特開 2024-137178 予測アルゴリズム生成装置、情報処理装置、基板処理装置、予測アルゴリズム生成方法および処理条件決定方法

(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】P2024137178

(43)【公開日】2024-10-07

(54)【発明の名称】予測アルゴリズム生成装置、情報処理装置、基板処理装置、予測アルゴリズム生成方法および処理条件決定方法

(51)【国際特許分類】

   H01L 21/306 20060101AFI20240927BHJP

   H01L 21/304 20060101ALI20240927BHJP

   G06F 18/27 20230101ALI20240927BHJP

   G06N 20/00 20190101ALI20240927BHJP

【ＦＩ】

H01L21/306 R

H01L21/304 643A

H01L21/304 648G

G06F18/27

G06N20/00

【審査請求】未請求

【請求項の数】6

【出願形態】ＯＬ

(21)【出願番号】P 2023048593

(22)【出願日】2023-03-24

(71)【出願人】

【識別番号】000207551

【氏名又は名称】株式会社ＳＣＲＥＥＮホールディングス

(74)【代理人】

【識別番号】100108523

【弁理士】

【氏名又は名称】中川 雅博

(74)【代理人】

【識別番号】100125704

【弁理士】

【氏名又は名称】坂根 剛

(74)【代理人】

【識別番号】100187931

【弁理士】

【氏名又は名称】澤村 英幸

(72)【発明者】

【氏名】福田 啓太朗

(72)【発明者】

【氏名】篠原 健介

(72)【発明者】

【氏名】▲高▼木 義徳

【テーマコード（参考）】

5F043

5F157

【Ｆターム（参考）】

5F043DD13

5F043EE07

5F043EE08

5F157AB02

5F157AB33

5F157AB90

5F157AC01

5F157AC13

5F157BB22

5F157BB45

5F157CB32

5F157CE07

5F157CE10

5F157CE25

5F157CE82

5F157CF42

5F157CF44

5F157DB37

(57)【要約】

【課題】 機械学習に用いるデータを増加させることを可能にする。
【解決手段】 予測アルゴリズム生成装置は、基板処理装置で実行される処理の処理条件と、当該処理の処理結果とを含む第１データセットを取得するデータ取得部２２１と、第１データセットを用いて、処理条件から処理結果を予測する第１予測アルゴリズムを生成する第１予測アルゴリズム生成部２２３と、第１予測アルゴリズムより仮の処理条件から予測される予測処理結果と仮の処理条件とを含む第２データセットを生成する追加情報生成部２２５と、第１データセットと第２データセットとを機械学習することにより第２予測アルゴリズムを生成する第２予測アルゴリズム生成部２２７と、を備える。
【選択図】図８

【特許請求の範囲】

【請求項1】

基板処理装置で実行される処理の処理条件と、当該処理の処理結果とを含む第１データセットを取得するデータ取得部と、
前記第１データセットを用いて、前記処理条件から前記処理結果を予測する第１予測アルゴリズムを生成する第１予測アルゴリズム生成部と、
前記第１予測アルゴリズムにより仮の処理条件から予測される予測処理結果と前記仮の処理条件とを含む第２データセットを生成する追加情報生成部と、
前記第１データセットと前記第２データセットとを機械学習することにより第２予測アルゴリズムを生成する第２予測アルゴリズム生成部と、を備えた予測アルゴリズム生成装置。

【請求項2】

前記第１予測アルゴリズムは、前記処理条件に含まれる少なくとも１つの条件に用いられる変数を説明変数とし、複数のパラメータを用いて前記処理結果の推定値を算出する回帰式であり、
前記第１予測アルゴリズム生成部は、前記第１データセットの複数組を前記回帰式に与えて回帰分析することにより前記第１予測アルゴリズムを生成する、請求項１に記載の予測アルゴリズム生成装置。

【請求項3】

請求項１に記載の予測アルゴリズム生成装置で生成された前記第２予測アルゴリズムを用いて前記基板処理装置を管理する情報処理装置であって、
前記予測アルゴリズム生成装置から前記第２予測アルゴリズムを取得する取得部と、
仮の処理条件を前記第２予測アルゴリズムに与えて前記第２予測アルゴリズムにより予測される予測処理結果が許容条件を満たす場合に前記仮の処理条件を、前記基板処理装置を動作させるための処理条件に決定する処理条件決定部と、を備えた情報処理装置。

【請求項4】

請求項３に記載の情報処理装置を備えた、基板処理装置。

【請求項5】

基板処理装置で実行される処理の処理条件と、当該処理の処理結果とを含む第１データセットを取得するデータ取得ステップと、
前記データ取得ステップにおいて取得された前記第１データセットを用いて前記処理条件から前記処理結果を予測する第１予測アルゴリズムを生成する第１予測アルゴリズム生成ステップと、
前記第１予測アルゴリズムにより仮の処理条件から予測される予測処理結果と前記仮の処理条件とを含む第２データセットを生成する追加情報生成ステップと、
前記第１データセットと前記第２データセットとを機械学習することにより第２予測アルゴリズムを生成する第２予測アルゴリズム生成ステップと、を備える、予測アルゴリズム生成方法。

【請求項6】

請求項５記載の予測アルゴリズム生成方法を実行する予測アルゴリズム生成装置により生成された前記予測アルゴリズムを用いて前記基板処理装置を管理する情報処理装置で実行される処理条件決定方法であって、
前記予測アルゴリズム生成装置から前記第２予測アルゴリズムを取得する取得ステップと、
仮の処理条件を前記第２予測アルゴリズムに与えて前記予測アルゴリズムにより予測される予測処理結果が許容条件を満たす場合に前記仮の処理条件を、前記基板処理装置を動作させるための処理条件に決定する処理条件決定ステップと、を備える、処理条件決定方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、予測アルゴリズム生成装置、情報処理装置、基板処理装置、予測アルゴリズム生成方法および処理条件決定方法に関する。

【背景技術】

【0002】

半導体製造プロセスの一つにエッチングプロセスがある。エッチングプロセスでは、基板に薬液を塗布するエッチング処理によって、基板に形成されている被膜の膜厚調整が行なわれる。この膜厚調整においては、基板の面全体について均一にエッチングが進行するようにエッチング処理すること、あるいは、基板の面をエッチング処理によって平坦にすることが重要である。しかし、エッチング処理は、被膜が処理される処理量がノズルを移動させる動作の違いによって変化する複雑なプロセスである。また、エッチング処理により被膜が処理される処理量は、基板を処理した後に判明する。このため、ノズルを移動させる動作を設定する作業は、技術者による試行錯誤が必要である。ノズルの最適な動作を決定するには、多大なコスト及び時間を要する。

【0003】

特開２０２１－１０８３６７号公報には、「入力」を処理量（エッチング量）とし、「出力」をスキャン速度情報とする学習用データで機械学習させた学習済モデルを用いて、目標とする処理量からスキャン速度情報を決定する装置が記載されている。この技術によれば、目標とする処理量から１つのスキャン速度情報が決定される。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０２１－１０８３６７号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

機械学習による学習モデルの精度を向上させるためには、学習に適した学習用データを準備する必要がある。学習用データは、説明変数と目的変数とを含むが、説明変数の値の範囲や、データセットの量が十分でない学習用データで学習した学習モデルは十分な精度を確保できない場合がある。このため、説明変数の値の範囲や、データセットの量が十分な学習用データを準備する必要があるが、機械学習させるために収集することのできる学習用データの数はコストおよび時間の面で限界がある。このため、学習モデルの精度を向上させることに限界があった。

【0006】

本発明の目的の１つは、低コストで精度の高い予測アルゴリズムを生成することが可能な予測アルゴリズム生成装置を提供することである。

【0007】

本発明のさらなる他の目的は、処理条件に従って基板を処理する基板処理装置に与える適切な処理条件を提示することが可能な情報処理装置および基板処理装置を提供することである。

【0008】

本発明のさらなる他の目的は、低コストで精度の高い予測アルゴリズムを生成することが可能な予測アルゴリズム生成方法を提供することである。

【0009】

本発明のさらなる他の目的は、処理条件に従って基板を処理する基板処理装置に与える適切な処理条件を提示することが可能な処理条件決定方法を提供することである。

【課題を解決するための手段】

【0010】

（１）本発明の一局面に従う予測アルゴリズム生成装置は、基板処理装置で実行される処理の処理条件と、当該処理の処理結果とを含む第１データセットを取得するデータ取得部と、第１データセットを用いて、処理条件から処理結果を予測する第１予測アルゴリズムを生成する第１予測アルゴリズム生成部と、第１予測アルゴリズムより仮の処理条件から予測される予測処理結果と仮の処理条件とを含む第２データセットを生成する追加情報生成部と、第１データセットと第２データセットとを機械学習することにより、第２予測アルゴリズムを生成する第２予測アルゴリズム生成部と、を備える。

【0011】

（２）本発明の他の局面に従う情報処理装置は、上記の予測アルゴリズム生成装置で生成された第２予測アルゴリズムを用いて基板処理装置を管理する情報処理装置であって、予測アルゴリズム生成装置から第２予測アルゴリズムを取得する取得部と、仮の処理条件を第２予測アルゴリズムに与えて第２予測アルゴリズムにより予測される予測処理結果が許容条件を満たす場合に仮の処理条件を、基板処理装置を動作させるための処理条件に決定する処理条件決定部と、を備える。

【0012】

（３）本発明の他の局面に従う予測アルゴリズム生成方法は、基板処理装置で実行される処理の処理条件と、当該処理の処理結果とを含む第１データセットを取得するデータ取得ステップと、データ取得ステップにおいて取得された第１データセットを用いて処理条件から処理結果を予測する第１予測アルゴリズムを生成する第１予測アルゴリズム生成ステップと、第１予測アルゴリズムにより仮の処理条件から予測される予測処理結果と仮の処理条件とを含む第２データセットを生成する追加情報生成ステップと、第１データセットと第２データセットとを機械学習することにより第２予測アルゴリズムを生成する第２予測アルゴリズム生成ステップと、を備える。

【0013】

（４）本発明のさらに他の局面に従う処理条件決定方法は、上記の予測アルゴリズム生成方法を実行する予測アルゴリズム生成装置により生成された予測アルゴリズムを用いて基板処理装置を管理する情報処理装置で実行される処理条件決定方法であって、予測アルゴリズム生成装置から第２予測アルゴリズムを取得する取得ステップと、仮の処理条件を第２予測アルゴリズムに与えて予測アルゴリズムにより予測される予測処理結果が許容条件を満たす場合に仮の処理条件を、基板処理装置を動作させるための処理条件に決定する処理条件決定ステップと、を備える。

【発明の効果】

【0014】

低コストで精度の高い予測アルゴリズムを生成することが可能になる。
また、処理条件に従って基板を処理する基板処理装置に与える適切な処理条件を提示することが可能になる。

【図面の簡単な説明】

【0015】

【図1】本発明の一実施の形態に係る基板処理システムの構成を説明するための図である。

【図2】情報処理装置の構成の一例を示す図である。

【図3】予測アルゴリズム生成装置の構成の一例を示す図である。

【図4】一実施の形態に係る基板処理システムの機能的な構成の一例を示す図である。

【図5】被膜の処理におけるノズルの基板に対する相対位置の変化を説明するための図である。

【図6】ノズルの動作パターンの一例を示す図である。

【図7】処理結果を説明するための図である。

【図8】予測アルゴリズム生成部が有する機能の一例を示す図である。

【図9】第２予測アルゴリズムを説明するための図である。

【図10】予測モデル生成処理の流れの一例を示すフローチャートである。

【図11】第１予測アルゴリズム生成処理の流れの一例を示すフローチャートである。

【図12】第２予測アルゴリズム生成の流れの一例を示すフローチャートである。

【図13】追加情報生成処理の流れの一例を示すフローチャートである。

【図14】処理条件決定処理の流れの一例を示すフローチャートである。

【発明を実施するための形態】

【0016】

（１）基板処理システムの全体構成
図１は、本発明の一実施の形態に係る基板処理システムの構成を説明するための図である。図１の基板処理システム１は、情報処理装置１００、予測アルゴリズム生成装置２００および基板処理装置３００を含む。予測アルゴリズム生成装置２００は、例えばサーバであり、情報処理装置１００は、例えばパーソナルコンピューターである。

【0017】

予測アルゴリズム生成装置２００および情報処理装置１００は、基板処理装置３００を管理するために用いられる。なお、予測アルゴリズム生成装置２００および情報処理装置１００が管理する基板処理装置３００は、１台に限定されるものではなく、基板処理装置３００の複数を管理してもよい。

【0018】

本実施の形態に係る基板処理システム１において、情報処理装置１００、予測アルゴリズム生成装置２００および基板処理装置３００は、互いに有線または無線の通信線または通信回線網により接続される。情報処理装置１００、予測アルゴリズム生成装置２００および基板処理装置３００は、それぞれがネットワークに接続され、互いにデータの送受信が可能である。ネットワークは、例えば、ローカルエリアネットワーク（ＬＡＮ）またはワイドエリアネットワーク（ＷＡＮ）が用いられる。また、ネットワークは、インターネットであってもよい。また、情報処理装置１００と基板処理装置３００とは、専用の通信回線網で接続されてもよい。ネットワークの接続形態は、有線接続であってもよいし、無線接続であってもよい。

【0019】

なお、予測アルゴリズム生成装置２００は、基板処理装置３００および情報処理装置１００と、必ずしも通信線または通信回線網で接続される必要はない。この場合、基板処理装置３００で生成されたデータが記録媒体を介して予測アルゴリズム生成装置２００に渡されてもよい。また、予測アルゴリズム生成装置２００で生成されたデータが記録媒体を介して情報処理装置１００に渡されてもよい。

【0020】

基板処理装置３００には、図示しない表示装置、音声出力装置および操作部が設けられる。基板処理装置３００は、基板処理装置３００の予め定められた処理条件（処理レシピ）に従って運転される。

【0021】

（２）基板処理装置の概要
基板処理装置３００は、制御装置１０と、複数の基板処理ユニットＷＵを備える。制御装置１０は、複数の基板処理ユニットＷＵを制御する。複数の基板処理ユニットＷＵは、被膜が形成された基板Ｗに処理液を供給することにより基板Ｗの被膜の処理を行う。本実施の形態において、処理対象の基板Ｗは、直径３００ｍｍを有するが、本発明は、これに限定されるものではない。処理液はエッチング液を含み、基板処理ユニットＷＵはエッチング処理を実行する。エッチング液は、薬液である。エッチング液は、例えば、フッ硝酸（フッ酸（ＨＦ）と硝酸（ＨＮＯ_３）との混合液）、フッ酸、バファードフッ酸（ＢＨＦ）、フッ化アンモニウム、ＨＦＥＧ（フッ酸とエチレングリコールとの混合液）、または、燐酸（Ｈ_３ＰＯ_４）である。

【0022】

基板処理ユニットＷＵは、スピンチャックＳＣと、スピンモータＳＭと、表面ノズル３１１と、ノズル移動機構３０１と、裏面ノズル３１２と、を備える。スピンチャックＳＣは、水平な姿勢で保持された円板状のスピンベースＳＢと、スピンベースＳＢの上方で基板Ｗを水平な姿勢で保持可能な複数のチャックピン３０６とを含む。これにより、スピンチャックＳＣは、基板Ｗを水平に保持する。基板Ｗは、スピンモータＳＭの第１回転軸ＡＸ１と基板Ｗの中心とが一致するようにスピンチャックＳＣに保持される。スピンモータＳＭは、第１回転軸ＡＸ１を有する。第１回転軸ＡＸ１は、上下方向に延びる。スピンチャックＳＣは、スピンモータＳＭの第１回転軸ＡＸ１の上端部に取り付けられる。スピンモータＳＭが回転すると、スピンチャックＳＣが第１回転軸ＡＸ１を中心として回転する。スピンモータＳＭは、ステッピングモータである。スピンチャックＳＣに保持された基板Ｗは、第１回転軸ＡＸ１を中心として回転する。このため、基板Ｗの回転速度は、ステッピングモータの回転速度と同じである。なお、スピンモータの回転速度を示す回転速度信号を生成するエンコーダを設ける場合、エンコーダにより生成される回転速度信号から基板Ｗの回転速度が取得されてもよい。この場合、スピンモータＳＭは、ステッピングモータ以外のモータを用いることができる。

【0023】

表面ノズル３１１は、スピンチャックＳＣに保持された基板Ｗの表面（上面）にエッチング液を供給する。表面ノズル３１１には、図示しないエッチング液供給部からエッチング液が供給される。表面ノズル３１１は、回転中の基板Ｗの表面に向けてエッチング液を吐出する。裏面ノズル３１２は、スピンチャックＳＣに保持された基板Ｗの裏面（下面）にエッチング液を供給する。裏面ノズル３１２は、図示しないエッチング液供給部からエッチング液が供給され、回転中の基板Ｗの裏面に向けてエッチング液を吐出する。以下、裏面ノズル３１２からエッチング液の吐出を行う処理を裏面吐出処理と呼ぶ。本実施の形態においては、基板処理装置３００の被膜の処理において、裏面吐出処理が行われる。

【0024】

ノズル移動機構３０１は、略水平方向に表面ノズル３１１を移動させる。具体的には、ノズル移動機構３０１は、第２回転軸ＡＸ２を有するノズルモータ３０３と、ノズルアーム３０５と、を有する。ノズルモータ３０３は、第２回転軸ＡＸ２が略鉛直方向に沿うように配置される。ノズルアーム３０５は、直線状に延びる長手形状を有する。ノズルアーム３０５の一端は、ノズルアーム３０５の長手方向が第２回転軸ＡＸ２とは異なる方向となるように、第２回転軸ＡＸ２の上端に取り付けられる。ノズルアーム３０５の他端には、エッチング液の吐出口が下方を向くように表面ノズル３１１が取り付けられる。

【0025】

ノズルモータ３０３が動作すると、ノズルアーム３０５は第２回転軸ＡＸ２を中心として水平面内で回転する。これにより、ノズルアーム３０５の他端に取り付けられた表面ノズル３１１は、第２回転軸ＡＸ２を中心として水平方向に移動する（旋回する）。表面ノズル３１１は、水平方向に移動しながら基板Ｗに向けてエッチング液を吐出する。ノズルモータ３０３は、例えば、ステッピングモータである。

【0026】

制御装置１０は、ＣＰＵ（中央演算処理装置）およびメモリを含み、ＣＰＵがメモリに記憶されたプログラムを実行することにより、基板処理装置３００の全体を制御する。制御装置１０は、スピンモータＳＭおよびノズルモータ３０３を制御する。

【0027】

予測アルゴリズム生成装置２００には、基板処理装置３００から実験データが入力される。予測アルゴリズム生成装置２００は、実験データを用いて第１予測アルゴリズムおよび第２予測アルゴリズムを生成し、第２予測アルゴリズムを情報処理装置１００に出力する。

【0028】

情報処理装置１００は、第２予測アルゴリズムを用いて、基板処理装置３００がこれから処理する予定の基板に対して、基板を処理するための処理条件を決定する。情報処理装置１００は、決定された処理条件を基板処理装置３００に出力する。

【0029】

図２は、情報処理装置の構成の一例を示す図である。図２を参照して、情報処理装置１００は、ＣＰＵ１０１、ＲＡＭ（ランダムアクセスメモリ）１０２、ＲＯＭ（リードオンリメモリ）１０３、記憶装置１０４、操作部１０５、表示装置１０６および入出力Ｉ／Ｆ（インターフェイス）１０７により構成される。ＣＰＵ１０１、ＲＡＭ１０２、ＲＯＭ１０３、記憶装置１０４、操作部１０５、表示装置１０６および入出力Ｉ／Ｆ１０７はバス１０８に接続される。

【0030】

ＲＡＭ１０２は、ＣＰＵ１０１の作業領域として用いられる。ＲＯＭ１０３にはシステムプログラムが記憶される。記憶装置１０４は、ハードディスクまたは半導体メモリ等の記憶媒体を含み、プログラムを記憶する。プログラムは、ＲＯＭ１０３または他の外部記憶装置に記憶されてもよい。

【0031】

記憶装置１０４には、ＣＤ－ＲＯＭ１０９が着脱可能である。ＣＰＵ１０１が実行するプログラムを記憶する記録媒体としては、ＣＤ－ＲＯＭ１０９に限られず、光ディスク（ＭＯ（Ｍａｇｎｅｔｉｃ Ｏｐｔｉｃａｌ Ｄｉｓｃ）／ＭＤ（Ｍｉｎｉ Ｄｉｓｃ）／ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ））、ＩＣカード、光カード、マスクＲＯＭ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）などの半導体メモリ等の媒体でもよい。さらに、ＣＰＵ１０１がネットワークに接続されたコンピューターからプログラムをダウンロードして記憶装置１０４に記憶する、または、ネットワークに接続されたコンピューターがプログラムを記憶装置１０４に書込みするようにして、記憶装置１０４に記憶されたプログラムをＲＡＭ１０２にロードしてＣＰＵ１０１で実行するようにしてもよい。ここでいうプログラムは、ＣＰＵ１０１により直接実行可能なプログラムだけでなく、ソースプログラム、圧縮処理されたプログラム、暗号化されたプログラム等を含む。

【0032】

操作部１０５は、キーボード、マウスまたはタッチパネル等の入力デバイスである。使用者は、操作部１０５を操作することにより、情報処理装置１００に所定の指示を与えることができる。表示装置１０６は、液晶表示装置等の表示デバイスであり、使用者による指示を受け付けるためのＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）等を表示する。入出力Ｉ／Ｆ１０７は、ネットワークに接続される。

【0033】

図３は、予測アルゴリズム生成装置の構成の一例を示す図である。図３を参照して、予測アルゴリズム生成装置２００は、ＣＰＵ２０１、ＲＡＭ２０２、ＲＯＭ２０３、記憶装置２０４、操作部２０５、表示装置２０６および入出力Ｉ／Ｆ２０７により構成される。ＣＰＵ２０１、ＲＡＭ２０２、ＲＯＭ２０３、記憶装置２０４、操作部２０５、表示装置２０６および入出力Ｉ／Ｆ２０７はバス２０８に接続される。

【0034】

ＲＡＭ２０２は、ＣＰＵ２０１の作業領域として用いられる。ＲＯＭ２０３にはシステムプログラムが記憶される。記憶装置２０４は、ハードディスクまたは半導体メモリ等の記憶媒体を含み、プログラムを記憶する。プログラムは、ＲＯＭ２０３または他の外部記憶装置に記憶されてもよい。記憶装置２０４には、ＣＤ－ＲＯＭ２０９が着脱可能である。

【0035】

操作部２０５は、キーボード、マウスまたはタッチパネル等の入力デバイスである。入出力Ｉ／Ｆ２０７は、ネットワークに接続される。

【0036】

（３）基板処理システムの機能構成
図４は、一実施の形態に係る基板処理システムの機能的な構成の一例を示す図である。図４を参照して、基板処理装置３００が備える制御装置１０は、基板処理ユニットＷＵを制御して、処理時間において、処理条件に従って基板Ｗに対して被膜の処理を行う。処理時間は、基板に対する被膜の処理に対して定められる時間である。本実施の形態において、処理時間は、基板Ｗに表面ノズル３１１がエッチング液を吐出している間の時間である。処理条件は、基板処理ユニットＷＵが被膜の処理を実行する際に用いる条件である。

【0037】

処理条件は、エッチング液の温度、エッチング液の濃度、エッチング液の流量、基板Ｗの回転数および表面ノズル３１１の位置を含む。エッチング液の濃度は、複数の薬液の混合比で示される。表面ノズル３１１の位置は、被膜の処理が実行される間の複数の時点それぞれにおける表面ノズル３１１と基板Ｗとの相対位置で示される。表面ノズル３１１と基板Ｗとの相対位置は、ノズルモータ３０３の回転角度で示される。

【0038】

処理条件は、時間の経過に伴って変動しない固定条件および時間の経過に伴って変動する変動条件を含む。本実施の形態において、固定条件がエッチング液の温度Ｔ、エッチング液の濃度Ｃ、エッチング液の流量Ｄおよび基板Ｗの回転数Ｒであり、変動条件が表面ノズル３１１と基板Ｗとの相対位置である。

【0039】

予測アルゴリズム生成装置２００は、実験データ取得部２１０と、予測アルゴリズム生成部２２０と、予測アルゴリズム送信部２３０と、を含む。予測アルゴリズム生成装置２００が備える機能は、予測アルゴリズム生成装置２００が備えるＣＰＵ２０１がＲＡＭ２０２に格納された予測アルゴリズム生成プログラムを実行することにより、ＣＰＵ２０１により実現される。

【0040】

実験データ取得部２１０は、基板処理装置３００から実験データを取得する。実験データは、処理条件と、基板処理装置３００が当該処理条件で基板Ｗに被膜の処理を行った結果を示す処理結果とを含む第１データセットの複数組を含む。実験データ取得部２１０は、複数組の第１データセットを予測アルゴリズム生成部２２０に出力する。

【0041】

ここで、変動条件について説明する。図５は、被膜の処理におけるノズルの基板に対する相対位置の変化を説明するための図である。図５を参照して、スピンチャックＳＣに保持された基板Ｗに対する表面ノズル３１１の相対位置の変化が示される。表面ノズル３１１は、スピンチャックＳＣに保持された基板Ｗの上方の領域を移動する。表面ノズル３１１は第２回転軸ＡＸ２を中心に回転するので、表面ノズル３１１が移動する軌跡は円弧である。表面ノズル３１１が移動する軌跡は基板の中心である基板中心ＯＰを通る。このため、表面ノズル３１１は、基板Ｗの径方向において基板中心ＯＰから周縁部の全体に渡って移動する。ここでは、表面ノズル３１１が移動する軌跡は、その一端が基板Ｗの周縁部より内側の動作端部ＥＰ１で示され、その他端が基板Ｗの周縁部より内側の動作端部ＥＰ２で示される。表面ノズル３１１の動作端部ＥＰ１から基板中心ＯＰに移動する走査が矢印ａ１で示され、表面ノズル３１１の基板中心ＯＰから動作端部ＥＰ２に移動する走査が矢印ａ２で示され、表面ノズル３１１の動作端部ＥＰ２から基板中心ＯＰに移動する走査が矢印ａ３で示され、表面ノズル３１１の基板中心ＯＰから動作端部ＥＰ１に移動する走査が矢印ａ４で示される。

【0042】

図６は、ノズルの動作パターンの一例を示す図である。図６においては、縦軸に基板Ｗに対する表面ノズル３１１の相対位置が示され、横軸に経過時間（秒）が示される。本実施の形態においては、表面ノズル３１１を基板Ｗに対して移動させるノズル動作を開始してから終了するまでの走査期間は、処理時間に等しい。上述したように処理時間が６０秒に設定されているので、ノズルの動作パターンは、０～６０秒の期間の相対位置が示される。ノズルの相対位置は、基板中心ＯＰをゼロとし、基板中心ＯＰから動作端部ＥＰ１までの範囲は負の値で示され、基板中心ＯＰから動作端部ＥＰ２までの範囲は正の値で示される。基板Ｗは、直径３００ｍｍを有するので、基板中心ＯＰから動作端部ＥＰ１，ＥＰ２までの距離は、±１５０ｍｍ以下に設定される。ここでは、基板中心ＯＰから動作端部ＥＰ１までの距離は－１４７ｍｍに設定され、基板中心ＯＰから動作端部ＥＰ２までの距離は＋１４７ｍｍに設定される。図６のノズルの動作パターンにおいては、表面ノズル３１１が基板中心ＯＰに位置する場合における表面ノズル３１１の相対位置が０で示され、表面ノズル３１１が動作端部ＥＰ１に位置する場合における表面ノズル３１１の相対位置が－１４７ｍｍで示され、表面ノズル３１１が動作端部ＥＰ２に位置する場合における表面ノズル３１１の相対位置が１４７ｍｍで示される。

【0043】

図６に示すノズル動作パターンは、動作端部ＥＰ１と動作端部ＥＰ２との間を５回往復する走査として示される。基板処理装置３００の表面ノズル３１１のノズル動作パターンは、５回往復する走査に限定されるものではなく、１回以上往復する走査であればよい。ノズル動作パターンにおける最初の１往復の走査について、図５に示した矢印ａ１～ａ４で示される走査に対応する相対位置の部分に同じ符号が付されて示される。

【0044】

次に、処理結果について説明する。図７は、処理結果を説明するための図である。図７においては、縦軸が膜厚を示し、横軸が基板の半径方向の位置を示す。横軸の原点は、基板の中心を示す。基板処理装置３００により処理される前の基板Ｗに形成された膜の膜厚が実線で示される。基板処理装置３００により処理条件に従ってエッチング液を塗布する被膜の処理が実行されることにより、基板Ｗに形成される被膜の膜厚が調整される。基板処理装置３００により被膜の処理が実行された後の基板Ｗに形成された膜の膜厚が点線で示される。基板Ｗの径方向の位置それぞれにおける被膜の膜厚を膜厚特性と呼ぶ。

【0045】

基板処理装置３００により処理される前の基板Ｗに形成された被膜の膜厚と基板処理装置３００により処理された後の基板Ｗに形成された被膜の膜厚との差が処理結果（エッチング量）である。換言すれば、処理結果は、基板処理装置３００の被膜の処理により基板Ｗの径方向における複数の位置それぞれにおいて減少した膜の厚さを示す。

【0046】

基板処理装置３００により形成される膜厚は、基板Ｗの全面において均一であることが望まれる。このため、基板処理装置３００により実行される処理に対して、目標となる目標膜厚が定められる。目標膜厚は、一点鎖線で示される。乖離特性は、基板処理装置３００により処理された後の基板Ｗに形成された膜の膜厚と目標膜厚との差分である。乖離特性は、基板Ｗの径方向における複数の位置それぞれにおける差分を含む。

【0047】

図４に戻って、予測アルゴリズム生成部２２０には、実験データ取得部２１０から複数組の第１データセットが入力される。予測アルゴリズム生成部２２０は、複数組の第１データセットを用いて第１予測アルゴリズムおよび第２予測アルゴリズムを生成し、生成された第２予測アルゴリズムを予測アルゴリズム送信部２３０に出力する。予測アルゴリズム生成部２２０の詳細については、後述するが、処理条件から基板処理装置が被膜の処理を処理条件に従って実行した処理結果を処理条件から予測する第２予測アルゴリズムを生成する。予測アルゴリズム送信部２３０は、予測アルゴリズム生成部２２０により生成された第２予測アルゴリズムを情報処理装置１００に送信する。

【0048】

情報処理装置１００は、予測アルゴリズム受信部１１０と、処理条件決定部１２０と、予測部１３０と、評価部１４０と、処理条件送信部１５０と、を含む。情報処理装置１００が備える機能は、情報処理装置１００が備えるＣＰＵ１０１がＲＡＭ１０２に格納された処理条件決定プログラムを実行することにより、ＣＰＵ１０１により実現される。

【0049】

予測アルゴリズム受信部１１０は、予測アルゴリズム生成装置２００から送信される第２予測アルゴリズムを受信し、受信された第２予測アルゴリズムを予測部１３０に出力する。処理条件決定部１２０は、基板処理装置３００がこれから処理の対象とする基板Ｗに対する処理条件を決定し、処理条件を予測部１３０に出力する。

【0050】

予測部１３０は、処理条件から第２予測アルゴリズムを用いて予測処理結果を推測する。前述したように、第２予測アルゴリズムは、処理条件から処理結果を予測するアルゴリズムである。予測部１３０は、処理条件決定部１２０から入力される処理条件を第２予測アルゴリズムに入力し、予測アルゴリズムが出力する予測処理結果を評価部１４０に出力する。

【0051】

評価部１４０は、予測部１３０から入力される予測処理結果を評価し、評価結果を処理条件決定部１２０に出力する。詳細には、評価部１４０は、基板処理装置３００が処理対象とする予定の基板Ｗの処理前の膜厚特性を取得する。評価部１４０は、予測部１３０から入力される予測処理結果と、基板Ｗの処理前の膜厚特性とからエッチング処理後に予測される膜厚特性を算出し、目標とする膜厚特性と比較する。比較の結果が評価基準を満たしていれば、処理条件決定部１２０により決定された処理条件を、基板処理装置３００がこれから処理の対象とする基板Ｗに対する処理条件として処理条件送信部１５０に出力する。例えば、評価部１４０は、乖離特性を算出し、乖離特性が評価基準を満たしているか否かが判断される。乖離特性は、エッチング処理後の基板Ｗの膜厚特性と目標の膜厚特性との差分である。評価基準は、任意に定めることができる。例えば、評価基準は、乖離特性において差分の最大値が閾値以下であるとしてもよいし、差分の平均が閾値以下であるとしてもよい。

【0052】

処理条件送信部１５０は、処理条件決定部１２０から入力される処理条件を、基板処理装置３００の制御装置１０に送信する。基板処理装置３００は、処理条件に従って基板Ｗを処理する。

【0053】

評価部１４０は、評価結果が評価基準を満たしていない場合は、評価結果を処理条件決定部１２０に出力する。評価結果は、エッチング処理後に予測される膜厚特性またはエッチング処理後に予測される膜厚特性と目標の膜厚特性との差分を含む。

【0054】

処理条件決定部１２０は、評価部１４０から評価結果が入力されることに応じて、予測部１３０に推測させるための新たな処理条件を決定する。処理条件決定部１２０は、実験計画法、ペアワイズ法またはベイズ推定等を用いて、予め準備された複数の変動条件および複数の固定条件からそれぞれ１つを選択し、選択された変動条件と固定条件とを含む処理条件を予測部１３０に推測させるための新たな処理条件として決定する。

【0055】

処理条件決定部１２０は、ベイズ推定を用いて処理条件を探索してもよい。評価部１４０により複数の評価結果が出力される場合、処理条件と評価結果との組が複数となる。複数の組それぞれにおける予測処理結果の傾向から被膜の膜厚が均一となる処理条件またはエッチング処理後に予測される膜厚特性と目標の膜厚特性との差分が最小となる処理条件を探索する。

【0056】

具体的には、処理条件決定部１２０は、目的関数を最小化するように処理条件を探索する。目的関数は、被膜の膜厚の均一性を示す関数または被膜の膜厚特性と目標膜厚特性との一致性を示す関数である。例えば、目的関数は、エッチング処理後に予測される膜厚特性と目標の膜厚特性との差分をパラメータで示した関数である。ここでのパラメータは、対応する処理条件である。対応する処理条件は、第２予測アルゴリズムが予測処理結果を推測するために用いた処理条件である。処理条件決定部１２０は、複数の処理条件のうちから探索により決定されたパラメータである処理条件を選択する。

【0057】

次に、予測アルゴリズム生成部２２０の詳細な構成について説明する。図８は、予測アルゴリズム生成部が有する機能の一例を示す図である。予測アルゴリズム生成部２２０は、データ取得部２２１と、第１予測アルゴリズム生成部２２３と、追加情報生成部２２５と、第２予測アルゴリズム生成部２２７とを含む。

【0058】

データ取得部２２１は、実験データ取得部２１０から複数組の第１データセットを取得する。上述したように第１データセットは、基板処理装置３００が処理条件に従って被膜の処理を行った後の処理結果と当該処理条件とを含む。処理条件は、固定条件と、変動条件と、を含む。固定条件は、エッチング液の温度Ｔ、エッチング液の濃度Ｃ、エッチング液の流量Ｄおよび基板Ｗの回転数Ｒを含む。エッチング液の濃度Ｃは、複数の薬液の混合比で示される。変動条件は、被膜の処理が実行される間の複数の時点それぞれにおける表面ノズル３１１と基板Ｗとの相対位置で示される。表面ノズル３１１と基板Ｗとの相対位置は、ノズルモータ３０３の回転角度で示される。

【0059】

データ取得部２２１は、複数組の第１データセットを第１予測アルゴリズム生成部２２３および第２予測アルゴリズム生成部２２７に出力する。

【0060】

追加処理条件生成部２２９は、追加処理条件を生成し、生成した追加処理条件を追加情報生成部２２５に出力する。追加処理条件は、データ取得部２２１が出力する第１データセットに含まれる処理条件とは別の処理条件である。追加処理条件生成部２２９は、追加変動条件生成部２２９ａと、追加変動条件決定部２２９ｃと、追加固定条件生成部２２９ｇとを含む。

【0061】

追加変動条件生成部２２９ａは、複数の仮の変動条件を生成する。追加変動条件生成部２２９ａにおいて生成される複数の変動条件は、被膜の処理における表面ノズル３１１の往復回数、表面ノズル３１１の移動速度および表面ノズル３１１の移動時の変速点等のノズル動作に関連する因子の組み合わせがそれぞれ異なる。本実施の形態において、追加変動条件生成部２２９ａにより生成される変動条件の数は、１８０００個である。追加変動条件生成部２２９ａは、生成した複数の変動条件を追加変動条件決定部２２９ｃに出力する。

【0062】

追加変動条件決定部２２９ｃは、追加変動条件生成部２２９ａから入力された複数の変動条件から複数の追加変動条件を決定する。追加変動条件決定部２２９ｃは、例えば、９６０個の変動条件を追加変動条件として決定する。追加変動条件決定部２２９ｃは、例えば、ランダムに選ばれた変動条件を追加変動条件として決定する。

【0063】

追加固定条件生成部２２９ｇは、任意の固定条件を追加固定条件として決定する。本実施の形態においては、３個の基板の回転数と３個のエッチング液の流量との組み合わせた９個の事前固定条件が事前固定条件として決定される。

【0064】

ここで、追加処理条件は、追加変動条件決定部２２９ｃにより決定された追加変動条件と、追加固定条件生成部２２９ｇにより決定された追加固定条件とを含む。上述したように追加変動条件と追加固定条件とはそれぞれが複数ある。追加処理条件は、複数の追加変動条件の１つと複数の固定条件の１つとの組である。このため、複数の追加変動条件の１つと複数の固定条件の１つとの組み合わせの数の追加処理条件が追加情報生成部２２５に出力される。本実施の形態においては、追加変動条件決定部２２９ｃにより決定される９６０個の追加変動条件と、追加固定条件生成部２２９ｇにより決定された９個の追加固定条件との組み合わせにより８６４０個の候補条件が生成される。そして、８６４０個の候補条件のうちから２７１６個が追加処理条件として、ペアワイズ法により抽出される。２７１６個の追加処理条件は、追加情報生成部２２５に出力される。

【0065】

第１予測アルゴリズム生成部２２３には、データ取得部２２１から複数組の第１データセットが入力される。第１予測アルゴリズム生成部２２３は、複数組の第１データセットを用いて第１予測アルゴリズムを生成する。具体的には、第１予測アルゴリズム生成部２２３は、予め定められた関数に複数組の第１データセットを与えて回帰分析することにより第１予測アルゴリズムを生成する。第１予測アルゴリズム生成部２２３は、生成した第１予測アルゴリズムを追加情報生成部２２５に出力する。第１予測アルゴリズム生成部２２３の詳細は後述するが、第１予測アルゴリズム生成部２２３においては、処理条件の少なくとも１つの条件から処理結果を推定する関数を含むアルゴリズムとして第１予測アルゴリズムを生成する。

【0066】

追加情報生成部２２５には、第１予測アルゴリズム生成部２２３から第１予測アルゴリズムが入力され、追加処理条件生成部２２９から複数の追加処理条件が入力される。追加情報生成部２２５は、第１予測アルゴリズムを用いて複数の追加処理条件に基づいて複数の第２データセットを生成する。追加情報生成部２２５は、複数の追加処理条件のそれぞれに対応する第２データセットを生成する。追加情報生成部２２５は、複数の追加処理条件を順に第１予測アルゴリズムに入力し、第１予測アルゴリズムから出力される予測処理結果と、追加処理条件とを含む第２データセットを生成する。第１予測アルゴリズムにより１つの追加処理条件から１つの予測処理結果が出力されるので、１つの第２データセットに含まれる追加処理条件と予測処理結果とは対応する。追加情報生成部２２５は、生成した複数の第２データセットを第２予測アルゴリズム生成部２２７に出力する。

【0067】

第２予測アルゴリズム生成部２２７には、データ取得部２２１から複数組の第１データセットが入力され、追加情報生成部２２５から複数組の第２データセットが入力される。第２予測アルゴリズム生成部２２７は、複数組の第１データセットと複数組の第２データセットとを機械学習することにより第２予測アルゴリズムを生成する。

【0068】

具体的には、第２予測アルゴリズム生成部２２７は、説明変数を第１データセットに含まれる処理条件または第２データセットに含まれる追加処理条件とし、目的変数を第１データセットに含まれる処理結果または第２データセットに含まれる予測処理結果として、機械学習することにより第２予測アルゴリズムを予測アルゴリズムとして生成する。

【0069】

＜第１予測アルゴリズムの具体例＞
第１予測アルゴリズムの具体例について説明する。第１予測アルゴリズムは、次式（１）で示される回帰式Ｇ（ｘ）で示される。以下、回帰式Ｇ（ｘ）の同定について説明する。

【0070】

【数1】

【0071】

回帰式Ｇ（ｘ）は、第１関数Ｆ１（ｘ）と、第２関数Ｆ２（ｘ）と、第３関数Ｈ（ｘ）の積で示される。第１関数Ｆ１（ｘ）は、次式（２）で示すように、基板処理装置３００が処理条件のうち基板処理装置３００が裏面吐出なしの処理条件で基板Ｗに被膜の処理を実行する場合の基板Ｗの径方向の複数の位置それぞれの被膜の処理の前後の膜厚の差を表す関数である。なお、基板Ｗの径方向の複数の位置それぞれの被膜の処理の前後の膜厚の差は、第１処理結果ＥＲ１で示される。発明者は、複数の第１処理結果ＥＲ１から、第１関数Ｆ１（ｘ）を見出した。第１関数Ｆ１（ｘ）は、次式（３）で示される。

【0072】

【数2】

【0073】

第１関数Ｆ１（ｘ）は、基板Ｗの半径方向の位置ｘを変数とし、かつパラメータα１～α３，β１～β３を用いて示される。なお、パラメータα１～α３，β１～β３は、処理条件のうち、エッチング液の濃度Ｃに依存する値である。また、式（３）に示されるように、パラメータα１，β１についてはエッチング液の温度Ｔに関連し、パラメータα２，β２についてはエッチング液の流量Ｄに関連する。第１関数Ｆ１（ｘ）は、変数ｘのｎ１（ｎ１は正の定数）次の関数である。

【0074】

処理条件のうち裏面吐出なしの処理条件と、その処理条件で基板処理装置３００が被膜の処理を実行して得られる第１処理結果ＥＲ１とのデータセットの複数を第１関数Ｆ１（ｘ）に与えて回帰分析することにより、パラメータα１～α３，β１～β３が決定される。

【0075】

第２関数Ｆ２（ｘ）は、裏面吐出処理の影響を考慮した関数である。この場合、処理条件のうち基板処理装置３００が裏面吐出ありの処理条件で基板Ｗに被膜の処理を実行する場合の基板Ｗの径方向の位置ごとの被膜の処理の前後の膜厚の差を示す第２処理結果ＥＲ２が次式（４）で示される。第２関数Ｆ２（ｘ）は、処理条件のうち基板処理装置３００が裏面吐出ありの処理条件で基板Ｗに被膜の処理を実行した第２処理結果ＥＲ２を第１関数Ｆ１（ｘ）で除算した値を表す関数となる。発明者は、複数の第２処理結果ＥＲ２を第１関数Ｆ１（ｘ）で除算した結果から、第２関数Ｆ２（ｘ）を導き出した。第２関数Ｆ２（ｘ）は、次式（６）および次式（７）を含む次式（５）で示される。

【0076】

【数3】

【0077】

第２関数Ｆ２（ｘ）は、基板Ｗの半径方向の位置ｘを変数とし、かつパラメータγ１～γ４，δ１～δ４，ε１～ε４，ξ１～ξ４を用いて示される。なお、パラメータγ１～γ４，δ１～δ４，ε１～ε４，ξ１～ξ４は、処理条件のうち、エッチング液の温度Ｔに依存する値である。また、式（６）および式（７）に示されるように、パラメータγ１，δ１，ε１，ξ１についてはエッチング液の濃度Ｃに関連し、パラメータγ２，δ２，ε２，ξ２についてはエッチング液の流量Ｄに関連し、パラメータγ３，δ３，ε３，ξ３については基板Ｗの回転数Ｒに関連する。

【0078】

処理条件のうち裏面吐出ありの処理条件と、その処理条件で基板処理装置３００が被膜の処理を実行して得られる第２処理結果ＥＲ２のデータセットの複数組を第２関数Ｆ２（ｘ）に与えて回帰分析することにより、パラメータγ１～γ４，δ１～δ４，ε１～ε４，ξ１～ξ４が決定される。

【0079】

第３関数Ｈ（ｘ）は、変動条件を考慮した関数である。ここで、基板処理装置３００の被膜の処理において、裏面吐出処理が行われる場合、第２処理結果ＥＲ２は、次式（８）で示される。

【0080】

ここで、式（８）を変形すると、裏面吐出処理を考慮した第３関数Ｈ（ｘ）は、第２処理結果ＥＲ２の値を第１関数Ｆ１（ｘ）および第２関数Ｆ２（ｘ）で除算した値に等しくなる。第２処理結果ＥＲ２の値を第１関数Ｆ１（ｘ）および第２関数Ｆ２（ｘ）で除算した値は、処理時間のうちノズル動作により実際に基板Ｗにエッチング液が供給されない時間が第２処理結果ＥＲ２に及ぼす影響度と言える。以下、第２処理結果ＥＲ２の値を第１関数Ｆ１（ｘ）および第２関数Ｆ２（ｘ）で除算した値を第２影響度（またはエッチング液のカバレッジ率）と呼ぶ。

【0081】

第３関数Ｈ（ｘ）は、基板処理装置３００が裏面吐出ありの処理条件で基板Ｗに被膜の処理を実行した第２処理結果ＥＲ２を第１関数Ｆ１（ｘ）および第２関数Ｆ２（ｘ）で除算した値を表す関数となる。発明者は、複数の第２処理結果ＥＲ２を第１関数Ｆ１（ｘ）および第２関数Ｆ２（ｘ）で除算した結果から、第３関数Ｈ（ｘ）を導き出した。第３関数Ｈ（ｘ）は、次式（１０）で示される関数ｈ１（ｘ）の逆関数を含む次式（９）で示される。

【0082】

【数4】

【0083】

式（１０）の関数ｈ１（ｘ）は、表面ノズル３１１が基板Ｗ上の位置ｘに位置している時、既にエッチング液が到達している位置を表す関数である。関数ｈ１（ｔ）は、時刻ｔにおいて、既にエッチング液が到達している位置を表す関数である。

【0084】

ｔ_ｐｒｏｃは、被膜の処理が開始されてから被膜の処理が終了するまでの経過時間を示す。ｔ_{ｄｅｌａｙ}は、被膜の処理が開始されてから実際にエッチング液が基板Ｗに供給されるまでの時間を示す。つまり、ｔ_ｐｒｏｃ―_{ｔｄｅｌａｙ}は、エッチング液が基板Ｗ上に存在する時間を示す。

【0085】

実際にエッチング液が基板Ｗに供給され始めるｔ_{ｄｅｌａｙ}の時点で、既にエッチング液が到達している位置については、第３関数Ｈ（ｘ）を考慮する必要がない。このため、変数ｘがｈ１（ｔ_delay）以上の範囲の第３関数Ｈ（ｘ）は、１で示される。一方、変数ｘがｈ１（ｔ_delay）より小さい範囲の第３関数Ｈ（ｘ）は、関数ｈ１（ｘ）の逆関数ｈ１^―１（ｘ）をエッチング液が基板Ｗ上に存在する時間を示すｔ_ｐｒｏｃ－ｔ_{ｄｅｌａｙ}で除算することにより得られ、基板Ｗの半径方向の位置ｘを変数とし、かつパラメータν１～ν４を用いて示される。なお、式（１０）に示されるように、パラメータν１については基板Ｗの回転数Ｒに関連し、パラメータν２についてはエッチング液の流量Ｄに関連する。

【0086】

処理条件のうち裏面吐出ありの処理条件と、その処理条件で基板処理装置３００が被膜の処理を実行して得られる第２処理結果ＥＲ２のデータセットの複数組を第３関数Ｈ（ｘ）に与えて回帰分析することにより、パラメータν１～ν４が決定される。

【0087】

本実施の形態においては、基板処理装置３００の被膜の処理で裏面吐出処理が行われるので、第１予測アルゴリズムを構成する回帰式Ｇ（ｘ）は、第１関数Ｆ１（ｘ）と、第２関数Ｆ２（ｘ）と、第３関数Ｈ（ｘ）との積で示される。

【0088】

なお、基板処理装置３００の被膜の処理で裏面吐出処理が行われない場合においては、第１予測アルゴリズムを構成する回帰式Ｇ（ｘ）は、第１関数Ｆ１（ｘ）と、第３関数Ｈ（ｘ）との積で示される。この場合において、処理条件のうち裏面吐出なしの処理条件と、その処理条件で基板処理装置３００が被膜の処理を実行して得られる第１処理結果ＥＲ１とのデータセットの複数組を第３関数Ｈ（ｘ）に与えて回帰分析することにより、パラメータν１～ν４が決定される。

【0089】

パラメータα１～α３，β１～β３、パラメータγ１～γ４，δ１～δ４，ε１～ε４，ξ１～ξ４およびパラメータν１～ν４が決定されると、第１予測アルゴリズムが定まる。パラメータが定まった第１予測アルゴリズムに固定条件の少なくとも１つが入力されると、第１予測アルゴリズムは、基板処理装置３００が当該少なくとも１つの条件で基板Ｗに被膜の処理を行った際に予測される結果を示す追加処理結果を出力する。

【0090】

＜第２予測アルゴリズムの具体例＞
次に、第２予測アルゴリズムについて説明する。図９は、第２予測アルゴリズムが実現される学習モデルの構造を説明するための図である。学習モデルは、Ａ１層～Ｃ１層が入力側から出力側（上層から下層）に向かってこの順に設けられている。Ａ１層には、第１畳み込みニューラルネットワークＣＮＮ１が設けられ、Ｂ１層には、第１全結合ニューラルネットワークＮＮ１が設けられ、Ｃ１層には、第２畳み込みニューラルネットワークＣＮＮ２が設けられる。

【0091】

第１畳み込みニューラルネットワークＣＮＮ１には、処理条件に含まれる変動条件が入力される。第１全結合ニューラルネットワークＮＮ１には、第１畳み込みニューラルネットワークＣＮＮ１の出力と固定条件とが入力される。第２畳み込みニューラルネットワークＣＮＮ２には、第１全結合ニューラルネットワークＮＮ１の出力が入力される。

【0092】

第１畳み込みニューラルネットワークＣＮＮ１は、畳み込み層およびプーリング層を含む。畳み込み層においては、複数のフィルタが適用される。プーリング層は、畳み込み層の出力を圧縮する。このため、変動条件からできるだけ多くの特徴を抽出することができる。ここで、変動条件は、時間の経過に伴って変動するノズルの基板Ｗに対する相対位置を含む。第１畳み込みニューラルネットワークＣＮＮ１は、複数のフィルタを用いて特徴を抽出するので、ノズルの基板Ｗに対する相対位置の変化について時間の要素を含む複数の特徴を抽出する。

【0093】

第１全結合ニューラルネットワークＮＮ１は、複数の層が設けられる。図９の例では、第１全結合ニューラルネットワークＮＮ１は、入力側のｂ１ａ層および出力側のｂ１ｂ層の二つの層が設けられる。図９の例では、各層には、複数のノードが含まれる。図９の例では、ｂ１ａ層に５つのノード、ｂ１ｂ層に４つのノードが示されるが、ノードの数は、これに限定されるものではない。ｂ１ａ層のノードの数は、第１畳み込みニューラルネットワークＣＮＮ１の出力側のノードの数と固定条件の数との和に等しくなるように設定される。ｂ１ｂ層のノードの数は、第２畳み込みニューラルネットワークＣＮＮ２の入力側のノードの数に等しくなるように設定される。ｂ１ａ層のノードの出力はｂ１ｂ層のノードの入力に接続される。パラメータは、ｂ１ａ層のノードの出力に対して重み付けする係数を含む。ｂ１ａ層とｂ１ｂ層との間には、１または複数の中間層が設けられてもよい。

【0094】

第２畳み込みニューラルネットワークＣＮＮ２は、畳み込み層およびプーリング層を含む。畳み込み層においては、複数のフィルタが適用される。プーリング層は、畳み込み層の出力を圧縮する。このため、処理結果からできるだけ多くの特徴を抽出することができる。処理結果に含まれる複数の処理量は、基板Ｗの径方向における位置が異なる値である。第２畳み込みニューラルネットワークＣＮＮ２は、複数のフィルタを用いるので、処理結果について基板Ｗの径方向の位置の要素を含む複数の特徴を抽出する。なお、第１畳み込みニューラルネットワークＣＮＮ１および第２畳み込みニューラルネットワークＣＮＮ２それぞれで同じフィルタが用いられてもよい。

【0095】

図１０は、予測アルゴリズム生成処理の流れの一例を示すフローチャートである。予測アルゴリズム生成処理は、予測アルゴリズム生成装置２００が備えるＣＰＵ２０１がＲＡＭ２０２に格納された予測アルゴリズム生成プログラムを実行することにより、ＣＰＵ２０１により実行される処理である。

【0096】

図１０を参照して、予測アルゴリズム生成装置２００が備えるＣＰＵ２０１は、実験データを取得する。ＣＰＵ２０１は、入出力Ｉ／Ｆ１０７を制御して、基板処理装置３００から実験データを取得する（ステップＳ０１）。実験データは、ＣＤ－ＲＯＭ２０９等の記録媒体に記録された実験データを記憶装置１０４で読み取ることにより取得されてもよい。ここで取得される実験データは、複数組の第１データセットを含む。第１データセットは、処理条件と、基板処理装置３００において当該処理条件で被膜の処理を行った処理結果とを含む。

【0097】

次のステップＳ０２においては、第１予測アルゴリズム生成処理が実行され、処理はステップＳ０３に進む。次のステップＳ０３においては、第２予測アルゴリズム生成処理が実行され、処理はステップＳ０４に進む。第１予測アルゴリズム生成処理および第２予測アルゴリズム生成処理の詳細は後述するが、第１予測アルゴリズムおよび第２予測アルゴリズムをそれぞれ生成する処理である。ステップＳ０４においては、ＣＰＵ２０１は、入出力Ｉ／Ｆ１０７を制御することにより、ステップＳ０３において生成された学習済みの第２予測アルゴリズムを情報処理装置１００に送信する。

【0098】

図１１は、第１予測アルゴリズム生成処理の流れの一例を示すフローチャートである。第１予測アルゴリズム生成処理は、予測アルゴリズム生成処理のステップＳ０２で、ＣＰＵ２０１により実行される処理である。予測アルゴリズム生成処理が実行される前の段階で複数組の第１データセットを含む実験データが取得されている。

【0099】

図１１を参照して、予測アルゴリズム生成装置２００が備えるＣＰＵ２０１は、実験データから複数組の第１データセットを取得する（ステップＳ１１）。第１データセットは、処理条件と処理結果とを含む。ステップＳ１２では、複数組の第１データセットに基づいて回帰分析することにより第１関数Ｆ１（ｘ）が決定され、処理はステップＳ１３に進む。具体的には、複数組のデータセットを第１関数Ｆ１（ｘ）に与えて回帰することにより第１関数Ｆ１（ｘ）が用いる複数のパラメータが決定される。

【0100】

ステップＳ１３においては、複数組の第１データセットに基づいて回帰分析することにより第２関数Ｆ２（ｘ）が決定され、処理はステップＳ１４に進む。具体的には、複数組の第１データセットそれぞれの処理結果を第１関数Ｆ１（ｘ）で除算した値と、処理条件に含まれる固定条件の少なくとも１つの条件とを第２関数Ｆ２（ｘ）に与えて回帰することにより第２関数Ｆ２（ｘ）が用いる複数のパラメータが決定される。

【0101】

ステップＳ１４においては、複数組の第１データセットに基づいて回帰分析することにより第３関数Ｈ（ｘ）が決定され、処理は予測アルゴリズム生成処理に戻る。具体的には、複数組の第１データセットそれぞれの処理結果を第１関数Ｆ１（ｘ）および第２関数Ｆ２（ｘ）で除算した値と、処理条件に含まれる変動条件および固定条件の少なくとも１つの条件とを第３関数Ｆ３（ｘ）に与えて回帰することにより第３関数Ｆ３（ｘ）が用いる複数のパラメータが決定される。このように、基板処理装置３００の被膜の処理において裏面吐出処理が行われる場合、第１関数Ｆ１（ｘ）と、第２関数Ｆ２（ｘ）と、裏面吐出処理を考慮した第３関数Ｈ（ｘ）とを含む第１予測アルゴリズムが生成される。

【0102】

図１２は、第２予測アルゴリズム生成の流れの一例を示すフローチャートである。予測アルゴリズム生成は、予測アルゴリズム生成処理のステップＳ０３で、ＣＰＵ２０１により実行される処理である。第２予測アルゴリズム生成処理が実行される前の段階で実験データが取得されている。

【0103】

図１２を参照して、予測アルゴリズム生成装置２００が備えるＣＰＵ２０１は、実験データから複数組の第１データセットを取得する（ステップＳ２１）。ステップＳ２２では、追加情報生成処理が実行され、処理はステップＳ２３に進む。追加情報生成処理の詳細は、後述するが、追加処理条件と予測処理結果とを含む第２データセットの複数組を生成する処理である。

【0104】

ステップＳ２３においては、ＣＰＵ２０１は、複数組の第１データセットと複数組の第２データセットとを機械学習させ、第２予測アルゴリズムを生成する。ステップＳ２１において取得された第１データセットを学習用データとして機械学習することにより第２予測アルゴリズムを得る場合、第１データセットに含まれる処理条件が説明変数であり、第１データセットに含まれる処理結果が目的変数である。ステップＳ２２において取得された第２データセットを学習用データとして機械学習することにより第２予測アルゴリズムを得る場合、第２データセットに含まれる追加処理条件が説明変数であり、第２データセットに含まれる予測処理結果が目的変数である。ＣＰＵ２０１は、処理条件または追加処理条件が与えられる第２予測アルゴリズムにより出力される予測処理結果と目的変数との誤差が小さくなるようにフィルタおよびパラメータを決定する。これにより、第２予測アルゴリズムのフィルタおよびパラメータが調整される。

【0105】

図１３は、追加情報生成処理の流れの一例を示すフローチャートである。追加情報生成処理は、第２予測アルゴリズム生成処理のステップＳ２２において実行される処理である。図１３を参照して、予測アルゴリズム生成装置２００が備えるＣＰＵ２０１は、仮の変動条件を生成し（ステップＳ３１）、処理をステップＳ３２に進める。仮の変動条件の複数が生成される。仮の変動条件は、被膜の処理における表面ノズル３１１の往復回数、表面ノズル３１１の移動速度および表面ノズル３１１の移動時の変速点を含む。ここでは、被膜の処理における表面ノズル３１１の往復回数、表面ノズル３１１の移動速度および表面ノズル３１１の移動時の変速点等のノズル動作に関連する因子の組み合わせがそれぞれ異なる複数の仮の変動条件が生成される。

【0106】

ステップＳ３２においては、ＣＰＵ２０１は、生成した複数の仮の変動条件から予め定められた数の仮の変動条件を追加変動条件として抽出する。

【0107】

次のステップＳ３３においては、ＣＰＵ２０１は、追加固定条件を生成し、処理をステップＳ３４に進める。ステップＳ３４においては、複数の追加処理条件が生成され、処理はステップＳ３５に進む。ステップＳ３２において抽出された複数の追加変動条件の１つと、ステップＳ３３において生成された複数の追加固定条件の１つとを組み合わせた１つの追加が生成される。ステップＳ３２においては複数の追加変動条件が抽出され、ステップＳ３３においては複数の追加固定条件が生成される。このため、複数の追加変動条件と複数の追加固定条件との組み合わせの数と同じ数の追加処理条件が生成される。

【0108】

ステップＳ３５においては、処理対象として追加処理条件が選択され、処理はステップＳ３６に進む。ステップＳ３６においては、予測処理結果が取得され、処理はステップＳ３７に進む。ＣＰＵ２０１は、処理対象に選択されている追加処理条件を第１予測アルゴリズムに与え、第１予測アルゴリズムが予測する処理結果を予測処理結果として取得する。

【0109】

ステップＳ３７においては、第２データセットが生成され、処理はステップＳ３８に進む。ステップＳ３５において選択された追加処理条件と、ステップＳ３６において取得された予測処理結果とを含む第２データセットが生成され、処理はステップＳ３８に進む。

【0110】

ステップＳ３８においては、次に処理対象とするべき追加処理条件が存在するか否かが判断される。ステップＳ３４において生成された追加処理条件のうちに、ステップＳ３５において処理対象に選択されていない追加処理条件が存在するならば処理はステップＳ３５に戻るが、そうでなければ処理は、第２予測アルゴリズム生成処理に戻る。

【0111】

図１４は、処理条件決定処理の流れの一例を示すフローチャートである。処理条件決定処理は、情報処理装置１００が備えるＣＰＵ１０１がＲＡＭ１０２に格納された処理条件決定プログラムを実行することにより、ＣＰＵ１０１により実行される処理である。

【0112】

図１４を参照して、情報処理装置１００が備えるＣＰＵ１０１は、予め準備された複数の変動条件のうちから１つを仮の処理条件に選択し（ステップＳ５１）、処理をステップＳ５２に進める。実験計画法、ペアワイズ法またはベイズ推定等を用いて、予め準備された複数の変動条件のうちから１つが選択される。

【0113】

ステップＳ５２においては、第２予測アルゴリズムを用いて、仮の処理条件から処理結果が推測され、処理はステップＳ５３に進む。第２予測アルゴリズムには、仮の処理条件が入力される。それにより、第２予測アルゴリズムが出力する処理結果が取得される。
ステップＳ５３においては、処理後の膜厚特性が目標膜厚特性と比較される。基板処理装置３００が処理の対象とする基板Ｗの処理前の膜厚特性と、ステップＳ５２において第２予測アルゴリズムにより予測された処理結果とから基板Ｗを処理した後の膜厚特性が算出される。そして、処理後の膜厚特性が目標膜厚特性と比較される。ここでは、基板Ｗを処理した後の膜厚特性と目標膜厚特性との差分が算出される。

【0114】

ステップＳ５４においては、比較結果が評価基準を満たすか否かが判断される。比較結果が評価基準を満たすならば（ステップＳ５４でＹＥＳ）、処理はステップＳ５５に進むが、そうでなければ処理はステップＳ５１に戻る。例えば、差分の最大値が閾値以下である場合に評価基準を満たすと判断する。また、差分の平均が閾値以下である場合に評価基準を満たすと判断する。

【0115】

ステップＳ５５においては、基板処理装置３００を駆動するための処理条件の候補に、ステップＳ５１において選択された仮の処理条件が設定され、処理はステップＳ５６に進む。ステップＳ５６においては、探索の終了指示が受け付けられたか否かが判断される。情報処理装置１００を操作するユーザーにより終了指示が受け付けられたならば処理はステップＳ５７に進むが、そうでなければ処理はステップＳ５１に戻る。なお、ユーザーにより入力される終了指示に変えて、予め定められた数の処理条件が候補に設定されたか否かが判断されてもよい。

【0116】

ステップＳ５７においては、候補に設定された１以上の仮の処理条件のうちから１つが決定され、処理はステップＳ５８に進む。候補に設定された１以上の仮の処理条件のうちから情報処理装置１００を操作するユーザーにより１つが選択されてもよい。したがって、ユーザーの選択の範囲が広がる。また、複数の仮の処理条件に含まれる変動条件のうちからノズル動作が最も簡略な変動条件が自動的に選択されてもよい。ノズル動作が最も簡略な変動条件は、例えば、変速点の数が最少の変動条件とすることができる。これにより、基板Ｗを処理する複雑なノズル動作に対する処理結果に対して複数の変動条件を提示することができる。複数の変動条件のうちからノズルの制御が容易な変動条件を選択すれば、基板処理装置３００の制御が容易になる。

【0117】

ステップＳ５８においては、ステップＳ５８において決定された処理条件が基板処理装置３００に送信され、処理は終了する。ＣＰＵ１０１は、入出力Ｉ／Ｆ１０７を制御して、処理条件を基板処理装置３００に送信する。基板処理装置３００は、情報処理装置１００から処理条件を受信する場合、その処理条件に従って基板Ｗを処理する。

【0118】

（４）具体例
本実施の形態においては、変動条件は、ノズル動作の処理時間が６０秒、サンプリング間隔０．０１秒でサンプリングした時系列データである。変動条件は、６００１個の値で構成される。このため、変動条件は、複雑なノズル動作を表現することが可能である。特に、ノズルの移動速度を変更する変速点の数を比較的多くしたノズル動作を変動条件で正確に表現することができる。その反面、変動条件の次元数が多いため、変動条件の時系列データを全結合ニューラルネットワークのモデルに機械学習させた場合、オーバフィッティングが発生することがある。

【0119】

本実施の形態における予測アルゴリズム生成部２２０は、変動条件を、図９に示した第１畳み込みニューラルネットワークＣＮＮ１を含む第２予測アルゴリズムズムに機械学習させる。複雑なノズル動作を示す６００１個の値からなる変動条件を、図９に示した第２予測アルゴリズムに機械学習させ、学習済の第２予測アルゴリズムにより予測される処理結果として所望の結果が得られることを発明者は実験によって確認した。

【0120】

また、本実施の形態においては、処理条件決定部１２０が好適な処理条件を探索する際に、複数の異なる処理結果が偏りなく選択される。このため、処理条件決定部１２０は、複数の処理条件のうちから目標となる処理結果が予測される処理条件を効率的に探索することができる。

【0121】

なお、サンプリング間隔を０．０１秒とする例を説明したが、サンプリング間隔はこれに限定されない。これより長いサンプリング間隔としてもよいし、これより短いサンプリング間隔としてもよい。例えば、サンプリング間隔は０．１秒としてもよいし、０．００５秒としてもよい。

【0122】

（５）実施の形態の効果
上記実施の形態の予測アルゴリズム生成部２２０は、処理条件と処理結果とを含む第１データセットを用いて第１予測アルゴリズムが生成され、追加処理条件を第１予測アルゴリズムに与えて第１予測アルゴリズムにより予測される予測処理結果と追加処理条件とを含む第２データセットが生成される。このため、基板処理装置３００に実際に処理を実行させることなく、第１データセットとは別の第２データセットを生成することができる。このため、基板処理装置３００に基板Ｗに対する被膜の処理を実際に実行させて取得される第１データセットだけを機械学習する場合に比較して、第２予測アルゴリズムの予測の精度を向上させることができる。また、第１データセットの組数は、第１予測アルゴリズムを生成するために必要な数でよいので、機械学習により第２予測アルゴリズムを得るために必要な学習用のデータを生成するコストを抑制することができる。

【0123】

また、第１予測アルゴリズムが、処理条件に含まれる少なくとも１つの条件に用いられる変数を説明変数とし、複数のパラメータを用いて処理結果の推定値を算出する回帰式である。このため、第１予測アルゴリズムは、数学的な式に基づいて予測するので、使用者は、予測処理のアルゴリズムを明確に理解することができ、処理条件とそれから予測される処理結果との関係を容易に解釈することができる。

【0124】

（６）他の実施の形態
上記実施の形態の第１予測アルゴリズムは、式（１）で示される回帰式Ｇ（ｘ）としたが本発明はこれに限定されない。第１予測アルゴリズムは、複数の第１データセットに含まれる処理条件および処理結果をそれぞれ説明変数および目的変数とする回帰式であればよい。また、上記実施の形態の第２予測アルゴリズムは、図９に示す構成を有するが本発明はこれに限定されない。第２予測アルゴリズムは、機械学習可能なニューラルネットワークを含む他の構成を有していてもよい。また、本実施の形態においては、情報処理装置１００と基板処理装置３００とを別体としたが、基板処理装置３００が情報処理装置１００を備えてもよい。

【0125】

（７）実施の形態の総括
（第１項） 本発明の一態様に係る予測アルゴリズム生成装置は、
基板処理装置で実行される処理の処理条件と、当該処理の処理結果とを含む第１データセットを取得するデータ取得部と、
前記第１データセットを用いて、前記処理条件から前記処理結果を予測する第１予測アルゴリズムを生成する第１予測アルゴリズム生成部と、
前記第１予測アルゴリズムにより仮の処理条件から予測される予測処理結果と前記仮の処理条件とを含む第２データセットを生成する追加情報生成部と、
前記第１データセットと前記第２データセットとを機械学習することにより、第２予測アルゴリズムを生成する第２予測アルゴリズム生成部と、を備える。

【0126】

この局面に従えば、処理条件と処理結果とを含む第１データセットを用いて第１予測アルゴリズムが生成され、第１予測アルゴリズムにより仮の処理条件から予測される予測処理結果と仮の処理条件とを含む第２データセットが生成される。このため、基板処理装置に実際に処理を実行させることなく、第１データセットとは別の第２データセットを生成することができる。したがって、基板処理装置に基板に対する処理を実際に実行させて取得される第１データセットだけを機械学習する場合に比較して、第２予測アルゴリズムの予測の精度を向上させることができる。また、第１データセットの数は、第１予測アルゴリズムを生成するために必要な数でよいので、第２予測アルゴリズムを機械学習させるための学習用のデータを生成するコストを抑制することができる。これらの結果、低コストで精度の高い予測アルゴリズムを生成することが可能な予測アルゴリズム生成装置を提供することが可能になる。

【0127】

（第２項） 第１項に記載の予測アルゴリズム生成装置において、
前記第１予測アルゴリズムは、前記処理条件に含まれる少なくとも１つの条件に用いられる変数を説明変数とし、複数のパラメータを用いて前記処理結果の推定値を算出する回帰式であり、
前記第１予測アルゴリズム生成部は、前記第１データセットの複数組を前記回帰式に与えて回帰分析することにより前記第１予測アルゴリズムを生成してもよい。

【0128】

この局面に従えば、第１予測アルゴリズムが、処理条件に含まれる少なくとも１つの条件に用いられる変数を説明変数とし、複数のパラメータを用いて処理結果の推定値を算出する回帰式である。このため、第１予測アルゴリズムは、数学的な式に基づいて予測するので、使用者は、予測処理のアルゴリズムを明確に理解することができ、処理条件とそれから予測される処理結果との関係を容易に解釈することができる。

【0129】

（第３項） 本発明の他の態様に係る情報処理装置は、
第１項または第２項に記載の予測アルゴリズム生成装置で生成された前記第２予測アルゴリズムを用いて前記基板処理装置を管理する情報処理装置であって、
前記予測アルゴリズム生成装置から前記第２予測アルゴリズムを取得する取得部と、
仮の処理条件を前記第２予測アルゴリズムに与えて前記第２予測アルゴリズムにより予測される予測処理結果が許容条件を満たす場合に前記仮の処理条件を、前記基板処理装置を動作させるための処理条件に決定する処理条件決定部と、を備える。

【0130】

この局面に従えば、第１データセットと第２データセットとを機械学習した学習済の第２予測アルゴリズムが取得され、第２予測アルゴリズムに仮の処理条件を与えて第２予測アルゴリズムにより予測される予測処理結果が許容条件を満たす場合に、仮の処理条件が基板処理装置を動作させるための処理条件に決定される。このため、許容条件を満たす処理結果に対して複数の仮の処理条件を決定することができる。その結果、複雑なプロセスを経て得られる処理結果に対して複数の処理条件を提示することが可能になる。

【0131】

（第４項） 本発明の他の態様に係る基板処理装置は、第３項に記載の情報処理装置を備える。

【0132】

この局面に従えば、処理条件に従って基板を処理する基板処理装置に与える適切な処理条件を提示することが可能になる。

【0133】

（第５項） 本発明の他の態様に係る予測アルゴリズム生成方法は、基板処理装置で実行される処理の処理条件と、当該処理の処理結果とを含む第１データセットを取得するデータ取得ステップと、前記データ取得ステップにおいて取得された前記第１データセットを用いて前記処理条件から前記処理結果を予測する第１予測アルゴリズムを生成する第１予測アルゴリズム生成ステップと、前記第１予測アルゴリズムにより仮の処理条件から予測される予測処理結果と前記仮の処理条件とを含む第２データセットを生成する追加情報生成ステップと、前記第１データセットと前記第２データセットとを第２予測アルゴリズムに機械学習させ、学習済の第２予測アルゴリズムを生成する第２予測アルゴリズム生成ステップと、を備える。

【0134】

この局面に従えば、処理条件と処理結果とを含む第１データセットを用いて第１予測アルゴリズムが生成され、第１予測アルゴリズムにより仮の処理条件から予測される予測処理結果と仮の処理条件とを含む第２データセットが生成される。このため、基板処理装置に実際に処理を実行させることなく、第１データセットとは別の第２データセットを生成することができる。したがって、基板処理装置に基板に対する処理を実際に実行させて取得される第１データセットだけを機械学習する場合に比較して、第２予測アルゴリズムの予測の精度を向上させることができる。また、第１データセットの数は、第１予測アルゴリズムを生成するために必要な数でよいので、第２予測アルゴリズムを機械学習させるための学習用のデータを生成するコストを抑制することができる。その結果、低コストで精度の高い予測アルゴリズムを生成することが可能な予測アルゴリズム生成方法を提供することが可能になる。

【0135】

（第６項） 本発明の他の態様に係る処理条件決定方法は、
第５項記載の予測アルゴリズム生成方法を実行する予測アルゴリズム生成装置により生成された前記予測アルゴリズムを用いて前記基板処理装置を管理する情報処理装置で実行される処理条件決定方法であって、
前記予測アルゴリズム生成装置から前記第２予測アルゴリズムを取得する取得ステップと、
仮の処理条件を前記第２予測アルゴリズムに与えて前記予測アルゴリズムにより予測される予測処理結果が許容条件を満たす場合に前記仮の処理条件を、前記基板処理装置を動作させるための処理条件に決定する処理条件決定ステップと、を備える。

【0136】

この局面に従えば、処理条件に従って基板を処理する基板処理装置に与える適切な処理条件を提示することが可能になる。

【符号の説明】

【0137】

１…基板処理システム，１０…制御装置，１００…情報処理装置，１１０…予測アルゴリズム受信部，１２０…処理条件決定部，１３０…予測部，１４０…評価部，１５０…処理条件送信部，２００…予測アルゴリズム生成装置，２１０…実験データ取得部，２２０…予測アルゴリズム生成部，２２１…データ取得部，２２３…第１予測アルゴリズム生成部，２２５…追加情報生成部，２２７…第２予測アルゴリズム生成部，２２９…追加処理条件生成部，２２９ａ…追加変動条件生成部，２２９ｃ…追加変動条件決定部，２２９ｇ…追加固定条件生成部，２３０…予測アルゴリズム送信部，３００…基板処理装置，３０１…ノズル移動機構，３０３…ノズルモータ，３０５…ノズルアーム，３０６…チャックピン，３１１…表面ノズル，３１２…裏面ノズル，ＳＢ…スピンベース，ＳＣ…スピンチャック，ＳＬ…基準線，ＳＭ…スピンモータ，Ｔ…温度，Ｗ…基板，ＷＵ…基板処理ユニット

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】