(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】P2024161536
(43)【公開日】2024-11-19
(54)【発明の名称】学習用データ生成方法および学習済みモデル生成方法
(51)【国際特許分類】
H01L 21/306 20060101AFI20241112BHJP
H01L 21/02 20060101ALI20241112BHJP
【ＦＩ】
H01L21/306 R
H01L21/02 Z
【審査請求】有
【請求項の数】3
【出願形態】ＯＬ
(21)【出願番号】P 2024138466
(22)【出願日】2024-08-20
(62)【分割の表示】P 2020194253の分割
【原出願日】2020-11-24
(31)【優先権主張番号】P 2019238989
(32)【優先日】2019-12-27
(33)【優先権主張国・地域又は機関】JP
(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】110002310
【氏名又は名称】弁理士法人あい特許事務所
(72)【発明者】
【氏名】猶原 英司
(72)【発明者】
【氏名】太田 喬
(72)【発明者】
【氏名】池内 崇
(72)【発明者】
【氏名】中村 康則
(57)【要約】
【課題】作業者の負担を軽減することができる学習用データ生成方法および学習済みモデル生成方法を提供する。
【解決手段】基板処理装置１００は、記憶部１０３、及び制御部１０２を備える。記憶部１０３は、学習済みモデル１３６を記憶する。学習済みモデル１３６は、学習対象の基板Ｗに処理を実行して取得される処理量を含む学習用データを学習することにより生成される。制御部１０２は、学習済みモデル１３６の出力に基づいて処理液を基板に供給して処理を実行して処理量を取得し、処理量が目標処理量と許容範囲内で一致しない場合、追加学習のための学習用データとして利用する。
【選択図】図１６
【解決手段】基板処理装置１００は、記憶部１０３、及び制御部１０２を備える。記憶部１０３は、学習済みモデル１３６を記憶する。学習済みモデル１３６は、学習対象の基板Ｗに処理を実行して取得される処理量を含む学習用データを学習することにより生成される。制御部１０２は、学習済みモデル１３６の出力に基づいて処理液を基板に供給して処理を実行して処理量を取得し、処理量が目標処理量と許容範囲内で一致しない場合、追加学習のための学習用データとして利用する。
【選択図】図１６
【特許請求の範囲】
【請求項1】
学習用データを学習して生成された学習済みモデルの出力に基づき処理液を基板に供給して前記基板に処理を実行する基板処理装置を用いて追加学習のための学習用データを生成する方法であって、
処理前の前記基板の厚みの分布と、前記基板の目標厚みの分布との差分を算出して、前記処理によって前記基板が処理される量を示す処理量の目標量である目標処理量を取得するステップと、
前記基板に対して前記処理を実行して前記処理量を取得するステップと、
前記処理量と前記目標処理量とが許容範囲内で一致するか否かを判定するステップと、
前記処理量と前記目標処理量とが前記許容範囲内で一致しないと判定した場合、前記処理量に対し、前記追加学習のための学習用データとして利用することを示すフラグを付与するステップと
を含む、追加学習のための学習用データ生成方法。
処理前の前記基板の厚みの分布と、前記基板の目標厚みの分布との差分を算出して、前記処理によって前記基板が処理される量を示す処理量の目標量である目標処理量を取得するステップと、
前記基板に対して前記処理を実行して前記処理量を取得するステップと、
前記処理量と前記目標処理量とが許容範囲内で一致するか否かを判定するステップと、
前記処理量と前記目標処理量とが前記許容範囲内で一致しないと判定した場合、前記処理量に対し、前記追加学習のための学習用データとして利用することを示すフラグを付与するステップと
を含む、追加学習のための学習用データ生成方法。
【請求項2】
学習済みモデルの出力に基づき処理対象の基板に処理液を供給して前記処理対象の基板に処理を実行する基板処理装置に用いられる前記学習済みモデルを生成する方法であって、
学習対象の基板に前記処理液を供給して、前記学習対象の基板に対して前記処理を実行するステップと、
前記処理によって前記学習対象の基板が処理された量を示す処理量を取得するステップと、
前記学習対象の基板の前記処理量を含む学習用データを生成するステップと、
予め定められた分類規則に基づいて前記学習用データを各クラスに分類し、前記クラスごとに前記学習用データを学習して前記学習済みモデルを生成する学習ステップと
を含み、
前記分類規則は、前記学習対象の基板の処理枚数に応じて前記学習用データを前記各クラスに分類することを規定している、学習済みモデル生成方法。
学習対象の基板に前記処理液を供給して、前記学習対象の基板に対して前記処理を実行するステップと、
前記処理によって前記学習対象の基板が処理された量を示す処理量を取得するステップと、
前記学習対象の基板の前記処理量を含む学習用データを生成するステップと、
予め定められた分類規則に基づいて前記学習用データを各クラスに分類し、前記クラスごとに前記学習用データを学習して前記学習済みモデルを生成する学習ステップと
を含み、
前記分類規則は、前記学習対象の基板の処理枚数に応じて前記学習用データを前記各クラスに分類することを規定している、学習済みモデル生成方法。
【請求項3】
学習済みモデルの出力に基づき処理対象の基板に処理液を供給して前記処理対象の基板に処理を実行する基板処理装置に用いられる前記学習済みモデルを生成する方法であって、
学習対象の基板に前記処理液を供給して、前記学習対象の基板に対して前記処理を実行するステップと、
前記処理によって前記学習対象の基板が処理された量を示す処理量を取得するステップと、
前記学習対象の基板の前記処理量を含む学習用データを生成するステップと、
予め定められた分類規則に基づいて前記学習用データを各クラスに分類し、前記クラスごとに前記学習用データを学習して前記学習済みモデルを生成する学習ステップと
を含み、
前記学習対象の基板に対して前記処理を実行するステップにおいて、前記処理に使用する前記処理液の使用開始時からのロット数である学習時ロット数を取得し、
前記分類規則は、前記学習時ロット数に応じて前記学習用データを前記各クラスに分類することを規定している、学習済みモデル生成方法。
学習対象の基板に前記処理液を供給して、前記学習対象の基板に対して前記処理を実行するステップと、
前記処理によって前記学習対象の基板が処理された量を示す処理量を取得するステップと、
前記学習対象の基板の前記処理量を含む学習用データを生成するステップと、
予め定められた分類規則に基づいて前記学習用データを各クラスに分類し、前記クラスごとに前記学習用データを学習して前記学習済みモデルを生成する学習ステップと
を含み、
前記学習対象の基板に対して前記処理を実行するステップにおいて、前記処理に使用する前記処理液の使用開始時からのロット数である学習時ロット数を取得し、
前記分類規則は、前記学習時ロット数に応じて前記学習用データを前記各クラスに分類することを規定している、学習済みモデル生成方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、学習用データ生成方法および学習済みモデル生成方法に関する。
【背景技術】
【0002】
表面に被膜が形成されたウエハを処理対象とし、液処理によって被膜の膜厚調整及び異物除去を行う基板処理装置が知られている。このような基板処理装置の一種として、ウエハ表面にエッチング用の処理液を供給するノズルを備えた枚葉型の基板処理装置がある（例えば、特許文献１参照。）。特許文献１の基板処理装置は、エッチング処理の実行時に、予め規定された速度プロファイルに基づいてノズルを移動させながら、エッチング用の処理液をノズルから吐出させる。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０１９－５４１０４号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、予め規定された速度プロファイルに基づいてノズルを移動させる基板処理装置では、例えば、ウエハに対して実行する前処理の変更に合わせて速度プロファイルを開発し直す必要がある。前処理が変更されると、エッチング処理前の被膜の膜厚や、エッチング処理前の被膜の膜厚のバラツキが変化するためである。したがって、速度プロファイルの開発に関与する作業者の負担となっていた。
【0005】
この発明の一実施形態は、作業者の負担を軽減することができる及び学習用データ生成方法および学習済みモデル生成方法を提供する。
【課題を解決するための手段】
【0006】
この発明の一実施形態は、学習用データを学習して生成された学習済みモデルの出力に基づき処理液を基板に供給して前記基板に処理を実行する基板処理装置を用いて追加学習のための学習用データを生成する方法を提供する。この方法は、処理前の前記基板の厚みの分布と、前記基板の目標厚みの分布との差分を算出して、前記処理によって前記基板が処理される量を示す処理量の目標量である目標処理量を取得するステップと、前記基板に対して前記処理を実行して前記処理量を取得するステップと、前記処理量と前記目標処理量とが許容範囲内で一致するか否かを判定するステップと、前記処理量と前記目標処理量とが前記許容範囲内で一致しないと判定した場合、前記処理量に対し、前記追加学習のための学習用データとして利用することを示すフラグを付与するステップとを含む。
【0007】
この発明の一実施形態は、学習済みモデルの出力に基づき処理対象の基板に処理液を供給して前記処理対象の基板に処理を実行する基板処理装置に用いられる前記学習済みモデルを生成する方法を提供する。この方法は、学習対象の基板に前記処理液を供給して、前記学習対象の基板に対して前記処理を実行するステップと、前記処理によって前記学習対象の基板が処理された量を示す処理量を取得するステップと、前記学習対象の基板の前記処理量を含む学習用データを生成するステップと、予め定められた分類規則に基づいて前記学習用データを各クラスに分類し、前記クラスごとに前記学習用データを学習して前記学習済みモデルを生成する学習ステップと、を含む。
【0008】
一つの実施形態では、前記分類規則は、前記学習対象の基板の処理枚数に応じて前記学習用データを前記各クラスに分類することを規定していてもよい。
【0009】
一つの実施形態では、前記学習対象の基板に対して前記処理を実行するステップにおいて、前記処理に使用する前記処理液の使用開始時からのロット数である学習時ロット数を取得する。そして、前記分類規則は、前記学習時ロット数に応じて前記学習用データを前記各クラスに分類することを規定していてもよい。
【0010】
一つの例では、基板処理装置は、処理液を基板に供給して前記基板に処理を実行する。前記基板処理装置は、ノズルと、移動機構と、記憶部と、制御部とを備える。前記ノズルは、前記基板に前記処理液を供給する。前記移動機構は、前記ノズル及び前記基板の少なくとも一方を移動させる。前記記憶部は、学習済みモデルを記憶する。前記制御部は、前記学習済みモデルを用いて前記移動機構を制御する。前記学習済みモデルは、前記ノズルの移動速度及び学習対象の基板の移動速度の少なくとも一方を示すか、あるいは、前記ノズルと前記学習対象の基板との相対的な移動速度を示す学習対象速度情報と、前記学習対象速度情報に基づく速度で前記ノズル及び前記学習対象の基板の少なくとも一方を移動させつつ前記学習対象の基板に前記処理を実行して取得される処理量とを、学習用データとして学習することにより生成される。前記処理量は、前記処理によって前記基板が処理される量を示す。前記制御部は、前記処理量の目標量を前記学習済みモデルに入力することにより、前記学習済みモデルから処理時速度情報を出力させる。前記制御部は、処理対象の基板に対して前記処理を実行する際に、前記処理時速度情報に基づく速度で前記ノズル及び前記処理対象の基板の少なくとも一方が移動するように前記移動機構を制御する。前記処理時速度情報は、前記ノズルの移動速度及び前記処理対象の基板の移動速度の少なくとも一方を示すか、あるいは、前記ノズルと前記処理対象の基板との相対的な移動速度を示す。
【0011】
一つの例において、前記学習対象速度情報は、前記ノズルが移動する移動区間を複数の区間に分割する各ノズル位置ごとに設定された前記ノズルの移動速度、及び、前記学習対象の基板が移動する移動区間を複数の区間に分割する各基板位置ごとに設定された前記学習対象の基板の移動速度の少なくとも一方を示すか、あるいは、前記ノズルと前記学習対象の基板との相対的な移動速度を、前記各ノズル位置ごと、又は前記各基板位置ごとに示す。前記処理時速度情報は、前記各ノズル位置ごとに設定された前記ノズルの移動速度、及び、前記各基板位置ごとに設定された前記処理対象の基板の移動速度の少なくとも一方を示すか、あるいは、前記ノズルと前記処理対象の基板との相対的な移動速度を、前記各ノズル位置ごと、又は前記各基板位置ごとに示す。
【0012】
一つの例において、前記基板処理装置は、基板保持部と、基板回転部とを更に備える。前記基板保持部は、前記基板を水平に保持する。前記基板回転部は、上下方向に延びる中心軸を中心として前記基板と前記基板保持部とを一体に回転させる。前記相対的な移動速度は、回転する前記基板の表面と前記ノズルとの相対的な移動速度を示す。
【0013】
一つの例において、前記制御部は、前記処理時速度情報と、前記処理時速度情報に基づく速度で前記ノズル及び前記処理対象の基板の少なくとも一方を移動させつつ前記処理対象の基板に前記処理を実行して取得される前記処理量とを、追加学習のための学習用データとして学習して、追加学習後の学習済みモデルを生成する。
【0014】
一つの例において、前記制御部は、前記処理量が前記追加学習に利用可能か否かを判定する。
【0015】
一つの例において、前記基板処理装置は、計測器を更に備える。前記計測器は、計測対象の値を計測する。前記記憶部は、前記処理の実行を制御するためのレシピを記憶する。前記レシピは、前記計測対象に対する設定値を示す。前記制御部は、前記計測対象と値と前記設定値との差分が規定値以上である場合、前記処理量が前記追加学習に利用可能であるか否かに応じて異なるエラー報知を実行する。
【0016】
一つの例において、前記基板処理装置は、前記処理量を検出するための処理量検出部を更に備える。
【0017】
一つの例において、前記記憶部は、前記学習対象速度情報を記憶する。前記制御部は、前記学習対象速度情報に基づく速度で前記ノズル及び前記学習対象の基板の少なくとも一方が移動するように前記移動機構を制御しつつ、前記ノズルから前記処理液を前記学習対象の基板に供給させて、前記学習対象の基板に対して前記処理を実行する。前記制御部は、前記学習対象の基板に対して前記処理を実行することにより取得される前記処理量と、前記学習対象速度情報とを含む前記学習用データを生成する。前記制御部は、予め定められた分類規則に基づいて前記学習用データを各クラスに分類する。前記制御部は、前記クラスごとに前記学習用データを学習して前記学習済みモデルを生成する。前記制御部は、前記処理対象の基板に対して前記処理を実行する際に、予め定められた選択規則に基づいて前記クラスのうちの一つを選択する。前記制御部は、選択した前記クラスに対応する前記学習済みモデルに前記目標量を入力することにより、前記学習済みモデルから前記処理時速度情報を出力させる。
【0018】
一つの例において、前記分類規則は、前記学習対象の基板の処理枚数に応じて前記学習用データを前記各クラスに分類することを規定している。前記学習対象の基板の処理枚数は、前記学習対象の基板に対する前記処理に使用する前記処理液の使用開始時からの処理枚数を示す。前記選択規則は、前記処理対象の基板の処理枚数に応じて、前記クラスのうちの一つを選択することを規定している。前記処理対象の基板の処理枚数は、前記処理対象の基板に対する前記処理に使用する前記処理液の使用開始時からの処理枚数を示す。
【0019】
一つの例において、前記制御部は、前記学習対象の基板に対して前記処理を実行する際に、学習時ロット数を取得する。前記学習時ロット数は、前記処理に使用する前記処理液の使用開始時からのロット数である。前記分類規則は、前記学習時ロット数に応じて前記学習用データを前記各クラスに分類することを規定している。前記制御部は、前記処理対象の基板に対して前記処理を実行する際に、処理時ロット数を取得する。前記処理時ロット数は、前記処理に使用する前記処理液の使用開始時からのロット数である。前記選択規則は、前記処理時ロット数に応じて前記クラスのうちの一つを選択することを規定する。
【0020】
一つの例において、前記基板処理装置は、入力部を更に備える。前記入力部は、前記クラスの各々に含まれる前記学習用データのうちから基準学習用データをそれぞれ選定する指示を前記クラスごとに入力する。前記制御部は、前記クラスの各々に含まれる前記学習用データのうちから前記基準学習用データとの相関性が予め定められた条件を満たす前記学習用データを前記クラスごとに選定する。前記制御部は、前記クラスごとに、選定した前記学習用データを学習して前記学習済みモデルを生成する。
【0021】
この明細書には基板処理方法も開示されている。一つの例では、基板処理方法は、処理対象の基板に対してノズルから処理液を供給して前記処理対象の基板に処理を実行する方法である。前記基板処理方法は、前記処理によって前記処理対象の基板が処理される量を示す処理量の目標量を取得するステップと、前記目標量を学習済みモデルに入力することにより、前記学習済みモデルから処理時速度情報を出力させる出力ステップと、前記処理時速度情報に基づく速度で前記ノズル及び前記処理対象の基板の少なくとも一方を移動させつつ、前記処理対象の基板に前記処理液を供給する処理ステップとを含む。前記学習済みモデルは、前記ノズルの移動速度及び学習対象の基板の移動速度の少なくとも一方を示すか、あるいは、前記ノズルと前記学習対象の基板との相対的な移動速度を示す学習対象速度情報と、前記学習対象速度情報に基づく速度で前記ノズル及び前記学習対象の基板の少なくとも一方を移動させつつ前記学習対象の基板に前記処理を実行して取得される前記処理量とを、学習用データとして学習することにより生成される。前記処理時速度情報は、前記ノズルの移動速度及び前記処理対象の基板の移動速度の少なくとも一方を示すか、あるいは、前記ノズルと前記処理対象の基板との相対的な移動速度を示す。
【0022】
一つの例において、前記学習対象速度情報は、前記ノズルが移動する移動区間を複数の区間に分割する各ノズル位置ごとに設定された前記ノズルの移動速度、及び、前記学習対象の基板が移動する移動区間を複数の区間に分割する各基板位置ごとに設定された前記学習対象の基板の移動速度の少なくとも一方を示すか、あるいは、前記ノズルと前記学習対象の基板との相対的な移動速度を、前記各ノズル位置ごと、又は前記各基板位置ごとに示す。前記処理時速度情報は、前記各ノズル位置ごとに設定された前記ノズルの移動速度、及び、前記各基板位置ごとに設定された前記処理対象の基板の移動速度の少なくとも一方を示すか、あるいは、前記ノズルと前記処理対象の基板との相対的な移動速度を、前記各ノズル位置ごと、又は前記各基板位置ごとに示す。
【0023】
一つの例では、前記処理ステップにおいて、前記処理対象の基板を、水平に保持した状態で、上下方向に延びる中心軸を中心として回転させる。前記ノズルと前記学習対象の基板との相対的な移動速度は、回転する前記学習対象の基板の表面と前記ノズルとの相対的な移動速度を示す。前記ノズルと前記処理対象の基板との相対的な移動速度は、回転する前記処理対象の基板の表面と前記ノズルとの相対的な移動速度を示す。
【0024】
一つの例において、前記基板処理方法は、前記出力ステップにおいて出力された前記処理時速度情報と、前記処理ステップにおいて処理された前記処理対象の基板の前記処理量とに基づいて、追加学習のための学習用データを生成する学習用データ生成ステップと、前記追加学習のための学習用データを学習して追加学習後の学習済みモデルを生成するステップとを更に含む。
【0025】
一つの例において、前記学習用データ生成ステップは、前記処理量が前記追加学習に利用可能か否かを判定するステップを含む。
【0026】
一つの例において、前記基板処理方法は、計測対象の値と、前記計測対象に対して予め定められた設定値との差分が、規定値以上であるか否かを判定するステップと、前記計測対象と値と前記設定値との差分が規定値以上である場合、前記処理量が前記追加学習に利用可能であるか否かに応じて異なるエラー報知を実行するステップとを更に含む。
【0027】
一つの例において、前記基板処理方法は、前記学習対象速度情報に基づく速度で前記ノズル及び前記学習対象の基板の少なくとも一方を移動させつつ、前記学習対象の基板に前記処理液を供給して、前記学習対象の基板に対して前記処理を実行するステップと、前記学習対象の基板の前記処理量を取得するステップと、前記学習対象の基板の前記処理量と前記学習対象速度情報とを含む前記学習用データを生成するステップと、予め定められた分類規則に基づいて前記学習用データを各クラスに分類し、前記クラスごとに前記学習用データを学習して前記学習済みモデルを生成する学習ステップとを更に含む。前記出力ステップにおいて、予め定められた選択規則に基づいて前記クラスのうちの一つを選択し、選択した前記クラスに対応する前記学習済みモデルに前記目標量を入力することにより、前記学習済みモデルから前記処理時速度情報を出力させる。
【0028】
一つの例において、前記分類規則は、前記学習対象の基板の処理枚数に応じて前記学習用データを前記各クラスに分類することを規定している。前記学習対象の基板の処理枚数は、前記学習対象の基板に対する前記処理に使用する前記処理液の使用開始時からの処理枚数を示す。前記選択規則は、前記処理対象の基板の処理枚数に応じて、前記クラスのうちの一つを選択することを規定している。前記処理対象の基板の処理枚数は、前記処理対象の基板に対する前記処理に使用する前記処理液の使用開始時からの処理枚数を示す。
【0029】
一つの例では、前記学習対象の基板に対して前記処理を実行するステップにおいて、学習時ロット数を取得する。前記学習時ロット数は、前記処理に使用する前記処理液の使用開始時からのロット数である。前記分類規則は、前記学習時ロット数に応じて前記学習用データを前記各クラスに分類することを規定している。前記処理対象の基板に対して前記処理を実行するステップにおいて、処理時ロット数を取得する。前記処理時ロット数は、前記処理に使用する前記処理液の使用開始時からのロット数である。前記選択規則は、前記処理時ロット数に応じて前記クラスのうちの一つを選択することを規定する。
【0030】
一つの例において、前記基板処理方法は、前記クラスの各々に含まれる前記学習用データのうちから前記クラスごとに基準学習用データを選定するステップと、前記クラスの各々に含まれる前記学習用データのうちから前記基準学習用データとの相関性が予め定められた条件を満たす前記学習用データを前記クラスごとに選定するステップとを更に含む。前記学習ステップにおいて、前記クラスごとに、選定した前記学習用データを学習して前記学習済みモデルを生成する。
【0031】
この明細書には、基板処理システムも開示されている。一つの例において、基板処理システムは、基板処理装置と、情報処理装置とを備える。前記基板処理装置は、処理液を基板に供給して前記基板に処理を実行する。前記情報処理装置は、処理時速度情報を前記基板処理装置へ送信する。前記情報処理装置は、通信部と、記憶部と、処理部とを備える。前記情報処理装置の前記通信部は、前記処理によって処理対象の基板が処理される量の目標量を前記基板処理装置から受信する。前記情報処理装置の前記通信部は、前記基板処理装置へ前記処理時速度情報を送信する。前記記憶部は、学習済みモデルを記憶する。前記処理部は、前記通信部を介して前記基板処理装置から取得した前記目標量を前記学習済みモデルに入力することにより、前記学習済みモデルから前記処理時速度情報を出力させる。前記基板処理装置は、通信部と、ノズルと、移動機構と、制御部とを備える。前記基板処理装置の前記通信部は、前記情報処理装置へ前記目標量を送信する。前記基板処理装置の前記通信部は、前記情報処理装置から前記処理時速度情報を受信する。前記ノズルは、前記基板に前記処理液を供給する。前記移動機構は、前記ノズル及び前記基板の少なくとも一方を移動させる。前記制御部は、前記処理時速度情報に基づいて前記移動機構を制御する。前記学習済みモデルは、前記ノズルの移動速度及び学習対象の基板の移動速度の少なくとも一方を示すか、あるいは、前記ノズルと前記学習対象の基板との相対的な移動速度を示す学習対象速度情報と、前記学習対象速度情報に基づく速度で前記ノズル及び前記学習対象の基板の少なくとも一方を移動させつつ前記学習対象の基板に前記処理を実行して取得される処理量とを、学習用データとして学習することにより生成される。前記処理量は、前記処理によって前記学習対象の基板が処理される量を示す。前記制御部は、前記処理対象の基板に対して前記処理を実行する際に、前記処理時速度情報に基づく速度で前記ノズル及び前記処理対象の基板の少なくとも一方が移動するように前記移動機構を制御する。前記処理時速度情報は、前記ノズルの移動速度及び前記処理対象の基板の移動速度の少なくとも一方を示すか、あるいは、前記ノズルと前記処理対象の基板との相対的な移動速度を示す。
【0032】
この明細書には学習装置も開示されててる。一つの例において、学習装置は、記憶部と、学習部とを備える。前記記憶部は、学習用プログラムを記憶する。前記学習部は、前記学習用プログラムに基づいて学習用データを学習する。前記学習部は、ノズルの移動速度及び基板の移動速度の少なくとも一方を示すか、あるいは、前記ノズルと前記基板との相対的な移動速度を示す速度情報と、前記速度情報に基づく速度で前記ノズル及び前記基板の少なくとも一方を移動させつつ前記ノズルから前記基板に処理液を供給して取得される処理量とを、前記学習用データとして学習する。前記処理量は、前記基板が前記処理液の供給によって処理される量を示す。
【0033】
この明細書には学習方法も開示されている。一つの例において、学習方法は、学習用データを取得するステップと、学習用プログラムに基づいて前記学習用データを学習するステップとを含む。前記学習用データは、速度情報と、前記速度情報に基づく速度でノズル及び基板の少なくとも一方を移動させつつ前記ノズルから前記基板に処理液を供給して取得される処理量とを示す。前記速度情報は、前記ノズルの移動速度及び前記基板の移動速度の少なくとも一方を示すか、あるいは、前記ノズルと前記基板との相対的な移動速度を示す。前記処理量は、前記基板が前記処理液の供給によって処理された量を示す。
【0034】
この明細書には学習済みモデルの生成方法も開示されている。一つの例において、学習済みモデルの生成方法は、学習用データを取得するステップと、学習用プログラムに基づいて前記学習用データを学習して学習済みモデルを生成するステップとを含む。前記学習用データは、速度情報と、前記速度情報に基づく速度でノズル及び基板の少なくとも一方を移動させつつ前記ノズルから前記基板に処理液を供給して取得される処理量とを示す。前記速度情報は、前記ノズルの移動速度及び前記基板の移動速度の少なくとも一方を示すか、あるいは、前記ノズルと前記基板との相対的な移動速度を示す。前記処理量は、前記基板が前記処理液の供給によって処理された量を示す。
【0035】
この明細書には学習用データの生成方法も開示されている。一つの例において、学習用データの生成方法は、速度情報に基づく速度でノズル及び基板の少なくとも一方を移動させつつ、前記ノズルから前記基板に処理液を供給して前記基板に処理を実行するステップと、前記処理によって前記基板が処理された量を示す処理量を取得するステップと、前記速度情報及び前記処理量に基づいて学習用データを生成するステップとを含む。この方法は、前記処理量と規定値との差に基づいて、前記学習用データが機械学習に利用可能か否かを判定するステップと、前記学習用データが前記機械学習に利用可能であると判定された場合、前記学習用データに第１フラグを付与するステップと、前記学習用データが前記機械学習に利用可能でないと判定された場合、前記学習用データに第２フラグを付与するステップとを含んでもよい。前記速度情報は、前記ノズルの移動速度及び前記基板の移動速度の少なくとも一方を示すか、あるいは、前記ノズルと前記基板との相対的な移動速度を示す。
【0036】
一つの例において、前記基板に処理を実行するステップは、基板処理装置により実行される。前記学習用データの生成方法は、前記基板処理装置において異常状態が発生しているか否かを判定するステップと、前記異常状態が発生していると判定された場合、エラー報知を実行するステップとを更に含む。前記学習用データに前記第１フラグが付与されている場合、前記エラー報知は前記基板処理装置に前記異常状態が発生していることを示す。前記学習用データに前記第２フラグが付与されている場合、前記エラー報知は、前記処理量が前記規定値以上であること、および前記基板処理装置に前記異常状態が発生していることを示す。
【発明の効果】
【0037】
本発明に係る学習用データ生成方法および学習済みモデル生成方法によれば、作業者の負担を軽減することができる。
【図面の簡単な説明】
【0038】
【図1】本発明の実施形態１における基板処理装置の模式図である。
【図2】本発明の実施形態１における処理ユニットの模式図である。
【図3】本発明の実施形態１におけるスキャン処理を示す平面図である。
【図4】本発明の実施形態１におけるスキャン速度情報を示す図である。
【図5】本発明の実施形態１における第１ノズルの移動速度の一例を示すグラフである。
【図6】本発明の実施形態１における厚み測定処理を示す平面図である。
【図7】本発明の実施形態１におけるエッチング液供給部の模式図である。
【図8】本発明の実施形態１における制御装置のブロック図である。
【図9】本発明の実施形態１における学習用データの生成方法を示すフローチャートである。
【図10】本発明の実施形態１におけるエッチング処理を示すフローチャートである。
【図11】本発明の実施形態１における学習用データの生成処理を示すフローチャートである。
【図12】本発明の実施形態１における異常判定処理を示すフローチャートである。
【図13】本発明の実施形態１における学習用データセット用テーブルの一例を示す図である。
【図14】本発明の実施形態１における制御装置のブロック図である。
【図15】本発明の実施形態１における学習済みモデルの生成方法を示すフローチャートである。
【図16】本発明の実施形態１における制御装置のブロック図である。
【図17】本発明の実施形態１における基板処理方法を示すフローチャートである。
【図18】本発明の実施形態１における基板処理方法を示すフローチャートである。
【図19】本発明の実施形態１における追加学習用データセット用テーブルの一例を示す図である。
【図20】本発明の実施形態２における基板処理装置及び学習装置を示す図である。
【図21】本発明の実施形態２における学習済みモデルの生成方法を示すフローチャートである。
【図22】本発明の実施形態３における基板処理システムを示す図である。
【図23】基板処理装置の制御装置が実行する処理と、学習装置の処理部が実行する処理とを示すフローチャートである。
【図24】本発明の実施形態４における処理ユニットの模式図である。
【図25】本発明の実施形態４における基板処理装置の構成を示す模式図である。
【図26】本発明の実施形態４における学習用データの生成方法を示すフローチャートである。
【図27】本発明の実施形態４における学習用データの生成処理を示すフローチャートである。
【図28】本発明の実施形態４における学習用データセット用テーブルの一例を示す図である。
【図29】本発明の実施形態４における学習済みモデルの生成方法を示すフローチャートである。
【図30】本発明の実施形態４における基板処理方法の一部を示すフローチャートである。
【図31】本発明の実施形態４における処理時速度情報を取得する処理を示すフローチャートである。
【図32】本発明の実施形態５における学習用データの生成方法を示すフローチャートである。
【図33】本発明の実施形態５におけるカウント処理の一例を示すフローチャートである。
【図34】本発明の実施形態５における学習用データセット用テーブルの一例を示す図である。
【図35】本発明の実施形態５における基板処理方法の一部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】
【0039】
以下、図面を参照して本発明の実施形態を説明する。但し、本発明は以下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種々の態様において実施することが可能である。なお、説明が重複する箇所については、適宜説明を省略する場合がある。また、図中、同一又は相当部分については同一の参照符号を付して説明を繰り返さない。
【0040】
［実施形態１］
図１を参照して、本実施形態の基板処理装置１００を説明する。図１は、本実施形態の基板処理装置１００の模式図である。詳しくは、図１は、基板処理装置１００の模式的な平面図である。基板処理装置１００は、基板Ｗを一枚ずつ処理する枚葉式の装置である。本実施形態において、基板Ｗは半導体ウエハである。基板Ｗは略円板状である。
図１を参照して、本実施形態の基板処理装置１００を説明する。図１は、本実施形態の基板処理装置１００の模式図である。詳しくは、図１は、基板処理装置１００の模式的な平面図である。基板処理装置１００は、基板Ｗを一枚ずつ処理する枚葉式の装置である。本実施形態において、基板Ｗは半導体ウエハである。基板Ｗは略円板状である。
【0041】
図１に示すように、基板処理装置１００は、複数の処理ユニット１と、流体キャビネット１００Ａと、複数の流体ボックス１００Ｂと、複数のロードポートＬＰと、インデクサーロボットＩＲと、センターロボットＣＲと、制御装置１０１とを備える。
【0042】
ロードポートＬＰの各々は、複数枚の基板Ｗを積層して収容する。インデクサーロボットＩＲは、ロードポートＬＰとセンターロボットＣＲとの間で基板Ｗを搬送する。センターロボットＣＲは、インデクサーロボットＩＲと処理ユニット１との間で基板Ｗを搬送する。処理ユニット１の各々は、処理液を基板Ｗに供給して、基板Ｗに処理を実行する。流体キャビネット１００Ａは、処理液を収容する。
【0043】
複数の処理ユニット１は、平面視においてセンターロボットＣＲを取り囲むように配置された複数のタワーＴＷ（図１では４つのタワーＴＷ）を形成している。各タワーＴＷは、上下に積層された複数の処理ユニット１（図１では３つの処理ユニット１）を含む。流体ボックス１００Ｂは、それぞれ、複数のタワーＴＷに対応している。流体キャビネット１００Ａ内の処理液は、いずれかの流体ボックス１００Ｂを介して、流体ボックス１００Ｂに対応するタワーＴＷに含まれる全ての処理ユニット１に供給される。
【0044】
制御装置１０１は、基板処理装置１００の各部の動作を制御する。例えば、制御装置１０１は、ロードポートＬＰ、インデクサーロボットＩＲ、及びセンターロボットＣＲを制御する。
【0045】
本実施形態において、制御装置１０１は、学習装置として機能する。具体的には、制御装置１０１は、機械学習を実行する。本実施形態の制御装置１０１は、更に、追加学習を実行する。機械学習及び追加学習は、例えば、教師あり学習、教師なし学習、半教師あり学習、強化学習、及び深層学習のうちのいずれかである。
【0046】
なお、一般的に、機械学習は追加学習を含む概念であるが、ここでは、便宜的に、「機械学習」という用語と、「追加学習」という用語とを使い分けて本実施形態を説明する。本実施形態において、「機械学習」は、半導体製品の製造前に実行される機械学習を示す。つまり、「機械学習」は、基板処理装置１００の製造段階で実行される機械学習を示す。一方、「追加学習」は、半導体製品の製造段階で実行される機械学習を示す。つまり、「追加学習」は、基板処理装置１００を調整する際に実行される機械学習を示す。
【0047】
【0048】
処理ユニット１は、基板Ｗを構成する対象物を処理液によって処理する。以下、処理液による処理の対象である対象物を「対象物ＴＧ」と記載する。対象物ＴＧは、例えば、基板本体（例えば、シリコンからなる基板本体）、又は、基板本体の表面に形成された物質である。基板本体の表面に形成された物質は、例えば、基板本体と同じ材料の物質（例えば、シリコンからなる層）、又は、基板本体と異なる材料の物質（例えば、シリコン酸化膜、シリコン窒化膜、又はレジスト）である。「物質」は膜を構成していてもよい。
【0049】
本実施形態において、処理液はエッチング液を含み、処理ユニット１はエッチング処理を実行する。対象物ＴＧは、エッチング液によって処理される（エッチングされる）。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（ＨＮＯ３）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）、又は、燐酸（Ｈ３ＰＯ４）である。
【0050】
図２に示すように、処理ユニット１は、チャンバー２と、スピンチャック３と、スピンモータ部５と、ノズル移動機構６と、厚み測定部８と、プローブ移動機構９と、複数のガード１０（図２では２つのガード１０）と、第１ノズル４１と、第２ノズル７１とを備える。また、基板処理装置１００は、エッチング液供給部４と、リンス液供給部７とを備える。エッチング液供給部４は、第１供給配管４２を有し、リンス液供給部７は、第２供給配管７２を有する。
【0051】
チャンバー２は略箱形状を有する。チャンバー２は、基板Ｗ、スピンチャック３、スピンモータ部５、ノズル移動機構６、複数のガード１０、厚み測定部８、プローブ移動機構９、第１ノズル４１、第２ノズル７１、第１供給配管４２の一部、及び、第２供給配管７２の一部を収容する。
【0052】
スピンチャック３は、基板Ｗを水平に保持する。スピンチャック３は、基板保持部の一例である。具体的には、スピンチャック３は、複数のチャック部材３２と、スピンベース３３とを有する。複数のチャック部材３２は、基板Ｗの周縁に沿ってスピンベース３３に設けられる。複数のチャック部材３２は基板Ｗを水平な姿勢で保持する。スピンベース３３は、略円板状であり、水平な姿勢で複数のチャック部材３２を支持する。
【0053】
スピンモータ部５は、第１回転軸線ＡＸ１を中心として基板Ｗとスピンチャック３とを一体に回転させる。第１回転軸線ＡＸ１は、上下方向に延びる。本実施形態では、第１回転軸線ＡＸ１は、略鉛直方向に延びる。第１回転軸線ＡＸ１は中心軸の一例であり、スピンモータ部５は基板回転部の一例である。詳しくは、スピンモータ部５は、第１回転軸線ＡＸ１を中心としてスピンベース３３を回転させる。したがって、スピンベース３３は、第１回転軸線ＡＸ１を中心として回転する。その結果、スピンベース３３に設けられた複数のチャック部材３２に保持された基板Ｗが、第１回転軸線ＡＸ１を中心として回転する。
【0054】
具体的には、スピンモータ部５は、モータ本体５１と、シャフト５３と、エンコーダ５５とを有する。シャフト５３はスピンベース３３に結合される。モータ本体５１は、シャフト５３を回転させる。その結果、スピンベース３３が回転する。
【0055】
エンコーダ５５は、計測対象の値を計測する計測器の一例であり、エンコーダ５５の計測対象は、基板Ｗの回転速度である。エンコーダ５５は、基板Ｗの回転速度を示す信号を生成する。詳しくは、エンコーダ５５は、モータ本体５１の回転速度を示す回転速度信号を生成する。
【0056】
第１ノズル４１は、基板Ｗにエッチング液を供給する。詳しくは、第１ノズル４１は、回転中の基板Ｗに向けてエッチング液を吐出する。エッチング液供給部４は、第１ノズル４１にエッチング液を供給する。詳しくは、第１ノズル４１は、第１供給配管４２の一端に接続している。エッチング液は、第１供給配管４２を介して第１ノズル４１に供給される。第１供給配管４２は、エッチング液が流通する管状部材である。
【0057】
ノズル移動機構６は、第１ノズル４１を移動させる。ノズル移動機構６は、移動機構の一例である。本実施形態において、ノズル移動機構６は、略水平方向に第１ノズル４１を移動させる。詳しくは、ノズル移動機構６は、略鉛直方向に沿った第２回転軸線ＡＸ２を中心として第１ノズル４１を旋回させる。第１ノズル４１は、移動しながら（旋回しながら）、基板Ｗに向けてエッチング液を吐出する。第１ノズル４１は、スキャンノズルと称されることがある。
【0058】
具体的には、ノズル移動機構６は、ノズルアーム６１と、第１回転軸６３と、第１駆動部６５とを有する。ノズルアーム６１は略水平方向に沿って延びる。ノズルアーム６１の先端部に第１ノズル４１が配置される。ノズルアーム６１は第１回転軸６３に結合される。第１回転軸６３は、略鉛直方向に沿って延びる。第１駆動部６５は、第２回転軸線ＡＸ２を中心として第１回転軸６３を回転させて、第１回転軸６３を中心にノズルアーム６１を略水平面に沿って回転させる。その結果、第１ノズル４１が略水平面に沿って移動する。詳しくは、第１ノズル４１は、第２回転軸線ＡＸ２を中心として第１回転軸６３の周りを旋回する。第１駆動部６５は、例えば、ステッピングモータを含む。
【0059】
第２ノズル７１は、基板Ｗにリンス液を供給する。詳しくは、第２ノズル７１は、回転中の基板Ｗに向けてリンス液を吐出する。リンス液供給部７は、第２ノズル７１にリンス液を供給する。詳しくは、リンス液は、第２供給配管７２を介して第２ノズル７１に供給される。第２供給配管７２は、リンス液が流通する管状部材である。リンス液は、例えば、脱イオン水、炭酸水、電解イオン水、水素水、オゾン水、又は、希釈濃度（例えば、１０ｐｐｍ～１００ｐｐｍ程度）の塩酸水である。第２ノズル７１は、静止した状態でリンス液を吐出する。第２ノズル７１は、固定ノズルと称されることがある。なお、第２ノズル７１はスキャンノズルであってもよい。
【0060】
ガード１０の各々は、略筒形状を有する。複数のガード１０は、基板Ｗから排出されたエッチング液及びリンス液を受け止める。
【0061】
厚み測定部８は、対象物ＴＧの厚みを非接触方式で測定して、対象物ＴＧの厚みを示す厚み検出信号を生成する。厚み検出信号は、制御装置１０１に入力される。
【0062】
厚み測定部８は、例えば、分光干渉法によって対象物ＴＧの厚みを測定する。具体的には、厚み測定部８は、光学プローブ８１と、信号線８３と、厚み測定器８５とを含む。光学プローブ８１は、レンズを有する。信号線８３は、光学プローブ８１と厚み測定器８５とを接続する。信号線８３は、例えば光ファイバーを含む。厚み測定器８５は、光源と受光素子とを有する。厚み測定器８５の光源が出射した光は、信号線８３及び光学プローブ８１を介して、対象物ＴＧに出射される。対象物ＴＧによって反射された光は、光学プローブ８１及び信号線８３を介して、厚み測定器８５の受光素子で受光される。厚み測定器８５は、受光素子が受光した光を解析して、対象物ＴＧの厚みを算出する。厚み測定器８５は、算出した対象物ＴＧの厚みを示す厚み検出信号を生成する。
【0063】
プローブ移動機構９は、略水平方向に光学プローブ８１を移動させる。詳しくは、プローブ移動機構９は、略鉛直方向に沿った第３回転軸線ＡＸ３を中心として光学プローブ８１を旋回させる。光学プローブ８１は、移動しながら（旋回しながら）、基板Ｗに向けて光を出射する。したがって、厚み検出信号は、対象物ＴＧの厚みの分布を示す。
【0064】
具体的には、プローブ移動機構９は、プローブアーム９１と、第２回転軸９３と、第２駆動部９５とを有する。プローブアーム９１は略水平方向に沿って延びる。プローブアーム９１の先端部に光学プローブ８１が配置される。プローブアーム９１は第２回転軸９３に結合される。第２回転軸９３は、略鉛直方向に沿って延びる。第２駆動部９５は、第３回転軸線ＡＸ３を中心として第２回転軸９３を回転させて、第２回転軸９３を中心にプローブアーム９１を略水平面に沿って回転させる。その結果、光学プローブ８１が略水平面に沿って移動する。詳しくは、光学プローブ８１は、第３回転軸線ＡＸ３を中心として第２回転軸９３の周りを旋回する。第２駆動部９５は、例えば、ステッピングモータを含む。
【0065】
本実施形態において、厚み測定部８は、処理量検出部の一例であり、処理量の検出に用いられる。処理量は、処理ユニット１が基板Ｗを処理することによって基板Ｗが処理される量を示す。詳しくは、処理量は、第１ノズル４１から基板Ｗに供給されたエッチング液（処理液）によって基板Ｗが処理される量を示す。本実施形態において、処理量は、エッチング量を示す。エッチング量は、エッチング処理前の対象物ＴＧの厚みと、エッチング処理後の対象物ＴＧの厚みとの差分を示す。
【0066】
制御装置１０１は、機械学習の実行時に、厚み測定部８（厚み測定器８５）から入力された厚み検出信号に基づいてエッチング量を算出することにより、エッチング量を取得する。より詳しくは、制御装置１０１は、エッチング量の分布（処理量の分布）を取得する。制御装置１０１は、取得したエッチング量を用いて、機械学習のための学習用データ（学習用データセット）を生成する。
【0067】
また、制御装置１０１は、半導体製品の製造時に、厚み測定部８（厚み測定器８５）から入力された厚み検出信号に基づいてエッチング量を算出することにより、エッチング量を取得する。制御装置１０１は、半導体製品の製造時に、取得したエッチング量に基づいて、追加学習のための学習用データを生成するか否かを判定する。制御装置１０１は、追加学習のための学習用データを生成することを決定すると、取得したエッチング量に基づいて、追加学習のための学習用データを生成する。
【0068】
また、制御装置１０１には、エンコーダ５５から回転速度信号が入力される。基板Ｗの回転速度は、エッチング量に影響する。制御装置１０１は、回転速度信号に基づいて、基板処理装置１００に異常が発生しているか否かを判定する。詳しくは、制御装置１０１は、図８を参照して説明するように、基板処理装置１００の各部を制御するためのレシピ１３１を記憶しており、レシピ１３１は、モータ本体５１の回転速度の設定値を示す。モータ本体５１の回転速度の設定値は、計測対象に対する設定値の一例である。制御装置１０１は、レシピ１３１を参照して、処理ユニット１が実行する処理を制御する。制御装置１０１は、回転速度信号が示す回転速度と、レシピ１３１に含まれるモータ本体５１の回転速度の設定値との差分が、予め定められた規定値以上となる場合に、基板Ｗの回転速度が異常値を示していると判定する。制御装置１０１は、基板Ｗの回転速度が異常値を示していると判定すると、基板処理装置１００に異常が発生していると判定する。
【0069】
続いて図３を参照して、第１ノズル４１による基板Ｗのスキャン処理を説明する。図３は、本実施形態のスキャン処理を示す平面図である。図３に示すように、スキャン処理とは、平面視において、対象物ＴＧの表面に対する処理液の着液位置が円弧状の軌跡ＴＪ１を形成するように第１ノズル４１が移動しながら、処理液を対象物ＴＧに吐出する処理のことである。軌跡ＴＪ１は、基板Ｗの中心部ＣＴを通る。中心部ＣＴは、基板Ｗのうち第１回転軸線ＡＸ１が通る部分を示す。スキャン処理は、基板Ｗの回転中に実行される。
【0070】
本実施形態では、第１ノズル４１は、第１位置Ｘ１から第９位置Ｘ９まで移動しながら、回転中の基板Ｗに向けてエッチング液を吐出する。第１位置Ｘ１から第９位置Ｘ９に含まれる各位置Ｘ１～Ｘ９は、軌跡ＴＪ１に含まれる。第１位置Ｘ１から第９位置Ｘ９までの区間は、第１ノズル４１が移動する移動区間を示す。
【0071】
第１位置Ｘ１から第９位置Ｘ９のうち、第１位置Ｘ１は、処理液（エッチング液）の吐出開始位置を示し、第９位置Ｘ９は、処理液（エッチング液）の吐出停止位置を示す。第１位置Ｘ１における第１ノズル４１の移動速度は０ｍｍ／ｓであり、第９位置Ｘ９における第１ノズル４１の移動速度は０ｍｍ／ｓである。したがって、第１位置Ｘ１は、スキャン処理の開始位置であり、第９位置Ｘ９は、スキャン処理の終了位置である。また、第１位置Ｘ１は、第１ノズル４１の移動開始位置であり、第９位置Ｘ９は、第１ノズル４１の移動終了位置である。なお、以下の説明において、スキャン処理時における第１ノズル４１の移動速度を「スキャン速度」と記載する場合がある。
【0072】
第１ノズル４１は、スキャン処理中に、第１位置Ｘ１と第９位置Ｘ９との間の各中間位置（第２位置Ｘ２から第８位置Ｘ８までの各位置Ｘ２～Ｘ８）を通過する。各中間位置は、ノズル位置の一例であり、第１ノズル４１の移動区間を複数の区間に分割する。
【0073】
続いて図４を参照して、スキャン速度情報について説明する。スキャン速度情報は、スキャン処理時における第１ノズル４１の移動速度の設定値（スキャン速度の設定値）を示す。図４は、本実施形態のスキャン速度情報を示す図である。スキャン速度情報は、速度情報、学習対象速度情報、及び処理時速度情報の一例である。詳しくは、図４は、図３を参照して説明した第１ノズル４１の移動区間に含まれる各位置Ｘ１～Ｘ９と、スキャン速度の設定値との関係を示す。
【0074】
図４において、上の欄は、第１ノズル４１の移動区間に含まれる各位置Ｘ１～Ｘ９を示し、下の欄は、スキャン速度の設定値を示す。第１ノズル４１の移動区間に含まれる各位置Ｘ１～Ｘ９は、基板Ｗの半径位置で規定される。詳しくは、上の欄は、第１ノズル４１の移動区間の開始位置（第１ノズル４１の移動開始位置）、第１ノズル４１の移動区間の終了位置（第１ノズル４１の移動終了位置）、及び、第１ノズル４１の移動区間の開始位置と終了位置との間の複数の中間位置（第１ノズル４１が通過する複数の位置）を示す。
【0075】
図４に示すように、スキャン速度情報は、第１ノズル４１の移動区間に含まれる各位置Ｘ１～Ｘ９ごとに、スキャン速度の設定値を示す。以下、第１ノズル４１の移動区間に含まれる各位置Ｘ１～Ｘ９を、「速度設定位置」と記載する場合がある。本実施形態では、スキャン速度情報は、９か所の速度設定位置を示す。
【0076】
具体的には、各速度設定位置は、図３を参照して説明した第１位置Ｘ１から第９位置Ｘ９までの各位置Ｘ１～Ｘ９に対応する。なお、図３を参照して説明したように、第１ノズル４１の移動区間の開始位置（第１位置Ｘ１）において設定されるスキャン速度は、０［ｍｍ／ｓ］であり、第１ノズル４１の移動区間の終了位置（第９位置Ｘ９）において設定されるスキャン速度は、０［ｍｍ／ｓ］である。
【0077】
図１及び図２を参照して説明した制御装置１０１は、スキャン速度情報に基づいて、図２を参照してノズル移動機構６（第１駆動部６５）を制御する。その結果、第１ノズル４１は、各速度設定位置でのスキャン速度が、スキャン速度情報で規定されているスキャン速度となるように、図３を参照して説明した軌跡ＴＪ１に沿って移動する。
【0078】
【0079】
図５において、縦軸はスキャン速度［ｍｍ／ｓ］を示し、横軸は基板Ｗの半径位置［ｍｍ］を示す。図５に示すように、スキャン処理の開始時のスキャン速度は０［ｍｍ／ｓ］である。また、スキャン処理の終了時のスキャン速度は０［ｍｍ／ｓ］である。
【0080】
図３及び図４を参照して説明したように、スキャン速度は、第１位置Ｘ１から第９位置Ｘ９までの各位置Ｘ１～Ｘ９（各速度設定位置）ごとに設定されている。その結果、図５に示すように、隣り合う速度設定位置の間で、一方の速度設定位置に対して設定されているスキャン速度から、他方の速度設定位置に対して設定されているスキャン速度まで、スキャン速度が連続的に変化する。例えば、図４に示すように、第３位置Ｘ３に対してスキャン速度Ｙ３が設定されており、第４位置Ｘ４に対してスキャン速度Ｙ４が設定されている。したがって、第１ノズル４１のスキャン速度は、第１ノズル４１が第３位置Ｘ３から第４位置Ｘ４に移動する間に、スキャン速度Ｙ３からスキャン速度Ｙ４へ連続的に変化する。
【0081】
続いて図６を参照して、厚み測定部８による厚み測定処理を説明する。図６は、本実施形態の厚み測定処理を示す平面図である。図６に示すように、厚み測定処理とは、平面視において、対象物ＴＧに対する厚みの測定位置が円弧状の軌跡ＴＪ２を形成するように光学プローブ８１が移動しながら、対象物ＴＧの厚みを測定する処理のことである。軌跡ＴＪ２は、基板Ｗのエッジ部ＥＧと基板Ｗの中心部ＣＴとを通る。エッジ部ＥＧは、基板Ｗの周縁部を示す。厚み測定処理は、基板Ｗの回転中に実行される。
【0082】
具体的には、光学プローブ８１は、平面視において、基板Ｗの中心部ＣＴとエッジ部ＥＧとの間を移動しながら、対象物ＴＧに向けて光を出射する。この結果、軌跡ＴＪ２に含まれる各測定位置において、対象物ＴＧの厚みが測定される。各測定位置は、基板Ｗの各半径位置に対応している。したがって、厚み測定処理により、基板Ｗの径方向ＲＤにおける対象物ＴＧの厚みの分布が測定される。
【0083】
続いて図７を参照して、本実施形態のエッチング液供給部４を説明する。図７は、本実施形態のエッチング液供給部４の模式図である。図７に示すように、エッチング液供給部４は、図２を参照して説明した第１供給配管４２に加えて、温度センサ４２１と、濃度センサ４２２と、バルブ４２３と、ミキシングバルブ４２４と、流量計４２５と、加熱ヒータ４２６とを更に有する。
【0084】
温度センサ４２１は、計測対象の値を計測する計測器の一例であり、温度センサ４２１の計測対象は、第１供給配管４２を流れるエッチング液の温度である。以下、第１供給配管４２を流れるエッチング液の温度を、「エッチング液の温度」と記載する。温度センサ４２１は、エッチング液の温度を示す温度信号を生成する。エッチング液の温度は、エッチング量に影響する。
【0085】
温度信号は、図１及び図２を参照して説明した制御装置１０１に入力される。制御装置１０１は、温度信号に基づいて、基板処理装置１００に異常が発生しているか否かを判定する。詳しくは、図８を参照して説明するレシピ１３１は、エッチング液の温度の設定値を示す。エッチング液の温度の設定値は、計測対象に対する設定値の一例である。制御装置１０１は、温度信号が示す温度と、レシピ１３１に含まれるエッチング液の温度の設定値との差分が、予め定められた規定値以上となる場合に、エッチング液の温度が異常値を示していると判定する。制御装置１０１は、エッチング液の温度が異常値を示していると判定すると、基板処理装置１００に異常が発生していると判定する。
【0086】
濃度センサ４２２は、計測対象の値を計測する計測器の一例であり、濃度センサ４２２の計測対象は、第１供給配管４２を流れるエッチング液に含まれるエッチング成分の濃度である。以下、第１供給配管４２を流れるエッチング液に含まれるエッチング成分の濃度を「エッチング液の濃度」と記載する。濃度センサ４２２は、エッチング液の濃度を示す濃度信号を生成する。エッチング液の濃度は、エッチング量に影響する。
【0087】
濃度信号は、図１及び図２を参照して説明した制御装置１０１に入力される。制御装置１０１は、濃度信号に基づいて、基板処理装置１００に異常が発生しているか否かを判定する。詳しくは、図８を参照して説明するレシピ１３１は、エッチング液の濃度の設定値を示す。エッチング液の濃度の設定値は、計測対象に対する設定値の一例である。制御装置１０１は、濃度信号が示す濃度と、レシピ１３１に含まれるエッチング液の濃度の設定値との差分が、予め定められた規定値以上となる場合に、エッチング液の濃度が異常値を示していると判定する。制御装置１０１は、エッチング液の濃度が異常値を示していると判定すると、基板処理装置１００に異常が発生していると判定する。
【0088】
バルブ４２３は、第１供給配管４２に配置される。バルブ４２３は、第１ノズル４１へのエッチング液の供給及び供給停止を切り替える。詳しくは、バルブ４２３が開くと、第１ノズル４１から基板Ｗに向けてエッチング液が吐出される。一方、バルブ４２３が閉じると、エッチング液の吐出が停止する。また、バルブ４２３は、第１供給配管４２においてバルブ４２３よりも下流へ流れるエッチング液の流量を制御する。詳しくは、バルブ４２３の開度に応じて、バルブ４２３よりも下流へ流れるエッチング液の流量が調整される。したがって、バルブ４２３の開度に応じて、エッチング液の吐出流量が調整される。バルブ４２３は、例えば、モータバルブである。
【0089】
ミキシングバルブ４２４は、第１供給配管４２に配置される。ミキシングバルブ４２４が開くと、第１供給配管４２に純水が流入して、エッチング液の濃度が希釈される。
【0090】
流量計４２５は、計測対象の値を計測する計測器の一例であり、流量計４２５の計測対象は、エッチング液の吐出流量である。具体的には、流量計４２５の計測対象は、第１供給配管４２を流れるエッチング液の流量である。流量計４２５は、エッチング液の吐出流量を示す吐出流量信号を生成する。エッチング液の吐出流量は、エッチング量に影響する。
【0091】
吐出流量信号は、図１及び図２を参照して説明した制御装置１０１に入力される。制御装置１０１は、吐出流量信号に基づいて、基板処理装置１００に異常が発生しているか否かを判定する。詳しくは、図８を参照して説明するレシピ１３１は、エッチング液の吐出流量の設定値を示す。エッチング液の吐出流量の設定値は、計測対象に対する設定値の一例である。制御装置１０１は、吐出流量信号が示す吐出流量と、レシピ１３１に含まれるエッチング液の吐出流量の設定値との差分が、予め定められた規定値以上となる場合に、エッチング液の吐出流量が異常値を示していると判定する。制御装置１０１は、エッチング液の吐出流量が異常値を示していると判定すると、基板処理装置１００に異常が発生していると判定する。
【0092】
加熱ヒータ４２６は、第１供給配管４２を流れるエッチング液を加熱する。
【0093】
続いて図８を参照して、制御装置１０１を説明する。図８は、本実施形態の制御装置１０１のブロック図である。詳しくは、図８は、機械学習実行前の制御装置１０１を示す。図８に示すように、制御装置１０１は、制御部１０２と、記憶部１０３と、入力部１０４と、表示部１０５とを有する。
【0094】
制御部１０２は、プロセッサーを有する。制御部１０２は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、又は、ＭＰＵ（Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を有する。あるいは、制御部１０２は、汎用演算機を有する。制御部１０２は、ＮＰＵ（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）を更に有し得る。
【0095】
記憶部１０３は、データ及びコンピュータプログラムを記憶する。記憶部１０３は、主記憶装置を有する。主記憶装置は、例えば、半導体メモリである。記憶部１０３は、補助記憶装置を更に有してもよい。補助記憶装置は、例えば、半導体メモリ及び／又はハードディスクドライブである。記憶部１０３はリムーバブルメディアを有してもよい。制御部１０２は、記憶部１０３が記憶しているデータ及びコンピュータプログラムに基づいて、基板処理装置１００の各部の動作を制御する。更に、制御部１０２は、記憶部１０３が記憶しているデータ及びコンピュータプログラムに基づいて、機械学習及び追加学習を実行する。
【0096】
具体的には、記憶部１０３は、レシピ１３１と、制御プログラム１３２と、推論プログラム１３３と、学習用プログラム１３４とを記憶する。レシピ１３１は、基板Ｗの処理内容及び処理手順を規定する。また、レシピ１３１は、各種の設定値を示す。例えば、レシピ１３１は、図４を参照して説明したスキャン速度情報を示す。
【0097】
制御部１０２は、レシピ１３１及び制御プログラム１３２に基づいて、基板処理装置１００の各部の動作を制御する。推論プログラム１３３は、図１５を参照して説明する学習済みモデルの生成に用いられる。学習用プログラム１３４は、学習用データセットの中から一定の規則を見出し、その規則を表現するモデル（学習済みモデル）を生成するためのアルゴリズムを実行するためのプログラムである。
【0098】
記憶部１０３は、機械学習の実行時に、学習対象速度情報♯Ａ１～♯Ａｎを記憶する。ここで、「ｎ」は、正の整数を示す。学習対象速度情報♯Ａ１～♯Ａｎはそれぞれ、図４を参照して説明したスキャン速度情報と同様に、スキャン速度情報を示す。学習対象速度情報♯Ａ１～♯Ａｎは、図４を参照して説明した各速度設定位置に対して設定されるスキャン速度のセットの内容が互いに異なる。
【0099】
入力部１０４は、作業者からの入力を受け付けて、入力結果を示す情報を制御部１０２に出力する。例えば、入力部１０４は、学習対象速度情報♯Ａ１～♯Ａｎの入力を受け付ける。入力部１０４は、例えば、タッチパネル及びポインティングデバイスを含む。タッチパネルは、例えば、表示部１０５の表示面に配置される。入力部１０４と表示部１０５とは、例えば、グラフィカルユーザーインターフェースを構成する。
【0100】
表示部１０５は各種情報を表示する。本実施形態において、表示部１０５は、例えば、各種のエラー画面、及び各種の設定画面（入力画面）を表示する。表示部１０５は、例えば、液晶ディスプレイ又は有機ＥＬ（ｅｌｅｃｔｒｏｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイを有する。
【0101】
なお、制御装置１０１は、リムーバブルメモリから学習対象速度情報♯Ａ１～♯Ａｎを取得するインターフェイスを有してもよい。リムーバブルメモリは、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）メモリを含む。あるいは、制御装置１０１は、リムーバブルメディアから学習対象速度情報♯Ａ１～♯Ａｎを取得するドライブを有してもよい。リムーバブルメディアは、例えば、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）のような光ディスクを含む。
【0102】
続いて図１、図２、図８及び図９を参照して、基板処理装置１００が実行する学習用データの生成方法を説明する。図９は、本実施形態における学習用データの生成方法を示すフローチャートである。詳しくは、図９は、学習用データの生成時に制御部１０２が実行する処理を示す。本実施形態の学習用データの生成方法は、ステップＳ１～ステップＳ９の各処理を含む。
【0103】
図９に示す処理は、作業者が入力部１０４を操作することにより開始する。学習用データ（学習用データセット）の生成時には、複数のロードポートＬＰのうちの少なくとも１つに、学習対象の複数枚の基板Ｗが収容される。なお、学習対象の基板Ｗには、半導体製品の製造時に使用される基板Ｗと同じ種類の基板Ｗが使用される。
【0104】
学習用データ（学習用データセット）を生成する場合、制御部１０２は、まず、複数の処理ユニット１のうちの１つを学習対象の処理ユニット１として選択する。なお、図９を参照して説明する処理は、基板処理装置１００が備える複数の処理ユニット１に対して順次実行される。
【0105】
制御部１０２は、学習対象の処理ユニット１を決定すると、学習対象速度情報♯Ａ１～♯Ａｎのうちの１つを選択して、学習対象速度情報♯Ａ１～♯Ａｎのうちの１つを取得する（ステップＳ１）。以下、学習対象速度情報♯Ａ１～♯Ａｎのうちの１つを、「学習対象速度情報♯Ａ」と記載する。例えば、制御部１０２は、学習対象速度情報♯Ａ１～♯Ａｎにそれぞれ付与される識別番号の小さい順に、学習対象速度情報♯Ａを選択する。
【0106】
制御部１０２は、学習対象速度情報♯Ａ１～♯Ａｎのうちの１つを選択した後、学習対象の基板Ｗが学習対象の処理ユニット１のチャンバー２内に搬入されるように、インデクサーロボットＩＲと、センターロボットＣＲとを制御する（ステップＳ２）。制御部１０２は、チャンバー２内に搬入された学習対象の基板Ｗを、スピンチャック３に保持させる。
【0107】
制御部１０２は、学習対象の基板Ｗがスピンチャック３に保持されると、厚み測定部８に、学習対象の基板Ｗに含まれる対象物ＴＧの厚みの分布を測定させる（ステップＳ３）。ここで測定される対象物ＴＧの厚みの分布は、エッチング処理前の対象物ＴＧの厚みの分布を示す。以下、エッチング処理前の対象物ＴＧの厚みの分布を、「処理前の厚みの分布」と記載する場合がある。
【0108】
処理前の厚みの分布の測定後、制御部１０２は、学習対象の基板Ｗに対してエッチング処理が実行されるように、基板処理装置１００の各部の動作を制御する（ステップＳ４）。具体的には、制御部１０２は、図３～図５を参照して説明したように、学習対象速度情報♯Ａに基づく速度で第１ノズル４１が移動（旋回）しながら、第１ノズル４１から学習対象の基板Ｗにエッチング液が供給されるように基板処理装置１００の各部の動作を制御して、学習対象の基板Ｗにエッチング処理を実行する。
【0109】
制御部１０２は、エッチング処理の実行後、厚み測定部８に、学習対象の基板Ｗに含まれる対象物ＴＧの厚みの分布を測定させる（ステップＳ５）。ここで測定される対象物ＴＧの厚みの分布は、エッチング処理後の対象物ＴＧの厚みの分布を示す。以下、エッチング処理後の対象物ＴＧの厚みの分布を、「処理後の厚みの分布」と記載する場合がある。なお、図１０を参照して説明するように、処理後の厚みの分布は、乾燥処理後の厚みの分布を示す。
【0110】
処理後の厚みの分布の測定後、制御部１０２は、スピンチャック３による学習対象の基板Ｗの保持を解除して、インデクサーロボットＩＲに、学習対象の基板Ｗをチャンバー２から搬出させる（ステップＳ６）。その後、制御部１０２は、複数のロードポートＬＰのうちの１つまで学習対象の基板Ｗが搬送されるように、インデクサーロボットＩＲと、センターロボットＣＲとを制御する。
【0111】
次に、制御部１０２は、処理量（エッチング量）を取得する（ステップＳ７）。詳しくは、制御部１０２は、処理前の厚みの分布と処理後の厚みの分布との差分を算出して、エッチング量を取得する。
【0112】
制御部１０２は、処理量（エッチング量）を取得すると、学習対象速度情報♯Ａと処理量（エッチング量）とに基づいて学習用データを生成する（ステップＳ８）。学習用データは、学習対象速度情報♯Ａと処理量（エッチング量）とを示す。学習用データは、記憶部１０３に記憶される。
【0113】
制御部１０２は、学習用データを生成すると、基板処理装置１００に異常が発生しているか否かを判定して（ステップＳ９）、図９に示す処理を終了する。例えば、制御部１０２は、図２及び図７を参照して説明したように、基板Ｗの回転速度、エッチング液の温度、エッチング液の濃度、及びエッチング液の吐出流量のうちの少なくとも１つが異常値を示すか否かを判定する。
【0114】
制御部１０２は、図９に示す処理を、学習対象速度情報♯Ａ１～♯Ａｎの全てが選択されるまで、繰り返し実行する。その結果、学習用データセットが生成される。学習用データセットは、複数の学習用データを含む。学習用データセットは、記憶部１０３に記憶される。なお、ステップＳ７～ステップＳ９の各処理のうちの少なくとも１つは、ステップＳ５の処理とステップＳ６の処理との間で実行されてもよい。
【0115】
【0116】
図１０に示すように、スピンチャック３が学習対象の基板Ｗを保持した後に、学習対象の基板Ｗが処理される（ステップＳ４１）。具体的には、制御部１０２は、スピンモータ部５に、スピンチャック３が保持する基板Ｗを回転させる。その後、制御部１０２は、図９を参照して説明したように、第１ノズル４１から学習対象の基板Ｗに向けてエッチング液が供給されるように、ノズル移動機構６及びエッチング液供給部４を制御する。この結果、学習対象の基板Ｗがエッチングされる。
【0117】
学習対象の基板Ｗのエッチングが完了すると、制御部１０２は、リンス液供給部７を制御して、学習対象の基板Ｗにリンス液を供給することにより、学習対象の基板Ｗからエッチング液を除去する（ステップＳ４２）。具体的には、エッチング液がリンス液によって学習対象の基板Ｗの外方に押し流され、学習対象の基板Ｗの周囲に排出される。この結果、学習対象の基板Ｗ上のリンス液の液膜が、リンス液の液膜に置換される。
【0118】
エッチング液をリンス液に置換した後、制御部１０２は、スピンモータ部５を制御して、学習対象の基板Ｗを乾燥させる（ステップＳ４３）。その結果、図１０に示す処理が終了する。具体的には、制御部１０２は、学習対象の基板Ｗの回転速度を、エッチング処理時及びリンス処理時の回転速度よりも増大させる。この結果、学習対象の基板Ｗ上のリンス液に大きな遠心力が付与され、学習対象の基板Ｗに付着しているリンス液が学習対象の基板Ｗの周囲に振り切られる。このようにして、学習対象の基板Ｗからリンス液を除去し、学習対象の基板Ｗを乾燥させる。なお、制御部１０２は、例えば学習対象の基板Ｗの高速回転を開始してから所定時間が経過した後に、スピンモータ部５による基板Ｗの回転を停止させる。
【0119】
【0120】
図１１に示すように、制御部１０２は、学習対象速度情報♯Ａと処理量（エッチング量）とを用いて、学習用データを生成する（ステップＳ８１）。制御部１０２は、生成した学習用データ（処理量）が機械学習に利用可能か否かを判定する（ステップＳ８２）。
【0121】
具体的には、制御部１０２は、処理量（エッチング量）が規定値以上か否かを判定する。処理量（エッチング量）が規定値以上ではない場合、制御部１０２は、学習用データ（処理量）が機械学習に利用可能であると判定する。一方、処理量（エッチング量）が規定値以上である場合、制御部１０２は、学習用データ（処理量）が機械学習に利用可能でないと判定する。例えば、制御部１０２は、処理量（エッチング量）の分布の少なくとも１箇所が規定値以上である場合に、学習用データ（処理量）が機械学習に利用可能でないと判定する。
【0122】
なお、制御部１０２は、処理量（エッチング量）の分布の複数個所が規定値以上である場合に、学習用データ（処理量）が機械学習に利用可能でないと判定してもよいし、処理量（エッチング量）が規定値以上となる範囲が予め定めた範囲以上となる場合に、学習用データ（処理量）が機械学習に利用可能でないと判定してもよい。
【0123】
制御部１０２は、学習用データ（処理量）が機械学習に利用可能であると判定すると（ステップＳ８２のＹｅｓ）、その学習用データに第１フラグを付与して（ステップＳ８３）、図１１に示す処理を終了する。具体的には、制御部１０２は、学習用データと第１フラグとを関連付けて記憶部１０３に記憶させる。第１フラグは、学習用データを利用することを示す。
【0124】
一方、制御部１０２は、学習用データ（処理量）が機械学習に利用可能でない判定すると（ステップＳ８２のＮｏ）、その学習用データに第２フラグを付与して（ステップＳ８４）、図１１に示す処理を終了する。具体的には、制御部１０２は、学習用データと第２フラグとを関連付けて記憶部１０３に記憶させる。第２フラグは、学習用データを利用しないことを示す。したがって、第２フラグが付与された学習用データは、機械学習のための学習用データセットから除外される。
【0125】
続いて図２、図８及び図１２を参照して、基板処理装置１００に異常が発生しているか否かを判定する異常判定処理（ステップＳ９）について説明する。図１２は、本実施形態における異常判定処理を示すフローチャートである。
【0126】
図１２に示すように、制御部１０２は、基板処理装置１００に異常が発生しているか否かを判定する（ステップＳ９１）。制御部１０２は、基板処理装置１００に異常が発生していないと判定した場合（ステップＳ９１のＮｏ）、図１２に示す処理を終了する。
【0127】
一方、制御部１０２は、基板処理装置１００に異常が発生していると判定した場合（ステップＳ９１のＹｅｓ）、学習用データ（処理量）が機械学習に利用可能であるか否かに応じて異なるエラー報知を実行する。本実施形態では、制御部１０２は、学習用データに対して第１フラグが関連付けられているか、第２フラグが関連付けられているかを判定する（ステップＳ９２）。
【0128】
学習用データに対して第１フラグが関連付けられている場合（ステップＳ９２のＡ）、制御部１０２は、表示部１０５に第１エラー画面を表示させて（ステップＳ９３）、図１２に示す処理を終了する。第１エラー画面は、基板処理装置１００に異常が発生していることを示す。詳しくは、第１エラー画面は、異常が発生している計測対象（監視対象）を示す。
【0129】
学習用データに対して第２フラグが関連付けられている場合（ステップＳ９２のＢ）、制御部１０２は、表示部１０５に第２エラー画面を表示させて（ステップＳ９４）、図１２に示す処理を終了する。第２エラー画面は、基板処理装置１００に異常が発生していることに合わせて、処理量（エッチング量）が規定値以上であることを示す。したがって、第２エラー画面は、処理量（エッチング量）が規定値以上となった原因が、学習対象の基板Ｗ側ではなく、基板処理装置１００側にある可能性を作業者に通知することができる。
【0130】
【0131】
本実施形態において、制御部１０２は、学習用データをテーブル形式で記憶部１０３に記憶させる。図１３に示すように、学習用データセット用テーブルＴＢ１０は、速度情報フィールドＴＢ１１と、処理量フィールドＴＢ１２と、フラグフィールドＴＢ１３とを有する。
【0132】
速度情報フィールドＴＢ１１には、学習対象速度情報♯Ａが格納される。処理量フィールドＴＢ１２には、処理量（エッチング量）が格納される。フラグフィールドＴＢ１３には、フラグが格納される。図１３に示すように、学習対象速度情報♯Ａ、処理量（エッチング量）、及びフラグは、互いに関連付けられて学習用データセット用テーブルＴＢ１０に格納される。
【0133】
なお、フラグフィールドＴＢ１３において、「ＯＫ」は第１フラグを示し、「ＮＧ」は第２フラグを示す。換言すると、「ＯＫ」は、対応する学習用データが機械学習に利用可能であることを示し、「ＮＧ」は、対応する学習用データが機械学習に利用可能でないことを示す。
【0134】
続いて図１４を参照して、学習用データセット１３５の生成後の制御装置１０１を説明する。図１４は、本実施形態の制御装置１０１のブロック図である。詳しくは、図１４は、学習用データセット１３５の生成後の制御装置１０１を示す。
【0135】
図１４に示すように、記憶部１０３は、学習用データセット１３５を記憶する。学習用データセット１３５は、複数の学習用データを含む。詳しくは、図１３を参照して説明したように、制御部１０２は、学習用データセット用テーブルＴＢ１０に複数の学習用データを格納する。なお、学習用データセット１３５の生成後、制御部１０２は、記憶部１０３から学習対象速度情報♯Ａ１～♯Ａｎを消去してもよいし、消去しなくてもよい。
【0136】
制御部１０２は、学習用データセット１３５（複数の学習用データ）を学習して、学習済みパラメータを生成する。制御部１０２は、学習済みパラメータに基づいて学習済みモデルを生成する。
【0137】
続いて図１、図２、図１３、図１４及び図１５を参照して、基板処理装置１００が実行する学習済みモデルの生成方法を説明する。図１５は、本実施形態における学習済みモデルの生成方法を示すフローチャートである。詳しくは、図１５は、制御部１０２が学習済みモデルの生成時に実行する処理を示す。本実施形態の学習済みモデルの生成方法は、ステップＳ１１～ステップＳ１４の各処理を含む。
【0138】
まず、制御部１０２は、記憶部１０３から学習用データセット１３５を取得する（ステップＳ１１）。この際、制御部１０２は、複数の学習用データのうちから、第１フラグが付与された学習用データを取得する。
【0139】
制御部１０２は、学習用データセット１３５を取得すると、学習用プログラム１３４に基づいて学習用データセット１３５（複数の学習用データ）を学習する（ステップＳ１２）。ここで、学習とは、学習用データセット１３５の中から一定の規則を発見することを示す。本実施形態において、学習用データは、スキャン速度情報（各速度設定位置におけるスキャン速度）と、処理量（エッチング量）との関係を示している。制御部１０２は、学習用データセット１３５を学習して、スキャン速度情報と処理量（エッチング量）との間における一定の規則を発見する。
【0140】
制御部１０２は、学習用データセット１３５を学習することにより、学習済みパラメータを生成する（ステップＳ１３）。より具体的には、学習用プログラム１３４から学習済みパラメータが出力される。学習済みパラメータは、学習用データセット１３５を用いた学習の結果に基づいて取得されるパラメータ（係数）である。
【0141】
次に、制御部１０２は、取得した学習済みパラメータに基づいて学習済みモデルを生成する（ステップＳ１４）。この結果、図１５に示す処理が終了する。詳しくは、制御部１０２は、学習済みパラメータを推論プログラム１３３に組み込むことで、学習済みモデルを生成する。推論プログラム１３３は、組み込まれた学習済みパラメータを適用することで、入力に対して一定の結果を出力するプログラムであり、学習済みモデルは、学習済みパラメータを含むモデルである。本実施形態において、「入力」は処理量（エッチング量）の目標量であり、「出力」はスキャン速度情報である。換言すると、処理量（エッチング量）の目標量は説明変数であり、学習済みモデルから出力されるスキャン速度情報は目的変数である。以下、処理量（エッチング量）の目標量を、「目標処理量」又は「目標エッチング量」と記載する場合がある。また、学習済みモデルから出力されるスキャン速度情報を「処理時速度情報」と記載する場合がある。
【0142】
続いて図２及び図１６を参照して、半導体製品の製造時における制御装置１０１を説明する。図１６は、本実施形態の制御装置１０１のブロック図である。詳しくは、図１６は、半導体製品の製造時における制御装置１０１を示す。
【0143】
図１６に示すように、半導体製品の製造時に、記憶部１０３は学習済みモデル１３６を記憶している。なお、学習済みモデル１３６の生成後、制御部１０２は、記憶部１０３から学習用データセット１３５を消去してもよいし、消去しなくてもよい。
【0144】
制御部１０２は、半導体製品の製造時に、学習済みモデル１３６に基づいてノズル移動機構６を制御する。詳しくは、制御部１０２は、説明変数である目標処理量（目標エッチング量）を学習済みモデル１３６に入力することにより、学習済みモデル１３６から、目的変数である処理時速度情報を出力させる。制御部１０２は、半導体製品の製造時に、処理時速度情報に基づく速度で第１ノズル４１が移動するようにノズル移動機構６を制御する。具体的には、第１ノズル４１は、基板Ｗに対して処理（エッチング）を実行する際に、処理時速度情報に基づく速度で移動（旋回）する。なお、以下の説明において、半導体製品の製造時に処理する基板Ｗを、「処理対象の基板Ｗ」と記載する場合がある。
【0145】
続いて図１、図２、図１６、図１７及び図１８を参照して、基板処理装置１００が実行する基板処理方法を説明する。図１７及び図１８は、本実施形態における基板処理方法を示すフローチャートである。詳しくは、図１７及び図１８は、処理対象の基板Ｗをエッチングする際に制御部１０２が実行する処理を示す。本実施形態の基板処理方法は、ステップＳ２１～ステップＳ３２の各処理を含む。
【0146】
【0147】
処理対象の基板Ｗをエッチングする場合、まず、制御部１０２は、対象物ＴＧの目標厚みを取得する（ステップＳ２１）。詳しくは、制御部１０２は、対象物ＴＧの目標厚みの分布を取得する。目標厚みは、作業者が入力部１０４を操作することにより、制御部１０２に入力される。
【0148】
制御部１０２は、目標厚みを取得すると、複数の処理ユニット１のうちの１つの処理ユニット１のチャンバー２内に処理対象の基板Ｗが搬入されるように、インデクサーロボットＩＲと、センターロボットＣＲとを制御する（ステップＳ２２）。制御部１０２は、チャンバー２内に搬入された処理対象の基板Ｗを、スピンチャック３に保持させる。
【0149】
制御部１０２は、処理対象の基板Ｗがスピンチャック３に保持されると、厚み測定部８に、処理対象の基板Ｗに含まれる対象物ＴＧの厚みの分布を測定させる（ステップＳ２３）。換言すると、処理前の厚みの分布が測定される。
【0150】
次に、制御部１０２は、処理前の厚みの分布と目標厚みの分布とに基づいて、説明変数である目標処理量（目標エッチング量）を取得する（ステップＳ２４）。具体的には、制御部１０２は、処理前の厚みの分布と目標厚みの分布との差分を算出して、目標処理量（目標エッチング量）を取得する。
【0151】
次に、制御部１０２は、目標処理量（目標エッチング量）を学習済みモデル１３６に入力して、学習済みモデル１３６から処理時速度情報を出力させることにより、目的変数である処理時速度情報を取得する（ステップＳ２５）。
【0152】
処理時速度情報を取得すると、制御部１０２は、処理対象の基板Ｗに対してエッチング処理が実行されるように、基板処理装置１００の各部の動作を制御する（ステップＳ２６）。具体的には、制御部１０２は、図３～図５を参照して説明したように、処理時速度情報に基づく速度で第１ノズル４１が移動（旋回）しながら、第１ノズル４１から処理対象の基板Ｗにエッチング液が供給されるように基板処理装置１００の各部の動作を制御して、処理対象の基板Ｗにエッチング処理を実行する。より詳しくは、図１０を参照して説明した処理と同様の処理により、処理対象の基板Ｗがエッチングされる。
【0153】
制御部１０２は、エッチング処理の実行後、厚み測定部８に、処理対象の基板Ｗに含まれる対象物ＴＧの厚みの分布を測定させる（ステップＳ２７）。換言すると、処理後の厚みの分布が測定される。
【0154】
処理後の厚みの分布の測定後、制御部１０２は、スピンチャック３による処理対象の基板Ｗの保持を解除して、インデクサーロボットＩＲに、処理対象の基板Ｗをチャンバー２から搬出させる（ステップＳ２８）。その後、制御部１０２は、複数のロードポートＬＰのうちの１つまで処理対象の基板Ｗが搬送されるように、インデクサーロボットＩＲと、センターロボットＣＲとを制御する。
【0155】
処理対象の基板Ｗが搬送されると、図１８に示すように、制御部１０２は、処理量（エッチング量）を取得する（ステップＳ２９）。詳しくは、制御部１０２は、処理前の厚みの分布と処理後の厚みの分布との差分を算出して、エッチング量を取得する。
【0156】
制御部１０２は、処理量（エッチング量）を取得すると、処理量（エッチング量）が目標処理量（目標エッチング量）と一致するか否かを判定する（ステップＳ３０）。
【0157】
処理量（エッチング量）が目標処理量（目標エッチング量）と一致しないと制御部１０２が判定した場合（ステップＳ３０のＮｏ）、処理はステップＳ３１に移行する。処理量（エッチング量）が目標処理量（目標エッチング量）と一致すると制御部１０２が判定した場合（ステップＳ３０のＹｅｓ）、処理はステップＳ３２に移行する。なお、制御部１０２は、許容範囲内で、処理量（エッチング量）が目標処理量（目標エッチング量）と一致するか否かを判定してもよい。
【0158】
ステップＳ３１において、制御部１０２は、処理時速度情報と処理量（エッチング量）とに基づいて、追加学習のための学習用データを生成する。詳しくは、図１１を参照して説明した処理と同様の処理により、追加学習のための学習用データが生成される。追加学習のための学習用データが生成されると、処理はステップＳ３２に移行する。
【0159】
ステップＳ３２において、制御部１０２は、基板処理装置１００に異常が発生しているか否かを判定して（ステップＳ３２）、図１７及び図１８に示す処理を終了する。詳しくは、図１２を参照して説明した処理と同様の処理により、基板処理装置１００に異常が発生しているか否の判定が行われる。
【0160】
半導体製品の製造時に、制御部１０２は、図１７及び図１８の処理を繰り返し実行する。その結果、追加学習のための学習用データセットが生成される。追加学習のための学習用データセットは、記憶部１０３に記憶される。なお、ステップＳ２９～ステップＳ３２の各処理のうちの少なくとも１つは、ステップＳ２６とステップＳ２７との間で実行されてもよい。以下、追加学習のための学習用データセットを、「追加学習用データセット」と記載する場合がある。また、追加学習のための学習用データを、「追加学習用データ」と記載する場合がある。
【0161】
【0162】
本実施形態において、制御部１０２は、追加学習用データをテーブル形式で記憶部１０３に記憶させる。図１９に示すように、追加学習用データセット用テーブルＴＢ２０は、速度情報フィールドＴＢ２１と、処理量フィールドＴＢ２２と、フラグフィールドＴＢ２３とを有する。
【0163】
速度情報フィールドＴＢ２１には、処理時速度情報♯Ｂが格納される。処理量フィールドＴＢ２２には、処理量（エッチング量）が格納される。フラグフィールドＴＢ２３には、図１３を参照して説明したフラグフィールドＴＢ１３と同様に、フラグが格納される。図１９に示すように、処理時速度情報♯Ｂ、処理量（エッチング量）、及びフラグは、互いに関連付けられて追加学習用データセット用テーブルＴＢ２０に格納される。
【0164】
制御部１０２は、追加学習用データセットが生成されると、機械学習の実行時と同様に、学習済みモデルを生成する。以下、図１５を参照して、追加学習後の学習済みモデルを生成する方法を説明する。
【0165】
まず、制御部１０２は、記憶部１０３から追加学習用データセットを取得する（ステップＳ１１）。この際、制御部１０２は、複数の追加学習用データのうちから、第１フラグが付与された追加学習用データを取得する。
【0166】
制御部１０２は、追加学習用データセットを取得すると、学習用プログラム１３４に基づいて追加学習用データセット（複数の追加学習用データ）を学習する（ステップＳ１２）。
【0167】
制御部１０２は、追加学習用データセットを学習することにより、新たな学習済みパラメータを生成する（ステップＳ１３）。より具体的には、学習用プログラム１３４から、新たな学習済みパラメータが出力される。
【0168】
次に、制御部１０２は、新たな学習済みパラメータに基づいて、追加学習後の学習済みモデルを生成する（ステップＳ１４）。この結果、図１５に示す処理が終了する。詳しくは、制御部１０２は、新たな学習済みパラメータを推論プログラム１３３に組み込むことで、追加学習後の学習済みモデルを生成する。
【0169】
以上、図１～図１９を参照して本発明の実施形態１を説明した。本実施形態によれば、スキャン速度情報の開発に関与する作業者の負担を軽減することができる。具体的には、前処理が異なる各種の学習対象の基板Ｗを用いて学習済みモデル１３６を生成することにより、半導体製品の製造段階において前処理が変更されても、作業者は、スキャン速度情報を新たに開発する必要がない。
【0170】
また、本実施形態によれば、処理前の対象物ＴＧの厚みにバラつきがあっても、学習済みモデル１３６が、処理後の対象物ＴＧの厚みを目標厚みにするためのスキャン速度情報を出力する。したがって、処理前の対象物ＴＧの厚みにバラつきに合わせて、多数のスキャン速度情報の開発する必要がない。また、処理前の対象物ＴＧの厚みにバラつきがあっても、処理後の厚みの分布を安定して目標厚みの分布にすることができる。例えば、基板Ｗの表面を水平面と略平行にすることができる。あるいは、対象物ＴＧのうちの特定の領域の厚みを、目標厚みにすることができる。
【0171】
また、本実施形態によれば、半導体製品の製造時に、処理後の対象物ＴＧの厚みが目標厚みとならないエラーが発生しても、基板処理装置１００が追加学習を実行するため、エラーの発生後、半導体製品の製造中に学習済みパラメータが調整されて、処理後の厚みを目標厚みにすることができる。また、基板処理装置１００が追加学習を実行するため、作業者が、エラーの発生に合わせて、新たなスキャン速度情報を開発する必要がない。更に、前処理が変更されても、追加学習によって学習済みパラメータが調整されるため、作業者が新たなスキャン速度情報を開発する必要がない。
【0172】
なお、処理量（エッチング量）に影響する因子には、スキャン速度の他に、例えば、基板Ｗの回転速度、処理液の温度、処理液の濃度、及び、処理液の吐出流量があるが、制御部１０２は、機械学習のための学習用データの生成時、及び、処理対象の基板Ｗの処理時に、これら他の因子の値を変更するための処理（制御）を積極的には行っていない。換言すると、制御部１０２は、処理量を目標量にするために、スキャン速度を調整する一方で、これら他の因子の値は調整（変更）していない。したがって、学習用データの生成時、及び、処理対象の基板Ｗの処理時において、これら他の因子の値は、異常発生時を除いて略同じ値を示す。本実施形態において、処理量に影響する複数の因子のうちから処理時速度情報を目的変数として選択したのは、処理量の分布の均質化を評価指標とした場合に、スキャン速度と評価指標との相関関係が、スキャン速度以外の他の因子と評価指標との相関関係と比べて強いためである。本実施形態によれば、学習用データを生成するために、学習対象速度情報♯Ａ（スキャン速度情報）のデータセットを作成すればよいため、学習済みモデル又はスキャン速度情報の開発に関与する作業者の負担を軽減することができる。
【0173】
［実施形態２］
続いて図２０及び図２１を参照して本発明の実施形態２について説明する。但し、実施形態１と異なる事項を説明し、実施形態１と同じ事項についての説明は割愛する。実施形態２は、実施形態１と異なり、学習装置２００が学習済みモデル１３６を生成する。
続いて図２０及び図２１を参照して本発明の実施形態２について説明する。但し、実施形態１と異なる事項を説明し、実施形態１と同じ事項についての説明は割愛する。実施形態２は、実施形態１と異なり、学習装置２００が学習済みモデル１３６を生成する。
【0174】
図２０は、本実施形態における基板処理装置１００及び学習装置２００を示す図である。本実施形態において、基板処理装置１００の制御装置１０１は、図１～図１３を参照して説明したように、学習用データセット１３５を生成する。学習用データセット１３５は、学習装置２００に入力される。
【0175】
学習装置２００は、学習用データセット１３５を用いて、学習済みモデル１３６を生成する。学習済みモデル１３６は、基板処理装置１００の制御装置１０１に入力される。具体的には、学習装置２００は、処理部２０１と、記憶部２０２とを備える。処理部２０１は、学習部の一例である。
【0176】
処理部２０１は、プロセッサーを有する。処理部２０１は、例えば、ＣＰＵ又はＭＰＵを有する。あるいは、処理部２０１は、汎用演算機を有する。処理部２０１は、ＮＰＵを更に有し得る。記憶部２０２は、データ及びコンピュータプログラムを記憶する。記憶部２０２は、主記憶装置を有する。主記憶装置は、例えば、半導体メモリである。記憶部２０２は、補助記憶装置を更に有してもよい。補助記憶装置は、例えば、半導体メモリ及び／又はハードディスクドライブである。記憶部２０２はリムーバブルメディアを有してもよい。処理部２０１は、記憶部２０２が記憶しているデータ及びコンピュータプログラムに基づいて、機械学習を実行する。
【0177】
具体的には、記憶部２０２は、実施形態１で説明した推論プログラム１３３及び学習用プログラム１３４を記憶している。処理部２０１は、実施形態１で説明した制御部１０２と同様に、学習用データセット１３５（複数の学習用データ）を学習して、学習済みパラメータを生成し、学習済みパラメータに基づいて学習済みモデル１３６を生成する。
【0178】
なお、学習用データセット１３５は、リムーバブルメモリを介して学習装置２００に入力されてもよいし、リムーバブルメディアを介して学習装置２００に入力されてもよい。同様に、学習済みモデル１３６は、リムーバブルメモリを介して基板処理装置１００に入力されてもよいし、リムーバブルメディアを介して基板処理装置１００に入力されてもよい。具体的には、学習装置２００は、リムーバブルメモリから学習用データセット１３５を取得し、リムーバブルメモリに学習済みモデル１３６を格納するインターフェイスを有してもよいし、リムーバブルメディアから学習用データセット１３５を取得し、リムーバブルメディアに学習済みモデル１３６を格納するドライブを有してもよい。
【0179】
あるいは、基板処理装置１００と学習装置２００とは、互いに通信可能に接続されてもよい。この場合、学習用データセット１３５は、基板処理装置１００から学習装置２００へ送信され、学習済みモデル１３６は、学習装置２００から基板処理装置１００へ送信される。なお、通信方式は、有線方式であっても、無線方式であってもよい。基板処理装置１００と学習装置２００とは、インターネット回線のような公衆通信網を介して互いに通信可能に接続されてもよい。
【0180】
続いて図２０及び図２１を参照して、学習装置２００が実行する学習済みモデル１３６の生成方法を説明する。図２１は、本実施形態の学習済みモデル１３６の生成方法を示すフローチャートである。詳しくは、図２１は、処理部２０１が学習済みモデル１３６の生成時に実行する処理を示す。本実施形態の学習済みモデル１３６の生成方法は、ステップＳ２００～ステップＳ２０３の各処理を含む。
【0181】
まず、処理部２０１は、記憶部２０２から学習用データセット１３５を取得する（ステップＳ２００）。この際、処理部２０１は、複数の学習用データのうちから、第１フラグが付与された学習用データを取得する。
【0182】
処理部２０１は、学習用データセット１３５を取得すると、学習用プログラム１３４に基づいて学習用データセット１３５（複数の学習用データ）を学習する（ステップＳ２０１）。
【0183】
処理部２０１は、学習用データセット１３５を学習することにより学習済みパラメータを生成する（ステップＳ２０２）。より具体的には、学習用プログラム１３４から学習済みパラメータが出力される。
【0184】
次に、処理部２０１は、取得した学習済みパラメータに基づいて学習済みモデル１３６を生成する（ステップＳ２０３）。この結果、図２１に示す処理が終了する。詳しくは、処理部２０１は、学習済みパラメータを推論プログラム１３３に組み込むことで、学習済みモデル１３６を生成する。
【0185】
以上、図２０及び図２１を参照して本発明の実施形態２を説明した。本実施形態によれば、実施形態１と同様に、スキャン速度情報の開発に関与する作業者の負担を軽減することができる。また、本実施形態によれば、基板処理装置１００において機械学習を実行する必要がない。したがって、基板処理装置１００として、既存の基板処理装置を流用することができる。
【0186】
なお、本実施形態では、基板処理装置１００から学習装置２００に学習用データセット１３５が入力されたが、基板処理装置１００から学習装置２００に学習用データが入力されてもよい。
【0187】
また、学習装置２００は、実施形態１で説明した追加学習を更に実行してもよい。学習装置２００が追加学習を実行する場合、基板処理装置１００から学習装置２００に追加学習用データセット又は追加学習用データが入力される。
【0188】
また、本実施形態では、基板処理装置１００から学習装置２００に学習用データセット１３５が入力されたが、基板処理装置１００から学習装置２００に学習済みパラメータが入力されてもよい。基板処理装置１００から学習装置２００に学習済みパラメータが入力される場合、学習装置２００（処理部２０１）は、図２１を参照して説明したステップＳ２０３の処理を実行する。
【0189】
［実施形態３］
続いて図１７、図１８、図２２、及び図２３を参照して本発明の実施形態３について説明する。但し、実施形態１、２と異なる事項を説明し、実施形態１、２と同じ事項についての説明は割愛する。実施形態３は、実施形態１、２と異なり、学習装置２００が、学習済みモデル１３６から、目的変数である処理時速度情報を出力させる。
続いて図１７、図１８、図２２、及び図２３を参照して本発明の実施形態３について説明する。但し、実施形態１、２と異なる事項を説明し、実施形態１、２と同じ事項についての説明は割愛する。実施形態３は、実施形態１、２と異なり、学習装置２００が、学習済みモデル１３６から、目的変数である処理時速度情報を出力させる。
【0190】
図２２は、本実施形態における基板処理システム３００を示す図である。図２２に示すように、基板処理システム３００は、基板処理装置１００と、学習装置２００とを備える。学習装置２００は、情報処理装置の一例である。本実施形態において、学習装置２００の処理部２０１は、実施形態２で説明したように学習済みモデル１３６を生成する。処理部２０１は、学習済みモデル１３６を記憶部２０２に記憶させる。
【0191】
図２２に示すように、基板処理装置１００は、通信部１０６を更に備える。学習装置２００は、通信部２０３を更に備える。通信部１０６及び通信部２０３は、例えば、ＬＡＮボード又は無線ＬＡＮボードである。通信部１０６及び通信部２０３は、例えばインターネット回線のような公衆通信網を介して互いに通信可能に接続される。
【0192】
基板処理装置１００の通信部１０６は、制御装置１０１（制御部１０２）によって制御されて、学習装置２００の通信部２０３へ目標処理量（目標エッチング量）を送信する。また、基板処理装置１００の通信部１０６は、制御装置１０１（制御部１０２）によって制御されて、学習装置２００の通信部２０３から処理時速度情報を受信する。その結果、制御装置１０１（制御部１０２）が処理時速度情報を取得する。制御部１０２は、取得した処理時速度情報を記憶部１０３に記憶させる。
【0193】
学習装置２００の通信部２０３は、処理部２０１によって制御されて、基板処理装置１００の通信部１０６から目標処理量（目標エッチング量）を受信する。その結果、処理部２０１が目標処理量（目標エッチング量）を取得する。また、学習装置２００の通信部２０３は、処理部２０１によって制御されて、基板処理装置１００の通信部１０６へ処理時速度情報を送信する。
【0194】
続いて図２２及び図２３を参照して、制御装置１０１（制御部１０２）が実行する処理と、処理部２０１が実行する処理とを説明する。図２３は、基板処理装置１００の制御装置１０１（制御部１０２）が実行する処理と、学習装置２００の処理部２０１が実行する処理とを示すフローチャートである。
【0195】
基板処理装置１００の制御装置１０１（制御部１０２）は、実施形態１で説明したように目標処理量（目標エッチング量）を取得すると（図１７のステップＳ２１～ステップＳ２４）、通信部１０６を制御して、学習装置２００の通信部２０３へ目標処理量（目標エッチング量）を送信する（ステップＳ２１０）。
【0196】
学習装置２００の処理部２０１は、通信部２０３を制御して、通信部２０３に目標処理量（目標エッチング量）を受信させる（ステップＳ２１１）。この結果、処理部２０１が目標処理量（目標エッチング量）を取得する。
【0197】
処理部２０１は、説明変数である目標処理量（目標エッチング量）を学習済みモデル１３６に入力することにより、学習済みモデル１３６から、目的変数である処理時速度情報を出力させる。この結果、学習装置２００の処理部２０１は、処理時速度情報を取得する（ステップＳ２１２）。
【0198】
学習装置２００の処理部２０１は、通信部２０３を制御して、基板処理装置１００の通信部１０６へ処理時速度情報を送信する（ステップＳ２１３）。基板処理装置１００の制御装置１０１（制御部１０２）は、通信部１０６を制御して、通信部１０６に処理時速度情報を受信させる（ステップＳ２１４）。この結果、制御装置１０１（制御部１０２）が処理時速度情報を取得する。その後、制御装置１０１（制御部１０２）は、図１７及び図１８を参照して説明したステップＳ２６以降の処理を実行する。
【0199】
以上、図１７、図１８、図２２、及び図２３を参照して本発明の実施形態３を説明した。本実施形態によれば、実施形態１、２と同様に、スキャン速度情報の開発に関与する作業者の負担を軽減することができる。また、本実施形態によれば、基板処理装置１００の記憶部１０３に学習済みモデル１３６を記憶させる必要がない。
【0200】
［実施形態４］
続いて図１、図８、図１４、図１６、及び図２４～図３１を参照して本発明の実施形態４について説明する。但し、実施形態１～３と異なる事項を説明し、実施形態１～３と同じ事項についての説明は割愛する。実施形態４は、実施形態１～３と異なり、学習済みモデル１３６が複数のクラスに分類される。
続いて図１、図８、図１４、図１６、及び図２４～図３１を参照して本発明の実施形態４について説明する。但し、実施形態１～３と異なる事項を説明し、実施形態１～３と同じ事項についての説明は割愛する。実施形態４は、実施形態１～３と異なり、学習済みモデル１３６が複数のクラスに分類される。
【0201】
図２４は、本実施形態の処理ユニット１の模式図である。詳しくは、図２４は、処理ユニット１の模式的な断面図である。図２４に示すように、本実施形態の基板処理装置１００は、エッチング液回収部１２を更に備える。エッチング液回収部１２は、回収配管１２１を有する。チャンバー２は、回収配管１２１の一部を更に収容する。なお、回収配管１２１の他の一部は、図１を参照して説明した流体ボックス１００Ｂのうちの対応する１つに収容される。
【0202】
図２４に示すように、ガード１０は、カップ１１を含む。カップ１１は、ガード１１ａと、液受け部１１ｂとを有する。ガード１１ａは、略筒形状を有し、回転する基板Ｗから飛散するエッチング液（処理液）を受け止める。液受け部１１ｂは、ガード１１ａの下端に接続する。液受け部１１ｂは、環状であり、環状の溝を形成する。ガード１１ａが受け止めたエッチング液（処理液）は、自重によって液受け部１１ｂまで流れ落ちる。この結果、液受け部１１ｂにエッチング液（処理液）が集められる。回収配管１２１の一端は、液受け部１１ｂに接続する。液受け部１１ｂに集められたエッチング液（処理液）は、自重によって回収配管１２１に流入する。
【0203】
回収配管１２１に流入したエッチング液（処理液）は、図２５を参照して説明するように、エッチング液（処理液）を貯留する容器（処理液容器４５）に戻されて、基板Ｗの処理（エッチング）に再利用される。
【0204】
続いて図２５を参照して基板処理装置１００を更に説明する。図２５は、本実施形態の基板処理装置１００の構成を示す模式図である。詳しくは、図２５は、図１を参照して説明した流体ボックス１００Ｂの内部の構成を示す。なお、図２５では、図面簡略化のため、図７を参照して説明した温度センサ４２１、濃度センサ４２２、ミキシングバルブ４２４、流量計４２５及び加熱ヒータ４２６を省略している。
【0205】
まず、図２５を参照してエッチング液供給部４を更に説明する。図２５に示すように、エッチング液供給部４は、循環配管４３と、循環ポンプ４４と、処理液容器４５とを更に有する。処理液容器４５は、エッチング液（処理液）を貯留する。処理液容器４５は、流体ボックス１００Ｂ（図１）に交換可能に配置される。処理液容器４５が交換されることにより、エッチング液を貯留している新しい処理液容器４５が流体ボックス１００Ｂに配置される。図２４を参照して説明したように、回収配管１２１に流入したエッチング液（処理液）は処理液容器４５に戻されて、基板Ｗの処理（エッチング）に再利用される。エッチング液の再利用を続けると、エッチング量が低下するため、適宜、流体ボックス１００Ｂ内の処理液容器４５を交換する必要がある。処理液容器４５は、例えば、タンクである。
【0206】
循環配管４３及び循環ポンプ４４は、流体ボックス１００Ｂ（図１）に収容される。循環配管４３の両端は、処理液容器４５に接続する。循環ポンプ４４は、循環配管４３に取り付けられる。循環ポンプ４４は、制御装置１０１（制御部１０２）によって制御される。
【0207】
循環ポンプ４４が駆動すると、処理液容器４５に貯留されているエッチング液が、循環配管４３の一端から循環配管４３に流入して、循環配管４３を流通する。循環配管４３の他端まで導かれたエッチング液は、循環配管４３の他端から処理液容器４５に戻る。
【0208】
循環配管４３には、第１供給配管４２の他端が接続している。第１供給配管４２には、循環配管４３を流通するエッチング液が流入する。バルブ４２３が開状態である場合、循環配管４３から第１供給配管４２へ流入したエッチング液が第１ノズル４１（図２４）まで導かれる。バルブ４２３が閉状態である場合、循環配管４３から第１供給配管４２へ流入したエッチング液の流れがバルブ４２３によって止められる。
【0209】
【0210】
回収ポンプ１２２は、回収配管１２１に取り付けられている。回収ポンプ１２２は、制御装置１０１（制御部１０２）によって制御される。回収ポンプ１２２は、処理ユニット１（液受け部１１ｂ）から回収配管１２１に流入したエッチング液が回収配管１２１を流通するようにエッチング液を駆動する。回収配管１２１の他端は処理液容器４５に接続しており、回収ポンプ１２２が駆動することにより、エッチング液は回収配管１２１の他端まで導かれて、回収配管１２１の他端から処理液容器４５に回収される。したがって、基板Ｗの処理（エッチング）に使用された後のエッチング液を再利用することができる。
【0211】
続いて図８及び図２６を参照して、本実施形態の基板処理装置１００が実行する学習用データの生成方法を説明する。図２６は、本実施形態における学習用データの生成方法を示すフローチャートである。詳しくは、図２６は、学習用データの生成時に制御部１０２が実行する処理を示す。本実施形態の学習用データの生成方法は、図９を参照して説明したステップＳ１～ステップＳ９に加えて、ステップＳ１０１及びステップＳ１０２の各処理を更に含む。
【0212】
本実施形態では、制御部１０２は、学習対象の基板Ｗの搬入後（ステップＳ２）、処理枚数カウンタ値をインクリメントさせる（ステップＳ１０１）。つまり、制御部１０２は、処理枚数カウンタ値を「１」増加させる。学習用データの生成時における処理枚数カウンタ値は、学習対象の基板Ｗの処理枚数を示す。制御部１０２は、インクリメント後の処理枚数カウンタ値を記憶部１０３に記憶させる。
【0213】
具体的には、制御部１０２は、学習対象の基板Ｗの処理（エッチング）に使用する処理液（エッチング液）の使用開始時から、学習対象の基板Ｗの処理枚数をカウントする。より詳しくは、制御部１０２は、処理液容器４５（図２５）内のエッチング液を用いた学習対象の基板Ｗの処理（エッチング）の開始時からカウントを開始する。制御部１０２は、処理液容器４５（図２５）が新しい処理液容器４５に交換されると、処理枚数カウンタ値をリセットする。ここでは、処理枚数カウンタ値は、リセットすることにより「０」となる。
【0214】
制御部１０２は、処理量（エッチング量）を取得すると（ステップＳ７）、取得した処理量を、記憶部１０３に記憶させた処理枚数カウンタ値に関連付けて、記憶部１０３に記憶させる（ステップＳ１０２）。
【0215】
なお、ステップＳ１０１及びステップＳ１０２の各処理が実行されるタイミングは、図２６に示すタイミングに限定されない。ステップＳ１０１及びステップＳ１０２の各処理が実行されるタイミングは、次の基板Ｗの搬入前である限り、特に限定されない。
【0216】
【0217】
本実施形態において、学習用データの生成処理は、図１１を参照して説明したステップＳ８１～ステップＳ８４に加えて、ステップＳ１１０の処理を更に含む。制御部１０２は、学習用データの生成後（ステップＳ８１）、予め定められた分類規則に基づいて学習用データを各クラスに分類する。分類規則は、記憶部１０３に記憶されている。
【0218】
本実施形態において、分類規則は、学習対象の基板Ｗの処理枚数（処理枚数カウンタ値）に応じて学習用データを各クラスに分類することを規定している。より具体的には、分類規則は、処理枚数カウンタ値を複数の範囲（複数のクラス）に区分することを規定しており、制御部１０２は、学習用データに関連付けた処理枚数カウンタ値を参照して、クラスごとに学習用データを分類する。
【0219】
なお、ステップＳ１１０の処理が実行されるタイミングは、図２７に示すタイミングに限定されない。ステップＳ１１０の処理が実行されるタイミングは、学習用データの生成後である限り、特に限定されない。
【0220】
【0221】
図２８に示すように、学習用データセット用テーブルＴＢ３０は、クラス情報フィールドＴＢ３１と、学習用データセット情報フィールドＴＢ３２とを有する。クラス情報フィールドＴＢ３１の各フィールドには、処理枚数カウンタ値の範囲が予め規定されている。本実施形態において、制御部１０２は、図１３を参照して説明した学習用データセット用テーブルＴＢ１０をクラスごとに作成する。制御部１０２は、学習用データセット情報フィールドＴＢ３２の各フィールドに、クラス情報フィールドＴＢ３１の各フィールド（処理枚数カウンタ値の各範囲）に対応する学習用データセット用テーブルＴＢ１０を関連付ける。
【0222】
なお、クラス情報フィールドＴＢ３１の各フィールドに規定される各値は、レシピ１３１に予め規定された値（デフォルト値）であってもよいし、作業者が入力部１０４を操作して入力した値であってもよい。
【0223】
続いて図１４及び図２９を参照して、本実施形態の基板処理装置１００が実行する学習済みモデル１３６の生成方法を説明する。図２９は、本実施形態における学習済みモデル１３６の生成方法を示すフローチャートである。詳しくは、図２９は、制御部１０２が学習済みモデル１３６の生成時に実行する処理を示す。本実施形態の学習済みモデル１３６の生成方法は、ステップＳ１１１～ステップＳ１１８の各処理を含む。図２９に示す処理は、クラスごとに作成された学習用データセット１３５ごとに実行される。
【0224】
まず、制御部１０２は、記憶部１０３から複数の学習用データセット１３５のうちの１つを取得する（ステップＳ１１１）。この際、制御部１０２は、図１５のステップＳ１１と同様に、複数の学習用データのうちから、第１フラグが付与された学習用データを取得する。
【0225】
制御部１０２は、取得した学習用データセット１３５の情報を示す入力画面を表示部１０５に表示させる（ステップＳ１１２）。以下、この入力画面を、「選定指示入力画面」と記載する場合がある。具体的には、選定指示入力画面には、取得した学習用データセット１３５に含まれる各学習用データを示す情報が表示される。詳しくは、学習用データを示す情報は、学習対象速度情報♯Ａと処理量（エッチング量）とを示す。以下、取得した学習用データセット１３５を、「現在の学習用データセット１３５」と記載する場合がある。
【0226】
選定指示入力画面は、現在の学習用データセット１３５に含まれる学習用データのうちの一つを作業者に選定させる画面である。作業者は、入力部１０４を操作して、選定指示入力画面に表示されている学習用データのうちの一つを選定する指示を入力する。例えば、作業者は、処理量（エッチング量）を示す情報に基づいて学習用データのうちの一つを選定してもよい。以下、作業者によって選定される学習用データを、「基準学習用データ」と記載する場合がある。
【0227】
図２９に示すように、選定指示入力画面の表示後（ステップＳ１１２）、制御部１０２は、基準学習用データを選定する指示が入力されたか否かを判定する（ステップＳ１１３）。制御部１０２は、基準学習用データを選定する指示が入力されるまで待機する（ステップＳ１１３のＮｏ）。
【0228】
制御部１０２は、基準学習用データを選定する指示が入力されたと判定すると（ステップＳ１１３のＹｅｓ）、作業者からの指示に応じて、現在の学習用データセット１３５に含まれる学習用データのうちの一つを基準学習用データとして選定する（ステップＳ１１４）。
【0229】
基準学習用データの選定後、制御部１０２は、現在の学習用データセット１３５に含まれる学習用データのうちから、基準学習用データとの相関性が予め定められた条件を満たす学習用データを選定する（ステップＳ１１５）。
【0230】
本実施形態において、制御部１０２は、基準学習用データの処理量（エッチング量）と、現在の学習用データセット１３５に含まれる各学習用データの処理量（エッチング量）との二乗平均平方根誤差（Ｒｏｏｔ Ｍｅａｎ Ｓｑｕａｒｅ Ｅｒｒｏｒ；ＲＭＳＥ）に基づいて、学習用データを選定する。詳しくは、制御部１０２は、以下の式により二乗平均平方根誤差の値を求めて、二乗平均平方根誤差の値が閾値以上となる学習用データを選定する。
【数1】
【0231】
上記式において、「ｎ」は厚み測定部８（厚み測定器８５）の測定箇所の数を示し、「ｙｉ」は基準学習用データの処理量の分布（各測定箇所の処理量）を示し、「ｙｉ（ハット）」は学習用データの処理量の分布（各測定箇所の処理量）を示し、ｉは現在の学習用データセット１３５に含まれる学習用データの数を示す。
【0232】
なお、本実施形態では、基準学習用データの処理量（エッチング量）と、現在の学習用データセット１３５に含まれる各学習用データの処理量（エッチング量）との誤差（距離）を二乗平均平方根誤差（ＲＭＳＥ）によって求めているが、他の指標に基づいて求めてもよい。例えば、平均絶対誤差（Ｍｅａｎ Ａｂｓｏｌｕｔｅ Ｅｒｒｏｒ；ＭＡＥ）、又は平均二乗誤差（Ｍｅａｎ Ｓｑｕａｒｅ Ｅｒｒｏｒ；ＭＳＥ）を用いて求めてもよい。
【0233】
図２９に示すように、学習用データの選定後（ステップＳ１１５）、制御部１０２は、選定した学習用データを学習することにより（ステップＳ１１６）、学習済みパラメータを生成する（ステップＳ１１７）。より具体的には、学習用プログラム１３４から学習済みパラメータが出力される。制御部１０２は、取得した学習済みパラメータに基づいて学習済みモデル１３６を生成し（ステップＳ１１８）、図２９に示す処理が終了する。
【0234】
本実施形態では、図２９に示す処理がクラスごとに実行される。その結果、クラスごとに学習済みモデル１３６が生成される。
【0235】
続いて図１６及び図３０を参照して、本実施形態の基板処理装置１００が実行する基板処理方法を説明する。図３０は、本実施形態における基板処理方法の一部を示すフローチャートである。詳しくは、図３０は、処理対象の基板Ｗをエッチングする際に制御部１０２が実行する処理の一部を示す。本実施形態の基板処理方法は、図１７及び図１８を参照して説明したステップＳ２１～ステップＳ３２の各処理に加えて、ステップＳ１２０の処理を更に含む。
【0236】
本実施形態では、制御部１０２は、処理対象の基板Ｗの搬入後（ステップＳ２２）、処理枚数カウンタ値をインクリメントさせる（ステップＳ１２０）。処理対象の基板Ｗの処理時における処理枚数カウンタ値は、処理対象の基板Ｗの処理枚数を示す。制御部１０２は、インクリメント後の処理枚数カウンタ値を記憶部１０３に記憶させる。
【0237】
具体的には、制御部１０２は、処理対象の基板Ｗの処理（エッチング）に使用する処理液（エッチング液）の使用開始時から、処理対象の基板Ｗの処理枚数をカウントする。より詳しくは、制御部１０２は、処理液容器４５（図２５）内のエッチング液を用いた処理対象の基板Ｗの処理（エッチング）の開始時からカウントを開始する。制御部１０２は、処理液容器４５（図２５）が新しい処理液容器４５に交換されると、処理枚数カウンタ値をリセットする。ここでは、処理枚数カウンタ値は、リセットすることにより「０」となる。
【0238】
【0239】
図３１に示すように、目標処理量（目標エッチング量）を取得した後（図３０のステップＳ２４）、制御部１０２は、予め定められた選択規則に基づいてクラスのうちの一つを選択する（ステップＳ２５１）。選択規則は、記憶部１０３に記憶されている。
【0240】
本実施形態において、選択規則は、処理対象の基板Ｗの処理枚数に応じて複数のクラスのうちの一つを選択することを規定している。制御部１０２は、図２６～図２８を参照して説明した処理枚数カウンタ値の複数の範囲（複数の区分）のうちから、記憶部１０３に記憶させた処理枚数カウンタ値（図３０のステップＳ１２０）に対応する範囲（区分）を特定することにより、複数のクラスのうちの一つを選択する。
【0241】
制御部１０２は、選択したクラスに対応する学習済みモデル１３６に目標処理量（目標エッチング量）を入力することにより（ステップＳ２５２）、学習済みモデル１３６から処理時速度情報を出力させる。この結果、制御部１０２は処理時速度情報を取得する（ステップＳ２５３）。
【0242】
以上、図１、図８、図１４、図１６、及び図２４～図３１を参照して本発明の実施形態４を説明した。本実施形態によれば、実施形態１～３と同様に、スキャン速度情報の開発に関与する作業者の負担を軽減することができる。また、本実施形態によれば、エッチング液の使用開始からの基板Ｗの処理枚数に応じた処理時速度情報を取得することができる。したがって、より適切なスキャン速度で第１ノズル４１を移動させることができる。よって、基板Ｗをより適切に処理（エッチング）することができる。
【0243】
更に、本実施形態では、図２９を参照して説明したように、基準学習用データとの相関性が予め定められた条件を満たす学習用データを用いて学習済みモデル１３６を生成する。この結果、より適切な処理時速度情報を取得することができる。したがって、基板Ｗをより適切に処理（エッチング）することができる。
【0244】
なお、本実施形態では、基準学習用データとの相関性が予め定められた条件を満たす学習用データを用いて学習済みモデル１３６を生成したが、図１５に示す処理をクラスごとに実行して、クラスごとに学習済みモデル１３６を生成してもよい。
【0245】
また、本実施形態では機械学習を説明したが、追加学習も同様に実行することができる。
【0246】
［実施形態５］
続いて図１、図８、図１６、図２４、図２５、図２７、及び図３１～図３５を参照して本発明の実施形態５について説明する。但し、実施形態１～４と異なる事項を説明し、実施形態１～４と同じ事項についての説明は割愛する。実施形態５は、実施形態１～４と異なり、学習済みモデル１３６がロット数に応じて分類される。なお、１ロットに含まれる基板Ｗの数は、例えば２５枚である。
続いて図１、図８、図１６、図２４、図２５、図２７、及び図３１～図３５を参照して本発明の実施形態５について説明する。但し、実施形態１～４と異なる事項を説明し、実施形態１～４と同じ事項についての説明は割愛する。実施形態５は、実施形態１～４と異なり、学習済みモデル１３６がロット数に応じて分類される。なお、１ロットに含まれる基板Ｗの数は、例えば２５枚である。
【0247】
まず図８及び図３２を参照して、本実施形態の基板処理装置１００が実行する学習用データの生成方法を説明する。図３２は、本実施形態における学習用データの生成方法を示すフローチャートである。詳しくは、図３２は、学習用データの生成時に制御部１０２が実行する処理を示す。本実施形態の学習用データの生成方法は、図９を参照して説明したステップＳ１～ステップＳ９に加えて、ステップＳ１３０及びステップＳ１４０の各処理を更に含む。
【0248】
本実施形態において、制御部１０２は、学習対象の基板Ｗの搬入後（ステップＳ２）、カウント処理を実行する（ステップＳ１３０）。カウント処理を実行することにより、制御部１０２は、学習対象の基板Ｗの処理に使用する処理液（エッチング液）の使用開始時からのロット数である学習時ロット数を取得する。より詳しくは、制御部１０２は、処理液容器４５（図２５）内のエッチング液を用いた学習対象の基板Ｗの処理（エッチング）の開始時からの学習時ロット数を取得する。制御部１０２は、カウント処理により取得した学習時ロット数を記憶部１０３に記憶させる。
【0249】
また、制御部１０２は、処理量（エッチング量）を取得すると（ステップＳ７）、取得した処理量を、記憶部１０３に記憶させた学習時ロット数に関連付けて、記憶部１０３に記憶させる（ステップＳ１４０）。
【0250】
なお、ステップＳ１３０及びステップＳ１４０の各処理が実行されるタイミングは、図３２に示すタイミングに限定されない。ステップＳ１３０及びステップＳ１４０の各処理が実行されるタイミングは、次の基板Ｗの搬入前である限り、特に限定されない。
【0251】
【0252】
制御部１０２は、カウント処理を開始すると、まず処理枚数カウンタ値をインクリメントさせる（ステップＳ１３１）。なお、以下の説明において、処理枚数カウンタ値を、「第１カウンタ値」と記載する場合がある。
【0253】
制御部１０２は、インクリメント後の第１カウンタ値が一定値以下であるか否かを判定する（ステップＳ１３２）。一定値は、１ロットに含まれる基板Ｗの数を示す。
【0254】
制御部１０２は、インクリメント後の第１カウンタ値が一定値を超えている場合、インクリメント後の第１カウンタ値が一定値以下でないと判定し（ステップＳ１３２のＮｏ）、ロット数カウンタ値をインクリメントさせる（ステップＳ１３３）。以下、ロット数カウンタ値を、「第２カウンタ値」と記載する場合がある。学習用データの生成時における第２カウンタ値は、学習時ロット数を示す。
【0255】
第２カウンタ値のインクリメント後、制御部１０２は、第１カウンタ値を「１」に変更して（ステップＳ１３４）、図３３に示すカウント処理を終了する。あるいは、制御部１０２は、インクリメント後の第１カウンタ値が一定値以下であると判定した場合（ステップＳ１３２のＹｅｓ）、図３３に示すカウント処理を終了する。
【0256】
なお、制御部１０２は、処理液容器４５（図２５）が新しい処理液容器４５に交換されると、第２カウンタ値を「１」に変更する。
【0257】
続いて図８及び図２７を参照して、学習用データを生成する処理（ステップＳ８）について説明する。本実施形態において、分類規則は、学習時ロット数（第２カウンタ値）に応じて学習用データを各クラスに分類することを規定している。制御部１０２は、学習用データに関連付けた第２カウンタ値を参照して、クラスごとに学習用データを分類する（ステップＳ１１０）。
【0258】
【0259】
図３４に示すように、学習用データセット用テーブルＴＢ４０は、クラス情報フィールドＴＢ４１と、学習用データセット情報フィールドＴＢ４２とを有する。クラス情報フィールドＴＢ４１の各フィールドには、学習時ロット数が予め規定されている。本実施形態において、制御部１０２は、図１３を参照して説明した学習用データセット用テーブルＴＢ１０をクラスごとに作成する。制御部１０２は、学習用データセット情報フィールドＴＢ４２の各フィールドに、クラス情報フィールドＴＢ４１の各フィールド（学習時ロット数）に対応する学習用データセット用テーブルＴＢ１０を関連付ける。
【0260】
続いて図１６及び図３５を参照して、本実施形態の基板処理装置１００が実行する基板処理方法を説明する。図３５は、本実施形態における基板処理方法の一部を示すフローチャートである。詳しくは、図３５は、処理対象の基板Ｗをエッチングする際に制御部１０２が実行する処理の一部を示す。本実施形態の基板処理方法は、図１７及び図１８を参照して説明したステップＳ２１～ステップＳ３２の各処理に加えて、ステップＳ１５０の処理を更に含む。
【0261】
本実施形態において、制御部１０２は、処理対象の基板Ｗの搬入後（ステップＳ２２）、カウント処理を実行する（ステップＳ１５０）。カウント処理を実行することにより、制御部１０２は、処理対象の基板Ｗの処理に使用する処理液（エッチング液）の使用開始時からのロット数である処理時ロット数を取得する。より詳しくは、制御部１０２は、処理液容器４５（図２５）内のエッチング液を用いた処理対象の基板Ｗの処理（エッチング）の開始時からの処理時ロット数を取得する。より詳しくは、制御部１０２は、図３３を参照して説明した処理と同様の処理を実行することにより、処理時ロット数（第２カウンタ値）を取得することができる。制御部１０２は、カウント処理により取得した処理時ロット数（第２カウンタ値）を記憶部１０３に記憶させる。
【0262】
続いて図１６及び図３１を参照して、処理時速度情報を取得する処理（ステップＳ２５）を説明する。本実施形態において、選択規則は、処理時ロット数に応じて複数のクラスのうちの一つを選択することを規定している。制御部１０２は、図３２～図３４を参照して説明した学習時ロット数のうちから、記憶部１０３に記憶させた処理時ロット数（図３５のステップＳ１５０）を特定することにより、複数のクラスのうちの一つを選択する。
【0263】
制御部１０２は、選択したクラスに対応する学習済みモデル１３６に目標処理量（目標エッチング量）を入力することにより（ステップＳ２５２）、学習済みモデル１３６から処理時速度情報を出力させる。この結果、制御部１０２は処理時速度情報を取得する（ステップＳ２５３）。
【0264】
【0265】
以上、図１、図８、図１６、図２４、図２５、図２７、及び図３１～図３５を参照して本発明の実施形態５を説明した。本実施形態によれば、実施形態１～４と同様に、スキャン速度情報の開発に関与する作業者の負担を軽減することができる。また、本実施形態によれば、エッチング液の使用開始からの基板Ｗの処理枚数に応じた処理時速度情報を取得することができる。したがって、基板Ｗをより適切に処理（エッチング）することができる。
【0266】
なお、本実施形態では機械学習を説明したが、追加学習も同様に実行することができる。
【0267】
以上、本発明の実施形態について図面を参照しながら説明した。但し、本発明は、上記の実施形態に限られるものではなく、その要旨を逸脱しない範囲で種々の態様において実施することが可能である。また、上記の実施形態に開示される複数の構成要素は適宜改変可能である。例えば、ある実施形態に示される全構成要素のうちのある構成要素を別の実施形態の構成要素に追加してもよく、又は、ある実施形態に示される全構成要素のうちのいくつかの構成要素を実施形態から削除してもよい。
【0268】
図面は、発明の理解を容易にするために、それぞれの構成要素を主体に模式的に示しており、図示された各構成要素の厚さ、長さ、個数、間隔等は、図面作成の都合上から実際とは異なる場合もある。また、上記の実施形態で示す各構成要素の構成は一例であって、特に限定されるものではなく、本発明の効果から実質的に逸脱しない範囲で種々の変更が可能であることは言うまでもない。
【0269】
例えば、図１～図３５を参照して説明した実施形態では、厚み測定部８は、対象物ＴＧの厚みを測定したが、厚み測定部８は、基板Ｗの厚みを測定してもよい。より具体的には、厚み測定部８は、学習対象の基板Ｗの厚み及び処理対象の基板Ｗの厚みを測定してもよい。ここで、基板Ｗの厚みは、基板本体の表面に物質が形成されている場合、基板本体と物質とを合わせた厚みを示す。なお、厚み測定部８が基板Ｗの厚みを測定する場合、エッチング量は、エッチング処理前の基板Ｗの厚みと、エッチング処理後の基板Ｗの厚みとの差分を示す。また、目標厚み（目標厚みの分布）は、処理対象の基板Ｗの目標厚み（目標厚みの分布）を示す。
【0270】
また、図１～図３５を参照して説明した実施形態では、基板Ｗは半導体ウエハであったが、基板Ｗは、半導体ウエハに限定されない。例えば、基板Ｗは、液晶表示装置用基板、電界放出ディスプレイ（Ｆｉｅｌｄ Ｅｍｉｓｓｉｏｎ Ｄｉｓｐｌａｙ：ＦＥＤ）用基板、光ディスク用基板、磁気ディスク用基板、光磁気ディスク用基板、フォトマスク用基板、セラミック基板、又は、太陽電池用基板であり得る。
【0271】
また、図１～図３５を参照して説明した実施形態では、処理液はエッチング液であったが、処理液は、エッチング液に限定されない。処理液は、基板Ｗを処理する液体であればよい。例えば、処理液は、対象物ＴＧを除去する除去液であってもよい。除去液を用いることにより、特定の膜を除去する処理や、異物が混入している特定の膜を除去する処理を実行することができる。除去液は、基板Ｗに対してレジスト除去処理を実行する場合、例えば、硫酸過酸化水素水混合液（ｓｕｌｆｕｒｉｃ ａｃｉｄ／ｈｙｄｒｏｇｅｎ ｐｅｒｏｘｉｄｅ ｍｉｘｔｕｒｅ：ＳＰＭ）である。レジスト除去処理とは、半導体基板の表面から、レジストを除去する処理のことである。
【0272】
また、図１～図３５を参照して説明した実施形態では、基板処理装置１００が実行する処理はエッチング処理であったが、基板処理装置１００が実行する処理はエッチング処理に限定されない。例えば、処理は、成膜処理であってもよい。基板処理装置１００が成膜処理を実行する場合、処理液は、例えば、ＳＰＭ、又はオゾン水である。この場合、基板Ｗに酸化膜が形成される。また、処理量は、成膜量を示す。
【0273】
また、図１～図３５を参照して説明した実施形態では、基板Ｗを保持する構成として、基板Ｗを挟持する挟持式のチャックについて説明したが、基板Ｗを保持する構成として、バキューム式のチャックが採用されてもよい。
【0274】
また、図１～図３５を参照して説明した実施形態では、表示部１０５がエラー画面を表示することにより、作業者にエラーが報知されたが、エラーは音声によって作業者に通知されてもよい。この場合、基板処理装置１００は、スピーカーを備え得る。
【0275】
また、図１～図３５を参照して説明した実施形態では、スキャン速度情報は、第１ノズル４１の移動区間に含まれる各位置ごとにスキャン速度の設定値を示したが、スキャン速度情報は、スキャン速度の設定値を１つだけ示してもよい。この場合、第１ノズル４１は、第１ノズル４１の移動区間の開始位置から終了位置まで一定速度で移動する。
【0276】
また、図１～図３５を参照して説明した実施形態では、制御部１０２は、学習用データとフラグ（第１フラグ又は第２フラグ）とを関連付けて記憶部１０３に記憶させたが、制御部１０２は、学習用データ（処理量）が機械学習又は追加学習に利用可能でないと判定した場合、その学習用データを記憶部１０３から削除してもよい。例えば、制御部１０２は、学習用データセット１３５の生成時あるいは機械学習の実行時に、第２フラグを付与した学習用データに対応する速度情報フィールドＴＢ１１及び処理量フィールドＴＢ１２を学習用データセット用テーブルＴＢ１０から削除してもよい。同様に、制御部１０２は、追加学習用データセットの生成時あるいは追加学習の実行時に、第２フラグを付与した追加学習用データに対応する速度情報フィールドＴＢ２１及び処理量フィールドＴＢ２２を追加学習用データセット用テーブルＴＢ２０から削除してもよい。
【0277】
また、図１～図３５を参照して説明した実施形態では、制御部１０２は、学習用データを生成した後に、その学習用データが機械学習又は追加学習に利用可能であるか否かを判定したが、制御部１０２は、学習用データを生成する前に、処理量が機械学習又は追加学習に利用可能であるか否かを判定してもよい。この場合、制御部１０２は、処理量が機械学習又は追加学習に利用可能でないと判定すると、その処理量を用いた学習用データの生成を実行することなく、次の処理（次のステップ）に移行する。
【0278】
また、図１～図３５を参照して説明した実施形態では、制御部１０２は、学習用データ（処理量）が利用可能であるか否かを判定したが、学習用データ（処理量）が利用可能であるか否かを判定する処理は省略されてもよい。
【0279】
また、図１～図３５を参照して説明した実施形態では、学習用データセット１３５及び追加学習用データセットがテーブル形式で記憶部１０３及び記憶部２０２に記憶されたが、学習用データセット１３５及び追加学習用データセットを記憶部１０３及び記憶部２０２に記憶させる形式は、テーブル形式でなくてもよい。
【0280】
また、図１～図３５を参照して説明した実施形態では、学習対象速度情報及び処理時速度情報は、第１ノズル４１の移動速度を規定したが、学習対象速度情報及び処理時速度情報は、第１ノズル４１と基板Ｗとの相対的な移動速度を規定してもよい。なお、基板Ｗが回転する場合、学習対象速度情報及び処理時速度情報は、回転する基板Ｗの表面と第１ノズル４１との相対的な移動速度を規定する。例えば、相対的な移動速度は、第１ノズル４１の速度成分（ベクトル）と、回転する基板Ｗにおいて第１ノズル４１と対向する部分の速度成分（ベクトル）との和を示す。ここで、基板Ｗの速度成分は、周方向の速度を示す。
【0281】
【0282】
また、図１～図３５を参照して説明した実施形態では、第１ノズル４１はスキャンノズルであったが、第１ノズル４１は固定ノズルであってもよい。この場合、処理ユニット１は、ノズル移動機構６に替えて、基板Ｗを移動させる基板移動機構を備える。学習対象速度情報及び処理時速度情報は、第１ノズル４１の移動速度に替えて、基板Ｗの移動速度を規定する。学習済みモデル１３６は、基板Ｗの移動速度を示す基板速度情報を出力する。制御部１０２は、基板速度情報に基づいて、基板移動機構を制御する。基板速度情報は、スキャン速度情報と同様に、基板Ｗが移動する移動区間を複数の区間に分割する各位置（各基板位置）ごとに設定された基板Ｗの移動速度を示してもよい。なお、基板Ｗは旋回してもよいし、直線移動してもよい。
【0283】
また、図１～図３５を参照して説明した実施形態では、基板Ｗの処理中に第１ノズル４１のみが移動したが、第１ノズル４１と基板Ｗとが移動してもよい。この場合、処理ユニット１は、ノズル移動機構６に加えて、基板Ｗを移動させる基板移動機構を更に備える。学習対象速度情報及び処理時速度情報は、第１ノズル４１の移動速度と共に、基板Ｗの移動速度を規定する。学習済みモデル１３６は、スキャン速度情報に加えて、基板Ｗの移動速度を規定する基板速度情報を出力する。制御部１０２は、スキャン速度情報に基づくノズル移動機構６の制御と、基板速度情報に基づく基板移動機構の制御とを実行する。
【0284】
また、図１～図３５を参照して説明した実施形態では、基板処理装置１００が厚み測定部８を備えたが、厚み測定部８は省略され得る。基板処理装置１００が厚み測定部８を備えない場合、厚みの測定は、基板処理装置１００の外部の厚み測定装置により実行される。
【0285】
また、図１～図３５を参照して説明した実施形態では、説明変数として目標処理量（目標エッチング量）が選択されたが、処理量に影響する他の因子を説明変数に加えてもよい。したがって、学習用データセット１３５は、処理量（エッチング量）とスキャン速度情報との関係に加えて、処理量と、処理量に影響する他の因子との関係を示してもよい。この場合、説明変数として、目標処理量と、処理量に影響する他の因子とが学習済みモデル１３６に入力されて、学習済みモデル１３６からスキャン速度情報が出力される。処理量に影響する他の因子は、例えば、基板Ｗの回転速度、処理液の温度、処理液の濃度、及び、処理液の吐出流量の少なくとも１つを含み得る。
【0286】
また、図１～図３５を参照して説明した実施形態では、目的変数としてスキャン速度情報（処理時速度情報）が選択されたが、処理量に影響する他の因子を目的変数に加えてもよい。したがって、学習済みモデル１３６は、目的変数として、スキャン速度情報に加えて、処理量に影響する他の因子を出力してもよい。例えば、学習済みモデル１３６は、スキャン速度情報に加えて、基板Ｗの回転速度、処理液の温度、処理液の濃度、及び、処理液の吐出流量の少なくとも１つを出力してもよい。
【0287】
また、図１～図３５を参照して説明した実施形態では、学習用プログラム１３４は、学習用データセット１３５（複数の学習用データ）を学習して学習済みパラメータを生成し、学習済みパラメータを推論プログラム１３３に組み込むことで学習済みモデル１３６を生成するアルゴリズムを実行するためのプログラムであったが、学習用プログラム１３４は、学習用データセット１３５（複数の学習用データ）を学習して、学習済みパラメータを含む学習済みモデルを生成するアルゴリズムを実行するためのプログラムであってもよい。つまり、学習済みパラメータを生成し、学習済みパラメータを推論プログラム１３３に組み込む処理は省略されてもよい。あるいは、学習用プログラム１３４は、学習用データセット１３５（複数の学習用データ）を学習して、学習済みパラメータを含まない学習済みモデルを生成するアルゴリズムを実行するためのプログラムであってもよい。
【産業上の利用可能性】
【0288】
本発明は、基板を処理する分野に有用である。
【符号の説明】
【0289】
１ 処理ユニット
２ チャンバー
３ スピンチャック
４ エッチング液供給部
５ スピンモータ部
６ ノズル移動機構
８ 厚み測定部
９ プローブ移動機構
４１ 第１ノズル
１００ 基板処理装置
１０１ 制御装置
１０２ 制御部
１０３ 記憶部
２００ 学習装置
２０１ 処理部
２０２ 記憶部
ＴＧ 対象物
Ｗ 基板
２ チャンバー
３ スピンチャック
４ エッチング液供給部
５ スピンモータ部
６ ノズル移動機構
８ 厚み測定部
９ プローブ移動機構
４１ 第１ノズル
１００ 基板処理装置
１０１ 制御装置
１０２ 制御部
１０３ 記憶部
２００ 学習装置
２０１ 処理部
２０２ 記憶部
ＴＧ 対象物
Ｗ 基板
【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】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】
【図29】
【図30】
【図31】
【図32】
【図33】
【図34】
【図35】