知財求人 - 知財ポータルサイト「IP Force」
特許7615119基板処理システムの自律的な制御及び検査のためのハードウェア・ソフトウェア統合型コンピュータビジョンシステム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2025-01-07
(45)【発行日】2025-01-16
(54)【発明の名称】基板処理システムの自律的な制御及び検査のためのハードウェア・ソフトウェア統合型コンピュータビジョンシステム
(51)【国際特許分類】
H01L 21/02 20060101AFI20250108BHJP
【ＦＩ】
H01L21/02 Z
【請求項の数】
34
(21)【出願番号】P 2022506066
(86)(22)【出願日】2020-07-22
(65)【公表番号】
(43)【公表日】2022-10-07
(86)【国際出願番号】 US2020042954
(87)【国際公開番号】W WO2021021501
(87)【国際公開日】2021-02-04
【審査請求日】2023-07-14
(31)【優先権主張番号】62/879,741
(32)【優先日】2019-07-29
(33)【優先権主張国・地域又は機関】US
(73)【特許権者】
【識別番号】592010081
【氏名又は名称】ラム リサーチ コーポレーション
【氏名又は名称原語表記】ＬＡＭ ＲＥＳＥＡＲＣＨ ＣＯＲＰＯＲＡＴＩＯＮ
(74)【代理人】
【識別番号】110000028
【氏名又は名称】弁理士法人明成国際特許事務所
(72)【発明者】
【氏名】サデギ・フセイン
(72)【発明者】
【氏名】ボールドウィン・スコット
(72)【発明者】
【氏名】ベイリー・ザサード・アンドリュー・ディー．
【審査官】平野 崇
(56)【参考文献】
【文献】特開２０１２－２１６６１４（ＪＰ，Ａ）
【文献】特開２０１６－１５４２２４（ＪＰ，Ａ）
【文献】特開２０１８－０２６５５８（ＪＰ，Ａ）
【文献】米国特許出願公開第２０１９／０１２０７７５（ＵＳ，Ａ１）
【文献】米国特許出願公開第２０１７／０２６３４７８（ＵＳ，Ａ１）
【文献】特表２００５－５２５７０９（ＪＰ，Ａ）
【文献】特開２０１７－０９８５４０（ＪＰ，Ａ）
【文献】特開２００６－２２８９６６（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｈ０１Ｌ ２１／０２
Ｈ０１Ｌ ２１／３０２
Ｈ０１Ｌ ２１／３０６５
Ｈ０１Ｌ ２１／２０５
Ｈ０１Ｌ ２１／３１
Ｈ０１Ｌ ２１／６７７
Ｃ２３Ｃ １６／００
(57)【特許請求の範囲】
【請求項1】
基板処理システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び前記基板処理システムの構成要素のうちの少なくとも１つの画像を処理し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記画像からの第１のデータを、ネットワークを介してリモートサーバに送信し、
前記第１のデータの前記リモートサーバへの送信に対応して、前記ネットワークを介して前記リモートサーバから第２のデータを受信し、
前記第２のデータに基づいて、前記基板処理システムを操作する、
ための前記命令を格納し、
前記画像が前記構成要素のものであり、前記構成要素が前記基板処理システムのロードロックに配置されたパッドを含み、前記パッドが前記基板を支持するために用いられること、又は、前記パッドが前記基板に関連付けられたエッジ結合リングを支持するために用いられること、又は、前記パッドが前記基板を移送するロボットのエンドエフェクタに搭載されることに対応して、前記第２のデータが、
前記パッドの状態を示す指標と、
前記パッドに対して提供されるサービスと前記パッドの交換の１つ又は複数に関する推奨事項と、
の１つ又は複数を含み、
前記命令が、前記パッドに対して提供されるサービス及び前記パッドの交換のうちの１つ又は複数に関する推奨事項を含む前記第２のデータに対応して、前記プロセッサに、さらに、前記パッドに対して提供されるサービス及び前記パッドの交換の１つ又は複数のスケジュールの生成を実行させる、基板処理システム。
【請求項2】
基板処理システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び前記基板処理システムの構成要素のうちの少なくとも１つの画像を処理し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記画像からの第１のデータを、ネットワークを介してリモートサーバに送信し、
前記第１のデータの前記リモートサーバへの送信に対応して、前記ネットワークを介して前記リモートサーバから第２のデータを受信し、
前記第２のデータに基づいて、前記基板処理システムを操作する、
ための前記命令を格納し、
前記画像が前記基板のものであり、及び前記基板が前記基板処理システムの前記処理チャンバのうちの１つのクリーニング中に使用されることに対応して、前記第２のデータは、
前記基板が、前記基板処理システムの前記処理チャンバのうちの前記１つのクリーニング中に使用されるタイプのものであることを示す指標と、
前記基板の状態を示す指標と、
前記基板の交換に関する推奨事項と、
前記処理チャンバの前記１つでのレシピの選択に関する推奨事項、
のうちの１つ又は複数を含み、
前記命令によって、前記レシピの選択に関する前記推奨事項を含む前記第２のデータに対応して、前記プロセッサに、さらに、前記処理チャンバの前記１つでの前記レシピを選択させる、基板処理システム。
【請求項3】
基板処理システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び前記基板処理システムの構成要素のうちの少なくとも１つの画像を処理し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記画像からの第１のデータを、ネットワークを介してリモートサーバに送信し、
前記第１のデータの前記リモートサーバへの送信に対応して、前記ネットワークを介して前記リモートサーバから第２のデータを受信し、
前記第２のデータに基づいて、前記基板処理システムを操作する、
ための前記命令を格納し、
前記画像が前記基板のものであることに対応して、前記第２のデータは、
前記基板のタイプを示す指標と、
前記基板を処理するためのレシピを選択するための指標、
のうちの１つ又は複数を含み、
前記命令によって、前記レシピの選択に関する前記指標を含む前記第２のデータに対応して、前記プロセッサに、さらに、前記基板を処理するための前記レシピを選択させる、基板処理システム。
【請求項4】
基板処理システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び前記基板処理システムの構成要素のうちの少なくとも１つの画像を処理し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記画像からの第１のデータを、ネットワークを介してリモートサーバに送信し、
前記第１のデータの前記リモートサーバへの送信に対応して、前記ネットワークを介して前記リモートサーバから第２のデータを受信し、
前記第２のデータに基づいて、前記基板処理システムを操作する、
ための前記命令を格納し、
前記画像が前記基板のものであることに対応して、前記第２のデータは、
前記基板のタイプを示す指標と、
前記処理チャンバの１つで前記基板に対して行われた処理を示す指標と、
前記基板を処理した前記１つの前記処理チャンバの状態を示す指標と、
前記基板を処理した前記１つの前記処理チャンバをクリーニングするためのレシピの選択のための指標と、
のうちの１つ又は複数を含み、
前記命令によって、前記プロセッサに、さらに、
前記基板を処理した前記１つの前記処理チャンバの状態を示す前記指標を含む前記第２のデータに対応して、前記基板を処理した前記１つの前記処理チャンバに対するサービスをスケジューリングさせ、及び
前記レシピの選択に関する前記指標を含む前記第２のデータに対応して、前記基板を処理した前記１つの前記処理チャンバをクリーニングするための前記レシピを選択させる、基板処理システム。
【請求項5】
基板処理システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び前記基板処理システムの構成要素のうちの少なくとも１つの画像を処理し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記画像からの第１のデータを、ネットワークを介してリモートサーバに送信し、
前記第１のデータの前記リモートサーバへの送信に対応して、前記ネットワークを介して前記リモートサーバから第２のデータを受信し、
前記第２のデータに基づいて、前記基板処理システムを操作する、
ための前記命令を格納し、
前記画像が、前記基板処理システムのロードロックに配置された前記カメラによって撮像された前記基板の前記画像であることに対応して、前記第２のデータは、
前記基板を処理した前記処理チャンバの１つから前記基板を移送するロボットによって前記ロードロックに前記基板を配置する際のドリフトを示す指標と、
前記ロボット又は前記基板を処理した前記１つの前記処理チャンバのサービスに関する推奨事項、
のうちの１つ又は複数を含み、
前記命令によって、前記プロセッサに、さらに、
前記ロボットのサービスに関する前記推奨事項を含む前記第２のデータに対応して、前記ロボットのサービスに関するスケジュールを生成させ、
前記基板を処理した前記１つの前記処理チャンバのサービスに関する前記推奨事項を含む前記第２のデータに対応して、前記ロボットへの前記基板の放出に関する前記基板を処理した前記１つの前記処理チャンバの調整を行わせる、基板処理システム。
【請求項6】
基板処理システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び前記基板処理システムの構成要素のうちの少なくとも１つの画像を処理し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記画像からの第１のデータを、ネットワークを介してリモートサーバに送信し、
前記第１のデータの前記リモートサーバへの送信に対応して、前記ネットワークを介して前記リモートサーバから第２のデータを受信し、
前記第２のデータに基づいて、前記基板処理システムを操作する、
ための前記命令を格納し、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、
前記エッジ結合リングのシリアル番号と、
前記エッジ結合リングを、前記処理チャンバの前記１つに対して正しいシリアル番号を有する第２のエッジ結合リングに交換することに関する推奨事項、
のうちの１つ又は複数を含み、
前記命令によって、前記プロセッサに、さらに、前記推奨事項を含む前記第２のデータに対応して、前記エッジ結合リングを、前記処理チャンバの前記１つに対して前記正しいシリアル番号を有する前記第２のエッジ結合リングに交換するためのスケジュールを生成させる、基板処理システム。
【請求項7】
基板処理システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び前記基板処理システムの構成要素のうちの少なくとも１つの画像を処理し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記画像からの第１のデータを、ネットワークを介してリモートサーバに送信し、
前記第１のデータの前記リモートサーバへの送信に対応して、前記ネットワークを介して前記リモートサーバから第２のデータを受信し、
前記第２のデータに基づいて、前記基板処理システムを操作する、
ための前記命令を格納し、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、
前記エッジ結合リングが正しくないことを示す指標と、
前記基板の処理に関連する問題が、前記エッジ結合リングが正しくないことに起因することを示す指標と、
前記エッジ結合リングを、前記処理チャンバの前記１つに適した正しいエッジ結合リングに交換するという推奨事項、
のうちの１つ又は複数を含み、
前記命令によって、前記プロセッサに、さらに、前記推奨事項を含む前記第２のデータに対応して、前記エッジ結合リングを、前記処理チャンバの前記１つに適した前記正しいエッジ結合リングに交換するためのスケジュールを生成させる、基板処理システム。
【請求項8】
基板処理システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び前記基板処理システムの構成要素のうちの少なくとも１つの画像を処理し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記画像からの第１のデータを、ネットワークを介してリモートサーバに送信し、
前記第１のデータの前記リモートサーバへの送信に対応して、前記ネットワークを介して前記リモートサーバから第２のデータを受信し、
前記第２のデータに基づいて、前記基板処理システムを操作する、
ための前記命令を格納し、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、
前記処理チャンバの前記１つにおけるエッチングレートの指標と、
前記処理チャンバの前記１つで使用されるレシピの調整の指標、
のうちの１つ又は複数を含み、
前記命令によって、前記調整に関する前記指標を含む第２のデータに対応して、前記プロセッサに、さらに、前記処理チャンバの前記１つで使用される前記レシピを調整させる、基板処理システム。
【請求項9】
基板処理システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び前記基板処理システムの構成要素のうちの少なくとも１つの画像を処理し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記画像からの第１のデータを、ネットワークを介してリモートサーバに送信し、
前記第１のデータの前記リモートサーバへの送信に対応して、前記ネットワークを介して前記リモートサーバから第２のデータを受信し、
前記第２のデータに基づいて、前記基板処理システムを操作する、
ための前記命令を格納し、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、
前記エッジ結合リングが前記処理チャンバの前記１つに適した正しいエッジ結合リングであり、前記処理チャンバが同じレシピを使用し、また前記エッジ結合リングが前記基板処理システムの他の処理チャンバのエッジ結合リングとは異なる変化を示すことに対応して、前記エッジ結合リングと前記処理チャンバの前記１つで使用されるレシピの少なくとも１つを調整するための指標を含み、
前記命令によって、前記プロセッサに、さらに、前記エッジ結合リングと前記処理チャンバの前記１つで使用される前記レシピの少なくとも１つを調整させる、基板処理システム。
【請求項10】
請求項１に記載の基板処理システムであって、前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、
前記エッジ結合リングが正しくないことを示す指標と、
前記基板の処理に関連する問題が、前記エッジ結合リングが正しくないことに起因することを示す指標と、
前記エッジ結合リングを、前記処理チャンバの前記１つに適した正しいエッジ結合リングに交換するという推奨事項、
のうちの１つ又は複数を含み、
前記命令によって、前記プロセッサに、さらに、前記推奨事項を含む前記第２のデータに対応して、前記エッジ結合リングを、前記処理チャンバの前記１つに適した前記正しいエッジ結合リングに交換するためのスケジュールを生成させる、基板処理システム。
【請求項11】
システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び基板処理システムの構成要素のうちの少なくとも１つの画像のデータをネットワークを介して受信し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記データの一部を、前記基板処理システムの操作に役立つ出力を提供するように学習したモデルに入力し、
前記モデルからの前記出力を前記ネットワーク経由で前記基板処理システムに送信する
ための前記命令を格納し、
前記画像が前記構成要素のものであり、前記構成要素が前記基板処理システムのロードロックに配置されたパッドを含み、前記パッドが前記基板を支持するために用いられること、又は、前記パッドが前記基板に関連付けられたエッジ結合リングを支持するために用いられること、又は、前記パッドが前記基板を移送するロボットのエンドエフェクタに搭載されることに対応して、前記モデルの前記出力は前記パッドの状態を示し、前記パッドに対して提供されるサービス及び前記パッドの交換のうちの１つ又は複数に関する推奨事項を含む、システム。
【請求項12】
システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び基板処理システムの構成要素のうちの少なくとも１つの画像のデータをネットワークを介して受信し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記データの一部を、前記基板処理システムの操作に役立つ出力を提供するように学習したモデルに入力し、
前記モデルからの前記出力を前記ネットワーク経由で前記基板処理システムに送信する
ための前記命令を格納し、
前記画像が前記基板のものであり、及び前記基板が前記基板処理システムの前記処理チャンバのうちの１つのクリーニング中に使用されることに対応して、前記モデルの前記出力は、
前記基板が、前記基板処理システムの前記処理チャンバのうちの前記１つのクリーニング中に使用されるタイプのものであることを示す指標と、
前記基板の状態を示す指標と、
前記基板の交換に関する推奨事項と、
前記処理チャンバの前記１つでのレシピの選択に関する推奨事項
のうちの１つ又は複数を含む、システム。
【請求項13】
システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び基板処理システムの構成要素のうちの少なくとも１つの画像のデータをネットワークを介して受信し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記データの一部を、前記基板処理システムの操作に役立つ出力を提供するように学習したモデルに入力し、
前記モデルからの前記出力を前記ネットワーク経由で前記基板処理システムに送信する
ための前記命令を格納し、
前記画像が前記基板のものであることに対応して、前記モデルの前記出力は、
前記基板のタイプを示す指標と、
前記基板を処理するためのレシピを選択するための指標、
のうちの１つ又は複数を含む、システム。
【請求項14】
システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び基板処理システムの構成要素のうちの少なくとも１つの画像のデータをネットワークを介して受信し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記データの一部を、前記基板処理システムの操作に役立つ出力を提供するように学習したモデルに入力し、
前記モデルからの前記出力を前記ネットワーク経由で前記基板処理システムに送信する
ための前記命令を格納し、
前記画像が前記基板のものであることに対応して、前記モデルの前記出力は、
前記基板のタイプを示す指標と、
前記処理チャンバの１つで前記基板に対して行われた処理を示す指標と、
前記基板を処理した前記１つの前記処理チャンバの状態を示す指標と、
前記基板を処理した前記１つの前記処理チャンバをクリーニングするためのレシピを選択するための指標、
のうちの１つ又は複数を含む、システム。
【請求項15】
システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び基板処理システムの構成要素のうちの少なくとも１つの画像のデータをネットワークを介して受信し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記データの一部を、前記基板処理システムの操作に役立つ出力を提供するように学習したモデルに入力し、
前記モデルからの前記出力を前記ネットワーク経由で前記基板処理システムに送信する
ための前記命令を格納し、
前記画像が、前記基板処理システムのロードロックに配置された前記カメラによって撮像された前記基板の前記画像であることに対応して、前記モデルの前記出力は、
前記基板を処理した前記処理チャンバの１つから前記基板を移送するロボットによって前記ロードロックに前記基板を配置する際のドリフトを示す指標と、
前記ロボット、又は前記基板を処理した前記１つの前記処理チャンバのサービスに関する推奨事項、
のうちの１つ又は複数を含む、システム。
【請求項16】
システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び基板処理システムの構成要素のうちの少なくとも１つの画像のデータをネットワークを介して受信し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記データの一部を、前記基板処理システムの操作に役立つ出力を提供するように学習したモデルに入力し、
前記モデルからの前記出力を前記ネットワーク経由で前記基板処理システムに送信する
ための前記命令を格納し、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、
前記エッジ結合リングのシリアル番号と、
前記エッジ結合リングを、前記処理チャンバの前記１つに対して正しいシリアル番号を有する第２のエッジ結合リングに交換することに関する推奨事項、
のうちの１つ又は複数を含む、システム。
【請求項17】
システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び基板処理システムの構成要素のうちの少なくとも１つの画像のデータをネットワークを介して受信し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記データの一部を、前記基板処理システムの操作に役立つ出力を提供するように学習したモデルに入力し、
前記モデルからの前記出力を前記ネットワーク経由で前記基板処理システムに送信する
ための前記命令を格納し、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、
前記エッジ結合リングが正しくないことを示す指標と、
前記基板の処理に関連する問題が、前記エッジ結合リングが正しくないことに起因することを示す指標と、
前記エッジ結合リングを、前記処理チャンバの前記１つに適した正しいエッジ結合リングに交換するという推奨事項、
のうちの１つ又は複数を含む、システム。
【請求項18】
システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び基板処理システムの構成要素のうちの少なくとも１つの画像のデータをネットワークを介して受信し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記データの一部を、前記基板処理システムの操作に役立つ出力を提供するように学習したモデルに入力し、
前記モデルからの前記出力を前記ネットワーク経由で前記基板処理システムに送信する
ための前記命令を格納し、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、
前記処理チャンバの前記１つにおけるエッチングレートの指標と、
前記処理チャンバの前記１つで使用されるレシピの調整の指標、
のうちの１つ又は複数を含む、システム。
【請求項19】
システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び基板処理システムの構成要素のうちの少なくとも１つの画像のデータをネットワークを介して受信し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記データの一部を、前記基板処理システムの操作に役立つ出力を提供するように学習したモデルに入力し、
前記モデルからの前記出力を前記ネットワーク経由で前記基板処理システムに送信する
ための前記命令を格納し、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受け取った前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、
前記エッジ結合リングが前記処理チャンバの前記１つに適した正しいエッジ結合リングであり、前記処理チャンバが同じレシピを使用し、前記エッジ結合リングが前記基板処理システムの他の処理チャンバのエッジ結合リングよりも変化が大きいことに対応して、前記エッジ結合リングと前記処理チャンバの前記１つで使用されるレシピの少なくとも１つを調整するための指標を含む、システム。
【請求項20】
請求項１９に記載のシステムであって、前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、
前記エッジ結合リングが正しくないことを示す指標と、
前記基板の処理に関連する問題が、前記エッジ結合リングが正しくないことに起因することを示す指標と、
前記エッジ結合リングを、前記処理チャンバの前記１つに適した正しいエッジ結合リングに交換するという推奨事項、
のうちの１つ又は複数を含む、システム。
【請求項21】
システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、
基板処理システムに配置された１つ又は複数のカメラからデータを受信し、前記基板処理システムは、複数のプロセスモジュールと、前記プロセスモジュール間及び前記基板処理システムと第２の基板処理システムの間の基板を移送するように構成されたロボットとを含み、
前記基板処理システムに配置された前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムを自動的に構成する
ための前記命令を格納し、
前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムに設置された１つ又は複数のサブシステムを自動的に識別し、前記識別されたサブシステムに基づいて、前記基板処理システムを自動的に構成させる、システム。
【請求項22】
システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、
基板処理システムに配置された１つ又は複数のカメラからデータを受信し、前記基板処理システムは、複数のプロセスモジュールと、前記プロセスモジュール間及び前記基板処理システムと第２の基板処理システムの間の基板を移送するように構成されたロボットとを含み、
前記基板処理システムに配置された前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムを自動的に構成する
ための前記命令を格納し、
前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムに設置された１つ又は複数のサブシステムを自動的に識別させ、前記識別されたサブシステムに基づいて、前記基板処理システムのユーザインターフェースを自動的に構成させる、システム。
【請求項23】
請求項２１に記載のシステムであって、前記命令によって、前記プロセッサに、前記基板処理システムの電源がオンになったことに対応して、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムを自動的に構成させるシステム。
【請求項24】
請求項２１に記載のシステムであって、前記命令によって、前記プロセッサに、前記基板処理システムがサービスを受けたことに対応して、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムを自動的に構成させるシステム。
【請求項25】
システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、
基板処理システムに配置された１つ又は複数のカメラからデータを受信し、前記基板処理システムは、複数のプロセスモジュールと、前記プロセスモジュール間及び前記基板処理システムと第２の基板処理システムの間の基板を移送するように構成されたロボットとを含み、
前記基板処理システムに配置された前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムを自動的に構成する
ための前記命令を格納し、
前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、追加されたサブシステムまたは前記サブシステムの構成要素を自動的に識別させ、前記識別された追加されたサブシステム又は前記サブシステムの前記構成要素に基づいて、前記基板処理システムを自動的に構成させる、システム。
【請求項26】
システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、
基板処理システムに配置された１つ又は複数のカメラからデータを受信し、前記基板処理システムは、複数のプロセスモジュールと、前記プロセスモジュール間及び前記基板処理システムと第２の基板処理システムの間の基板を移送するように構成されたロボットとを含み、
前記基板処理システムに配置された前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムを自動的に構成する
ための前記命令を格納し、
前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、削除されたサブシステムまたは前記サブシステムの構成要素を自動的に識別させ、前記識別された削除されたサブシステム又は前記サブシステムの前記構成要素に基づいて、前記基板処理システムを自動的に構成させる、システム。
【請求項27】
システムであって、プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、
基板処理システムに配置された１つ又は複数のカメラからデータを受信し、前記基板処理システムは、複数のプロセスモジュールと、前記プロセスモジュール間及び前記基板処理システムと第２の基板処理システムの間の基板を移送するように構成されたロボットとを含み、
前記基板処理システムに配置された前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムの１つ又は複数のサブシステムの状態を自動的に識別する、
ための前記命令を格納し、
前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムのオブジェクトの動きを自動的に追跡させ、前記基板処理システムの前記オブジェクトの前記動きに基づいて、前記基板処理システムの１つ又は複数のサブシステムの前記状態を自動的に識別させ、
前記オブジェクトが、前記ロボット、前記基板の１つ、前記基板と共に使用されるエッジ結合リング、前記プロセスモジュールの１つのドア、前記基板処理システムのロードロックモジュールのドア、または前記基板処理システムのロードポートモジュールのドアを含む、システム。
【請求項28】
請求項２７に記載のシステムであって、前記１つ又は複数のカメラから受信した前記データが動画データを含み、前記命令によって、前記プロセッサに、前記動画データのリアルタイム処理を使用して、１つ又は複数のサブシステムの前記状態を自動的に識別させるシステム。
【請求項29】
請求項２７に記載のシステムであって、前記状態がエラーとなっていることに対応して、前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、前記エラーを自動的に修正させるシステム。
【請求項30】
請求項２７に記載のシステムであって、前記プロセッサは、ネットワークを介して遠隔コンピューティング装置と通信するように構成されており、前記状態がエラーとなっていることに対応して、前記命令は、前記プロセッサに、前記ネットワークを介して、前記遠隔コンピューティング装置から受信したデータに基づいて、前記エラーを自動的に修正させるシステム。
【請求項31】
請求項２７に記載のシステムであって、前記プロセッサは、前記１つ又は複数のカメラから受信した前記データを、ネットワークを介して遠隔コンピューティング装置へ通信するように構成されており、また、前記命令によって、前記プロセッサが、前記１つ又は複数のカメラから受信した前記データに基づいて、前記遠隔コンピューティング装置が前記基板処理システムを前記ネットワークを介して制御することを許可するシステム。
【請求項32】
請求項２７に記載のシステムであって、前記プロセッサは、ネットワークを介して遠隔コンピューティング装置と通信するように構成されており、前記命令によって、前記プロセッサに、前記遠隔コンピューティング装置による前記基板処理システムの制御を許可させる一方で、前記遠隔コンピューティング装置が前記ネットワークを介して前記基板処理システムを制御している間は、前記基板処理システムの手動制御を許可しないようにさせるシステム。
【請求項33】
請求項２７に記載のシステムであって、前記プロセッサは、ネットワークを介して遠隔コンピューティング装置と通信するように構成されており、前記命令によって、前記プロセッサに、前記基板処理システムが手動で制御されている間、前記遠隔コンピューティング装置が前記基板処理システムを制御することを許可しないようにさせるシステム。
【請求項34】
請求項２７に記載のシステムであって、前記サブシステムの１つに関連して前記状態がエラーとなっていることに対応して、前記命令によって、前記プロセッサに、前記サブシステムの前記１つを自動的に無効にさせるシステム。
【発明の詳細な説明】
【技術分野】
【0001】
＜関連出願の相互参照＞
本出願は、２０１９年７月２９日に出願された米国仮出願第６２／８７９，７４１号の利益を主張する。上記出願は、その全体が参照により本明細書に組み込まれる。
本出願は、２０１９年７月２９日に出願された米国仮出願第６２／８７９，７４１号の利益を主張する。上記出願は、その全体が参照により本明細書に組み込まれる。
【0002】
本開示は、概して基板処理システムに関し、特に、基板処理システムのリアルタイムでの、その場（ｉｎ－ｓｉｔｕ）検査及び制御のための統合コンピュータビジョンシステムに関する。
【背景技術】
【0003】
ここで提供される背景の説明は、本開示の内容を大まかに提示することを目的とする。この背景技術のセクションで説明される範囲内における、現時点で名前を挙げられている発明者らによる研究、ならびに出願の時点で先行技術として別途みなされ得ない説明の態様は、明示または暗示を問わず、本開示に対抗する先行技術として認められない。
【0004】
基板処理システムは、典型的には、半導体ウェハなどの基板の堆積、エッチング、及び他の処理を実行するための複数の処理チャンバ（処理モジュールとも呼ばれる）を含む。基板上で実行され得る処理の例としては、プラズマ励起化学気相堆積（ＰＥＣＶＤ）処理、化学励起プラズマ気相堆積（ＣＥＰＶＤ）処理、及びスパッタリング物理気相堆積（ＰＶＤ）処理が挙げられるが、これらに限定されない。基板上で実行され得る処理のさらなる例として、エッチング（例えば、化学エッチング、プラズマエッチング、反応性イオンエッチングなど）、及びクリーニング処理も挙げられるが、これらにも限定されない。
【0005】
処理中、基板は、基板処理システムの処理チャンバ内の台座、静電チャック（ＥＳＣ）などの基板支持体上に配置される。堆積中、１つ又は複数の前駆体を含むガス混合物が処理チャンバ内に導入され、プラズマが衝突して化学反応を活性化する。エッチング中、エッチングガスを含むガス混合物が処理チャンバ内に導入され、プラズマが衝突して化学反応を活性化する。コンピュータ制御ロボットは、典型的には、基板を、処理されるべき順序に従って、１つの処理チャンバから別の処理チャンバに搬送する。
【発明の概要】
【0006】
基板処理システムは、プロセッサとメモリを含み、前記メモリは、カメラによって撮像された、基板及び前記基板処理システムの構成要素のうちの少なくとも１つの画像を前記プロセッサによる実行によって処理するための命令を格納する。前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されている。前記命令はまた、前記プロセッサに、前記画像からの第１のデータを、ネットワークを介してリモートサーバに送信させ、前記第１のデータの前記リモートサーバへの送信に対応して、前記ネットワークを介して前記リモートサーバから第２のデータを受信させる。前記命令はさらに、前記プロセッサに、前記第２のデータに基づいて、前記基板処理システムを操作させる。
【0007】
他の特徴においては、前記画像が前記構成要素のものであり、前記構成要素が前記基板処理システムのロードロックに配置されたパッドを含み、前記パッドが前記基板、前記基板に関連付けられたエッジ結合リング、又は前記基板を移送するロボットを支持するために使用されることに対応して、前記第２のデータが、以下の１つ又は複数を含む：前記パッドの状態を示す指標、及び、サービスと前記パッドの交換の１つ又は複数に関する推奨事項。また前記命令が、前記パッドのサービス及び交換のうちの１つ又は複数に関する推奨事項を含む前記第２のデータに対応して、前記プロセッサに、さらに、前記パッドのサービス及び交換の１つ又は複数のスケジュールの生成を実行させる。
【0008】
他の特徴においては、前記画像が前記基板のものであり、及び前記基板が前記基板処理システムの前記処理チャンバのうちの１つのクリーニング中に使用されることに対応して、前記第２のデータは、以下のうちの１つ又は複数を含む：前記基板が、前記基板処理システムの前記処理チャンバのうちの前記１つのクリーニング中に使用されるタイプのものであることを示す指標、前記基板の状態を示す指標、前記基板の交換に関する推奨事項、及び、前記処理チャンバの前記１つでのレシピの選択に関する推奨事項。また前記命令によって、前記レシピの選択に関する前記推奨事項を含む前記第２のデータに対応して、前記プロセッサに、さらに、前記処理チャンバの前記１つでの前記レシピを選択させる。
【0009】
他の特徴においては、前記画像が前記基板のものであることに対応して、前記第２のデータは、以下のうちの１つ又は複数を含む：前記基板のタイプを示す指標、及び、前記基板を処理するためのレシピを選択するための指標。また前記命令によって、前記レシピの選択に関する前記指標を含む前記第２のデータに対応して、前記プロセッサに、さらに、前記基板を処理するための前記レシピを選択させる。
【0010】
他の特徴においては、前記画像が前記基板のものであることに対応して、前記第２のデータは、以下のうちの１つ又は複数を含む：前記基板のタイプを示す指標、前記処理チャンバの１つで前記基板に対して行われた処理を示す指標、前記基板を処理した前記処理チャンバの前記１つの状態を示す指標、及び、前記基板を処理した前記処理チャンバの前記１つをクリーニングするためのレシピの選択のための指標。また前記命令によって、前記プロセッサに、さらに、前記処理チャンバの前記１つの状態を示す前記指標を含む前記第２のデータに対応して、前記処理チャンバの前記１つに対するサービスをスケジューリングさせ、及び、前記レシピの選択に関する前記指標を含む前記第２のデータに対応して、前記基板を処理した前記処理チャンバの前記１つをクリーニングするための前記レシピを選択させる。
【0011】
他の特徴においては、前記画像が、前記基板処理システムのロードロックに配置された前記カメラによって撮像された前記基板の前記画像であることに対応して、前記第２のデータは、以下のうちの１つ又は複数を含む：前記基板を処理した前記処理チャンバの１つから前記基板を移送するロボットによって前記ロードロックに前記基板を配置する際のドリフトを示す指標、及び、前記ロボット又は前記基板を処理した前記処理チャンバの前記１つのサービスに関する推奨事項。また前記命令によって、前記プロセッサに、さらに、前記ロボットのサービスに関する前記推奨事項を含む前記第２のデータに対応して、前記ロボットのサービスに関するスケジュールを生成させ、前記基板を処理した前記処理チャンバの前記１つのサービスに関する前記推奨事項を含む前記第２のデータに対応して、前記ロボットへの前記基板の放出に関する前記処理チャンバの前記１つの調整を行わせる。
【0012】
他の特徴においては、前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、以下のうちの１つ又は複数を含む：前記エッジ結合リングのシリアル番号、及び、前記エッジ結合リングを、前記処理チャンバの前記１つに対して正しいシリアル番号を有する第２のエッジ結合リングに交換することに関する推奨事項。また前記命令によって、前記プロセッサに、さらに、前記推奨事項を含む前記第２のデータに対応して、前記エッジ結合リングを、前記処理チャンバの前記１つに対して前記正しいシリアル番号を有する前記第２のエッジ結合リングに交換するためのスケジュールを生成させる。
【0013】
他の特徴においては、前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、以下のうちの１つ又は複数を含む：前記エッジ結合リングが正しくないことを示す指標、前記基板の処理に関連する問題が、前記エッジ結合リングが正しくないことに起因することを示す指標、及び、前記エッジ結合リングを、前記処理チャンバの前記１つに適した正しいエッジ結合リングに交換するという推奨事項。また前記命令によって、前記プロセッサに、さらに、前記推奨事項を含む前記第２のデータに対応して、前記エッジ結合リングを、前記処理チャンバの前記１つに適した前記正しいエッジ結合リングに交換するためのスケジュールを生成させる。
【0014】
他の特徴においては、前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、以下のうちの１つ又は複数を含む：前記処理チャンバの前記１つにおけるエッチングレートの指標、及び、前記処理チャンバの前記１つで使用されるレシピの調整の指標。また前記命令によって、前記調整に関する前記指標を含む第２のデータに対応して、前記プロセッサに、さらに、前記処理チャンバの前記１つで使用される前記レシピを調整させる。
【0015】
他の特徴においては、前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、前記エッジ結合リングが前記処理チャンバの前記１つに適応した正しいエッジ結合リングであり、前記処理チャンバが同じレシピを使用し、また前記エッジ結合リングが前記基板処理システムの他の処理チャンバのエッジ結合リングとは異なる変化を示すことに対応して、前記エッジ結合リングと前記処理チャンバの前記１つで使用されるレシピの少なくとも１つを調整するための指標を含む。また前記命令によって、前記プロセッサに、さらに、前記エッジ結合リングと前記処理チャンバの前記１つで使用される前記レシピの少なくとも１つを調整させる。
【0016】
さらに他の特徴においては、システムはプロセッサと、前記プロセッサによる実行によって、カメラによって撮像された、基板及び基板処理システムの構成要素のうちの少なくとも１つの画像のデータをネットワークを介して受信するための命令を格納する、メモリを含む。前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されている。前記命令はまた、前記プロセッサに、前記データの一部を、前記基板処理システムの操作に役立つ出力を提供するよう学習したモデルに入力させ、前記モデルからの前記出力を前記ネットワーク経由で前記基板処理システムに送信させる。
【0017】
他の特徴においては、前記画像が前記構成要素のものであり、前記構成要素が前記基板処理システムのロードロックに配置されたパッドを含み、前記パッドが前記基板、前記基板に関連付けられたエッジ結合リング、又は前記基板を移送するロボットを支持するために使用されることに対応して、前記モデルの前記出力は、前記パッドの状態を示し、前記パッドのサービス及び交換のうちの１つ又は複数に関する推奨事項を含む。
【0018】
他の特徴においては、前記画像が前記基板のものであり、及び前記基板が前記基板処理システムの前記処理チャンバのうちの１つのクリーニング中に使用されることに対応して、前記モデルの前記出力は、以下のうちの１つ又は複数を含む：前記基板が、前記基板処理システムの前記処理チャンバのうちの前記１つのクリーニング中に使用されるタイプのものであることを示す指標、前記基板の状態を示す指標、前記基板の交換に関する推奨事項、及び、前記処理チャンバの前記１つでのレシピの選択に関する推奨事項。
【0019】
他の特徴においては、前記画像が前記基板のものであることに対応して、前記モデルの前記出力は、以下のうちの１つ又は複数を含む：前記基板のタイプを示す指標、及び、前記基板を処理するためのレシピを選択するための指標。
【0020】
他の特徴においては、前記画像が前記基板のものであることに対応して、前記モデルの前記出力は、以下のうちの１つ又は複数を含む：前記基板のタイプを示す指標、前記処理チャンバの１つで前記基板に対して行われた処理を示す指標、前記基板を処理した前記処理チャンバの前記１つの状態を示す指標、及び、前記基板を処理した前記処理チャンバの前記１つをクリーニングするためのレシピを選択するための指標。
【0021】
他の特徴においては、前記画像が、前記基板処理システムのロードロックに配置された前記カメラによって撮像された前記基板の前記画像であることに対応して、前記モデルの前記出力は、以下のうちの１つ又は複数を含む：前記基板を処理した前記処理チャンバの１つから前記基板を移送するロボットによって前記ロードロックに前記基板を配置する際のドリフトを示す指標、及び、前記ロボット、又は前記基板を処理した前記処理チャンバの前記１つのサービスに関する推奨事項。
【0022】
他の特徴においては、前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、以下のうちの１つ又は複数を含む：前記エッジ結合リングのシリアル番号、及び、前記エッジ結合リングを、前記処理チャンバの前記１つに対して正しいシリアル番号を有する第２のエッジ結合リングに交換することに関する推奨事項。
【0023】
他の特徴においては、前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、以下のうちの１つ又は複数を含む：前記エッジ結合リングが正しくないことを示す指標、前記基板の処理に関連する問題が、前記エッジ結合リングが正しくないことに起因することを示す指標、及び、前記エッジ結合リングを、前記処理チャンバの前記１つに適した正しいエッジ結合リングに交換するという推奨事項。
【0024】
他の特徴においては、前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、以下のうちの１つ又は複数を含む：前記処理チャンバの前記１つにおけるエッチングレートの指標、及び、前記処理チャンバの前記１つで使用されるレシピの調整の指標。
【0025】
他の特徴においては、前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受け取った前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、前記エッジ結合リングが前記処理チャンバの前記１つに適した正しいエッジ結合リングであり、前記処理チャンバが同じレシピを使用し、前記エッジ結合リングが前記基板処理システムの他の処理チャンバのエッジ結合リングよりも変化が大きいことに対応して、前記エッジ結合リングと前記処理チャンバの前記１つで使用されるレシピの少なくとも１つを調整するための指標を含む。
【0026】
さらに他の特徴においては、システムはプロセッサと、前記プロセッサによる実行によって、基板処理システムに配置された１つ又は複数のカメラからデータを受信するための命令を格納する、メモリを含む。前記基板処理システムは、複数のプロセスモジュールと、前記プロセスモジュール間及び前記基板処理システムと第２の基板処理システムの間の基板を移送するように構成されたロボットとを含む。前記命令はまた、前記プロセッサに、前記基板処理システムに配置された前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムを自動的に構成させる。
【0027】
他の特徴においては、前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムに設置された１つ又は複数のサブシステムを自動的に識別し、前記識別されたサブシステムに基づいて、前記基板処理システムを自動的に構成させる。
【0028】
他の特徴においては、前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムに設置された１つ又は複数のサブシステムを自動的に識別させ、前記識別されたサブシステムに基づいて、前記基板処理システムのユーザインターフェースを自動的に構成させる。
【0029】
他の特徴においては、前記命令によって、前記プロセッサに、前記基板処理システムの電源がオンになったことに対応して、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムを自動的に構成させる。
【0030】
他の特徴においては、前記命令によって、前記プロセッサに、前記基板処理システムがサービスを受けたことに対応して、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムを自動的に構成させる。
【0031】
他の特徴においては、前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、追加されたサブシステムまたは前記サブシステムの構成要素を自動的に識別させ、前記識別された追加されたサブシステム又は前記サブシステムの前記構成要素に基づいて、前記基板処理システムを自動的に構成させる。
【0032】
他の特徴においては、前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、削除されたサブシステムまたは前記サブシステムの構成要素を自動的に識別させ、前記識別された削除されたサブシステム又は前記サブシステムの前記構成要素に基づいて、前記基板処理システムを自動的に構成させる。
【0033】
さらに他の特徴においては、システムはプロセッサと、前記プロセッサによる実行によって、基板処理システムに配置された１つ又は複数のカメラからデータを受信するための命令を格納する、メモリを含む。前記基板処理システムは、複数のプロセスモジュールと、前記プロセスモジュール間及び前記基板処理システムと第２の基板処理システムの間の基板を移送するように構成されたロボットとを含む。前記命令はまた、前記プロセッサに、前記基板処理システムに配置された前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムの１つ又は複数のサブシステムの状態を自動的に識別させる。
【0034】
他の特徴においては、前記１つ又は複数のカメラから受信した前記データが動画データを含み、前記命令によって、前記プロセッサに、前記動画データをリアルタイムで処理させて、１つ又は複数のサブシステムの前記状態を自動的に識別させる。
【0035】
他の特徴においては、前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムのオブジェクトの動きを自動的に識別及び追跡させ、前記基板処理システムの前記オブジェクトの前記動きに基づいて、前記基板処理システムの１つ又は複数のサブシステムの前記状態を自動的に識別させる。前記オブジェクトは、前記ロボット、前記基板の１つ、前記基板と共に使用されるエッジ結合リング、前記プロセスモジュールの１つのドア、前記基板処理システムのロードロックモジュールのドア、または前記基板処理システムのロードポートモジュールのドアを含む。
【0036】
他の特徴においては、前記状態がエラーとなっていることに対応して、前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、前記エラーを自動的に修正させる。
【0037】
他の特徴においては、前記プロセッサは、ネットワークを介して遠隔コンピューティング装置と通信するように構成されており、前記状態がエラーとなっていることに対応して、前記命令は、前記プロセッサに、前記ネットワークを介して、前記遠隔コンピューティング装置から受信したデータに基づいて、前記エラーを自動的に修正させる。
【0038】
他の特徴においては、前記プロセッサは、前記１つ又は複数のカメラから受信した前記データを、ネットワークを介して遠隔コンピューティング装置へ通信するように構成されており、また、前記命令によって、前記プロセッサが、前記１つ又は複数のカメラから受信した前記データに基づいて、前記遠隔コンピューティング装置が前記基板処理システムを前記ネットワークを介して制御することを許可する。
【0039】
他の特徴においては、前記プロセッサは、ネットワークを介して遠隔コンピューティング装置と通信するように構成されており、前記命令によって、前記プロセッサに、前記遠隔コンピューティング装置による前記基板処理システムの制御を許可させる一方で、前記遠隔コンピューティング装置が前記ネットワークを介して前記基板処理システムを制御している間は、前記基板処理システムの手動制御を許可しないようにさせる。
【0040】
他の特徴においては、前記プロセッサは、ネットワークを介して遠隔コンピューティング装置と通信するように構成されており、前記命令によって、前記プロセッサに、前記基板処理システムが手動で制御されている間、前記遠隔コンピューティング装置が前記基板処理システムを制御することを許可しないようにさせる。
【0041】
他の特徴においては、前記サブシステムの１つに関連して前記状態がエラーとなっていることに対応して、前記命令によって、前記プロセッサに、前記サブシステムの前記１つを自動的に無効にさせる。
【0042】
さらに他の特徴において、システムはプロセッサと、前記プロセッサによる実行によって、基板処理システムに配置された単一のカメラでエッジ結合リングから撮像したデータを受信し、三角測量を使用して前記データを処理して前記エッジ結合リングの厚みプロファイルを表す３次元点群を生成し、また前記厚みプロファイルに基づいて、前記エッジ結合リングの侵食量を決定するための命令を格納する、メモリを含む。
【0043】
他の特徴においては、前記命令によって、前記プロセッサに、前記侵食量が所定の閾値以上であるかどうかを判定させ、前記侵食量の指標を生成させる。
【0044】
他の特徴においては、前記命令によって、前記プロセッサに、前記厚みプロファイルを、前記エッジ結合リングが前記基板処理システムに最初に設置されたときに作成された以前の３次元点群から生成された以前の厚みプロファイルと比較することによって、前記侵食量を決定させる。
【0045】
本開示のさらなる適用範囲は、詳細な説明、特許請求の範囲、及び図面から明らかになるであろう。詳細な説明、及び具体的な実施例は、例示のみを目的とするものであり、本開示の範囲を限定するものではない。
【0046】
本開示は、詳細な説明、及び下記で説明する添付図面によって、さらに明確に理解されるであろう。
【図面の簡単な説明】
【0047】
【0048】
【0049】
【0050】
【0051】
【0052】
【0053】
【0054】
【0055】
【0056】
【0057】
【0058】
【0059】
【0060】
【0061】
【0062】
【0063】
【0064】
【0065】
【0066】
【0067】
【0068】
【0069】
【0070】
【0071】
【0072】
図面において、参照番号は、類似及び／または同一の要素を表現するために再使用され得る。
【詳細な説明】
【0073】
本開示は、半導体ウェハ（以下、ウェハ）などの基板の画像、及び、プロセスモジュール間及び／又はツール間（例えば、エアロック内）を移送されるウェハが一時的に停まる周囲の装置の一部の画像を撮像するシステム及び方法に関する。これらの画像は、特徴認識及び特徴抽出のために処理される。これらの画像は、機械学習によって様々なモデルを学習させる際に用いられるデータを生成するために、ある期間、撮像及び処理される。学習済モデルは、次いで、プロセスモジュール、ツール、及びその構成要素の健全性を決定し、リアルタイムでプロセスモジュール及びツールを適合させ、スループット、歩留まり、及びオンウェハ処理品質を向上させるために使用される。
【0074】
本システム及び方法は、プロセスモジュール及びツールの健全性を判定し、ツールの制御とスループット、歩留まり、及びオンウェハ処理品質向上のための措置を推奨するために典型的に使用される、種々のセンサ、コンピュータビジョンアルゴリズム、及びフィードバック機構を補完する。本システム及び方法は、継続的に撮像される画像を使用して、継続的に学習する。本システム及び方法は、典型的には人間の介入を必要とする予防及び修正タスクのうちのいくつかの性能を自動化する。本システム及び方法は、半導体製造工場内のフリートにわたってツール動作を監視し、ツールの自律的制御のためのフィードバックを提供する。
【0075】
本開示のコンピュータビジョンシステムは、カメラなどの検出器及び／又はセンサを備え、画像処理アルゴリズム、知覚アルゴリズム、センサ融合アルゴリズム、機械学習によって学習したモデル、及び閉ループ制御アルゴリズムをさらに備える。本開示全体を通して、カメラは、検出器／センサの例としてのみ使用され、また、任意の他の検出器／センサが代わりに使用されることもあり得ることが理解される。本開示のコンピュータビジョンシステムは、ウェハ及びツールを検査し、フリート全体のプロセスモジュール及びツールにおける問題を診断するために典型的に使用される高価かつ時間のかかる計測機器及び処理に代わるシステムとして使用可能である。本開示のコンピュータビジョンシステムは、ツール制御の自動化において、閉ループアルゴリズムを使用する。さらに、本コンピュータビジョンシステムは、これらの処理や以下に説明する多くのタスクを、人間及び計測システムよりも効果的に行う。本開示のこれら及び他の特徴を、以下で詳細に説明する。
構成
構成
【0076】
本開示は以下のように構成される。最初に、基板処理ツール、それらの構成、及びそこで使用される処理チャンバの多数の例を、図１～７Ｄを参照して図示・説明する。これらの図及び対応する説明は、異なるウェハ上並びに異なるチャンバ及びツール間でウェハが移動する様々な経路で実行され得る様々な処理を描写するために提供されている。さらに、これらの図は、典型的にはチャンバ及びツール内の種々のセンサから収集されるデータの複雑性、多様性、及び拡張性を描写するためのものである。またデータは、問題を診断、修正、及び防止するため、ならびにチャンバ及びツール内の種々の調整、較正、及び予防メンテナンス処理を行うために使用される。
【0077】
本開示のシステム及び方法は、独立して、またはこれらのセンサ及びそこから収集されたデータと合同して動作でき、チャンバ及びツール内で行われる診断、修正、及び予防的処理を有意に改善できる。これらの図は、チャンバ及びツールの操作に対する洞察を提供し、本開示のシステム及び方法によって行われる操作の範囲の把握を容易にする。
【0078】
図８Ａは、本開示の特定の特徴に係る、コンピュータビジョンシステムのハイレベルアーキテクチャを示す図である。図８Ｂ～８Ｄは、本開示のシステム及び方法を実装するために使用され得る、クライアントサーバアーキテクチャ例を示す図である。図９Ａ～９Ｆは、本開示のコンピュータビジョンシステムにおける１つ又は複数のカメラなどの検出器が、ツール内で配置可能な際の位置の例を示す図である。図１０Ａは、図９Ａ～９Ｆに示すカメラのうちの１つによって撮像可能な、ツール内のロードロック内に配置された構成要素の概略を示す図である。図１０Ｂは、図１０Ａに示す構成要素の３次元画像を撮像するための、少なくとも２つのカメラの配置を示す図である。図１１は、図８Ａ～８Ｄのクライアントサーバアーキテクチャを使用し、図９Ａ～９Ｆに示すカメラ配置を使用して実装されたコンピュータビジョンシステムの一例を示す図である。
【0079】
図１２Ａ～１２Ｆは、様々なツールからコンピュータビジョンシステムによって撮像された画像に基づく機械学習を使用して、様々なモデルを学習させる方法の例を示す図である。図１３Ａ～１３Ｆは、リアルタイムで（すなわち、オンザフライで、または製造中においてウェハ処理のためにツールが使用されている際に）撮像された画像に基づいて、学習済モデルを用いて実行される方法の例を示す図である。図１４Ａ～１４Ｉは、コンピュータビジョンシステムを用いてツール操作改善のために実行するモデルベース法の付加的な例を示す。図１５Ａ～１６Ｂは、機械学習を使用してモデルを学習させる方法の例を示す。
【0080】
図１７Ａ～１７Ｄは、図１～６Ｃに示す基板処理システムにおいて、自動構成、自動エラー検出、及びエラー回復を実行するためのシステムの一例及び方法を示す。図１８Ａ～図１８Ｅは、単一のカメラを用いてステレオ画像処理を実行するためのシステム及び方法の一例を示す。
ツールの例
ツールの例
【0081】
図１は、基板処理ツール１００の一例の上面図である。基板処理ツール１００は、複数のプロセスモジュール１０４を含む。あくまで例であるが、プロセスモジュール１０４のそれぞれは、基板に対して１つ又は複数の処理を個々に行うように構成されていてもよい。処理される基板は、機器フロントエンドモジュール（Ｅｑｕｉｐｍｅｎｔ Ｆｒｏｎｔ Ｅｎｄ Ｍｏｄｕｌｅ：ＥＦＥＭ）１０８のローディングステーションのポートを介して基板処理ツール１００にロードされ、次いで、プロセスモジュール１０４のうちの１つ又は複数に搬送される。例えば、基板は、プロセスモジュール１０４の各々に連続してロードされてもよい。
【0082】
図２は、基板処理ツール１００などの複数の基板処理ツール２０８を含む製造室２０４の構成例２００を示す。図３Ａ～３Ｉは、基板処理ツール１００などの複数の基板処理ツール２０８を配置可能な構成の様々な例を示す。これらの例では、ウェハは様々な経路を通って移動し、そのため、これらの経路でウェハを移送するために使用されるロボットの構成及び操作も様々である。さらに、これらの例では、ロボット及びウェハの様々な態様を感知するために様々なセンサが使用される。さらに、図９Ａ－１１を参照して詳細に説明されるように、これらの例では、コンピュータビジョンシステムのカメラ等の１つ又は複数の検出器は、任意の場所に設置できる。
【0083】
図３Ａは、本開示の特定の実施形態に係る、第１の基板処理ツール３０４及び第２の基板処理ツール３０８を含む、第１の例としての構成３００を示す。第１の基板処理ツール３０４及び第２の基板処理ツール３０８は、連続して配置され、真空下にある搬送ステージ３１２によって接続されている。図示するように、搬送ステージ３１２は、第１の基板処理ツール３０４の真空搬送モジュール（ＶＴＭ）３１６と第２の基板処理ツール３０８のＶＴＭ３２０との間で基板を搬送するように構成された、枢動搬送機構を含む。他の例では、搬送ステージ３１２は、線形搬送機構などの他の適切な搬送機構を含んでいてもよい。
【0084】
あくまで例であるが、ＶＴＭ３１６の第１のロボット（図示せず）は、第１の位置に配置された支持体３２４上に基板を配置でき、支持体３２４は第２の位置に枢動され、またＶＴＭ ３２０の第２のロボット（図示せず）は、第２の位置において、支持体３２４から基板を回収する。いくつかの例においては、第２の基板処理ツール３０８は、処理ステージ間に１つ又は複数の基板を格納するように構成された格納バッファ３２８を含んでいてもよい。搬送機構はまた、基板処理ツール３０８と３０４との間に２つ以上の搬送システムを提供するため、積み重ねられていてもよい。搬送ステージ３２４はまた、複数の基板を一度に移送またはバッファリングするための複数のスロットを有していてもよい。構成３００では、第１の基板処理ツール３０４と第２の基板処理ツール３０８は、単一の機器フロントエンドモジュール（ＥＦＥＭ）３３２を共有するように構成されている。
【0085】
図３Ｂは、連続的に配置され、搬送ステージ４１２によって接続された、第１の基板処理ツール４０４及び第２の基板処理ツール４０８を含む、第２の例としての構成４００を示す。構成４００は、ＥＦＥＭが除かれている点を除き、図３Ａの構成３００と同様である。したがって、基板は、エアロックローディングステーション４１６を介して、直接、第１の基板処理ツール４０８に（例えば、真空ウェハキャリア、フロントオープニングユニファイドポッド（ＦＯＵＰ）等のような格納または移送キャリア、または他の適切な機構を用いて）ロードできる。この構成におけるセンサ及びカメラの配置は、これに対応して、構成３００とは異なり得る。
【0086】
図３Ｃは、基板処理ツール５０４を含む第３の例としての構成５００を示す。構成５００では、ＥＦＥＭが除かれ、単一のローディングステーション５０８のみが使用されており、より多数（例えば、７つ）のプロセスモジュール５１２が可能となっている。ローディングステーション５０８において、基板は、エアロックローディングステーション４１６を介して、直接、第２の基板処理ツール４０８に（例えば、真空ウェハキャリア、フロントオープニングユニファイドポッド（ＦＯＵＰ）等のような格納または移送ポッド、または他の適切な機構を用いて）ロードできる。したがって、この構成におけるセンサ及びカメラの配置は、これに対応して、構成３００及び４００とは異なり得る。
【0087】
図３Ｄは、単一のＥＦＥＭ ６１２を共有する、第１の基板処理ツール６０４及び第２の基板処理ツール６０８を含む、第４の例としての構成６００を示す。より具体的には、第１の基板処理ツール６０４及び第２の基板処理ツール６０８は、それぞれのローディングステーション６１６及び６２０を介して、ＥＦＥＭ ６１２のそれぞれの端部に接続されている。ローディングステーション６１６及び６２０は、個々に、好適なセンサ及びカメラを含み得る積層構成を有し得る。
【0088】
図３Ｅは、単一のＥＦＥＭ ７１２を共有する、第１の基板処理ツール７０４及び第２の基板処理ツール７０８を含む、第５の例としての構成７００を示す。第１の基板処理ツール７０４及び第２の基板処理ツール７０８は、それぞれのローディングステーション７１６及び７２０を介して、ＥＦＥＭ ７１２のそれぞれの端部に接続されている。ローディングステーション７１６及び７２０は、個々に、好適なセンサ及びカメラを含み得る積層構成を有し得る。
【0089】
図３Ｆは、連続配置された基板処理ツール８０４、８０８など、１つ又は複数の列を含む、第６の例としての構成８００を示す。構成８００では、各列は、それぞれの搬送ステージ８１２を介して接続された、３つ以上の基板処理ツールを含み得る。搬送ステージ８１２は、枢動搬送機構や線形搬送機構などを含んでいてもよい。第１のＥＦＥＭ ８１６は、基板処理ツール８０４、８０８の列の第１の端部に設けられ、第２のＥＦＥＭ ８２０は、基板処理ツール８０４、８０８の列の第２の端部に設けられる。例えば、基板は、第１のＥＦＥＭ ８１６にロードされ、基板処理ツール８０４、８０８の様々なプロセスモジュールを通して順次処理及び搬送され、次いで、第２のＥＦＥＭ ８２０からアンロード／回収されてもよい。いくつかの例においては、搬送ステージ８１２内の搬送機構は、隣接する基板処理ツール間に２つ以上の搬送システムを提供するように、垂直に積み重ねられてもよい。搬送ステージ８１２はまた、複数の基板を一度に移動またはバッファリングするための複数のスロットを有していてもよい。認識されるように、構成８００のセンサとカメラの配置は、他の構成におけるセンサの配置とは異なっていてもよい。
【0090】
図３Ｇは、基板処理ツール９０４を含む第７の例としての構成９００を示す。構成９００においては、基板処理ツール９０４は、例えば８つのプロセスモジュール９０８を含み、ＥＦＥＭ及び任意の外部ローディングステーションの両方が除かれている。代わりに、１つ又は複数の移送キャリア（例えば、真空ウェハキャリア）９１２が、基板処理ツール９０４の内部９１６に設けられている。例えば、キャリア９１２は、自動材料ハンドリングシステム（Ａｕｔｏｍａｔｅｄ Ｍａｔｅｒｉａｌ Ｈａｎｄｌｉｎｇ Ｓｙｓｔｅｍ：ＡＭＨＳ）などの自動移送システムを使用して、基板処理ツール９０４の上方から移送されてもよい。ロボット９２０は、キャリア９１２から基板を取り出し、取り出した基板をプロセスモジュール９０８に搬送する。認識されるように、構成９００のセンサとカメラの配置は、他の構成のそれとは異なっていてもよい。
【0091】
図３Ｈは、複数のプロセスモジュール１００８を有する基板処理ツール１００４を含む、第８の例としての構成１０００を示す。基板処理ツール１００４は、リニアＶＴＭ １０１２と、ＥＦＥＭ １０２０とプロセスモジュール１００８との間で基板を搬送するように構成されたロボット１０１６とを含む。ＶＴＭ １０１２は、プロセスモジュール１００８に対するロボット１０１６の直線位置（すなわち、ＶＴＭ １０１２に対するロボット１０１６の端から端までの位置）を調整するように構成されている。
【0092】
図３Ｉは、基板処理ツール１１０４を含む第９の例としての構成１１００を示す。基板処理ツール１１０４は、プロセスモジュール１１０８のクラスタ構成と、オプションとしてのエンドプロセスモジュール１１１２とを含む。プロセスモジュール１１０８は、単一のＥＦＥＭ １１１６を共有する。この場合も、構成１０００及び１１００におけるセンサ及びカメラの配置は、他の構成とは異なり得る。
【0093】
いくつかの例においては、本明細書で説明する処理ツールのいずれも、積層構成を有するローディングステーションを実装でき、例えば、図３Ｃ及び図３Ｅに示すローディングステーション５０８、７１６、７２０などは、積層構成を実装できる。言い換えれば、積層構成では、１つのローディングステーションは、垂直に積層された２つ以上のローディングステーションを含み得る。いくつかの例においては、積層構成は、１つ又は複数のローディングステーションと垂直に積み重ねられたプロセスモジュールまたはチャンバ（ＩＣＳ（Ｉｎｔｅｇｒａｔｅｄ Ｃｒｉｔｉｃａｌ Ｓｔｒｉｐ）チャンバなど）も含み得る。特定の実施形態によれば、追加のセンサ及びカメラを、これらの積層構成において使用できる。
ツールの追加例
ツールの追加例
【0094】
図４は、基板処理ツール１１５０のさらに他の例の上面図である。基板処理ツール１１５０は、複数のプロセスモジュール１１５４を含む。例えば、プロセスモジュール１１５４のそれぞれは、基板に対して１つ又は複数の処理を個々に行うように構成されていてもよい。処理される基板は、機器フロントエンドモジュール（Ｅｑｕｉｐｍｅｎｔ Ｆｒｏｎｔ Ｅｎｄ Ｍｏｄｕｌｅ： ＥＦＥＭ） １１５８などのＡＴＶ（Ａｔｍｏｓｐｈｅｒｅ－Ｔｏ－Ｖａｃｕｕｍ）搬送モジュールのローディングステーションのポートを介して、基板処理ツール１１５０にロードされ、次いで、１つ又は複数のプロセスモジュール１１５４に搬送される。例えば、搬送ロボット１１６２は、基板をローディングステーション１１６６から、エアロック又はロードロック１１７０に搬送するように配置されており、真空搬送モジュール１１７４の真空搬送ロボット１１７８は、基板をロードロック１１７０から様々なプロセスモジュール１１５４に搬送するように配置されている。
【0095】
例えば、基板処理ツールの機器フロントエンドモジュール（ＥＦＥＭ）は、ＥＦＥＭと、ＥＦＥＭと真空搬送モジュール（ＶＴＭ）の間に配置されたロードロックとの間で基板を搬送するための、１つ又は複数の搬送ロボットを含み得る。ＥＦＥＭの内容積は、搬送ロボットを収容するのに十分でなければならない。そのため、ロードロックは、ＥＦＥＭとＶＴＭの間にある機器フロントエンドモジュール（ＥＦＥＭ）の設置面積の外側に配置されるのが一般的である。いくつかの例においては、ＥＦＥＭは、エアロックがＥＦＥＭ内に少なくとも部分的に配置されることを可能にする構成を有する搬送ロボットを含んでいてもよい。図２に示される製造室２０４は、複数の基板処理ツール１１５０を含み得る。
【0096】
図５Ａ～６Ｃは、基板処理ツール１１５０などの複数の基板処理ツールを配置可能な構成の様々な例を示す。これらの例では、ウェハは様々な経路を通って移動し、そのため、これらの経路でウェハを移送するために使用されるロボットの構成及び操作も様々である。さらに、これらの例では、ロボット及びウェハの様々な態様を感知するために様々なセンサが使用される。さらに、図９Ａ－１１を参照して詳細に説明されるように、これらの構成例では、コンピュータビジョンシステムのカメラ等の１つ又は複数の検出器は任意の場所に設置できる。
【0097】
図５Ａ～図５Ｄは、第１の基板処理ツール１２００－１、第２の基板処理ツール１２００－２、及び第３の基板処理ツール１２００－３（これらを基板処理ツール１２００と総称する）の構成例の平面図を示す。それぞれの基板処理ツール１２００は、基板処理ツール１１５０と同様に、ロードロック１２０８の少なくとも一部を収容するように構成された、改良型機器フロントエンドモジュール（ＥＦＥＭ） １２０４を含む。換言すると、ロードロック１２０８は、ＥＦＥＭ １２０４と真空搬送モジュール（ＶＴＭ） １２１２の間の隙間のＥＦＥＭ １２０４の外部に配置されるのではなく、ＥＦＥＭ １２０４の内部に延在する。
【0098】
したがって、ＥＦＥＭ １２０４をＶＴＭ １２１２のより近くに配置でき、全体的な設置面積を低減し、基板処理ツール１２００のピッチを増加できる。例えば、ＥＦＥＭ １２０４の搬送ロボット１２１６は、ＥＦＥＭ １２０４の後壁１２２４（例えば、第２の側面）よりも、前壁（例えば、第１の側面）上のローディングステーション１２２０のより近くに配置され、ロードロック１２０８がＥＦＥＭ １２０４の内部に延在するための空間を提供する。いくつかの例においては、ロードロック１２０８は、図５Ｄの基板処理ツール１２００－３の代替的な構成に示されるような構成としてもよい。あくまで例であるが、ローディングステーション１２２０は、フロントオープニングユニファイドポッド（ＦＯＵＰ）に対応していてもよい。
【0099】
図示されるように、基板処理ツール１２００は、６つのプロセスモジュール１２２８を含む。しかしながら、基板処理ツール１２００の他の構成では、６を超えるプロセスモジュール１２２８を含み得る。例えば、ＶＴＭ １２１２の長さは、追加のプロセスモジュール１２２８を収容するために延長されてよい。同様に、ＶＴＭ １２１２は、様々な構成を有する真空搬送ロボット１２３２を含んでいてもよい。例えば、基板処理ツール１２００－１は、３つの真空搬送ロボット１２３２を含み、基板処理ツール１２００－２は２つの真空搬送ロボット１２３２を含む。基板処理ツール１２００－１及び１２００－２において、ロボット１２３２はＶＴＭ １２１２の長手方向中心軸に位置合わせされている。
【0100】
逆に、基板処理ツール１２００－３は、ＶＴＭ １２１２の長手方向中心軸に対して中心から外れて（すなわち、プロセスモジュール１２２８に向かって右又は左にシフトされて）配置された、単一の真空搬送ロボット１２３２を含む。換言すると、基板処理ツール１２００－３におけるロボット１２３２の主旋回点は、中心から外れている。ロボット１２１６及び１２３２は、それぞれ１つ又は２つのアームを有するものとして図示されているが、ロボット１２１６及び１２３２は、１つ、２つ、またはそれ以上のアームを含む構成でもよい。いくつかの例においては、ロボット１２３２は、図５Ｃ及び５Ｄに示されるように、個々のアームに、２つのエンドエフェクタ１２３４を含んでいてもよい。
【0101】
基板処理ツール１２００は、処理ステージ間に１つ又は複数の基板を格納するように構成された、１つ又は複数の格納バッファ１２３６を含んでいてもよい。いくつかの例においては、１つ又は複数の格納バッファ１２４０は、ＶＴＭ １２１２内に配置されていてもよい。いくつかの例においては、格納バッファ１２３６のうちの１つ又は複数は、プロセスモジュールまたは他の構成要素と置き換えることができる。
【0102】
いくつかの例においては、ＥＦＥＭ １２０４、ロードロック１２０８、ＶＴＭ １２１２、及びプロセスモジュール１２２８のうちの１つ又は複数は、積層構成を有していてもよい。例えば、個々のプロセスモジュール１２２８は、垂直積層構成（すなわち、一方のプロセスモジュール１２２８が他方の上／下に配置される）としての２つのプロセスモジュール１２２８に対応していてもよく、ＶＴＭ １２１２は、垂直積層構成としての２つのＶＴＭ １２１２に対応していてもよく、個々のロードロック１２０８は、垂直積層構成としての２つのロードロック１２０８に対応していてもよく、また個々のローディングステーション１２２０は、垂直積層構成としての２つのローディングステーション１２２０に対応していてもよい。ＥＦＥＭ １２０４の高さを高くすることで、ロボット１２１６をＥＦＥＭ １２０４内の異なるレベルまで上昇及び下降させ、ローディングステーション１２２０及びロードロック１２０８の複数のレベルにアクセス可能にしてもよい。認識されるように、これらの構成におけるセンサ及びカメラの配置は、構成に応じて変化し得る。
【0103】
図６Ａ～図６Ｃは、別の基板処理ツール１６００の構成例の平面図を示す。基板処理ツール１６００は、１つ又は複数のロードロック１６０８の少なくとも一部を収容するように構成された、改良型機器フロントエンドモジュール（ＥＦＥＭ）１６０４を含む。換言すると、ロードロック１６０８は、ＥＦＥＭ １６０４と真空搬送モジュール（ＶＴＭ）１６１２との間の隙間のＥＦＥＭ １６０４の完全な外部に配置されるのではなく、ＥＦＥＭ １６０４の内部に延在する。したがって、ＥＦＥＭ １６０４をＶＴＭ １６１２のより近くに配置でき、全体的な設置面積を低減し、複数の基板処理ツール１６００のピッチを増加できる。
【0104】
図示されるように、基板処理ツール１６００は、１０のプロセスモジュール１６１６を含む。しかしながら、基板処理ツール１６００の他の構成では、１０を超えるプロセスモジュール１６１６を含み得る。例えば、ＶＴＭ １６１２の長さは、追加のプロセスモジュール１６１６を収容するために延長されてよい。同様に、ＶＴＭ １６１２は、様々な構成を有する１つ又は複数の真空搬送ロボット１６２０（例えば、搬送ロボット１６２０－１、１６２０－２、１６２０－３、１６２０－４、及び１６２０－５）を含んでいてもよい。図６Ａに示すように、搬送ロボット１６２０は、３つのアームセグメント１６２８を有する１つのアーム１６２４と、各構成における１つのエンドエフェクタ１６３２とを含む。他の構成においては、搬送ロボット１６２０は、１つ、２つ、又はそれ以上のアーム１６２４を含んでもよい。いくつかの例においては、ロボット１６２０は、個々のアーム１６２４に、２つのエンドエフェクタ１６３２を含んでいてもよい。
【0105】
図６Ａでは、基板処理ツール１６００は、ＶＴＭ １６１２の長手方向中心軸に対して中心から外れて（すなわち、プロセスモジュール１６１６に向かって右又は左にシフトされて）配置された、単一の真空搬送ロボット１６２０－１を含む。換言すると、ロボット１６２０－１の主旋回点は、中心から外れている。ロボット１６２０－１は、１０個のプロセスモジュール１６１６、及びロードロック１６０８のそれぞれにアクセスするように配置及び構成される。基板処理ツール１６００が格納バッファ１６３６及び／又は格納バッファ１６４０を含む構成では、ロボット１６２０－１はまた、格納バッファ１６３６／１６４０にアクセスするように構成される。
【0106】
図６Ｂ及び６Ｃでは、基板処理ツール１６００は、ＶＴＭ １６１２の長手方向中心軸に対して中心から外れて（すなわち、プロセスモジュール１６１６に向かって右又は左にシフトされて）配置された、２つの真空搬送ロボット１６２０－２及び１６２０－３、あるいは１６２０－４及び１６２０－５を、それぞれ含む。ロボット１６２０－２及び１６２０－４は、１０個のプロセスモジュール１６１６及びロードロック１６０８のうちの選択されたものにアクセスするように位置決め及び構成される。逆に、ロボット１６２０－３及び１６２０－５は、１０個のプロセスモジュール１６１６のうちの他のものにアクセスするように位置決め及び構成される。基板処理ツール１６００が格納バッファ１６３６及び／または格納バッファ１６４０を含む構成では、ロボット１６２０－３及び１６２０－５も、格納バッファ１６３６にアクセスするように構成されていてもよく、一方、図６Ｂのロボット１６２０－２及び１６２０－３の両方ならびに図６Ｃのロボット１６２０－４及び１６２０－５の両方は、格納バッファ１６４０にアクセスするように構成される。
【0107】
例えば、図６Ｂに示されるように、ロボット１６２０－２は、プロセスモジュール１６１６のうちのそれぞれと（例えば、その水平軸上の中心に位置するように）位置合わせされ、一方、ロボット１６２０－３は、隣接するプロセスモジュール１６１６の間の中心に配置される。逆に、図６Ｃに示されるように、個々のロボット１６２０－４及び１６２０－５は、プロセスモジュール１６１６のうちのそれぞれと位置合わせされる。認識されるように、これらの構成におけるセンサ及びカメラの配置は、構成に応じて変化し得る。
チャンバの例
チャンバの例
【0108】
図７Ａ～図７Ｃは、図１～図６Ｃに示されるツールにおいて使用可能なプロセスモジュール（ＰＭ）の異なる例を示す。これらのプロセスチャンバも、コンピュータビジョンシステムのカメラに加えて、別個の、１つ又は複数のカメラを備えていてもよい。ＰＭの窓の外側に設置されるこれらのカメラは、むしろＰＭ内部において監視のために使用される。これらの図示しないカメラは、ＰＭ及びツールの様々な操作を感知するために典型的に使用されるセンサの一部である。コンピュータビジョンシステムは、図９Ａ～図１１を参照して以下に説明されるように、これらのセンサ及びカメラと連携して動作する。図７Ａ～図７Ｃに記載されるコントローラは、コンピュータビジョンシステムとデータのやり取りが可能であり、図９Ａ～図１１を参照して以下に説明されるように、コンピュータビジョンシステムから受信されるデータに基づいて、それぞれのＰＭを操作してもよい。
【0109】
図７Ａは、処理チャンバ１７０２を備える基板処理システム１７００の一例を示す。ここでの例は、プラズマ励起化学気相堆積（ＰＥＣＶＤ）に関連して説明するが、本開示の教示は、原子層堆積（ＡＬＤ）、プラズマ励起ＡＬＤ（ＰＥＡＬＤ）、ＣＶＤ、又はエッチング処理を含む他の処理など、他のタイプの基板処理にも適用できる。システム１７００は、システム１７００の他の構成要素を囲み、無線周波数プラズマ（使用される場合）を有する処理チャンバ１７０２を備える。処理チャンバ１７０２は、上部電極１７０４と、静電チャック（ＥＳＣ）１７０６又は他の基板支持体とを備える。動作中、基板１７０８はＥＳＣ １７０６上に配置される。
【0110】
例えば、上部電極１７０４は、プロセスガスを導入して分配する、シャワーヘッドなどのガス分配装置１７１０を含み得る。ガス分配装置１７１０は、その一端が処理チャンバ１７０２の頂面に接続された、ステム部を含み得る。シャワーヘッドのベース部分は、概ね円筒形であり、処理チャンバ１７０２の頂面から離間した位置で、ステム部の反対側の端部から外向きの放射状に延びている。シャワーヘッドのベース部分の基板に面する表面、またはフェースプレートは、気化した前駆体、プロセスガス、またはパージガスが通る複数の孔を含む。あるいは、上部電極１７０４は導電板を含んでいてもよく、プロセスガスは別の方法で導入されてもよい。
【0111】
ＥＳＣ １７０６は、下部電極として作用するベースプレート１７１２を備えている。ベースプレート１７１２は、セラミックマルチゾーン加熱プレートに相当し得る加熱プレート１７１４を支持する。加熱プレート１７１４とベースプレート１７１２との間に、熱抵抗層１７１６が配置されていてもよい。ベースプレート１７１２は、ベースプレート１７１２を通して冷却剤を流すための、１つ又は複数のチャネル１７１８を含んでいてもよい。
【0112】
プラズマが使用される場合、ＲＦ生成システム１７２０は、ＲＦ電圧を生成して、上部電極１７０４及び下部電極（例えば、ＥＳＣ １７０６のベースプレート１７１２）の一方に出力する。上部電極１７０４とベースプレート１７１２の他方は、ＤＣ接地、ＡＣ接地、又は無接地であってもよい。例えば、ＲＦ生成システム１７２０は、整合及び分配ネットワーク１７２４によって、上部電極１７０４又はベースプレート１７１２に供給されるＲＦ電力を生成する、ＲＦ生成器１７２２を含んでいてもよい。他の例では、プラズマは、誘導的に又は遠隔的に生成されてもよい。
【0113】
ガス供給システム１７３０は、１つ又は複数のガス源１７３２－１、１７３２－２、．．．１７３２－Ｎ（ガス源１７３２と総称する：Ｎは０より大きい整数）を含む。ガス源１７３２は、バルブ１７３４－１、１７３４－２、．．．１７３４－Ｎ（バルブ１７３４と総称する）、ならびにマスフローコントローラ１７３６－１、１７３６－２、．．．１７３６－Ｎ（マスフローコントローラ１７３６と総称する）によって、マニホールド１７４０に接続される。蒸気供給システム１７４２は、処理チャンバ１７０２に接続されたマニホールド１７４０又は別のマニホールド（図示せず）に気化した前駆体を供給する。マニホールド１７４０の出力は、処理チャンバ１７０２に供給される。
【0114】
温度コントローラ１７５０は、加熱プレート１７１４内に配置された複数の熱制御素子（ＴＣＥ）１７５２に接続できる。温度コントローラ１７５０は、複数のＴＣＥ １７５２を制御して、ＥＳＣ １７０６及び基板１７０８の温度を制御するために使用できる。温度コントローラ１７５０は、冷却剤アセンブリ１７５４と連通することで、チャネル１７１８を通る冷却剤の流れを制御できる。例えば、冷却剤アセンブリ１７５４は、冷却剤ポンプ、リザーバ、及び１つ又は複数の温度センサ（図示せず）を含み得る。温度コントローラ１７５０は、冷却剤アセンブリ１７５４を動作させて、チャネル１７１８を通して冷却剤を選択的に流し、ＥＳＣ １７０６を冷却する。バルブ１７５６及びポンプ１７５８は、処理チャンバ１７０２から反応物を排出するために使用できる。システムコントローラ１７６０は、システム１７００の構成要素を制御する。
【0115】
図７Ｂは、基板処理システム１８００の別の例を示す。基板処理システム１８００は、コイル駆動回路１８１１を含む。いくつかの例においては、コイル駆動回路１８１１は、ＲＦ源１８１２と、パルス回路１８１４と、チューニング回路（すなわち、整合回路）１８１３を含む。パルス回路１８１４は、ＲＦ源１８１２によって生成されたＲＦ信号のトランス結合型プラズマ（ＴＣＰ）エンベロープを制御し、動作中にＴＣＰエンベロープのデューティサイクルを１％～９９％の間で変化させる。認識されるように、パルス回路１８１４及びＲＦ源１８１２は、組み合わせてもよいし、別個の部材としてもよい。
【0116】
チューニング回路１８１３は、誘導コイル１８１６に直接接続されていてもよい。基板処理システム１８１０は、単一のコイルを使用するが、基板処理システムによっては、複数のコイル（例えば、内側コイルと外側コイル）を使用する場合もある。チューニング回路１８１３は、ＲＦ源１８１２の出力を、所望の周波数及び／又は所望の位相に同調させ、コイル１８１６のインピーダンスを整合させる。
【0117】
誘電体ウインドウ１８２４は、処理チャンバ１８２８の上面に沿って配置されている。処理チャンバ１８２８は、基板１８３４を支持するための基板支持体（又は台座）１８３２を含む。基板支持体１８３２は、静電チャック（ＥＳＣ）、機械的チャック、又は他のタイプのチャックを含んでいてもよい。プロセスガスが処理チャンバ１８２８に供給され、処理チャンバ１８２８の内部で、プラズマ１８４０が生成される。プラズマ１８４０によって、基板１８３４の露出面がエッチングされる。動作中、ＲＦ源１８５０、パルス回路１８５１、及びバイアス整合回路１８５２を用いて基板支持体１８３２をバイアスし、イオンエネルギーを制御できる。
【0118】
ガス供給システム１８５６を使用して、プロセスガス混合物を、処理チャンバ１８２８に供給できる。ガス供給システム１８５６は、プロセス用不活性ガス源１８５７と、バルブやマスフローコントローラなどのガス計量システム１８５８と、マニホールド１８５９とを含み得る。ガス注入器１８６３は、誘電体ウインドウ１８２４の中心に配置可能であり、ガス混合物を、ガス供給システム１８５６から処理チャンバ１８２８内に注入するために使用される。加えてまたは代替的に、ガス混合物は、処理チャンバ１８２８の側面から注入してもよい。
【0119】
加熱器／冷却器１８６４を使用して、基板支持体１８３２を所定の温度まで加熱／冷却できる。排気システム１８６５は、処理チャンバ内の圧力を制御するため、及び／又はパージ又は減圧脱気によって処理チャンバ１８２８から反応物を除去するために、バルブ１８６６及びポンプ１８６７を備える。
【0120】
コントローラ１８５４を使用することにより、エッチングプロセスを制御できる。コントローラ１８５４は、システムパラメータを監視し、ガス混合物の供給、プラズマの発生、維持、及び消去、反応物の除去、冷却ガスの供給などを制御する。また、後述するように、コントローラ１８５４は、コイル駆動回路１８１０、ＲＦ源１８５０、バイアス整合回路１８５２などの各種態様を制御してもよい。
【0121】
図７Ｃに、基板の層をエッチングするための処理チャンバ１９００を示す。処理チャンバ１９００は、下部チャンバ領域１９０２及び上部チャンバ領域１９０４を含む。下部チャンバ領域１９０２は、チャンバ側壁面１９０８、チャンバ底面１９１０、及びガス分配装置１９１４の下面によって画定される。
【0122】
上部チャンバ領域１９０４は、ガス分配装置１９１４の上面及びドーム１９１８の内面によって画定される。いくつかの例においては、ドーム１９１８は第１の環状支持体１９２１上に載置される。いくつかの例においては、第１の環状支持体１９２１は、プロセスガスを上部チャンバ領域１９０４に供給するための、１つ又は複数の離間した孔１９２３を含む。いくつかの例においては、プロセスガスは、ガス分配装置１９１４を含む平面に対して鋭角となる上方向に、１つ又は複数の離間した孔１９２３によって供給されるが、他の角度／方向であってもよい。いくつかの例においては、第１の環状支持体１９２１内のガスフローチャネル１９３４は、１つ又は複数の離間した孔１９２３にガスを供給する。
【0123】
第１の環状支持体１９２１は、ガスフローチャネル１９２９から下部チャンバ領域１９０２にプロセスガスを供給するための１つ又は複数の離間した孔１９２７を画定する、第２の環状支持体１９２５上に載置されてもよい。いくつかの例においては、ガス分配装置１９１４の孔１９３１は、孔１９２７と位置合わせされる。他の例では、ガス分配装置１９１４はより小さい直径を有し、孔１９３１は不要である。いくつかの例においては、プロセスガスは、１つ又は複数の離間した孔１９２７によって、ガス分配装置１９１４を含む平面に対して鋭角となる下方向に、基板１９２６に向けて供給されるが、他の角度／方向であってもよい。他の例では、上部チャンバ領域１９０４は、平坦な頂面を有する円筒形であり、１つ又は複数の平坦な誘導コイルが使用されてもよい。さらに他の例では、単一のチャンバが、シャワーヘッドと基板支持体との間に配置されたスペーサとともに使用されてもよい。
【0124】
基板支持体１９２２は、下部チャンバ領域１９０４内に配置される。いくつかの例においては、基板支持体１９２２は静電チャック（ＥＳＣ）を含むが、他のタイプの基板支持体を使用することもでき、エッチング中、基板１９２６は基板支持体１９２２の上面に配置される。いくつかの例においては、基板１９２６の温度は、ヒータプレート１９３０、流体チャネルを有するオプションとしての冷却板、及び１つ又は複数のセンサ（図示せず）によって制御されてもよいが、任意の他の適切な基板支持体温度制御システムが使用されてもよい。
【0125】
いくつかの例においては、ガス分配装置１９１４は、シャワーヘッド（例えば、複数の離間した孔１９２７を有するプレート１９２８）を含み、複数の離間した孔１９２７は、プレート１９２８の上面からプレート１９２８の下面まで延在する。いくつかの例においては、離間した孔１９２７は、０．４インチ～０．７５インチ（１．０１６ｃｍ～１．９０５ｃｍ）の直径を有し、シャワーヘッドは、アルミニウムなどの導電性材料、又は導電性材料で作製された埋め込み電極を有するセラミックなどの非導電性材料で作製される。
【0126】
１つ又は複数の誘導コイル１９４０は、ドーム１９１８の外側部周辺に配置される。１つ又は複数の誘導コイル１９４０は、通電されると、ドーム１９１８の内側に電磁場を生成する。いくつかの例においては、上側コイル及び下側コイルが使用される。ガス注入器１９４２は、ガス供給システム１９５０－１から、１つ又は複数のガス混合物を注入する。
【0127】
いくつかの例においては、ガス供給システム１９５０－１は、１つ又は複数のガス源１９５２と、１つ又は複数のバルブ１９５４と、１つ又は複数のマスフローコントローラ（ＭＦＣ）１９５６と、混合マニホールド１５８とを含むが、他のタイプのガス供給システムも使用可能である。ガス混合物の流量を変化させるために、ガススプリッター（図示せず）を使用してもよい。別のガス供給システム１９５０－２を使用して、ガスフローチャネル１９２９及び／又は１９３４に、（ガス注入器１９４２からのエッチングガスに加えて、またはその代わりに）エッチングガスまたはエッチングガス混合物を供給してもよい。
【0128】
いくつかの例においては、ガス注入器１９４２は、下方向にガスを向ける中央注入位置と、下方向に対してのある角度においてガスを注入する１つ又は複数の側方注入位置とを含む。いくつかの例においては、ガス供給システム１９５０－１は、ガス混合物の第１の部分を第１の流量でガス注入器１９４２の中央注入位置に送出し、ガス混合物の第２の部分を第２の流量でガス注入器１９４２の側方注入位置に供給する。他の例では、異なるガス混合物が、ガス注入器１９４２によって供給される。いくつかの例においては、ガス供給システム１９５０－１は、後述するように、ガスフローチャネル１９２９及び１９３４、及び／又は処理チャンバ内の他の場所に、調節ガスを供給する。
【0129】
プラズマ発生器１９７０は、１つ又は複数の誘導コイル１９４０に出力されるＲＦ電力を生成するために使用できる。プラズマ１９９０は、上部チャンバ領域１９０４内で生成される。いくつかの例においては、プラズマ発生器１９７０は、ＲＦ生成器１９７２及び整合ネットワーク１９７４を含む。整合ネットワーク１９７４は、ＲＦ生成器１９７２のインピーダンスを１つ又は複数の誘導コイル１９４０のインピーダンスに整合させる。いくつかの例において、ガス分配装置１９１４は、接地などによって基準電位に接続される。バルブ１９７８及びポンプ１９８０を使用して、下部チャンバ領域１９０２及び上部チャンバ領域１９０４の内部の圧力を制御し、反応物を排出できる。
【0130】
コントローラ１９７６は、ガス供給システム１９５０－１及び１９５０－２、バルブ１９７８、ポンプ１９８０、及びプラズマ発生器１９７０と通信して、プロセスガス、パージガスの流れ、無線周波数プラズマ、及びチャンバ圧を制御する。いくつかの例においては、プラズマは、１つ又は複数の誘導コイル１９４０によってドーム１９１８内に維持される。１つ又は複数のガス混合物が、ガス注入器１９４２（及び／又は孔１９２３）によってチャンバの上部から導入され、プラズマは、ガス分配装置１９１４によってドーム１９１８内に閉じ込められる。
【0131】
ドーム１９１８内にプラズマを閉じ込めることにより、プラズマ種の体積再結合が可能になり、ガス分配装置１９１４を通して所望のエッチャント種を流出させることができる。いくつかの例においては、基板１９２６に印加されるＲＦバイアスは存在せず、その結果、基板１９２６上に活性シースは存在せず、イオンは有限エネルギーで基板に衝突しない。ある程度の量のイオンは、ガス分配装置１９１４を通ってプラズマ領域から拡散するが、拡散するプラズマの量は、ドーム１９１８の内側に位置するプラズマよりも一桁少ない。プラズマ中のイオンのほとんどは、高圧下での体積再結合によって失われる。ガス分配装置１９１４の上面における表面再結合損失はまた、ガス分配装置１９１４の下のイオン密度を低下させる。
【0132】
他の例においては、ＲＦバイアス生成器１９８４が設けられ、ＲＦ生成器１９８６及び整合ネットワーク１９８８を含む。ＲＦバイアスは、ガス分配装置１９１４と基板支持体との間にプラズマを生成するために、又は基板１９２６上に自己バイアスを生成してイオンを引き付けるために使用できる。コントローラ１９７６は、ＲＦバイアスを制御するために使用できる。
【0133】
エッジ結合リングは、基板の半径方向外縁部付近のプラズマのエッチングレート及び／又はエッチングプロファイルを調整するために使用できる。エッジ結合リングは、通常、基板の半径方向外縁部周辺の台座上に配置されている。基板の半径方向外縁部におけるプロセス条件は、エッジ結合リングの位置、エッジ結合リングの内側エッジの形状又はプロファイル、基板の上面に対するエッジ結合リングの高さ、エッジ結合リングの材料などを変更することによって修正できる。
【0134】
図７Ｄは、台座１８７１を囲むエッジ結合リング１８７０の一例を示す。エッジ結合リング１８７０は、単一の部分又は２つ以上の部分を含み得る。図示の例では、エッジ結合リング１８７０は、基板１８７３の半径方向外側に配置された第１の環状部１８７２を含む。第２の環状部１８７４は、第１の環状部１８７２から半径方向内側に、基板１８７３の下方に配置される。第３の環状部１８７６は、第１の環状部１８７２の下方に配置される。使用中、プラズマ１８７５は基板１８７３に向けられ、基板１８７３の露出部分をエッチングする。エッジ結合リング１８７０は、基板１８７３の均一なエッチングが実現可能となるようにプラズマを形成できるように配置されている。エッジ結合リング１８７０の使用後、エッジ結合リング１８７０の半径方向内側部分の上面は、（例えば、１８７８において）侵食される場合があり、その結果、プラズマ１８７５は、基板１８７３の半径方向外縁部を、その半径方向内側部分のエッチングよりも速い速度でエッチングする傾向があり、そのため基板１８７３の半径方向外縁部付近において、基板１８７３のエッチングが不均一となる場合がある。
【0135】
エッジ結合リング１８７０の１つ又は複数の部分は、基板又は台座１８７１に対して垂直及び／又は水平に移動させることができる。この移動によって、処理チャンバを開放することなく、エッチング又は他の基板処理中に、基板１８７３に対するプラズマ１８７５のエッジ結合効果を変化させる。アクチュエータ１８８０は、エッジ結合リング１８７０の１つ又は複数の部分を基板１８７３に対して移動させるために様々な位置に配置できる。あくまで例であるが、アクチュエータ１８８０は、エッジ結合リング１８７０の第１の環状部１８７２と第３の環状部１８７６との間に配置されてもよい。いくつかの例においては、アクチュエータ１８８０は、圧電アクチュエータ、ステッパモータ、空圧駆動、または他の好適なアクチュエータを含んでいてもよい。いくつかの例においては、１つ、２つ、３つ、または４つ以上のアクチュエータが使用される。他の例においては、複数のアクチュエータが、エッジ結合リング１８７０の周辺に均一に配置されていてもよい。アクチュエータは、処理チャンバの内側又は外側に配置できる。
【0136】
アクチュエータ１８８０は、エッジ結合リング１８７０の１つ又は複数の部分の位置を変更するために、エッジ結合リング６０の１つ又は複数の部分を移動させるために使用される。例えば、アクチュエータ１８８０は、エッジ結合リング１８７０の第１の環状部１８７２を移動させるために使用できる。この例においては、アクチュエータ１８８０は、エッジ結合リング１８７０の第１の環状部１８７２を上方向または垂直方向に移動させて、エッジ結合リング１８７０の第１の環状部１８７２の縁が、基板１８７３の半径方向外縁部よりも高くなるようにする。その結果、基板１８７３の半径方向外縁部付近のエッチング均一性が改善される。
【0137】
アクチュエータ１８８０は、水平、斜め等、他の方向に移動してもよい。エッジ結合リング１８７０の一部の水平移動は、基板１８７３に対するエッジ結合効果をセンタリングするために行われてもよい。例えば、アクチュエータ１８８０は、エッジ結合リング１８７０の半径方向外側に配置されてもよい。さらに、アクチュエータ１８８０は、垂直（又は上下）方向及び水平（又は左右）方向に移動できる。基板のエッチングが、基板に対するエッジ結合リング１８７０の水平オフセットを示す場合は、水平再配置を使用してもよい。水平オフセットは、処理チャンバを開放することなく補正できる。同様に、アクチュエータのうちのいくつかを他のアクチュエータとは異なるように作動させて、左右非対称を補正または生成することによって、エッジ結合リング１８７０を傾斜させてもよい。
コンピュータビジョンシステム
コンピュータビジョンシステム
【0138】
上記の説明から認識されるように、様々なタイプのウェハ上で実行される様々なタイプの処理が存在し、ウェハは、異なる構成を有するツールが配置されたプロセスモジュール内で処理される。実行されている処理及びツールの構成に応じて、ウェハは、チャンバとツールとの間をしばしば移動する（すなわち、移送される）。様々なタイプのデータが、チャンバ及びツール内の様々な位置に配置されたセンサを使用して、これらのチャンバ及びツールから収集される。それに加えて、カメラなどの、１つ又は複数の検出器を処理チャンバの周囲に配置し、処理チャンバ内の様々な構成要素に関する追加のデータを観察及び提供することも可能である。
【0139】
異なる構成（解像度、被写界深度、開口サイズ等）、異なるレンズタイプ（例えば、視野、焦点距離、フィルタ等）、及び異なる通信プロトコル（ＵＳＢ、ＭＩＰＩ等）を用いて、異なる波長（例えば、光学カメラ、ＩＲカメラ、Ｘ線イメージング等）で動作できる、広範囲のコンピュータビジョン検出器（センサ）ハードウェアを使用できる。また、異なる波長を有する様々なタイプの光源及び照明の構成を使用できる。レンズ歪み、カメラ取付けのばらつき、照明のばらつき等を考慮し、チェッカーボードまたはパターンを有するウェハを含む様々な技術を、カメラのその場での較正において使用できる。検出器及びセンサから収集されたデータは、処理が正しく実行されているかどうか、チャンバ／ツール内の処理及び／または構成要素を改変する必要があるかどうか、予防メンテナンスを行う必要があるかどうか、または構成要素を交換する必要があるかどうか等の検証のために使用される。
【0140】
本開示の特定の実施形態に係るコンピュータビジョンシステムは、ツール内の１つ又は複数の位置（例えば、ツールのエアロックの上部、ロボットアーム上、アライナ上など）に設置されたカメラなどの、１つ又は複数の検出器を備える。これらのカメラは、プロセスモジュールの内部を観察するためにしばしば使用されるカメラとは別個のものとして追加される。代わりに、これらのカメラは、プラットフォーム内において、ウェハがツールのプロセスモジュール間、またはツール間を移送されている際に、ウェハの画像を撮像する。
【0141】
例えば、これらのカメラは、搬入／搬出されるウェハ、エアロック内に配置されたエッジ結合リング、ＡＴＭ及びＶＴＭロボットエンドエフェクタ、及びエアロックフィンガパッドの画像を撮像する。これにより、ウェハハンドリングシステムのその場での検査が可能になり、ツールの自己認識能力及びフリート識別が可能になるとともに、ツール適合の特徴を提供できる。これらのカメラによって収集された画像は、特徴抽出のために、組込みプロセッサまたは外部プリント回路基板上で処理される。抽出された特徴は、工場内の様々なツールから送られるビッグデータを保存可能なフリート全体の分散コンピューティング及び通信システムに送信されて収集され、機械学習を使用してモデルを構築及び学習させてデータを相関させ、ツールの健全性、フリート識別、及びフリートにわたるツールのリアルタイム閉ループ制御を決定する。
【0142】
このように、画像処理技術を使用して学習したモデルによって、半導体機器のその場でのツール検査及び健全性の監視が可能となり、さらに、リアルタイム適応能力が実現可能となる。このようなコンピュータビジョンシステムは、様々なメンテナンス、トラブルシューティング、及びツール制御タスクを自動化することによって、フリート全体の、半導体ツールの自律的な動作及び制御を可能にすることが認識できる。
【0143】
本コンピュータビジョンシステムは、多くの利益を提供できる。以下は、いくつかの適用例である。例えば、コンピュータビジョンシステムを使用して、エアロック内のロボットエンドエフェクタ及びエアロックフィンガパッドを監視し、経時的なパッド摩耗（例えば、形状、サイズ、色等の変化）を検出し、パッド交換時期を予測し、ユーザにパッド交換を喚起できる。例えば、コンピュータビジョンシステムを使用して、ウェハエッジを監視し、エアロック内のウェハ配置精度及び潜在的な経時的ドリフトを判定できる。観測された経時的ドリフトは、ＡＴＭ／ＶＴＭロボットの健全性を判断し、予防メンテナンススケジュールを推奨するために使用できる。経時的に観察される異なるウェハ配置ドリフトパターン／プロファイルは、異なるロボットサブシステム誤動作と相関させることで、メンテナンススタッフにガイダンスを提供することが可能となり、トラブルシューティングのコスト及び時間を低減させることができる。例えば、異なるタイプのエッジ検出アルゴリズムを、本システムにおけるロボットエンドエフェクタ位置に使用できる。
【0144】
例えば、コンピュータビジョンシステムを使用して、ウェハ上のダイパターンを決定することによって、搬入されるウェハのタイプ（例えば、論理、メモリ、３Ｄ ＮＡＮＤなど）を識別し、ツール健全性と、搬入されるウェハのタイプ及びプロセスモジュールで使用されるレシピのタイプを相関させることができる。例えば、オブジェクト検出アルゴリズムを使用してダイパターンを識別し、異なるＲＧＢチャネルにおける階調値ヒストグラムを分析することによって、異なるウェハタイプカテゴリを識別できる。例えば、コンピュータビジョンシステムを使用して、ＣＷＡＣウェハの色の経時的な変化を監視し、それに基づいてＣＷＡＣウェハ交換を予測できる。
【0145】
例えば、コンピュータビジョンシステムを使用して、エアロック内のエッジ結合リングの厚さ及びエッジプロファイルを監視し、搬入されるエッジ結合リングが新品であるか又は使用されているかを判定できる。例えば、コンピュータビジョンシステムを使用して、エアロック内のエッジ結合リングの厚さ及びエッジ侵食プロファイルを監視し、搬出されるエッジ結合リングの状態を判定できる。例えば、コンピュータビジョンシステムを使って、搬入又は搬出されるエッジ結合リングのエッジ侵食プロファイル間の変化に基づいて、プロセスモジュールのエッチングレートを決定できる。このデータは、プロセスモジュールのレシピを自動調整、またはリフトピンを介してチャック上方のエッジ結合リングの高さを自動調整して、ツール間のプロセスモジュール整合を行うために使用できる。他にも多くの使用例が想定可能である。
環境
環境
【0146】
以下は、本開示のシステム及び方法を実装可能な、分散コンピューティング環境を単純化した例である。説明全体を通して、サーバ、クライアントデバイス、アプリケーションなどの用語は、参照目的のみで使用される。サーバ及びクライアントデバイスという用語は、機械が読み取り可能な命令を実行するように構成された１つ又は複数のプロセッサ及びメモリを備えたコンピューティングデバイスを表すものとして、広く理解されるべきものである。アプリケーション及びコンピュータプログラムという用語は、コンピューティングデバイスによって実行できる、機械が読み取り可能な命令を表すものとして広く理解されるべきものである。
【0147】
図８Ａは、本開示によるコンピュータビジョンシステム１７７０のハイレベルアーキテクチャを示す。コンピュータビジョンシステム１７７０は、分散コンピューティングシステム１７７４に通信可能に接続された複数のフリート１７７２－１、１７７２－２、．．．１７７２－Ｎ（フリート１７７２と総称する）を備える。例えば、ツールのフリートは、図２に示される製造設備内のツールの配置と同様とすることができる。各フリート１７７２は、１つ又は複数の検出器（例えば、カメラ）１７８０、画像プロセッサ１７８２、知覚アルゴリズム１７８４、コントローラ１７８６、ロボット１７８８、アクチュエータ１７９０、及びレシピ１７９２を含む。コンピュータビジョンシステム１７７０の概要を以下に示す。コンピュータビジョンシステム１７７０の詳細については、図９Ａ以降を参照して後述する。
【0148】
簡潔には、検出器１７８０は、フリート１７７２内のツールの様々な構成要素の画像を撮像する。画像プロセッサ１７８４は、画像を処理する。例えば、画像プロセッサ１７８４は、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。
【0149】
特定の実施形態によれば、分散コンピューティングシステム１７７４は、複数のサーバを備える（例えば、図８Ｂ～８Ｄ及び図１１を参照）。分散コンピューティングシステム１７７４は、フリート１７７２内の特定のタスクを自動的に実行するために使用可能な様々なモデルを学習させる。分散コンピューティングシステム１７７４は、フリート１１７２からの画像から経時的に収集されたデータに基づいて様々なモデルを学習させる。分散コンピューティングシステム１７７４は、知覚アルゴリズム、センサ融合アルゴリズム、及び機械学習アルゴリズムを使用して、様々なモデルを学習させる。
【0150】
使用中において、フリート１７７２の動作中、画像データは、分散コンピューティングシステム１７７４内の学習済モデルに送信される。これを受けて、フリート１７７２内のコントローラ１７８６は、学習済モデルの出力を入力としてリアルタイムで受信し、以下で更に詳細に説明するように、フリート１７７２内のツールの構成要素の調整、クリーニング、整備などの動作を自動的に実行する。いくつかの実装形態においては、コントローラ１７８６は、エッジコンピューティングデバイスを含んでいてもよい。
【0151】
図８Ｂは、分散コンピューティングシステム２０００の簡略化された例を示す。分散コンピューティングシステム２０００は、分散通信システム２０１０、１つ又は複数のクライアントデバイス２０２０－１、２０２０－２、．．．２０２０－Ｍ（クライアントデバイス２０２０と総称する）、ならびに１つ又は複数のサーバ２０３０－１、２０３０－２、．．．２０３０－Ｎ（サーバ２０３０と総称する）を含む。ここで、ＭとＮは１以上の整数である。分散通信システム２０１０は、ローカルエリアネットワーク（ＬＡＮ）、インターネットなどのワイドエリアネットワーク（ＷＡＮ）、または他のタイプのネットワークを含み得る。クライアントデバイス２０２０及びサーバ２０３０は、異なる地理的位置に配置され、分散通信システム２０１０を介して互いに通信できる。クライアントデバイス２０２０及びサーバ２０３０は、無線及び／又は有線接続を介して、分散通信システム２０１０に接続する。
【0152】
クライアントデバイス２０２０は、１つ又は複数のツール、ツールを制御するシステムコンピュータ、ＰＭ、及びＰＭを制御するコントローラを含み得る。クライアントデバイス２０２０は、ツールのオペレータによって使用されるスマートフォン、携帯情報端末（ＰＤＡ）、タブレット、ラップトップコンピュータ、パーソナルコンピュータ（ＰＣ）なども含み得る。サーバ２０３０は、複数のサービスをクライアントデバイス２０２０に提供できる。例えば、サーバ２０３０は、ソフトウェア及び１つ又は複数のベンダーによって開発された機械学習アプリケーションを実行してもよい。サーバ２０３０は、クライアントデバイス２０２０のユーザにサービスを提供する際に、ソフトウェアアプリケーションに依拠される複数のデータベースをホストしてもよい。サーバ２０３０及びデータベースは、クラウド内、オンプレミス、または両方にホストされてもよい。
【0153】
いくつかの例においては、クライアントデバイス２０２０またはサーバ２０３０のうちの１つ又は複数は、ツール上に設置されたカメラによって撮像された画像を処理する、１つ又は複数のアプリケーションを実行する。アプリケーションはまた、機械学習法を使用して、画像から収集されたデータに基づいて、１つ又は複数のモデルを学習させる。さらに、これらのアプリケーションは、ツールやＰＭに搭載された様々なセンサからデータを受け取り、分析する。また、アプリケーションは、モデルを用いて、画像やセンサから収集されたデータを分析し、ツール及びＰＭ内の問題の根本原因の診断やトラブルシューティングなどの様々な機能を実行し、ＰＭ内で実行される処理を調整する等の動作を行う。アプリケーションは、ＳａａＳ（Ｓｏｆｔｗａｒｅ－ａｓ－ａ－Ｓｅｒｖｉｃｅ）として実装されていてもよい。
【0154】
図８Ｃは、クライアントデバイス２１２０－１の簡略化された例を示す。クライアントデバイス２１２０－１は、典型的には、１つ又は複数の中央処理装置（ＣＰＵ）、１つ又は複数のグラフィカル処理装置（ＧＰＵ）、及び１つ又は複数のテンソル処理装置（ＴＰＵ）（プロセッサ２１５０と総称して図示する）、１つ又は複数の入力装置２１５２（例えば、キーパッド、タッチパッド、マウス、タッチスクリーン、カメラなどの検出器またはセンサなど）、ディスプレイ２１５６を含むディスプレイサブシステム２１５４、ネットワークインターフェース２１５８、メモリ２１６０、及び大容量ストレージ２１６２を含み得る。
【0155】
ネットワークインターフェース２１５８は、分散通信システム２１１０を介して、クライアントデバイス２１２０－１を分散コンピューティングシステム２０００に接続する。例えば、ネットワークインターフェース２１５８は、有線インターフェース（例えば、イーサネット（登録商標）、ＥｔｈｅｒＣＡＴ、又はＲＳ－４８５インターフェース）及び／又は無線インターフェース（例えば、Ｗｉ－Ｆｉ、Ｂｌｕｅｔｏｏｔｈ、近距離無線通信（ＮＦＣ）、又は他の無線インターフェース）を含み得る。メモリ２１６０は、揮発性または不揮発性メモリ、キャッシュ、または他のタイプのメモリを含み得る。大容量ストレージ２１６２は、フラッシュメモリ、磁気ハードディスクドライブ（ＨＤＤ）、及び他の大容量ストレージ装置を含み得る。
【0156】
クライアントデバイス２１２０－１のプロセッサ２１５０は、オペレーティングシステム（ＯＳ）２１６４及び１つ又は複数のクライアントアプリケーション２１６６を実行する。クライアントアプリケーション２１６６は、分散通信システム２１１０を介してサーバ２１３０にアクセスするアプリケーションを含む。クライアントアプリケーション２１６６は、ツールを制御するシステムコンピュータによって実行されるアプリケーションを含み得る。クライアントアプリケーション２１６６は、ツールに設置されたカメラによって撮像された画像を処理するアプリケーションと、最も単純なタイプの人工ニューラルネットワークであるパーセプトロンアルゴリズムを実行するアプリケーションも含み得る。パーセプトロンアルゴリズムは、２クラス分類問題に使用できる単一ニューロンのモデルであり、大規模機械学習アルゴリズムのためのデータを提供する。
【0157】
図８Ｄは、サーバ２１３０－１の簡略化された例を示す。サーバ２１３０－１は、典型的には、１つ又は複数のＣＰＵ／ＧＰＵまたはプロセッサ２１７０、ネットワークインターフェース２１７８、メモリ２１８０、大容量ストレージ２１８２を含む。いくつかの実装形態においては、サーバ２１３０－１は汎用サーバであってもよく、１つ又は複数の入力装置２１７２（例えば、キーパッド、タッチパッド、マウスなど）と、ディスプレイ２１７６を含むディスプレイサブシステム２１７４を含み得る。
【0158】
ネットワークインターフェース２１７８は、サーバ２１３０－１を分散通信システム２１１０に接続する。例えば、ネットワークインターフェース２１７８は、有線インターフェース（例えば、イーサネット又はＥｔｈｅｒＣＡＴインターフェース）及び／又は無線インターフェース（例えば、Ｗｉ－Ｆｉ、Ｂｌｕｅｔｏｏｔｈ、近距離無線通信（ＮＦＣ）、又は他の無線インターフェース）を含み得る。メモリ２１８０は、揮発性または不揮発性メモリ、キャッシュ、または他のタイプのメモリを含み得る。大容量ストレージ２１８２は、フラッシュメモリ、１つ又は複数の磁気ハードディスクドライブ（ＨＤＤ）、及び他の大容量ストレージ装置を含み得る。
【0159】
サーバ２１３０－１のプロセッサ２１７０は、１つ又は複数のオペレーティングシステム（ＯＳ）２１８４と、共有メモリを有する仮想マシンハイパーバイザーまたはコンテナ化アーキテクチャに収容可能な、１つ又は複数のサーバアプリケーション２１８６を実行する。大容量ストレージ２１８２は、それぞれの機能を実行するためにサーバアプリケーション２１８６によって使用されるデータ構造を記憶する、１つ又は複数のデータベース１８８を記憶できる。サーバアプリケーション２１８６は、ツールに設置されたカメラによって撮像された画像を処理するアプリケーション、パーセプトロンアルゴリズムを実行するアプリケーション、画像から収集されたデータに基づいて１つ又は複数のモデルを機械学習法を使用して学習させるアプリケーション、ならびにツール及びＰＭ内の様々なセンサからのデータを受信及び分析するセンサ融合アプリケーションを含み得る。以下で説明されるように、カメラのデータだけではツールの問題点を特定できない場合がある。センサ融合アプリケーションやツール内の他のセンサからのデータをカメラのデータと併用することで、問題の発生源や根本原因の詳細を判断できる。サーバアプリケーション２１８６は、以下で詳細に説明されるように、モデルを使用して、画像及びセンサから収集されたデータを分析し、ツール及びＰＭ内の問題の根本原因を決定し、ツールの閉ループ自律制御のためのフィードバックとしてこれらのデータを使用し、ＰＭ内で実行中の処理を調整するアプリケーション等を含み得る。
ブロック図
ブロック図
【0160】
図９Ａ～図９Ｆは、ツール内の様々な位置に設置されたカメラの例を示す。あくまで例であるが、図９Ａでは、カメラ２２００がエアロック蓋２２０４のビューポート２２０２上に（下向きに）配置されており、カバー２２０６が、カメラ２２００を囲んで外光を遮断している。図９Ｂは、カメラ２２００の周囲に設置されたカバー２２０６を示す。さらに、サービス中に１つの蓋を別の蓋の上に積み重ねるため、ファスナーを受ける一連のレセプタクル２２０８が、エアロック蓋２２０４に配置されている。図９Ｃは、ロードロックの側面上のビューポート２２１２上に配置可能な別のカメラ２２１０を示す。カメラ２２１０の一部を２２１４として示す。図９Ｄは、カメラ２２１０を搭載するために使用される、マウントアセンブリ２２１６を示す。カメラ２２１０は、カメラ２２００の代替として、またはカメラ２２００と組み合わせて使用できる。
【0161】
図９Ｅ及び図９Ｆは、ツール内のカメラ配置の別の例として、オンボードアライナを有するロボット２２２２上に設置された、カメラ２２２０を概略的に示す。図９Ｅは、オンボードアライナを有するロボット２２２２の側面図を示す。カメラ２２２０は、図９Ｆに示すようにアライナヘッド上に下向きに配置できる。
【0162】
なお、１つ又は複数のカメラは、ツール内のウェハの移動経路の任意の場所に配置できることを理解されたい。また、これらのカメラは、典型的にはＰＭの内部を監視するためにＰＭに隣接して配置されるカメラではなく、ツールと一体化された、又はツールの外部にある計測装置にも関連付けられていないことを更に理解されたい。
【0163】
図１０Ａは、ツールのロードロック内に配置された、カメラ２２００によって監視される構成要素の概略図を示す。垂直の点線は、構成要素の右側のみが図示され、構成要素の対称像が点線の左側に存在することを示している。エアロックフィンガ２３００、２３０２は、それぞれフィンガパッド２３０４、２３０６を含む。ウェハ２３０８は、ロボットによってロードロック内に移送され、フィンガパッド２３０４上に載置される。ロボットのエンドエフェクタ２３１０はパッド２３１２を有し、エッジ結合リング２３１４は、フィンガ２３００上に位置するパッド２３１６上に載置される。
【0164】
エアロック蓋上に配置されたカメラ２２００は、ウェハ２３０８及びエッジ結合リング２３１４の画像（写真）を撮像し、カメラ２２００はまた、ウェハ２３０８がロードロック内に存在しないときに、パッド２３０４、２３０６、２３１２、２３１６の画像を撮像する。例えば、ウェハ２３０８及びエッジ結合リング２３１４の表面の画像を撮像することに加えて、カメラ２２００は、ウェハ２３０８の外径（ＯＤ）、エッジ結合リング２３１４の内径（ＩＤ）、ロボットのエンドエフェクタ２３１０、及びパッド２３０４、２３０６、２３１２、２３１６の画像を撮像する。
【0165】
図１０Ｂは、図１０Ａに示す構成要素の３次元画像を撮像するためのカメラの構成を示す図である。３次元画像を必要とするステレオアプリケーションでは（例えば、エッジ結合リングの完全な３次元画像を得るためには）、奥行き情報を得るために１つ又は複数のカメラが必要である。図示されているような少なくとも２つのカメラ（例えば、カメラ２２００及び２２０１）を含む配置の例は、上記のようなステレオアプリケーションのための完全な３次元画像を得るために必要な奥行き情報を提供する。別の実装形態においては、図１８を参照して以下で説明するように、１つのカメラのみを用いたステレオ画像処理を使用して、エッジ結合リングの厚みプロファイルの３次元点群を作成してもよい。
【0166】
図１１は、特定の実施形態に係る、ツール２４０４（例えば、図１～６Ｃに示される任意のツール）に設置された１つ又は複数のカメラ２４０２（例えば、図９Ａ～１０Ｂに示される要素２２００、２２０１、及び２２１０）によって撮像された画像を処理するコンピュータビジョンシステム２４００を示す。１つのツールのみが、単に一例として示されているが、コンピュータビジョンシステム２４００は、ツール２４０４と同様の複数のツールを備える。カメラ２４０２は、例えば上記の図１０Ａ及び図１０Ｂを参照して示したもののような、１つ又は複数のツール構成要素２４０６の画像を撮像する。ツール２４０２のロードロックなどの暗い領域では、光源２４０７がツール構成要素２４０６を照明するように配置されることで、カメラ２４０２がその画像を撮像できる。１つの光源２４０７のみが例として示されているが、様々なタイプの光源及び異なる波長を有する照明構成を使用できる。さらに、図示されていないが、ツール２４０４は、処理中にウェハが移動する経路内に１つ又は複数のセンサを備える。
【0167】
画像プロセッサ２４０８は、カメラ２４０２によって撮像された画像を処理する。例えば、画像プロセッサ２４０８は、画像をクリーニング及び／またはフォーマットできる。例えば、画像プロセッサ２４０８は、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。画像プロセッサ２４０８は、カメラ２４０２上に配置され（例えば、埋め込まれ）てもよく、また、カメラ２４０２の外部（例えば、ＰＣＢ上）に位置していてもよい。
【0168】
システムコンピュータ２４１０は、ツール２４０４を制御する。一実装形態においては、未加工画像が、処理及び／又は分析のために、遠隔データセンター２４１２に送信されてもよい。あるいは、別の実装形態では、画像は、カメラ２４０２内またはカメラ２４０２の外側のＰＣＢ上に位置し得る画像プロセッサ２４０８によって処理され、分析されたデータの一部のみが、システムコンピュータ２４１０及び／又は遠隔データセンター２４１２に送信される。システムコンピュータ２４１０は、図８Ｂ－８Ｄに示される分散通信システム２０１０を介して、リアルタイム又は数回に分けて、遠隔データセンター２４１２に画像を送信してもよい。さらに、システムコンピュータ２４１０は、ツール２４０４内の他のセンサ及びツール２４０４のＰＭ内のセンサから収集されたデータを、遠隔データセンター２４１２に送信してもよい。いくつかの実装形態においては、システムコンピュータ２４１０は、エッジコンピューティングデバイスを含んでいてもよい。
【0169】
例えば、遠隔データセンター２４１２は、図８Ｂ～８Ｄに示される複数のサーバ２０３０を備え得る。遠隔データセンター２４１２では、機械学習を使用して、ツール２４０４などの複数のツールから収集されたデータに基づいて、いくつかのモデルを学習させる。モデルの学習及び機能については以下で詳細に説明する。システムコンピュータ２４１０は、遠隔データセンター２４１２から受信した学習済モデルを使用して、以下で説明するように、新しい画像から収集されたデータに基づいてツール２４０４を動作させる。
【0170】
いくつかの実施形態においては、システムコンピュータ２４１０は、学習済モデルによって推奨される様々な動作をツール２４０４上で実行する。このような動作としては、例えば、予防メンテナンスを実行すること（例えば、図１０Ａ及び図１０Ｂを参照して説明されるパッドの１つ又は複数を変更すること、ＣＷＡＣウェハを変更すること、ロボットメンテナンスを実行することなど）が挙げられる。システムコンピュータ２４１０は、以下で詳細に説明するように、ウェハ上のダイパターンを認識することによって、ツール２４０４の健全性を、搬入されるウェハのタイプ（論理／メモリ／３Ｄ ＮＡＮＤなど）及びツール２４０４のＰＭで使用されるレシピのタイプと相関させる。
【0171】
例えば、この情報は、使用されるレシピ及び搬入されるウェハのタイプに基づいて、湿式洗浄、ウェハレス自動洗浄（ＷＡＣ）、カバーウェハエリア洗浄（ＣＷＡＣ）手順を行うことができる最適な時間長を決定するために使用できる。例えば、この情報を利用して、搬入されるウェハのタイプに応じてリフトピンを調整することで、チャック上のエッジ結合リングの高さを微調整できる。例えば、搬入・搬出ウェハのＲＧＢカメラにおける異なるチャンネルの階調値分布の変化を利用して、オンウェハ処理結果の品質を定量化できる。これらの量を測定し、その経時的なドリフトを監視することで、ツールの健全性を識別し、そのようなドリフトを考慮し、ＰＭ整合を達成するための、補正措置を行うことができる。
【0172】
いくつかの実施形態においては、システムコンピュータ２４１０は、学習済モデルによって推奨される様々な適応を実行する。例えば、システムコンピュータ２４１０は、エアロック内のウェハ配置の精度を監視し、補正が必要な場合は、ロボットが新しいウェハをエアロック内に配置する際にリアルタイムで補正を行う。システムコンピュータ２４１０は、搬入・搬出されるエッジ結合リングの厚さの減少に基づいて、ＰＭで使用されるレシピを自動的に調整する。システムコンピュータ２４１０は、検出された内径の変化（すなわち、エッジ侵食プロファイルの変化）、または搬入・搬出されるエッジ結合リングの厚さに基づいて、ＰＭにおけるエッチングレートを決定する。システムコンピュータ２４１０は、この情報を使用して、ツール間ＰＭ整合のために、ＰＭにおけるレシピを自動的に調整するか、またはリフトピンを調整することによって、チャック上方のエッジ結合リングの高さを調整する。コンピュータビジョンシステム２４００によって、カメラ２４０２によって撮像された画像に基づいて実行されるこれらの機能及び他の機能について、詳細に説明する。
【0173】
本開示全体において、まだ処理されていない状態でＥＦＥＭからＶＴＭに向かうウェハは搬入ウェハと呼ばれ、ＰＭで既に処理されており、ＶＴＭを離れてＥＦＥＭに向かうウェハを搬出ウェハと呼ぶ。
【0174】
使用中、上記の図１０Ａ及び図１０Ｂを参照して示し、説明した様々なパッドの形状は、経時的に変化する。カメラ２４０２は、ツール２４０４内で処理される全てのウェハについて、これらのパッドの画像を撮像する。コンピュータビジョンシステム２４００は、（カメラ２４０２、カメラ２４０２の近くのＰＣＢ上の画像プロセッサ２４０８、システムコンピュータ２４１０、またはデータセンター２４１２において）経時的に撮像されるこれらの画像の分析（例えば、相関）によって、パッドが汚れているかどうか、クリーニングが必要かどうか、または交換が必要かどうかを検出できる。コンピュータビジョンシステム２４００は、これらのパッド上の摩耗を監視し、それらの画像から経時的に学習し、モデルを（データセンター２４１２で）学習させて、パッドのサービス及び／又は交換を予測する。コンピュータビジョンシステム２４００は、各画像からこれらのパッドの摩耗についてさらに学習し続け、より良い予測のためにモデルを精緻化する。これらの予測は、これらのパッドに対するサービス及び／又は交換手順を改善でき、コストを低減し、ツールの効率を上げることができる。
【0175】
例えば、コンピュータビジョンシステム２４００が、ロボットエンドエフェクタのパッドのクリーニングが必要であると識別した場合、自動的に、エンドエフェクタが、ロードロックの上天井にあるロードロックパージポートの下に配置される手順を行うことができる。そして、ガス（例えば、Ｎ２）がパージポートからエンドエフェクタに向かって高流量で吹き付けられ、ロボットエンドエフェクタ及びパッドから粒子が除去される。この手順により、ロボットエンドエフェクタのクリーニングが、閉ループ方式で、完全にされることを認識されたい。
【0176】
ＣＷＡＣウェハは、経時的に色を変化させる。いくつかの実施形態においては、コンピュータビジョンシステム２４００はまた、これらのウェハの画像を撮像するように構成される。コンピュータビジョンシステム２４００は、これらのウェハの色の変化を監視し、経時的にそれらの画像から学習し、（データセンター２４１２において）モデルを学習させて、これらのウェハの交換時期を予測する。コンピュータビジョンシステム２４００は、各画像によってこれらウェハの色の変化についてさらに学習を続け、モデルを精緻化して予測を改善する。これらの予測は、これらのウェハの交換手順を改善でき、そのためコストを低減し、ツールの効率を上げることができる。
【0177】
いくつかの実施形態においては、コンピュータビジョンシステム２４００は、搬入・搬出ウェハのそれぞれの外縁部を観察する。経時的なウェハエッジのドリフトは、ＡＴＭ／ＶＴＭロボットに伴う問題を示している場合もあるが、リフトピンやクランプ力などの問題に起因して、ウェハがＰＭからＶＴＭロボットによって適切にピックアップされないために問題が生じる場合もある。例えば、６つのＰＭを有するツールにおいて、ＶＴＭロボットによって５つのＰＭから取り出されたウェハは、ウェハエッジの監視により示されるように、ロードロック内に適切に配置することが出来るが、同じＶＴＭによって１つのＰＭのみから取り出されたウェハは、ロードロック内に配置される際にわずかにずれる場合がある。コンピュータビジョンシステム２４００によって撮像された画像の分析から得られるこの情報が、ずれの発生源の識別に役立つ可能性がある。原因は、ＶＴＭロボットに関する問題ではなく、１つのＰＭ内のリフトピンである可能性もある。
【0178】
ツール２４０４内の動的アラインメントセンサも、ウェハ配置を監視する。カメラ２４０２を介して収集されたウェハエッジに関するデータは、センサ融合アルゴリズムを介して動的アラインメント（ＤＡ）センサからのデータと併用され、問題の発生源をより正確に識別できる。また、これらのセンサからのデータは、ツール２４０４における問題のトラブルシューティングにも役立つ。また、ツール２４０４のそういった構成要素に対して、いくつかの較正手順が実行されるため、センサデータに基づく正確なトラブルシューティングが可能となり、誤警報を防止できる。画像から取得したデータによって、ツール２４０４内のこれらのセンサや他のセンサからのデータ、及び較正やトラブルシューティングの手順からのデータを補完でき、問題の根本原因を特定するのに役立つ可能性がある。例えば、ＰＭからツール２４０４内のロードロックまでウェハが移動する経路内の多くのセンサ及びアクチュエータは、画像によって得られたデータと相関可能なデータを提供できる。この相関に基づいて、問題の原因となっているセンサ又はアクチュエータを正確に識別できる。
【0179】
いくつかの実施形態においては、コンピュータビジョンシステム２４００は、ツール２４０４によって処理される各ウェハのタイプを識別可能なように、モデルを学習させることが可能である。製造設備（例えば、図２を参照）において、いくつかのツールを使用して、異なるデバイス（例えば、メモリ、プロセッサなど）が異なるウェハ上に製造され得る。ウェハのタイプを知ることは、ツールにおける問題を識別するのに役立つ可能性がある。ウェハのタイプは、ウェハの画像を処理することによって識別可能（例えば、ウェハがメモリウェハであるか、プロセッサウェハであるかなど）である。例えば、ウェハの画像が、異なる形状（正方形、長方形など）、異なるサイズ、異なる色などの特徴を持つダイパターンを示している場合もある。ウェハ上のダイパターンは、オブジェクト検出アルゴリズムを介して発見、監視、学習でき、ある期間にわたって撮像されたウェハの画像を使用して、各ウェハのタイプを識別できるように、モデルは学習可能である。
【0180】
その後、学習済モデルを用いて、ＰＭまたはツールのうちの１つからのウェハのダイパターンの偏差を、それらのウェハの画像から収集されたデータに基づいて検出し、そのデータを学習されたダイパターンと相関させることができる。さらに、学習済みのパターン（すなわち、学習済モデル）を、ウェハの画像及び／又は他の（例えば、センサベースの）診断システムから収集された他のデータと併用して、特定のツールにおける特定のＰＭの問題、及び／又は、ＰＭ又はツールにおける特定の構成要素の問題を特定できる。
【0181】
例えば、多くの場合、レシピは、ＰＭを調整（例えば、クリーニング）するために使用され、レシピを実行している間、非生産ウェハ（例えば、ダミーウェハ又は調整ウェハ）が使用される。ダミーウェハは、ダイパターンを有さず、製造ウェハが通過する同じウェハフロー及びプロセスレシピを介して送られる。既存のシステムでは、これらのダミーウェハを製造ウェハから区別できない。コンピュータビジョンシステム２４００は、ウェハのダイパターンに基づいてウェハのタイプを識別できるため、これらのダミーウェハを製造ウェハから区別でき、そのため処理が開始される前にウェハのタイプを知ることができる。ここでも、ウェハのタイプを識別するために使用される同じモデルがさらに学習可能であり、ダミーウェハを識別するためにも使用され得る。
【0182】
いくつかのツールにおいては、ウェハがダイパターンを有するかどうかを判定するためにセンサを使用してもよいが、これらのツールでは、センサは、処理の終点においてダイパターンを検出する。検出されたダイパターンがレシピで設定されているものと異なる場合、レシピの失敗が通達され、それに応じた修正手順が実行される。しかし、そのような失敗は、現存しないダイパターンによって、ダミーウェハが欠陥ウェハと間違って判断された可能性もあり、実行されようとするレシピの修正は必要ない場合もある。コンピュータビジョンシステム２４００によって提供されるウェハのタイプ及びウェハのカテゴリ認識によって、このような失敗を自動的に防止できる。
【0183】
例えば、コンピュータビジョンシステム２４００によって学習したモデルを使用し、搬入されるウェハの画像からウェハのタイプを識別することで、ツール２４０４内のＰＭに、搬入されるウェハのタイプを自動的に通知できる。次いで、ＰＭは、搬入されるウェハを処理するために適切なレシピ及び／又はその調整を自動的に選択できる。ウェハが処理されてツール２４０４を離れると、搬出されるウェハの画像が再び撮像され、過去に同様の処理を受けたウェハの画像を撮像したデータベースと比較されることで、搬出されるウェハが正しく処理されたかどうかが確認される。例えば、データベースは、データセンター２４１２、コンピュータシステム２４１０、または少なくとも部分的には、データセンター２４１２及びコンピュータシステム２４１０の両方に保持されてもよい。
【0184】
例えば、処理のタイプ及び段階に応じて、搬入及び搬出されるウェハの色などの単純な指針で、搬入されるウェハのタイプ、搬入されるウェハの処理のためにＰＭによって選択されるレシピのタイプ、及び処理が成功したかどうかを示すことができる。他の例としては、異なる画素におけるウェハ画像の階調値（光強度）、ウェハ上の特徴、ウェハ上の特定の特徴の寸法及び色なども、ウェハのタイプを識別し、ウェハが正常に処理されたかどうかを判定するための指針として使用できる。
【0185】
経時的に撮像された大量のウェハ画像に基づいて、多くのウェハのカテゴリを観察し、データベースに記憶できる。新しいウェハの画像を、複数のカテゴリのウェハの画像と比較することにより、ウェハタイプの検出、及び処理された（及び処理されるべき）ウェハにおける微小なばらつきを改善できる。ウェハのタイプごとに大量の画像を経時的に撮像することで、ウェハの特定領域の寸法や色などの特徴を経時的に把握できる。ウェハタイプを分類するために使用されるモデルは、搬入または搬出されるウェハから抽出された特徴を受信し、受信された特徴と、多くのウェハを観察することによって経時的に構築された特徴のデータベースとの比較に基づいて、ウェハタイプを出力するようにさらに学習できる。データベースは、データセンター２４１２、コンピュータシステム２４１０、または少なくとも部分的には、両方に保持されてもよい。
【0186】
例えば、ウェハの分類は、ウェハ上で観察される特徴のタイプに基づいていてもよい。ウェハがカメラ２４０２の視野内に到達すると、処理の前か後かにかかわらず、ウェハの画像が撮像され、１つ又は複数の特徴が画像から抽出され、その特徴がデータベースに記憶された特徴と比較及び相関される。これにより、ウェハのタイプ及び／又はウェハ上で実行される処理の成功又は失敗を決定できる。類似の方法論を使用して、識別されたウェハを処理するレシピを選択することもできる。特に、これらの動作はすべて、コンピュータビジョンシステム２４００によって学習したモデルを使用して、自動的に（すなわち、人間の介入なしに）実行できる。
【0187】
なお、コンピュータビジョンシステム２４００は、エアロック内のカメラを使用してウェハの画像を撮像するだけでなく、ツール２４０４内に配置された多くの他のシステム（例えば、センサ、ＰＭに関連付けられたカメラなど）によって収集された他のデータと合同して動作することもできる。コンピュータビジョンシステム２４００の信頼性を確保するためには、照明、カメラの向き、及びレベリングなどの多くの要素が比較的一定である必要がある。場合によっては避けることのできないこれらの要素のばらつきを許容可能とするため、コンピュータビジョンシステム２４００によって収集されるデータを、これらの要素における差異の影響を最小限にするかまたは排除するため、これら他のシステムによって収集されるデータを使用して正規化してもよい。
【0188】
このようにして、コンピュータビジョンシステム２４００は、搬入されるウェハのタイプを識別するだけでなく、搬出されるウェハが適切に処理されたかどうかも検証する。さらに、ツール２４０４内のどこかで故障が発生し、搬出されるウェハが適切に処理されなかった場合、コンピュータビジョンシステム２４００は、履歴がラベル付けされたデータを用いて学習したモデルを使用して、故障の根本原因を識別できる。さらに、コンピュータビジョンシステム２４００は、（例えば、パッド、ウェハ等の観察に基づいて）問題の発生を、（例えば、部品の交換、予防メンテナンス等を提案することによって）防止でき、また、問題の根本原因を特定することによって、修正動作を提案することもできる。
【0189】
いくつかのツールは、処理の前後にウェハを分析する、統合計測モジュールを含む。これに対し、コンピュータビジョンシステム２４００は、処理の前後（すなわち、２つのプロセスの間）にウェハを分析して計測の必要性を排除するだけでなく、計測モジュールが実行できない、ウェハ移送機構（ロボット、パッド、関連するセンサなど）及びＰＭ自体の性能分析を行う。コンピュータビジョンシステム２４００は、ウェハ及び様々なパッドなど他の構成要素の撮像された画像に基づいたデータを使用し、また他の機構（例えば、ツール及びＰＭ内のセンサ）からの動作データ及び診断データも使用して、これらの機能を実行し、ツール（例えば、ツール内の移送機構）及びＰＭの性能を高める。
【0190】
カメラ２４０２は、ツール２４０４内の他の場所に配置してもよい。これらのカメラ２４０２は、ＰＭに近接して配置された任意のカメラ、及び計測装置によって使用されるカメラに対して、別個かつ付加的に設けることができ、ツール２４０４と一体化されていてもよく、またツール２４０４の外部に位置していてもよい。さらに、カメラ２４０２は、ツール内で、ツールのフリート全体にわたって配置できる。これにより、撮像された画像のデータベースを拡大でき、画像データに基づいてデータセンター２４１２で構築されたモデルの学習を改善できるため、モデルをより頑強にできる。頑強なモデルは、より高い統計的信頼度でコンピュータビジョンシステム２４００の機能を実行でき、ＰＭ、ツール、及びツールのフリートの全体的な性能を向上させることができる。
【0191】
コンピュータビジョンシステム２４００はまた、ＰＭ整合を援助できる。ＰＭは、特定の数のウェハが処理された後、定期的にクリーニングされる。しかしながら、搬入されるウェハのタイプが異なれば、ＰＭ内に放出される材料も異なり得る。加えて、ＰＭ内のウェハに対して実行されるプロセスが異なれば、ＰＭ内に残る副生成物も異なり、このような異なる副生成物を洗い落とす必要がある。そのため、すべてのタイプのウェハに同じクリーニングレシピを適用すると、次のウェハを処理するための十分なクリーニングができない場合がある。コンピュータビジョンシステム２４００は、搬出されるウェハの撮像された画像に基づいてＰＭ内で実行されるプロセスを把握している。コンピュータビジョンシステム２４００は、ＰＭ上で実行されたクリーニング処理の過去のデータを活用でき、そのためＰＭをクリーニングするための適切なレシピを選択する際の補助を行うことで、ＰＭを、次に搬入されるウェハを処理できる状態にできる。
【0192】
全てのウェハがツール２４０４内で撮影され、モデルがデータセンター２４１２で継続的に精緻化されるため、ツール２４０４は、コンピュータビジョンシステム２４００によって蓄積されたデータに基づいて最適化される。例えば、ツール２４０４内のＰＭのクリーニングサイクル数を最適化できる。例えば、ツール２４０４内のあるＰＭのクリーニングは、ツール２４０４内の別の機構によって推奨されるが、当該ＰＭ内で処理された搬出ウェハの画像に基づいて延期または遅延されてもよい。特に、これらの画像は即時に利用可能であり、コンピュータビジョンシステム２４００によって、リアルタイムまたはほぼリアルタイムで分析される。したがって、ツール２４０４の最適化をオンザフライで行うことができる。このような最適化は、結果を得るのに数時間、または数日かかることもある従来の計測では行うことはできない。コンピュータビジョンシステム２４００を使用することで、データセンター２４１２において、ＰＭで処理された出力ウェハの画像を入力として受信し、ＰＭにおけるクリーニングの実行を制御する出力を提供するように、モデルは学習可能である。この手順は、閉ループ方式で、ＷＡＣ又はＣＷＡＣを介して、ＰＭクリーニングを完全に自動化することが認識できる。
【0193】
別の例として、ツール２４０４内の１つ又は複数のロボットの速度は、ウェハの画像に基づき、性能のわずかな低下が観察されるまで増加させることができる。換言すれば、ツール２４０４のスループットは、計測を実行することなく、リアルタイム、又はほぼリアルタイムで自動的に増加させることができる。さらに、最近の画像データに基づいて、処理間のウェハの待機時間を最適化できる。したがって、コンピュータビジョンシステム２４００は、非計測光学系を使用して（すなわち、ウェハの分光分析を実行する代わりにウェハ又はウェハの一部の画像の光学分析を実行することによって）計測レベルの性能よりもより優れた性能を発揮できる。特に、コンピュータビジョンシステム２４００は、計測よりも高速であるだけでなく、計測よりも安価である。
【0194】
コンピュータビジョンシステム２４００はまた、エッジ結合リングを分析できる。エッジ結合リングは、典型的には、ＥＦＥＭからエアロック、ＰＭへと搬送され、そこでＥＳＣの周りに配置される。エッジ結合リングは、特定の厚さ、内径、及びプロファイルを有する。エッジ結合リングのこれらの及び他のパラメータは、エッジ結合リングがＰＭに搬送される前に、エッジ結合リングの画像を撮像することによって観察され、ＰＭでは、エッジ結合リングは、ウェハに対して行われる処理に曝される。その結果、エッジ結合リングの１つ又は複数のパラメータが変化することがある。エッジ結合リングは、特定の無線周波数（ＲＦ）時間数にわたって使用されるように設計されている。類似の処理を同様の期間（すなわち、ＲＦ時間数）行うＰＭでは、同様のエッジ結合リングが使用できる。
【0195】
その後、エッジ結合リングが最後まで使用されると、エッジ結合リングは、ロードロックを介してツールから外に搬送される。これらのＰＭから搬出されるエッジ結合リングの画像が撮像され、コンピュータビジョンシステム２４００によって幾何学的パラメータが測定され、相関される。例えば、あるエッジ結合リングは、他のものよりも多くの差異がある（例えば、表面粗度が他のものと比べて異なることを示す画像内での異なる階調値、など）場合がある。１つのエッジ結合リングにおける変化は、変化の根本原因を識別するために、または、最適なオンウェハ処理品質あるいはＰＭ整合を達成するためのＰＭ動作条件を制御するために、随意的に（例えば、ツール２４０４内の他のセンサからの）他のデータとともに、分析される。
【0196】
例えば、変化の分析に基づいて、ＰＭのうちの１つにおいて、他のＰＭと同じ処理が、同じＲＦ時間数にわたって、同じように実行されているにもかかわらず、そのＰＭが異なった動作している（すなわち、エッジ結合リングに対して異なる効果を生成している）と示された場合、当該ＰＭにおいて実行されるプロセスのレシピを、コンピュータビジョンシステム２４００によって学習したモデルを使用して調整できる。あるいは、当該ＰＭにおけるエッジ結合リングの位置決め（高さ、傾斜角など）を、コンピュータビジョンシステム２４００によって学習したモデルを使用して調整してもよい。さらに、異なるＰＭでは、異なるパラメータを有するエッジ結合リングを使用し得る。搬入されるエッジ結合リングの分析は、正しいタイプのエッジ結合リングがそのＰＭ内で使用されているかどうかを確認するためにも使用できる。
【0197】
コンピュータビジョンシステム２４００を使用することで、これらの異なる機能を実行するように、異なるモデルを学習させることが可能である。十分に学習すると、これらのモデルは、エッジ結合リングの画像を入力として受信でき、レシピに対して行われる調整、エッジ結合リングのリフトピンの高さに対して行われる調整などといった出力を提供できる。継続的な学習によって、これらのモデルの出力は精緻化される（すなわち、その精度が向上する）。このようなシステムは、エッジ結合リングの高さ測定及び制御を介して、ＰＭ整合のためのツールの自律的制御を可能にすることが認識できる。
【0198】
エッジ結合リングはまた、その画像から、シリアル番号を取得することによって追跡できる。典型的には、１つの特定のＰＭタイプにおいて、１つのエッジ結合リングが使用される。すなわち、エッジ結合リングを、複数のＰＭタイプにわたって移動しなくてもよい。エッジ結合リングのシリアル番号の監視することで、正しいエッジ結合リングがそれぞれのＰＭで使用されているかどうかを検証できる。この決定はまた、エッジ結合リングの交換に起因して生じ得るいくつかの問題を防止し、また、起こっている問題が、センサの欠陥、不適切なレシピ等に起因していないことを確認するためにも役立つ可能性がある。また、シリアルナンバーを追跡することで、いくつかの問題の原因となり得る、エッジ結合リングがサードパーティから供給されたかどうかについての確認にも役立つ可能性がある。モデルは、エッジ結合リングの画像を入力として受信し、エッジ結合リングのシリアル番号を出力するように学習可能であり、これは、トラブルシューティングにおいて使用できる。
【0199】
さらに、ＰＭでのクリーニングの後、エッジ結合リングに続いてウィットネスウェハをＰＭに送ることができる。ウェハが処理される前後にウィットネスウェハの画像を撮像することによって、ＰＭで実施されるクリーニングの品質を自動的に検査できる。エッジ結合リングがしばらく使用された後、コンピュータビジョンシステム２４００を使用して、エッジ結合リングの画像を分析することによって、ＰＭの同様の検査を実施できる。ここでも、モデルは、モデルへの入力としてのエッジ結合リングの画像に基づいて、エッジ結合リング上の処理の効果を認識し、ＰＭ内で実施されるクリーニングの品質を示す出力、またはいつ及びどのタイプのクリーニングがＰＭ内で実施可能かを示唆する出力を提供するように、学習可能である。
【0200】
さらに、以下で詳細に説明するように、ＰＭ内のエッジ結合リングは、典型的には、ＰＭ内の２つの連続するクリーニング動作の間の期間において、またＰＭ内のウェハ自体の処理中にも調整できる。ウェハが処理された後にエッジ結合リングの画像を検査することで、ＰＭ内でのウェハの処理中にエッジ結合リングに対して行われた調整に関するデータと共に、ＰＭの健全性の指標を提供できる。エッジ結合リングの画像を入力として受信し、ＰＭの健全性を示す指標を出力するようにモデルは学習可能である。
【0201】
この手順を、図８Ａ、１０Ｂ及び１１を参照して詳細に説明する。いくつかのエッジ結合リングは、エッチングＰＭ内のプラズマ場のより良好な制御を可能にし、最適化されたオンウェハ処理結果を達成する。これらのエッジ結合リングは、搬送モジュール（ＴＭ）を介してＥＦＥＭからＰＭに自動的に搬送でき、これにより、長時間（例えば、最大１年）ＰＭを開放しないまま、連続生産を実現できる。しかしながら、ツール内の、又は異なるツール間でのＰＭの状態の差により、オンウェハの結果は常に同様であるとは限らない。
【0202】
ＰＭ間整合を達成するために、異なるツール間に亘ってエッチングレートを測定し、それらの経時的なドリフトを監視し、メンテナンス（例えば、湿式洗浄、ＣＷＡＣ）後のそれらの変化を記録し、ＰＭのエッチングプロセスパラメータ（例えば、レシピ、ＥＳＣ温度、ガス流、期間など）を自動的に調整することで、そういった変化が補正可能な手順を作成するための技術が求められている。そこで、入／出（新しい／使用済みの）エッジ結合リングパラメータの自動測定、及びそれに対応する自動化ＰＭ間整合のためのシステム（図８Ａ、１０Ｂ、及び１１を参照）を実現する新しい技術をここで概説する。このシステムは、ＰＭに搬入される新しいエッジ結合リングと、使用済みとなってＰＭを離れる同じエッジ結合リングの厚さの変化を測定する。また、ＰＭ間整合のために、ＰＭのプロセスパラメータを自動的に調整する。
【0203】
本システムは、ＴＭ内に、新しい／使用済みのエッジ結合リングが通過する場所（例えば、エアロック、アライナ、ロボットアームなど）に配置された２つのカメラを備える。これにより、使用済みのエッジ結合リングの厚さの減少を正確に測定できる。エッジ結合リングの使用履歴（例えば、エッジ結合リングが使用されたＲＦ時間数）、及びその厚さの減少を知ることで、ＰＭの侵食速度を決定できる。図１０Ａは、エッジ結合リングの上方のエアロック内へ、どのようにカメラを配置できるかを概略的に示す。図８Ａ及び１１は、ＰＭ間整合のためのＰＭプロセスパラメータの自動調整に使用される、全体的なデータフローインフラストラクチャを示す。
【0204】
特定の実施形態によれば、カメラは、エッジ結合リングの厚さの変化を測定して、システムコンピュータに送信する。システムコンピュータは、直近１～３ヶ月間のデータを記憶し、リアルタイムでデータをホスト／クラウド（例えば、データセンター）に送信する。ホストは、インフラストラクチャ（例えば、サーバ、ストレージなど）ビッグデータ解析を含み、搬入されるエッジ結合リングと搬出されるエッジ結合リングの厚さの変化に基づいて、ＰＭのエッチングレートを決定する。ホストは、毎日あるいは毎週同じレシピを実行する全ての類似のＰＭからのデータを使用して、機械学習（例えば、ニューラルネットワーク、テンソルフローなど）ベースのモデルを学習させる（データサイエンスインフラストラクチャ）。ホストは、学習済モデル及びリアルタイムデータを使用して、ＰＭ間整合のためのＰＭプロセスパラメータの調整を推奨する。システムコンピュータは、ＰＭに対して推奨されたアクションを行い、ＰＭ間整合のためにＰＭプロセスパラメータを自動調整する。
【0205】
一般に、ツールは、コンピュータビジョンシステム２４００によって監視（観察）可能な、いくつかの制御パラメータを含む。これらのパラメータについて観察されたデータに基づいて、コンピュータビジョンシステム２４００は、モデルを学習させて、ツール２４０４で採用される自動処理制御ループが適切に動作しているか否かを確認できる。したがって、コンピュータビジョンシステム２４００は、学習済モデルを使用して、フリート内のツールの構成要素のホストの管理を自動化できる。例えば、コンピュータビジョンシステム２４００は、学習済モデルを使用して、エッジ結合リングの高さ、ＣＷＡＣの期間及び間隔、ロボットエンドエフェクタのクリーニングなどを自動的に調整でき、これにより、ツールの全体的な性能、効率、スループット、及び寿命が向上する。
フローチャート及びモデル
フローチャート及びモデル
【0206】
図１２Ａ～１３Ｆは、図１１に示すサーバ２０３０及びシステムコンピュータ２４１０によって実行される様々な方法の例を示す。図１２Ａ～１２Ｆは、様々なツールから撮像された画像に基づいて、知覚アルゴリズム、センサ融合アルゴリズム、及び機械学習アルゴリズムを用いて、様々なモデルを学習させるために、サーバ２０３０によって実行される方法を示す。図１３Ａ～図１３Ｆは、リアルタイムで（すなわち、オンザフライで、又はウェハの製造・処理中においてツールが使用されている際に）撮像された画像に基づいて、学習済モデルを使用して、サーバ２０３０及びシステムコンピュータ２４１０によって実行される方法を示す。
【0207】
図１２Ａは、いくつかの実施形態に係る、様々なツールからウェハ、様々なパッド、及びエッジ結合リングの画像を撮像し、撮像された画像に基づいて、知覚アルゴリズム、センサ融合アルゴリズム、及び機械学習アルゴリズムを使用して、様々なモデルを学習させる方法２５００を示す。２５０２において、方法２５００では、ロードロックなどの位置において、ウェハ、エッジ結合リング、及び様々なパッドの画像が撮像される。２５０４において、方法２５００では、画像が処理される。例えば、画像をクリーニングしてフォーマットしてもよく、さらに画像の輝度、コントラストなどを調整してもよい。例えば、方法２５００では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。さらに、撮像された画像から、ウェハタイプの決定、エッジ結合リングの状態の決定、また様々なパッドの状態の決定のために使用可能な特徴を認識及び抽出して、１つ又は複数のデータベースに記憶できる。
【0208】
２５０６において、方法２５００では、知覚アルゴリズム、センサ融合アルゴリズム、及び機械学習アルゴリズムを使用して経時的に処理された画像から収集されたデータに基づいて、特定のタスクを実行するために、様々なモデルを学習させる。例えば、タスクには、ウェハタイプを決定すること、エッジ結合リングの状態を決定すること、様々なパッドの状態を決定すること、予防メンテナンス及びクリーニングスケジュールを決定すること、パッド及び調整ウェハなどの構成要素の交換スケジュールを決定すること、エッチングレートを決定すること、ＰＭレシピを調整することなどを含み得るが、これらに限定されない。２５０８において、方法２５００では、学習済モデルを使用して撮像及び処理された画像に基づいて、これらのモデルをさらに精緻化し（すなわち、さらに学習させ）続ける。
【0209】
図１２Ｂは、特定の実施形態に係る、ロードロック内のパッド摩耗を検出し、パッド交換を予測するために、モデルを学習させる方法２５２０を示す。２５２２において、方法２５２０では、ロードロック内のウェハパッド、エッジ結合リングパッド、及びロボットエンドエフェクタパッドの画像を撮像する。２５２４において、方法２５２０では、画像が処理される。例えば、画像をクリーニングしてフォーマットしてもよく、さらに画像の輝度、コントラストなどを調整してもよい。例えば、方法２５２０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。さらに、撮像された画像から、様々なパッドの状態の決定のために使用可能な特徴を認識及び抽出して、１つ又は複数のデータベースに記憶できる。
【0210】
２５２６において、方法２５２０では、様々なパッドの状態を決定し、予防メンテナンススケジュールを決定し、様々なパッドの交換または自動クリーニングスケジュールを決定するために、モデルを学習させる。例えば、方法２５２０において、ロボットエンドエフェクタのパッドのクリーニングが必要であると識別した場合、自動的に、エンドエフェクタが、ロードロックの上天井にあるロードロックパージポートの下に配置される手順が行われる。そして、ガス（例えば、Ｎ２）がパージポートからエンドエフェクタに向かって高流量で吹き付けられ、ロボットエンドエフェクタ及びパッドから粒子が除去される。この手順により、ロボットエンドエフェクタのクリーニングが、閉ループ方式で、完全に自動化されることを認識されたい。２５２８において、方法２５２０では、学習済モデルを使用して撮像及び処理された画像に基づいて、このモデルをさらに精緻化し（すなわち、さらに学習させ）続ける。
【0211】
図１２Ｃは、特定の実施形態に係る、ロードロック内のウェハ配置のドリフトを検出し、ロボットの健全性及び予防メンテナンススケジュールを予測するために、モデルを学習させる方法２５４０を示す。２５４２において、方法２５４０では、ロードロック内のウェハエッジの画像が撮像される。２５４４において、方法２５４０では、画像が処理される。例えば、画像をクリーニングしてフォーマットしてもよく、さらに画像の輝度、コントラストなどを調整してもよい。例えば、方法２５４０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。
【0212】
さらに、撮像された画像から、ロードロック内のウェハ配置のドリフトを決定するために使用可能な特徴を認識及び抽出して、１つ又は複数のデータベースに記憶できる。２５４６において、方法２５４０では、ロードロック内のウェハ配置のドリフトを検出し、ロボットの健全性及び予防メンテナンススケジュールを予測するために、モデルを学習させる。２５４８において、方法２５４０では、学習済モデルを使用して撮像及び処理された画像に基づいて、このモデルをさらに精緻化し（すなわち、さらに学習させ）続ける。
【0213】
図１２Ｂは、特定の実施形態に係る、ウェハ上のダイパターンを検出し、それに基づいてウェハのタイプを決定するために、モデルを学習させる方法２５６０を示す。２５６２において、方法２５６０では、ロードロック内のウェハの画像が撮像される。２５６４において、方法２５６０では、画像が処理される。例えば、画像をクリーニングしてフォーマットしてもよく、さらに画像の輝度、コントラストなどを調整してもよい。例えば、方法２５６０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。
【0214】
さらに、撮像された画像から、ウェハ上のダイパターンを検出し、それに基づいてウェハのタイプを決定するために使用可能な特徴を認識及び抽出して、１つ又は複数のデータベースに記憶できる。２５６６において、方法２５６０は、ウェハ上のダイパターンを検出し、それに基づいてウェハのタイプを決定するために、モデルを学習させる。２５６８において、方法２５６０では、学習済モデルを使用して撮像及び処理された画像に基づいて、このモデルをさらに精緻化し（すなわち、さらに学習させ）続ける。
【0215】
図１２Ｅは、特定の実施形態に係る、調整ウェハの色の変化を検出し、調整ウェハの交換時期を予測するために、モデルを学習させるための方法２５７０を示す。２５７２において、方法２５７０では、ロードロック内の調整ウェハの画像が撮像される。２５７４において、方法２５７０では、画像が処理される。例えば、画像をクリーニングしてフォーマットしてもよく、さらに画像の輝度、コントラストなどを調整してもよい。例えば、方法２５７０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。
【0216】
さらに、撮像された画像から、調整ウェハの色の変化を検出し、調整ウェハの交換時期を予測するために使用可能な特徴を認識及び抽出して、１つ又は複数のデータベースに記憶できる。２５７６において、方法２５７０では、調整ウェハの色の変化を検出し、調整ウェハの交換時期を予測するために、モデルを学習させる。２５７８において、方法２５７０では、学習済モデルを使用して撮像及び処理された画像に基づいて、このモデルをさらに精緻化し（すなわち、さらに学習させ）続ける。
【0217】
図１２Ｆは、特定の実施形態に係る、エッジ結合リングの状態を検出し、ＰＭのエッチングレートを決定し、ツール間整合のためＰＭのレシピを調整するために、モデルを学習させる方法２５８０を示す。２５８２において、方法２５８０では、ロードロック内のエッジ結合リングの画像が撮像される。２５８４において、方法２５８０では、画像が処理される。例えば、画像をクリーニングしてフォーマットしてもよく、さらに画像の輝度、コントラストなどを調整してもよい。例えば、方法２５８０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。
【0218】
さらに、撮像された画像から、エッジ結合リングの状態を検出し、ＰＭのエッチングレートを決定し、ツール間整合のためにＰＭのレシピを調整するために使用可能な特徴を認識及び抽出して、１つ又は複数のデータベースに記憶できる。２５８６において、方法２５８０では、エッジ結合リングの状態を検出し、ＰＭのエッチングレートを決定し、ツール間整合のためにＰＭのレシピを調整するために、モデルを学習させる。２５８８において、方法２５８０では、学習済モデルを使用して撮像及び処理された画像に基づいて、このモデルをさらに精緻化し（すなわち、さらに学習させ）続ける。
【0219】
図１３Ａに、様々なツールから、ウェハ、様々なパッド、及びエッジ結合リングの画像を撮像し、学習済モデルを使用して、ウェハタイプを決定すること、エッジ結合リングの状態を決定すること、様々なパッドの状態を決定すること、予防メンテナンススケジュールを決定すること、パッド及び調整ウェハなどの構成要素の交換スケジュールを決定すること、エッチングレートを決定すること、ＰＭレシピを調整することなどの方法例２６００を示す。２６０２において、方法２６００では、ロードロックなどの位置において、ウェハ、エッジ結合リング、及び様々なパッドの画像が撮像される。
【0220】
２６０４において、方法２６００では、画像が処理される。例えば、画像をクリーニングしてフォーマットしてもよく、さらに画像の輝度、コントラストなどを調整してもよい。例えば、方法２６００では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。さらに、撮像された画像から、ウェハタイプの決定、エッジ結合リングの状態の決定、また様々なパッドの状態の決定のために使用可能な特徴を認識及び抽出できる。
【0221】
２６０６において、方法２６００では、様々な学習済モデルを使用して、画像から収集されたデータに基づいて様々なタスクを実行する。例えば、タスクには、ウェハタイプを決定すること、エッジ結合リングの状態を決定すること、様々なパッドの状態を決定すること、予防メンテナンススケジュールを決定すること、パッド及び調整ウェハなどの構成要素の交換スケジュールを決定すること、エッチングレートを決定すること、ＰＭレシピを調整することなどを含み得るが、これらに限定されない。２６０８において、方法２６００では、撮像された画像から収集され、学習済モデルを使用して処理されたデータに基づいて、これらの学習済モデルを更新する（すなわち、さらに学習させる）。
【0222】
図１３Ｂは、（図１２Ｂを参照して説明するような）学習済モデルを使用してロードロック内のパッド摩耗を検出し、パッド交換を予測するための方法例２６２０を示す。２６２２において、方法２６２０では、ロードロック内のウェハパッド、エッジ結合リングパッド、及びロボットエンドエフェクタパッドの画像を撮像する。２６２４において、方法２６２０では、画像が処理される。例えば、画像をクリーニングしてフォーマットしてもよく、さらに画像の輝度、コントラストなどを調整してもよい。例えば、方法２６２０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。
【0223】
さらに、撮像された画像から、様々なパッドの状態の決定のために使用可能な特徴を認識及び抽出できる。２６２６において、方法２６２０では、学習済モデルを使用して様々なパッドの状態を決定し、予防メンテナンススケジュールを決定し、様々なパッドの交換スケジュールを決定する。２６２８において、方法２６２０では、撮像された画像から収集され、学習済モデルを使用して処理されたデータに基づいて、この学習済モデルを更新する（すなわち、さらに学習させる）。
【0224】
図１３Ｃは、（図１２Ｃを参照して説明するような）学習済モデルを使用して、ロードロック内のウェハ配置のドリフトを検出し、ロボットの健全性及び予防メンテナンススケジュールを予測するための方法例２６４０を示す。２６４２において、方法２６４０では、ロードロック内のウェハエッジの画像を撮像する。２６４４において、方法２６４０では、画像が処理される。例えば、画像をクリーニングしてフォーマットしてもよく、さらに画像の輝度、コントラストなどを調整してもよい。例えば、方法２６４０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。
【0225】
さらに、撮像された画像から、ロードロック内のウェハ配置のドリフトを決定するために使用可能な特徴を認識及び抽出できる。２６４６において、方法２６４０では、学習済モデルを使用して、ロードロック内のウェハ配置におけるドリフトを検出し、ロボットの健全性及び予防メンテナンススケジュールを予測する。２６４８において、方法２６４０では、撮像された画像から収集され、学習済モデルを使用して処理されたデータに基づいて、この学習済モデルを更新する（すなわち、さらに学習させる）。
【0226】
図１３Ｄは、（図１２Ｄを参照して説明するような）学習済モデルを使用して、ウェハ上のダイパターンを検出し、それに基づいてウェハのタイプを決定するための方法例２６６０を示す。２６６２において、方法２６６０では、ロードロック内のウェハの画像を撮像する。２６６４において、方法２６６０では、画像が処理される。例えば、画像をクリーニングしてフォーマットしてもよく、さらに画像の輝度、コントラストなどを調整してもよい。例えば、方法２６６０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。
【0227】
さらに、撮像された画像から、ウェハ上のダイパターンを検出し、それに基づいてウェハのタイプを決定するために使用可能な特徴を認識及び抽出できる。２６６６において、方法２５６０では、学習済モデルを使用して、ウェハ上のダイパターンを検出し、それに基づいてウェハのタイプを決定する。２６６８において、方法２６６０では、撮像された画像から収集され、学習済モデルを使用して処理されたデータに基づいて、この学習済モデルを更新する（すなわち、さらに学習させる）。
【0228】
図１３Ｅは、（図１２Ｅを参照して説明するような）学習済モデルを使用して、調整ウェハの色の変化を検出し、調整ウェハの交換時期を予測するための方法例２６７０を示す。２６７２において、方法２６７０では、ロードロック内の調整ウェハの画像を撮像する。２６７４において、方法２６７０では、画像が処理される。例えば、画像をクリーニングしてフォーマットしてもよく、さらに画像の輝度、コントラストなどを調整してもよい。例えば、方法２６７０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。
【0229】
さらに、撮像された画像から、調整ウェハの色の変化を検出し、調整ウェハの交換時期を予測するために使用可能な特徴を認識及び抽出できる。２６７６において、方法２６７０では、学習済モデルを使用して、調整ウェハの色の変化を検出し、調整ウェハの交換時期を予測する。２６７８において、方法２６７０では、撮像された画像から収集され、学習済モデルを使用して処理されたデータに基づいて、この学習済モデルを更新する（すなわち、さらに学習させる）。
【0230】
図１３Ｆは、（図１２Ｆを参照して説明するような）学習済モデルを使用して、エッジ結合リングの状態を検出し、ＰＭ内のエッチングレートを決定し、ツール間整合のためにＰＭ内のレシピを調整するための方法例２６８０を示す。２６８２において、方法２６８０では、ロードロック内のエッジ結合リングの画像を撮像する。２６８４において、方法２６８０では、画像が処理される。例えば、画像をクリーニングしてフォーマットしてもよく、さらに画像の輝度、コントラストなどを調整してもよい。例えば、方法２６８０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。
【0231】
さらに、撮像された画像から、エッジ結合リングの状態を検出し、ＰＭ内のエッチングレートを決定し、ツール間整合のためにＰＭのレシピを調整するために使用可能な特徴を認識及び抽出できる。２６８６において、方法２６８０では、学習済モデルを使用して、エッジ結合リングの状態を検出し、ＰＭ内のエッチングレートを決定し、ツール間整合のためにＰＭのレシピを調整する。２６８８において、方法２６８０では、撮像された画像から収集され、学習済モデルを使用して処理されたデータに基づいて、この学習済モデルを更新する（すなわち、さらに学習させる）。
追加モデル
追加モデル
【0232】
図１４Ａ～１４Ｉは、リアルタイムで（すなわち、オンザフライで、又はウェハの製造・処理中においてツールが使用されている際に）撮像された画像に基づいて学習したモデルを使用して、サーバ２０３０及びシステムコンピュータ２４１０によって実行される方法の、様々な追加の例を示す。これらの方法によって使用されるモデルは、コンピュータビジョンシステム２４００を使用して学習でき、様々な動作を実行するために使用できる。これらは非限定的な例である。さらに追加の使用例も想定可能である。
【0233】
これらの例では、説明した機能を実行するために画像から収集されたデータを使用して知覚アルゴリズム、センサ融合アルゴリズム、及び機械学習アルゴリズムを使用して行うそれぞれのモデルの学習及び学習済モデルのさらなる更新は、図１２Ａ～図１２Ｆを参照して上述した上記のモデルの学習と同様である。そのため、以下の方法で使用されるモデルの学習が前提であり、簡便のために記載するものではない。使用中、これらのモデルは、図１３Ａ～１３Ｆを参照して説明したモデルと同様に、画像からのデータを入力として受信し、スケジューリングサービス、交換などの結果を出力する。
【0234】
図１４Ａは、特定の実施形態に係る、知覚アルゴリズム、センサ融合アルゴリズム、及び機械学習アルゴリズムによって学習したモデルを使用して、ロードロック内の様々なパッドのメンテナンスをスケジューリングするための方法２７００を示す。２７０２において、方法２７００では、パッド（例えば、ウェハ、エッジ結合リング、またはウェハをロードロックの内外に運送するロボットのエンドエフェクタに関連付けられたパッド）の画像を撮像及び処理する。例えば、方法２７００では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。パッドの健全性を診断するために有用な特徴等のデータが、処理された画像から抽出され、パッドの健全性を診断するために学習したモデルに入力される。
【0235】
２７０４において、方法２７００では、データに基づいて、学習済モデルを使用して、パッドが汚れているかどうかを判定する。２７０６において、方法２７００では、パッドが汚れている場合、学習済モデルを使用して、パッドのクリーニングをスケジューリングする。２７０８において、方法２７００では、パッドが汚れていない場合、学習済モデルを使用して、パッドが摩耗しているかどうか決定する。２７１０において、方法２７００では、パッドが摩耗している場合、学習済モデルを使用して、パッドの交換をスケジューリングする。２７１２において、方法２７００では、パッドが汚れたり摩耗したりしていない場合は、学習済モデルを使用して、パッドの自動クリーニングや交換スケジュールを予測する。
【0236】
例えば、方法２７００において、ロボットエンドエフェクタのパッドのクリーニングが必要であると決定した場合、自動的に、エンドエフェクタが、ロードロックの上天井にあるロードロックパージポートの下に配置される手順が行われる。そして、ガス（例えば、Ｎ２）がパージポートからエンドエフェクタに向かって高流量で吹き付けられ、ロボットエンドエフェクタ及びパッドから粒子が除去される。この手順により、ロボットエンドエフェクタのクリーニングが、閉ループ方式で、完全に自動化されることを認識されたい。
【0237】
図１４Ｂは、特定の実施形態に係る、知覚アルゴリズム、センサ融合アルゴリズム、及び機械学習アルゴリズムを使用して学習したモデルを使用して、調整ウェハの健全性を診断し、調整ウェハの交換をスケジューリングするための方法２７２０を示す。２７２２において、方法２７２０では、調整ウェハがロードロックに移送されるときに、調整ウェハの画像を撮像して処理する。例えば、方法２７２０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。調整ウェハの健全性を診断するために有用な特徴（例えば色）等のデータが、処理された画像から抽出され、調整ウェハの健全性を診断するために学習したモデルに入力される。
【0238】
２７２４において、方法２７２０では、データに基づいて、学習済モデルを使用して、調整ウェハの色が変化したかどうか、及び色の変化の程度を決定する。２７２６において、方法２７２０では、色の変化が所定の閾値を超えている場合は、学習済モデルを使用して、調整ウェハの交換をスケジューリングする。２７２８において、方法２７２０では、色の変化が所定の閾値を超えていない場合は、学習済モデルを使用して、調整ウェハの交換スケジュールを予測する。
【0239】
図１４Ｃは、特定の実施形態に係る、知覚アルゴリズム、センサ融合アルゴリズム、及び機械学習アルゴリズムを使用して学習したモデルを使用して、ロードロックの内外にウェハを移送するロボットの健全性を診断し、ロボットまたはＰＭのためのサービスをスケジューリングするための方法２７３０を示す。２７３２において、方法２７３０では、ウェハがＰＭからロードロックに移送されるときに、ウェハエッジの画像を撮像して処理する。例えば、方法２７３０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。ロードロック内のウェハの位置のドリフトを検出するために有用な特徴等のデータが、処理された画像から抽出され、ドリフトを検出するために学習したモデルに入力される。
【0240】
２７３４において、方法２７３０では、データに基づいて、学習済モデルを使用して、ウェハの位置が経時的にドリフトしているかどうかを判定する。２７３６において、ウェハの位置が経時的にドリフトしている場合、方法２７３０では、センサ融合アルゴリズムを用いて学習したモデルを用いて、１つより多いＰＭから移送されたウェハの位置がドリフトしているのか、１つのみのＰＭからのウェハの位置がドリフトしているのかを判定する。動的アラインメント（ＤＡ）センサは、センサ融合アルゴリズムにおいて使用できる。ＤＡセンサは、ウェハがＰＭから除去されている間に、ウェハがロボットエンドエフェクタ中心からどれだけ離れて位置しているかを示す。
【0241】
２７３８において、１つのみのＰＭからのウェハの位置が経時的にドリフトしている場合、方法２７３０では、そのＰＭからのウェハの位置が、ロボットの問題によってではなく、そのＰＭ内の問題のせいでドリフトしているとして、学習済モデルを使用して、そのＰＭのサービスをスケジューリングする。２７４０において、１つより多いＰＭからのウェハの位置がドリフトしている場合、方法２７３０では、１つより多いＰＭからのウェハの位置が、ＰＭ内の問題によってではなく、ロボットの問題によってドリフトしているとして、学習済モデルを使用して、そのロボットのサービスをスケジューリングする。また、方法２７３０では、閉ループ方式でウェハ配置のリアルタイム補正を実行するようにロボットにコマンドを送信できる。
【0242】
図１４Ｄは、特定の実施形態に係る、知覚アルゴリズム、センサ融合アルゴリズム、及び機械学習アルゴリズムを使用して学習したモデルを使用して、ウェハタイプを識別し、ウェハタイプに基づいてＰＭレシピを選択するための方法２７５０を示す。２７５２において、方法２７５０では、ＰＭに移送されるロードロック内のウェハの画像を撮像し、処理する。例えば、方法２７５０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。ウェハタイプを識別するのに有用な特徴（たとえば、色、形状など）などのデータが、処理された画像から抽出され、ウェハタイプを検出するために学習したモデルに入力される。
【0243】
２７５４において、方法２７５０では、データに基づいて、学習済モデルを使用して、ダイパターンがウェハ上に存在するかどうかを決定することも含め、ウェハ上のダイパターンを識別する。２７５６において、方法２７５０では、学習済モデルを使用して、ウェハタイプを決定する。例えば、学習済モデルは、ウェハが製造ウェハ（例えば、メモリまたはプロセッサ製造のためのウェハ）であるか、又はＰＭクリーニング中に使用される非製造ウェハ（例えば、調整ウェハ又はダミーウェハ）であることを決定してもよい。２７５８において、方法２７５０では、検出されたウェハタイプに基づいて、学習済モデルを使用して、ＰＭで使用されるレシピを選択する。例えば、選択されたレシピは、ウェハが製造ウェハである場合に、ウェハをさらに処理するためのものであってもよく、ウェハが調整ウェハである場合には、ＰＭをクリーニングするためのレシピであってもよい。
【0244】
図１４Ｅは、特定の実施形態に係る、知覚アルゴリズム、センサ融合アルゴリズム、及び機械学習アルゴリズムを使用して学習したモデルを使用して、ウェハがＰＭ内で正常に処理されたかどうか、及びＰＭのためのサービスをスケジュールすべきかどうかを決定するための方法２７６０を示す。２７６２において、方法２７６０では、ＰＭからロードロックに移送されたウェハの画像を撮像して処理する。例えば、方法２７６０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。２７６４において、方法２７６０では、処理された画像データから、ウェハがＰＭ内で正常に処理されたかどうか（例えば、ウェハの処理に何らかの偏差又はばらつきがあるかどうか）を判定するために有用な特徴（例えば、ウェハの一部分の色、光強度など）などを識別して抽出する。方法２７６０では、このデータを、ウェハがＰＭで正常に処理されたかどうかを決定するために学習したモデルに入力する。２７６６において、方法２７６０では、データに基づいて、学習済モデルを使用して、ウェハがＰＭで正常に処理されたかどうかを決定する。２７６８において、ウェハがＰＭで正常に処理されなかった場合、方法２７６０では、学習済モデルを使用して、ＰＭのサービスを自動的にスケジューリングする。
【0245】
図１４Ｄは、特定の実施形態に係る、知覚アルゴリズム、センサ融合アルゴリズム、及び機械学習アルゴリズムを使用して学習したモデルを使用して、搬入されるウェハのカテゴリタイプ及びＰＭ内で実行される処理リストから処理のカテゴリを識別し、ＰＭのための適切なクリーニングレシピを選択するための方法２７７０を示す。２７７２において、方法２７７０では、ＰＭからロードロックに移送されたウェハの画像を撮像して処理する。例えば、方法２７７０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。
【0246】
２７７４において、方法２７７０では、ＰＭにおいて実行される処理のリストから処理のカテゴリを識別するために有用な特徴などのデータを、処理済み画像から抽出する。方法２７７０では、このデータを、ＰＭにおいて実行される処理のリストから処理のカテゴリを識別するために学習したモデルに入力する。このデータをもとに、学習済モデルは、ＰＭでウェハに行われた処理を特定する。２７７６において、方法２７７０では、ＰＭにおいて実行された処理に基づいて、学習済モデルを用いて、ＰＭのクリーニングレシピを自動的に選択する。
【0247】
図１４Ｇは、特定の実施形態に係る、知覚アルゴリズム、センサ融合アルゴリズム、及び機械学習アルゴリズムを使用して学習したモデルを使用して、エッジ結合リングを観察することによってＰＭのクリーニングの品質を決定し、ＰＭのためのサービスをスケジューリングするための方法２７８０を示す。クリーニングの品質を定量化するために、ウィットネス非生産ウェハをＰＭ内に送り、処理を実行し、次いで、ウェハをロードロックに移送して画像を撮像できる。この目的を達成するために、長期間にわたって、フリート全体で大きなデータセットが収集され、ラベル付けされる。
【0248】
２７８２において、方法２７８０では、ＰＭからロードロックに移送されたエッジ結合リングの画像を撮像して処理する。例えば、方法２７８０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。２７８４において、方法２７８０では、処理された画像から、ＰＭのクリーニングの品質を決定するために有用な特徴などのデータを抽出する。方法２７８０は、ＰＭのクリーニングの品質を決定するために学習したモデルにデータを入力する。そのデータをもとに、学習済モデルが、ＰＭで行われるクリーニングの品質を決定する。２７８６において、方法２７８０では、決定された品質に基づいて、学習済モデルを使用して、いつ、どのタイプのクリーニングがＰＭにおいて実行可能かを自動的にスケジューリングする。そのため、ＰＭの検査が省略される。
【0249】
以下で説明する図１４Ｈ及び１４Ｉに示される方法では、ＰＭの問題を推測するために、エッジ結合リングは、完全に使用された後ＰＭから離される時点で検査される。この目的を達成する上で、１つのツールの１つのエッジ結合リングを検査するだけでは、おそらく不十分である。そこで、この目的を達成するために、フリート全体のデータが、長期間にわたって収集される。この期間中、収集されるデータは手動でラベル付けされてもよく、その場合ユーザは、各エッジ結合リングの画像のシグネチャにラベルを割り当てる。例えば、ラベルは、ＰＭ内のどのサブシステムの誤動作が、ＰＭからのエッジ結合リングに対してどのようなタイプのシグネチャを引き起こしたか、などを示していてもよい。
【0250】
図１４Ｈは、特定の実施形態に係る、知覚アルゴリズム、センサ融合アルゴリズム、及び機械学習アルゴリズムを使用して学習したモデルを使用して、エッジ結合リングを観察することによって、エッジ結合リング及びＰＭにおいて使用されるレシピに関する様々な問題を診断するための方法２７９０を示す。２７９２において、方法２７９０では、同じレシピを使用するツールのＰＭからそのツールのロードロックに移送されたエッジ結合リングの画像を撮像して処理する。例えば、方法２７９０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。２７９４において、方法２７９０では、処理された画像から、エッジ結合リング及びＰＭに伴う様々な問題を診断するために有用なデータを抽出する。方法２７９０では、様々な問題を診断するために学習したモデルにデータを入力する。
【0251】
２７９４において、データに基づいて、学習済モデルは、すべてのＰＭでウェハ処理において同じレシピが用いられているにも関わらず、１つのＰＭからのエッジ結合リングが、他のＰＭからのエッジ結合リングよりも多くの変化を示すかどうかを決定する。２７９６において、１つのエッジ結合リングがより多くの変化を示す場合、方法２７９０では、学習済モデルを使用して、正しいエッジ結合リングがそのＰＭで使用されているかどうか（例えば、別のＰＭからのリング又は異なる供給業者によって作られたリングがそのＰＭで使用されているかどうか）を決定する。２７９８において、正しくない又は不適切なエッジ結合リングがＰＭで使用されている場合、方法２７９０では、学習済モデルを使用して、正しい又は新しいリングのＰＭへの設置をスケジューリングする。２８００において、正しいまたは適切なエッジ結合リングがＰＭで使用されている場合、方法２７９０では、学習済モデルを使用して、ＰＭで使用されているレシピを調整する。
【0252】
図１４Ｉは、特定の実施形態に係る、知覚アルゴリズム、センサ融合アルゴリズム、及び機械学習アルゴリズムを使用して学習したモデルを使用して、エッジ結合リングを観察することによって、ＰＭにおけるウェハ処理に伴う様々な問題を診断するための方法２８１０を示す。エッジ結合リングのシリアル番号は、誤ったエッジ結合リングがロードされていないことを確認するために、エッジ結合リングがＰＭに入る前に検証される。これは、機械学習を使用せずに実現可能である。あるいは、方法２８１０は、以下のように実行されてもよい。２８１２において、方法２８１０は、ＰＭからロードロックに移送されたエッジ結合リングの画像を撮像して処理する。例えば、方法２８１０では、輝度を調整し、コントラストを強調し、画像のノイズフィルタリング、ヒストグラム等化、エッジ検出、オブジェクト認識及び追跡、画像セグメント化、画像ぼけの除去、幾何学変換、特徴検出、深さ推定などの動作を実行してもよい。
【0253】
２８１４において、方法２８１０では、処理済み画像から、ＰＭにおけるウェハ処理に伴う様々な問題を診断するために有用なエッジ結合リングのシリアル番号、及び他のデータを抽出する。方法２８１０では、様々な問題を診断するために学習したモデルにデータを入力する。このデータに基づいて、方法２８１０では、学習済モデルを用いて、ＰＭにおけるウェハ処理に何らかの問題があるかどうかを決定する。２８１６において、ＰＭにおけるウェハ処理について何らかの問題が検出された場合、方法２８１０では、学習済モデルを用いて、エッジ結合リングのシリアル番号が正しいかどうかを判定する。２８１８において、シリアル番号が正しくない場合、方法２８１０では、学習済モデルを使用して、正しいまたは新しいリングのＰＭへの設置をスケジューリングする。２８２０において、シリアル番号が正しい場合、方法２８１０では、学習済モデルを使用して、ＰＭのサービスをスケジューリングする。
【0254】
いくつかの実装形態においては、コンピュータビジョンシステム２４００は、未加工画像をツールからクラウド内のデータセンターに送信でき、画像の処理及びモデルの学習のすべてをクラウド内で実行できる。さらに、ツール使用中の学習済モデルによる画像処理及び推奨をクラウド内で実行できる。そのような実装形態では、コンピュータビジョンシステム２４００は、ＳａａＳ（Ｓｏｆｔｗａｒｅ－ａｓ－ａ－Ｓｅｒｖｉｃｅ）としてクラウド内で展開できる。
モデルの学習及び検証
モデルの学習及び検証
【0255】
図１５Ａ～１５Ｃは、上記で図１２Ａ～図１４Ｉを参照しながら説明したモデル等を生成、学習、及び検証するための方法の例を示す。これらの方法は、サーバ２０３０によって実行される１つ又は複数のアプリケーションによって実行される。これらは以下の方法の説明においてはコントロールと称する。
【0256】
図１５Ａは、いくつかの実施形態に係る、モデルを生成するための方法２９００を示す。２９０２において、コントロールは、機械学習モデル（例えば、教師あり又は教師なし分類モデル、深層ニューラルネットワーク、テンソルフローなど）ネットワークトポロジーを選択して、モデルを定義及び構築する。機械学習モデルは、ニューラルネットワークである必要はない。分類方法については問わない。使用可能な機械学習アルゴリズムとしては、Ｋ近傍法、サポートベクトルマシン、Ｋ平均法、深層ニューラルネットワークなどを挙げられる。例えば、コントロールは、回帰型ニューラルネットワークのネットワークトポロジーを選択することでモデルを定義できる。
【0257】
図１６Ａに、回帰型ニューラルネットワークの一例を示す。例えば、ネットワークトポロジーを選択することは、回帰型ニューラルネットワークの入力の数と、ニューロンの数と、層数とを選択することを含む。図１６Ａ及び１６Ｂ、ならびに以下のこれらの図に関する説明では、モデル生成についてさらに詳細に説明する。２９０４において、コントロールは、モデルを学習させる。図１５Ｂ、ならびに以下の図に関する説明では、モデルの学習についてさらに詳細に説明する。２９０６では、コントロールがモデルを検証する。２９０８において、コントロールは、閉ループ方式でモデルパラメータを反復的に微調整する。図１５Ｃ、ならびに以下の図に関する説明では、モデルの検証についてさらに詳細に説明する。
【0258】
図１５Ｂは、いくつかの実施形態に係る、モデルを学習させるための方法２９５０を示す。２９５２において、コントロールは、モデルを学習データ（例えば、数ヶ月にわたって収集された画像からのデータ）上で実行する。２９５４において、コントロールは、モデルによって予測された出力のチェックを、ラベル付けされた学習データに対して行う。２９５６において、コントロールは、モデルの予測と実際のデータとの間のより良好な整合を生成するように（例えば、モデル予測と学習データとの間の誤差を最小限にするように）、モデルのパラメータ及び／又はネットワークトポロジーを調整する。１９５８において、コントロールは、モデルがいくつかの所定の学習基準を満たすかどうかを判定する。モデルが所定の学習基準を満たさない場合、コントロールは２９５２に戻る。モデルが所定の学習基準を満たす場合、コントロールは終了する。
【0259】
図１５Ｃは、いくつかの実施形態に係る、モデルを検証するための方法２９７０を示す。方法２９７０は、Ｋ分割検証法と呼ばれるが、単に一例として示すものである。これ以外にも、他のモデル検証法を用いて、図１２Ａ～１４Ｉを参照して上述した様々なモデルを検証できる。
【0260】
２９７２において、コントロールは、検証に使用されるデータ（たとえば、学習に使用されない一部のデータ）をＫ（Ｋは１よりも大きい整数）個の区分に分割する。２９７４において、コントロールは、複数の同一のモデルからインスタンスを生成する。２９７６において、コントロールは、インスタンス化されたモデルのそれぞれに対して、１つの区分上でモデルを学習させ、残りの区分上でモデルを評価する。コントロールは、各評価に対して検証スコアを割り当てる。２９７８において、コントロールはモデルのＫ個の検証スコアの平均を求め、そのモデルの検証スコアを決定する。２９８０において、コントロールは、最も高い検証スコアを持つモデルの１つを選択して使用する。
【0261】
また、他の検証方法を使用してモデルを検証することも可能であり、例えば、Ｎ分割交差検証法を使用できる。この方法では、データセットは、１つの最終テストセットとＮ（Ｎは１より大きい整数）個の他のサブセットとに分割される。各モデルは、検証エラー率のＮ個の異なる推定値を得るために、１つを除く全てのサブセットで学習する。検証エラー率が最も低いモデルを選択して、使用する。
【0262】
図１６Ａ及び１６Ｂは、機械学習法を使用して、図１２Ａ～１４Ｉを参照して上述したモデル等を生成するために使用される、回帰型ニューラルネットワークの一例を示す。機械学習は、予測（たとえば、上述したサービス及び構成要素の交換をスケジューリングするための予測）に適した複雑なモデル及びアルゴリズムを考案するために使われる方法である。図１２Ａ～１４Ｉを参照して上述したような、機械学習を使用して生成されたモデルは、信頼性の高い反復可能な決定及び結果を生成し、データ内の履歴関係及び傾向からの学習を通して、隠れた洞察を明らかにできる。
【0263】
図１２Ａ～１５Ｂを参照して上述したような、回帰型ニューラルネットワーク型のモデルを使用し、機械学習を用いてモデルの学習を行う目的は、変数間の関係を数学的形式とせずに行う従属変数の直接予測である。ニューラルネットワークモデルは、並列に動作し、層状に配置された多数の仮想ニューロンを含む。第１の層は入力層であり、未処理の入力データを受信する。各連続層は、前の層からの出力を修正し、次の層へ送信する。最後の層は出力層であり、システムの出力を生成する。
【0264】
図１６Ａは、完全に接続されたニューラルネットワークを示す。所与の層の各ニューロンは、次の層の各ニューロンに接続されている。入力層では、各入力ノードは、任意の実数であってよい数値に関連付けられている。各層において、入力ノードから開始される各接続は、関連付けられた重みを有するが、この重みも任意の実数であってよい（図１６Ｂ参照）。入力層において、ニューロンの数は、データセット内の特徴（列）の数に等しい。出力層は、複数の連続出力を有し得る。
【0265】
入力層と出力層との間の層は隠れ層であり、隠れ層は１つでも複数でもよい（ほとんどのアプリケーションにおいて、１つの隠れ層で十分である）。隠れ層がないニューラルネットワークは、線形分離可能な関数又は決定を表すことができ、１つの隠れ層を有するニューラルネットワークは、１つの有限空間から別の有限空間への連続的なマッピングを行うことができ、２つの隠れ層を有するニューラルネットワークは、任意の滑らかなマッピングを任意の精度に近似し得る。
【0266】
ニューロンの数は最適化できる。学習の開始時には、ネットワーク構成は余分なノードを有する可能性が高い。ノードのうちのいくつかは、学習中にネットワークから除去してもよく、これによってネットワーク性能が大きく左右されることはない。例えば、学習後に０に近い重みを有するノードは除去してもよい（このプロセスはプルーニング（枝刈り）と呼ばれる）。ニューロンの数により、過少適合（データセット内の信号を適切に取り込むことができない）、又は過剰適合（全てのニューロンを学習させるには情報が不十分であり、ネットワークは、学習データセットに対しては良好に機能するが、テストデータセットに対しては良好に機能しない）を引き起こす場合がある。
【0267】
モデルの性能は、様々な方法及び基準を用いて測定できる。例えば、平均二乗誤差（ＲＭＳＥ）は、観測値とモデル予測との間の平均距離を測定する。決定係数（Ｒ２）は、観測結果と予測結果との間の相関（精度ではなく）を測定する。この方法は、データに大きな分散がある場合、信頼性が低くなる可能性がある。その他のパフォーマンス指標としては、削除不可能なノイズ、モデルバイアス、モデル分散などが挙げられる。あるモデルのモデルバイアスが高い場合、そのモデルは、予測子と結果との間の真の関係を取り込むことができないことを示す。モデル分散は、モデルが不安定であるかどうかを示す（データのわずかな摂動でも、モデル適合は顕著に変化する）。
【0268】
以下で説明する本開示のシステム及び方法は、特徴認識及び特徴抽出のためにツール内の基板及び周辺装置の一部の画像を撮像及び処理することに加えて、ツールを自動的に構成し、動作中にツール内で発生し得るいくつかのエラー（例えば、回復可能なエラー）の自動検出及びエラー回復を実行できる。特に、本開示によるシステムは、ツール（例えば、図１～６Ｃに示されるツール）において実装されてもよく、また、ツールのセットアップ時（すなわち、ツールが設置及びセットアップされる際）にツールの様々なサブシステムの画像を撮像するために、ツール内の様々な位置に設置された複数のカメラを含んでいてもよい。システムは、コンピュータビジョンアルゴリズムを使用して、サブシステムを自動的に識別し、撮像されたサブシステムの画像に基づいてツールの構成を決定し、次いで識別されたサブシステムに基づいてツールを自動的に構成できる。例えば、システムは、ツールに設置されているバッファ、ロードロック（ＬＬ）／ロードポートモジュール（ＬＰＭ）、ロボット、エンドエフェクタ（ＥＥ）、機器フロントエンドモジュール（ＥＦＥＭ）、バッファステーションなどの数やタイプを含む（ただし、これらに限定されない）ツール構成の詳細を、自動的に識別できる。次いで、このデータは、初期設置またはセットアップ時に、あるいは、１つ又は複数のサブシステムが追加、除去、交換、またはアップグレードされるツールに実行されるアップグレードまたはサービス後に、ツールを自動構成するために使用できる。
【0269】
特定の実施形態によれば、リアルタイムビデオ処理（領域ベース畳み込みニューラルネットワーク（Ｒ－ＣＮＮ）、シングルショット検出（ＳＳＤ）、Ｙｏｕ Ｏｎｌｙ Ｌｏｏｋ Ｏｎｃｅ（ＹＯＬＯ）などのアルゴリズムを使用して実行されるオブジェクト追跡及び位置特定）を使用して、システムは、ツール内の移動オブジェクトの位置及び状態（例えば、ロボットの位置、ロボットエンドエフェクタの伸長／収縮、ＬＬ／ＬＰＭドアの開閉、ＥＥ上に存在する基板／エッジ結合リングなど）を追跡できる。オブジェクト（例えば、ロボット）の動作にエラーがあり、ツールが動作（例えば、基板の搬送）を停止した場合、システムは、ツールの状態を識別し、可能であれば、動作を再開するための修正措置を自動的に行える。修正措置は遠隔的に開始できる。さらに、修正措置がツールにおいて手動で行われる場合、システムは、手動介入を識別し、ツールが遠隔制御されることを防止したり、あるいはツールの手動介入及び遠隔制御を連携できる。システムのこれらの特徴、及び他の付加的特徴を、以下で詳細に説明する。
【0270】
以下の説明を通して、１つ又は複数の光源は、以下で説明されるように、カメラがオブジェクトの画像及び／または動画を撮像できるように、ツールの暗いエリアに配置される。例えば、図１１を参照して示し、上述したように、ロードロックなどのツール内の暗い領域では、ツールの構成要素を照明するように光源が配置され、カメラがそれらの画像／動画を撮像可能にしている。また、異なる波長を有する様々なタイプの光源及び照明の構成を使用できる。例えば、ツールは、ＥＦＥＭ内の１つの光源と、各ＬＬ内の１つの光源と、ＶＴＭ用の２つの光源とを備えることができる。ＬＬやＶＴＭでは、カメラの近くに光源を配置している。感光性材料を有する基板の場合は、適切な波長を有する光源が使用され、光源からの光が基板の外側フィルム層に影響を及ぼすことを回避する。そのため、適切なスペクトル応答（可視光、近ＩＲ、ＩＲ）を備えたカメラが、高品質画像及び動画を撮像するために使用される。
【0271】
図１７Ａに、ツール３０００上で自動構成、自動エラー検出及びエラー回復を実行できる、本開示の特定の実施形態に係るシステムを示す。例えば、システムは、図１～６Ｃに示す任意のツールに実装できる（すなわち、ツール３０００は、図１～６Ｃに示す任意のツールを含み得る）。ツール３０００は、複数のサブシステム３００２、複数のカメラ３００４、サブシステム３００２のオブジェクトの照明としての光源３００５、オブジェクト検出モジュール３００６、構成モジュール３００８、エラー検出モジュール３０１０、及びエラー回復モジュール３０１２を備える。ツール３０００は、分散通信システム３０１６（例えば、図８Ａ－８Ｃに示す要素２０１０）を介して、遠隔コンピューティング装置３０１４（例えば、図８Ａ－８Ｃに示す要素２１３０）と通信する。
【0272】
サブシステム３００２の例としては、ツール３０００内に設置されたバッファ、ロードロック（ＬＬ）／ロードポートモジュール（ＬＰＭ）、ロボット、エンドエフェクタ（ＥＥ）、機器フロントエンドモジュール（ＥＦＥＭ）などが挙げられるが、これに限定されない。カメラ３００４は、ツール３０００内の様々な位置に配置できる。カメラ３００４の数及び位置は、ツール３０００の構成によって決めることができる。例えば、様々なツール構成を示す図１～６Ｃにおいて、ツールはそれぞれ異なる数のカメラが必要であり、またそれらのカメラはツール構成に応じて異なる位置に配置される。
【0273】
図１７Ｂは、図１７Ａのシステムで使用されるツール３０００の一例を示す図であり、カメラがツール内の様々な位置に配置されている様子を示す。ここでは２つのタイプのカメラが示されており、第１のカメラは画像処理カメラであり、第２のカメラは動画ストリーミング及び動画処理用のカメラ（ビデオカメラと呼ばれる）である。例えば、ビデオカメラ３０３０は、ツールのロードポートモジュール（ＬＰＭ）に配置される。３つのビデオカメラ３０３２、３０３４、及び３０３６は、ツールの機器フロントエンドモジュール（ＥＦＥＭ）に配置される。２つのビデオカメラ３０３８及び３０４０は、ツールのエアロック（ＡＬ）に配置される。さらに、ツールのエアロック（ＡＬ）には、２つの画像処理カメラ３０４２、３０４４が配置されている。３つのビデオカメラ３０４６、３０４８、及び３０４９は、ツールの真空搬送モジュール（ＶＴＭ）に配置される。ツール構成に応じて、それぞれのタイプのカメラを異なる数で、また異なる場所に配置した、他の様々な配置も想定できる。
【0274】
図１７Ａでは、オブジェクト検出モジュール３００６は、様々な（以下で説明される）リアルタイム動画処理アルゴリズムを使用して、オブジェクト（例えば、サブシステム３００２及びそれらの構成要素）の動き、及びツール３０００内での位置をリアルタイムで検出する。オブジェクト検出モジュール３００６によって実行されるオブジェクト検出の品質は、多くの要因に依存する。その要因には、例えば、使用するアルゴリズムのタイプが含まれる。要因には、カメラ３００４の性能（例えば、解像度）を含んでいてもよく、また、カメラ３００４の数及び位置を含んでいてもよい。
【0275】
例えば、オブジェクト検出モジュール３００６によって実行されるオブジェクト検出の品質は、カメラ３００４の数に比例し得る。いくつかのツール構成では、カメラがツール内の戦略的位置に配置され得る場合（例えば、１つ又は複数のカメラがツールの比較的大きな部分を写すことができる場合）、比較的高い品質のオブジェクト検出を、少数のカメラで実行できる。いくつかのツール構成においては、カメラの一部がツール内の戦略的位置に配置できないと、比較的多数のカメラが必要となる場合がある。
【0276】
いくつかの実施形態においては、オブジェクト検出モジュール３００６は、サブシステム３００２の画像を処理し、サブシステム３００２を識別する。例えば、オブジェクト検出モジュール３００６は、ツール３０００に設置されているバッファ、ロードロック（ＬＬ）／ロードポートモジュール（ＬＰＭ）、ロボット、エンドエフェクタ（ＥＥ）、機器フロントエンドモジュール（ＥＦＥ）などの数量を識別できる。また、オブジェクト検出モジュール３００６は、これらのサブシステム３００２のタイプを識別できる。
【0277】
いくつかの実施形態によれば、これらの識別に基づいて、構成モジュール３００８は、ツール３０００を自動的に構成できる。例えば、構成モジュール３００８は、識別されたサブシステム３００２を操作及び制御するためのソフトウェアモジュールをロードできる。例えば、構成モジュール３００８は、ツール３０００のユーザインターフェース（ＵＩ）３０１８を自動的に構成できる。例えば、構成モジュール３００８は、識別されたサブシステム３００２を操作及び制御するためのＵＩ ３０１８内のドロップダウンメニューとしていくつかの機能を自動的に利用可能にする一方で、識別されたサブシステム３００２に適用できない又は互換性がない他の機能については利用不可とすることができる。例えば、識別されたサブシステム３００２に応じて、構成モジュール３００８は、いくつかの処理／操作（例えば、識別されたサブシステム３００２上で、又は識別されたサブシステム３００２を用いて実行可能な処理／操作）のみの実行を自動的に許可する一方で、他の処理（例えば、識別されたサブシステム３００２上で、又は識別されたサブシステム３００２を用いて実行できない処理／操作）の実行を禁止してもよい。
【0278】
いくつかの実施形態によれば、エラー検出モジュール３０１０は、ツール３０００内のオブジェクト（例えば、ロボット、基板、エッジ結合リング、ＰＭ／ＬＬＳ／ＬＰＭのドアなど）の移動及び位置を監視することによって、オブジェクト検出モジュール３００６によって実行されるオブジェクト検出に基づいて、ツール３０００内のエラーを検出する（以下の例を参照）。エラー回復モジュール３０１２は、エラー検出モジュール３０１０によって検出されたエラーの一部を自動的に修正する。例えば、エラー回復モジュール３０１２は、エラー検出モジュール３０１０によって検出された、回復可能なエラーのみを自動的に修正する。
【0279】
いくつかの実装形態では、エラー回復モジュール３０１２は、分散通信システム３０１６を介して、遠隔コンピューティング装置３０１４と通信できる。遠隔コンピューティング装置３０１４は、エラー回復モジュール３０１２を介してツール３０００と通信することによって、エラーの一部を遠隔で修正できる。遠隔コンピューティング装置３０１４によるツール３０００の遠隔制御中、ツール３０００への手動介入を、構成モジュール３００８によって無効にできる。逆に、エラーが手動介入を必要とする場合、ツール３０００のサービスを提供するサービスパーソンの安全のため、遠隔コンピューティング装置３０１４によるツール３０００の遠隔制御を無効にできる。カメラ３００４は、ツール３０００への手動介入（例えば、サービスパーソンの身体の部位）の有無を検出でき、構成モジュール３００８は、サービスパーソンの安全を確保するために、遠隔コンピューティング装置３０１４によるツール３０００の遠隔制御を無効にできる。いくつかの実装形態においては、サービスパーソンは、ＵＩ ３０１８を使用して、手動介入ならびに遠隔コンピューティング装置３０１４によるエラー修正を連携できる。
【0280】
以下に、エラー検出モジュール３０１０及びエラー回復モジュール３０１２によって実行される、エラー検出及びエラー回復の例を示す。なおこれらに限定されない。例えば、ツール３０００のプロセスモジュール（ＰＭ）における基板のチャック解除の失敗により、あるいはＰＭにおけるリフトピンの誤動作により、基板が、ＰＭの基板支持体（ＥＳＣ）上において、中心からずれる場合がある。ＶＴＭロボットがＰＭに進入して基板を除去すると、ＰＭ内の動的アラインメント（ＤＡ）センサが規定範囲外のオフセットを検出する場合がある。これに従って、ツール３０００は、エラーを生成または表示でき、ＶＴＭロボットは、基板の移動を停止して、基板がＰＭの壁／ドアに衝突するのを回避する。
【0281】
上記の例では、オブジェクト検出モジュール３００６は、ＶＴＭロボットを監視するカメラ３００４から受信したデータに基づいて、ロボットの位置、ロボットエンドエフェクタ（ＥＥ）の位置、及びＰＭのドアの状態（開閉）を含むツール状態を識別する。カメラ３００４が、ＰＭのドアが開いており、基板が依然としてＥＥ上にあることを識別すると、エラー検出モジュール３０１０はエラーを識別し、エラー回復モジュール３１２は、ロボットをＰＭ内に再進入させて、リフトピン上に基板を配置させ、ＤＡセンサによって計算された新たな正しいオフセットで再び基板をピックアップさせる。この回復手順は、現在手動で行われており、そのためサービスパーソンはツール３０００に居る必要がある。さらに、この手順では、場合によってはＶＴＭまたはＰＭを開く必要があり、ツール動作のための工数費及び中断時間が増加する。これに対して、図１７Ａに示されるシステムは、誤差を自動的に補正することによって、ＰＭを開く必要性を回避し、工数費及び中断時間を低減できる。
【0282】
別の例では、ＶＴＭロボットが、処理された基板をツール３０００のエアロック内に配置する際に、基板の温度が高すぎたり、及び／又はＥＥパッドが粘着性である場合、基板はエアロックフィンガ上に適切に配置されない可能性があり、その結果、基板はエアロックフィンガからスライドしてぶら下がる場合がある。ここでエアロックドアが閉じると、基板がエアロックドアの間に入り込んで損傷する可能性がある。あるいは、ＡＴＭロボットがエアロックに入って基板をピックアップする際に、基板が十字スロット状になっていると、ＥＥがウェハを損傷する可能性がある。
【0283】
上記の例では、オブジェクト検出モジュール３００６は、カメラ３００４から受信したデータに基づいて、不適切な基板配置を検出でき、基板の中心及び面を識別できる。エラー検出モジュール３０１０は、不適切な基板配置によるエラーを検出する。エラー回復モジュール３０１２は、基板中心及び面をロボットに伝達する。ロボットは、可能であれば、ライブ閉ループ方式で、基板をピックアップするためのＸ／Ｙ／Ｚ座標における経路を見つける。あるいは、この動作は、遠隔コンピューティング装置３０１４を使用して、エラー回復モジュール３０１２から受信されたライブ動画ストリームを見ながら、ロボットを右方向にゆっくりと押すことによって、遠隔で実行できる。これにより、サービスパーソンがツール３０００に居る必要がなくなり、またＬＬを開く必要もなくなり、ツールの中断時間及び人件費が削減できる。
【0284】
いくつかの実施形態において、エラー検出モジュール３０１０、エラー回復モジュール３０１２、及び構成モジュール３００８は、エラーのタイプに応じて、他の方法でエラーに対応できる。例えば、サブシステム３００２のエラーが回復不可である場合（例えば、交換部品が必要であり、その部品がない場合）、構成モジュール３００８は、サブシステム３００２を一時的に無効にできる。例えば、構成モジュール３００８は、ＵＩ ３０１８におけるサブシステム３００２のメニュー選択を無効にできる。例えば、構成モジュール３００８は、サブシステム３００２を回避するように、基板の処理シークエンスを変更してもよい。例えば、構成モジュール３００８は、サブシステム３００２をシャットダウンして、サービスが実施されるまでは誤って使用されないようにしてもよい。
【0285】
図１７Ｃは、本開示の特定の実施形態に係る、ツールを自動的に構成するための方法３０５０を示す。例えば、図１７Ａに示されるシステムは、以下のように方法３０５０を実行できる。３０５２において、方法３０５０では、ツール３０００の電源がオンになっているかどうかを判定する。ツール３０００の電源がオンになっている場合、３０５４において、方法３０５０では、ツール３０００内の様々な場所に設置されたカメラ３００４を使用して、ツール３０００のサブシステム３００２の画像を撮像する。３０５６において、方法３０５０では、図１７Ａを参照して上記で詳述したように、カメラ３００４によって検出されたサブシステム３００２に基づいて、ツール３０００を自動的に構成する。
【0286】
図１７Ｄは、本開示の特定の実施形態に係る、ツールにおいて検出されたエラーを自動的に修正するための方法３０７０を示す。例えば、図１７Ａに示されるシステムは、以下のように方法３０７０を実行できる。３０７２において、方法３０７０では、ツール３０００内の様々な場所に設置されたカメラ３００４を使用して、ツール３０００のサブシステム３００２をリアルタイムで監視する。３０７４において、方法３０７０では、（例えば、図１７Ａを参照して上記で詳述したように、カメラ３００４、オブジェクト検出モジュール３００６、及びエラー検出モジュール３０１０を使用して）ツール３００内でエラーが検出されたかどうかを判定する。方法３０７０では、エラーが検出されない場合、カメラ３００４を使用して、ツール３０００のサブシステム３００２をリアルタイムで監視し続ける。
【0287】
３０７６においてエラーが検出された場合、方法３０７０では、エラーが手動介入なしに自動的に修正可能であるかどうかを判定する。エラーが手動介入なしに自動的に修正可能である場合、３０７８において、方法３０７０では、図１７Ａを参照して上記で詳述したように、エラーを自動的に修正する。エラーが手動介入なしに自動的に修正できない場合、３０８０において、方法３０７０では、サービスをスケジューリング／要求する（例えば、ＵＩ ３０１８を介してツールオペレータに通知する）。
【0288】
図１０Ｂに、少なくとも２つのカメラ２２００及び２２０１を使用するステレオ画像処理システムを示す。図１８Ａ～１８Ｅを参照して以下で説明するように、いくつかの実装形態においては、単一のカメラ（たとえば、２２００または２２０１）を使用したステレオ画像処理によって、エッジ結合リングの厚みプロファイルの３次元点群を作成できる。例えば、単一のカメラ（２２００または２２０１）を使用して、エッジ結合リング２３１４（図１０Ｂに示す）の１つ又は複数の画像を撮像できる。そして、ステレオ画像処理技術を用いて、カメラで撮像した画像からエッジ結合リングの厚みプロファイルの３次元点群を作成できる。
【0289】
３次元点群は、空間内のオブジェクト（例えば、図１０Ｂのエッジ結合リング２３１４）、又はその一部のデータ点のセットである。いくつかの実施形態によれば、３次元点群は、エッジ結合リング２３１４の外面上の多くの点を測定することによって生成される。３次元点群は、直接分析されてもよく、メッシュ、表面モデル、または３Ｄモデルに変換されてもよい。次いで、エッジ結合リング２３１４がまだ新しい（すなわち、侵食がない）段階で生成されたエッジ結合リング２３１４のモデルに、３次元点群を位置合わせし、比較して差を決定できる。そして、その差に基づいて、エッジ結合リング２３１４の侵食量を判断できる。例えば、侵食によるエッジ結合リング２３１４の厚さの減少などの寸法の変化を、上記の差によって知ることができる。
【0290】
３次元点群は、エッジ結合リング２３１４の体積データを表すために使用することもでき、次いで、これを、侵食によるエッジ結合リング２３１４の厚みの減少を判定するために使用することもできる。図１１を参照して説明したコンピュータビジョンシステム２４００の画像プロセッサ２４０８は、３次元点群の生成、点群データに基づく厚みプロファイルの生成、及びエッジ結合リングの厚みプロファイルの分析を含むステレオ画像処理を行って、エッジ結合リング２３１４の侵食量を評価できる。
【0291】
図１８Ａは、特定の実施形態に係る、単一のカメラを用いてステレオ画像処理を実行するためのシステム３１００の一例を示す。システム３１００は、１つのカメラのみを使用してエッジ結合リングの３次元点群を生成する。いくつかの実施形態においては、ロボットがロードロック内のエッジ結合リングを移動させ、ロードロック内の単一のカメラがエッジ結合リングの１つの画像を撮影し、次いで、ロボットがエッジ結合リングを所定の距離だけ移動させ、カメラがエッジ結合リングの別の画像を撮影し、次いで、画像プロセッサが、これらの２つの画像を使用して三角測量を実行し、３次元点群を計算する。ロボットは、エッジ結合を所定の距離だけさらに移動させることができ、各移動の後に、カメラは、点群計算のために追加の画像を撮影してもよい。これにより、測定の精度を高められる。
【0292】
図示の例では、システム３１００は、ロボット３１０４を制御するシステムコンピュータ３１０２を備える。ロボット３１０４は、ロードロック３１０８内のエッジ結合リング３１０６を移動させる。光源３１１０は、エッジ結合リング３１０６に光を照射する。図１８Ｂに示すように、ロボット３１０４がエッジ結合リング３１０６を所定の距離だけ移動させるたびに、単一のカメラ３１１２がエッジ結合リング３１０６の画像を撮像する。カメラ３１１２に連結された画像プロセッサ３１１４は、図１８Ｃに示すように、三角測量を用いて画像を処理し、３次元点群を計算する。画像プロセッサ３１１４は、図１８Ｄに示すように、３次元点群に基づいて、エッジ結合リング３１０６の表面プロファイル（すなわち、厚みプロファイル）を生成する。画像プロセッサ３１１４は、三角測量を用いた３次元点群の生成、３次元点群データに基づく厚みプロファイルの生成、及びエッジ結合リングの厚みプロファイルの分析を含むステレオ画像処理を行って、エッジ結合リング３１０６の侵食量を評価できる。いくつかの実施形態では、画像プロセッサ３１１４及びカメラ３１１２は、図１１に示すコンピュータビジョンシステム２４００の画像プロセッサ２４０８及びカメラ２４０２と同様とすることができる。いくつかの実装形態においては、システムコンピュータ３１０２は、エッジコンピューティングデバイスを含んでもよい。
【0293】
図１８Ｄは、エッジ結合リング３１０６の表面プロファイルｚが、式ｚ＝ｆ（ｒ）を使用して、エッジ結合リング３１０６の半径ｒの関数として記述できることを示している。図１８Ｂは、エッジ結合リング３１０６が、ｘ軸に沿ってｘ１からｘ２まで所定の距離ｄ１だけ移動した状態を示しており、Ｐ１＝（ｘ１，ｚ１）及びＰ２＝（ｘ２，ｚ２）は、それぞれ、カメラ３１１２によって撮像されたエッジ結合リング３１０６上の２つの点を表している。ｘ１’とｘ２’は、それらの点をカメラ３１１２内のイメージセンサ上にｘ軸に沿って投影したものである。一般に、画像センサは、ｘ１’及びｘ２’の線によって示される。図１８Ｃは、データＰ１及びＰ２を使用して画像プロセッサ３１１４によって行われる三角測量を示している。
【0294】
図１８Ｅは、いくつかの実施形態に係る、単一のカメラ（例えば、図１８Ａに示されるカメラ３１１２）を使用してステレオ画像処理を実行する方法３２００を示す。方法３２００は、エッジ結合リングの厚みプロファイルの３次元点群を作成するために使用できる。例えば、方法３２００は、図１８Ａに示される画像プロセッサ３１１４及びカメラ３１１２によって、または図１１に示されるコンピュータビジョンシステム２４００の画像プロセッサ２４０８及びカメラ２４０２によって実行できる。
【0295】
３２０２において、方法３２００では、図１８Ｂに示すように、また上記で説明したように、ロボット３１０４が所定の距離だけエッジ結合リング３１０６を移動させ、カメラ３１１２を使用してエッジ結合リング３１０６の画像を撮像する。少なくとも２つの画像が、異なる場所で撮像される。３２０４において、方法３２００では、図１８Ｃに示すように、また上記で説明したように、カメラ３１１２で撮像した画像からのデータを三角測量することにより３次元点群を生成する。３２０６において、方法３２００では、図１８Ｄに示すように、また上記で説明したように、エッジ結合リング３１０６の厚みプロファイルを生成する。
【0296】
３２０８において、方法３２００では、生成した厚みプロファイルを、同じ技術を使用して生成された、エッジ結合リング３１０６が新しい段階での以前の厚みプロファイルと比較する。３２１０において、方法３２００では、比較に基づいてエッジ結合リング３１０６の侵食量を決定する。
【0297】
３２１２において、方法３２００では、エッジ結合リング３１０６の侵食量が所定の閾値以上であるかどうかを判定する。エッジ結合リング３１０６の侵食量が所定の閾値以上でない場合、３２１４において、方法３２００では、エッジ結合リング３１０６の使用が継続され、３１０２に戻る。エッジ結合リング３１０６の侵食量が所定の閾値以上である場合、３２１６において、方法３２００では、エッジ結合リング３１０６を新しいエッジ結合リングと交換すべきであると判断し、交換後、３２０２に戻る。
【0298】
前述の説明は、本質的には単なる例示であり、本開示、その適用、または使用を限定することを意図するものではない。本開示の広範な教示は、種々の形態で実装され得る。従って、図面、明細書、及び以下の特許請求の範囲を参照すれば、本開示の他の変更形態は明白であり、本開示には特定の例を含んでいるものの、本開示の真の範囲はそのような特定の例には限定されない。ある方法において、１つ又は複数のステップは、本開示の原理を変更しない限り、異なる順序で（または同時に）実行できることを理解されたい。
【0299】
また、各実施形態はそれぞれ特定の特徴を有するものとして上に記載されているが、本開示の各実施形態に関して説明される任意の１つ又は複数のそれらの特徴は、その組み合わせが明示的に説明されていない場合であっても、任意の他の実施形態の特徴を用いて実装でき、及び／又は任意の他の実施形態の特徴と組み合わせることができる。言い換えれば、上記の実施形態は相互に排他的ではなく、１つ又は複数の実施形態を互いに組み合わせる順列のそれぞれは、本開示の範囲に含まれる。
【0300】
それぞれの要素（例えば、モジュール、回路素子、半導体層など）の空間的及び機能的な関係は、「接続（ｃｏｎｎｅｃｔｅｄ）」、「係合（ｅｎｇａｇｅｄ）」、「結合（ｃｏｕｐｌｅｄ）」、「近接（ａｄｊａｃｅｎｔ）」、「隣接（ｎｅｘｔ ｔｏ）」、「直上（ｏｎ ｔｏｐ ｏｆ）」、「上（ａｂｏｖｅ）」、「下（ｂｅｌｏｗ）」、「配置（ｄｉｓｐｏｓｅｄ）」など、さまざまな用語を用いて記載される。また、第１及び第２の要素の間の関係が上記の開示で説明されている場合、「直接」と明示的に説明されていない限り、その関係は、第１及び第２の要素の間に他の介在要素が存在しない、直接的な関係でもあり得るが、第１及び第２の要素の間に１つ以上の介在要素が（空間的または機能的に）存在する、間接的な関係でもあり得る。
【0301】
本明細書で用いられる場合、Ａ、Ｂ、Ｃのうちの少なくとも１つという表現は、非排他的な論理ＯＲを用いた論理（Ａ ＯＲ Ｂ ＯＲ Ｃ）を意味すると解釈されるべきであり、「Ａのうちの少なくとも１つ、Ｂのうちの少なくとも１つ、Ｃのうちの少なくとも１つ」とは解釈されるべきではない。
【0302】
いくつかの実装形態では、コントローラは、上記で説明した例の一部となり得るシステムの一部である。該システムは、１つ又は複数の処理ツール、１つ又は複数のチャンバ、１つ又は複数の処理用プラットフォーム、及び／又は特定の処理構成要素（ウェハ台座、ガスフローシステムなど）を含む、半導体処理機器を備えることができる。これらのシステムは、半導体ウェハまたは基板の処理前、処理中、及び処理後に、その動作を制御するための電子機器と統合されていてもよい。
【0303】
電子機器は、１つ又は複数のシステムの種々の構成要素、またはサブパーツの制御を可能とする「コントローラ」と称することもできる。コントローラは、処理要件及び／又はシステムのタイプに応じて、処理ガスの供給、温度設定（例えば、加熱及び／又は冷却）、圧力設定、真空設定、電力設定、無線周波数（ＲＦ）発生器設定、ＲＦ整合回路設定、周波数設定、流量設定、流体供給設定、位置及び動作設定、特定のシステムに接続またはインターフェース接続されたツール及び他の搬送ツール及び／又はロードロックの内外へのウェハ搬送を含む、本明細書に開示されるプロセスのいずれかを制御するようにプログラムされていてもよい。
【0304】
概して、コントローラは、様々な集積回路、論理、メモリ、及び／又はソフトウェアを有する電子機器として定義でき、命令を受信・発令し、動作を制御し、クリーニング動作を可能にし、終了点測定を可能にする、等を行う。集積回路は、プログラム命令を記憶するファームウェア形態のチップ、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）として定義されるチップ、及び／又はプログラム命令（例えば、ソフトウェア）を実行する１つ以上のマイクロプロセッサもしくはマイクロコントローラを含んでいてもよい。
【0305】
プログラム命令は、様々な個々の設定（又はプログラム・ファイル）の形態でコントローラに通信される命令であってもよく、半導体ウェハに対して、半導体ウェハに関連して、又はシステムに対して、特定の処理を実行する操作パラメータを定義する。いくつかの実施形態では、動作パラメータは、ウェハの１つ又は複数の層、材料、金属、酸化物、シリコン、シリコン二酸化物、表面、回路、及び／又はダイの製造中において、１つ又は複数の処理ステップを達成するために、プロセスエンジニアによって定義されるレシピの一部であってもよい。
【0306】
いくつかの実装形態においては、コントローラは、システムと統合または結合されるか、そうでなければ、システムにネットワーク接続されるコンピュータの一部であるか、あるいは結合されていてもよく、またこれらを組み合わせた形態であってもよい。例えば、コントローラは、「クラウド」内、またはｆａｂホストコンピュータシステムの全体もしくは一部として遠隔アクセスによってウェハ処理を行ってもよい。コンピュータは、システムへの遠隔アクセスを可能にし、製造動作に関する現在の経過を監視し、過去の製造動作の履歴を調査し、複数の製造動作から傾向若しくは性能メトリックを調査し、現在の処理のパラメータを変更し、現在の処理に追従する処理ステップを設定するか、又は新たな処理を開始してよい。
【0307】
いくつかの例では、遠隔コンピュータ（例えば、サーバ）は、ネットワーク上で処理レシピをシステムに提供でき、ネットワークには、ローカル・ネットワーク又はインターネットを含んでよい。遠隔コンピュータは、パラメータ及び／又は設定の入力又はプログラミングを可能にするユーザインターフェースを含んでいてもよく、これらのパラメータ及び／又は設定は、次いで、遠隔コンピュータからシステムに伝達される。いくつかの例では、コントローラは、データの形態で命令を受信し、命令は、１つ又は複数の動作の間に実施すべき処理ステップのそれぞれに対するパラメータを指定する。パラメータは、実施する処理のタイプ、及びコントローラがインターフェース接続又は制御するように構成したツールのタイプに特定であってもよいことを理解されたい。
【0308】
従って、上記のように、コントローラは、例えば、１つ又は複数の離散型コントローラなどを用いて分散してもよく、１つ又は複数の離散型コントローラは、まとめてネットワーク接続され、本明細書で説明する処理及び制御等、共通の目的を持って動作する。このような目的のための分散型コントローラの一例は、（プラットフォーム・レベルで、又は遠隔コンピュータの一部として等）遠隔設置された１つ又は複数の集積回路と通信する、チャンバ上の１つ又は複数の集積回路であり、チャンバ上での処理を制御するように組み合わせられる。
【0309】
限定はしないが、システムの例として、プラズマ・エッチングチャンバ若しくはモジュール、堆積チャンバ若しくはモジュール、スピンリンスチャンバ若しくはモジュール、金属めっきチャンバ若しくはモジュール、クリーンチャンバ若しくはモジュール、斜縁エッチングチャンバ若しくはモジュール、物理気相堆積（ＰＶＤ）チャンバ若しくはモジュール、化学気相堆積（ＣＶＤ）チャンバ若しくはモジュール、原子層堆積（ＡＬＤ）チャンバ若しくはモジュール、原子層エッチング（ＡＬＥ）チャンバ若しくはモジュール、イオン注入チャンバ若しくはモジュール、トラックチャンバ若しくはモジュール、並びに半導体半導体ウェハの作製及び／又は製造に関連するか若しくは使用できるあらゆる他の半導体処理システムを含み得る。
【0310】
上記のように、ツールによって実施する１つ又は複数の処理ステップに応じて、コントローラは、１つ又は複数の他のツール回路若しくはモジュール、他のツール構成要素、クラスタ・ツール、他のツール・インターフェース、近接ツール、近隣ツール、工場全体に配置されるツール、メインコンピュータ、別のコントローラ、又は半導体製造工場におけるツール位置及び／又はロードポートへ、またはそこからウェハの容器を運ぶ材料移送において使用されるツールと通信できる。また本開示は、以下の形態として実現できる。
［形態１］
基板処理システムであって、
プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び前記基板処理システムの構成要素のうちの少なくとも１つの画像を処理し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記画像からの第１のデータを、ネットワークを介してリモートサーバに送信し、
前記第１のデータの前記リモートサーバへの送信に対応して、前記ネットワークを介して前記リモートサーバから第２のデータを受信し、
前記第２のデータに基づいて、前記基板処理システムを操作する、
ための前記命令を格納する、基板処理システム。
［形態２］
形態１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記基板処理システムのロードロックに配置されたパッドを含み、前記パッドが前記基板、前記基板に関連付けられたエッジ結合リング、又は前記基板を移送するロボットを支持するために使用されることに対応して、前記第２のデータが、
前記パッドの状態を示す指標と、
サービスと前記パッドの交換の１つ又は複数に関する推奨事項と、
の１つ又は複数を含み、
前記命令が、前記パッドのサービス及び交換のうちの１つ又は複数に関する推奨事項を含む前記第２のデータに対応して、前記プロセッサに、さらに、前記パッドのサービス及び交換の１つ又は複数のスケジュールの生成を実行させるシステム。
［形態３］
形態１に記載のシステムであって、
前記画像が前記基板のものであり、及び前記基板が前記基板処理システムの前記処理チャンバのうちの１つのクリーニング中に使用されることに対応して、前記第２のデータは、
前記基板が、前記基板処理システムの前記処理チャンバのうちの前記１つのクリーニング中に使用されるタイプのものであることを示す指標と、
前記基板の状態を示す指標と、
前記基板の交換に関する推奨事項と、
前記処理チャンバの前記１つでのレシピの選択に関する推奨事項、
のうちの１つ又は複数を含み、
前記命令によって、前記レシピの選択に関する前記推奨事項を含む前記第２のデータに対応して、前記プロセッサに、さらに、前記処理チャンバの前記１つでの前記レシピを選択させるシステム。
［形態４］
形態１に記載のシステムであって、
前記画像が前記基板のものであることに対応して、前記第２のデータは、
前記基板のタイプを示す指標と、
前記基板を処理するためのレシピを選択するための指標、
のうちの１つ又は複数を含み、
前記命令によって、前記レシピの選択に関する前記指標を含む前記第２のデータに対応して、前記プロセッサに、さらに、前記基板を処理するための前記レシピを選択させるシステム。
［形態５］
形態１に記載のシステムであって、
前記画像が前記基板のものであることに対応して、前記第２のデータは、
前記基板のタイプを示す指標と、
前記処理チャンバの１つで前記基板に対して行われた処理を示す指標と、
前記基板を処理した前記処理チャンバの前記１つの状態を示す指標と、
前記基板を処理した前記処理チャンバの前記１つをクリーニングするためのレシピの選択のための指標と、
のうちの１つ又は複数を含み、
前記命令によって、前記プロセッサに、さらに、
前記処理チャンバの前記１つの状態を示す前記指標を含む前記第２のデータに対応して、前記処理チャンバの前記１つに対するサービスをスケジューリングさせ、及び
前記レシピの選択に関する前記指標を含む前記第２のデータに対応して、前記基板を処理した前記処理チャンバの前記１つをクリーニングするための前記レシピを選択させるシステム。
［形態６］
形態１に記載のシステムであって、
前記画像が、前記基板処理システムのロードロックに配置された前記カメラによって撮像された前記基板の前記画像であることに対応して、前記第２のデータは、
前記基板を処理した前記処理チャンバの１つから前記基板を移送するロボットによって前記ロードロックに前記基板を配置する際のドリフトを示す指標と、
前記ロボット又は前記基板を処理した前記処理チャンバの前記１つのサービスに関する推奨事項、
のうちの１つ又は複数を含み、
前記命令によって、前記プロセッサに、さらに、
前記ロボットのサービスに関する前記推奨事項を含む前記第２のデータに対応して、前記ロボットのサービスに関するスケジュールを生成させ、
前記基板を処理した前記処理チャンバの前記１つのサービスに関する前記推奨事項を含む前記第２のデータに対応して、前記ロボットへの前記基板の放出に関する前記処理チャンバの前記１つの調整を行わせるシステム。
［形態７］
形態１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、
前記エッジ結合リングのシリアル番号と、
前記エッジ結合リングを、前記処理チャンバの前記１つに対して正しいシリアル番号を有する第２のエッジ結合リングに交換することに関する推奨事項、
のうちの１つ又は複数を含み、
前記命令によって、前記プロセッサに、さらに、前記推奨事項を含む前記第２のデータに対応して、前記エッジ結合リングを、前記処理チャンバの前記１つに対して前記正しいシリアル番号を有する前記第２のエッジ結合リングに交換するためのスケジュールを生成させるシステム。
［形態８］
形態１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、
前記エッジ結合リングが正しくないことを示す指標と、
前記基板の処理に関連する問題が、前記エッジ結合リングが正しくないことに起因することを示す指標と、
前記エッジ結合リングを、前記処理チャンバの前記１つに適した正しいエッジ結合リングに交換するという推奨事項、
のうちの１つ又は複数を含み、
前記命令によって、前記プロセッサに、さらに、前記推奨事項を含む前記第２のデータに対応して、前記エッジ結合リングを、前記処理チャンバの前記１つに適した前記正しいエッジ結合リングに交換するためのスケジュールを生成させるシステム。
［形態９］
形態１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、
前記処理チャンバの前記１つにおけるエッチングレートの指標と、
前記処理チャンバの前記１つで使用されるレシピの調整の指標、
のうちの１つ又は複数を含み、
前記命令によって、前記調整に関する前記指標を含む第２のデータに対応して、前記プロセッサに、さらに、前記処理チャンバの前記１つで使用される前記レシピを調整させるシステム。
［形態１０］
形態１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、
前記エッジ結合リングが前記処理チャンバの前記１つに適した正しいエッジ結合リングであり、前記処理チャンバが同じレシピを使用し、また前記エッジ結合リングが前記基板処理システムの他の処理チャンバのエッジ結合リングとは異なる変化を示すことに対応して、前記エッジ結合リングと前記処理チャンバの前記１つで使用されるレシピの少なくとも１つを調整するための指標を含み、
前記命令によって、前記プロセッサに、さらに、前記エッジ結合リングと前記処理チャンバの前記１つで使用される前記レシピの少なくとも１つを調整させるシステム。
［形態１１］
システムであって、
プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び基板処理システムの構成要素のうちの少なくとも１つの画像のデータをネットワークを介して受信し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記データの一部を、前記基板処理システムの操作に役立つ出力を提供するように学習したモデルに入力し、
前記モデルからの前記出力を前記ネットワーク経由で前記基板処理システムに送信する
ための前記命令を格納するシステム。
［形態１２］
形態１１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記基板処理システムのロードロックに配置されたパッドを含み、前記パッドが前記基板、前記基板に関連付けられたエッジ結合リング、又は前記基板を移送するロボットを支持するために使用されることに対応して、前記モデルの前記出力は前記パッドの状態を示し、前記パッドのサービス及び交換のうちの１つ又は複数に関する推奨事項を含むシステム。
［形態１３］
形態１１に記載のシステムであって、
前記画像が前記基板のものであり、及び前記基板が前記基板処理システムの前記処理チャンバのうちの１つのクリーニング中に使用されることに対応して、前記モデルの前記出力は、
前記基板が、前記基板処理システムの前記処理チャンバのうちの前記１つのクリーニング中に使用されるタイプのものであることを示す指標と、
前記基板の状態を示す指標と、
前記基板の交換に関する推奨事項と、
前記処理チャンバの前記１つでのレシピの選択に関する推奨事項
のうちの１つ又は複数を含むシステム。
［形態１４］
形態１１に記載のシステムであって、
前記画像が前記基板のものであることに対応して、前記モデルの前記出力は、
前記基板のタイプを示す指標と、
前記基板を処理するためのレシピを選択するための指標、
のうちの１つ又は複数を含むシステム。
［形態１５］
形態１１に記載のシステムであって、
前記画像が前記基板のものであることに対応して、前記モデルの前記出力は、
前記基板のタイプを示す指標と、
前記処理チャンバの１つで前記基板に対して行われた処理を示す指標と、
前記基板を処理した前記処理チャンバの前記１つの状態を示す指標と、
前記基板を処理した前記処理チャンバの前記１つをクリーニングするためのレシピを選択するための指標、
のうちの１つ又は複数を含むシステム。
［形態１６］
形態１１に記載のシステムであって、
前記画像が、前記基板処理システムのロードロックに配置された前記カメラによって撮像された前記基板の前記画像であることに対応して、前記モデルの前記出力は、
前記基板を処理した前記処理チャンバの１つから前記基板を移送するロボットによって前記ロードロックに前記基板を配置する際のドリフトを示す指標と、
前記ロボット、又は前記基板を処理した前記処理チャンバの前記１つのサービスに関する推奨事項、
のうちの１つ又は複数を含むシステム。
［形態１７］
形態１１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、
前記エッジ結合リングのシリアル番号と、
前記エッジ結合リングを、前記処理チャンバの前記１つに対して正しいシリアル番号を有する第２のエッジ結合リングに交換することに関する推奨事項、
のうちの１つ又は複数を含むシステム。
［形態１８］
形態１１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、
前記エッジ結合リングが正しくないことを示す指標と、
前記基板の処理に関連する問題が、前記エッジ結合リングが正しくないことに起因することを示す指標と、
前記エッジ結合リングを、前記処理チャンバの前記１つに適した正しいエッジ結合リングに交換するという推奨事項、
のうちの１つ又は複数を含むシステム。
［形態１９］
形態１１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、
前記処理チャンバの前記１つにおけるエッチングレートの指標と、
前記処理チャンバの前記１つで使用されるレシピの調整の指標、
のうちの１つ又は複数を含むシステム。
［形態２０］
形態１１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受け取った前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、
前記エッジ結合リングが前記処理チャンバの前記１つに適した正しいエッジ結合リングであり、前記処理チャンバが同じレシピを使用し、前記エッジ結合リングが前記基板処理システムの他の処理チャンバのエッジ結合リングよりも変化が大きいことに対応して、前記エッジ結合リングと前記処理チャンバの前記１つで使用されるレシピの少なくとも１つを調整するための指標を含むシステム。
［形態２１］
システムであって、
プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、
基板処理システムに配置された１つ又は複数のカメラからデータを受信し、前記基板処理システムは、複数のプロセスモジュールと、前記プロセスモジュール間及び前記基板処理システムと第２の基板処理システムの間の基板を移送するように構成されたロボットとを含み、
前記基板処理システムに配置された前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムを自動的に構成する
ための前記命令を格納するシステム。
［形態２２］
形態２１に記載のシステムであって、
前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムに設置された１つ又は複数のサブシステムを自動的に識別し、前記識別されたサブシステムに基づいて、前記基板処理システムを自動的に構成させるシステム。
［形態２３］
形態２１に記載のシステムであって、
前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムに設置された１つ又は複数のサブシステムを自動的に識別させ、前記識別されたサブシステムに基づいて、前記基板処理システムのユーザインターフェースを自動的に構成させるシステム。
［形態２４］
形態２１に記載のシステムであって、
前記命令によって、前記プロセッサに、前記基板処理システムの電源がオンになったことに対応して、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムを自動的に構成させるシステム。
［形態２５］
形態２１に記載のシステムであって、
前記命令によって、前記プロセッサに、前記基板処理システムがサービスを受けたことに対応して、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムを自動的に構成させるシステム。
［形態２６］
形態２１に記載のシステムであって、
前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、追加されたサブシステムまたは前記サブシステムの構成要素を自動的に識別させ、前記識別された追加されたサブシステム又は前記サブシステムの前記構成要素に基づいて、前記基板処理システムを自動的に構成させるシステム。
［形態２７］
形態２１に記載のシステムであって、
前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、削除されたサブシステムまたは前記サブシステムの構成要素を自動的に識別させ、前記識別された削除されたサブシステム又は前記サブシステムの前記構成要素に基づいて、前記基板処理システムを自動的に構成させるシステム。
［形態２８］
システムであって、
プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、
基板処理システムに配置された１つ又は複数のカメラからデータを受信し、前記基板処理システムは、複数のプロセスモジュールと、前記プロセスモジュール間及び前記基板処理システムと第２の基板処理システムの間の基板を移送するように構成されたロボットとを含み、
前記基板処理システムに配置された前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムの１つ又は複数のサブシステムの状態を自動的に識別する、
ための前記命令を格納するシステム。
［形態２９］
形態２８に記載のシステムであって、
前記１つ又は複数のカメラから受信した前記データが動画データを含み、前記命令によって、前記プロセッサに、前記動画データのリアルタイム処理を使用して、１つ又は複数のサブシステムの前記状態を自動的に識別させるシステム。
［形態３０］
形態２８に記載のシステムであって、
前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムのオブジェクトの動きを自動的に追跡させ、前記基板処理システムの前記オブジェクトの前記動きに基づいて、前記基板処理システムの１つ又は複数のサブシステムの前記状態を自動的に識別させるシステム。
［形態３１］
形態２８に記載のシステムであって、
前記状態がエラーとなっていることに対応して、前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、前記エラーを自動的に修正させるシステム。
［形態３２］
形態２８に記載のシステムであって、
前記プロセッサは、ネットワークを介して遠隔コンピューティング装置と通信するように構成されており、前記状態がエラーとなっていることに対応して、前記命令は、前記プロセッサに、前記ネットワークを介して、前記遠隔コンピューティング装置から受信したデータに基づいて、前記エラーを自動的に修正させるシステム。
［形態３３］
形態２８に記載のシステムであって、
前記プロセッサは、前記１つ又は複数のカメラから受信した前記データを、ネットワークを介して遠隔コンピューティング装置へ通信するように構成されており、また、前記命令によって、前記プロセッサが、前記１つ又は複数のカメラから受信した前記データに基づいて、前記遠隔コンピューティング装置が前記基板処理システムを前記ネットワークを介して制御することを許可するシステム。
［形態３４］
形態２８に記載のシステムであって、
前記プロセッサは、ネットワークを介して遠隔コンピューティング装置と通信するように構成されており、前記命令によって、前記プロセッサに、前記遠隔コンピューティング装置による前記基板処理システムの制御を許可させる一方で、前記遠隔コンピューティング装置が前記ネットワークを介して前記基板処理システムを制御している間は、前記基板処理システムの手動制御を許可しないようにさせるシステム。
［形態３５］
形態２８に記載のシステムであって、
前記プロセッサは、ネットワークを介して遠隔コンピューティング装置と通信するように構成されており、前記命令によって、前記プロセッサに、前記基板処理システムが手動で制御されている間、前記遠隔コンピューティング装置が前記基板処理システムを制御することを許可しないようにさせるシステム。
［形態３６］
形態２８に記載のシステムであって、
前記サブシステムの１つに関連して前記状態がエラーとなっていることに対応して、前記命令によって、前記プロセッサに、前記サブシステムの前記１つを自動的に無効にさせるシステム。
［形態３７］
形態３０に記載のシステムであって、
前記オブジェクトが、前記ロボット、前記基板の１つ、前記基板と共に使用されるエッジ結合リング、前記プロセスモジュールの１つのドア、前記基板処理システムのロードロックモジュールのドア、または前記基板処理システムのロードポートモジュールのドアを含むシステム。
［形態３８］
システムであって、
プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、
基板処理システムに配置された単一のカメラでエッジ結合リングから撮像したデータを受信し、
三角測量を使用して前記データを処理し、前記エッジ結合リングの厚みプロファイルを表す３次元点群を生成し、
前記厚みプロファイルに基づいて、前記エッジ結合リングの侵食量を決定する、
ための前記命令を格納するシステム。
［形態３９］
形態３８に記載のシステムであって、
前記命令によって、前記プロセッサに、前記侵食量が所定の閾値以上であるかどうかを判定させ、前記侵食量の指標を生成させるシステム。
［形態４０］
形態３８に記載のシステムであって、
前記命令によって、前記プロセッサに、前記厚みプロファイルを、前記エッジ結合リングが前記基板処理システムに最初に設置されたときに作成された、以前の３次元点群から生成された以前の厚みプロファイルと比較することによって、前記侵食量を決定させるシステム。
［形態１］
基板処理システムであって、
プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び前記基板処理システムの構成要素のうちの少なくとも１つの画像を処理し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記画像からの第１のデータを、ネットワークを介してリモートサーバに送信し、
前記第１のデータの前記リモートサーバへの送信に対応して、前記ネットワークを介して前記リモートサーバから第２のデータを受信し、
前記第２のデータに基づいて、前記基板処理システムを操作する、
ための前記命令を格納する、基板処理システム。
［形態２］
形態１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記基板処理システムのロードロックに配置されたパッドを含み、前記パッドが前記基板、前記基板に関連付けられたエッジ結合リング、又は前記基板を移送するロボットを支持するために使用されることに対応して、前記第２のデータが、
前記パッドの状態を示す指標と、
サービスと前記パッドの交換の１つ又は複数に関する推奨事項と、
の１つ又は複数を含み、
前記命令が、前記パッドのサービス及び交換のうちの１つ又は複数に関する推奨事項を含む前記第２のデータに対応して、前記プロセッサに、さらに、前記パッドのサービス及び交換の１つ又は複数のスケジュールの生成を実行させるシステム。
［形態３］
形態１に記載のシステムであって、
前記画像が前記基板のものであり、及び前記基板が前記基板処理システムの前記処理チャンバのうちの１つのクリーニング中に使用されることに対応して、前記第２のデータは、
前記基板が、前記基板処理システムの前記処理チャンバのうちの前記１つのクリーニング中に使用されるタイプのものであることを示す指標と、
前記基板の状態を示す指標と、
前記基板の交換に関する推奨事項と、
前記処理チャンバの前記１つでのレシピの選択に関する推奨事項、
のうちの１つ又は複数を含み、
前記命令によって、前記レシピの選択に関する前記推奨事項を含む前記第２のデータに対応して、前記プロセッサに、さらに、前記処理チャンバの前記１つでの前記レシピを選択させるシステム。
［形態４］
形態１に記載のシステムであって、
前記画像が前記基板のものであることに対応して、前記第２のデータは、
前記基板のタイプを示す指標と、
前記基板を処理するためのレシピを選択するための指標、
のうちの１つ又は複数を含み、
前記命令によって、前記レシピの選択に関する前記指標を含む前記第２のデータに対応して、前記プロセッサに、さらに、前記基板を処理するための前記レシピを選択させるシステム。
［形態５］
形態１に記載のシステムであって、
前記画像が前記基板のものであることに対応して、前記第２のデータは、
前記基板のタイプを示す指標と、
前記処理チャンバの１つで前記基板に対して行われた処理を示す指標と、
前記基板を処理した前記処理チャンバの前記１つの状態を示す指標と、
前記基板を処理した前記処理チャンバの前記１つをクリーニングするためのレシピの選択のための指標と、
のうちの１つ又は複数を含み、
前記命令によって、前記プロセッサに、さらに、
前記処理チャンバの前記１つの状態を示す前記指標を含む前記第２のデータに対応して、前記処理チャンバの前記１つに対するサービスをスケジューリングさせ、及び
前記レシピの選択に関する前記指標を含む前記第２のデータに対応して、前記基板を処理した前記処理チャンバの前記１つをクリーニングするための前記レシピを選択させるシステム。
［形態６］
形態１に記載のシステムであって、
前記画像が、前記基板処理システムのロードロックに配置された前記カメラによって撮像された前記基板の前記画像であることに対応して、前記第２のデータは、
前記基板を処理した前記処理チャンバの１つから前記基板を移送するロボットによって前記ロードロックに前記基板を配置する際のドリフトを示す指標と、
前記ロボット又は前記基板を処理した前記処理チャンバの前記１つのサービスに関する推奨事項、
のうちの１つ又は複数を含み、
前記命令によって、前記プロセッサに、さらに、
前記ロボットのサービスに関する前記推奨事項を含む前記第２のデータに対応して、前記ロボットのサービスに関するスケジュールを生成させ、
前記基板を処理した前記処理チャンバの前記１つのサービスに関する前記推奨事項を含む前記第２のデータに対応して、前記ロボットへの前記基板の放出に関する前記処理チャンバの前記１つの調整を行わせるシステム。
［形態７］
形態１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、
前記エッジ結合リングのシリアル番号と、
前記エッジ結合リングを、前記処理チャンバの前記１つに対して正しいシリアル番号を有する第２のエッジ結合リングに交換することに関する推奨事項、
のうちの１つ又は複数を含み、
前記命令によって、前記プロセッサに、さらに、前記推奨事項を含む前記第２のデータに対応して、前記エッジ結合リングを、前記処理チャンバの前記１つに対して前記正しいシリアル番号を有する前記第２のエッジ結合リングに交換するためのスケジュールを生成させるシステム。
［形態８］
形態１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、
前記エッジ結合リングが正しくないことを示す指標と、
前記基板の処理に関連する問題が、前記エッジ結合リングが正しくないことに起因することを示す指標と、
前記エッジ結合リングを、前記処理チャンバの前記１つに適した正しいエッジ結合リングに交換するという推奨事項、
のうちの１つ又は複数を含み、
前記命令によって、前記プロセッサに、さらに、前記推奨事項を含む前記第２のデータに対応して、前記エッジ結合リングを、前記処理チャンバの前記１つに適した前記正しいエッジ結合リングに交換するためのスケジュールを生成させるシステム。
［形態９］
形態１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、
前記処理チャンバの前記１つにおけるエッチングレートの指標と、
前記処理チャンバの前記１つで使用されるレシピの調整の指標、
のうちの１つ又は複数を含み、
前記命令によって、前記調整に関する前記指標を含む第２のデータに対応して、前記プロセッサに、さらに、前記処理チャンバの前記１つで使用される前記レシピを調整させるシステム。
［形態１０］
形態１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記第２のデータは、
前記エッジ結合リングが前記処理チャンバの前記１つに適した正しいエッジ結合リングであり、前記処理チャンバが同じレシピを使用し、また前記エッジ結合リングが前記基板処理システムの他の処理チャンバのエッジ結合リングとは異なる変化を示すことに対応して、前記エッジ結合リングと前記処理チャンバの前記１つで使用されるレシピの少なくとも１つを調整するための指標を含み、
前記命令によって、前記プロセッサに、さらに、前記エッジ結合リングと前記処理チャンバの前記１つで使用される前記レシピの少なくとも１つを調整させるシステム。
［形態１１］
システムであって、
プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、前記プロセッサによって実行される、
カメラによって撮像された、基板及び基板処理システムの構成要素のうちの少なくとも１つの画像のデータをネットワークを介して受信し、前記構成要素は、前記基板処理システムの処理チャンバ間、又は前記基板処理システムと第２の基板処理システムとの間で前記基板を移送することに関連しており、前記カメラは、前記基板処理システムの前記基板の移動経路に沿って前記処理チャンバ間に配置されており、
前記データの一部を、前記基板処理システムの操作に役立つ出力を提供するように学習したモデルに入力し、
前記モデルからの前記出力を前記ネットワーク経由で前記基板処理システムに送信する
ための前記命令を格納するシステム。
［形態１２］
形態１１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記基板処理システムのロードロックに配置されたパッドを含み、前記パッドが前記基板、前記基板に関連付けられたエッジ結合リング、又は前記基板を移送するロボットを支持するために使用されることに対応して、前記モデルの前記出力は前記パッドの状態を示し、前記パッドのサービス及び交換のうちの１つ又は複数に関する推奨事項を含むシステム。
［形態１３］
形態１１に記載のシステムであって、
前記画像が前記基板のものであり、及び前記基板が前記基板処理システムの前記処理チャンバのうちの１つのクリーニング中に使用されることに対応して、前記モデルの前記出力は、
前記基板が、前記基板処理システムの前記処理チャンバのうちの前記１つのクリーニング中に使用されるタイプのものであることを示す指標と、
前記基板の状態を示す指標と、
前記基板の交換に関する推奨事項と、
前記処理チャンバの前記１つでのレシピの選択に関する推奨事項
のうちの１つ又は複数を含むシステム。
［形態１４］
形態１１に記載のシステムであって、
前記画像が前記基板のものであることに対応して、前記モデルの前記出力は、
前記基板のタイプを示す指標と、
前記基板を処理するためのレシピを選択するための指標、
のうちの１つ又は複数を含むシステム。
［形態１５］
形態１１に記載のシステムであって、
前記画像が前記基板のものであることに対応して、前記モデルの前記出力は、
前記基板のタイプを示す指標と、
前記処理チャンバの１つで前記基板に対して行われた処理を示す指標と、
前記基板を処理した前記処理チャンバの前記１つの状態を示す指標と、
前記基板を処理した前記処理チャンバの前記１つをクリーニングするためのレシピを選択するための指標、
のうちの１つ又は複数を含むシステム。
［形態１６］
形態１１に記載のシステムであって、
前記画像が、前記基板処理システムのロードロックに配置された前記カメラによって撮像された前記基板の前記画像であることに対応して、前記モデルの前記出力は、
前記基板を処理した前記処理チャンバの１つから前記基板を移送するロボットによって前記ロードロックに前記基板を配置する際のドリフトを示す指標と、
前記ロボット、又は前記基板を処理した前記処理チャンバの前記１つのサービスに関する推奨事項、
のうちの１つ又は複数を含むシステム。
［形態１７］
形態１１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、
前記エッジ結合リングのシリアル番号と、
前記エッジ結合リングを、前記処理チャンバの前記１つに対して正しいシリアル番号を有する第２のエッジ結合リングに交換することに関する推奨事項、
のうちの１つ又は複数を含むシステム。
［形態１８］
形態１１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、
前記エッジ結合リングが正しくないことを示す指標と、
前記基板の処理に関連する問題が、前記エッジ結合リングが正しくないことに起因することを示す指標と、
前記エッジ結合リングを、前記処理チャンバの前記１つに適した正しいエッジ結合リングに交換するという推奨事項、
のうちの１つ又は複数を含むシステム。
［形態１９］
形態１１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受けた前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、
前記処理チャンバの前記１つにおけるエッチングレートの指標と、
前記処理チャンバの前記１つで使用されるレシピの調整の指標、
のうちの１つ又は複数を含むシステム。
［形態２０］
形態１１に記載のシステムであって、
前記画像が前記構成要素のものであり、前記構成要素が前記処理チャンバの１つから受け取った前記基板に関連付けられたエッジ結合リングであることに対応して、前記モデルの前記出力は、
前記エッジ結合リングが前記処理チャンバの前記１つに適した正しいエッジ結合リングであり、前記処理チャンバが同じレシピを使用し、前記エッジ結合リングが前記基板処理システムの他の処理チャンバのエッジ結合リングよりも変化が大きいことに対応して、前記エッジ結合リングと前記処理チャンバの前記１つで使用されるレシピの少なくとも１つを調整するための指標を含むシステム。
［形態２１］
システムであって、
プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、
基板処理システムに配置された１つ又は複数のカメラからデータを受信し、前記基板処理システムは、複数のプロセスモジュールと、前記プロセスモジュール間及び前記基板処理システムと第２の基板処理システムの間の基板を移送するように構成されたロボットとを含み、
前記基板処理システムに配置された前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムを自動的に構成する
ための前記命令を格納するシステム。
［形態２２］
形態２１に記載のシステムであって、
前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムに設置された１つ又は複数のサブシステムを自動的に識別し、前記識別されたサブシステムに基づいて、前記基板処理システムを自動的に構成させるシステム。
［形態２３］
形態２１に記載のシステムであって、
前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムに設置された１つ又は複数のサブシステムを自動的に識別させ、前記識別されたサブシステムに基づいて、前記基板処理システムのユーザインターフェースを自動的に構成させるシステム。
［形態２４］
形態２１に記載のシステムであって、
前記命令によって、前記プロセッサに、前記基板処理システムの電源がオンになったことに対応して、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムを自動的に構成させるシステム。
［形態２５］
形態２１に記載のシステムであって、
前記命令によって、前記プロセッサに、前記基板処理システムがサービスを受けたことに対応して、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムを自動的に構成させるシステム。
［形態２６］
形態２１に記載のシステムであって、
前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、追加されたサブシステムまたは前記サブシステムの構成要素を自動的に識別させ、前記識別された追加されたサブシステム又は前記サブシステムの前記構成要素に基づいて、前記基板処理システムを自動的に構成させるシステム。
［形態２７］
形態２１に記載のシステムであって、
前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、削除されたサブシステムまたは前記サブシステムの構成要素を自動的に識別させ、前記識別された削除されたサブシステム又は前記サブシステムの前記構成要素に基づいて、前記基板処理システムを自動的に構成させるシステム。
［形態２８］
システムであって、
プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、
基板処理システムに配置された１つ又は複数のカメラからデータを受信し、前記基板処理システムは、複数のプロセスモジュールと、前記プロセスモジュール間及び前記基板処理システムと第２の基板処理システムの間の基板を移送するように構成されたロボットとを含み、
前記基板処理システムに配置された前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムの１つ又は複数のサブシステムの状態を自動的に識別する、
ための前記命令を格納するシステム。
［形態２９］
形態２８に記載のシステムであって、
前記１つ又は複数のカメラから受信した前記データが動画データを含み、前記命令によって、前記プロセッサに、前記動画データのリアルタイム処理を使用して、１つ又は複数のサブシステムの前記状態を自動的に識別させるシステム。
［形態３０］
形態２８に記載のシステムであって、
前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、前記基板処理システムのオブジェクトの動きを自動的に追跡させ、前記基板処理システムの前記オブジェクトの前記動きに基づいて、前記基板処理システムの１つ又は複数のサブシステムの前記状態を自動的に識別させるシステム。
［形態３１］
形態２８に記載のシステムであって、
前記状態がエラーとなっていることに対応して、前記命令によって、前記プロセッサに、前記１つ又は複数のカメラから受信した前記データに基づいて、前記エラーを自動的に修正させるシステム。
［形態３２］
形態２８に記載のシステムであって、
前記プロセッサは、ネットワークを介して遠隔コンピューティング装置と通信するように構成されており、前記状態がエラーとなっていることに対応して、前記命令は、前記プロセッサに、前記ネットワークを介して、前記遠隔コンピューティング装置から受信したデータに基づいて、前記エラーを自動的に修正させるシステム。
［形態３３］
形態２８に記載のシステムであって、
前記プロセッサは、前記１つ又は複数のカメラから受信した前記データを、ネットワークを介して遠隔コンピューティング装置へ通信するように構成されており、また、前記命令によって、前記プロセッサが、前記１つ又は複数のカメラから受信した前記データに基づいて、前記遠隔コンピューティング装置が前記基板処理システムを前記ネットワークを介して制御することを許可するシステム。
［形態３４］
形態２８に記載のシステムであって、
前記プロセッサは、ネットワークを介して遠隔コンピューティング装置と通信するように構成されており、前記命令によって、前記プロセッサに、前記遠隔コンピューティング装置による前記基板処理システムの制御を許可させる一方で、前記遠隔コンピューティング装置が前記ネットワークを介して前記基板処理システムを制御している間は、前記基板処理システムの手動制御を許可しないようにさせるシステム。
［形態３５］
形態２８に記載のシステムであって、
前記プロセッサは、ネットワークを介して遠隔コンピューティング装置と通信するように構成されており、前記命令によって、前記プロセッサに、前記基板処理システムが手動で制御されている間、前記遠隔コンピューティング装置が前記基板処理システムを制御することを許可しないようにさせるシステム。
［形態３６］
形態２８に記載のシステムであって、
前記サブシステムの１つに関連して前記状態がエラーとなっていることに対応して、前記命令によって、前記プロセッサに、前記サブシステムの前記１つを自動的に無効にさせるシステム。
［形態３７］
形態３０に記載のシステムであって、
前記オブジェクトが、前記ロボット、前記基板の１つ、前記基板と共に使用されるエッジ結合リング、前記プロセスモジュールの１つのドア、前記基板処理システムのロードロックモジュールのドア、または前記基板処理システムのロードポートモジュールのドアを含むシステム。
［形態３８］
システムであって、
プロセッサと、
前記プロセッサによって実行される命令を格納するメモリと、を備え、
前記メモリは、
基板処理システムに配置された単一のカメラでエッジ結合リングから撮像したデータを受信し、
三角測量を使用して前記データを処理し、前記エッジ結合リングの厚みプロファイルを表す３次元点群を生成し、
前記厚みプロファイルに基づいて、前記エッジ結合リングの侵食量を決定する、
ための前記命令を格納するシステム。
［形態３９］
形態３８に記載のシステムであって、
前記命令によって、前記プロセッサに、前記侵食量が所定の閾値以上であるかどうかを判定させ、前記侵食量の指標を生成させるシステム。
［形態４０］
形態３８に記載のシステムであって、
前記命令によって、前記プロセッサに、前記厚みプロファイルを、前記エッジ結合リングが前記基板処理システムに最初に設置されたときに作成された、以前の３次元点群から生成された以前の厚みプロファイルと比較することによって、前記侵食量を決定させるシステム。
【図1】
【図2】
【図3A】
【図3B】
【図3C】
【図3D】
【図3E】
【図3F】
【図3G】
【図3H】
【図3I】
【図4】
【図5A】
【図5B】
【図5C】
【図5D】
【図6A】
【図6B】
【図6C】
【図7A】
【図7B】
【図7C】
【図7D】
【図8A】
【図8B】
【図8C】
【図8D】
【図9A】
【図9B】
【図9C】
【図9D】
【図9E】
【図9F】
【図10A】
【図10B】
【図11】
【図12A】
【図12B】
【図12C】
【図12D】
【図12E】
【図12F】
【図13A】
【図13B】
【図13C】
【図13D】
【図13E】
【図13F】
【図14A】
【図14B】
【図14C】
【図14D】
【図14E】
【図14F】
【図14G】
【図14H】
【図14I】
【図15A】
【図15B】
【図15C】
【図16A】
【図16B】
【図17A】
【図17B】
【図17C】
【図17D】
【図18A】
【図18B】
【図18C】
【図18D】
【図18E】