特開 2023-42311 基板処理装置、基板処理方法及び記憶媒体

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023042311

(43)【公開日】2023-03-27

(54)【発明の名称】基板処理装置、基板処理方法及び記憶媒体

(51)【国際特許分類】

   H01L 21/66 20060101AFI20230317BHJP

   H01L 21/677 20060101ALI20230317BHJP

【ＦＩ】

H01L21/66 P

H01L21/68 A

【審査請求】未請求

【請求項の数】17

【出願形態】ＯＬ

(21)【出願番号】P 2021149547

(22)【出願日】2021-09-14

(71)【出願人】

【識別番号】000219967

【氏名又は名称】東京エレクトロン株式会社

(74)【代理人】

【識別番号】100088155

【弁理士】

【氏名又は名称】長谷川 芳樹

(74)【代理人】

【識別番号】100113435

【弁理士】

【氏名又は名称】黒木 義樹

(74)【代理人】

【識別番号】100122507

【弁理士】

【氏名又は名称】柏岡 潤二

(74)【代理人】

【識別番号】100171099

【弁理士】

【氏名又は名称】松尾 茂樹

(72)【発明者】

【氏名】京兼 広和

(72)【発明者】

【氏名】松井 英章

(72)【発明者】

【氏名】福元 敏之

(72)【発明者】

【氏名】伊藤 聡

(72)【発明者】

【氏名】今中 雅士

(72)【発明者】

【氏名】▲鶴▼田 豊久

(72)【発明者】

【氏名】榎本 正志

(72)【発明者】

【氏名】柳澤 将大

【テーマコード（参考）】

4M106

5F131

【Ｆターム（参考）】

4M106AA01

4M106BA04

4M106CA48

4M106DB02

4M106DB12

5F131AA02

5F131BA03

5F131BA04

5F131BA18

5F131BA19

5F131BA39

5F131BB04

5F131CA70

5F131DB03

5F131DB52

5F131DB76

5F131DB82

5F131HA09

5F131HA12

5F131JA12

5F131JA24

(57)【要約】

【課題】基板の表面に形成された膜の膜厚を高い信頼性で容易に推定するのに有効な装置を提供する。
【解決手段】基板処理装置は、基板の表面に形成された膜の表面画像を取得する撮像部と、膜の形成中に取得されたプロセス情報に基づいて、膜の光学物性を推定する光学物性推定部と、表面画像と、光学物性の推定結果とに基づいて膜の膜厚を推定する膜厚推定部と、を備える。
【選択図】図３

【特許請求の範囲】

【請求項1】

基板の表面に形成された膜の表面画像を取得する撮像部と、
前記膜の形成中に取得されたプロセス情報に基づいて、前記膜の光学物性を推定する光学物性推定部と、
前記表面画像と、前記光学物性の推定結果とに基づいて前記膜の膜厚を推定する膜厚推定部と、を備える基板処理装置。

【請求項2】

前記光学物性推定部は、前記プロセス情報と前記光学物性との関係を表すように予め生成された光学物性モデルと、前記プロセス情報とに基づいて前記光学物性を推定する、請求項１記載の基板処理装置。

【請求項3】

前記膜厚推定部は、前記表面画像と前記膜厚との関係を表すように予め生成された膜厚モデルと、前記表面画像とに基づいて前記膜厚を仮推定し、前記光学物性推定部が推定した前記光学物性に基づき前記膜厚の仮推定結果を補正して前記膜厚を推定する、請求項２記載の基板処理装置。

【請求項4】

前記膜厚推定部は、前記光学物性と前記膜厚の誤差との関係を表すように予め生成された誤差モデルと、前記光学物性推定部が推定した前記光学物性とに基づいて前記誤差を推定し、前記誤差の推定結果に基づき前記膜厚の仮推定結果を補正して前記膜厚を推定する、請求項３記載の基板処理装置。

【請求項5】

前記膜厚モデルは、前記表面画像と、前記基板の表面の複数箇所における前記膜厚との関係を表すように予め生成され、
前記膜厚推定部は、前記膜厚モデルと、前記表面画像とに基づいて、前記複数箇所における前記膜厚を推定する、請求項３又は４記載の基板処理装置。

【請求項6】

前記光学物性モデルは、前記プロセス情報と、前記複数箇所における前記光学物性との関係を表すように予め生成され、
前記光学物性推定部は、前記光学物性モデルと、前記プロセス情報とに基づいて、前記複数箇所における前記光学物性を推定し、
前記膜厚推定部は、前記複数箇所における前記光学物性の推定結果に基づいて、前記複数箇所における前記膜厚の仮推定結果をそれぞれ補正する、請求項５記載の基板処理装置。

【請求項7】

前記プロセス情報と、前記光学物性の実測結果とを対応付けて蓄積したプロセスデータベースに基づく機械学習により前記光学物性モデルを生成する光学物性モデル生成部と、
前記表面画像と、前記膜厚の実測結果とを対応付けて蓄積した画像データベースに基づく機械学習により前記膜厚モデルを生成する膜厚モデル生成部と、を更に備え、
前記光学物性推定部は、前記光学物性モデル生成部が生成した前記光学物性モデルに基づいて前記光学物性を推定し、
前記膜厚推定部は、前記膜厚モデル生成部が生成した前記膜厚モデルに基づいて前記膜厚を推定する、請求項３～６のいずれか一項記載の基板処理装置。

【請求項8】

前記膜厚推定部による前記膜厚の推定結果と、前記膜厚の実測結果との比較に基づいて、前記膜厚モデルを補正する膜厚モデル補正部を更に備える、請求項７記載の基板処理装置。

【請求項9】

前記膜厚推定部は、前記光学物性と、前記表面画像と、前記膜厚との関係を表すように予め生成された膜厚モデルと、前記光学物性の推定結果と、前記表面画像とに基づいて前記膜厚を推定する、請求項２記載の基板処理装置。

【請求項10】

前記光学物性モデルは、前記プロセス情報と、前記基板の表面の複数箇所における前記光学物性との関係を表すように予め生成され、
前記光学物性推定部は、前記光学物性モデルと、前記プロセス情報とに基づいて、前記複数箇所における前記光学物性を推定し、
前記膜厚モデルは、前記複数箇所における前記光学物性と、前記表面画像と、前記複数箇所における前記膜厚との関係を表すように予め生成され、
前記膜厚推定部は、前記膜厚モデルと、前記複数箇所における前記光学物性の推定結果と、前記表面画像とに基づいて、前記複数箇所における前記膜厚を推定する、請求項９記載の基板処理装置。

【請求項11】

前記プロセス情報と、前記光学物性の実測結果とを対応付けて蓄積したプロセスデータベースに基づく機械学習により前記光学物性モデルを生成する光学物性モデル生成部と、
前記表面画像と、前記光学物性の実測結果と、前記膜厚の実測結果とを対応付けて蓄積した画像データベースに基づく機械学習により前記膜厚モデルを生成する膜厚モデル生成部と、を更に備え、
前記光学物性推定部は、前記光学物性モデル生成部が生成した前記光学物性モデルに基づいて前記光学物性を推定し、
前記膜厚推定部は、前記膜厚モデル生成部が生成した前記膜厚モデルに基づいて前記膜厚を推定する、請求項９又は１０記載の基板処理装置。

【請求項12】

前記光学物性は、前記膜内に進入した光に前記膜が及ぼす影響を表す、請求項１～１１のいずれか一項記載の基板処理装置。

【請求項13】

前記光学物性は、屈折率と、消衰係数との少なくとも一方を含む、請求項１２記載の基板処理装置。

【請求項14】

前記プロセス情報は、前記基板の表面に前記膜を形成する際における前記基板の周辺環境情報を含む、請求項１～１３のいずれか一項記載の基板処理装置。

【請求項15】

前記プロセス情報は、前記基板の表面に形成された前記膜を部分的に除去する際における前記基板の周辺環境情報を含む、請求項１～１４のいずれか一項記載の基板処理装置。

【請求項16】

基板の表面に形成された膜の表面画像を取得することと、
前記膜の形成中に取得されたプロセス情報に基づいて、前記膜の光学物性を推定することと、
前記表面画像と、前記光学物性の推定結果とに基づいて前記膜の膜厚を推定することと、を含む基板処理方法。

【請求項17】

請求項１６記載の基板処理方法を装置に実行させるためのプログラムを記憶した、コンピュータ読み取り可能な記憶媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、基板処理装置、基板処理方法及び記憶媒体に関する。

【背景技術】

【0002】

特許文献１には、基板の撮像画像と、基板上に形成された膜の膜厚との相関データと、膜厚測定対象となる基板の撮像画像とに基づいて、膜厚測定対象となる基板上に形成された膜の膜厚を算出する膜厚測定装置が開示されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１５－２１５１９３号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

本開示は、基板の表面に形成された膜の膜厚を高い信頼性で容易に推定するのに有効な装置を提供する。

【課題を解決するための手段】

【0005】

本開示の一側面に係る基板処理装置は、基板の表面に形成された膜の表面画像を取得する撮像部と、膜の形成中に取得されたプロセス情報に基づいて、膜の光学物性を推定する光学物性推定部と、表面画像と、光学物性の推定結果とに基づいて膜の膜厚を推定する膜厚推定部と、を備える。

【発明の効果】

【0006】

本開示によれば、基板の表面に形成された膜の膜厚を高い信頼性で容易に推定するのに有効な装置を提供することができる。

【図面の簡単な説明】

【0007】

【図1】基板処理装置の概略構成を例示する模式図である。

【図2】撮像部の概略構成を例示する模式図である。

【図3】制御装置の機能的な構成を例示するブロック図である。

【図4】制御装置の機能的な構成を例示するブロック図である。

【図5】学習用のデータベースの内容を例示するテーブルである。

【図6】制御装置のハードウェア構成を例示するブロック図である。

【図7】モデル推定手順を例示するフローチャートである。

【図8】基板処理手順を例示するフローチャートである。

【図9】膜厚推定手順を例示するフローチャートである。

【発明を実施するための形態】

【0008】

以下、実施形態について、図面を参照しつつ詳細に説明する。説明において、同一要素又は同一機能を有する要素には同一の符号を付し、重複する説明を省略する。

【0009】

〔基板処理装置〕
図１に示す基板処理装置１は、基板の表面に膜を形成する装置である。基板の具体例としては、半導体ウェハ、ガラス基板、マスク基板、又はＦＰＤ（Ｆｌａｔ Ｐａｎｅｌ Ｄｉｓｐｌａｙ）等が挙げられる。基板は、半導体ウェハ等の上に、前段の処理において膜等が形成されたものも含む。基板処理装置１は、ローダモジュール１０と、処理モジュール２０と、制御装置１００とを有する。

【0010】

ローダモジュール１０は、基板処理装置１内への基板Ｗの導入及び基板処理装置１内からの基板Ｗの導出を行う。例えばローダモジュール１０は、基板Ｗ用の複数のキャリア１２（収容部）を支持可能であり、内部が大気圧に設定される筐体内に受け渡しアーム１１を内蔵している。キャリア１２は、例えば円形の複数枚の基板Ｗを収容する。受け渡しアーム１１は、キャリア１２から基板Ｗを取り出して処理モジュール２０のロードロックモジュール２５（後述）に渡し、ロードロックモジュール２５から基板Ｗを受け取ってキャリア１２内に戻す。ローダモジュール１０には、基板Ｗの位置を較正するアライナ１３が接続されていてもよい。

【0011】

処理モジュール２０は、基板Ｗの表面に膜を形成するための処理を行う。膜を形成するための処理は、膜を成膜する処理であってもよく、成膜された膜を部分的に除去する処理であってもよい。膜を形成するための処理は、膜を成膜する処理と、成膜された膜を部分的に除去する処理との両方を含んでいてもよい。

【0012】

膜を成膜する処理の具体例としては、基板Ｗの表面において膜を成長させる処理、又は基板Ｗの表面に膜材料を塗布する処理等が挙げられる。基板Ｗの表面において膜を成長させる処理の具体例としては、物理気相成長（ＰＶＤ：Ｐｈｙｓｉｃａｌ Ｖａｐｏｒ Ｄｅｐｏｓｉｔｉｏｎ）、化学気相成長（ＣＶＤ：Ｃｈｅｍｉｃａｌ Ｖａｐｏｒ Ｄｅｐｏｓｉｔｉｏｎ）、又は原子層堆積（ＡＬＤ：Ａｔｏｍｉｃ Ｌａｙｅｒ Ｄｅｐｏｓｉｔｉｏｎ）等が挙げられる。基板Ｗの表面に膜材料を塗布する処理の具体例としては、基板Ｗの回転によって液状の膜材料を基板Ｗの表面に塗広げるスピンコーティング等が挙げられる。形成された膜を部分的に除去する処理の具体例としては、ウェットエッチング、ドライエッチング、又は研磨等が挙げられる。

【0013】

例えば処理モジュール２０は、減圧可能な搬送室２４と、搬送室２４内に設けられる搬送アーム２１と、搬送室２４とゲートバルブを介して接続される一つ以上のプロセスユニット２２と、一つ以上の撮像部２３と、一つ以上のロードロックモジュール２５とを有する。搬送アーム２１は、ロードロックモジュール２５から基板Ｗを受け取って搬送する。ロードロックモジュール２５は内部を大気圧と真空圧とで切替え可能とし、ローダモジュール１０とゲートバルブを介して接続される。

【0014】

一つ以上のプロセスユニット２２のそれぞれは、搬送アーム２１により搬送された基板Ｗの表面に膜を形成するための処理を行う。例えばプロセスユニット２２は、基板Ｗの表面に膜を形成する処理を行う。一例として、プロセスユニット２２は、上述のＡＬＤによって、基板Ｗの表面にＴｉＮ膜を形成する。

【0015】

例えばプロセスユニット２２は、反応促進のために基板Ｗを加熱しながら、基板Ｗの表面に反応ガス及びパージガスを供給する熱ＡＬＤを行う。反応ガスの具体例としては、ＴｉＣｌ４ガス、ＮＨ３ガス等が挙げられる。パージガスの具体例としては、Ｎ２ガス、Ａｒガス等が挙げられる。プロセスユニット２２は、プラズマを利用して反応を促進させるプラズマＡＬＤを行うように構成されていてもよい。

【0016】

撮像部２３は、プロセスユニット２２により形成された膜の表面画像を取得する。図２に示すように、撮像部２３は、筐体３１と、保持部３２と、搬送部３３と、照明モジュール３４と、カメラ３５とを有する。筐体３１は、撮像対象の基板Ｗを収容する。筐体３１は、基板Ｗを受け入れる搬入出口４１と、搬入出口４１を開閉するゲートバルブ４２とを有する。

【0017】

保持部３２は、筐体３１内に水平に配置された基板を下から保持する。搬送部３３は、電動モータ等の動力源によって、水平な搬送方向３６に沿って保持部３２を搬送する。これにより、保持部３２に保持された基板Ｗが搬送方向３６に沿って搬送される。

【0018】

照明モジュール３４は、搬送方向３６に沿って搬送される基板Ｗに、上方から照明光を照射する。例えば照明モジュール３４は、ハーフミラー４３と、光源４４とを有する。ハーフミラー４３は、下方に向かって照明光を出射し、搬送方向３６に垂直で水平な照射ライン３７に沿って照明光を照射する。搬送方向３６は、照射ライン３７を通過するように基板Ｗを搬送する。

【0019】

光源４４は、ハーフミラー４３から照射ライン３７に向かう照明光を透過させる。一方、光源４４は、照射ライン３７からの反射光を、カメラ３５に向けて反射させる。カメラ３５は、光源４４が反射させた反射光を受光し、照射ライン３７を撮像する。カメラ３５は、基板Ｗが照射ライン３７を通過する最中に照射ライン３７を繰り返し撮像する。撮像部２３は、基板Ｗが照射ライン３７を通過する最中にカメラ３５により撮像された複数の画像を一まとめにして、基板Ｗの表面画像（膜の表面画像）を生成する。

【0020】

基板Ｗの表面画像の画像データ（以下、「表面画像データ」という。）は、表面画像の撮像領域にマトリクス状にマッピングされた複数の画素値を含む。複数の画素値のそれぞれは、撮像領域内のいずれか一区画の色彩を表す。色彩は、色相、彩度、及び明度を含む。例えば画素値は、三原色（Ｒ、Ｇ、Ｂ）それぞれの光の強さを表す。

【0021】

制御装置１００は、基板Ｗの表面に膜を形成するようにローダモジュール１０と処理モジュール２０とを制御する。ここで、上記表面画像と、膜の膜厚とは相関する傾向がある。例えば、膜厚に応じて、表面画像の色彩が変化し得る。この性質を利用し、制御装置１００は、撮像部２３により取得された表面画像に基づいて膜の膜厚を推定する。表面画像に基づく膜厚の推定は短時間で実行可能であるため、スループットの低下を抑制しつつ、膜の膜厚を評価する頻度を高めることが可能となる。

【0022】

しかしながら、表面画像と膜厚との関係は、膜の光学物性によって変わり得る。このため、膜の光学物性のばらつきの影響により、膜厚の推定結果の信頼性が低下する可能性がある。

【0023】

これに対し、制御装置１００は、膜の形成中に取得されたプロセス情報に基づいて、膜の光学物性を推定し、表面画像と、光学物性の推定結果とに基づいて膜の膜厚を推定するように構成されている。これにより、光学物性のばらつきの影響を軽減し、膜厚を高い信頼性で推定することができる。

【0024】

例えば制御装置１００は、図３に示すように、機能上の構成要素として、処理制御部１１１と、光学物性モデル記憶部１１２と、光学物性推定部１１３と、膜厚モデル記憶部１１４と、誤差モデル記憶部１１５と、膜厚推定部１１６とを有する。処理制御部１１１は、搬送アーム２１により基板Ｗをプロセスユニット２２内に搬入させた後に、基板Ｗの表面に膜を形成するための処理を処理モジュール２０に実行させる。例えば処理制御部１１１は、キャリア１２から基板Ｗを取り出してロードロックモジュール２５内に搬入するように受け渡しアーム１１を制御する。次に、処理制御部１１１は、受け渡しアーム１１によりロードロックモジュール２５内に搬入された基板Ｗを受け取ってプロセスユニット２２に搬入するように搬送アーム２１を制御し、基板Ｗの表面に膜を形成するようにプロセスユニット２２を制御する。次に、処理制御部１１１は、プロセスユニット２２から基板Ｗを受け取って撮像部２３に搬入するように搬送アーム２１を制御し、表面画像データを取得するように撮像部２３を制御する。次に、処理制御部１１１は、撮像部２３から基板Ｗを受け取ってロードロックモジュール２５に渡すように搬送アーム２１を制御する。次に、処理制御部１１１は、ロードロックモジュール２５から受け取った基板Ｗをキャリア１２に戻すように受け渡しアーム１１を制御する。

【0025】

プロセスユニット２２は、処理中に上記プロセス情報を取得する。プロセス情報、処理中における基板Ｗの周辺環境条情報を含む。例えばプロセス情報は、基板Ｗの表面に膜を形成する際における基板Ｗの周辺環境情報を含む。周辺環境情報は、装置の動作状況、外気温度、湿度などを含む。

【0026】

例えばプロセスユニット２２は、上記ＡＬＤを実行する際に基板Ｗを加熱するヒータの温度、プロセスユニット２２内の圧力、反応ガスの圧力、反応ガスの流量、パージガスの圧力、パージガスの流量、クリーンルーム（基板処理装置１が設置されるクリーンルーム）の室内温度、処理時間等を周辺環境情報として取得する。上記プラズマＡＬＤを行う場合、プロセスユニット２２は、プラズマを生成するために入力される高周波電力及び電圧を周辺環境情報として取得してもよい。

【0027】

膜を形成するための処理として、プロセスユニット２２が膜を部分的に除去する処理を行う場合、プロセス情報は、膜を部分的に除去する際における基板Ｗの周辺環境情報を含む。

【0028】

光学物性モデル記憶部１１２は、光学物性モデルを記憶する。光学物性モデルは、膜の形成中に取得されたプロセス情報と、膜の光学物性との関係を表すように予め生成されている。光学物性モデルは、膜の形成中に取得されたプロセス情報と、基板Ｗの表面の複数箇所における光学物性との関係を表すように生成されていてもよい。一例として、光学物性モデルは、プロセスユニット２２が取得したプロセス情報と、上記複数の画素値にそれぞれ対応する複数箇所の光学物性との関係を表すように生成されている。

【0029】

光学物性は、膜内に進入した光に膜が及ぼす影響を表す。例えば光学物性は、膜の屈折率と、膜の消衰係数との少なくとも一方を含む。膜の屈折率は、空気中の光の伝播速度と膜中の光の伝播速度の比で表される。膜の消衰係数は、膜を伝搬する光の減衰を表す。

【0030】

光学物性モデルは、プロセス情報と膜の光学物性との関係を表す限りいかなるものであってもよい。例えば光学物性モデルは、プロセス情報の入力に応じて、上記複数箇所における光学物性を出力するように機械学習により取得された学習済みモデルであってもよい。機械学習の具体例としては、重回帰、ガウス回帰、又はディープラーニング等が挙げられる。学習済みモデルの具体例としては、ニューラルネットワーク等が挙げられる。学習済みモデルは、関数、又はルックアップテーブルであってもよい。

【0031】

光学物性推定部１１３は、プロセスユニット２２が取得したプロセス情報に基づいて、膜の光学物性を推定する。例えば光学物性推定部１１３は、プロセスユニット２２が取得したプロセス情報と、光学物性モデル記憶部１１２が記憶する光学物性モデルとに基づいて膜の光学物性を推定する。例えば光学物性推定部１１３は、光学物性モデルにプロセス情報を入力することで、プロセス情報に対応する光学物性を出力させる。光学物性推定部１１３は、プロセス情報と光学物性モデルとに基づいて、上記複数箇所における光学物性を推定してもよい。

【0032】

膜厚モデル記憶部１１４は、膜厚モデルを記憶する。膜厚モデルは、表面画像と、上記膜の膜厚との関係を表すように予め生成されている。膜厚モデルは、表面画像と、基板Ｗの表面の複数箇所における膜厚との関係を表すように予め生成されてもよい。一例として、膜厚モデルは、撮像部２３により取得された表面画像データと、上記複数の画素値にそれぞれ対応する複数箇所の膜厚との関係を表すように生成されている。

【0033】

膜厚モデルは、表面画像と膜厚との関係を表す限りいかなるものであってもよい。例えば膜厚モデルは、表面画像の画像データ（以下、「表面画像データ」という。）の入力に応じて、上記複数箇所における膜厚を出力するように機械学習により取得された学習済みモデルであってもよい。機械学習の具体例としては、重回帰、ガウス回帰、又はディープラーニング等が挙げられる。学習済みモデルの具体例としては、ニューラルネットワーク等が挙げられる。学習済みモデルは、関数、又はルックアップテーブルであってもよい。

【0034】

誤差モデル記憶部１１５は、誤差モデルを記憶する。誤差モデルは、光学物性と、膜厚の推定誤差との関係を表すように予め生成されている。膜厚の推定誤差は、膜厚モデル記憶部１１４が記憶する膜厚モデルに基づく膜厚の推定誤差である。

【0035】

誤差モデルは、光学物性と、膜厚の推定誤差との関係を表す限りいかなるものであってもよい。例えば誤差モデルは、光学物性の入力に応じて、膜厚の推定誤差を出力するように機械学習により取得された学習済みモデルであってもよい。機械学習の具体例としては、重回帰、ガウス回帰、又はディープラーニング等が挙げられる。学習済みモデルの具体例としては、ニューラルネットワーク等が挙げられる。学習済みモデルは、関数、又はルックアップテーブルであってもよい。

【0036】

膜厚推定部１１６は、撮像部２３が取得した表面画像データと、光学物性推定部１１３による光学物性の推定結果とに基づいて膜の膜厚を推定する。例えば膜厚推定部１１６は、膜厚モデル記憶部１１４が記憶する膜厚モデルと、撮像部２３が取得した表面画像データとに基づいて膜厚を仮推定し、光学物性推定部１１３が推定した光学物性に基づき膜厚の仮推定結果を補正して膜厚を推定する。膜厚推定部１１６は、誤差モデル記憶部１１５が記憶する誤差モデルと、光学物性推定部１１３が推定した光学物性とに基づいて誤差を推定し、誤差の推定結果に基づき膜厚の仮推定結果を補正してもよい。

【0037】

例えば膜厚推定部１１６は、膜厚モデル記憶部１１４が記憶する膜厚モデルと、撮像部２３が取得した表面画像データとに基づいて膜厚を仮推定する。例えば膜厚推定部１１６は、膜厚モデルに表面画像データを入力することで、表面画像データに対応する膜厚の仮推定結果を膜厚モデルに出力させる。膜厚推定部１１６は、膜厚モデルと表面画像データとに基づいて、上記複数箇所における膜厚を仮推定してもよい。

【0038】

膜厚推定部１１６は、光学物性推定部１１３が推定した膜の光学物性と、誤差モデル記憶部１１５が記憶する誤差モデルとに基づいて、膜厚の推定誤差を推定する。例えば膜厚推定部１１６は、誤差モデルに光学物性を入力することで、光学物性に対応する膜厚の推定誤差を誤差モデルに出力させる。膜厚推定部１１６は、膜厚の仮推定結果を、膜厚の推定誤差に基づいて補正する。例えば膜厚推定部１１６は、膜厚の仮推定結果に、膜厚の推定誤差を加算、又は減算する。

【0039】

膜厚推定部１１６は、光学物性推定部１１３による上記複数箇所の光学物性の推定結果に基づいて、上記複数箇所の膜厚の仮推定結果をそれぞれ補正してもよい。例えば膜厚推定部１１６は、複数箇所の光学物性の推定結果のそれぞれを、同一箇所の膜厚の仮推定結果に加算、又は減算する。なお、膜厚推定部１１６が複数箇所の膜厚を仮推定するのに対し、光学物性推定部１１３は膜全体に対して一つの光学物性を推定してもよい。例えば光学物性推定部１１３は、膜全体の平均光学物性を推定してもよい。この場合、膜厚推定部１１６は、複数箇所における膜厚の仮推定結果を、一つの光学物性に基づいて補正する。

【0040】

膜厚推定部１１６は、膜厚の推定結果を表示デバイス（例えば後述の表示デバイス１９５）に表示させてもよい。また、膜厚推定部１１６は、膜厚の推定結果を、基板Ｗごとに記録されるログデータに追加してもよい。更に、膜厚推定部１１６は、膜厚の推定結果が予め定められた許容範囲外である場合に、表示デバイス１９５等への表示などによってエラーを報知してもよい。

【0041】

制御装置１００は、蓄積したデータに基づいて、上記光学物性モデル、誤差モデル、及び膜厚モデルの少なくともいずれかを生成するように構成されていてもよい。例えば制御装置１００は、図４に示すように、実測データ取得部１２１と、データ蓄積部１２２と、データベース１２３と、光学物性モデル生成部１２４と、膜厚モデル生成部１２５と、誤差評価部１２６と、誤差モデル生成部１２７と、膜厚モデル補正部１２８とを更に有する。

【0042】

実測データ取得部１２１は、偏光解析法等による膜の実測データを取得する。実測データは、膜厚の実測値、及び光学物性の実測値を含む。

【0043】

データ蓄積部１２２は、プロセスユニット２２が取得したプロセス情報と、撮像部２３が取得した表面画像データと、実測データ取得部１２１が取得した実測データとを基板Ｗごとに対応付けたレコードをデータベース１２３に蓄積させる。図５は、データベース１２３の内容を例示するテーブルである。図５においては、二行目以降の各行が、一レコードである。各レコードは、プロセスユニット２２が取得したプロセス情報と、撮像部２３が取得した表面画像データ（表面画像データの格納場所のアドレス）と、膜厚実測値と、屈折率実測値（光学物性の実測値）と、消衰係数実測値（光学物性の実測値）とを含む。

【0044】

データベース１２３は、プロセスデータベース１２３ａと、画像データベース１２３ｂとを含む。プロセスデータベース１２３ａは、プロセス情報と、光学物性の実測結果とを基板Ｗごとに対応付けて蓄積したデータベースである。画像データベース１２３ｂは、表面画像データと、膜厚の実測結果とを対応付けて蓄積したデータベースである。

【0045】

図４に戻り、光学物性モデル生成部１２４は、プロセスデータベース１２３ａに基づく機械学習により上記光学物性モデルを生成し、光学物性モデル記憶部１１２に格納する。光学物性推定部１１３は、光学物性モデル生成部１２４が生成した光学物性モデルに基づいて光学物性を推定する。

【0046】

膜厚モデル生成部１２５は、画像データベース１２３ｂに基づく機械学習により上記膜厚モデルを生成し、膜厚モデル記憶部１１４に格納する。膜厚推定部１１６は、膜厚モデル生成部１２５が生成した膜厚モデルに基づいて膜厚を推定する。

【0047】

誤差評価部１２６は、膜厚モデル生成部１２５が生成した膜厚モデルによる膜厚の推定誤差を評価する。例えば誤差評価部１２６は、データベース１２３のレコードごとに、表面画像データと膜厚モデルとに基づく膜厚の推定を行い、推定結果と膜厚の実測値とを比較して膜厚推定誤差を算出する。誤差評価部１２６は、膜厚推定誤差をデータベース１２３のレコードに追加する。これにより、データベース１２３は、光学物性の実測結果と膜厚推定誤差とを対応付けた誤差データベース１２３ｃをさらに含むこととなる。

【0048】

誤差モデル生成部１２７は、誤差データベース１２３ｃに基づく機械学習により上記誤差モデルを生成し、誤差モデル記憶部１１５に格納する。膜厚推定部１１６は、誤差モデル生成部１２７が生成した誤差モデルに基づいて、膜厚モデルに基づく膜厚の仮推定結果を補正する。

【0049】

膜厚モデル補正部１２８は、光学物性モデル、膜厚モデル、及び誤差モデルが生成された後、光学物性と、表面画像データとに基づき膜厚推定部１１６が推定する膜厚の誤差を更に評価する。例えば膜厚モデル補正部１２８は、データベース１２３のレコードごとに、光学物性と、表面画像データとに基づく膜厚推定を膜厚推定部１１６に実行させ、その結果と膜厚の実測値とを比較して誤差を評価する。膜厚モデル補正部１２８は、誤差の評価結果に基づいて、膜厚モデルを補正する。膜厚モデル補正部１２８は、膜厚モデルに代えて、光学物性モデルを補正してもよく、膜厚モデル及び光学物性モデルの両方を補正してもよい。膜厚モデル補正部１２８は、誤差の評価結果に基づいて誤差モデルを補正してもよい。

【0050】

データ蓄積部１２２は、光学物性モデル生成部１２４、膜厚モデル生成部１２５、及び誤差モデル生成部１２７により光学物性モデル、膜厚モデル及び誤差モデルが生成された後もデータベース１２３へのレコードの蓄積を継続してもよい。この場合、光学物性モデル生成部１２４、膜厚モデル生成部１２５、及び誤差モデル生成部１２７は、新たに蓄積されたレコードに基づき、光学物性モデル、膜厚モデル及び誤差モデルを更新してもよい。

【0051】

以上においては、表面画像データと膜厚モデルとに基づき膜厚を仮推定した後に、仮推定結果を光学物性の推定結果に基づき補正する構成を例示したが、制御装置１００の構成はこれに限られない。

【0052】

例えば膜厚推定部１１６は、光学物性と、表面画像と、膜厚との関係を表すように予め生成された膜厚モデルと、光学物性の推定結果と、表面画像とに基づいて膜厚を推定するように構成されていてもよい。上述したデータ蓄積部１２２は、光学物性の実測結果と、表面画像データと、膜厚の実測結果とを対応付けた画像データベース１２３ｄを含む。膜厚モデル生成部１２５ｄに基づく機械学習により、光学物性と、表面画像と、膜厚との関係を表すように膜厚モデルを生成する。

【0053】

この構成によれば、光学物性の影響を加味した膜厚モデルが生成されるので、誤差評価部１２６及び誤差モデル生成部１２７を省略可能である。

【0054】

膜厚モデルは、複数箇所における光学物性と、表面画像と、複数箇所における膜厚との関係を表すように予め生成されてもよい。膜厚推定部１１６は、膜厚モデルと、複数箇所における光学物性の推定結果と、表面画像とに基づいて、複数箇所における膜厚を推定してもよい。

【0055】

図６は、制御装置１００のハードウェア構成を例示するブロック図である。図６に示すように、制御装置１００は、回路１９０を有する。回路１９０は、一以上のプロセッサ１９１と、メモリ１９２と、ストレージ１９３と、入出力ポート１９４と、表示デバイス１９５と、入力デバイス１９６とを有する。ストレージ１９３は、膜の形成中に取得されたプロセス情報に基づいて、膜の光学物性を推定することと、表面画像と、光学物性の推定結果とに基づいて膜の膜厚を推定することと、を含む基板処理手順を制御装置１００に実行させるためのプログラムを記憶している。例えばストレージ１９３は、上述した機能上の各構成要素を制御装置１００に構成させるプログラムを記憶している。

【0056】

ストレージ１９３は、上記プログラムを記憶する記憶媒体と、記憶媒体からデータを読み出す装置とを含む。記憶媒体の具体例としては、ハードディスク、読み書き可能な不揮発性メモリ、及び読み出し専用メモリ（ＲＯＭ：Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等が挙げられる。

【0057】

メモリ１９２は、例えばＲＡＭ（Ｒａｎｄａｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）であり、ストレージ１９３からロードされたプログラムを格納する。一以上のプロセッサ１９１は、メモリ１９２にロードされたプログラムを実行することで、上述した機能上の各構成要素を制御装置１００に構成させる。一以上のプロセッサ１９１は、処理過程で生成した途中演算結果をメモリ１９２に一時的に格納する。

【0058】

入出力ポート１９４は、一以上のプロセッサ１９１からの要求に基づいて、受け渡しアーム１１、搬送アーム２１、プロセスユニット２２、及び撮像部２３に対する指令の出力を行う。また、入出力ポート１９４は、一以上のプロセッサ１９１からの要求に基づいて、上記プロセス情報等を取得する。

【0059】

表示デバイス１９５は、一以上のプロセッサ１９１からの要求に基づいて、オペレータに対する情報を表示する。入力デバイス１９６は、オペレータによる入力を取得し、入力内容を一以上のプロセッサ１９１に通知する。

【0060】

表示デバイス１９５の具体例としては、液晶モニタ又は有機ＥＬ（Ｅｌｅｃｔｒｏ－Ｌｕｍｉｎｅｓｃｅｎｃｅ）等が挙げられる。入力デバイス１９６の具体例としては、キーパッド、キーボード、マウス等が挙げられる。入力デバイス１９６は、所謂タッチパネルとして表示デバイス１９５に一体化されていてもよい。

【0061】

〔基板処理手順〕
続いて、基板処理方法の一例として、制御装置１００が実行する基板処理手順を例示する。この手順は、モデル生成手順と、基板処理手順とを含む。以下、各手順を説明する。

【0062】

（モデル生成手順）
この手順は、機械学習に必要な数のレコードがデータベース１２３に蓄積されたタイミングで実行させれる。図７に示すように、制御装置１００は、ステップＳ０１，Ｓ０２を実行する。ステップＳ０１では、光学物性モデル生成部１２４が、データベース１２３のプロセスデータベース１２３ａに基づく機械学習により上記光学物性モデルを生成し、光学物性モデル記憶部１１２に格納する。ステップＳ０２では、膜厚モデル生成部１２５が、データベース１２３の画像データベース１２３ｂに基づく機械学習により上記膜厚モデルを生成し、膜厚モデル記憶部１１４に格納する。

【0063】

次に、制御装置１００はステップＳ０３を実行する。ステップＳ０３では、膜厚モデル生成部１２５が生成した膜厚モデルによる膜厚の推定誤差を誤差評価部１２６が評価する。例えば誤差評価部１２６は、データベース１２３のレコードごとに、表面画像データと膜厚モデルとに基づく膜厚の推定を行い、推定結果と膜厚の実測値とを比較して膜厚推定誤差を算出する。誤差評価部１２６は、膜厚推定誤差をデータベース１２３のレコードに追加する。これにより、データベース１２３は、上記誤差データベース１２３ｃをさらに含むこととなる。

【0064】

次に、制御装置１００はステップＳ０４を実行する。ステップＳ０４では、誤差モデル生成部１２７が、誤差データベース１２３ｃに基づく機械学習により上記誤差モデルを生成し、誤差モデル記憶部１１５に格納する。

【0065】

次に、制御装置１００はステップＳ０５，Ｓ０６を実行する。ステップＳ０５では、膜厚モデル補正部１２８が、データベース１２３のレコードごとに、光学物性と、表面画像データとに基づく膜厚推定を膜厚推定部１１６に実行させる。ステップＳ０６では、膜厚モデル補正部１２８が、膜厚推定部１１６による膜厚の推定結果と膜厚の実測値とを比較して誤差を評価し、誤差の評価結果に基づいて、膜厚モデルを補正する。以上でモデル生成手順が完了する。

【0066】

なお、ステップＳ０２における膜厚モデル生成を、ステップＳ０１における光学物性モデル生成に先立って実行してもよい。また、ステップＳ０２における膜厚モデル生成と、ステップＳ０１における光学物性モデル生成とを少なくとも部分的に並行して実行してもよい。

【0067】

（基板処理手順）
図８に示すように、制御装置１００は、ステップＳ１１，Ｓ１２，Ｓ１３，Ｓ１４，Ｓ１５，Ｓ１６を実行する。ステップＳ１１では、処理制御部１１１が、キャリア１２から基板Ｗを取り出してロードロックモジュール２５内に搬入するように受け渡しアーム１１を制御する。また、処理制御部１１１は、受け渡しアーム１１によりロードロックモジュール２５内に搬入された基板Ｗを受け取ってプロセスユニット２２に搬入するように搬送アーム２１を制御する。ステップＳ１２では、処理制御部１１１が、基板Ｗの表面に膜を形成するようにプロセスユニット２２を制御する。ステップＳ１３では、処理制御部１１１が、プロセスユニット２２から基板Ｗを受け取って撮像部２３に搬入するように搬送アーム２１を制御する。ステップＳ１４では、処理制御部１１１が、表面画像データを取得するように撮像部２３を制御する。ステップＳ１５では、膜厚推定部１１６が膜厚の推定を実行する。ステップＳ１５の具体的内容については後述する。ステップＳ１６では、処理制御部１１１が、撮像部２３から基板Ｗを受け取ってロードロックモジュール２５に渡すように搬送アーム２１を制御し、ロードロックモジュール２５から受け取った基板Ｗをキャリア１２に戻すように受け渡しアーム１１を制御する。

【0068】

図９は、ステップＳ１６における膜厚の推定手順を例示するフローチャートである。図９に示すように、制御装置１００は、ステップＳ２１，Ｓ２２，Ｓ２３，Ｓ２４を実行する。ステップＳ２１では、プロセスユニット２２が取得したプロセス情報と、データ蓄積部１２２が記憶する光学物性モデルとに基づいて、光学物性推定部１１３が膜の光学物性を推定する。ステップＳ２２では、光学物性推定部１１３が推定した光学物性と、誤差モデル記憶部１１５が記憶する誤差モデルとに基づいて、膜厚推定部１１６が膜厚の推定誤差を推定する。ステップＳ２３では、膜厚モデル記憶部１１４が記憶する膜厚モデルと、撮像部２３が取得した表面画像データとに基づいて、膜厚推定部１１６が膜厚を仮推定する。ステップＳ２４では、膜厚推定部１１６が、膜厚の仮推定結果を、膜厚の推定誤差に基づいて補正する。以上で膜厚の推定手順が完了する。なお、ステップＳ２３における膜厚の仮推定を、ステップＳ２２における推定誤差の推定に先立って実行してもよく、ステップＳ２１における光学物性の推定に先立って実行してもよい。また、ステップＳ２３を、ステップＳ２１，Ｓ２２の少なくとも一方と、少なくとも部分的に並行して実行してもよい。

【0069】

〔実施形態の効果〕
本開示の一側面に係る基板処理装置１は、基板の表面に形成された膜の表面画像を取得する撮像部２３と、膜の形成中に取得されたプロセス情報に基づいて、膜の光学物性を推定する光学物性推定部１１３と、表面画像と、光学物性の推定結果とに基づいて膜の膜厚を推定する膜厚推定部１１６と、を備える。

【0070】

表面画像と、膜厚とには相関がある。例えば、膜厚に応じて、表面画像の色彩が変化し得る。このため、表面画像に基づき膜厚を推定することが可能である。しかしながら、表面画像と膜厚との関係は、膜の光学物性によって変わり得る。これに対し、本基板処理装置１は、プロセス情報に基づいて光学物性を推定し、表面画像と、光学物性の推定結果とに基づいて膜厚を推定する。従って、膜厚を高い信頼性で容易に推定するのに有効である。

【0071】

光学物性推定部１１３は、プロセス情報と光学物性との関係を表すように予め生成された光学物性モデルと、プロセス情報とに基づいて光学物性を推定してもよい。光学物性をより高い信頼性で容易に推定することができる。

【0072】

膜厚推定部１１６は、表面画像と膜厚との関係を表すように予め生成された膜厚モデルと、表面画像とに基づいて膜厚を仮推定し、光学物性推定部１１３が推定した光学物性に基づき膜厚の仮推定結果を補正して膜厚を推定してもよい。光学物性の推定結果を、膜厚の推定結果に容易に反映させることができる。

【0073】

膜厚推定部１１６は、光学物性と膜厚の誤差との関係を表すように予め生成された誤差モデルと、光学物性推定部１１３が推定した光学物性とに基づいて誤差を推定し、誤差の推定結果に基づき膜厚の仮推定結果を補正して膜厚を推定してもよい。光学物性の推定結果を、膜厚の推定結果に容易に反映させることができる。

【0074】

膜厚モデルは、表面画像と、基板の表面の複数箇所における膜厚との関係を表すように予め生成され、膜厚推定部１１６は、膜厚モデルと、表面画像とに基づいて、複数箇所における膜厚を推定してもよい。基板の部位ごとの膜厚を容易に推定することができる。

【0075】

光学物性モデルは、プロセス情報と、複数箇所における光学物性との関係を表すように予め生成され、光学物性推定部１１３は、光学物性モデルと、プロセス情報とに基づいて、複数箇所における光学物性を推定し、膜厚推定部１１６は、複数箇所における光学物性の推定結果に基づいて、複数箇所における膜厚の仮推定結果をそれぞれ補正してもよい。基板の部位ごとの膜厚をより高い信頼性で推定することができる。

【0076】

プロセス情報と、光学物性の実測結果とを対応付けて蓄積したプロセスデータベースに基づく機械学習により光学物性モデルを生成する光学物性モデル生成部１２４と、表面画像と、膜厚の実測結果とを対応付けて蓄積した画像データベースに基づく機械学習により膜厚モデルを生成する膜厚モデル生成部１２５と、を更に備え、光学物性推定部１１３は、光学物性モデル生成部１２４が生成した光学物性モデルに基づいて光学物性を推定し、膜厚推定部１１６は、膜厚モデル生成部１２５が生成した膜厚モデルに基づいて膜厚を推定してもよい。光学物性をより高い信頼性で推定し、膜厚をより高い信頼性で推定することができる。

【0077】

膜厚推定部１１６による膜厚の推定結果と、膜厚の実測結果との比較に基づいて、膜厚モデルを補正する膜厚モデル補正部１２８を更に備えてもよい。膜厚をより高い信頼性で推定することができる。

【0078】

膜厚推定部１１６は、光学物性と、表面画像と、膜厚との関係を表すように予め生成された膜厚モデルと、光学物性の推定結果と、表面画像とに基づいて膜厚を推定してもよい。光学物性の推定結果を、より高い信頼性で膜厚の推定結果に反映させることができる。

【0079】

光学物性モデルは、プロセス情報と、基板の表面の複数箇所における光学物性との関係を表すように予め生成され、光学物性推定部１１３は、光学物性モデルと、プロセス情報とに基づいて、複数箇所における光学物性を推定し、膜厚モデルは、複数箇所における光学物性と、表面画像と、複数箇所における膜厚との関係を表すように予め生成され、膜厚推定部１１６は、膜厚モデルと、複数箇所における光学物性の推定結果と、表面画像とに基づいて、複数箇所における膜厚を推定してもよい。基板の部位ごとの膜厚を容易に推定することができる。

【0080】

プロセス情報と、光学物性の実測結果とを対応付けて蓄積したプロセスデータベースに基づく機械学習により光学物性モデルを生成する光学物性モデル生成部１２４と、表面画像と、光学物性の実測結果と、膜厚の実測結果とを対応付けて蓄積した画像データベースに基づく機械学習により膜厚モデルを生成する膜厚モデル生成部１２５と、を更に備え、光学物性推定部１１３は、光学物性モデル生成部１２４が生成した光学物性モデルに基づいて光学物性を推定し、膜厚推定部１１６は、膜厚モデル生成部１２５が生成した膜厚モデルに基づいて膜厚を推定してもよい。光学物性をより高い信頼性で推定し、膜厚をより高い信頼性で推定することができる。

【0081】

以上、実施形態について説明したが、本開示は必ずしも上述の実施形態に限定されるものではなく、その要旨を逸脱しない範囲で適宜変更可能である。

【符号の説明】

【0082】

１…基板処理装置、２２…プロセスユニット、２３…撮像部、１１３…光学物性推定部、１１６…膜厚推定部、１２４…光学物性モデル生成部、１２５…膜厚モデル生成部、１２８…膜厚モデル補正部。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】