JP7374751B2 - Pad temperature adjustment device, pad temperature adjustment method, polishing device, and polishing system - Google Patents
Pad temperature adjustment device, pad temperature adjustment method, polishing device, and polishing system Download PDFInfo
- Publication number
- JP7374751B2 JP7374751B2 JP2019228041A JP2019228041A JP7374751B2 JP 7374751 B2 JP7374751 B2 JP 7374751B2 JP 2019228041 A JP2019228041 A JP 2019228041A JP 2019228041 A JP2019228041 A JP 2019228041A JP 7374751 B2 JP7374751 B2 JP 7374751B2
- Authority
- JP
- Japan
- Prior art keywords
- polishing
- pad
- temperature
- polishing pad
- pid
- 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
- 238000005498 polishing Methods 0.000 title claims description 758
- 238000000034 method Methods 0.000 title claims description 24
- 230000006399 behavior Effects 0.000 claims description 342
- 239000007788 liquid Substances 0.000 claims description 220
- 238000010438 heat treatment Methods 0.000 claims description 184
- 239000000110 cooling liquid Substances 0.000 claims description 94
- 238000005259 measurement Methods 0.000 claims description 75
- 238000003860 storage Methods 0.000 claims description 64
- 230000008859 change Effects 0.000 claims description 59
- 238000001816 cooling Methods 0.000 claims description 50
- 238000013528 artificial neural network Methods 0.000 claims description 48
- 239000002826 coolant Substances 0.000 claims description 43
- 239000000758 substrate Substances 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 35
- 238000003825 pressing Methods 0.000 claims description 25
- 238000010801 machine learning Methods 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 16
- 238000013135 deep learning Methods 0.000 claims description 12
- 230000001276 controlling effect Effects 0.000 claims description 10
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 235000012431 wafers Nutrition 0.000 description 112
- 238000010586 diagram Methods 0.000 description 23
- 238000004891 communication Methods 0.000 description 19
- 238000009529 body temperature measurement Methods 0.000 description 16
- 230000002159 abnormal effect Effects 0.000 description 13
- 230000005856 abnormality Effects 0.000 description 11
- 230000007246 mechanism Effects 0.000 description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 238000013473 artificial intelligence Methods 0.000 description 10
- 239000011248 coating agent Substances 0.000 description 10
- 238000000576 coating method Methods 0.000 description 10
- 239000012809 cooling fluid Substances 0.000 description 10
- 239000012530 fluid Substances 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000007423 decrease Effects 0.000 description 8
- 238000002347 injection Methods 0.000 description 8
- 239000007924 injection Substances 0.000 description 8
- 238000009826 distribution Methods 0.000 description 7
- 239000004065 semiconductor Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 229920002545 silicone oil Polymers 0.000 description 6
- 239000002002 slurry Substances 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 239000006061 abrasive grain Substances 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007517 polishing process Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 1
- 239000004809 Teflon Substances 0.000 description 1
- 229920006362 Teflon® Polymers 0.000 description 1
- 235000011089 carbon dioxide Nutrition 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Finish Polishing, Edge Sharpening, And Grinding By Specific Grinding Devices (AREA)
- Mechanical Treatment Of Semiconductor (AREA)
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
Description
本発明は、ウエハなどの基板の研磨に使用される研磨パッドの表面温度を調整するためのパッド温度調整装置、およびパッド温度調整方法に関する。また、本発明は、パッド温度調整装置が組み込まれた研磨装置、および少なくとも1つの研磨装置を含む研磨システムに関する。 The present invention relates to a pad temperature adjustment device and a pad temperature adjustment method for adjusting the surface temperature of a polishing pad used for polishing a substrate such as a wafer. The present invention also relates to a polishing device incorporating a pad temperature adjustment device and a polishing system including at least one polishing device.
CMP(Chemical Mechanical Polishing)装置は、半導体デバイスの製造において、ウエハなどの基板の表面を研磨する工程に使用される。CMP装置は、少なくとも1つの研磨ユニットを有しており、該研磨ユニットは、ウエハを研磨ヘッドで保持してウエハを回転させ、さらに回転する研磨テーブル上の研磨パッドにウエハを押し付けてウエハの表面を研磨する。研磨中、研磨パッドには研磨液(スラリー)が供給され、ウエハの表面は、研磨液の化学的作用と研磨液に含まれる砥粒の機械的作用により平坦化される。 A CMP (Chemical Mechanical Polishing) apparatus is used in the process of polishing the surface of a substrate such as a wafer in the manufacture of semiconductor devices. The CMP apparatus has at least one polishing unit, which holds the wafer with a polishing head, rotates the wafer, and presses the wafer against a polishing pad on a rotating polishing table to polish the surface of the wafer. Polish. During polishing, a polishing liquid (slurry) is supplied to the polishing pad, and the surface of the wafer is flattened by the chemical action of the polishing liquid and the mechanical action of abrasive grains contained in the polishing liquid.
ウエハの研磨レートは、ウエハの研磨パッドに対する研磨荷重のみならず、研磨パッドの表面温度にも依存する。これは、ウエハに対する研磨液の化学的作用が温度に依存するからである。したがって、半導体デバイスの製造においては、ウエハの研磨レートを上げて更に一定に保つために、ウエハ研磨中の研磨パッドの表面温度を最適な値に保つことが重要とされる。 The polishing rate of a wafer depends not only on the polishing load of the wafer on the polishing pad, but also on the surface temperature of the polishing pad. This is because the chemical action of the polishing liquid on the wafer is temperature dependent. Therefore, in the manufacture of semiconductor devices, it is important to maintain the surface temperature of the polishing pad at an optimal value during wafer polishing in order to increase the wafer polishing rate and keep it constant.
そこで、研磨パッドの表面温度を調整するためにパッド温度調整装置が従来から使用されている(例えば、特許文献1、特許文献2参照)。一般に、パッド温度調整装置は、研磨パッドの表面(研磨面)に接触可能なパッド接触部材と、温度調整された加熱液および冷却液をパッド接触部材に供給する液体供給システムと、研磨パッドの表面温度を測定するパッド温度測定器と、パッド温度測定器により測定された研磨パッドの表面温度に基づいて液体供給システムを制御する制御部とを備えている。制御部は、研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するように、パッド温度測定器によって測定されたパッド表面温度に基づいて、加熱液および冷却液の流量を制御する。例えば、制御部は、目標温度と研磨パッドの表面温度との差に基づいて、液体供給システムの加熱液供給配管に配置された流量調整弁の操作量と、冷却液供給配管に配置された流量調整弁の操作量とをPID制御することにより、パッド接触部材に供給される加熱液および冷却液の流量を制御する。これにより、研磨パッドの表面温度を速やかに最適な値に到達させ、かつこの最適な値に保つことができる。
Therefore, pad temperature adjustment devices have been conventionally used to adjust the surface temperature of polishing pads (see, for example,
CMP装置の制御部は、上記PID制御に用いられるPIDパラメータ(すなわち、比例ゲインP、積分ゲインI、および微分ゲインD)を予め記憶している。CMP装置が複数の研磨ユニットを有している場合、各研磨ユニットでの研磨パッドの表面温度の調整には、同一のPIDパラメータが用いられる。さらに、半導体デバイスなどの製造工場には、複数のCMP装置が配置されていることが多い。一般に、各CMP装置の制御部には、同一のPIDパラメータが記憶されている。すなわち、複数のCMP装置は、これらCMP装置間で共通のPIDパラメータを用いて各研磨ユニットの研磨パッドの表面温度を調整している。 The control unit of the CMP apparatus stores in advance PID parameters (ie, proportional gain P, integral gain I, and differential gain D) used in the PID control. When a CMP apparatus has a plurality of polishing units, the same PID parameter is used to adjust the surface temperature of the polishing pad in each polishing unit. Furthermore, a plurality of CMP apparatuses are often installed in a manufacturing factory for semiconductor devices and the like. Generally, the same PID parameters are stored in the control section of each CMP apparatus. That is, a plurality of CMP apparatuses adjust the surface temperature of the polishing pad of each polishing unit using a common PID parameter among these CMP apparatuses.
しかしながら、同一のPIDパラメータを用いているにもかかわらず、各研磨ユニット間の機差に起因して、温度挙動にばらつきが発生してしまう。本明細書において、温度挙動とは、パッド接触部材が研磨パッドの表面温度の調整を開始する時点から目標温度に到達する時点までの、研磨パッドの表面温度の経時的な変化を示す。 However, even though the same PID parameters are used, variations in temperature behavior occur due to machine differences between polishing units. As used herein, temperature behavior refers to changes in the surface temperature of the polishing pad over time from the time when the pad contacting member starts adjusting the surface temperature of the polishing pad to the time when the target temperature is reached.
図19は、4つの研磨ユニットのそれぞれにおける温度挙動を示したグラフである。図19において、立軸は研磨パッドの表面温度を表し、横軸は時間を表す。図19において、時点Taは、パッド接触部材が研磨パッドに接触した時点、すなわち、パッド接触部材が研磨パッドの表面温度の調整を開始した時点である。図19において、時点Tbは、ウエハを保持する研磨ヘッドが研磨パッドに接触した時点、すなわち、ウエハの研磨が開始された時点である。なお、本明細書において、図19に示されるような温度挙動を示した曲線を温度挙動曲線と称する。 FIG. 19 is a graph showing the temperature behavior in each of the four polishing units. In FIG. 19, the vertical axis represents the surface temperature of the polishing pad, and the horizontal axis represents time. In FIG. 19, time Ta is the time when the pad contact member contacts the polishing pad, that is, the time when the pad contact member starts adjusting the surface temperature of the polishing pad. In FIG. 19, time Tb is the time when the polishing head holding the wafer contacts the polishing pad, that is, the time when polishing the wafer is started. Note that in this specification, a curve showing temperature behavior as shown in FIG. 19 is referred to as a temperature behavior curve.
図19に示すように、各研磨ユニットの温度挙動曲線は互いに異なっている。上述したように、ウエハの研磨レートは、研磨パッドの表面温度にも依存する。したがって、各研磨ユニット間で温度挙動が異なると、研磨性能も各研磨ユニット間で異なってしまう。例えば、図19において、温度挙動曲線R1は、温度挙動曲線R2よりも上側に位置する。これは、温度挙動曲線R1を有する研磨ユニットと温度挙動曲線R2を有する研磨ユニットとの間で研磨性能(研磨レート)が異なることを意味する。各研磨ユニット間で研磨性能が異なると、製品(すなわち、半導体デバイス)の歩留まりに悪影響を与えるおそれがある。 As shown in FIG. 19, the temperature behavior curves of each polishing unit are different from each other. As mentioned above, the wafer polishing rate also depends on the surface temperature of the polishing pad. Therefore, if the temperature behavior differs between each polishing unit, the polishing performance will also differ between each polishing unit. For example, in FIG. 19, temperature behavior curve R1 is located above temperature behavior curve R2. This means that the polishing performance (polishing rate) is different between the polishing unit having the temperature behavior curve R1 and the polishing unit having the temperature behavior curve R2. If polishing performance differs between each polishing unit, there is a possibility that the yield of products (ie, semiconductor devices) will be adversely affected.
そこで、本発明は、研磨ユニット間の研磨性能のばらつきを抑制することが可能なパッド温度調整装置、およびパッド温度調整方法を提供することを目的とする。また、本発明は、このようなパッド温度調整装置が組み込まれた研磨装置、および少なくとも1つの研磨装置を含む研磨システムを提供することを目的とする。 SUMMARY OF THE INVENTION Therefore, an object of the present invention is to provide a pad temperature adjustment device and a pad temperature adjustment method that can suppress variations in polishing performance between polishing units. Another object of the present invention is to provide a polishing device incorporating such a pad temperature adjustment device, and a polishing system including at least one polishing device.
一態様では、研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するためのパッド温度調整装置であって、前記研磨パッドの表面に接触可能であり、かつ加熱流路および冷却流路が内部に形成されたパッド接触部材と、前記加熱流路に接続された加熱液供給管と、前記冷却流路に接続された冷却液供給管と、前記加熱液供給管に取り付けられた第1流量制御バルブと、前記冷却液供給管に取り付けられた第2流量制御バルブと、を備え、温度調整された加熱液および冷却液を前記パッド接触部材に供給する液体供給システムと、前記研磨パッドの表面温度を測定するパッド温度測定器と、前記パッド温度測定器の測定値と前記目標温度との差に基づいて、前記第1流量制御バルブおよび前記第2流量制御バルブの操作量をPID制御する制御部と、を備え、前記制御部は、前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部と、少なくとも1つの温度挙動パラメータを含むデータセットを前記学習済モデルに入力し、前記PID制御のPIDパラメータの変更値を出力するための演算を実行する処理装置と、を備え、前記温度挙動曲線は、前記パッド接触部材が前記研磨パッドの表面温度の調整を開始する時点から前記目標温度に到達する時点までの、前記研磨パッドの表面温度の経時的な変化を示す曲線であり、前記データセットは、(a)前記PID制御のPIDパラメータ、前記加熱液の流量、および前記冷却液の流量からなるデータセット、(b)前記PID制御のPIDパラメータ、および前記研磨パッドに押し付けられる基板の膜厚に関連する膜厚パラメータからなるデータセット、および(c)前記PID制御のPIDパラメータ、前記研磨パッドの高さ、および前記研磨パッドで研磨される基板の研磨レートからなるデータセット、のいずれかであることを特徴とするパッド温度調整装置が提供される。 In one aspect, there is provided a pad temperature adjustment device for causing the surface temperature of a polishing pad to reach a predetermined target temperature and thereafter maintaining the temperature at the target temperature, the device being capable of contacting the surface of the polishing pad, and configured to be able to a pad contact member in which a passage and a cooling passage are formed; a heating liquid supply pipe connected to the heating passage; a cooling liquid supply pipe connected to the cooling passage; A liquid supply system comprising a first flow control valve attached to the cooling liquid supply pipe and a second flow control valve attached to the cooling liquid supply pipe, and supplying temperature-adjusted heating liquid and cooling liquid to the pad contact member. , a pad temperature measuring device that measures the surface temperature of the polishing pad, and operation of the first flow control valve and the second flow control valve based on the difference between the measured value of the pad temperature measuring device and the target temperature. a control unit that performs PID control of the amount, and the control unit is configured to maintain a temperature behavior curve created based on the measured value of the pad temperature measuring device and the measurement time within a predetermined tolerance range. A storage unit storing a learned model constructed by machine learning and a data set including at least one temperature behavior parameter are input to the learned model, and a changed value of the PID parameter of the PID control is output. a processing device that performs calculations for the polishing pad, and the temperature behavior curve is defined as the temperature behavior curve of the polishing pad from the time when the pad contacting member starts adjusting the surface temperature of the polishing pad to the time when the target temperature is reached. is a curve showing a change over time in the surface temperature of the a data set consisting of a PID parameter for PID control and a film thickness parameter related to a film thickness of a substrate pressed against the polishing pad, and (c) a PID parameter for the PID control, a height of the polishing pad, and the polishing pad. A data set consisting of a polishing rate of a substrate polished at a pad temperature adjustment device is provided.
一態様では、前記学習済モデルは、ニューラルネットワークを用いたディープラーニングによって構築され、前記制御部は、前記少なくとも1つの温度挙動パラメータを含む学習用データセットを前記ニューラルネットワークに入力したときに、該ニューラルネットワークから、前記温度挙動曲線を所定の許容範囲内に維持するために変更されるべきPIDパラメータと、正常範囲に含まれるPIDパラメータの変更値が得られるように、前記ニューラルネットワークの重みパラメータを調整して、前記学習済モデルを構築する。
一態様では、前記制御部は、前記研磨パッドに基板を押し付けて、該基板を研磨するたびに作成される前記温度挙動曲線と、前記温度挙動曲線に関連付けられた少なくとも1つの温度挙動パラメータを蓄積し、前記学習用データセットは、前記蓄積された少なくとも1つの温度挙動パラメータから作成される。
一態様では、前記加熱液の温度、前記研磨パッドに基板を押し付ける研磨ヘッドの回転速度、前記研磨パッドが貼付される研磨テーブルの回転速度、前記研磨パッドのドレッシング条件、前記研磨ヘッドの研磨荷重、および前記研磨パッドに供給される研磨液の流量が、さらに、前記学習済モデルに入力される。
一態様では、前記研磨パッドに対する前記パッド接触部材の押付荷重、前記研磨パッドに供給される研磨液の温度、前記パッド温度調整装置が配置される研磨ユニット内の雰囲気温度、前記加熱液の供給圧力、および前記冷却液の供給圧力が、さらに、前記学習済モデルに入力される。
一態様では、前記学習済モデルに入力される前記少なくとも1つの温度挙動パラメータが取得された時間が、さらに、学習済モデルに入力される。
In one aspect, the learned model is constructed by deep learning using a neural network, and the control unit, when inputting a learning data set including the at least one temperature behavior parameter to the neural network, The weight parameters of the neural network are determined such that the neural network provides the PID parameters to be changed to maintain the temperature behavior curve within a predetermined tolerance range and the changed values of the PID parameters that are within the normal range. Adjustments are made to construct the learned model.
In one aspect, the control unit stores the temperature behavior curve created each time the substrate is polished by pressing the substrate against the polishing pad, and at least one temperature behavior parameter associated with the temperature behavior curve. The learning data set is created from the accumulated at least one temperature behavior parameter .
In one aspect, the temperature of the heating liquid, the rotation speed of a polishing head that presses a substrate against the polishing pad, the rotation speed of a polishing table to which the polishing pad is attached, dressing conditions of the polishing pad, polishing load of the polishing head, and the flow rate of the polishing liquid supplied to the polishing pad are further input into the learned model.
In one aspect, a pressing load of the pad contact member against the polishing pad, a temperature of a polishing liquid supplied to the polishing pad, an ambient temperature in a polishing unit in which the pad temperature adjustment device is arranged, and a supply pressure of the heating liquid. , and the supply pressure of the coolant are further input into the learned model.
In one aspect, the time at which the at least one temperature behavior parameter input to the trained model was obtained is further input to the trained model .
一態様では、研磨パッドの表面にパッド接触部材を接触させながら、前記パッド接触部材内に形成された加熱流路および冷却流路に加熱液および冷却液をそれぞれ流し、パッド温度測定器を用いて前記研磨パッドの表面温度を測定し、前記研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するように、前記加熱流路に接続された加熱液供給管に取り付けられた第1流量制御バルブと、前記冷却流路に接続された冷却液供給管に取り付けられた第2流量制御バルブの操作量をPID制御し、前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するための学習済モデルを機械学習によって構築し、少なくとも1つの温度挙動パラメータを含むデータセットを前記学習済モデルに入力して、前記PID制御のPIDパラメータの変更値を出力し、前記温度挙動曲線は、前記パッド接触部材が前記研磨パッドの表面温度の調整を開始する時点から前記目標温度に到達する時点までの、前記研磨パッドの表面温度の経時的な変化を示す曲線であり、前記データセットは、(a)前記PID制御のPIDパラメータ、前記加熱液の流量、および前記冷却液の流量からなるデータセット、(b)前記PID制御のPIDパラメータ、および前記研磨パッドに押し付けられる基板の膜厚に関連する膜厚パラメータからなるデータセット、および(c)前記PID制御のPIDパラメータ、前記研磨パッドの高さ、および前記研磨パッドで研磨される基板の研磨レートからなるデータセット、のいずれかであることを特徴とするパッド温度調整方法が提供される。 In one embodiment, while a pad contact member is in contact with the surface of a polishing pad, a heating liquid and a cooling liquid are respectively flowed into a heating channel and a cooling channel formed in the pad contact member, and a pad temperature measuring device is used to measure the temperature of the polishing pad. Attached to the heated liquid supply pipe connected to the heating flow path so as to measure the surface temperature of the polishing pad, make the surface temperature of the polishing pad reach a predetermined target temperature, and then maintain it at the target temperature. The operation amount of the first flow control valve attached to the coolant supply pipe connected to the cooling flow path and the second flow control valve attached to the coolant supply pipe connected to the cooling flow path are PID controlled, and the measured value of the pad temperature measuring device and its measurement are A trained model for maintaining a temperature behavior curve created based on a time point within a predetermined tolerance range is constructed by machine learning, and a dataset including at least one temperature behavior parameter is input to the trained model. and outputs a changed value of the PID parameter of the PID control, and the temperature behavior curve is determined from the time when the pad contacting member starts adjusting the surface temperature of the polishing pad to the time when the target temperature is reached. It is a curve showing a change in surface temperature of a polishing pad over time, and the data set includes (a) a data set consisting of a PID parameter of the PID control, a flow rate of the heating liquid, and a flow rate of the cooling liquid; ) a data set consisting of a PID parameter of the PID control and a film thickness parameter related to the film thickness of the substrate pressed against the polishing pad, and (c) a PID parameter of the PID control, the height of the polishing pad, and the A data set consisting of a polishing rate of a substrate polished with a polishing pad is provided.
一態様では、研磨パッドを支持する研磨テーブルと、基板を前記研磨パッドに押し付ける研磨ヘッドと、を備えた少なくとも1つの研磨ユニットと、前記研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するためのパッド温度調整装置と、を備え、前記パッド温度調整装置は、前記研磨パッドの表面に接触可能であり、かつ加熱流路および冷却流路が内部に形成されたパッド接触部材と、前記加熱流路に接続された加熱液供給管と、前記冷却流路に接続された冷却液供給管と、前記加熱液供給管に取り付けられた第1流量制御バルブと、前記冷却液供給管に取り付けられた第2流量制御バルブと、を備え、温度調整された加熱液および冷却液を前記パッド接触部材に供給する液体供給システムと、前記研磨パッドの表面温度を測定するパッド温度測定器と、前記パッド温度測定器の測定値と前記目標温度との差に基づいて、前記第1流量制御バルブおよび前記第2流量制御バルブの操作量をPID制御する制御部と、を備えており、前記制御部は、前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部と、少なくとも1つの温度挙動パラメータを含むデータセットを前記学習済モデルに入力し、前記PID制御のPIDパラメータの変更値を出力するための演算を実行する処理装置と、を備え、前記温度挙動曲線は、前記パッド接触部材が前記研磨パッドの表面温度の調整を開始する時点から前記目標温度に到達する時点までの、前記研磨パッドの表面温度の経時的な変化を示す曲線であり、前記データセットは、(a)前記PID制御のPIDパラメータ、前記加熱液の流量、および前記冷却液の流量からなるデータセット、(b)前記PID制御のPIDパラメータ、および前記研磨パッドに押し付けられる基板の膜厚に関連する膜厚パラメータからなるデータセット、および(c)前記PID制御のPIDパラメータ、前記研磨パッドの高さ、および前記研磨パッドで研磨される基板の研磨レートからなるデータセット、のいずれかであることを特徴とする研磨装置が提供される。 In one aspect, at least one polishing unit includes a polishing table that supports a polishing pad, a polishing head that presses a substrate against the polishing pad, and a surface temperature of the polishing pad that reaches a predetermined target temperature; , a pad temperature adjustment device for maintaining the target temperature, the pad temperature adjustment device being able to contact the surface of the polishing pad, and having a heating channel and a cooling channel formed therein. a pad contact member, a heating liquid supply pipe connected to the heating flow path, a cooling liquid supply pipe connected to the cooling flow path, a first flow control valve attached to the heating liquid supply pipe, and the a second flow control valve attached to a cooling liquid supply pipe; a liquid supply system that supplies temperature-adjusted heating liquid and cooling liquid to the pad contact member; and a pad that measures the surface temperature of the polishing pad. a temperature measuring device; and a control unit that performs PID control on the operating amounts of the first flow control valve and the second flow control valve based on the difference between the measured value of the pad temperature measuring device and the target temperature. In order to maintain the temperature behavior curve created based on the measured value of the pad temperature measuring device and the measurement time point within a predetermined tolerance range, the control unit uses a learning constructed by machine learning to maintain the temperature behavior curve created based on the measured value of the pad temperature measuring device and the measurement time point within a predetermined tolerance range. a processing device that inputs a data set including at least one temperature behavior parameter into the learned model and executes an operation for outputting a changed value of the PID parameter of the PID control; , the temperature behavior curve represents a change in the surface temperature of the polishing pad over time from the time when the pad contacting member starts adjusting the surface temperature of the polishing pad to the time when the target temperature is reached. The data set is a data set consisting of (a) the PID parameter of the PID control, the flow rate of the heating liquid, and the flow rate of the cooling liquid, (b) the PID parameter of the PID control, and the polishing a data set consisting of film thickness parameters related to the film thickness of the substrate pressed against the pad; and (c) from the PID parameters of the PID control, the height of the polishing pad, and the polishing rate of the substrate polished by the polishing pad. A polishing apparatus is provided that is characterized by any one of the following data sets .
一態様では、少なくとも1つの少なくとも1つの研磨装置と、前記研磨装置と情報を送受信可能に接続される中継装置と、前記中継装置と情報を送受信可能に接続されるホスト制御システムと、を備え、前記研磨装置は、研磨パッドを支持する研磨テーブルと、基板を前記研磨パッドに押し付ける研磨ヘッドと、を備えた少なくとも1つの研磨ユニットと、前記研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するためのパッド温度調整装置と、を備え、前記パッド温度調整装置は、前記研磨パッドの表面に接触可能であり、かつ加熱流路および冷却流路が内部に形成されたパッド接触部材と、前記加熱流路に接続された加熱液供給管と、前記冷却流路に接続された冷却液供給管と、前記加熱液供給管に取り付けられた第1流量制御バルブと、前記冷却液供給管に取り付けられた第2流量制御バルブと、を備え、温度調整された加熱液および冷却液を前記パッド接触部材に供給する液体供給システムと、前記研磨パッドの表面温度を測定するパッド温度測定器と、前記パッド温度測定器の測定値と前記目標温度との差に基づいて、前記第1流量制御バルブおよび前記第2流量制御バルブの操作量をPID制御する制御部と、を備えており、前記ホスト制御システムのホスト制御部は、前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部と、少なくとも1つの温度挙動パラメータを含むデータセットを前記学習済モデルに入力し、前記PID制御のPIDパラメータの変更値を出力するための演算を実行する処理装置と、を備え、前記温度挙動曲線は、前記パッド接触部材が前記研磨パッドの表面温度の調整を開始する時点から前記目標温度に到達する時点までの、前記研磨パッドの表面温度の経時的な変化を示す曲線であり、前記データセットは、(a)前記PID制御のPIDパラメータ、前記加熱液の流量、および前記冷却液の流量からなるデータセット、(b)前記PID制御のPIDパラメータ、および前記研磨パッドに押し付けられる基板の膜厚に関連する膜厚パラメータからなるデータセット、および(c)前記PID制御のPIDパラメータ、前記研磨パッドの高さ、および前記研磨パッドで研磨される基板の研磨レートからなるデータセット、のいずれかであることを特徴とする研磨システムが提供される。 In one aspect, at least one polishing device, a relay device connected to the polishing device so that information can be transmitted and received, and a host control system connected to the relay device so that information can be transmitted and received, The polishing apparatus includes at least one polishing unit including a polishing table that supports a polishing pad, a polishing head that presses a substrate against the polishing pad, and a surface temperature of the polishing pad that reaches a predetermined target temperature; and a pad temperature adjustment device for maintaining the target temperature at the target temperature, the pad temperature adjustment device being able to contact the surface of the polishing pad and having a heating channel and a cooling channel formed therein. a heated liquid supply pipe connected to the heating flow path, a cooling liquid supply pipe connected to the cooling flow path, and a first flow control valve attached to the heating liquid supply pipe; a second flow control valve attached to the cooling liquid supply pipe; a liquid supply system that supplies temperature-adjusted heating liquid and cooling liquid to the pad contact member; and measuring the surface temperature of the polishing pad. a pad temperature measuring device; and a control unit that performs PID control on the operating amounts of the first flow control valve and the second flow control valve based on the difference between the measured value of the pad temperature measuring device and the target temperature. The host control unit of the host control system controls the machine to maintain a temperature behavior curve created based on the measured value of the pad temperature measuring device and the measurement time point within a predetermined tolerance range. A storage unit storing a learned model constructed by learning and a data set including at least one temperature behavior parameter are input to the learned model, and an operation for outputting a changed value of the PID parameter of the PID control. and a processing device for performing the above, wherein the temperature behavior curve is the surface temperature of the polishing pad from the time when the pad contacting member starts adjusting the surface temperature of the polishing pad to the time when the target temperature is reached. The data set includes (a) a data set consisting of the PID parameter of the PID control, the flow rate of the heating liquid, and the flow rate of the cooling liquid; (b) the data set of the PID parameter of the PID control; (c) a data set consisting of a PID parameter and a film thickness parameter related to the film thickness of the substrate pressed against the polishing pad; Provided is a polishing system characterized in that the data set is a data set of polishing rates of substrates .
一態様では、少なくとも1つの研磨装置と、前記研磨装置と情報を送受信可能に接続される中継装置と、前記中継装置と情報を送受信可能に接続されるホスト制御システムと、を備え、前記研磨装置は、研磨パッドを支持する研磨テーブルと、基板を前記研磨パッドに押し付ける研磨ヘッドと、を備えた少なくとも1つの研磨ユニットと、前記研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するためのパッド温度調整装置と、を備え、前記パッド温度調整装置は、前記研磨パッドの表面に接触可能であり、かつ加熱流路および冷却流路が内部に形成されたパッド接触部材と、前記加熱流路に接続された加熱液供給管と、前記冷却流路に接続された冷却液供給管と、前記加熱液供給管に取り付けられた第1流量制御バルブと、前記冷却液供給管に取り付けられた第2流量制御バルブと、を備え、温度調整された加熱液および冷却液を前記パッド接触部材に供給する液体供給システムと、前記研磨パッドの表面温度を測定するパッド温度測定器と、前記パッド温度測定器の測定値と前記目標温度との差に基づいて、前記第1流量制御バルブおよび前記第2流量制御バルブの操作量をPID制御する制御部と、を備えており、前記中継装置の中継制御部は、前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部と、前記パッド温度測定器の測定値と、その測定時点との組み合わせと、少なくとも1つの温度挙動パラメータを含むデータセットとを、前記学習済モデルに入力し、前記研磨パッドの表面温度を調整している間に、前記PID制御のPIDパラメータの変更値を出力するための演算を随時実行する処理装置と、を備え、前記温度挙動曲線は、前記パッド接触部材が前記研磨パッドの表面温度の調整を開始する時点から前記目標温度に到達する時点までの、前記研磨パッドの表面温度の経時的な変化を示す曲線であり、前記データセットは、(a)前記PID制御のPIDパラメータ、前記加熱液の流量、および前記冷却液の流量からなるデータセット、(b)前記PID制御のPIDパラメータ、および前記研磨パッドに押し付けられる基板の膜厚に関連する膜厚パラメータからなるデータセット、および(c)前記PID制御のPIDパラメータ、前記研磨パッドの高さ、および前記研磨パッドで研磨される基板の研磨レートからなるデータセット、のいずれかであることを特徴とする研磨システムが提供される。 In one aspect, the polishing apparatus includes at least one polishing device, a relay device connected to the polishing device so as to be able to transmit and receive information, and a host control system connected to the relay device so as to be able to transmit and receive information. includes at least one polishing unit including a polishing table that supports a polishing pad and a polishing head that presses a substrate against the polishing pad; a pad temperature adjustment device for maintaining a target temperature, the pad temperature adjustment device being able to contact the surface of the polishing pad and having a heating channel and a cooling channel formed therein; a member, a heating liquid supply pipe connected to the heating flow path, a cooling liquid supply pipe connected to the cooling flow path, a first flow control valve attached to the heating liquid supply pipe, and the cooling liquid. a second flow control valve attached to a supply pipe; a liquid supply system that supplies temperature-adjusted heating liquid and cooling liquid to the pad contacting member; and a pad temperature measurement that measures the surface temperature of the polishing pad. and a control unit that performs PID control of the operating amounts of the first flow control valve and the second flow control valve based on the difference between the measured value of the pad temperature measurement device and the target temperature. , the relay control unit of the relay device is constructed by machine learning in order to maintain a temperature behavior curve created based on the measured value of the pad temperature measuring device and the measurement time within a predetermined tolerance range. inputting into the trained model a storage unit storing a trained model, a combination of the measured value of the pad temperature measuring device and the measurement time point, and a data set including at least one temperature behavior parameter; , a processing device that executes an operation for outputting a changed value of a PID parameter of the PID control as needed while adjusting the surface temperature of the polishing pad , and the temperature behavior curve is determined based on the pad contact. A curve showing a change in the surface temperature of the polishing pad over time from the time when the member starts adjusting the surface temperature of the polishing pad to the time when the target temperature is reached, and the data set is (a) a data set consisting of the PID parameters of the PID control, the flow rate of the heating liquid, and the flow rate of the cooling liquid; (b) the PID parameters of the PID control and a film thickness related to the film thickness of the substrate pressed against the polishing pad; and (c) a data set consisting of a PID parameter of the PID control, a height of the polishing pad, and a polishing rate of a substrate polished with the polishing pad. A polishing system is provided.
本発明によれば、PIDパラメータを変更することにより、温度挙動曲線を所定の許容範囲に維持することができる。その結果、研磨ユニット間の研磨性能のばらつきが抑制されるので、製品の歩留まりを向上させることができる。 According to the invention, by changing the PID parameters, the temperature behavior curve can be maintained within a predetermined tolerance range. As a result, variations in polishing performance between polishing units are suppressed, so product yield can be improved.
以下、本発明の実施形態について図面を参照して説明する。
図1は、研磨装置に配置された研磨ユニットの一実施形態を示す模式図である。研磨装置は、図1に示すような研磨ユニットを少なくとも1つ備える。図1に示すように、研磨ユニットは、基板の一例であるウエハWを保持して回転させる研磨ヘッド1と、研磨パッド3を支持する研磨テーブル2と、研磨パッド3の表面に研磨液(例えばスラリー)を供給する研磨液供給ノズル4と、研磨パッド3の表面温度を調整するパッド温度調整装置5とを備えている。研磨パッド3の表面(上面)は、ウエハWを研磨する研磨面を構成する。
Embodiments of the present invention will be described below with reference to the drawings.
FIG. 1 is a schematic diagram showing one embodiment of a polishing unit arranged in a polishing apparatus. The polishing apparatus includes at least one polishing unit as shown in FIG. As shown in FIG. 1, the polishing unit includes a polishing
研磨ヘッド1は鉛直方向に移動可能であり、かつその軸心を中心として矢印で示す方向に回転可能となっている。ウエハWは、研磨ヘッド1の下面に真空吸着などによって保持される。研磨テーブル2にはモータ(図示せず)が連結されており、矢印で示す方向に回転可能となっている。図1に示すように、研磨ヘッド1および研磨テーブル2は、同じ方向に回転する。研磨パッド3は、研磨テーブル2の上面に貼り付けられている。
The polishing
研磨ユニットは、研磨テーブル2上の研磨パッド3をドレッシングするドレッサ20をさらに備えている。ドレッサ20は研磨パッド3の表面上を研磨パッド3の半径方向に揺動するように構成されている。ドレッサ20の下面は、ダイヤモンド粒子などの多数の砥粒からなるドレッシング面を構成する。ドレッサ20は、研磨パッド3の研磨面上を揺動しながら回転し、研磨パッド3を僅かに削り取ることにより研磨パッド3の表面をドレッシングする。
The polishing unit further includes a
ウエハWの研磨は次のようにして行われる。研磨されるウエハWは、研磨ヘッド1によって保持され、さらに研磨ヘッド1によって回転される。一方、研磨パッド3は、研磨テーブル2とともに回転される。この状態で、研磨パッド3の表面には研磨液供給ノズル4から研磨液が供給され、さらにウエハWの表面は、研磨ヘッド1によって研磨パッド3の表面(すなわち研磨面)に対して押し付けられる。ウエハWの表面は、研磨液の存在下での研磨パッド3との摺接により研磨される。ウエハWの表面は、研磨液の化学的作用と研磨液に含まれる砥粒の機械的作用により平坦化される。
Polishing of the wafer W is performed as follows. The wafer W to be polished is held by the polishing
パッド温度調整装置5は、研磨パッド3の表面に接触可能なパッド接触部材11と、温度調整された加熱液および冷却液をパッド接触部材11に供給する液体供給システム30と、研磨パッド3の表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するように、加熱液および冷却液の流量を少なくとも制御する制御部40と、を備えている。
The pad
本実施形態では、制御部40は、パッド温度調整装置5を含む研磨装置全体の動作を制御するように構成されている。以下の説明では、制御部40がパッド温度調整装置5を含む1つの研磨ユニットの動作を制御する実施形態が説明されるが、本実施形態は、この例に限定されない。例えば、研磨装置が複数の研磨ユニットを備える場合は、制御部40は、各研磨ユニットの動作を個別に制御可能である。
In this embodiment, the
図1に示す液体供給システム30は、温度調整された加熱液を貯留する加熱液供給源としての加熱液供給タンク31と、加熱液供給タンク31とパッド接触部材11とを連結する加熱液供給管32および加熱液戻り管33とを備えている。加熱液供給管32および加熱液戻り管33の一方の端部は加熱液供給タンク31に接続され、他方の端部はパッド接触部材11に接続されている。
The
温度調整された加熱液は、加熱液供給タンク31から加熱液供給管32を通じてパッド接触部材11に供給され、パッド接触部材11内を流れ、そしてパッド接触部材11から加熱液戻り管33を通じて加熱液供給タンク31に戻される。このように、加熱液は、加熱液供給タンク31とパッド接触部材11との間を循環する。本実施形態では、加熱液供給タンク31には、加熱源(例えば、ヒータ)48が配置されている。この加熱源48によって、加熱液供給タンク31に貯留される加熱液は所定の温度(設定温度)に加熱される。
The temperature-adjusted heating liquid is supplied from the heating
加熱液供給管32には、第1開閉バルブ41および第1流量制御バルブ42が取り付けられている。第1流量制御バルブ42は、パッド接触部材11と第1開閉バルブ41との間に配置されている。第1開閉バルブ41は、流量調整機能を有しないバルブであるのに対し、第1流量制御バルブ42は、流量調整機能を有するバルブである。
A first on-off
液体供給システム30は、パッド接触部材11に接続された冷却液供給管51および冷却液排出管52をさらに備えている。冷却液供給管51は、研磨装置が設置される工場に設けられている冷却液供給源(例えば、冷水供給源)に接続されている。冷却液は、冷却液供給管51を通じてパッド接触部材11に供給され、パッド接触部材11内を流れ、そしてパッド接触部材11から冷却液排出管52を通じて排出される。一実施形態では、パッド接触部材11内を流れた冷却液を、冷却液排出管52を通じて冷却液供給源に戻してもよい。
The
冷却液供給管51には、第2開閉バルブ55および第2流量制御バルブ56が取り付けられている。第2流量制御バルブ56は、パッド接触部材11と第2開閉バルブ55との間に配置されている。第2開閉バルブ55は、流量調整機能を有しないバルブであるのに対し、第2流量制御バルブ56は、流量調整機能を有するバルブである。
A second on-off
パッド接触部材11に供給される加熱液としては、温水が使用される。温水は、加熱液供給タンク31の加熱源48により、例えば約80℃に加熱される。より速やかに研磨パッド3の表面温度を上昇させる場合には、シリコーンオイルを加熱液として使用してもよい。シリコーンオイルを加熱液として使用する場合には、シリコーンオイルは加熱液供給タンク31の加熱源48により100℃以上(例えば、約120℃)に加熱される。パッド接触部材11に供給される冷却液としては、冷水またはシリコーンオイルが使用される。シリコーンオイルを冷却液として使用する場合には、冷却液供給源としてチラーを冷却液供給管51に接続し、シリコーンオイルを0℃以下に冷却することで、研磨パッド3を速やかに冷却することができる。冷水としては、純水を使用することができる。純水を冷却して冷水を生成するために、冷却液供給源としてチラーを使用してもよい。この場合は、パッド接触部材11内を流れた冷水を、冷却液排出管52を通じてチラーに戻してもよい。
As the heating liquid supplied to the
加熱液供給管32および冷却液供給管51は、完全に独立した配管である。したがって、加熱液および冷却液は、混合されることなく、同時にパッド接触部材11に供給される。加熱液戻り管33および冷却液排出管52も、完全に独立した配管である。したがって、加熱液は、冷却液と混合されることなく加熱液供給タンク31に戻され、冷却液は、加熱液と混合されることなく排出されるか、または冷却液供給源に戻される。
The heating
パッド温度調整システム5は、研磨パッド3の表面温度(以下、パッド表面温度ということがある)を測定するパッド温度測定器39をさらに備えており、制御部40は、パッド温度測定器39により測定されたパッド表面温度に基づいて、第1流量制御バルブ42および第2流量制御バルブ56を操作する。第1開閉バルブ41および第2開閉バルブ55は、通常は開かれている。
The pad
パッド温度測定器39は、研磨パッド3の表面の上方に配置されており、非接触で研磨パッド3の表面温度を測定するように構成されている。パッド温度測定器39は、制御部40に接続されており、さらに制御部40を介して温度表示器45に接続されている。パッド温度測定器39は、研磨パッド3の表面温度を測定する赤外線放射温度計または熱電対温度計であってもよく、研磨パッド3の表面温度を測定し、研磨パッド3の温度分布を取得するサーモグラフィまたはサーモパイルであってもよい。本実施形態では、パッド温度測定器39は、赤外線放射温度計、熱電対温度計、サーモグラフィ、およびサーモパイルのうち、少なくとも1つの温度測定器である。パッド温度測定器39に、ウエハWの研磨によって飛び散った液体(スラリーなど)が付着すると、パッド温度測定器39は、研磨パッド3の表面温度を正確に測定することができないことがある。したがって、パッド温度測定器39は研磨パッド3の表面から十分に高い位置に配置されている。
Pad
図2は、パッド温度測定器39の温度測定領域を上から見た図であり、図3は、パッド温度測定器39の温度測定領域を横から見た図である。パッド温度測定器39が熱電対温度計、サーモグラフィ、およびサーモパイルの場合は、パッド温度測定器39は、研磨パッド3の中心CLと研磨パッド3の外周部3aとを含む領域における研磨パッド3の表面温度を測定するように構成されている(図2および図3の点線参照)。パッド温度測定器39が赤外線放射温度計の場合は、パッド温度測定器39は、研磨パッド3の中心CLと研磨パッド3の外周部3aとの間に存在する一部の領域における研磨パッド3の表面温度を測定するように構成されている(図2および図3の一点鎖線参照)。パッド温度測定器39が赤外線放射温度計の場合は、研磨ユニットは、研磨パッド3の半径方向におけるパッド温度測定器39の位置を変更可能な位置調整機構を有しているのが好ましい。
FIG. 2 is a top view of the temperature measurement area of the pad
パッド温度測定器39は、非接触でパッド表面温度を測定し、パッド表面温度の測定値を制御部40に送る。パッド温度測定器39は、所定時間毎(例えば、100ms毎)にパッド表面温度を測定する。制御部40は、パッド表面温度を予め設定された目標温度に到達させ、その後、該目標温度に維持されるように、測定されたパッド表面温度に基づいて、第1流量制御バルブ42および第2流量制御バルブ56を操作する。第1流量制御バルブ42および第2流量制御バルブ56は、制御部40からの制御信号に従って動作し、パッド接触部材11に供給される加熱液の流量および冷却液の流量を調整する。パッド接触部材11を流れる加熱液および冷却液と研磨パッド3との間で熱交換が行われ、これによりパッド表面温度が変化する。
The pad
このようなフィードバック制御により、パッド表面温度は、所定の目標温度に到達され、その後、該目標温度に維持される。フィードバック制御は、例えば、PID制御である。本実施形態では、制御部40は、研磨パッド3の表面温度と所定の目標温度との差に基づいて、第1流量制御バルブ42および第2流量制御バルブ56の操作量をPID制御する。このPID制御を実行するために、制御部40には、PIDパラメータ(すなわち、比例ゲインP、積分ゲインI、および微分ゲインD)が予め入力されている。
Through such feedback control, the pad surface temperature reaches a predetermined target temperature, and thereafter is maintained at the target temperature. Feedback control is, for example, PID control. In this embodiment, the
第1流量制御バルブ42の操作量および第2流量制御バルブ56の操作量は、言い換えれば、バルブ開度である。第1流量制御バルブ42の操作量は、加熱液の流量に比例し、第2流量制御バルブ56の操作量は、冷却液の流量に比例する。好ましくは、第1流量制御バルブ42の操作量は、加熱液の流量に正比例し、第2流量制御バルブ56の操作量は、冷却液の流量に正比例する。
In other words, the operation amount of the first
制御部40としては、任意の制御装置を用いることができる。例えば、制御部40として、専用のコンピュータまたは汎用のコンピュータ(例えば、パーソナルコンピュータ)を使用することができる。一実施形態では、制御部40は、PLC(Programmable Logic Controller)、またはサーバであってもよい。さらに、制御部40は、FPGA(Field-Programmable gate array)を含んでいてもよい。研磨パッド3の目標温度は、ウエハWの種類または研磨プロセスに応じて決定され、決定された目標温度は、制御部40に予め入力される。
As the
パッド表面温度を所定の目標温度に到達させ、その後、維持するために、パッド接触部材11は、研磨パッド3の表面(すなわち研磨面)に接触する。本明細書において、パッド接触部材11が研磨パッド3の表面に接触する態様には、パッド接触部材11が研磨パッド3の表面に直接接触する態様のみならず、パッド接触部材11と研磨パッド3の表面との間に研磨液(スラリー)が存在した状態でパッド接触部材11が研磨パッド3の表面に接触する態様も含まれる。いずれの態様においても、パッド接触部材11を流れる加熱液および冷却液と研磨パッド3との間で熱交換が行われ、これによりパッド表面温度が制御される。
図1に示すように、パッド温度調整システム5は、パッド接触部材11を研磨パッド3の表面に対して垂直に移動させる上下動機構(垂直移動機構)71をさらに備えている。パッド接触部材11は、上下動機構71に保持されている。この上下動機構71は、パッド接触部材11を研磨パッド3の表面に対して上下方向に移動させることが可能に構成されている。このような構成により、パッド接触部材11は、研磨パッド3の表面に直接接触することができる。上下動機構71としては、サーボモータとボールねじ機構との組み合わせ、またはエアシリンダなどから構成される。このような上下動機構71によれば、パッド接触部材11を、研磨パッド3の表面に所定の押圧力で押し付けることができる。例えば、パッド接触部材11を研磨パッド3の表面に押し付ける押圧力は、サーボモータに送信するパルス信号、またはエアシリンダに供給される気体の圧力を制御することにより、所定の押圧力に調整される。
As shown in FIG. 1, the pad
パッド接触部材11は、研磨パッド3の表面に対して垂直に移動して、研磨パッド3の表面上の領域(研磨パッド3の半径方向の位置)の温度を一定に維持するように構成されている。例えば、パッド接触部材11は、研磨パッド3の中心CLからの距離が100mmである研磨パッド3の半径方向の位置の温度を55度に維持するように、研磨パッド3の表面に対して垂直方向に移動する。ユーザーは、パッド接触部材11によって制御される研磨パッド3の表面温度および研磨パッド3の半径方向の位置を任意に決定(変更)することができる。例えば、ユーザーは、研磨パッド3の半径方向の位置として、研磨パッド3の中心CLからの距離を100mmから200mmに変更してもよく、研磨パッド3の表面温度として、55度から70度に変更してもよい。結果として、パッド接触部材11は、研磨パッド3の中心CLからの距離が200mmである研磨パッド3の半径方向の位置の温度を70度に維持するように、研磨パッド3の表面に対して上下方向に移動する。
The
次に、パッド接触部材11の一例について、図4を参照して説明する。図4は、パッド接触部材11の一実施形態を示す水平断面図である。図4に示すように、パッド接触部材11は、その内部に形成された加熱流路61および冷却流路62を有している。加熱流路61および冷却流路62は、互いに隣接して(互いに並んで)延びており、かつ螺旋状に延びている。さらに、加熱流路61および冷却流路62は、点対称な形状を有し、互いに同じ長さを有している。
Next, an example of the
図4に示すように、加熱流路61および冷却流路62のそれぞれは、曲率が一定の複数の円弧流路64と、これら円弧流路64を連結する複数の傾斜流路65から基本的に構成されている。隣接する2つの円弧流路64は、各傾斜流路65によって連結されている。このような構成によれば、加熱流路61および冷却流路62のそれぞれの最外周部を、パッド接触部材11の最外周部に配置することができる。つまり、パッド接触部材11の下面から構成されるパッド接触面のほぼ全体は、加熱流路61および冷却流路62の下方に位置し、加熱液および冷却液は研磨パッド3の表面を速やかに加熱および冷却することができる。
As shown in FIG. 4, each of the
加熱液供給管32は、加熱流路61の入口61aに接続されており、加熱液戻り管33は、加熱流路61の出口61bに接続されている。冷却液供給管51は、冷却流路62の入口62aに接続されており、冷却液排出管52は、冷却流路62の出口62bに接続されている。加熱流路61および冷却流路62の入口61a,62aは、パッド接触部材11の周縁部に位置しており、加熱流路61および冷却流路62の出口61b,62bは、パッド接触部材11の中心部に位置している。したがって、加熱液および冷却液は、パッド接触部材11の周縁部から中心部に向かって螺旋状に流れる。加熱流路61および冷却流路62は、完全に分離しており、パッド接触部材11内で加熱液および冷却液が混合されることはない。
The heating
図4に示すように、加熱流路61および冷却流路62は、互いに隣接しているので、加熱流路61および冷却流路62は、研磨パッド3の径方向のみならず、研磨パッド3の周方向に沿って並んでいる。したがって、研磨テーブル2および研磨パッド3が回転している間、パッド接触部材11に接触する研磨パッド3は、加熱液および冷却液の両方と熱交換を行う。
As shown in FIG. 4, since the
図1に示すように、パッド温度調整装置5は、加熱液供給管32に取り付けられた加熱液ポンプ47を備えてもよい。加熱液ポンプ47は、制御部40に接続されており、制御部40は、加熱液ポンプ47の動作を制御可能に構成されている。例えば、制御部40は、加熱液ポンプ47の回転速度を制御することにより、パッド接触部材11に供給される加熱液の圧力を調整することができる。さらに、パッド温度調整装置5が加熱液ポンプ47を有する場合、加熱液供給管32に取り付けられた第1流量調整弁42を省略してもよい。制御部40が加熱液ポンプ47の回転速度を制御することにより、パッド接触部材11に供給される加熱液の流量を調整することができる。この場合、制御部40は、加熱液ポンプ47の回転速度と加熱液の流量との関係を示す関係式またはデータテーブルを予め記憶している。
As shown in FIG. 1, the pad
図示はしないが、パッド温度調整装置5は、冷却液供給管51に取り付けられた冷却液ポンプを備えてもよい。この場合、冷却液ポンプは、制御部40に接続され、制御部40は、冷却液ポンプの動作を制御可能に構成されている。例えば、制御部40は、冷却液ポンプの回転速度を制御することにより、パッド接触部材11に供給される冷却液の圧力を調整することができる。さらに、パッド温度調整装置5が冷却液ポンプを有する場合、冷却液供給管51に取り付けられた第2流量調整弁56を省略してもよい。制御部40が冷却液ポンプの回転速度を制御することにより、パッド接触部材11に供給される冷却液の流量を調整することができる。この場合、制御部40は、冷却液ポンプの回転速度と冷却液の流量との関係を示す関係式またはデータテーブルを予め記憶している。
Although not shown, the pad
研磨装置は、上述した研磨ユニットを少なくとも1つ備えている。研磨装置が複数の研磨ユニットを備える場合は、上記制御部40は、複数の研磨ユニット間で共通の制御部として機能する。より具体的には、制御部40は、各研磨ユニットの動作、および各研磨ユニットが有するパッド温度調整装置5の動作を制御するように構成される。さらに、半導体デバイスなどの工場には、複数の研磨装置が設置されることが多い。すなわち、このような工場には、複数の研磨ユニットをそれぞれ有する複数の研磨装置が設置されている。
The polishing apparatus includes at least one polishing unit described above. When the polishing apparatus includes a plurality of polishing units, the
図5は、制御部40の一実施形態を示す模式図である。図5に示す制御部40は、専用のまたは汎用のコンピュータ(例えば、パーソナルコンピュータ)である。一実施形態では、制御部40は、PLC(Programmable Logic Controller)、またはサーバであってもよい。さらに、制御部40は、FPGA(Field-Programmable gate array)を含んでいてもよい。図5に示す制御部40は、プログラムやデータなどが格納される記憶装置110と、記憶装置110に格納されているプログラムに従って演算を行うCPU(中央処理装置)またはGPU(グラフィックプロセッシングユニット)などの処理装置120と、データ、プログラム、および各種情報を記憶装置110に入力するための入力装置130と、処理結果や処理されたデータを出力するための出力装置140と、インターネットなどのネットワークに接続するための通信装置150を備えている。
FIG. 5 is a schematic diagram showing one embodiment of the
記憶装置110は、処理装置120がアクセス可能な主記憶装置111と、データおよびプログラムを格納する補助記憶装置112を備えている。主記憶装置111は、例えばランダムアクセスメモリ(RAM)であり、補助記憶装置112は、ハードディスクドライブ(HDD)またはソリッドステートドライブ(SSD)などのストレージ装置である。
The
入力装置130は、キーボード、マウスを備えており、さらに、記録媒体からデータを読み込むための記録媒体読み込み装置132と、記録媒体が接続される記録媒体ポート134を備えている。記録媒体は、非一時的な有形物であるコンピュータ読み取り可能な記録媒体であり、例えば、光ディスク(例えば、CD-ROM、DVD-ROM)や、半導体メモリー(例えば、USBフラッシュドライブ、メモリーカード)である。記録媒体読み込み装置132の例としては、CD-ROMドライブ、DVD-ROMドライブなどの光学ドライブや、カードリーダーが挙げられる。記録媒体ポート134の例としては、USBポートが挙げられる。記録媒体に記憶されているプログラムおよび/またはデータは、入力装置130を介してコンピュータに導入され、記憶装置110の補助記憶装置112に格納される。出力装置140は、ディスプレイ装置141、印刷装置142を備えている。
The
図19を参照して説明したように、各研磨ユニット間の機差に起因して、温度挙動にばらつきが発生してしまう。本実施形態では、このような温度挙動のばらつきを抑制するために、制御部40の処理装置120は、パッド温度測定器39の測定値と、その測定時点とに基づいて、研磨パッド3が所定の目標温度に到達するまでの温度挙動曲線を作成し、次のウエハWを研磨するときの温度挙動曲線が所定の許容範囲に維持されるように、温度挙動パラメータの少なくとも1つを変更するように構成されている。なお、温度挙動曲線はウエハWを研磨する毎に作成され、制御部40の処理装置120は、複数の温度挙動曲線を記憶装置110に蓄積する。以下、図6および図7を参照して、温度挙動曲線および所定の許容範囲について説明する。
As described with reference to FIG. 19, variations in temperature behavior occur due to machine differences between polishing units. In this embodiment, in order to suppress such variations in temperature behavior, the
図6は、温度挙動曲線の一例を示すグラフであり、図7は、温度挙動曲線の他の例を示すグラフである。図6は、温度挙動曲線が後述する許容範囲に入っている例を示すグラフであり、図7は、温度挙動曲線が許容範囲から外れた例を示すグラフである。図6および図7において、立軸は研磨パッド3の表面温度(パッド表面温度)を表し、横軸は時間を表す。 FIG. 6 is a graph showing an example of the temperature behavior curve, and FIG. 7 is a graph showing another example of the temperature behavior curve. FIG. 6 is a graph showing an example in which the temperature behavior curve falls within the tolerance range described later, and FIG. 7 is a graph showing an example in which the temperature behavior curve falls outside the tolerance range. 6 and 7, the vertical axis represents the surface temperature of the polishing pad 3 (pad surface temperature), and the horizontal axis represents time.
なお、図7に示すように、パッド温度調整装置5がパッド表面温度を目標温度に収束させる途中で、パッド表面温度が目標温度を一旦超えることがある。この現象は、「オーバーシュート」と称される。本明細書において、「研磨パッド3の表面温度(パッド表面温度)が目標温度に到達した」とは、このオーバーシュートを含む概念である。より具体的には、オーバーシュートが発生した場合、パッド表面温度が一旦目標温度に到達した時点を、パッド表面温度が目標温度に到達した時点と判断せず、オーバーシュート後にパッド表面温度が目標温度に収束した時点を、パッド表面温度が目標温度に到達した時点と判断する。
Note that, as shown in FIG. 7, while the pad
上述したように、最初に、制御部40は、上下動機構71に指令を与えて、パッド接触部材11を研磨パッド3の表面に接触させ、パッド表面温度の調整を開始する。これにより、研磨パッド3の表面温度が上昇し始める。図6および図7の時点Taは、パッド接触部材11が研磨パッド3の表面に接触した時点、すなわち、パッド接触部材11がパッド表面温度の調整を開始した時点である。次に、制御部40は、研磨ヘッド1に指令を与えて、該研磨ヘッド1に保持されるウエハWの表面を研磨パッド3に押し付けて、ウエハ(基板)Wの研磨を開始する。図6および図7の時点Tbは、ウエハWが研磨パッド3の表面(研磨面)に接触した時点、すなわち、ウエハWの研磨が開始された時点である。図6および図7に示すように、常温のウエハWが、パッド表面温度の調整が開始された後の研磨パッド3の表面に接触すると、パッド表面温度が一時的に低下する。
As described above, first, the
制御部40は、パッド接触部材11の加熱流路61および冷却流路62をそれぞれ流れる加熱液および冷却液の流量を少なくとも制御して、パッド表面温度を所定の目標温度に到達させる。図6および図7の時点Tcは、パッド表面温度が所定の目標温度に到達した時点である。その後、制御部40は、パッド表面温度が目標温度を維持するように、パッド接触部材11の加熱流路61および冷却流路62をそれぞれ流れる加熱液および冷却液の流量を少なくとも制御する。
The
温度挙動曲線Rは、パッド接触部材11がパッド表面温度の調整を開始した時点Taから目標温度に到達した時点Tcまでの、パッド表面温度の経時的な変化(すなわち、温度挙動)を示す曲線である。制御部40は、パッド温度測定器39から送られるパッド表面温度の測定値と、その測定時点に基づいて、温度挙動曲線Rを作成し、この温度挙動曲線Rを記憶する。
The temperature behavior curve R is a curve showing the change in pad surface temperature over time (i.e., temperature behavior) from the time Ta when the
パッド温度測定器39は、所定時間毎(例えば、100ms毎)にパッド表面温度を測定しており、パッド表面温度の測定値は、制御部40に順次送られる。制御部40は、パッド温度測定器39からパッド表面温度の測定値と、その測定時点が送られるたびに、その測定値を図6に示すようなグラフに順次プロットしていき、研磨パッド3の表面温度が目標温度に到達した時点Tcで、複数のプロット点を滑らかな曲線で繋ぐ。これにより、制御部40は、温度挙動曲線Rを取得することができる。
The pad
図6および図7において、許容範囲は、該許容範囲の上限を区画する上限曲線Ruと、該許容範囲の下限を区画する下限曲線Rlとによって挟まれた領域である。この許容範囲は、温度挙動曲線Rのばらつきを許容可能な範囲である。制御部40は、温度挙動曲線Rの少なくとも一部が許容範囲を外れた場合(図7参照)に、温度挙動曲線Rが許容範囲外であると決定する。許容範囲は、例えば、研磨装置の製造者が行う実験により決定することができる。この許容範囲は、各研磨ユニットで共通に用いられる。
In FIGS. 6 and 7, the tolerance range is an area sandwiched between an upper limit curve Ru that defines the upper limit of the tolerance range and a lower limit curve Rl that defines the lower limit of the tolerance range. This tolerance range is a range in which variations in the temperature behavior curve R can be tolerated. The
あるいは、許容範囲を、所定枚数(例えば、100枚)のウエハWを研磨したときに得られる複数の温度挙動曲線から作成してもよい。以下に、複数の温度挙動曲線から許容範囲を作成する方法の一例を説明する。 Alternatively, the tolerance range may be created from a plurality of temperature behavior curves obtained when a predetermined number (for example, 100) of wafers W are polished. An example of a method for creating a tolerance range from a plurality of temperature behavior curves will be described below.
図6および図7に示すように、パッド温度測定器39は、所定の時間間隔ごとに(すなわち、測定時点T1,T2,T3,T4,・・・Tnごとに)パッド表面温度を測定し、制御部40には、所定時間間隔ごとにパッド表面温度の測定値が送られる。最初の測定時点T1は、上記時点Taに相当し、測定時点Tnは、上記時点Tcに相当する。本実施形態では、ウエハWの研磨が開始される時点Tbは、測定時点T1(=Ta)と測定時点Tn(=Tc)との間にある。なお、図6および図7では、図が煩雑になるのを避けるため、隣接する測定時点の間隔を拡大して描いている。隣接する測定時点の間の実際の間隔は、図6および図7に示す間隔よりも狭く、例えば、100msである。
As shown in FIGS. 6 and 7, the pad
制御部40は、時点Ta(=T1)から時点Tc(=Tn)までの複数のパッド表面温度の測定値を測定時点T1,T2,T3,T4,・・・Tnと関連付けて記憶する。さらに、制御部40は、この操作を所定枚数のウエハWを研磨するたびに実行する。これにより、制御部40には、同一の測定時点T1,T2,・・・Tnに関連付けられたパッド表面温度の測定値の複数のデータセットが蓄積される。図8は、複数のデータセットの一例を示す模式図である。なお、図8に示す複数のデータセットを作成する際に、許容範囲から外れた温度挙動曲線(図7参照)を構成するパッド表面温度の測定値と、その測定時点の組み合わせは除外されるのが好ましい。すなわち、図8に示す複数のデータセットは、許容範囲に入った温度挙動曲線(図6参照)を構成するパッド表面温度の測定値と、その測定時点の組み合わせのみから構成されるのが好ましい。
The
次に、制御部40は、各データセットの正規分布を作成する。図9は、図8に示す測定時点T2のデータセットD2に基づいて作成された正規分布を示す図である。制御部40は、図9に示すような正規分布に基づいて、上記上限曲線Ruの1つのプロット点を抽出する。例えば、図9に示す正規分布の2σに相当するパッド表面温度の値を、上限曲線Ruを構成する1つのプロット点Pu2(図6参照)として抽出する。制御部40は、この作業を全ての測定時点T1,T2,・・・Tnに対応するデータセットで繰り返し、上限曲線Ruを形成する複数のプロット点Pu1,Pu2,・・・Punを入手する。これらプロット点Pu1,Pu2,・・・Punを滑らかな曲線で繋ぐことにより、上限曲線Ruが得られる。なお、図6には、上限曲線Ruを形成するプロット点の代表として、プロット点Pu2のみが描かれている。
Next, the
同様に、図9に示す正規分布の-2σに相当するパッド表面温度の値を、下限曲線Rlを構成する1つのプロット点Pl2(図6参照)として抽出する。制御部40は、この作業を全ての測定時点T1,T2,・・・Tnに対応するデータセットで繰り返し、下限曲線Rlを形成する複数のプロット点Pl1,Pl2,・・・Plnを入手する。これらプロット点を滑らかな曲線で繋ぐことにより、下限曲線Rlが得られる。なお、図6には、下限曲線Rlを形成するプロット点の代表として、プロット点Pl2のみが描かれている。このようにして得られた許容範囲は、所定枚数のウエハWを研磨したときに得られる複数の温度挙動曲線の平均の±2σの範囲に相当する。
Similarly, the value of the pad surface temperature corresponding to −2σ of the normal distribution shown in FIG. 9 is extracted as one plot point Pl2 (see FIG. 6) constituting the lower limit curve Rl. The
許容範囲を、所定枚数(例えば、100枚)のウエハWを研磨したときに得られる複数の温度挙動曲線から作成する方法の他の例は、複数の温度挙動曲線のなかから基準温度挙動曲線を選択する方法である。基準温度曲線は、例えば、複数の温度挙動曲線を同一のグラフ上に描いたときに、最も中心に位置する温度挙動曲線である。許容範囲は、基準温度曲線から所定の割合だけ上下方向に離れた上限曲線Ruと下限曲線Rlとにより区画される。より具体的には、許容範囲の上限を区画する上限曲線Ruは、選択された基準温度挙動曲線を構成する各パッド表面温度の値に、正数である所定の係数(+C%)を乗算して得られた値を滑らかな曲線で繋ぐことにより得られる。許容範囲の下限を区画する下限曲線Rlは、選択された基準温度挙動曲線を構成する各パッド表面温度の値に、負数である所定の係数(-C%)を乗算して得られた値を滑らかな曲線で繋ぐことにより得られる。この場合、許容範囲は、基準温度曲線から±C%だけ上下方向に離れた上限曲線Ruと下限曲線Rlとによって区画される。一般に、所定の割合であるCの値としては、5から20の範囲にある値が用いられる。 Another example of a method for creating a tolerance range from a plurality of temperature behavior curves obtained when a predetermined number (for example, 100 wafers) of wafers W is polished is to create a reference temperature behavior curve from among a plurality of temperature behavior curves. This is the method of choice. The reference temperature curve is, for example, the temperature behavior curve located most centrally when a plurality of temperature behavior curves are drawn on the same graph. The permissible range is defined by an upper limit curve Ru and a lower limit curve Rl that are vertically separated by a predetermined percentage from the reference temperature curve. More specifically, the upper limit curve Ru that defines the upper limit of the allowable range is obtained by multiplying the value of each pad surface temperature that constitutes the selected reference temperature behavior curve by a predetermined coefficient (+C%) that is a positive number. It is obtained by connecting the values obtained by using a smooth curve. The lower limit curve Rl that delimits the lower limit of the allowable range is a value obtained by multiplying the value of each pad surface temperature constituting the selected reference temperature behavior curve by a predetermined coefficient (-C%), which is a negative number. Obtained by connecting them with smooth curves. In this case, the allowable range is defined by an upper limit curve Ru and a lower limit curve Rl that are vertically separated by ±C% from the reference temperature curve. Generally, a value in the range of 5 to 20 is used as the value of C, which is the predetermined ratio.
図7に示すように、温度挙動曲線Rが所定の許容範囲を越えると、製品(すなわち、半導体デバイス)の歩留まりに悪影響を与えるおそれがある。そのため、温度挙動曲線Rは、常に、所定の許容範囲内に収まっているのが好ましい。温度挙動曲線Rを所定の許容範囲に収めるための方法の一例は、ウエハWを研磨する際に作成される温度挙動曲線Rが所定の許容範囲を越えた場合に、次のウエハWの研磨時に使用される温度挙動パラメータの少なくとも1つを変更する方法である。変更されるべき温度挙動パラメータ、およびその変更値は、例えば、研磨装置の製造者によって行われる実験によって決定することができる。 As shown in FIG. 7, if the temperature behavior curve R exceeds a predetermined tolerance range, it may adversely affect the yield of the product (ie, semiconductor device). Therefore, it is preferable that the temperature behavior curve R always falls within a predetermined tolerance range. An example of a method for keeping the temperature behavior curve R within a predetermined tolerance range is that if the temperature behavior curve R created when polishing a wafer W exceeds a predetermined tolerance range, the temperature behavior curve R created when polishing a wafer W is A method of changing at least one of the temperature behavior parameters used. The temperature behavior parameters to be changed and the values of their changes can be determined, for example, by experiments carried out by the manufacturer of the polishing device.
しかしながら、本実施形態では、温度挙動曲線Rを所定の許容範囲に維持するために、制御部40は、人工知能(AI:artificial intelligence)を使用して、変更されるべき温度挙動パラメータと、その変更値を予測する。
However, in the present embodiment, in order to maintain the temperature behavior curve R within a predetermined tolerance range, the
なお、本明細書において、温度挙動パラメータは、上述した温度挙動を変更可能なパラメータの総称である。温度挙動パラメータの代表的な例としては、以下のものがあげられる。
1)加熱液の流量
2)冷却液の流量
3)第1流量制御バルブ42および第2流量制御バルブ56の操作量を決定するためのPIDパラメータ
4)加熱液ポンプの回転速度
5)冷却液ポンプの回転速度
6)加熱液の供給圧
7)冷却液の供給圧
8)加熱液の温度
9)冷却液の温度
10)加熱源48の設定温度
11)研磨液の温度
12)研磨液の流量
13)研磨液の滴下位置
14)研磨ヘッド1の回転速度
15)研磨テーブル2の回転速度
16)ウエハWの研磨パッド3に対する研磨荷重
17)パッド接触部材11の研磨パッド3に対する押付荷重
18)ドレッシング条件
19)研磨ユニット内の雰囲気温度
20)研磨パッド3の半径方向におけるパッド温度測定器39の位置
21)時間
Note that in this specification, the temperature behavior parameter is a general term for the parameters that can change the temperature behavior described above. Typical examples of temperature behavior parameters include the following:
1) Flow rate of the heating liquid 2) Flow rate of the cooling liquid 3) PID parameters for determining the operating amounts of the first
上記項目21)に記載の時間は、上記項目1)乃至20)に記載の温度挙動パラメータを制御部40が取得した時間を意味しており、上記項目1)乃至20)に記載の温度挙動パラメータに関連する値である。ここで、温度挙動パラメータを変更することにより、研磨パッド3の温度を調整するためには、時々刻々と変化する温度挙動パラメータを監視する必要があるため、温度挙動パラメータの取得時間は、正確な温度制御を実行するためには、非常に重要なファクターとなる。そのため、本明細書では、温度挙動パラメータには、「時間」を含むと定義する。
The time described in item 21) above means the time at which the
上記1)乃至20)に示される温度挙動パラメータの少なくとも1つを変更することにより、温度挙動(すなわち、温度挙動曲線)を変化させることができる。例えば、加熱液の流量および/または温度を増加させるか、冷却液の流量および/または温度を減少させると、研磨パッド3の表面温度は、より速やかに上昇する。PIDパラメータを変更すると、第1流量制御バルブ42および第2流量制御バルブ56の操作量が変化し、結果として、加熱液の流量および冷却液の流量が変更される。特に、PIDパラメータの比例ゲインPの変更は、温度挙動の変化に大きく作用する。
By changing at least one of the temperature behavior parameters shown in 1) to 20) above, the temperature behavior (that is, the temperature behavior curve) can be changed. For example, when the flow rate and/or temperature of the heating liquid is increased or the flow rate and/or temperature of the cooling liquid is decreased, the surface temperature of the
加熱液供給管32に加熱液ポンプ47(図1参照)が取り付けられている場合は、加熱液ポンプ47の回転速度を変更することにより、加熱液の流量および供給圧を変更することができる。同様に、冷却液供給管51に冷却液ポンプ(図示せず)が取り付けられている場合は、冷却液ポンプの回転速度を変更することにより、冷却液の流量および供給圧を変更することができる。したがって、加熱液ポンプ47の回転速度および/または冷却液ポンプの回転速度を変更することによって、温度挙動を変化させることができる。
When a heated liquid pump 47 (see FIG. 1) is attached to the heated
また、制御部40は、加熱液供給タンク31に配置される加熱源(例えば、ヒータ)48の設定温度を変更してもよい。これにより、パッド接触部材11に供給される加熱液の温度が変更されるので、温度挙動を変化させることができる。
Further, the
研磨パッド3上に供給される研磨液(スラリー)は、パッド接触部材11によって上昇されたパッド表面温度を低下させる。したがって、研磨液の温度および/または流量を変更すると、パッド表面温度の低下量が変化し、結果として、温度挙動が変化する。同様の理由から、研磨液の滴下位置を変更することで、温度挙動を変更させることができる。
The polishing liquid (slurry) supplied onto the
回転する研磨ヘッド1に保持されたウエハWを、回転する研磨テーブル2に支持される研磨パッド3に押し付けると、ウエハWと研磨パッド3との間に摩擦熱が発生し、この摩擦熱によってパッド表面温度が上昇する。この摩擦熱の量は、研磨ヘッド1の回転速度、研磨テーブル2の回転速度、ウエハWの研磨パッド3に対する研磨荷重によって変化する。したがって、研磨ヘッド1の回転速度、研磨テーブル2の回転速度、および/または研磨荷重を変更することによって、温度挙動を変化させることができる。
When a wafer W held by a
さらに、上下動機構11によって、パッド接触部材11を回転する研磨パッド3の表面に押し付けると、パッド接触部材11と研磨パッド3との間に摩擦熱が発生し、この摩擦熱によっても、パッド表面温度が上昇する。この摩擦熱の量は、パッド接触部材11の研磨パッド3に対する押付荷重に応じて変化する。したがって、上下動機構11がパッド接触部材11を研磨パッド3の表面に押し付ける押付荷重を変更することにより、温度挙動を変化させることができる。
Further, when the
ドレッサ20は、予め設定されたドレッシング条件にしたがって研磨パッド3の表面をドレッシングする。このドレッシング条件には、例えば、ドレッサ20の回転速度、ドレッサ20の研磨パッド3に対する押付荷重などが含まれている。ドレッシング条件を変更すると、ドレッサ20によってドレッシングされた後の研磨パッド3の表面の粗さが変化する。その結果、研磨中のウエハWと研磨パッド3との間に発生する摩擦熱の量、およびパッド接触部材11と研磨パッド3との間に発生する摩擦熱の量が変化するので、ドレッシング条件を変更することにより、温度挙動を変化させることができる。
研磨ユニット内の雰囲気温度も温度挙動に影響を与えるので、該雰囲気温度も温度挙動パラメータの1つである。例えば、雰囲気温度が20℃である研磨ユニットにおける温度挙動曲線の勾配は、雰囲気温度が25℃である研磨ユニットにおける温度挙動曲線の勾配よりも小さくなる。 Since the ambient temperature within the polishing unit also influences the temperature behavior, the ambient temperature is also one of the temperature behavior parameters. For example, the slope of the temperature behavior curve in a polishing unit where the ambient temperature is 20°C is smaller than the slope of the temperature behavior curve in a polishing unit where the ambient temperature is 25°C.
上述したように、パッド温度測定器39が赤外線放射温度計の場合は、研磨パッド3の半径方向におけるパッド温度測定器39の位置を調整することができる。研磨パッド3の半径方向におけるパッド温度測定器39の位置を変更すると、研磨パッド3におけるパッド温度測定器39の測定領域が変化する。そのため、パッド温度測定器39の測定値がその位置を変更する前後で変わる。制御部40は、測定されたパッド表面温度に基づいて、第1流量制御バルブ42および第2流量制御バルブ56を操作しているので、研磨パッド3の半径方向におけるパッド温度測定器39の位置を変更することにより、温度挙動を変化させることができる。
As described above, when the pad
図10は、図5に示す制御部40に搭載される人工知能の構成の一例を示す模式図である。図10に示す人工知能では、ニューラルネットワークまたは量子コンピューティングを用いた機械学習を行い、温度挙動曲線Rを所定の許容範囲に維持するための学習済モデルが構築される。一般に、学習済モデルは、入力データに対する予測結果または診断結果を出力するように構築される。例えば、少なくとも1つの温度挙動パラメータを学習済モデルに入力すると、学習済モデルは、温度挙動曲線Rを所定の許容範囲に維持するために変更されるべき少なくとも1つの温度挙動パラメータと、その変更値を予測して出力する。
FIG. 10 is a schematic diagram showing an example of the configuration of artificial intelligence installed in the
図11は、図10に示す学習済モデルを構築する方法を説明するためのフローチャートである。学習済モデルを構築する際には、最初に、データの収集を行い(ステップ1参照)、生データの集合体を作成する(ステップ2参照)。ステップ1で行われるデータの収集は広範囲にわたって実施される。例えば、収集されるデータには、研磨装置に配置された各種センサの測定値、研磨装置に配置された各構成機器の材料、作業者によって研磨装置に入力されたパラメータなどが含まれ、撮像装置が研磨装置に配置されている場合は、該撮像装置が取得した画像データも含まれる。さらに、収集されるデータには、センサの測定値、画像データなどを処理した加工データを含んでもよいし、研磨装置の各種データを保存しているデータベース、および検索データを含んでもよい。これら生データの集合体は、「ビッグデータ」と称されることがある。
FIG. 11 is a flowchart for explaining a method for constructing the learned model shown in FIG. 10. When constructing a trained model, first, data is collected (see step 1) and a collection of raw data is created (see step 2). The data collection performed in
次に、生データの集合体から、学習済モデルを構築するために必要な学習用データセットを作成する(ステップ3参照)。学習用データセットは、温度挙動曲線Rを所定の許容範囲に維持するための学習済モデルを構築する際に必要なデータセットであり、「教師データ」とも称される。この学習用データセットは、正常データ、異常データ、参照データ、または混在データである。混在データとは、正常データと異常データとが所定の割合で混ざっているデータセットを意味する。例えば、混在データは、80%の正常データと20%の異常データから構成されてもよいし、90%の正常データと10%の異常データから構成されてもよい。一般的に、混在データには、正常データが異常データよりも多く含まれており、多用される異常データに対する正常データの割合は、8:1または9:1である。このように、正常データの割合と異常データの割合との合計が100%となるように、正常データの割合を70~100%の範囲から選択し、かつ異常データの割合を0~30%の範囲から選択して作成された混在データを使用するのが好適である。 Next, a training dataset necessary for constructing a trained model is created from the collection of raw data (see step 3). The learning data set is a data set necessary for constructing a learned model for maintaining the temperature behavior curve R within a predetermined tolerance range, and is also referred to as "teacher data." This learning data set is normal data, abnormal data, reference data, or mixed data. Mixed data means a data set in which normal data and abnormal data are mixed at a predetermined ratio. For example, the mixed data may be composed of 80% normal data and 20% abnormal data, or may be composed of 90% normal data and 10% abnormal data. Generally, mixed data includes more normal data than abnormal data, and the ratio of normal data to frequently used abnormal data is 8:1 or 9:1. In this way, the proportion of normal data is selected from the range of 70 to 100%, and the proportion of abnormal data is selected from the range of 0 to 30%, so that the sum of the proportion of normal data and the proportion of abnormal data is 100%. It is preferable to use mixed data created by selecting from a range.
学習用データセットは、例えば、少なくとも1つの温度挙動パラメータを含んでいる。上述したように、温度挙動パラメータは、加熱液の流量、冷却液の流量、第1流量制御バルブ42および第2流量制御バルブ56の操作量を決定するためのPIDパラメータ、加熱液ポンプの回転速度、冷却液ポンプの回転速度、加熱液の供給圧、冷却液の供給圧、加熱液の温度、冷却液の温度、加熱源48の設定温度、研磨液の温度、研磨液の流量、研磨液の滴下位置、研磨ヘッド1の回転速度、研磨テーブル2の回転速度、ウエハWの研磨パッド3に対する研磨荷重、パッド接触部材11の研磨パッド3に対する押付荷重、ドレッシング条件、および研磨ユニット内の雰囲気温度などの温度挙動パラメータ、研磨パッド3の半径方向における赤外線放射温度計の位置、および時間を含んでいる。学習用データセットは、制御部40の記憶装置110に予め記憶されていてもよいし、通信装置150を介して制御部40に提供されてもよい。さらに、学習用データセットは、記憶装置110に蓄積された複数の温度挙動曲線を含んでもよいし、さらに、各温度挙動曲線を作成する際に使用されたパッド温度測定器39の測定値と、その測定時点の組み合わせを含んでもよい。
The training data set includes, for example, at least one temperature behavior parameter. As described above, the temperature behavior parameters include the flow rate of the heating liquid, the flow rate of the cooling liquid, the PID parameter for determining the operation amount of the first
次に、ニューラルネットワークまたは量子コンピューティングを用いた機械学習を行い(ステップ4参照)、温度挙動曲線Rを所定の許容範囲に維持するための学習済モデルを構築する(ステップ5参照)。学習済モデルを構築するための機械学習には、正常データを学習用データセットとして用いる学習、異常データを学習用データセットとして用いる学習、参照データを学習用データセットとして用いる学習、および混在データを学習用データセットとして用いる学習が含まれる。学習済モデルを構築するための機械学習には、上記学習とは異なる学習も含まれる。例えば、学習済モデルは、学習用データセットを用いない学習(すなわち、「教師データ」がない学習)、または強化学習を行うことにより構築されてもよい。 Next, machine learning using a neural network or quantum computing is performed (see step 4) to construct a trained model for maintaining the temperature behavior curve R within a predetermined tolerance range (see step 5). Machine learning for building trained models includes learning using normal data as a training dataset, learning using abnormal data as a training dataset, learning using reference data as a training dataset, and learning using mixed data. Includes training used as a training dataset. Machine learning for constructing a trained model also includes learning different from the above learning. For example, a trained model may be constructed by performing learning without using a training dataset (that is, learning without "teacher data") or reinforcement learning.
ニューラルネットワークまたは量子コンピューティングを用いた機械学習としては、ディープラーニング法(深層学習法)が好適である。ディープラーニング法は、隠れ層(中間層ともいう)が多層化されたニューラルネットワークをベースとする学習法である。本明細書では、入力層と、二層以上の隠れ層と、出力層で構成されるニューラルネットワークを用いた機械学習をディープラーニングと称する。 As machine learning using a neural network or quantum computing, a deep learning method is suitable. The deep learning method is a learning method based on a neural network with multiple hidden layers (also called intermediate layers). In this specification, machine learning using a neural network including an input layer, two or more hidden layers, and an output layer is referred to as deep learning.
図12は、ニューラルネットワークの構造の一例を示す模式図である。学習済モデルは、図12に示されるようなニューラルネットワークを用いたディープラーニング法によって構築される。 FIG. 12 is a schematic diagram showing an example of the structure of a neural network. The learned model is constructed by a deep learning method using a neural network as shown in FIG.
図12に示すニューラルネットワークは、入力層301と、複数の(図示した例では、5つの)隠れ層302と、出力層303を有している。正常データが学習用データセットとして用いられる場合は、制御部40は、学習済モデルを構築するために、正常データを用いてニューラルネットワークを構成する重みパラメータを調整する。より具体的には、制御部40は、学習用に作成された少なくとも1つの温度挙動パラメータを含むデータをニューラルネットワークの入力層301に入力したときに、温度挙動曲線を所定の許容範囲内に維持するために変更されるべき温度挙動パラメータと、その変更値に相当するデータがニューラルネットワークの出力層303から出力されるように、ニューラルネットワークの重みパラメータを調整する。例えば、少なくとも1つの温度挙動パラメータを含むデータをニューラルネットワークの入力層301に入力したときに、温度挙動曲線を所定の許容範囲内に維持するために変更されるべきPIDパラメータと、該PIDパラメータの変更値がニューラルネットワークの出力層303から出力されるように、ニューラルネットワークの重みパラメータを調整する。
The neural network shown in FIG. 12 has an
出力層303から出力されたPIDパラメータの変更値は、温度挙動曲線が所定の許容範囲内に入っていたときのPIDパラメータの集合体である正常範囲と比較される。出力層303から出力されたPIDパラメータの変更値が正常範囲から外れる場合は、学習用に作成された少なくとも1つの温度挙動パラメータを含むデータをニューラルネットワークの入力層301に再度入力したときに、出力層303から出力されるPIDパラメータの変更値が正常範囲に入るように、重みパラメータを自動で調整していく。このように、学習済モデルは、入力層への少なくとも1つの温度挙動パラメータの入力、出力層からの出力値と正常範囲との比較、および重みパラメータの調整を繰り返し行うことにより構築される。
The changed values of the PID parameters output from the
さらに、制御部40は、検証用データをニューラルネットワークに入力し、ニューラルネットワークから出力されたデータが、正常範囲に含まれるデータに相当するか否かを検証するのが好ましい。検証用データは、ステップ3で作成された学習用データセットの一部を予め抽出しておくことで作成してもよい。あるいは、ステップ3で作成された学習用データセットの全部を検証用データとして使用してもよい。この場合、ステップ3で作成された学習用データセットの全部が学習済モデルに再度入力され、重みパラメータの調整が同一の学習用データセットを用いて繰り返される。
Furthermore, it is preferable that the
一実施形態では、ニューラルネットワークは、入力層301とは異なる入力層301’を有していてもよい。入力層301’には、例えば、温度挙動パラメータとは異なるデータが入力されてもよいし、入力層301に入力された温度挙動パラメータとは異なる温度挙動パラメータが入力されてもよい。入力層301’に入力されるデータの例は、記憶装置110に蓄積された複数の温度挙動曲線、および/または各温度挙動曲線を作成する際に使用されたパッド温度測定器39の測定値と、その測定時点の組み合わせである。入力層301’に入力されるデータの他の例は、研磨ユニットで用いられる消耗品の使用時間である。消耗品の例には、研磨パッド3、ウエハWの研磨中に研磨ヘッド1からウエハWが飛び出すことを防止するリテーナリング(図示せず)、および研磨ヘッド1の下方に配置され、ウエハWを所定の押圧力で研磨パッド3に押圧するためのメンブレン(図示せず)などが含まれる。
In one embodiment, the neural network may have an input layer 301' different from
入力層301’に入力されるデータのさらに他の例は、温度挙動に影響を与える状態量の経時的な変化を表す温度挙動パラメータ(例えば、加熱液の温度、研磨ヘッド1の回転速度、研磨テーブル2の回転速度、ドレッシング条件、研磨ヘッド1の研磨荷重、および研磨液の流量など)である。入力層301’に入力されるデータのさらに他の例は、温度挙動に影響を与える環境の経時的な変化を表す温度挙動パラメータ(例えば、パッド接触部材11の押付荷重、研磨液の温度、研磨ユニット内の雰囲気温度、加熱液の供給圧、および冷却液の供給圧など)である。
Still other examples of data input to the input layer 301' include temperature behavior parameters (for example, temperature of the heating liquid, rotational speed of the polishing
温度挙動パラメータとは異なるデータ、温度挙動に影響を与える状態量の経時的な変化を表す温度挙動パラメータ、および/または温度挙動に影響を与える環境の経時的な変化を表す温度挙動パラメータをニューラルネットワークに入力することにより、ニューラルネットワークの出力層303は、より正確な予測値(すなわち、変更されるべき温度挙動パラメータと、その変更値)を出力することができる。例えば、ニューラルネットワークは、温度挙動に影響を与える状態量の経時的な変化、および/または温度挙動に影響を与える環境の経時的な変化が考慮された、より正確な変更されるべき温度挙動パラメータの変更値を出力層303から出力することができる。
Neural networks can be used to generate data different from temperature behavior parameters, temperature behavior parameters that represent changes over time in state variables that influence temperature behavior, and/or temperature behavior parameters that represent changes over time in the environment that influence temperature behavior. By inputting , the
さらに、ニューラルネットワークは、出力層303とは異なる出力層303’を有していてもよい。出力層303’は、例えば、変更されるべき温度挙動パラメータと、その変更値とは異なるデータを出力する。出力層303’から出力されるデータの例は、ウエハWを研磨するときに調整される最適なパッド表面温度の時間経過を表す最適温度挙動曲線、および/または最適温度挙動曲線を構成するパッド表面温度と、その測定時点の組み合わせである。出力層303’から出力されるデータの他の例は、PIDパラメータとは異なる他の温度挙動パラメータである。例えば、出力層303’は、温度挙動曲線を所定の許容範囲内に維持するために変更されるべき、PIDパラメータとは異なる他の温度挙動パラメータとその変更値とを出力してもよい。あるいは、出力層303’は、出力層303から出力されるPIDパラメータを変更したときに、PIDパラメータとは異なる他の温度挙動パラメータの変化の予測値を出力してもよい。
Furthermore, the neural network may have an output layer 303' different from the
このように構築された学習済モデルは、記憶装置110(図5参照)に格納されている。制御部40は、記憶装置110に電気的に格納されたプログラムに従って動作する。すなわち、制御部40の処理装置120は、少なくとも1つの温度挙動パラメータを含むデータを、前記学習済モデルの入力層301に入力し、温度挙動曲線Rを所定の許容範囲に維持するために変更されるべき少なくとも1つの温度挙動パラメータと、その変更値とを出力層303から出力するための演算を実行する。
The trained model constructed in this way is stored in the storage device 110 (see FIG. 5). The
上述したように、PIDパラメータを変更すると、第1流量制御バルブ42および第2流量制御バルブ56の操作量が変化し、結果として、加熱液の流量および冷却液の流量が変更される。PIDパラメータの変更(特に、比例ゲインPの変更)は、温度挙動(すなわち、温度挙動曲線)の変化に直接的かつ大きく作用する。以下では、変更されるべき温度挙動パラメータとして、PIDパラメータと、その変更値が学習済モデルの出力層303から出力される実施例を説明する。
As described above, when the PID parameter is changed, the operating amounts of the first
第1の例としては、制御部40は、PIDパラメータ、加熱液の流量、および冷却液の流量を入力層301に入力する。学習済モデルは、PIDパラメータ、加熱液の流量、および冷却液の流量を入力層301に入力したときに、温度挙動曲線Rを所定の許容範囲に維持するために変更されるべきPIDパラメータと、その変更値とを出力層303から出力するように構築されている。学習済モデルは、PIDパラメータの少なくとも1つ(例えば、比例ゲインP)と、その変更値を出力層303から出力するように構築されていてもよい。
As a first example, the
一実施形態では、制御部40は、入力層301に入力されるPIDパラメータ、加熱液の流量、および冷却液の流量の各データを取得した時間(上記項目21)参照)を入力層301’に入力してもよい。あるいは、制御部40は、PIDパラメータ、加熱液の流量、および冷却液の流量に加えて、PIDパラメータ、加熱液の流量、および冷却液の流量の各データを取得した時間を入力層301に入力してもよい。
In one embodiment, the
上記項目1)乃至20)に記載の温度挙動パラメータは、研磨ユニットに配置された各種センサによって取得される。各種センサが温度挙動パラメータの測定値を取得する時間は、互いに異なっている。例えば、加熱液の流量を測定するセンサが該加熱液の流量値を取得する時間は、冷却液の流量を測定するセンサが該冷却液の流量値を取得する時間と異なる。さらに、各センサが取得した温度挙動パラメータを制御部40に送信してから、該制御部40が温度挙動パラメータを受け取るまでの時間も、互いに異なっている。例えば、加熱液の流量を測定するセンサから送信された加熱液の流量値を制御部40が受け取った時間は、冷却液の流量を測定するセンサから送信された冷却液の流量値を制御部40が受け取った時間と異なる。これは、各センサから制御部40までの距離が異なるために、各センサから制御部40まで延びるケーブル長に違いがあること、各センサに配置されたアンプなどの機器が互いに異なることなどが理由である。
The temperature behavior parameters described in items 1) to 20) above are acquired by various sensors arranged in the polishing unit. The times at which various sensors take measurements of temperature behavior parameters are different from each other. For example, the time at which a sensor that measures the flow rate of the heating liquid acquires the flow rate value of the heating liquid is different from the time at which the sensor that measures the flow rate of the cooling liquid acquires the flow rate value of the cooling liquid. Furthermore, the time from when the temperature behavior parameters acquired by each sensor are transmitted to the
ニューラルネットワークの出力層303が温度挙動曲線Rを所定の許容範囲に維持するために変更されるべき少なくとも1つの温度挙動パラメータと、その変更値とをより正確に出力するためには、制御部40によって取得される各温度挙動パラメータの時間を一致させることが好ましい。しかしながら、上述したように、制御部40が各温度挙動パラメータを取得する時間を一致させるのは困難である。そこで、ニューラルネットワークの入力層301(または、入力層301’)に時間を追加的に入力する。時間が入力されたニューラルネットワークは、時間以外に入力された複数の温度挙動パラメータの経時変化から、複数の温度挙動パラメータの測定時間を一致させた各予測値を演算し、この予測値に基づいて、出力層303から変更されるべきPIDパラメータと、その変更値とを出力する。これにより、制御部40が取得する各温度挙動パラメータの時間差を考慮したより正確な出力値を得ることができる。
In order for the
一実施形態では、制御部40は、パッド温度測定器39の測定値と、その測定時点の組み合わせ、および/またはパッド温度測定器39の測定値と、その測定時点に基づいて作成された温度挙動曲線を学習済モデルの入力層301’にさらに入力してもよい。この場合も、学習済モデルは、温度挙動曲線Rを所定の許容範囲に維持するために変更されるべきPIDパラメータ(または、PIDパラメータの少なくとも1つ)と、その変更値とを出力層303から出力する。
In one embodiment, the
制御部40は、学習済モデルからの出力に応じてPIDパラメータを変更し、変更されたPIDパラメータにしたがって研磨パッド3の表面温度を調整しながら、次のウエハWを研磨する。PIDパラメータ、加熱液の流量、および冷却液の流量の組み合わせのデータセットは、温度挙動(すなわち、温度挙動曲線)の変化に最も影響を与えるパラメータの組み合わせである。したがって、第1の例のデータセットを入力層301に入力することにより、学習済モデルが最も適切なPIDパラメータと、その変更値を出力することが期待できる。上述したように、学習済モデルは、その出力層303’から最適温度挙動曲線、および/または最適温度挙動曲線を構成するパッド表面温度と、その測定時点の組み合わせをさらに出力してもよい。
The
一実施形態では、学習済モデルは、出力層303’から、温度挙動曲線を所定の許容範囲内に維持するために変更されるべき、PIDパラメータとは異なる他の温度挙動パラメータとその変更値とを出力してもよい。この場合、制御部40は、出力層303から出力されたPIDパラメータをその変更値に更新するのと同時に、出力層303’から出力される他の温度挙動パラメータをその変更値に更新する。この場合、温度挙動曲線が許容範囲から外れることをより効果的に防止することができる。
In one embodiment, the trained model includes other temperature behavior parameters different from the PID parameters and their modified values that are to be modified to maintain the temperature behavior curve within a predetermined tolerance range from the
第2の例としては、制御部40は、加熱液の温度、研磨ヘッド1の回転速度、研磨テーブル2の回転速度、ドレッシング条件、研磨ヘッド1の研磨荷重、および研磨液の流量を入力層301に入力する。学習済モデルは、加熱液の温度、研磨ヘッド1の回転速度、研磨テーブル2の回転速度、ドレッシング条件、研磨ヘッド1の研磨荷重、および研磨液の流量を入力層301に入力したときに、温度挙動曲線Rを所定の許容範囲に維持するために変更されるべきPIDパラメータ(または、PIDパラメータの少なくとも1つ)と、その変更値とを出力層303から出力するように構築されている。
As a second example, the
第2の例のデータセットは、温度挙動に影響を与える状態量の経時的な変化を表す温度挙動パラメータの代表的な組み合わせである。例えば、加熱液の温度は、パッド温度調整装置5が研磨パッド3の表面温度を調整している間に時々刻々と変化する状態量であり、加熱液の温度の経時的な変化は、温度挙動の変化に影響を与える。したがって、第2の例のデータセットを入力層301に入力することにより、出力層303は、温度挙動に影響を与える状態量の経時的な変化に基づいた、変更されるべきPIDパラメータと、その変更値とを出力することができる。
The second example data set is a representative combination of temperature behavior parameters representing changes over time in state quantities that influence temperature behavior. For example, the temperature of the heating liquid is a state quantity that changes moment by moment while the pad
第1の例と同様に、制御部40は、時間を学習済モデルの入力層301’(または入力層301)に入力してもよい。さらに、制御部40は、パッド温度測定器39の測定値と、その測定時点の組み合わせ、および/またはパッド温度測定器39の測定値と、その測定時点に基づいて作成された温度挙動曲線を学習済モデルの入力層301’に入力してもよい。さらに、学習済モデルは、その出力層303’から温度挙動曲線を所定の許容範囲内に維持するために変更されるべき、PIDパラメータとは異なる他の温度挙動パラメータとその変更値とを出力してもよいし、最適温度挙動曲線、および/または最適温度挙動曲線を構成するパッド表面温度と、その測定時点の組み合わせを出力してもよい。
Similar to the first example, the
制御部40は、学習済モデルからの出力に応じてPIDパラメータを変更し、変更されたPIDパラメータにしたがって研磨パッド3の表面温度を調整しながら、次のウエハWを研磨する。第2の例のデータセットが入力される学習済モデルを構築して、パッド表面温度の調整を行う場合は、研磨装置の各構成機器を改造する必要がない。すなわち、第2の例のデータセットは、既設の研磨装置でも常にモニタリングしているパラメータのみで構成されている。したがって、この学習済モデルを制御部40にインストールするだけで、既設の研磨装置を改造することなく、温度挙動曲線Rを所定の許容範囲に維持することができる。その結果、研磨性能のばらつきが低減された研磨装置を安価に提供することができる。
The
一実施形態では、第2の例のデータセットに追加して、第1の例のデータセットを、入力層301(または、入力層301’)に入力してもよい。上述したように、第2の例のデータセットは、温度挙動に影響を与える状態量の経時的な変化を表す温度挙動パラメータの代表的な組み合わせである。したがって、第1の例のデータセットと、第2の例のデータセットの組み合わせを入力層301に入力することにより、出力層303は、温度挙動に影響を与える状態量の経時的な変化を考慮して、変更されるべきPIDパラメータと、その変更値とを出力する。その結果、ニューラルネットワークは、より精度が高められた変更されるべきPIDパラメータと、その変更値とを出力することができる。
In one embodiment, the first example dataset may be input to the input layer 301 (or input layer 301') in addition to the second example dataset. As mentioned above, the data set of the second example is a representative combination of temperature behavior parameters representing changes over time in state quantities that influence temperature behavior. Therefore, by inputting the combination of the data set of the first example and the data set of the second example to the
第3の例としては、制御部40は、パッド接触部材11の押付荷重、研磨液の温度、研磨ユニット内の雰囲気温度、加熱液の供給圧、および冷却液の供給圧を入力層301に入力する。学習済モデルは、パッド接触部材11の押付荷重、研磨液の温度、研磨ユニット内の雰囲気温度、加熱液の供給圧、および冷却液の供給圧を入力層301に入力したときに、温度挙動曲線Rを所定の許容範囲に維持するために変更されるべきPIDパラメータ(または、PIDパラメータの少なくとも1つ)と、その変更値とを出力層303から出力するように構築されている。
As a third example, the
第3の例のデータセットは、温度挙動に影響を与える環境の経時的な変化を表す温度挙動パラメータの代表的な組み合わせである。したがって、第3の例のデータセットを入力層301に入力することにより、出力層303は、温度挙動に影響を与える環境の経時的な変化に基づいた、変更されるべきPIDパラメータと、その変更値とを出力することができる。
The third example dataset is a representative combination of temperature behavior parameters representing changes in the environment over time that affect temperature behavior. Therefore, by inputting the third example data set to the
第1の例と同様に、制御部40は、時間を学習済モデルの入力層301’(または入力層301)に入力してもよい。さらに、制御部40は、パッド温度測定器39の測定値と、その測定時点の組み合わせ、および/またはパッド温度測定器39の測定値と、その測定時点に基づいて作成された温度挙動曲線を学習済モデルの入力層301’に入力してもよい。さらに、学習済モデルは、その出力層303’から温度挙動曲線を所定の許容範囲内に維持するために変更されるべき、PIDパラメータとは異なる他の温度挙動パラメータとその変更値とを出力してもよいし、最適温度挙動曲線、および/または最適温度挙動曲線を構成するパッド表面温度と、その測定時点の組み合わせを出力してもよい。
Similar to the first example, the
制御部40は、学習済モデルからの出力に応じてPIDパラメータを変更し、変更されたPIDパラメータにしたがって研磨パッド3の表面温度を調整しながら、次のウエハWを研磨する。第3の例のデータセットが入力される学習済モデルを構築して、パッド表面温度の調整を行う場合は、研磨装置の改造が必要となるが、この学習済モデルを制御部40にインストールすることにより、温度挙動曲線Rを所定の許容範囲に維持することができる。
The
一実施形態では、第3の例のデータセットに追加して、第1の例のデータセットを、入力層301(または、入力層301’)に入力してもよい。上述したように、第3の例のデータセットは、温度挙動に影響を与える環境の経時的な変化を表す温度挙動パラメータの代表的な組み合わせである。したがって、第1の例のデータセットと、第3の例のデータセットの組み合わせを入力層301に入力することにより、出力層303は、温度挙動に影響を与える環境の経時的な変化を考慮して、変更されるべきPIDパラメータと、その変更値とを出力する。その結果、ニューラルネットワークは、より精度が高められた変更されるべきPIDパラメータと、その変更値とを出力することができる。
In one embodiment, the first example dataset may be input to the input layer 301 (or input layer 301') in addition to the third example dataset. As mentioned above, the third example data set is a representative combination of temperature behavior parameters representing changes in the environment over time that affect temperature behavior. Therefore, by inputting the combination of the first example data set and the third example data set to the
さらに、第3の例のデータセットに追加して、第1の例のデータセットと第2の例のデータセットとを、入力層301(または、入力層301’)に入力してもよい。第1の例のデータセット、第2の例のデータセット、および第3の例のデータセットの組み合わせを入力層301に入力することにより、出力層303は、温度挙動に影響を与える状態量の経時的変化と環境の経時的な変化を考慮して、変更されるべきPIDパラメータと、その変更値とを出力する。その結果、ニューラルネットワークは、より精度が高められた変更されるべきPIDパラメータと、その変更値とを出力することができる。
Furthermore, in addition to the third example data set, the first example data set and the second example data set may be input to the input layer 301 (or input layer 301'). By inputting the combination of the first example data set, the second example data set, and the third example data set to the
第4の例としては、制御部40は、パッド温度測定器39の測定値と、その測定時点の組み合わせを入力層301’のみに入力する。学習済モデルは、パッド温度測定器39の測定値と、その測定時点の組み合わせを入力層301’に入力したときに、温度挙動曲線Rを所定の許容範囲に維持するために変更されるべきPIDパラメータ(または、PIDパラメータの少なくとも1つ)と、その変更値とを出力層303から出力するように構築されている。第1の例と同様に、学習済モデルは、その出力層303’から最適温度挙動曲線、および/または最適温度挙動曲線を構成するパッド表面温度と、その測定時点の組み合わせを出力してもよい。
As a fourth example, the
制御部40は、学習済モデルからの出力に応じてPIDパラメータを変更し、変更されたPIDパラメータにしたがって研磨パッド3の表面温度を調整しながら、次のウエハWを研磨する。第4の例のデータセットが入力される学習済モデルを構築して、パッド表面温度の調整を行う場合は、第2の例と同様に、研磨装置の各構成機器を改造する必要がない。したがって、この学習済モデルを制御部40にインストールするだけで、温度挙動曲線Rを所定の許容範囲に維持することができる。
The
上述した実施形態において、研磨ユニットで研磨されるウエハWの膜の厚さに関連する少なくとも1つの膜厚パラメータを入力層301(または、入力層301’)にさらに入力してもよい。言い換えれば、制御部40は、少なくとも1つの温度挙動パラメータと、少なくとも1つの膜厚パラメータとを入力層301に入力してもよい。この場合、制御部40は、第1の例乃至第4の例に示すデータセットのうちの少なくとも1つのデータセットを入力層301(または、入力層301’)にさらに入力してもよい。本明細書では、膜厚パラメータは、ウエハ(基板)Wの表面に形成された膜の厚さに関連する指標値の総称である。以下で説明するように、膜厚パラメータは、例えば、膜厚センサによって取得された膜厚信号、および該膜厚信号を演算する(または、変換する)ことにより得られる膜厚値を含んでいる。
In the embodiment described above, at least one film thickness parameter related to the thickness of the film of the wafer W polished by the polishing unit may be further input into the input layer 301 (or input layer 301'). In other words, the
従来から、ウエハWを研磨する研磨工程で、所望のターゲット膜厚に到達した時点である研磨終点を検出するために、膜厚センサを用いて、ウエハWの表面に形成された膜の厚さを検出することが行われている。例えば、研磨ユニットで研磨されるウエハWの膜が導電性膜である場合は、渦電流式膜厚センサを用いて導電性膜の膜厚を検出することが行われている。渦電流式膜厚センサは、コイルに高周波の交流電流を流してウエハWの導電膜に渦電流を誘起させ、この渦電流の磁界に起因するインピーダンスの変化から導電膜の厚さを検出するように構成される。膜厚センサは、ウエハWの表面に形成された膜の厚さを検出可能である限り任意のセンサを用いることができるが、以下では、膜厚センサの一例である渦電流式膜厚センサを用いて、ウエハWの導電性膜の厚さを検出する例が説明される。 Conventionally, in a polishing process for polishing a wafer W, a film thickness sensor is used to measure the thickness of the film formed on the surface of the wafer W in order to detect the polishing end point, which is the point at which a desired target film thickness is reached. is being detected. For example, when the film of the wafer W to be polished by the polishing unit is a conductive film, the thickness of the conductive film is detected using an eddy current film thickness sensor. The eddy current type film thickness sensor applies a high-frequency alternating current to a coil to induce eddy current in the conductive film of the wafer W, and detects the thickness of the conductive film from changes in impedance caused by the magnetic field of this eddy current. It is composed of Any sensor can be used as the film thickness sensor as long as it can detect the thickness of the film formed on the surface of the wafer W, but in the following, an eddy current film thickness sensor, which is an example of a film thickness sensor, will be used. An example of detecting the thickness of a conductive film on a wafer W using the method will be described.
図13(a)は、渦電流式膜厚センサを備えた研磨ユニットの一例を示す模式図であり、図13(b)は、図13(a)に示す研磨ユニットの概略断面図である。図13(a)および図13(b)では、研磨ヘッド1、研磨テーブル2、研磨パッド3、および渦電流式膜厚センサ7以外の研磨ユニットの構成要素の図示を省略している。図13(b)は、渦電流式膜厚センサがウエハの下方を通過している様子を示している。特に説明しない本実施形態の研磨ユニットの構成は、上述した実施形態の研磨ユニットの構成と同様であるため、その重複する説明を省略する。
FIG. 13(a) is a schematic diagram showing an example of a polishing unit equipped with an eddy current type film thickness sensor, and FIG. 13(b) is a schematic cross-sectional view of the polishing unit shown in FIG. 13(a). In FIGS. 13A and 13B, components of the polishing unit other than the polishing
図13(a)および図13(b)に示すように、渦電流式膜厚センサ7は、研磨テーブル2に埋設されており、研磨テーブル2の回転にともなって研磨テーブル2の中心軸まわりに公転する。研磨テーブル2の中心軸は、図2および図3に示す研磨パッド3の中心CLを通って鉛直方向に延びる。渦電流式膜厚センサ7は、研磨テーブル2が回転するたびにウエハWの表面を走査しながら、該ウエハW上の少なくとも1つの測定点における膜厚信号を取得する。渦電流式膜厚センサ7は、制御部40に接続されており、渦電流式膜厚センサ7によって取得された少なくとも1つの膜厚信号は制御部40に送られる。この膜厚信号は、ウエハWの導電膜の厚さの変化に従って変化する。膜厚信号は、研磨されるウエハWの膜の厚さに関連する膜厚パラメータの1つである。制御部40は、膜厚信号に基づいてウエハWの研磨進捗を監視することができる。例えば、制御部40は、膜厚信号が所定のしきい値に達した時点である研磨終点を決定することができる。
As shown in FIGS. 13(a) and 13(b), the eddy current type
一実施形態では、制御部40は、受信した膜厚信号を演算して、導電性膜の膜厚値を取得可能に構成されていてもよい。ウエハWの研磨進捗にしたがって変化する導電性膜の実際の膜厚値も、膜厚パラメータの1つである。制御部40は、膜厚値に基づいてウエハWの研磨進捗を監視することができる。例えば、制御部40は、演算により取得された導電性膜の膜厚値が所望のターゲット膜厚に到達した時点を研磨終点として決定することができる。
In one embodiment, the
本実施形態では、渦電流式膜厚センサ7がウエハWの膜厚信号を取得するたびに、制御部40は、少なくとも1つの温度挙動パラメータと、少なくとも1つの膜厚パラメータとを入力層301に入力する。渦電流式膜厚センサ7が複数の測定点における複数の膜厚信号を取得する場合は、制御部40は、全ての膜厚信号を入力層301に入力してもよいし、複数の膜厚信号の代表値を入力層301に入力してもよい。膜厚信号の代表値は、例えば、全ての膜厚信号の平均値、最大値、および最小値のいずれかである。あるいは、制御部40は、全ての膜厚信号から選択された、いくつかの膜厚信号を入力層301に入力してもよい。例えば、制御部40は、全ての膜厚信号の平均値、最大値、および最小値を入力層301に入力する。
In this embodiment, each time the eddy current
導電性膜の膜厚値が取得される場合は、制御部40は、上記膜厚信号に加えて、または、膜厚信号の代わりに、演算により得られた膜厚値を入力層301(または、入力層301’)に入力してもよい。膜厚値は、渦電流式膜厚センサ7がウエハWの膜厚信号を取得するたびに入力層301(または、入力層301’)に入力される。渦電流式膜厚センサ7が複数の測定点における複数の膜厚信号を取得する場合は、制御部40は、全ての膜厚信号から得られた全ての膜厚値を入力層301に入力してもよいし、複数の膜厚信号の代表値から得られた代表膜厚値を入力層301に入力してもよい。代表膜厚値は、例えば、全ての膜厚信号の平均値、最大値、および最小値のいずれかから得られた膜厚値である。あるいは、制御部40は、全ての膜厚信号から選択された、いくつかの膜厚信号から得られた選択膜厚値を入力層301に入力してもよい。例えば、制御部40は、全ての膜厚信号の平均値、最大値、および最小値から取得された3つの選択膜厚値を入力層301に入力する。
When the film thickness value of the conductive film is acquired, the
上述したように、学習済モデルは、その出力層303から変更されるべきPIDパラメータと、その変更値とを出力する。本実施形態では、学習済モデルは、さらに、渦電流式膜厚センサ7がウエハWの膜厚信号を取得するたびにウエハWの研磨終点を予測して、該予測された研磨終点をその出力層303(または、出力層303’)から出力するように構築される。一実施形態では、学習済モデルは、上記予測研磨終点に代えて、または予測研磨終点に加えて、渦電流式膜厚センサ7がウエハWの膜厚信号を取得するたびに現時点から研磨終点までの研磨完了時間を予測して、該予測された研磨完了時間をその出力層303(または、出力層303’)から出力するように構築されてもよい。この予測研磨終点および/または研磨完了時間は、時々刻々と研磨される(すなわち、変化する)膜の厚さを考慮しつつ、パッド表面温度が最適なPIDパラメータにしたがって調整された状態で研磨されたウエハWの研磨終点および/または研磨完了時間である。したがって、研磨されるべきウエハWの膜の厚さをより正確にターゲット膜厚に一致させることができる。
As described above, the trained model outputs the PID parameter to be changed and its changed value from its
上述した実施形態において、研磨パッド3の厚さの変化量を入力層301(または、入力層301’)にさらに入力してもよい。言い換えれば、制御部40は、少なくとも1つの温度挙動パラメータと、研磨パッド3の厚さの変化量とを入力層301に入力してもよい。この場合、制御部40は、第1の例乃至第4の例に示すデータセットのうちの少なくとも1つのデータセットを入力層301(または、入力層301’)にさらに入力してもよい。
In the embodiment described above, the amount of change in the thickness of the
研磨パッド3の厚さの変化量は、ウエハWの研磨レートに影響を与えるパラメータである。すなわち、研磨パッド3の厚さが変化すると、ウエハWの研磨レートも変化する。したがって、研磨パッド3の厚さの変化量は、研磨環境の経時的な変化を表すパラメータの1つである。そこで、本実施形態では、研磨レートを最適な状態に保つために、パッド表面温度を調整する。具体的には、学習済モデルは、少なくとも1つの温度挙動パラメータに加えて、研磨パッド3の厚さの変化量をその入力層301(または、入力層301’)に入力したときに、最適な研磨レートを維持するために必要な温度挙動曲線を予測し、この予測温度挙動曲線を達成するために変更されるべきPIDパラメータと、その変更値とを出力層303から出力するように構築される。以下では、研磨パッド3の厚さの変化量を測定可能な研磨ユニットの例が説明される。
The amount of change in the thickness of the
図14は、研磨パッドの厚さの変化量を測定するパッド高さセンサを備えた研磨ユニットの一例を示す模式図である。図14では、パッド温度調整装置5の図示を省略している。特に説明しない本実施形態に係る研磨ユニットの構成は、上述した実施形態に係る研磨ユニットの構成と同様であるため、その重複する説明を省略する。
FIG. 14 is a schematic diagram showing an example of a polishing unit equipped with a pad height sensor that measures the amount of change in the thickness of the polishing pad. In FIG. 14, illustration of the pad
図14に示す研磨ユニットでは、ドレッサ20は、ドレッサシャフト24に連結されており、ドレッサシャフト24の上端には、エアシリンダ25が設けられている。ドレッサシャフト24はドレッサアーム21に回転自在に支持されている。さらに、ドレッサシャフト24およびドレッサ20は、ドレッサアーム21に対して上下動可能となっている。エアシリンダ25は、研磨パッド3へのドレッシング荷重(すなわち、ドレッサ20の研磨パッド3に対する押付荷重)をドレッサ20に付与する装置である。ドレッシング荷重は、エアシリンダ25に供給される空気圧により調整することができる。エアシリンダ25は、ドレッサシャフト24を介してドレッサ20を所定の荷重で研磨パッド3の表面(すなわち、研磨面)に押圧する。
In the polishing unit shown in FIG. 14, the
ドレッサアーム21は、モータ(図示せず)に駆動されて、支軸19を中心として揺動するように構成されている。このドレッサアーム21により、ドレッサ20は研磨パッド3に接触しながら、該研磨パッド3の半径方向に揺動するようになっている。ドレッサシャフト24は、ドレッサアーム21内に設置された図示しないモータにより回転し、このドレッサシャフト24の回転により、ドレッサ20は、その軸心まわりに回転する。
The
ドレッサアーム21には、研磨パッド3の表面の高さを測定するパッド高さセンサ(表面高さ測定機)27が固定されている。また、ドレッサシャフト24には、パッド高さセンサ27に対向してセンサターゲット28が固定されている。
A pad height sensor (surface height measuring device) 27 that measures the height of the surface of the
エアシリンダ25を駆動すると、ドレッサ20、ドレッサシャフト24、およびセンサターゲット28が一体に上下動する。一方、ドレッサアーム21、およびパッド高さセンサ27の鉛直方向の位置は固定である。パッド高さセンサ27は、ドレッサ20が研磨パッド3の表面(すなわち、研磨面)に接触しているときに、ドレッサアーム21に対するドレッサ20の鉛直方向の相対位置を測定することにより、研磨パッド3の表面の高さを間接的に測定する。センサターゲット28はドレッサ20に連結されているので、パッド高さセンサ27は、研磨パッド3のコンディショニング中に研磨パッド3の表面の高さを測定することができる。パッド高さセンサ27としては、リニアスケール式センサ、レーザ式センサ、超音波センサ、または渦電流式センサなどのあらゆるタイプのセンサを用いることができる。パッド高さセンサ27は、制御部40に接続されており、パッド高さセンサ27によって取得された研磨パッド3の厚さの測定値は制御部40に送られる。
When the
研磨パッド3の厚さの変化量は、次のようにして求められる。まず、エアシリンダ25を駆動させてドレッサ20を、摩耗していない研磨パッド3の表面に当接させる。この状態で、パッド高さセンサ27はドレッサ20の初期位置(研磨パッド3の初期表面高さ)を測定し、制御部40はそのドレッサ20の初期位置の測定値を取得する。そして、一枚の、または複数枚のウエハWの研磨処理が終了した後、再びドレッサ20を研磨パッド3の表面に当接させ、この状態でパッド高さセンサ27はドレッサ20の位置を再度測定する。制御部40は、そのドレッサ20の位置(すなわち、摩耗した研磨パッド3の表面高さ)の測定値を取得する。ドレッサ20は、研磨パッド3の摩耗に従って下方に変位するため、制御部40は、研磨パッド3の初期表面高さの測定値と、摩耗した研磨パッド3の表面高さの測定値との差から、研磨パッド3の厚さの変化量を決定することができる。
The amount of change in the thickness of the
通常、研磨パッド3のドレッシングは、1枚のウエハWを研磨するたびに行なわれる。ドレッシングは、ウエハWの研磨の前または後、あるいはウエハWの研磨中に実施される。研磨パッド3の厚さの変化量の算出には、いずれかのドレッシング時に取得されたパッド高さセンサ27の測定値が使用される。
Usually, dressing of the
ドレッサ20は、ドレッサアーム21の揺動により、研磨パッド3上をその半径方向に揺動する。研磨パッド3の表面高さの測定値は、パッド高さセンサ27から制御部40に送られ、ここでドレッシング中の研磨パッド3の表面高さの測定値の平均が求められる。なお、1回のドレッシング動作につき、ドレッサ20は、1回または複数回研磨パッド3上を往復する。
The
本実施形態では、制御部40は、研磨パッド3の厚さの変化量を取得するたびに、少なくとも1つの温度挙動パラメータに加えて、研磨パッド3の厚さの変化量を入力層301(または、入力層301’)に入力する。学習済モデルは、最適な研磨レートを維持するために必要な温度挙動曲線を予測し、この予測温度挙動曲線を達成するために変更されるべきPIDパラメータと、その変更値とを出力層303から出力する。このように、出力層303は、研磨レートに影響を与える研磨パッド3の厚さの変化量を考慮して、最適な研磨レートを維持するために変更されるべきPIDパラメータと、その変更値とを出力する。制御部40は、学習済モデルからの出力に応じてPIDパラメータを変更し、変更されたPIDパラメータにしたがって研磨パッド3の表面温度を調整しながら、次のウエハWを研磨する。
In this embodiment, each time the
一実施形態では、研磨レートを、さらに入力層301(または、入力層301’)に入力してもよい。制御部40は、研磨された膜の厚さを、研磨時間(すなわち、研磨開始から研磨終点までの時間)で除算することにより実際の研磨レートを取得することができる。実際の研磨レートをさらに入力層301(または、入力層301’)に入力することにより、ニューラルネットワークは、より精度が高められた変更されるべきPIDパラメータと、その変更値とを出力することができる。
In one embodiment, the polishing rate may also be input into input layer 301 (or input layer 301'). The
一実施形態では、入力層301に、少なくとも1つの温度挙動パラメータと、研磨パッド3の厚さの変化量(および研磨レート)を入力したときに、出力層303(または、出力層303’)がドレッシング条件をさらに出力するように、学習済モデルを構築してもよい。ドレッシング条件は、例えば、ドレッサ20の回転速度、ドレッサ20の研磨パッド3に対する押付荷重、およびドレッサ20の揺動速度などを含む。出力層303から出力されたドレッシング条件で研磨パッド3をドレッシングすることで、研磨パッド3の表面状態を、最適な研磨レートを維持するための表面状態に維持するか、または近づけることができる。
In one embodiment, when the
制御部40は、記憶装置110に電気的に格納されたプログラムに従って動作する。すなわち、制御部40は、パッド温度測定器39によって測定されたパッド表面温度に基づいて、パッド表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するように、加熱液および冷却液の流量を少なくとも制御し、パッド表面温度が目標温度に到達するまでの温度挙動曲線を作成し、機械学習によって構築された学習済モデルに少なくとも1つの温度挙動パラメータを入力して、PID制御のPIDパラメータの変更値を出力するための演算を実行し、次のウエハWを研磨するときに、変更されたPIDパラメータで加熱液および冷却液の流量を制御するステップを実行する。
The
上記ステップを制御部40に実行させるためのプログラムは、非一時的な有形物であるコンピュータ読み取り可能な記録媒体に記録され、記録媒体を介して制御部40に提供される。または、プログラムは、通信装置150を介してインターネットなどの通信ネットワークを介して制御部40に提供されてもよい。制御部40に提供されたプログラムは、処理装置120によって記憶装置110にインストールされる。さらに、旧プログラムを新プログラムに更新する(例えば、プログラムのバージョンアップを行う)際には、新プログラムが、通信装置150を介して、または入力装置130を介して制御部40に提供される。処理装置120は、提供された新プログラムを記憶装置110にインストールして、旧プログラムを更新する。処理装置120は、旧プログラムを記憶装置110からアンインストールした後で、新プログラムを記憶装置110にインストールしてもよい。
A program for causing the
このように、人工知能を用いてPIDパラメータを変更しながら、パッド表面温度を調整していても、図7に示すように、温度挙動範囲Rが所定の許容範囲から外れる可能性がある。温度挙動曲線Rが所定の許容範囲から外れた場合、制御部40は、警報を出力するのが好ましい。警報を受け取った研磨装置の作業者は、警報が出力された研磨ユニットで温度挙動の異常が発生したことを検知することができる。さらに、作業者は、温度挙動の異常が発生したウエハWの状態を確認することができる。
In this way, even if the pad surface temperature is adjusted while changing the PID parameters using artificial intelligence, the temperature behavior range R may deviate from the predetermined allowable range, as shown in FIG. When the temperature behavior curve R deviates from a predetermined tolerance range, the
制御部40は、警報を出力した後、または警報の出力と同時に、警報が出力された研磨ユニットの動作を停止してもよい。これにより、研磨装置の作業者は、温度挙動の異常が発生したウエハWを回収し、該ウエハWの状態および研磨ユニットの状態を確認することができる。一実施形態では、制御部40は、研磨ユニットの動作を停止した後で、警報が出力された研磨ユニットで研磨中のウエハWをウエハ待避部(図示せず)に載置するステップを実行してもよい。ウエハ待避部は、好ましくは、研磨ユニット内に設けられる。これにより、研磨装置の作業者は、温度挙動異常が発生したウエハWを容易かつ確実に回収することができる。
After outputting the alarm, or simultaneously with outputting the alarm, the
所定枚数(例えば、25枚)のウエハWが収容されるウエハカセットが研磨装置に誤って搬送されることがある。本実施形態では、制御部40は、ウエハカセットの誤搬送を判断することができる。より具体的には、ウエハカセットが研磨装置に誤搬送された場合、このウエハカセットに収容されるウエハWの研磨に使用される研磨レシピは、本来使用されるべき研磨レシピとは異なる。ウエハWが本来使用される研磨レシピとは異なる研磨レシピで研磨されると、温度挙動曲線が許容範囲から大きく外れることが想定される。本実施形態では、作業者は、温度挙動の異常が発生したウエハWを回収できるので、容易にウエハカセットの誤搬送が発生しているか否かを確認することができる。その結果、ウエハカセットに収容されたウエハWの全数が廃棄処分となることを防止することができる。
A wafer cassette containing a predetermined number (for example, 25) of wafers W may be erroneously transported to the polishing apparatus. In this embodiment, the
図15は、図10に示す人工知能の構成の他の例を示す模式図である。図15に示す人工知能は、学習済モデルを自動で更新していく特徴を有する。より具体的には、学習済モデルの出力層303から出力されたPIDパラメータの変更値が正常範囲に含まれると判断された場合に、制御部40は、このPIDパラメータと、その変更値とを追加の学習用データセットとして記憶装置110に蓄積し、学習用データセットおよび追加の学習用データセットを基にした機械学習(ディープラーニング)を通じて、学習済モデルを自動で更新していく。これにより、学習済モデルから出力されるPIDパラメータ(少なくとも1つの温度挙動パラメータ)と、その変更値との精度を向上させることができる。
FIG. 15 is a schematic diagram showing another example of the configuration of the artificial intelligence shown in FIG. 10. The artificial intelligence shown in FIG. 15 has a feature of automatically updating a trained model. More specifically, when it is determined that the changed value of the PID parameter output from the
機械学習(ディープラーニング)は、変更されるべきPIDパラメータ(少なくとも1つの温度挙動パラメータ)と、その変更値との組み合わせだけでなく、様々な要素を学習することができる。そのため、機械学習によって構築された学習済モデルは、パッド温度調整装置5の状態および/または異常を診断または予測に利用することができる。さらに、機械学習によって構築された学習済モデルは、研磨ユニットの状態および/または異常を診断または予測に利用することができる。以下では、説明の便宜上、上述した実施形態に係る学習済モデルを、「学習済モデル1」と称することがある。さらに、以下に説明する学習済モデルを、「学習済モデル2」と称することがある。
Machine learning (deep learning) can learn not only the combination of the PID parameter (at least one temperature behavior parameter) to be changed and its change value, but also various elements. Therefore, the learned model constructed by machine learning can be used for diagnosing or predicting the state and/or abnormality of the pad
学習済モデル2は、図12を参照して説明されたニューラルネットワークを用いて構築される。この学習済モデル2は、パッド表面温度器39の測定値と、その測定時点とに基づいて作成された温度挙動曲線Rと、記憶装置110に蓄積された複数の温度挙動曲線を入力層301に入力したときに、研磨パッド3の寿命および/またはドレッサ20の寿命を予測して、その結果を出力層303から出力するように構築される。あるいは、学習済モデル2は、パッド表面温度器39の測定値と、その測定時点とに基づいて作成された温度挙動曲線Rと、記憶装置110に蓄積された複数の温度挙動曲線を入力層301に入力したときに、研磨ヘッド1の異常、研磨テーブル3の異常、および研磨液供給ノズル4の異常を診断し、その結果を出力層303から出力するように構築されてもよい。
Trained
ウエハWを研磨パッド3に押し付けて該ウエハWを研磨すると、研磨パッド3が劣化し、研磨パッド3とウエハWとの間に発生する摩擦熱の量が減少する。そのため、研磨パッド3が劣化するにつれて、温度挙動曲線の勾配が徐々に低下する。あるいは、研磨パッド3がドレッサ20により削られるにつれて、研磨パッド3の表面に設けられている溝(図示せず)の深さが小さくなり、最終的には溝がなくなってしまう。このような現象に起因して、研磨パッド3とウエハWとの間に発生する摩擦熱の量が減少または増加することがあり、温度挙動曲線の勾配が変化する。そこで、学習済モデル2は、入力層301に入力されたパッド表面温度器39の測定値と、その測定時点とに基づいて作成された温度挙動曲線Rと、記憶装置110に蓄積された複数の温度挙動曲線を比較し、温度挙動曲線の勾配の減少量から研磨パッド3の寿命を予測して、その予測結果を出力層303から出力する。
When the wafer W is polished by pressing the wafer W against the
さらに、ドレッサ20を使用して研磨パッド3の表面をドレッシングすると、ドレッサ20のドレッシング面が劣化し、ドレッシング後の研磨パッド3の表面の粗さが小さくなる。あるいは、ドレッシング面が劣化すると研磨パッド3の表面を適切にドレッシングできないことがある。そのため、ドレッサ20が劣化するにつれて、研磨パッド3とウエハWとの間に発生する摩擦熱の量が減少または増加し、温度挙動曲線の勾配が徐々に低下または増加する。そこで、学習済モデル2は、入力層301に入力されたパッド表面温度器39の測定値と、その測定時点とに基づいて作成された温度挙動曲線Rと、記憶装置110に蓄積された複数の温度挙動曲線Rを複数の温度挙動曲線を比較し、温度挙動曲線の勾配の減少量または増加量からドレッサ20の寿命を予測して、その予測結果を出力層303から出力する。
Furthermore, when the surface of the
パッド接触部材11の底面に研磨液(スラリー)が固着することを防止するために、パッド接触部材11の底面にコーティング膜を貼付することがある。この場合、学習済モデル2は、パッド表面温度器39の測定値と、その測定時点とに基づいて作成された温度挙動曲線Rと、記憶装置110に蓄積された複数の温度挙動曲線Rを入力層301に入力したときに、コーティング膜の摩耗状態を診断し、その結果を出力層303から出力するように構築されてもよい。
In order to prevent the polishing liquid (slurry) from adhering to the bottom surface of the
コーティング膜の材料は、例えば、比較的高い断熱効果を有するテフロン(登録商標)である。パッド接触部材11は、研磨パッド3の表面に所定の押付荷重で押し付けられるため、パッド表面温度を調整するたびに、コーティング膜が摩耗する。コーティング膜の摩耗が進むにつれて、温度挙動曲線の勾配が上昇する。そこで、学習済モデル2は、入力層301に入力されたパッド表面温度器39の測定値と、その測定時点とに基づいて作成された温度挙動曲線Rと、記憶装置110に蓄積された複数の温度挙動曲線を比較し、温度挙動曲線の勾配の増加量からコーティング膜の寿命を予測して、その予測結果を出力層303から出力する。
The material of the coating film is, for example, Teflon (registered trademark), which has a relatively high heat insulation effect. Since the
研磨ヘッド1に保持されるウエハWと研磨パッド3の表面との間に発生する摩擦熱の量が変化することによっても、温度挙動曲線が変化する。例えば、ウエハWの研磨パッド3に対する研磨荷重が所望の値からずれると、温度挙動曲線が変化する。研磨液の供給量および/または温度が所望の値からずれたり、研磨液の滴下位置が所望の位置からずれることによっても、温度挙動曲線が変化する。さらに、研磨ヘッド1の回転速度、および/または研磨テーブル3の回転速度が所望の値からずれることによっても、温度挙動曲線が変化する。したがって、学習済モデル2は、入力層301に入力されたパッド表面温度器39の測定値と、その測定時点とに基づいて作成された温度挙動曲線Rと、記憶装置110に蓄積された複数の温度挙動曲線を比較することにより、研磨ヘッド1の異常、研磨テーブル3の異常、および研磨液供給ノズル4の異常を診断することができる。
The temperature behavior curve also changes due to a change in the amount of frictional heat generated between the wafer W held by the polishing
制御部40は、記憶装置110に電気的に格納されたプログラムに従って動作する。すなわち、制御部40は、パッド温度測定器39によって測定されたパッド表面温度に基づいて、パッド表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するように、加熱液および冷却液の流量を少なくとも制御し、パッド表面温度が目標温度に到達するまでの温度挙動曲線Rを作成し、作成された温度挙動曲線Rと、記憶装置110に蓄積された複数の温度挙動曲線を、機械学習により構築された学習済モデルに入力して、研磨パッド3の寿命および/またはドレッサ20の寿命を診断するステップを実行する。制御部40は、研磨パッド3の寿命および/またはドレッサ20の寿命を診断するステップに代えて、コーティング膜の摩耗を診断するステップを実行してもよいし、研磨ヘッド1の異常、研磨テーブル3の異常、および研磨液供給ノズル4の異常を診断するステップを実行してもよい。
The
上記ステップを制御部40に実行させるためのプログラムは、非一時的な有形物であるコンピュータ読み取り可能な記録媒体に記録され、記録媒体を介して制御部40に提供される。または、プログラムは、通信装置150を介してインターネットなどの通信ネットワークを介して制御部40に提供されてもよい。制御部40に提供されたプログラムは、処理装置120によって記憶装置110にインストールされる。さらに、旧プログラムを新プログラムに更新する(例えば、プログラムのバージョンアップを行う)際には、新プログラムが、通信装置150を介して、または入力装置130を介して制御部40に提供される。処理装置120は、提供された新プログラムを記憶装置110にインストールして、旧プログラムを更新する。処理装置120は、旧プログラムを記憶装置110からアンインストールした後で、新プログラムを記憶装置110にインストールしてもよい。
A program for causing the
図16は、少なくとも1つの研磨装置を含む研磨システムの一実施形態を示す模式図である。図16に示す研磨システムは、上述した実施形態に係る複数の研磨装置と、各研磨装置に接続される複数の中継装置500と、複数の中継装置500に接続されるホスト制御システム600と、を備える。中継装置500は、ルーターなどのゲートウェイであり、中継制御部510と、中継通信装置515と、中継記憶装置512と、を備える。ホスト制御システム600は、ホスト制御部610と、ホスト通信装置615と、ホスト記憶装置612と、を備える。
FIG. 16 is a schematic diagram illustrating one embodiment of a polishing system including at least one polishing device. The polishing system shown in FIG. 16 includes a plurality of polishing apparatuses according to the embodiment described above, a plurality of
研磨装置の制御部40の通信装置150(図5参照)は、中継装置500の中継通信装置515と無線通信(例えば、高速WiFi(登録商標))または有線通信で情報を送受信可能に接続されている。中継装置500の中継通信装置515は、ホスト制御システム600のホスト通信装置615と無線通信(例えば、高速WiFi(登録商標))または有線通信で情報を送受信可能に接続されている。本実施形態では、各研磨装置は、ホスト制御システム600と中継装置500を介したネットワーク(例えば、インターネット)により接続されている。
The communication device 150 (see FIG. 5) of the
さらに、ホスト制御システム600は、少なくとも1つの研磨装置が設置された工場内に配置されていてもよいし、少なくとも1つの研磨装置が設置された工場外に配置されていてもよい。ホスト制御システム600が少なくとも1つの研磨装置が設置された工場内に配置されている場合は、ホスト制御システム600は、該工場内に配置されたホストコンピュータであってもよいし、該工場内に構築されたクラウドコンピューティングシステムまたはフォグコンピューティングシステムであってもよい。ホスト制御システム600が少なくとも1つの研磨装置が設置された工場外に配置されている場合は、ホスト制御システム600は、好ましくは、クラウドコンピューティングシステムまたはフォグコンピューティングシステムである。この場合、ホスト制御システム600は、少なくとも1つの研磨装置が設置された複数の工場に接続されるのが好ましい。
Furthermore, the
図16に示す例では、中継装置500は、研磨装置の外部に配置されている。しかしながら、本発明はこの例に限定されない。例えば、中継装置500は、研磨装置の内部に配置されていてもよい。
In the example shown in FIG. 16, the
図16に示す実施形態では、ホスト制御システム600のホスト制御部610が温度挙動曲線Rを所定の許容範囲に入れるために変更されるべきPIDパラメータ(少なくともの1つの温度挙動パラメータ)と、その変更値とを人工知能(AI:artificial intelligence)によって決定する。ホスト制御部610のホスト記憶装置612は、図10乃至図15を参照して説明された学習済モデル1を予め記憶している。なお、ホスト制御部610は、図5に示す処理装置120に相当する処理装置(図示せず)を有している。ホスト制御部610の処理装置は、ホスト記憶装置612に記憶された学習済モデルを読み出して、少なくとも1つの温度挙動パラメータを該学習済モデルに入力し、PIDパラメータと、その変更値とを出力するための演算を実行する。
In the embodiment shown in FIG. 16, the
一実施形態では、ホスト制御部610の処理装置は、時間を学習済モデル1の入力層301’(または入力層301)に入力してもよい。さらに、ホスト制御部610の処理装置は、パッド温度測定器39の測定値と、その測定時点の組み合わせ、および/またはパッド温度測定器39の測定値と、その測定時点に基づいて作成された温度挙動曲線Rを学習済モデル1の入力層301’にさらに入力してもよい。さらに、学習済モデル1は、その出力層303’から温度挙動曲線を所定の許容範囲内に維持するために変更されるべき、PIDパラメータとは異なる他の温度挙動パラメータとその変更値とを出力してもよいし、最適温度挙動曲線、および/または最適温度挙動曲線を構成するパッド表面温度と、その測定時点の組み合わせを出力してもよい。
In one embodiment, the processing unit of the
本実施形態では、各研磨装置の制御部40は、パッド表面温度器39の測定値と、その測定時点との組み合わせ、および学習済モデル1に入力される少なくとも1つの温度挙動パラメータを含むデータを、中継装置500を介してホスト制御システム600に送信する。このデータを受信したホスト制御システム600のホスト制御部610は、パッド表面温度器39の測定値と、その測定時点とから温度挙動曲線Rを作成するとともに、少なくとも1つの温度挙動パラメータをホスト記憶装置612に格納された学習済モデル1の入力層301に入力し、次のウエハWを研磨するときの温度挙動曲線を所定の許容範囲に維持するために変更されるべきPIDパラメータと、その変更値とを出力するための演算を実行する。
In this embodiment, the
学習済モデル1の出力層303から出力されたPIDパラメータと、その変更値とは、中継装置500を介して研磨装置に送られる。研磨装置の制御部40は、受信したPIDパラメータと、その変更値とにしたがって、研磨パッド3の表面温度を調整する。出力層303’から温度挙動曲線を所定の許容範囲内に維持するために変更されるべき、PIDパラメータとは異なる他の温度挙動パラメータとその変更値とが出力されている場合は、制御部40は、他の温度挙動パラメータをその変更値に更新する。
The PID parameters output from the
学習済モデル1に入力するために、研磨装置がホスト制御システム600に送信するデータの第1の例は、上述したPIDパラメータ、加熱液の流量、および冷却液の流量である。研磨装置がホスト制御システム600に送信するデータの第2の例は、加熱液の温度、研磨ヘッド1の回転速度、研磨テーブル2の回転速度、ドレッシング条件、研磨ヘッド1の研磨荷重、および研磨液の流量である。研磨装置がホスト制御システム600に送信するデータの第3の例は、加熱液の温度、研磨ヘッド1の回転速度、研磨テーブル2の回転速度、ドレッシング条件、研磨ヘッド1の研磨荷重、および研磨液の流量である。学習済モデル1に入力するために、研磨装置がホスト制御システム600に送信するデータは、第1の例乃至第3の例の組み合わせであってもよい。さらに、上記項目21)に記載される時間をホスト制御システム600に送信し、学習済モデル1に入力してもよい。この場合、学習済モデル1は、時間以外に入力された複数の温度挙動パラメータの経時変化から、複数の温度挙動パラメータの測定時間を一致させた各予測値を演算し、この予測値に基づいて、出力層303から変更されるべきPIDパラメータと、その変更値とを出力する。これにより、制御部40が取得する各温度挙動パラメータの時間差を考慮したより正確な出力値を得ることができる。さらに、いずれの例においても、学習済モデル1に入力するために、研磨装置は、パッド表面温度器39の測定値と、その測定時点との組み合わせ、および/またはパッド表面温度器39の測定値と、その測定時点とに基づいて作成された温度挙動曲線Rを、さらにホスト制御システム600に送信してもよい。
A first example of data that the polishing apparatus sends to the
学習済モデル1に入力するために、研磨装置がホスト制御システム600に送信するデータの他の例は、ウエハWの膜の厚さに関連する少なくとも1つの膜厚パラメータである。上述したように、膜厚パラメータは、膜厚センサによって取得された膜厚信号、および該膜厚信号を演算する(または、変換する)ことにより得られる実際の膜厚値を含んでいる。学習済モデル1に入力するために、研磨装置がホスト制御システム600に送信するデータのさらなる他の例は、研磨パッド3の厚さの変化量、および研磨レートである。
Another example of data that the polishing apparatus sends to the
学習済モデル1の出力層303から出力されたPIDパラメータの変更値が正常範囲に含まれると判断された場合に、ホスト制御システム600のホスト制御部612は、このPIDパラメータと、その変更値とを追加の学習用データセットとしてホスト記憶装置612に蓄積し、学習用データセットおよび追加の学習用データセットを基にした機械学習(ディープラーニング)を通じて、学習済モデル1を自動で更新していく。ホスト制御システム600には、複数の研磨装置から変更すべきPIDパラメータと、その変更値とを含む膨大なデータが送られるので、学習済モデル1の出力層303から出力されるPIDパラメータと、その変更値との精度を短期間で向上させることができる。
When it is determined that the changed value of the PID parameter output from the
ホスト制御システム600のホスト記憶装置612は、学習済モデル1に加えて、上述した学習済モデル2を格納していてもよい。この場合、ホスト制御システム600は、研磨パッド3の寿命および/またはドレッサ20の寿命を予測してもよいし、研磨ヘッド1の異常、研磨テーブル3の異常、および研磨液供給ノズル4の異常を診断してもよい。パッド接触部材11の底面にコーティング膜が設けられている場合は、ホスト制御システム600のホスト記憶装置612に格納された学習済モデルは、コーティング膜の摩耗状態を診断してもよい。
The host storage device 612 of the
一実施形態では、研磨装置の制御部40の記憶部110に、上述した学習済モデル1を格納し、ホスト制御システム600のホスト記憶装置612に上述した学習済モデル2を格納してもよい。この場合、研磨装置の制御部40は、温度挙動曲線Rを所定の許容範囲に維持するために変更されるべきPIDパラメータと、その変更値を演算し、ホスト制御システム600のホスト制御部612は、研磨パッド3の寿命および/またはドレッサ20の寿命を予測するか、研磨ヘッド1の異常、研磨テーブル3の異常、および研磨液供給ノズル4の異常を診断する。
In one embodiment, the above-described learned
あるいは、研磨装置の制御部40の記憶部110に、上述した学習済モデル2を格納し、ホスト制御システム600のホスト記憶装置612に上述した学習済モデル1を格納してもよい。この場合、研磨装置の制御部40は、研磨パッド3の寿命および/またはドレッサ20の寿命を予測するか、研磨ヘッド1の異常、研磨テーブル3の異常、および研磨液供給ノズル4の異常を診断し、ホスト制御システム600のホスト制御部612は、温度挙動曲線Rを所定の許容範囲に維持するために変更されるべきPIDパラメータと、その変更値を演算する。
Alternatively, the learned
図17は、少なくとも1つの研磨装置を含む研磨システムの他の実施形態を示す模式図である。特に説明しない本実施形態の構成は、図16に示す実施形態と同様であるため、その重複する説明を省略する。 FIG. 17 is a schematic diagram illustrating another embodiment of a polishing system including at least one polishing device. The configuration of this embodiment, which is not particularly described, is the same as that of the embodiment shown in FIG. 16, so the redundant explanation will be omitted.
図17に示す実施形態では、中継装置500の中継制御部510が温度挙動曲線Rを所定の許容範囲に入れるために変更されるべきPIDパラメータ(少なくともの1つの温度挙動パラメータ)と、その変更値とを人工知能(AI:artificial intelligence)によって決定する。この場合、研磨システムは、中継装置500が研磨装置の近くに配置されたエッジコンピューティングシステムとして構築されている。中継装置500の中継記憶装置512には、図10乃至図15を参照して説明された学習済モデルが予め格納されている。なお、説明の便宜上、中継記憶装置512に格納される学習済モデルを、「学習済モデル3」と称する。
In the embodiment shown in FIG. 17, the
中継制御部510は、図5に示す処理装置120に相当する処理装置(図示せず)を有している。中継記憶装置512に格納される学習済モデル3は、学習済モデル1と同様に、温度挙動曲線Rを所定の許容範囲に維持するために、機械学習によって構築される学習済モデルである。学習済モデル3では、入力層301に、少なくとも1つの温度挙動パラメータに加えて、パッド温度測定器39がパッド表面温度を測定するたびに、その測定値と測定時点が入力される。学習済モデル3は、その出力層303から、パッド温度測定器39の測定値が許容範囲から外れないように予測されたPIDパラメータと、その変更値とが随時出力されるように構築されている。すなわち、学習済モデル3は、パッド表面温度を調整している間に送られてくるパッド表面温度器39の測定値と、その測定時点との組み合わせを入力層301に随時入力していき、温度挙動曲線Rが所定の許容範囲を越えるか否かをリアルタイムに予測して、変更されるべきPIDパラメータと、その変更値を出力層303から随時出力するように構築されている。
中継制御部510の処理装置は、中継記憶装置512に記憶された学習済モデル3を読み出して、少なくとも1つの温度挙動パラメータを入力層301に入力するとともに、パッド表面温度を調整している間に送られてくるパッド表面温度器39の測定値と、その測定時点との組み合わせを入力層301に随時入力していく。さらに、中継制御部510の処理装置は、温度挙動曲線Rが所定の許容範囲を越えるか否かをリアルタイムに予測して、変更されるべきPIDパラメータと、その変更値を出力層303から出力する演算をリアルタイムで実行する。演算されたPIDパラメータと、その変更値は、パッド表面温度を調整している間に随時出力層303から出力される。中継装置500の中継制御部510は、出力層303から出力されたPIDパラメータと、その変更値とを研磨装置の制御部40に送信する。
The processing device of the
変更されるべきPIDパラメータと、その変更値とを受信した研磨装置の制御部40は、PIDパラメータを受信した変更値に随時変更しながら、パッド表面温度を調整する。
The
本実施形態では、中継処理装置500が、ウエハWの研磨中に、変更すべきPIDパラメータと、その変更値を随時予測し、予測されたPIDパラメータと,その変更値とを直ちに研磨装置に送る。したがって、温度挙動曲線Rが所定の許容範囲から外れることを効果的に防止することができる。
In this embodiment, the
本実施形態に係る研磨システムでは、中継装置500の中継制御部510が温度挙動曲線Rを所定の許容範囲に入れるために変更される少なくともの1つの温度挙動パラメータと、その変更値との診断結果を高速で処理して、研磨装置に出力することができる。一方で、高速で処理する必要のない情報(例えば、各研磨ユニットのステータス情報など)は、研磨装置から中継装置500を介してホスト制御システム600に送信される。その結果、中継装置500の中継制御部510は、余計な情報処理を実行する必要がないので、変更すべきPIDパラメータと、その変更値の決定を高速で処理することができる。
In the polishing system according to the present embodiment, the
一実施形態では、上述した「時間」を学習済モデル3の入力層301(または、入力層301’)に追加的に入力してもよい。この場合、学習済モデル3は、時間以外に入力された複数の温度挙動パラメータの経時変化から、複数の温度挙動パラメータの測定時間を一致させた各予測値を演算し、この予測値に基づいて、出力層303から変更されるべきPIDパラメータと、その変更値とを随時出力していく。これにより、各温度挙動パラメータの時間差を考慮したより正確な出力値を出力層303から出力することができる。その結果、温度挙動曲線Rが所定の許容範囲から外れることをより効果的に防止することができる。
In one embodiment, the above-mentioned "time" may be additionally input to the input layer 301 (or input layer 301') of the trained
さらに、出力層303’から温度挙動曲線を所定の許容範囲内に維持するために変更されるべき、PIDパラメータとは異なる他の温度挙動パラメータとその変更値とが出力してもよい。この場合、制御部40は、PIDパラメータと、他の温度挙動パラメータをその変更値に随時更新しながら、パッド表面温度を調整するので、温度挙動曲線Rが所定の許容範囲から外れることをより効果的に防止することができる。
Further, the output layer 303' may output other temperature behavior parameters different from the PID parameters and their modified values to be changed in order to maintain the temperature behavior curve within a predetermined tolerance range. In this case, the
一実施形態では、ホスト制御システム600のホスト記憶装置612に上述した学習済モデル2を格納してもよい。あるいは、研磨装置の制御部40の記憶部110に、上述した学習済モデル3を格納してもよい。
In one embodiment, the trained
上述した実施形態では、学習済モデル1または学習済モデル3は、その出力層303から変更すべきPIDパラメータと、その変更値とを出力するが、本発明は、この例に限定されない。例えば、学習済モデル1または学習済モデル3は、その出力層303から変更すべきPIDパラメータと、その変更値を算出するためのプログラムとを出力してもよい。この場合、研磨装置の制御部40、中継装置500の中継制御部510、またはホスト制御装置600のホスト制御部610は、出力層303から出力されたプログラムにしたがってPIDパラメータの変更値を演算する処理を実行する。あるいは、ホスト制御システム600のホスト制御部610、または中継装置500の中継制御部510が、出力層303から出力されたプログラムにしたがって温度挙動パラメータの変更値を演算する処理を実行し、その結果を研磨装置に送ってもよい。
In the embodiment described above, the trained
あるいは、学習済モデル1または学習済モデル3は、その出力層303から変更すべきPIDパラメータと、変更後のPIDパラメータの値を算出するための補正係数とを出力してもよい。この場合、研磨装置の制御部40、中継装置500の中継制御部510、またはホスト制御装置600のホスト制御部610は、出力層303から出力された補正係数を、現在のPIDパラメータに乗算することにより、変更後のPIDパラメータの値を得ることができる。あるいは、ホスト制御システム600のホスト制御部610、または中継装置500の中継制御部510が、出力層303から出力された補正係数を、現在のPIDパラメータに乗算することにより、変更後のPIDパラメータの値を得て、その値を研磨装置に送ってもよい。
Alternatively, the trained
上述した実施形態では、パッド表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するパッド接触部材(パッド温調部材)11は、研磨パッド3の表面(すなわち、研磨面)に接触している。しかしながら、図18に示すように、パッド接触部材11は、研磨パッド3の表面から上方に離間していてもよい。この場合、図18で符号11が付される部材は、パッド表面温度を非接触式に調整するパッド温調部材として機能するため、以下では、「パッド温調部材」と称する。
In the embodiment described above, the pad contact member (pad temperature control member) 11 that causes the pad surface temperature to reach a predetermined target temperature and then maintains the pad surface temperature at the target temperature contacts the surface of the polishing pad 3 (i.e., the polishing surface). are in contact. However, as shown in FIG. 18,
パッド温調部材11は、研磨パッド3の表面を非接触式に加熱するパッド加熱源11aを含む。一実施形態では、パッド温調部材11は、パッド加熱源11a自体であってもよい。パッド加熱源11aの例としては、研磨パッド3の表面に向けて放射熱を発するヒーター(特に、赤外線ヒーター)、またはランプ(特に、赤外線ランプ)が挙げられる。パッド加熱源11aがヒーターまたはランプの場合は、上述した温度挙動パラメータのうちの「加熱液の温度」が「パッド加熱源の温度」に読み替えられる。
Pad
パッド加熱源11aの他の例としては、研磨パッド3の表面に温風、温水、および過熱蒸気などの加熱流体を噴射する加熱流体噴射装置が挙げられる。パッド加熱源11aが加熱流体噴射装置である場合は、加熱流体が図示しない供給ラインを介してパッド加熱源11aに供給される。さらに、上述した温度挙動パラメータのうちの「加熱液の流量」が「加熱流体の噴射量」と読み替えられ、「加熱液の温度」が「加熱流体の温度」と読み替えられる。
Another example of the
パッド温調部材11は、研磨パッド3の表面を非接触式に冷却するパッド冷却源11bをさらに含んでいてもよい。図18では、パッド冷却源11bが仮想線(点線)で描かれている。パッド冷却源11bの例としては、研磨パッド3の表面に冷風、および冷水などの冷却流体を噴射する冷却流体噴射装置が挙げられる。パッド冷却源11bが冷却流体噴射装置である場合は、冷却流体が図示しない供給ラインを介してパッド冷却源11bに供給される。さらに、上述した温度挙動パラメータのうちの「冷却液の流量」が「冷却流体の噴射量」と読み替えられ、「冷却液の温度」が「冷却流体の温度」と読み替えられる。
Pad
パッド冷却源11bの他の例としては、研磨パッド3の表面にドライアイスなどの冷却剤を噴射する冷却剤噴射装置が挙げられる。パッド冷却源11bが冷却剤噴射装置である場合は、冷却剤が図示しない供給ラインを介してパッド冷却源11bに供給される。さらに、上述した温度挙動パラメータのうちの「冷却液の流量」が「冷却剤の噴射量」と読み替えられ、「冷却液の温度」が「冷却剤の温度」と読み替えられる。
Another example of the
上述した実施形態は、本発明が属する技術分野における通常の知識を有する者が本発明を実施できることを目的として記載されたものである。上記実施形態の種々の変形例は、当業者であれば当然になしうることであり、本発明の技術的思想は他の実施形態にも適用しうる。したがって、本発明は、記載された実施形態に限定されることはなく、特許請求の範囲によって定義される技術的思想に従った最も広い範囲に解釈されるものである。 The embodiments described above have been described to enable those skilled in the art to carry out the invention. Various modifications of the above embodiments can be naturally made by those skilled in the art, and the technical idea of the present invention can be applied to other embodiments. Therefore, the invention is not limited to the described embodiments, but is to be construed in the broadest scope according to the spirit defined by the claims.
1 研磨ヘッド
2 研磨テーブル
3 研磨パッド
4 研磨液供給ノズル
5 パッド温度調整装置
11 パッド接触部材(パッド温調部材)
30 液体供給システム
31 加熱液供給タンク
32 加熱液供給管
33 加熱液戻り管
39 パッド温度測定器
40 制御部
41 第1開閉バルブ
42 第1流量制御バルブ
47 加熱液ポンプ
48 加熱源
51 冷却液供給管
52 冷却液排出管
55 第2開閉バルブ
56 第2流量制御バルブ
61 加熱流路
62 冷却流路
110 記憶装置
120 処理装置
150 通信装置
301 入力層
302 隠れ層
303 出力層
500 中継装置
510 中継制御部
512 中継記憶装置
600 ホスト処理システム
610 ホスト制御部
612 ホスト記憶装置
1
30
Claims (20)
前記研磨パッドの表面に接触可能であり、かつ加熱流路および冷却流路が内部に形成されたパッド接触部材と、
前記加熱流路に接続された加熱液供給管と、前記冷却流路に接続された冷却液供給管と、前記加熱液供給管に取り付けられた第1流量制御バルブと、前記冷却液供給管に取り付けられた第2流量制御バルブと、を備え、温度調整された加熱液および冷却液を前記パッド接触部材に供給する液体供給システムと、
前記研磨パッドの表面温度を測定するパッド温度測定器と、
前記パッド温度測定器の測定値と前記目標温度との差に基づいて、前記第1流量制御バルブおよび前記第2流量制御バルブの操作量をPID制御する制御部と、を備え、
前記制御部は、
前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部と、
少なくとも1つの温度挙動パラメータを含むデータセットを前記学習済モデルに入力し、前記PID制御のPIDパラメータの変更値を出力するための演算を実行する処理装置と、を備え、
前記温度挙動曲線は、前記パッド接触部材が前記研磨パッドの表面温度の調整を開始する時点から前記目標温度に到達する時点までの、前記研磨パッドの表面温度の経時的な変化を示す曲線であり、
前記データセットは、
(a)前記PID制御のPIDパラメータ、前記加熱液の流量、および前記冷却液の流量からなるデータセット、
(b)前記PID制御のPIDパラメータ、および前記研磨パッドに押し付けられる基板の膜厚に関連する膜厚パラメータからなるデータセット、および
(c)前記PID制御のPIDパラメータ、前記研磨パッドの高さ、および前記研磨パッドで研磨される基板の研磨レートからなるデータセット、
のいずれかであることを特徴とするパッド温度調整装置。 A pad temperature adjustment device for causing the surface temperature of a polishing pad to reach a predetermined target temperature and then maintaining it at the target temperature,
a pad contact member capable of contacting the surface of the polishing pad and having heating channels and cooling channels formed therein;
A heating liquid supply pipe connected to the heating flow path, a cooling liquid supply pipe connected to the cooling flow path, a first flow control valve attached to the heating liquid supply pipe, and a cooling liquid supply pipe connected to the cooling liquid supply pipe. a second flow control valve attached thereto, a liquid supply system for supplying temperature regulated heating liquid and cooling liquid to the pad contacting member;
a pad temperature measuring device that measures the surface temperature of the polishing pad;
a control unit that performs PID control of the operation amounts of the first flow control valve and the second flow control valve based on the difference between the measured value of the pad temperature measuring device and the target temperature,
The control unit includes:
a storage unit storing a trained model constructed by machine learning in order to maintain a temperature behavior curve created based on the measured value of the pad temperature measuring device and the measurement time point within a predetermined tolerance range; and,
a processing device that inputs a data set including at least one temperature behavior parameter into the learned model and executes an operation for outputting a changed value of the PID parameter of the PID control ,
The temperature behavior curve is a curve showing a change in the surface temperature of the polishing pad over time from the time when the pad contacting member starts adjusting the surface temperature of the polishing pad to the time when the target temperature is reached. ,
The data set is
(a) a data set consisting of the PID parameters of the PID control, the flow rate of the heating liquid, and the flow rate of the cooling liquid;
(b) a data set consisting of a PID parameter of the PID control and a film thickness parameter related to the film thickness of the substrate pressed against the polishing pad;
(c) a data set consisting of the PID parameters of the PID control, the height of the polishing pad, and the polishing rate of the substrate polished with the polishing pad;
A pad temperature adjustment device characterized by being any one of the above .
前記制御部は、
前記少なくとも1つの温度挙動パラメータを含む学習用データセットを前記ニューラルネットワークに入力したときに、該ニューラルネットワークから、前記温度挙動曲線を所定の許容範囲内に維持するために変更されるべきPIDパラメータと、正常範囲に含まれるPIDパラメータの変更値が得られるように、前記ニューラルネットワークの重みパラメータを調整して、前記学習済モデルを構築することを特徴とする請求項1に記載のパッド温度調整装置。 The trained model is constructed by deep learning using a neural network,
The control unit includes:
When a training data set including the at least one temperature behavior parameter is input to the neural network, the neural network determines a PID parameter to be changed in order to maintain the temperature behavior curve within a predetermined tolerance range. The pad temperature adjustment device according to claim 1, wherein the learned model is constructed by adjusting weight parameters of the neural network so as to obtain a changed value of the PID parameter that is within a normal range. .
前記研磨パッドに基板を押し付けて、該基板を研磨するたびに作成される前記温度挙動曲線と、前記温度挙動曲線に関連付けられた少なくとも1つの温度挙動パラメータを蓄積し、
前記学習用データセットは、前記蓄積された少なくとも1つの温度挙動パラメータから作成されることを特徴とする請求項2に記載のパッド温度調整装置。 The control unit includes:
accumulating the temperature behavior curve created each time the substrate is polished by pressing the substrate against the polishing pad, and at least one temperature behavior parameter associated with the temperature behavior curve;
The pad temperature adjustment device according to claim 2, wherein the learning data set is created from the accumulated at least one temperature behavior parameter.
パッド温度測定器を用いて前記研磨パッドの表面温度を測定し、
前記研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するように、前記加熱流路に接続された加熱液供給管に取り付けられた第1流量制御バルブと、前記冷却流路に接続された冷却液供給管に取り付けられた第2流量制御バルブの操作量をPID制御し、
前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するための学習済モデルを機械学習によって構築し、
少なくとも1つの温度挙動パラメータを含むデータセットを前記学習済モデルに入力して、前記PID制御のPIDパラメータの変更値を出力し、
前記温度挙動曲線は、前記パッド接触部材が前記研磨パッドの表面温度の調整を開始する時点から前記目標温度に到達する時点までの、前記研磨パッドの表面温度の経時的な変化を示す曲線であり、
前記データセットは、
(a)前記PID制御のPIDパラメータ、前記加熱液の流量、および前記冷却液の流量からなるデータセット、
(b)前記PID制御のPIDパラメータ、および前記研磨パッドに押し付けられる基板の膜厚に関連する膜厚パラメータからなるデータセット、および
(c)前記PID制御のPIDパラメータ、前記研磨パッドの高さ、および前記研磨パッドで研磨される基板の研磨レートからなるデータセット、
のいずれかであることを特徴とするパッド温度調整方法。 While the pad contact member is in contact with the surface of the polishing pad, a heating liquid and a cooling liquid are respectively flowed into a heating channel and a cooling channel formed in the pad contact member,
Measuring the surface temperature of the polishing pad using a pad temperature measuring device ,
a first flow control valve attached to a heated liquid supply pipe connected to the heating flow path so as to cause the surface temperature of the polishing pad to reach a predetermined target temperature and then maintain it at the target temperature; PID controlling the operation amount of a second flow control valve attached to a coolant supply pipe connected to the cooling flow path;
Constructing a trained model by machine learning to maintain a temperature behavior curve created based on the measured value of the pad temperature measuring device and the measurement time within a predetermined tolerance range,
inputting a data set including at least one temperature behavior parameter into the learned model and outputting a changed value of the PID parameter of the PID control ;
The temperature behavior curve is a curve showing a change in the surface temperature of the polishing pad over time from the time when the pad contacting member starts adjusting the surface temperature of the polishing pad to the time when the target temperature is reached. ,
The data set is
(a) a data set consisting of the PID parameters of the PID control, the flow rate of the heating liquid, and the flow rate of the cooling liquid;
(b) a data set consisting of a PID parameter of the PID control and a film thickness parameter related to the film thickness of the substrate pressed against the polishing pad;
(c) a data set consisting of the PID parameters of the PID control, the height of the polishing pad, and the polishing rate of the substrate polished with the polishing pad;
A pad temperature adjustment method characterized by :
前記ディープラーニングは、前記少なくとも1つの温度挙動パラメータを含む学習用データセットを前記ニューラルネットワークに入力したときに、該ニューラルネットワークから、前記温度挙動曲線を所定の許容範囲内に維持するために変更されるべきPIDパラメータと、正常範囲に含まれるPIDパラメータの変更値が得られるように、前記ニューラルネットワークの重みパラメータを調整して、前記学習済モデルを構築することを特徴とする請求項7に記載のパッド温度調整方法。 The step of constructing the trained model is a step performed by deep learning using a neural network,
The deep learning comprises: when inputting a training data set including the at least one temperature behavior parameter to the neural network, changes are made from the neural network to maintain the temperature behavior curve within a predetermined tolerance range; 8. The learned model is constructed by adjusting the weight parameters of the neural network so as to obtain the correct PID parameters and the changed values of the PID parameters that are within a normal range. How to adjust the pad temperature.
前記学習用データセットは、前記蓄積された少なくとも1つの温度挙動パラメータから作成されることを特徴とする請求項8に記載のパッド温度調整方法。 further comprising the step of accumulating the temperature behavior curve created each time the substrate is polished by pressing the substrate against the polishing pad, and at least one temperature behavior parameter associated with the temperature behavior curve;
9. The pad temperature adjustment method according to claim 8 , wherein the learning data set is created from the accumulated at least one temperature behavior parameter.
前記研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するためのパッド温度調整装置と、を備え、
前記パッド温度調整装置は、
前記研磨パッドの表面に接触可能であり、かつ加熱流路および冷却流路が内部に形成されたパッド接触部材と、
前記加熱流路に接続された加熱液供給管と、前記冷却流路に接続された冷却液供給管と、前記加熱液供給管に取り付けられた第1流量制御バルブと、前記冷却液供給管に取り付けられた第2流量制御バルブと、を備え、温度調整された加熱液および冷却液を前記パッド接触部材に供給する液体供給システムと、
前記研磨パッドの表面温度を測定するパッド温度測定器と、
前記パッド温度測定器の測定値と前記目標温度との差に基づいて、前記第1流量制御バルブおよび前記第2流量制御バルブの操作量をPID制御する制御部と、を備えており、
前記制御部は、
前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部と、
少なくとも1つの温度挙動パラメータを含むデータセットを前記学習済モデルに入力し、前記PID制御のPIDパラメータの変更値を出力するための演算を実行する処理装置と、を備え、
前記温度挙動曲線は、前記パッド接触部材が前記研磨パッドの表面温度の調整を開始する時点から前記目標温度に到達する時点までの、前記研磨パッドの表面温度の経時的な変化を示す曲線であり、
前記データセットは、
(a)前記PID制御のPIDパラメータ、前記加熱液の流量、および前記冷却液の流量からなるデータセット、
(b)前記PID制御のPIDパラメータ、および前記研磨パッドに押し付けられる基板の膜厚に関連する膜厚パラメータからなるデータセット、および
(c)前記PID制御のPIDパラメータ、前記研磨パッドの高さ、および前記研磨パッドで研磨される基板の研磨レートからなるデータセット、
のいずれかであることを特徴とする研磨装置。 at least one polishing unit comprising a polishing table that supports a polishing pad, and a polishing head that presses a substrate against the polishing pad;
A pad temperature adjustment device for causing the surface temperature of the polishing pad to reach a predetermined target temperature and then maintaining it at the target temperature,
The pad temperature adjustment device includes:
a pad contact member capable of contacting the surface of the polishing pad and having heating channels and cooling channels formed therein;
A heating liquid supply pipe connected to the heating flow path, a cooling liquid supply pipe connected to the cooling flow path, a first flow control valve attached to the heating liquid supply pipe, and a cooling liquid supply pipe connected to the cooling liquid supply pipe. a second flow control valve attached thereto, a liquid supply system for supplying temperature regulated heating liquid and cooling liquid to the pad contacting member;
a pad temperature measuring device that measures the surface temperature of the polishing pad;
a control unit that performs PID control of the operation amounts of the first flow control valve and the second flow control valve based on the difference between the measured value of the pad temperature measuring device and the target temperature,
The control unit includes:
a storage unit storing a trained model constructed by machine learning in order to maintain a temperature behavior curve created based on the measured value of the pad temperature measuring device and the measurement time point within a predetermined tolerance range; and,
a processing device that inputs a data set including at least one temperature behavior parameter into the learned model and executes an operation for outputting a changed value of the PID parameter of the PID control ,
The temperature behavior curve is a curve showing a change in the surface temperature of the polishing pad over time from the time when the pad contacting member starts adjusting the surface temperature of the polishing pad to the time when the target temperature is reached. ,
The data set is
(a) a data set consisting of the PID parameters of the PID control, the flow rate of the heating liquid, and the flow rate of the cooling liquid;
(b) a data set consisting of a PID parameter of the PID control and a film thickness parameter related to the film thickness of the substrate pressed against the polishing pad;
(c) a data set consisting of the PID parameters of the PID control, the height of the polishing pad, and the polishing rate of the substrate polished with the polishing pad;
A polishing device characterized by being any one of the above .
前記制御部は、
前記少なくとも1つの温度挙動パラメータを含む学習用データセットを前記ニューラルネットワークに入力したときに、該ニューラルネットワークから、前記温度挙動曲線を所定の許容範囲内に維持するために変更されるべきPIDパラメータと、正常範囲に含まれるPIDパラメータの変更値が得られるように、前記ニューラルネットワークの重みパラメータを調整して、前記学習済モデルを構築することを特徴とする請求項13に記載の研磨装置。 The trained model is constructed by deep learning using a neural network,
The control unit includes:
When a training data set including the at least one temperature behavior parameter is input to the neural network, the neural network determines a PID parameter to be changed in order to maintain the temperature behavior curve within a predetermined tolerance range. 14. The polishing apparatus according to claim 13 , wherein the learned model is constructed by adjusting weight parameters of the neural network so as to obtain a changed value of the PID parameter that is within a normal range.
前記研磨パッドに基板を押し付けて、該基板を研磨するたびに作成される前記温度挙動曲線と、前記温度挙動曲線に関連付けられた少なくとも1つの温度挙動パラメータを蓄積し、
前記学習用データセットは、前記蓄積された少なくとも1つの温度挙動パラメータから作成されることを特徴とする請求項14に記載の研磨装置。 The control unit includes:
accumulating the temperature behavior curve created each time the substrate is polished by pressing the substrate against the polishing pad, and at least one temperature behavior parameter associated with the temperature behavior curve;
The polishing apparatus according to claim 14 , wherein the learning data set is created from the accumulated at least one temperature behavior parameter.
前記研磨装置と情報を送受信可能に接続される中継装置と、
前記中継装置と情報を送受信可能に接続されるホスト制御システムと、を備え、
前記研磨装置は、
研磨パッドを支持する研磨テーブルと、基板を前記研磨パッドに押し付ける研磨ヘッドと、を備えた少なくとも1つの研磨ユニットと、
前記研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するためのパッド温度調整装置と、を備え、
前記パッド温度調整装置は、
前記研磨パッドの表面に接触可能であり、かつ加熱流路および冷却流路が内部に形成されたパッド接触部材と、
前記加熱流路に接続された加熱液供給管と、前記冷却流路に接続された冷却液供給管と、前記加熱液供給管に取り付けられた第1流量制御バルブと、前記冷却液供給管に取り付けられた第2流量制御バルブと、を備え、温度調整された加熱液および冷却液を前記パッド接触部材に供給する液体供給システムと、
前記研磨パッドの表面温度を測定するパッド温度測定器と、
前記パッド温度測定器の測定値と前記目標温度との差に基づいて、前記第1流量制御バルブおよび前記第2流量制御バルブの操作量をPID制御する制御部と、を備えており、
前記ホスト制御システムのホスト制御部は、
前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部と、
少なくとも1つの温度挙動パラメータを含むデータセットを前記学習済モデルに入力し、前記PID制御のPIDパラメータの変更値を出力するための演算を実行する処理装置と、を備え、
前記温度挙動曲線は、前記パッド接触部材が前記研磨パッドの表面温度の調整を開始する時点から前記目標温度に到達する時点までの、前記研磨パッドの表面温度の経時的な変化を示す曲線であり、
前記データセットは、
(a)前記PID制御のPIDパラメータ、前記加熱液の流量、および前記冷却液の流量からなるデータセット、
(b)前記PID制御のPIDパラメータ、および前記研磨パッドに押し付けられる基板の膜厚に関連する膜厚パラメータからなるデータセット、および
(c)前記PID制御のPIDパラメータ、前記研磨パッドの高さ、および前記研磨パッドで研磨される基板の研磨レートからなるデータセット、
のいずれかであることを特徴とする研磨システム。 at least one polishing device;
a relay device connected to the polishing device so as to be able to transmit and receive information;
a host control system connected to the relay device so as to be able to transmit and receive information;
The polishing device includes:
at least one polishing unit comprising a polishing table that supports a polishing pad, and a polishing head that presses a substrate against the polishing pad;
A pad temperature adjustment device for causing the surface temperature of the polishing pad to reach a predetermined target temperature and then maintaining it at the target temperature,
The pad temperature adjustment device includes:
a pad contact member capable of contacting the surface of the polishing pad and having heating channels and cooling channels formed therein;
A heating liquid supply pipe connected to the heating flow path, a cooling liquid supply pipe connected to the cooling flow path, a first flow control valve attached to the heating liquid supply pipe, and a cooling liquid supply pipe connected to the cooling liquid supply pipe. a second flow control valve attached thereto, a liquid supply system for supplying temperature regulated heating liquid and cooling liquid to the pad contacting member;
a pad temperature measuring device that measures the surface temperature of the polishing pad;
a control unit that performs PID control of the operation amounts of the first flow control valve and the second flow control valve based on the difference between the measured value of the pad temperature measuring device and the target temperature,
The host control unit of the host control system includes:
a storage unit storing a trained model constructed by machine learning in order to maintain a temperature behavior curve created based on the measured value of the pad temperature measuring device and the measurement time point within a predetermined tolerance range; and,
a processing device that inputs a data set including at least one temperature behavior parameter into the learned model and executes an operation for outputting a changed value of the PID parameter of the PID control ,
The temperature behavior curve is a curve showing a change in the surface temperature of the polishing pad over time from the time when the pad contacting member starts adjusting the surface temperature of the polishing pad to the time when the target temperature is reached. ,
The data set is
(a) a data set consisting of the PID parameters of the PID control, the flow rate of the heating liquid, and the flow rate of the cooling liquid;
(b) a data set consisting of a PID parameter of the PID control and a film thickness parameter related to the film thickness of the substrate pressed against the polishing pad;
(c) a data set consisting of the PID parameters of the PID control, the height of the polishing pad, and the polishing rate of the substrate polished with the polishing pad;
A polishing system characterized by being any of the following .
前記研磨装置と情報を送受信可能に接続される中継装置と、
前記中継装置と情報を送受信可能に接続されるホスト制御システムと、を備え、
前記研磨装置は、
研磨パッドを支持する研磨テーブルと、基板を前記研磨パッドに押し付ける研磨ヘッドと、を備えた少なくとも1つの研磨ユニットと、
前記研磨パッドの表面温度を所定の目標温度に到達させ、その後、該目標温度に維持するためのパッド温度調整装置と、を備え、
前記パッド温度調整装置は、
前記研磨パッドの表面に接触可能であり、かつ加熱流路および冷却流路が内部に形成されたパッド接触部材と、
前記加熱流路に接続された加熱液供給管と、前記冷却流路に接続された冷却液供給管と、前記加熱液供給管に取り付けられた第1流量制御バルブと、前記冷却液供給管に取り付けられた第2流量制御バルブと、を備え、温度調整された加熱液および冷却液を前記パッド接触部材に供給する液体供給システムと、
前記研磨パッドの表面温度を測定するパッド温度測定器と、
前記パッド温度測定器の測定値と前記目標温度との差に基づいて、前記第1流量制御バルブおよび前記第2流量制御バルブの操作量をPID制御する制御部と、を備えており、
前記中継装置の中継制御部は、
前記パッド温度測定器の測定値と、その測定時点とに基づいて作成される温度挙動曲線を所定の許容範囲内に維持するために、機械学習によって構築される学習済モデルが格納された記憶部と、
前記パッド温度測定器の測定値と、その測定時点との組み合わせと、少なくとも1つの温度挙動パラメータを含むデータセットとを、前記学習済モデルに入力し、前記研磨パッドの表面温度を調整している間に、前記PID制御のPIDパラメータの変更値を出力するための演算を随時実行する処理装置と、を備え、
前記温度挙動曲線は、前記パッド接触部材が前記研磨パッドの表面温度の調整を開始する時点から前記目標温度に到達する時点までの、前記研磨パッドの表面温度の経時的な変化を示す曲線であり、
前記データセットは、
(a)前記PID制御のPIDパラメータ、前記加熱液の流量、および前記冷却液の流量からなるデータセット、
(b)前記PID制御のPIDパラメータ、および前記研磨パッドに押し付けられる基板の膜厚に関連する膜厚パラメータからなるデータセット、および
(c)前記PID制御のPIDパラメータ、前記研磨パッドの高さ、および前記研磨パッドで研磨される基板の研磨レートからなるデータセット、
のいずれかであることを特徴とする研磨システム。 at least one polishing device;
a relay device connected to the polishing device so as to be able to transmit and receive information;
a host control system connected to the relay device so as to be able to transmit and receive information;
The polishing device includes:
at least one polishing unit comprising a polishing table that supports a polishing pad, and a polishing head that presses a substrate against the polishing pad;
A pad temperature adjustment device for causing the surface temperature of the polishing pad to reach a predetermined target temperature and then maintaining it at the target temperature,
The pad temperature adjustment device includes:
a pad contact member capable of contacting the surface of the polishing pad and having heating channels and cooling channels formed therein;
A heating liquid supply pipe connected to the heating flow path, a cooling liquid supply pipe connected to the cooling flow path, a first flow control valve attached to the heating liquid supply pipe, and a cooling liquid supply pipe connected to the cooling liquid supply pipe. a second flow control valve attached thereto, a liquid supply system for supplying temperature regulated heating liquid and cooling liquid to the pad contacting member;
a pad temperature measuring device that measures the surface temperature of the polishing pad;
a control unit that performs PID control of the operation amounts of the first flow control valve and the second flow control valve based on the difference between the measured value of the pad temperature measuring device and the target temperature,
The relay control unit of the relay device includes:
a storage unit storing a trained model constructed by machine learning in order to maintain a temperature behavior curve created based on the measured value of the pad temperature measuring device and the measurement time point within a predetermined tolerance range; and,
A combination of the measurement value of the pad temperature measuring device, the measurement time point thereof, and a data set including at least one temperature behavior parameter is input into the trained model to adjust the surface temperature of the polishing pad. and a processing device that executes an operation for outputting a changed value of the PID parameter of the PID control at any time ,
The temperature behavior curve is a curve showing a change in the surface temperature of the polishing pad over time from the time when the pad contacting member starts adjusting the surface temperature of the polishing pad to the time when the target temperature is reached. ,
The data set is
(a) a data set consisting of the PID parameters of the PID control, the flow rate of the heating liquid, and the flow rate of the cooling liquid;
(b) a data set consisting of a PID parameter of the PID control and a film thickness parameter related to the film thickness of the substrate pressed against the polishing pad;
(c) a data set consisting of the PID parameters of the PID control, the height of the polishing pad, and the polishing rate of the substrate polished with the polishing pad;
A polishing system characterized by being any of the following .
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/417,294 US11919124B2 (en) | 2018-12-28 | 2019-12-19 | Pad-temperature regulating apparatus, method of regulating pad-temperature, polishing apparatus, and polishing system |
PCT/JP2019/049832 WO2020137802A1 (en) | 2018-12-28 | 2019-12-19 | Pad temperature adjusting device, pad temperature adjusting method, polishing device, and polishing system |
TW108147319A TWI837257B (en) | 2018-12-28 | 2019-12-24 | Pad temperature adjustment device, pad temperature adjustment method, grinding device, and grinding system |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018247771 | 2018-12-28 | ||
JP2018247771 | 2018-12-28 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020109839A JP2020109839A (en) | 2020-07-16 |
JP7374751B2 true JP7374751B2 (en) | 2023-11-07 |
Family
ID=71570120
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019228041A Active JP7374751B2 (en) | 2018-12-28 | 2019-12-18 | Pad temperature adjustment device, pad temperature adjustment method, polishing device, and polishing system |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7374751B2 (en) |
TW (1) | TWI837257B (en) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022044060A1 (en) * | 2020-08-24 | 2022-03-03 | 株式会社島津製作所 | Atomic absorption spectrophotometer and control method for atomic absorption spectrophotometer |
CN114437843B (en) * | 2020-11-03 | 2022-12-13 | 中国石油化工股份有限公司 | Control system and method for natural gas treatment process |
KR20230028552A (en) * | 2020-12-18 | 2023-02-28 | 어플라이드 머티어리얼스, 인코포레이티드 | Adaptive Slurry Distribution System |
JP2022173730A (en) * | 2021-05-10 | 2022-11-22 | 株式会社Sumco | Creation method for correlation relationship expression for polishing condition determination, determination method for polishing condition, and manufacturing method for semiconductor wafer |
JP2023046628A (en) * | 2021-09-24 | 2023-04-05 | 株式会社Screenホールディングス | Polishing device, substrate treatment device and polishing method |
TWI783739B (en) * | 2021-10-20 | 2022-11-11 | 緯創資通股份有限公司 | Method for establishing temperature prediction model heating temperature heating method, and thermal circulation system |
JP2023114126A (en) * | 2022-02-04 | 2023-08-17 | 株式会社荏原製作所 | Information processing device, inference device, machine learning device, information processing method, inference method, and machine learning method |
JP2023148614A (en) * | 2022-03-30 | 2023-10-13 | 株式会社荏原製作所 | Information processing device, inference device, machine learning device, information processing method, inference method, and machine learning method |
CN115186582B (en) * | 2022-07-05 | 2023-04-18 | 科大智能物联技术股份有限公司 | Steel rolling heating furnace control method based on machine learning model |
JP2024077061A (en) * | 2022-11-28 | 2024-06-07 | 株式会社荏原製作所 | Polishing information processing device, prediction device, and machine learning device |
CN116484974B (en) * | 2023-04-25 | 2023-11-03 | 大连祥瑞阀门制造有限公司 | Flow control system of jetting valve based on magneto-rheological technology |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017175264A (en) | 2016-03-22 | 2017-09-28 | 日本電気株式会社 | Relay device, communication system, relay method and relay program |
JP2018027582A (en) | 2016-08-17 | 2018-02-22 | 株式会社荏原製作所 | Polishing method, polishing device, and recording medium with computer program recorded thereon |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03201008A (en) * | 1989-12-28 | 1991-09-02 | Toshiba Corp | Gain scheduling controller |
-
2019
- 2019-12-18 JP JP2019228041A patent/JP7374751B2/en active Active
- 2019-12-24 TW TW108147319A patent/TWI837257B/en active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017175264A (en) | 2016-03-22 | 2017-09-28 | 日本電気株式会社 | Relay device, communication system, relay method and relay program |
JP2018027582A (en) | 2016-08-17 | 2018-02-22 | 株式会社荏原製作所 | Polishing method, polishing device, and recording medium with computer program recorded thereon |
Also Published As
Publication number | Publication date |
---|---|
TWI837257B (en) | 2024-04-01 |
JP2020109839A (en) | 2020-07-16 |
TW202040666A (en) | 2020-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7374751B2 (en) | Pad temperature adjustment device, pad temperature adjustment method, polishing device, and polishing system | |
WO2020137802A1 (en) | Pad temperature adjusting device, pad temperature adjusting method, polishing device, and polishing system | |
US10589398B2 (en) | Heat exchanger for regulating surface temperature of a polishing pad, polishing apparatus, polishing method, and medium storing computer program | |
WO2018034308A1 (en) | Polishing method, polishing device, and recording medium with computer program recorded thereon | |
JP6752657B2 (en) | Polishing method and polishing equipment | |
TW200919567A (en) | Polishing condition control apparatus and polishing condition control method of CMP apparatus | |
US20220193858A1 (en) | Adaptive slurry dispense system | |
JP7064979B2 (en) | How to check for fluid leaks and polishing equipment | |
US20230219187A1 (en) | Polishing method and polishing apparatus | |
US11710228B2 (en) | Detecting an excursion of a CMP component using time-based sequence of images and machine learning | |
JP2019181607A (en) | Method for adjustment of surface temperature of abrasive pad, and polishing device | |
JP7421413B2 (en) | Pad temperature adjustment device, pad temperature adjustment method, and polishing device | |
US11642751B2 (en) | Polishing method and polishing apparatus | |
TWI836361B (en) | Method of polishing, method for removing material from substrate, and computer program product | |
WO2022224508A1 (en) | Polishing method and polishing device | |
US20230381910A1 (en) | Method for estimating life of polishing pad and polishing device | |
JP2024014487A (en) | Surface quality determination method and surface quality determination system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220330 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230523 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230719 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231024 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231025 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7374751 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |