行参数进行调整。
本实施例提供的一种抛光机工艺参数调节方法,通过将冷却水的温度和流量作为抛光分析模型的输入特征之一,可以实现根据温度数据和平整度参数对定盘的温度进行调整,防止定盘因温度失衡造成热形变而影响平整度,可以达到提高抛光品质的效果。
在其中一个实施例中,所述抛光机包括抛光液冷却***,所述工艺参数包括所述抛光液的温度和流量,所述将所述抛光机的工艺参数实时调整为目标工艺参数包括:
基于所述目标工艺参数调整所述抛光液的温度和流量,并控制所述抛光机进行抛光。
其中,抛光液是一种不含硫、磷、氯添加剂的水溶性抛光剂,具有良好的去油污、防锈、清洗和增光的性能。本实施例中的抛光液应用于化学机械抛光技术,化学机械抛光技术可以避免单纯的化学抛光可能产生的表面平整度和平行度差、以及单纯的机械抛光可能产生的损伤层深、光洁度差的问题。
可以理解的是,在抛光过程中,抛光液将与待抛光物件直接接触并发生化学反应,与机械作用过程的交替进行中完成表面抛光,因此抛光液的温度和流量对待抛光物件的平整度也起到重要作用。
工艺参数包括抛光液的温度和流量,其中,温度可以是通过控制抛光液的温控装置功率,进行抛光液的温度控制,例如,可以是通过冷却表面镀有特氟龙的环形铜管对抛光液进行温度控制。流量可以是通过控制抛光液供应装置的参数进行抛光液的流量控制,例如,可以通过控制水泵实现抛光液的定量供给。相应的,基于目标工艺参数调整所述抛光液的温度和流量,可以是对抛光液的温控装置和供应装置的运行参数进行调整。
本实施例提供的一种抛光机工艺参数调节方法,通过将抛光液的温度和流量作为抛光分析模型的输入特征之一,可以实现根据温度数据和平整度参数对定盘上表面的温度进行调整,防止定盘上表面因温度失衡造成热形变而影响平整度,可以达到提高抛光品质的效果。
在其中一个实施例中,所述抛光机包括定盘下部散热***,所述定盘下部散热***包括散热风扇,所述温度数据包括定盘的下部温度,所述工艺参数包括所述散热风扇的转速,所述将所述抛光机的工艺参数实时调整为目标工艺参数包括:
基于所述目标工艺参数调整所述散热风扇的转速。
其中,定盘下部散热***即设置于定盘下方的散热***。定盘作为机械抛光过程的磨削部件,通过定盘下部的电机进行驱动旋转,以及通过减速机进行制动。在电机和减速机运作功率过大或时间过长等情况下,定盘在抛光过程中可能存在稳定性降低的问题。
定盘下部的装置主要通过散热风扇进行散热。基于目标工艺参数调整散热风扇的转速,可以是对散热风扇的电机发送控制指令,从而控制其散热程度。
本实施例提供的一种抛光机工艺参数调节方法,通过将定盘下部散热***的风扇转速作为抛光分析模型的输入特征之一,可以实现根据温度数据和平整度参数对定盘下部散热的散热效率进行调整,防止电机和减速机运作功率过大或时间过长导致定盘稳定性降低,进而导致影响平整度,可以达到提高抛光品质的效果。
在其中一个实施例中,所述抛光机包括无尘室,所述温度数据包括所述无尘室的室内温度,所述将所述抛光机的工艺参数实时调整为目标工艺参数包括:
基于所述目标工艺参数调整所述无尘室的室内温度。
其中,无尘室是一定空间范围内排除掉空气中微粒子、有害空气、细菌等污染物,并将温度、洁净度、室内压力、气流流速及分布、静电电荷等控制在预设需求范围内的空间。在本实施例中,无尘室可以是抛光机所处的环境,则无尘室的室内温度即代表抛光机的环境温度,而环境温度过高或过低均可能影响抛光机本身的运作效率,进一步导致待抛光物件的平整度降低。
工艺参数包括无尘室的室内温度,基于目标工艺参数调整无尘室的室内温度,可以是通过无尘室的温控装置对无尘室的室内温度进行调整。
本实施例提供的一种抛光机工艺参数调节方法,通过将无尘室的室内温度作为抛光分析模型的输入特征之一,可以实现根据温度数据和平整度参数对抛光机工作环境温度进行调整,从而提高抛光机的工作稳定性,可以达到提高抛光品质的效果。
在其中一个实施例中,所述抛光机的定盘上设置有至少两个温度传感器,所述温度传感器平行设置于定盘表面上方,所述温度数据包括所述至少两个温度传感器所采集的温度信息;
所述获取抛光机内多个区域采集的温度数据包括:获取所述至少两个温度传感器所采集的温度信息。
其中,温度传感器平行设置于定盘表面上方,即至少两个温度传感器所处平面与定盘的理想平面相平行,并设置于定盘的上方。进一步的,抛光机可以是分为上下两部,下部对应设置有定盘,上部向下延伸有加压板、陶瓷盘等,温度传感器可以是设置于该上部中。进一步的,温度传感器是可以基于所处平面上距离定盘中心轴的距离,依次分布设置,也可以是基于定盘盘型的不同区域依次设置在所处平面上的位置。
可以理解的是,通过将工艺参数调整为目标工艺参数,可以维持上述至少两个温度传感器所处区域的温度稳定,但上述对应的至少两个区域的温度并不需要完全相同,其温度值可以浮动于预设允许的阈值范围内。
本实施例提供的一种抛光机工艺参数调节方法,通过在定盘表面平行设置至少两个温度传感器,可以实现对定盘上表面的多个温度进行采集,得到较为准确的温度数据,可以避免因数据采集不准确导致目标工艺参数的准确率下降的问题,从而达到提高抛光品质的效果。
在其中一个实施例中,所述将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到目标工艺参数之前包括:
获取抛光机内多个区域采集的温度数据样本以及与所述温度数据样本对应的调整前工艺参数样本、调整后工艺参数样本和平整度测量数据;
将所述温度数据样本、所述调整前工艺参数样本和平整度测量数据作为输入参数,将所述调整后工艺参数样本作为输出参数,基于所述输入参数和输出参数对前馈神经网络进行训练得到所述抛光分析模型。
其中,温度数据样本与调整前工艺参数样本、调整后工艺参数样本以及平整度测量数据相对应,其样本内容可以是基于先前的实验数据得到,其中,调整前工艺参数样本可以是出于应对不同抛光过程和意外情况的需要进行设置,调整后工艺参数样本则可以是历史抛光进程中人为调整得到的参数样本,例如,操作人员可以根据对应温度数据中不同区域的温度情况,对工艺参数进行相应调整,并将调整后的工艺参数作为调整后工艺参数样本,并记录该工艺参数在抛光一定时间后得到的平整度测量数据。
基于输入参数和输出参数对前馈神经网络进行训练,前馈神经网络可以是BP神经网络,按照误差逆向传播算法进行训练。
本实施例提供的一种抛光机工艺参数调节方法,通过将所述温度数据样本、所述调整前工艺参数样本和平整度测量数据作为输入参数,将所述调整后工艺参数样本作为输出参数,基于所述输入参数和输出参数对前馈神经网络进行训练得到所述抛光分析模型,可以实现抛光分析模型的构建和训练。
为了更清楚地阐述本申请的技术方案,本申请还提供了一个详细实施例。
在本实施例中,抛光机包括定盘冷却***、抛光液冷却***、定盘下部散热***。其中,定盘冷却***可以包括设置于定盘底部的温控盘,温控盘可以采用环形六水道散热结构,使得冷却水的分布更加均匀,进一步使得定盘表面温度分布更加均匀,热变形更小,且使水道优先流向需要的区域进行优化,维持抛光时定盘表面温度的稳定性;抛光液冷却***通过抛光液供给装置,将抛光液输入至定盘上表面,抛光液桶内通过冷却表面镀有特氟龙的环形铜管对抛光液进行冷却,水泵将抛光液供给至定盘表面;定盘下部散热***设置于定盘的下方,通过散热风扇对定盘的电机和减速机进行散热,抛光机设置于无尘室中。定盘上部还平行设置有四个温度传感器,并按照与定盘中心轴的距离,由内到外测量温度t1,t2,t3,t4,从而实现温度的采集。
本实施例的抛光工艺参数调节方法包括:
预先构建平整度预测模型和抛光分析模型,平整度预测模型用于预测硅片平整度在当前温度数据和工艺参数的影响下,在未来一定时间内的平整度参数,抛光分析模型用于基于当前温度数据、工艺参数和平整度参数分析目标工艺参数,以对当前的工艺参数进行调整。
获取历史抛光过程中的实验样本,包括温度数据样本、调整前工艺参数、调整后工艺参数以及平整度参数样本,调整前工艺参数和调整后工艺参数具体包括:定盘冷却***的冷却水的温度T1和流量L1,抛光液冷却***的抛光液的温度T2和流量L2,定盘下部散热***的风扇转速n1和下盘温度T3,无尘室的温度T4。平整度参数包括TTV(Total ThicknessVariation,总厚度变化)和SBIR(SiteFlatness Back Ideal Range,局部平整度)。
基于上述参数,设定X={T1,T2,T3,T4,t1,t2,t3,t4,L1,L2,n1}作为平整度预测模型的输入参数,硅片平整度参数Y={TTV,SBIR}作为平整度预测模型的输出参数,神经元的输出为。
采用BP神经网络构建平整度预测模型,包括输入层、隐含层和输出层。输入层神经元个数与输入数据的维度相同,设定隐含层层数为9层。BP神经网络损失函数为:
其中,m表示采集温度数据、工艺参数和平整度参数的样本次数,表示用参数θ和x预测出来的y值,y表示平整度参数TTV和SBIR,上角标(i)表示其为第i个样本。
对于每组样本进行处理得到一个误差,并对所有样本的误差之和求最小值,实现最优化。本实施例中,BP神经网络采用对数S型传输函数Logsig作为激活函数,即y=1/(1+e-x)。
在第h层隐含层,单样本的梯度计算公式如下:
输入层到隐含层的权重梯度公式如下:
其中,为隐含层的节点梯度:
基于上述设定,以及输入参数和输入参数对BP神经网络进行训练,得到训练好的平整度预测模型。
获取经过平整度预测模型处理验证后的实验样本,包括温度数据、调整前工艺参数和调整后工艺参数以及平整度参数,基于与上述设定方法类似的训练方法,将温度数据、调整前工艺参数和平整度参数作为输入参数,调整后工艺参数作为输出参数,对BP神经网络进行训练得到抛光分析模型。
抛光过程中,获取定盘上部四个温度传感器所采集的温度数据,以及抛光机的当前工艺参数,工艺参数包括冷却水的温度和流量、抛光液的温度和流量、风扇转速和下部温度,以及无尘室的室内温度,以及硅片的实时平整度。
将温度数据、当前工艺参数和实时平整度输入至平整度预测模型,得到预测平整度参数,并将预测平整度与实时平衡度以及上述温度数据、当前工艺参数输入至抛光分析模型中,得到目标工艺参数。
将抛光机的工艺参数实时调整为目标工艺参数,可以是基于目标工艺参数调整冷却水的温度和流量、抛光液的温度和流量、散热风扇转速和无尘室的室内温度,并控制抛光机进行抛光。
本实施例提供的一种抛光机工艺参数调节方法,基于抛光机内多个区域温度、各模块工艺参数以及待抛光物件的平整度进行分析,从而生成适应于当前多个区域温度和待抛光物件平整度的目标工艺参数,可以实现通过调整工艺参数对温度进行灵活控制,达到提高抛光品质的效果;基于当前的温度数据、工艺参数和实时平整度分析得到预测平整度,并将预测平整度和实时平整度共同作为平整度参数,可以进一步提高目标工艺参数的准确性,达到提高抛光品质的效果;通过控制冷却水、抛光液的温度和流量,可以防止定盘下部和上表面温度失衡造成热形变而影响平整度,通过控制定盘下部散热风扇的转速,可以提高定盘的稳定性,通过控制无尘室的室内温度,可以对抛光机工作环境的温度做出调整,可以达到提高抛光品质的效果。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的抛光机工艺参数调节方法的抛光机工艺参数调节装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个抛光机工艺参数调节装置实施例中的具体限定可以参见上文中对于抛光机工艺参数调节方法的限定,在此不再赘述。
在一个实施例中,如图3所示,提供了一种抛光机工艺参数调节装置,包括:获取模块100、分析模块200和调整模块300,其中:
获取模块100,用于控制所述抛光机进行抛光,并获取所述抛光机内多个区域采集的温度数据和所述抛光机的工艺参数;
分析模块200,用于将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到目标工艺参数;
调整模块300,用于将所述抛光机的工艺参数实时调整为目标工艺参数。
其中一个实施例中,所述平整度参数包括预测平整度和实时平整度,所述装置还包括平整度分析模块,用于:所述抛光机进行抛光的过程中,实时获取传感器所采集的所述待抛光物件的实时平整度;将所述温度数据、所述工艺参数和待抛光物件的实时平整度输入至预先训练的平整度预测模型,得到所述预测平整度。
在其中一个实施例中,所述抛光机包括定盘冷却***,所述工艺参数包括冷却水的温度和流量,所述调整模块300还用于基于所述目标工艺参数调整所述冷却水的温度和流量,并控制所述抛光机进行抛光。
在其中一个实施例中,所述抛光机包括抛光液冷却***,所述工艺参数包括所述抛光液的温度和流量,所述调整模块300还用于基于所述目标工艺参数调整所述抛光液的温度和流量,并控制所述抛光机进行抛光。
在其中一个实施例中,所述抛光机包括定盘下部散热***,所述定盘下部散热***包括散热风扇,所述温度数据包括定盘的下部温度,所述工艺参数包括所述散热风扇的转速,所述调整模块300还用于基于所述目标工艺参数调整所述散热风扇的转速。
在其中一个实施例中,所述抛光机包括无尘室,所述温度数据包括所述无尘室的室内温度,所述调整模块300还用于基于所述目标工艺参数调整所述无尘室的室内温度。
在其中一个实施例中,所述抛光机的定盘上设置有至少两个温度传感器,所述温度传感器平行设置于定盘表面上方,所述温度数据包括所述至少两个温度传感器所采集的温度信息;所述获取模块100还用于获取所述至少两个温度传感器所采集的温度信息。
在其中一个实施例中,所述装置还包括模型训练模块,用于获取抛光机内多个区域采集的温度数据样本以及与所述温度数据样本对应的调整前工艺参数样本、调整后工艺参数样本和平整度测量数据;将所述温度数据样本、所述调整前工艺参数样本和平整度测量数据作为输入参数,将所述调整后工艺参数样本作为输出参数,基于所述输入参数和输出参数对前馈神经网络进行训练得到所述抛光分析模型。
上述抛光机工艺参数调节装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图4所示。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种抛光机工艺参数调节方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
控制所述抛光机进行抛光,并获取所述抛光机内多个区域采集的温度数据和所述抛光机的工艺参数;
将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到目标工艺参数;
将所述抛光机的工艺参数实时调整为目标工艺参数。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
控制所述抛光机进行抛光,并获取所述抛光机内多个区域采集的温度数据和所述抛光机的工艺参数;
将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到目标工艺参数;
将所述抛光机的工艺参数实时调整为目标工艺参数。需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random AccessMemory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (9)
1.一种抛光机工艺参数调节方法,其特征在于,所述方法包括:
获取抛光机内多个区域采集的温度数据样本以及与所述温度数据样本对应的调整前工艺参数样本、调整后工艺参数样本和平整度测量数据;
将所述温度数据样本、所述调整前工艺参数样本和平整度测量数据作为输入参数,将所述调整后工艺参数样本作为输出参数,基于所述输入参数和输出参数对前馈神经网络进行训练得到抛光分析模型;
控制所述抛光机进行抛光,并获取所述抛光机内多个区域采集的温度数据和所述抛光机的工艺参数;
将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到目标工艺参数;所述平整度参数包括预测平整度和实时平整度;所述将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到目标工艺参数之前还包括:所述抛光机进行抛光的过程中,实时获取传感器所采集的所述待抛光物件的实时平整度;将所述温度数据、所述工艺参数和待抛光物件的实时平整度输入至预先训练的平整度预测模型,得到所述预测平整度;
将所述抛光机的工艺参数实时调整为目标工艺参数。
2.根据权利要求1所述的抛光机工艺参数调节方法,其特征在于,所述抛光机包括定盘冷却***,所述工艺参数包括冷却水的温度和流量,所述将所述抛光机的工艺参数实时调整为目标工艺参数包括:
基于所述目标工艺参数调整所述冷却水的温度和流量,并控制所述抛光机进行抛光。
3.根据权利要求1所述的抛光机工艺参数调节方法,其特征在于,所述抛光机包括抛光液冷却***,所述工艺参数包括所述抛光液的温度和流量,所述将所述抛光机的工艺参数实时调整为目标工艺参数包括:
基于所述目标工艺参数调整所述抛光液的温度和流量,并控制所述抛光机进行抛光。
4.根据权利要求1所述的抛光机工艺参数调节方法,其特征在于,所述抛光机包括定盘下部散热***,所述定盘下部散热***包括散热风扇,所述温度数据包括定盘的下部温度,所述工艺参数包括所述散热风扇的转速,所述将所述抛光机的工艺参数实时调整为目标工艺参数包括:
基于所述目标工艺参数调整所述散热风扇的转速。
5.根据权利要求1所述的抛光机工艺参数调节方法,其特征在于,所述抛光机包括无尘室,所述温度数据包括所述无尘室的室内温度,所述将所述抛光机的工艺参数实时调整为目标工艺参数包括:
基于所述目标工艺参数调整所述无尘室的室内温度。
6.根据权利要求1所述的抛光机工艺参数调节方法,其特征在于,所述抛光机的定盘上设置有至少两个温度传感器,所述温度传感器平行设置于定盘表面上方,所述温度数据包括所述至少两个温度传感器所采集的温度信息;
所述获取抛光机内多个区域采集的温度数据包括:获取所述至少两个温度传感器所采集的温度信息。
7.一种抛光机工艺参数调节装置,其特征在于,所述装置包括:
模型训练模块,用于获取抛光机内多个区域采集的温度数据样本以及与所述温度数据样本对应的调整前工艺参数样本、调整后工艺参数样本和平整度测量数据;将所述温度数据样本、所述调整前工艺参数样本和平整度测量数据作为输入参数,将所述调整后工艺参数样本作为输出参数,基于所述输入参数和输出参数对前馈神经网络进行训练得到抛光分析模型;
获取模块,用于控制所述抛光机进行抛光,并获取所述抛光机内多个区域采集的温度数据和所述抛光机的工艺参数;
平整度分析模块,用于所述抛光机进行抛光的过程中,实时获取传感器所采集的待抛光物件的实时平整度;将所述温度数据、所述工艺参数和待抛光物件的实时平整度输入至预先训练的平整度预测模型,得到预测平整度;
分析模块,用于将所述温度数据、所述工艺参数和待抛光物件的平整度参数输入至预先训练的抛光分析模型,得到目标工艺参数;所述平整度参数包括预测平整度和实时平整度;
调整模块,用于将所述抛光机的工艺参数实时调整为目标工艺参数。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至权利要求6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至权利要求6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310995157.1A CN116690402B (zh) | 2023-08-09 | 2023-08-09 | 抛光机工艺参数调节方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310995157.1A CN116690402B (zh) | 2023-08-09 | 2023-08-09 | 抛光机工艺参数调节方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116690402A CN116690402A (zh) | 2023-09-05 |
CN116690402B true CN116690402B (zh) | 2023-11-14 |
Family
ID=87831617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310995157.1A Active CN116690402B (zh) | 2023-08-09 | 2023-08-09 | 抛光机工艺参数调节方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116690402B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117161892B (zh) * | 2023-10-25 | 2024-01-26 | 苏州博宏源机械制造有限公司 | 一种基于抛光材料属性检测的抛光组件智能控制*** |
CN117549205B (zh) * | 2024-01-11 | 2024-04-02 | 东晶电子金华有限公司 | 一种石英晶片的抛光方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000343380A (ja) * | 1999-05-31 | 2000-12-12 | Toshiba Mach Co Ltd | 加工機械における運転条件の決定方法 |
JP2002343753A (ja) * | 2001-05-21 | 2002-11-29 | Nikon Corp | シミュレーション方法及び装置、加工装置、加工システム、並びに半導体デバイス製造方法 |
WO2010126902A2 (en) * | 2009-04-30 | 2010-11-04 | Applied Materials, Inc. | Temperature control of chemical mechanical polishing |
CN204621792U (zh) * | 2015-04-02 | 2015-09-09 | 广东工业大学 | 化学机械抛光过程中抛光界面的温度检测装置 |
CN107234495A (zh) * | 2017-07-24 | 2017-10-10 | 黄亦翔 | 建立平均材料去除速率预测模型的方法及预测速率的方法 |
WO2020137802A1 (ja) * | 2018-12-28 | 2020-07-02 | 株式会社荏原製作所 | パッド温度調整装置、パッド温度調整方法、研磨装置、および研磨システム |
WO2021241124A1 (ja) * | 2020-05-29 | 2021-12-02 | 株式会社Screenホールディングス | 基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデル |
CN114627985A (zh) * | 2022-01-26 | 2022-06-14 | 苏州中砥半导体材料有限公司 | 一种磷化铟材料的抛光工艺优化方法、***及介质 |
CN115948964A (zh) * | 2022-12-16 | 2023-04-11 | 东南大学 | 一种基于ga-bp神经网络的路面平整度预测方法 |
CN116012845A (zh) * | 2022-12-06 | 2023-04-25 | 合肥视展光电科技有限公司 | 一种轧辊磨床屏幕参数自动识别***及方法 |
CN116522806A (zh) * | 2023-07-03 | 2023-08-01 | 泉州装备制造研究所 | 抛光工艺参数优化方法、抛光***、电子设备及存储介质 |
CN116533127A (zh) * | 2023-07-06 | 2023-08-04 | 浙江晶盛机电股份有限公司 | 抛光压力调节方法、装置、计算机设备和存储介质 |
-
2023
- 2023-08-09 CN CN202310995157.1A patent/CN116690402B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000343380A (ja) * | 1999-05-31 | 2000-12-12 | Toshiba Mach Co Ltd | 加工機械における運転条件の決定方法 |
JP2002343753A (ja) * | 2001-05-21 | 2002-11-29 | Nikon Corp | シミュレーション方法及び装置、加工装置、加工システム、並びに半導体デバイス製造方法 |
WO2010126902A2 (en) * | 2009-04-30 | 2010-11-04 | Applied Materials, Inc. | Temperature control of chemical mechanical polishing |
CN204621792U (zh) * | 2015-04-02 | 2015-09-09 | 广东工业大学 | 化学机械抛光过程中抛光界面的温度检测装置 |
CN107234495A (zh) * | 2017-07-24 | 2017-10-10 | 黄亦翔 | 建立平均材料去除速率预测模型的方法及预测速率的方法 |
WO2020137802A1 (ja) * | 2018-12-28 | 2020-07-02 | 株式会社荏原製作所 | パッド温度調整装置、パッド温度調整方法、研磨装置、および研磨システム |
WO2021241124A1 (ja) * | 2020-05-29 | 2021-12-02 | 株式会社Screenホールディングス | 基板処理装置、基板処理方法、学習用データの生成方法、学習方法、学習装置、学習済モデルの生成方法、および、学習済モデル |
CN114627985A (zh) * | 2022-01-26 | 2022-06-14 | 苏州中砥半导体材料有限公司 | 一种磷化铟材料的抛光工艺优化方法、***及介质 |
CN116012845A (zh) * | 2022-12-06 | 2023-04-25 | 合肥视展光电科技有限公司 | 一种轧辊磨床屏幕参数自动识别***及方法 |
CN115948964A (zh) * | 2022-12-16 | 2023-04-11 | 东南大学 | 一种基于ga-bp神经网络的路面平整度预测方法 |
CN116522806A (zh) * | 2023-07-03 | 2023-08-01 | 泉州装备制造研究所 | 抛光工艺参数优化方法、抛光***、电子设备及存储介质 |
CN116533127A (zh) * | 2023-07-06 | 2023-08-04 | 浙江晶盛机电股份有限公司 | 抛光压力调节方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
曲面玻璃抛光工艺参数的分析与控制;翟守元;孟桂珍;;山东轻工业学院学报(第03期);第33-36页 * |
翟守元 ; 孟桂珍 ; .曲面玻璃抛光工艺参数的分析与控制.山东轻工业学院学报.(第03期),第33-36页. * |
Also Published As
Publication number | Publication date |
---|---|
CN116690402A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116690402B (zh) | 抛光机工艺参数调节方法、装置、计算机设备和存储介质 | |
US12036634B2 (en) | Substrate processing control system, substrate processing control method, and program | |
US6889177B1 (en) | Large area pattern erosion simulator | |
US6564116B2 (en) | Method for determining efficiently parameters in chemical-mechanical polishing (CMP) | |
Lee et al. | A wafer-scale material removal rate profile model for copper chemical mechanical planarization | |
KR102218204B1 (ko) | 버프 연마 처리에 있어서의 연마량의 시뮬레이션 방법 및 버프 연마 장치 | |
CN1602546A (zh) | 基于原位传感器的半导体处理工序控制 | |
Cai et al. | A virtual metrology method with prediction uncertainty based on Gaussian process for chemical mechanical planarization | |
CN1860487A (zh) | 使用第一原理仿真分析半导体处理工具执行的处理的***和方法 | |
KR20010003118A (ko) | 반도체 소자의 소정 물질층의 패턴밀도를 구하는 방법 및 이를 이용한 화학기계적 연마의 시뮬레이션 방법 | |
CN1860440A (zh) | 用于工具上半导体仿真的***和方法 | |
CN116985021B (zh) | 一种智能抛光装置和方法 | |
CN116533127B (zh) | 抛光压力调节方法、装置、计算机设备和存储介质 | |
Di et al. | Enhanced virtual metrology on chemical mechanical planarization process using an integrated model and data-driven approach | |
JP2018065212A (ja) | 基板処理制御システム、基板処理制御方法、およびプログラム | |
US11436392B2 (en) | Substrate processing apparatus and storage medium having program stored therein | |
TWI826943B (zh) | 用於對保持環評估拋光及優化拋光的方法以及包括執行該方法的電腦程式編碼的非瞬態電腦可讀媒體 | |
Kim et al. | A run-to-run controller for a chemical mechanical planarization process using least squares generative adversarial networks | |
Khanna et al. | Methodology for pad conditioning sweep optimization for advanced nodes | |
Srivastava et al. | A Full Wafer-Scale PAML Modeling Approach for Predicting CMP | |
KR20210100277A (ko) | 전력 최적화 스케쥴러의 동작 방법 및 전력 최적화 스케쥴러를 포함하는 컴퓨팅 장치 | |
Ahn et al. | Run-to-run process control of magnetic abrasive finishing using bonded abrasive particles | |
TW202339896A (zh) | 資訊處理裝置、推論裝置、機械學習裝置、資訊處理方法、推論方法、及機械學習方法 | |
Deivendran et al. | Virtual metrology for chemical mechanical planarization of semiconductor wafers | |
JP2024065309A (ja) | 情報処理装置及び情報処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |