数据处理装置、数据处理系统、数据处理方法以及数据处理程序与流程

1.本公开涉及数据处理装置、数据处理系统、数据处理方法以及数据处理程序。


背景技术：

2.在半导体制造工艺的执行中测定的测定数据中的例如由发光分光分析装置、质量分析装置等测定的测定数据(所谓的多波长的时间序列数据)一般测定分辨率高，数据量庞大。因此，管理数据时的管理成本很高。另外，在多波长的时间序列数据的情况下，用户难以直接判断异常产生的有无等。
3.与此相对，例如，如果对多波长的时间序列数据图像化并显示，则认为用户容易判断异常产生的有无等。并且，如果将图像化后的数据压缩来管理，则认为也抑制管理成本。
4.然而，在多波长的时间序列数据的情况下，在显示图像化后的数据时，或者，在压缩图像化后的数据时，有可能缺少表示异常产生的特征数据。
5.专利文献1：日本特开2020-65013号公报
6.专利文献2：日本特开2005-217448号公报
7.专利文献3：日本专利第5315025号


技术实现要素：

8.本公开提供抑制特征数据的缺少而对多波长的时间序列数据进行压缩并进行图像化的数据处理装置、数据处理系统、数据处理方法以及数据处理程序。
9.根据本公开的一方式的数据处理装置例如具有以下那样的结构。即、具有：
10.预处理部，使用规定的基准数据对多波长的时间序列数据进行归一化，来生成归一化数据；
11.提取部，将上述归一化数据按每个规定的时间范围以及规定的波长范围划分为多个区域，提取各区域中的离群值作为代表值；以及
12.生成部，将上述各区域的代表值转换为颜色数据，生成图像数据。
13.根据本公开，能够提供抑制特征数据的缺少而对多波长的时间序列数据进行压缩并进行图像化的数据处理装置、数据处理系统、数据处理方法以及数据处理程序。
附图说明
14.图1是表示数据处理系统的系统结构的一个例子的第一图。
15.图2是表示半导体制造工艺的一个例子的图。
16.图3是表示数据处理装置的硬件结构的一个例子的图。
17.图4是表示oes数据的一个例子的图。
18.图5是表示预处理部的处理的具体例的图。
19.图6是表示压缩部的处理的具体例的图。
20.图7是表示图像数据的具体例的图。
21.图8是表示图像化处理的流程的流程图。
22.图9a是表示数据处理系统的系统结构的一个例子的第二图。
23.图9b是表示数据处理系统的系统结构的一个例子的第三图。
24.图10是表示学习用数据的一个例子的图。
25.图11是表示学习部的学习处理的具体例的图。
26.图12是表示推断部的推断处理的具体例的图。
27.图13是表示异常检测处理的流程的流程图。
28.图14是表示数据处理系统的系统结构的一个例子的第四图。
具体实施方式
29.以下，参照附图并对各实施方式进行说明。此外，在本说明书以及附图中，对于实质上具有相同的功能结构的构成要素，通过附加相同的附图标记而省略重复的说明。
30.[第一实施方式]
[0031]
＜数据处理系统的系统结构＞
[0032]
首先，对第一实施方式所涉及的数据处理系统的系统结构进行说明。图1是表示数据处理系统的系统结构的一个例子的第一图。如图1所示，数据处理系统100具有半导体制造工艺、发光分光分析装置140以及数据处理装置150。
[0033]
在半导体制造工艺中，在规定的处理空间120中，处理对象物(处理前晶圆110)，生成结果物(处理后晶圆130)。此外，此处所说的处理前晶圆110是指在处理空间120中进行处理之前的晶圆(基板)，处理后晶圆130是指在处理空间120中进行处理之后的晶圆(基板)。
[0034]
发光分光分析装置140在处理空间120中伴随处理前晶圆110的处理而测定oes(optical emission spectroscopy：光发射谱)数据。所谓oes数据，是与测定波长的数目相应的数目的包含各时间的发光强度数据的“多波长的时间序列数据”。
[0035]
由发光分光分析装置140测定的oes数据储存于数据处理装置150的oes数据储存部155。
[0036]
在数据处理装置150中安装有数据处理程序，通过执行该程序，数据处理装置150作为预处理部151、压缩部152、图像化部153、显示控制部154发挥功能。
[0037]
预处理部151从oes数据储存部155读出oes数据，使用预先决定的基准数据进行预处理(例如，归一化处理)。另外，预处理部151将预处理后的oes数据通知给压缩部152。
[0038]
压缩部152对预处理后的oes数据进行压缩，并将压缩后的oes数据通知给图像化部153。具体而言，压缩部152通过将预处理后的oes数据划分为每个规定尺寸(规定的时间范围以及规定的波长范围)的多个区域，并提取各区域所包含的离群值作为各区域的代表值，从而对预处理后的oes数据进行压缩。此外，离群值是指在各区域中统计上与其它值较大地偏离的值。这样，通过留下各区域所包含的离群值对预处理后的oes数据进行压缩，从而能够抑制缺少oes数据所包含的特征数据(表示异常产生的特征数据)。
[0039]
图像化部153通过将从压缩部152通知的压缩后的oes数据转换为颜色数据而生成图像数据。另外，图像化部153将生成的图像数据储存于图像数据储存部156，并且通知给显示控制部154。由此，在图像数据储存部156中储存与oes数据相比大幅度减少了数据量的图
像数据，能够抑制管理成本。
[0040]
显示控制部154控制为将由图像化部153生成的图像数据显示于未图示的显示装置。如上述那样，由于由图像化部153生成的图像数据被压缩，因此无论显示装置的像素数是否有限制，在显示于显示装置时，都能够不进行进一步的处理而进行显示。也就是说，在显示于显示装置时，例如，能够避免图像数据被间除，特征数据缺少这样的情况。
[0041]
另外，由于抑制由图像化部153生成的图像数据缺少特征数据，因此用户能够在显示于显示装置的图像数据上，通过目视判断异常产生的有无等。
[0042]
＜半导体制造工艺中的处理空间＞
[0043]
接下来，对半导体制造工艺的规定的处理空间进行说明。图2是表示半导体制造工艺的一个例子的图。如图2所示，半导体制造工艺200具有多个作为处理空间的一个例子的腔室。在图2的例子中，半导体制造工艺200具有附图标记121(名称＝“腔室a”)～附图标记123(名称＝“腔室c”)这三个腔室，在每个腔室中对处理前晶圆110进行处理。
[0044]
此外，在半导体制造工艺200中，上述的发光分光分析装置140设置在每个腔室，在每个腔室中测定oes数据。然而，在以下，为了简化说明，对显示在一个腔室中测定出的oes数据的情况进行说明。另外，在以下，假设该一个腔室为腔室a进行说明。并且，在以下，假设腔室a例如是蚀刻装置的腔室进行说明。
[0045]
＜数据处理装置的硬件结构＞
[0046]
接下来，对数据处理装置150的硬件结构进行说明。图3是表示数据处理装置的硬件结构的一个例子的图。如图3所示，数据处理装置150具有cpu(central processing unit：中央处理器)301、rom(read only memory：只读存储器)302、ram(random access memory：随机存取存储器)303。另外，数据处理装置150具有gpu(graphics processing unit：图形处理器)304。此外，cpu301、gpu304等处理器(处理电路、processing circuit、processing circuitry)和rom302、ram303等存储器形成所谓的计算机。
[0047]
并且，数据处理装置150具有：辅助存储装置305、显示装置306、操作装置307、i/f(interface：接口)装置308、驱动装置309。此外，数据处理装置150的各硬件经由总线310相互连接。
[0048]
cpu301是执行安装于辅助存储装置305的各种程序(例如，数据处理程序等)的运算设备。
[0049]
rom302是非易失性存储器，作为主存储装置发挥功能。rom302储存cpu301执行安装于辅助存储装置305的各种程序所需的各种程序、数据等。具体而言，rom302储存bios(basic input/output system：基本输入/输出系统)、efi(extensible firmware interface：可扩展固件接口)等引导程序等。
[0050]
ram303是dram(dynamic random access memory：动态随机存取存储器)、sram(static random access memory：静态随机存取存储器)等易失性存储器，作为主存储装置发挥功能。ram303提供在由cpu301执行安装于辅助存储装置305的各种程序时展开的作业区域。
[0051]
gpu304是图像处理用的运算设备，在本实施方式中，在由cpu301执行数据处理程序时，对oes数据进行基于并行处理的高速运算。此外，gpu304搭载内部存储器(gpu存储器)，暂时保持对oes数据进行并行处理时所需的信息。
[0052]
辅助存储装置305储存各种程序、由cpu301执行各种程序时所使用的各种数据等。例如在辅助存储装置305中实现oes数据储存部155、图像数据储存部156。
[0053]
显示装置306例如是显示由图像化部153生成的图像数据的显示设备。操作装置307是数据处理装置150的用户对数据处理装置150输入各种指示时所使用的输入设备。i/f装置308是用于与未图示的网络连接，在与其它装置(例如，发光分光分析装置等)之间收发数据的连接设备。
[0054]
驱动装置309是用于设置记录介质320的设备。此处所说的记录介质320包含像cd-rom、软盘、光磁盘等那样光学、电或者磁记录信息的介质。另外，记录介质320也可以包含像rom、闪存等那样电记录信息的半导体存储器等。
[0055]
此外，安装于辅助存储装置305的各种程序例如通过被分配的记录介质320设置于驱动装置309，记录于该记录介质320的各种程序由驱动装置309读出来安装。或者，安装于辅助存储装置305的各种程序也可以经由未图示的网络被下载来安装。
[0056]
＜oes数据的具体例＞
[0057]
接下来，对由发光分光分析装置140测定并储存于数据处理装置150的oes数据储存部155的oes数据的具体例进行说明。图4是表示oes数据的一个例子的图。如图4所示，oes数据410由每0.5[nm]测定可见光的波长范围(200[nm]～800[nm])所包含的各波长的情况下的各时间的发光强度数据组构成。此外，在oes数据410中，横轴表示时间，纵轴表示各波长的发光强度。
[0058]
在图4的oes数据410的情况下，例如，最上段的图表表示波长＝200[nm]的各时间下的发光强度数据，第二段的图表表示波长＝200.5[nm]的各时间下的发光强度数据。另外，第三段的图表表示波长＝201[nm]的各时间下的发光强度数据。
[0059]
此外，假设oes数据410的时间长度例如是处理前晶圆110在腔室a内被处理的处理时间(一片晶圆)。或者，oes数据410的时间长度也可以是例如在处理前晶圆110在腔室a内在多个处理工序下被处理的情况下，其中的一部分处理工序的处理时间。或者，oes数据410的时间长度也可以是例如在处理前晶圆110在腔室a内通过多个配方执行一部分处理工序的情况下，通过其中的一部分配方执行处理的时间。
[0060]
另一方面，在图4中，oes数据420表示横轴取波长、纵轴取时间，排列各点(各时间、各波长)的发光强度数据的样子。在oes数据420的情况下，在横轴方向上排列1201点的发光强度数据。另外，在oes数据420的情况下，若发光强度数据的采样周期为0.1秒，并且处理前晶圆110在腔室a内被处理的处理时间(一片晶圆)为300秒，则在纵轴方向上排列3000点的发光强度数据。
[0061]
因此，假设若想要将oes数据420的各点的发光强度数据转换为颜色数据，并将生成的图像数据显示于显示装置306，则需要具有横向1201像素、纵向3000像素的像素数的显示装置。
[0062]
另一方面，在显示装置306的像素数有限制的情况下，oes数据420被间除显示，该情况下，有可能缺少表示异常产生的特征数据。因此，在本实施方式所涉及的数据处理装置150中，如上述那样，在对oes数据进行了预处理之后进行压缩，并对压缩后的oes数据进行图像化，从而生成图像数据。由此，无论显示装置306的像素数是否有限制，都能够避免在显示于显示装置306时，图像数据被间除而缺少特征数据的情况。
[0063]
＜预处理部的处理的具体例＞
[0064]
接下来，对数据处理装置150的预处理部151对oes数据420的处理的具体例进行说明。图5是表示预处理部的处理的具体例的图。如图5所示，预处理部151具有归一化处理部510。
[0065]
归一化处理部510通过读出储存于oes数据储存部155的oes数据420，并使用基准数据对oes数据420所包含的各点的发光强度数据做除法，从而对各点的发光强度数据进行归一化。
[0066]
此外，假设基准数据例如使用处理作为基准的晶圆(被判定为合格品的晶圆)时所测定出的oes数据的各波长的发光强度数据的平均值。该情况下，能够使与被判定为合格品的晶圆的差显著化，因此在生成图像数据时，容易判断异常产生的有无。
[0067]
或者，基准数据也可以使用测定出的oes数据的作为基准的波长的发光强度数据的平均值。该情况下，在处理前晶圆的处理中，能够使哪个波长的发光强度相对变强显著化，因此在生成图像数据时，容易判断异常产生的有无。
[0068]
在图5中，预处理后oes数据500是由归一化处理部510对各点的发光强度数据进行归一化得到的预处理后oes数据的一个例子。另外，在图5中，各点的归一化数据501表示预处理后oes数据500内的规定尺寸(横轴方向3点、纵轴方向3点)的区域所包含的各点的归一化数据。
[0069]
如各点的归一化数据501所示，通过利用基准数据对各点的发光强度数据做除法，从而归一化数据的值成为大致接近“1.0”的值。
[0070]
＜压缩部的处理的具体例＞
[0071]
接下来，对数据处理装置150的压缩部152对预处理后oes数据500的处理的具体例进行说明。图6是表示压缩部的处理的具体例的图。如图6所示，压缩部152具有平均值计算部610、代表值提取部620。
[0072]
平均值计算部610将预处理后oes数据500所包含的各点的归一化数据划分为每个规定尺寸(例如，横轴方向3点，纵轴方向3点)的多个区域，在每个区域中，计算各点的归一化数据的平均值。
[0073]
代表值提取部620比较在每个区域中计算出的平均值与每个区域所包含的归一化数据(例如，9点的归一化数据)的值差，提取差最大的归一化数据的值(即，离群值)作为每个区域的代表值。
[0074]
图6的例子表示平均值计算部610计算出“0.99”作为规定尺寸的区域所包含的9点的归一化数据501的平均值的样子。另外，图6的例子表示代表值提取部620从规定尺寸的区域所包含的9点的归一化数据501中提取与平均值(“0.99”)的差最大的归一化数据的值(离群值＝“1.5”)作为代表值601的情况。
[0075]
这样，通过按每个规定尺寸(横轴方向3点，纵轴方向3点)的区域提取代表值，从而预处理后oes数据500所包含的归一化数据的点数在横轴方向上被压缩为1/3，在纵轴方向上被压缩为1/3。其结果，如图6所示，
[0076]
·
排列有横轴方向1201点、纵轴方向3000点的归一化数据的预处理后oes数据500被压缩为
[0077]
·
排列有横轴方向400点、纵轴方向1000点的压缩数据的压缩后oes数据600，能够
抑制管理成本。
[0078]
＜图像数据的具体例＞
[0079]
接下来，对由数据处理装置150的图像化部153生成的图像数据的具体例进行说明。图7是表示图像数据的具体例的图。
[0080]
在图7中，图像数据600’表示通过将从压缩部152通知的压缩后oes数据600的各点的压缩数据转换为颜色数据而生成的二维图像数据的具体例。在图像数据600’中，横轴表示波长，纵轴表示时间。另外，各点的颜色的不同表示压缩数据的值的不同，图7的例子表示将压缩数据的值最大的点转换为红色，将压缩数据的值平均的点转换为绿色，将压缩数据的值最小的点转换为蓝色的情况。另外，表示将压缩数据的值为最大与平均之间的值的点转换为色相环中的红色与绿色之间的颜色，将压缩数据的值为平均与最小之间的值的点转换为色相环中的绿色与蓝色之间的颜色的情况。但是，各颜色相对于压缩数据的各值的分配是任意的，也可以通过其它分配方法来分配各颜色。
[0081]
在图像数据600’的情况下，抑制特征数据的缺少。因此，用户能够在显示于显示装置306的图像数据600’上，通过目视判断异常产生的有无等。
[0082]
另外，如图7所示，在图像化部153中，在指定图像数据600’的规定区域701的情况下，也能够放大规定区域701的图像数据来显示放大图像数据702。由此，用户既能够俯瞰观察图像数据600’，也能够放大观察特定的波长范围以及特定的时间范围。
[0083]
另外，虽然在图7中未示出，但压缩后oes数据600也可以显示为三维图像数据。例如，可以横轴取波长、进深方向的轴取时间、高度方向的轴取压缩数据的值而立体地显示。此外，该情况下，也可以将压缩数据的值的不同表现为颜色的不同。
[0084]
另外，虽然在图7中未示出，但也可以在图像数据600’中一并显示与横轴的波长对应的激发物种(激发态分子)。由此，用户能够推测异常原因。
[0085]
＜数据处理装置的图像化处理的流程＞
[0086]
接下来，对数据处理装置150的oes数据的图像化处理进行说明。图8是表示图像化处理的流程的流程图。
[0087]
在步骤s801中，数据处理装置150从发光分光分析装置140获取oes数据，并储存于oes数据储存部155。
[0088]
在步骤s802中，数据处理装置150的预处理部151通过从oes数据储存部155读出oes数据，将各点的发光强度数据除以基准数据，从而进行预处理。
[0089]
在步骤s803中，数据处理装置150的压缩部152将预处理后oes数据所包含的各点的归一化数据划分为每个规定尺寸的多个区域。另外，数据处理装置150的压缩部152通过提取与按照每个规定尺寸的区域计算出的平均值的差最大的归一化数据(离群值)的值作为规定尺寸的各区域的代表值，从而压缩预处理后oes数据。
[0090]
在步骤s804中，数据处理装置150的图像化部153通过将压缩后oes数据的各点的压缩数据转换为颜色数据，从而生成图像数据。
[0091]
在步骤s805中，数据处理装置150的图像化部153显示压缩后oes数据的图像数据。
[0092]
＜总结＞
[0093]
从以上的说明可知，
[0094]
·
第一实施方式所涉及的数据处理装置150具有预处理部，通过使用规定的基准
数据对oes数据的各点的发光强度数据做除法，进行归一化，从而生成归一化数据。
[0095]
·
具有压缩部，将预处理后的oes数据按每个规定的时间范围以及规定量的波长范围划分为多个区域，提取与各区域的平均值的差最大的归一化数据的值(离群值)作为各区域的代表值。
[0096]
·
具有生成部，将各区域的代表值转换为颜色数据，生成图像数据。
[0097]
这样，通过在对oes数据进行图像化时，进行归一化，利用按每个规定尺寸的区域提取离群值的方法进行压缩，从而能够不缺少oes数据所包含的特征数据地压缩oes数据。
[0098]
也就是说，根据第一实施方式，能够提供抑制特征数据的缺少而对oes数据进行压缩并进行图像化的数据处理装置、数据处理系统、数据处理方法以及数据处理程序。
[0099]
[第二实施方式]
[0100]
在上述第一实施方式中，对抑制特征数据的缺少而对oes数据进行压缩并进行图像化，使得抑制oes数据的管理成本且用户能够判断异常产生的有无等的结构进行了说明。与此相对，在第二实施方式中，对利用图像化后的oes数据，自动判断异常产生的有无等的结构进行说明。此外，在利用图像化后的oes数据，自动判断异常产生的有无等的结构中，例如包含：
[0101]
·
判断对应的晶圆是正常进行了处理的合格品还是包括异常的晶圆的结构；
[0102]
·
判断对应的晶圆是正常进行了处理的合格品还是合格品以外(至少不是正常进行了处理的合格品)的结构；
[0103]
·
判断对应的晶圆是正常进行了处理的合格品还是包括多个模式中的哪个模式的异常的晶圆的结构等的任意一个结构。其中，在第二实施方式中，对自动判断对应的晶圆是正常进行了处理的合格品还是包括多个模式中的哪个模式的异常的晶圆的结构进行说明。以下，对于第二实施方式，以与上述第一实施方式的不同点为中心进行说明。
[0104]
＜数据处理系统的系统结构＞
[0105]
首先，使用图9a以及图9b对第二实施方式所涉及的数据处理系统的系统结构进行说明。图9a是表示数据处理系统的系统结构的一个例子的第二图。具体而言，图9a表示学习通过对oes数据进行图像化而生成的图像数据及对应的配方与处理后晶圆的处理结果的对应关系的“学习阶段”中的数据处理系统900的系统结构的一个例子。
[0106]
与图1所示的数据处理系统100的不同点是在数据处理系统900的情况下，数据处理装置920具有学习部921。
[0107]
在数据处理系统900中，数据处理装置920获取关于处理后晶圆130的处理结果信息。在处理结果信息中，能够假定：
[0108]
·
表示处理后晶圆130是正常进行了处理的合格品还是包括异常的晶圆的信息、
[0109]
·
表示处理后晶圆130是正常进行了处理的合格品还是合格品以外(至少不是正常进行了处理的合格品)的信息、
[0110]
·
表示处理后晶圆130是正常进行了处理的合格品还是包括属于多个模式中的哪个模式的异常的晶圆的信息等各种变形，但在本实施方式中，其中，对使用表示处理后晶圆130是正常进行了处理的合格品还是包括属于多个模式中的哪个模式的异常的晶圆的信息的情况进行说明。此外，能够包含于处理结果信息中的上述信息例如也可以基于由检查装置检查处理后晶圆时的输出即、是合格品还是不合格品的信息来生成。
[0111]
在数据处理装置920中，将获取到的处理结果信息与对应的配方、对应的图像数据一起作为学习用数据储存于学习用数据储存部923。
[0112]
数据处理装置920的学习部921具有将图像数据和配方作为输入，输出处理后晶圆的处理结果信息的异常检测模型。
[0113]
而且，数据处理装置920从学习用数据储存部923读出学习用数据，对异常检测模型进行学习处理。具体而言，数据处理装置920将配方和图像数据输入到异常检测模型，更新异常检测模型的模型参数，以使得异常检测模型的输出接近对应的处理结果信息。
[0114]
另一方面，图9b是表示数据处理系统的系统结构的一个例子的第三图。具体而言，图9b表示根据对oes数据进行图像化而生成的图像数据以及对应的配方来推断处理后晶圆130的处理结果信息的“推断阶段”中的数据处理系统900’的系统结构的一个例子。
[0115]
与图1所示的数据处理系统100的不同点是在数据处理系统900’的情况下，数据处理装置920具有推断部922。
[0116]
数据处理装置920的推断部922具有通过由学习部921进行学习处理而生成的学习完毕异常检测模型。推断部922将图像数据和配方输入到学习完毕异常检测模型，从而推断对应的处理后晶圆130的处理结果信息，并作为推断结果进行输出。此外，在从推断部922输出的推断结果中能够包含：
[0117]
·
表示处理后晶圆130是正常进行了处理的合格品还是包括异常的晶圆的信息、
[0118]
·
表示处理后晶圆130是正常进行了处理的合格品还是合格以外(至少不是正常进行了处理的合格品)的信息、
[0119]
·
表示处理后晶圆130是正常进行了处理的合格品还是包括属于多个模式中的哪个模式的异常的晶圆的信息等各种变形，但在本实施方式中，其中，对输出表示处理后晶圆130是正常进行了处理的合格品还是包括属于多个模式中的哪个模式的异常的晶圆的信息的情况进行说明。
[0120]
＜学习用数据的具体例＞
[0121]
接下来，对储存于学习用数据储存部923的学习用数据的具体例进行说明。如图10所示，学习用数据1000包含“装置”、“配方”、“晶圆”、“图像数据”、“良/包括异常”作为信息的项目。
[0122]
在“装置”中储存对处理前晶圆110进行处理的腔室的名称。在“配方”中储存识别处理前晶圆110在腔室a中被处理时所使用的配方的配方标识符。
[0123]
在“晶圆”中储存识别在腔室a中被处理的处理前晶圆的晶圆标识符。在“图像数据”中储存识别图像化部153对在腔室a中的处理中测定对应的处理前晶圆得到的oes数据进行图像化而生成的图像数据的图像数据标识符。
[0124]
此外，学习用数据所使用的图像数据设为将被判定为合格品的晶圆被处理时所测定出的oes数据的各波长的发光强度数据的平均值作为基准数据进行预处理的数据。另外，学习用数据所使用的图像数据是处理前晶圆110在腔室a内被处理的处理时间(一片晶圆)的图像数据。
[0125]
在“良/包括异常”中储存对应的处理前晶圆在腔室a中被处理而生成的处理后晶圆130的处理结果信息。具体而言，储存表示处理后晶圆130是正常进行了处理的合格品还是包括属于多个模式中的哪个模式的异常的晶圆的信息。
[0126]
图10的例子表示在“腔室a”中使用“配方1”分别处理“晶圆1”～“晶圆3”而生成“图像数据1”～“图像数据3”，并输出处理结果信息(“良”)的样子。
[0127]
另外，图10的例子表示在“腔室a”中使用“配方1”处理“晶圆4”而生成“图像数据4”，并输出处理结果信息(“包括异常(模式a)”)的样子。
[0128]
另外，图10的例子表示在“腔室a”中使用“配方2”处理“晶圆5、7、8”而生成“图像数据5、7、8”，并输出处理结果信息(“良”)的样子。
[0129]
另外，图10的例子表示在“腔室a”中使用“配方2”处理“晶圆6、9”而生成“图像数据6、9”，并输出处理结果信息(“包括异常(模式b)”或者“包括异常(模式c)”)的样子。
[0130]
此外，包括异常的模式(模式a、b、c、
···
等)例如按处于激发态的每个异常原因进行分类。异常原因例如包含哪个分子处于激发态、或者腔室内的哪个零件为异常这样的信息。也就是说，根据使用学习用数据1000学习的学习完毕异常检测模型，通过推断异常的模式，能够一并推断异常原因。
[0131]
＜学习部的处理的具体例＞
[0132]
接下来，对数据处理装置920的学习部921的学习处理的具体例进行说明。图11是表示学习部的学习处理的具体例的图。如图11所示，学习部921具有异常检测模型1101和比较/变更部1102。
[0133]
学习部921从学习用数据1000的“配方”以及“图像数据”读出配方(例如，由配方标识符＝“配方1”确定的配方)和图像数据(例如，由图像数据标识符＝“图像数据1”确定的图像数据)。
[0134]
另外，学习部921通过将从学习用数据1000读出的配方以及图像数据输入到异常检测模型1101，从而执行异常检测模型1101，输出处理结果信息的概率分布。
[0135]
从异常检测模型1101输出的处理结果信息的概率分布被输入到比较/变更部1102，与从学习用数据1000的“良/包括异常”读出的处理结果信息的概率分布进行比较。例如，在从学习用数据1000的“良/包括异常”读出“良”的情况下，对从异常检测模型1101输出的处理结果信息的概率分布和设为“良＝100％、其它处理结果信息＝0％”的概率分布进行比较。
[0136]
比较/变更部1102基于比较结果来更新异常检测模型1101的模型参数。由此，学习部921能够更新异常检测模型1101的模型参数，以使得将配方以及图像数据作为输入的情况下的输出接近储存于学习用数据1000的“良/包括异常”的处理结果信息。
[0137]
＜推断部的推断处理的具体例＞
[0138]
接下来，对数据处理装置920的推断部922的推断处理的具体例进行说明。图12是表示推断部的推断处理的具体例的图。如图12所示，推断部922具有学习完毕异常检测模型1201(对异常检测模型1101进行学习处理而生成的学习完毕异常检测模型)和输出部1202。
[0139]
推断部922获取处理前晶圆110在腔室a中被处理时所使用的配方、和根据在腔室a中的处理中测定处理前晶圆110得到的oes数据生成的图像数据，并输入到学习完毕异常检测模型1201。
[0140]
若由推断部922输入配方和图像数据，则学习完毕异常检测模型1201输出处理结果信息的概率分布。
[0141]
若从学习完毕异常检测模型1201输出处理结果信息的概率分布，则输出部1202输
出与规定的阈值以上的概率分布中的最大的概率分布对应的处理结果信息。例如，在“良”的概率分布为规定的阈值以上且为最大的情况下，输出部1202将表示处理后晶圆130是正常进行了处理的合格品的信息作为推断结果输出。
[0142]
此外，例如，在“包括异常(模式a)”的概率分布为规定的阈值以上且为最大的情况下，输出部1202将表示处理后晶圆130包含属于模式a的异常的信息以及表示异常原因的信息作为推断结果输出。并且，输出部1202也可以构成为除了推断结果之外，还输出最佳的配方。
[0143]
＜异常检测处理的流程＞
[0144]
接下来，对数据处理系统900、900’的异常检测处理的流程进行说明。图13是表示异常检测处理的流程的流程图。此外，图13所示的各工序中的步骤s801～步骤s804所示的工序与图8的步骤s801～步骤s804所示的工序相同，因此在此处省略说明。
[0145]
在步骤s1301中，数据处理装置920判定当前的阶段是学习阶段还是推断阶段。在步骤s1301中，在判定为是学习阶段的情况下(在步骤s1301中是的情况下)，进入步骤s1302。
[0146]
在步骤s1302中，数据处理装置920获取处理结果信息，并且获取对应的配方。
[0147]
在步骤s1303中，数据处理装置920将获取到的处理结果信息、配方以及图像数据建立对应，生成学习用数据，并储存于学习用数据储存部923。
[0148]
在步骤s1304中，数据处理装置920的学习部921使用学习用数据，对异常检测模型进行学习处理，在生成学习完毕异常检测模型之后，结束异常检测处理。
[0149]
另一方面，在步骤s1301中，在判定为是推断阶段的情况下(在步骤s1301中否的情况下)，进入步骤s1305。
[0150]
在步骤s1305中，数据处理装置920的推断部922将图像数据和配方输入到学习完毕异常检测模型1201，输出处理结果信息的概率分布。
[0151]
在步骤s1305中，数据处理装置920的推断部922基于从学习完毕异常检测模型1201输出的处理结果信息的概率分布，将从输出部1202输出的推断结果发送到半导体制造工艺。
[0152]
＜总结＞
[0153]
从以上的说明可知，
[0154]
·
第二实施方式所涉及的数据处理装置920具有异常检测模型，学习对oes数据进行图像化而生成的图像数据及配方与处理后晶圆的处理结果信息的对应关系。
[0155]
·
具有通过使用学习用数据对异常检测模型进行学习处理而生成的学习完毕异常检测模型。
[0156]
·
通过将对oes数据进行图像化而生成的图像数据和配方输入到学习完毕异常检测模型，从而推断处理后晶圆的处理结果信息。
[0157]
这样，通过构成为使用图像数据来推断处理后晶圆的处理结果信息，从而根据第二实施方式，能够自动判断异常产生的有无等。
[0158]
[第三实施方式]
[0159]
在上述第二实施方式中，对按照每个处理空间设置数据处理装置，使用每个数据处理装置生成的学习用数据，按照每个数据处理装置生成学习完毕异常检测模型的情况进
行了说明。与此相对，在第三实施方式中，服务器装置收集按照每个数据处理装置生成的学习用数据进行学习处理。
[0160]
由此，根据第三实施方式，能够提供使用更多的学习用数据进行学习处理而生成的学习完毕异常检测模型。
[0161]
以下，对于第三实施方式，以与上述第一以及第二实施方式的不同点为中心进行说明。
[0162]
＜数据处理系统的系统结构＞
[0163]
首先，对第三实施方式所涉及的数据处理系统的系统结构进行说明。图14是表示数据处理系统的系统结构的一个例子的第四图。
[0164]
如图14所示，数据处理系统1400具有：多个半导体制造工艺、与每个半导体制造工艺对应的发光分光分析装置140、数据处理装置1401、协作部1411以及服务器装置1420。
[0165]
其中，对于发光分光分析装置140，已经说明完毕，因此在此处省略说明。
[0166]
数据处理装置1401具有预处理部151、压缩部152、图像化部153、推断部922。此外，数据处理装置1401具有的预处理部151、压缩部152、图像化部153、推断部922使用图9a、图9b已经说明完毕，因此在此处省略说明。
[0167]
另外，数据处理装置1401具有：储存由发光分光分析装置140测定出的oes数据的oes数据储存部155、和储存由图像化部153生成的图像数据的图像数据储存部156。并且，数据处理装置1401具有学习用数据储存部923，该学习用数据储存部923将图像数据、处理结果信息以及配方建立对应并作为学习用数据进行储存。此外，对于oes数据储存部155、图像数据储存部156、学习用数据储存部923，也已经说明完毕，因此在此处省略说明。
[0168]
协作部1411读出储存于学习用数据储存部923的学习用数据(例如，学习用数据1)，并发送到服务器装置1420。此外，由于在协作部1411与服务器装置1420之间收发的学习用数据所包含的图像数据被压缩，因此与收发oes数据本身的情况相比，能够减少通信量。
[0169]
另外，协作部1411将学习用数据发送到服务器装置1420，与此相应，将从服务器装置1420获取到的学习完毕异常检测模型应用于推断部922。由此，推断部922能够使用通过服务器装置1420生成的各半导体制造工艺共用的学习完毕异常检测模型来推断。
[0170]
服务器装置1420在从与各半导体制造工艺对应的各协作部1411发送学习用数据的情况下，储存于学习用数据储存部1422。另外，服务器装置1420具有学习部921。
[0171]
学习部921使用储存于学习用数据储存部1422的学习用数据，对学习部921具有的异常检测模型进行学习处理。由此，在学习部921中，能够生成应用于各半导体制造工艺的共用的学习完毕异常检测模型。
[0172]
此外，在服务器装置1420中，将由学习部921生成的学习完毕异常检测模型发送到与各半导体制造工艺对应的各协作部1411。
[0173]
＜总结＞
[0174]
从以上的说明可知，在第三实施方式中，通过将学习部921和推断部922分体，收集在每个半导体制造工艺中获取到的学习用数据，从而生成共用的学习完毕异常检测模型。
[0175]
由此，根据第三实施方式，能够生成不依赖于半导体制造工艺的个体差异的学习完毕异常检测模型。
[0176]
[第四实施方式]
[0177]
在上述第一～第三实施方式中，作为在半导体制造工艺的处理空间中伴随处理前晶圆110的处理而测定的多波长的时间序列数据，列举oes数据进行了说明。然而，在半导体制造工艺的处理空间中伴随处理前晶圆110的处理而测定的多波长的时间序列数据并不限定于oes数据，例如，也可以是由分析腔室内的气体的质量分析装置测定的质量分析数据。或者，也可以是通过测定从腔室的外部光源向晶圆表面投光时的反射光而得到的反射光数据。
[0178]
另外，在上述第一实施方式中，作为规定尺寸的区域，例示了横轴方向3点、纵轴方向3点的区域，但规定尺寸的区域并不限定于此。另外，规定尺寸的区域的形状并不限定于正方形，横轴方向的点数和纵轴方向的点数也可以不同。
[0179]
另外，在上述第一实施方式中，说明了图像化部153对被压缩部152压缩的压缩后的oes数据进行图像化，并储存于图像数据储存部156。然而，在数据处理装置150中，在运用上，也有时需要在一定期间内管理压缩前的oes数据(预处理后的oes数据)、或者预处理前的oes数据(原始的oes数据)。因此，数据处理装置150的图像化部153除了在上述第一实施方式中说明的功能之外，例如也可以具有对原始的oes数据进行图像化的功能、对预处理后的oes数据进行图像化的功能等。并且，图像化部153也可以具有对图像数据实施jpeg压缩等图像压缩处理之后，储存于图像数据储存部156的功能。
[0180]
另外，在上述第二以及第三实施方式中，说明了向异常检测模型输入配方和图像数据，但也可以向异常检测模型仅输入图像数据。或者，向异常检测模型除了输入配方和图像数据之外，还可以输入配方和图像数据以外的其它数据。
[0181]
另外，在上述第三实施方式中，对服务器装置1420收集由与多个半导体制造工艺对应的数据处理装置1401生成的学习用数据的情况进行了说明。然而，学习用数据也可以经由服务器装置1420(或者直接)在数据处理装置间相互收发。该情况下，协作部1411将从其它半导体制造工艺的协作部1411接收到的学习用数据(例如，学习用数据2)追加到学习用数据储存部923。由此，学习部921除了从对应的半导体制造工艺获取到的学习用数据(例如，学习用数据1)之外，也能够使用从其它半导体制造工艺获取到的学习用数据(例如，学习用数据2)，进行异常检测模型的学习处理。也就是说，在学习部921中，也能够对在对应的半导体制造工艺中未产生的现象进行学习处理。此外，这样生成的学习完毕的异常检测模型经由服务器装置1420(或者直接)在数据处理装置间相互收发，从而也可以应用于其它半导体制造工艺。也就是说，也可以将在任意的半导体制造工艺中生成的学习完毕的异常检测模型经由服务器装置1420(或者直接)在其它半导体制造工艺中横向展开。
[0182]
另外，在上述第三实施方式中，设为服务器装置1420具有学习部921，将所生成的学习完毕异常检测模型提供给数据处理装置1401而进行了说明。然而，也可以在服务器装置1420中配置应用所生成的学习完毕异常检测模型的推断部。该情况下，在服务器装置1420中，若从与任意的半导体制造工艺对应的协作部1411接收图像数据以及配方，则将基于接收到的该图像数据以及配方的推断结果发送到对应的协作部1411。也就是说，也可以在服务器装置1420中可执行地配置所生成的学习完毕异常检测模型，从而在各半导体制造工艺之间共享学习完毕异常检测模型。
[0183]
此外，本发明并不限定于上述实施方式中列举的结构等、与其它要素的组合等此处所示的结构。关于这些方面，能够在不脱离本发明的主旨的范围内进行变更，并能够根据
其应用方式适当地确定。
[0184]
本技术基于在2020年7月16日申请的日本专利申请第2020-122172号主张其优先权，通过参照该日本专利申请的所有内容而引用至本技术中。
[0185]
附图标记说明
[0186]
100
…
数据处理系统；110
…
处理前晶圆；120
…
处理空间；130
…
处理后晶圆；140
…
发光分光分析装置；150
…
数据处理装置；151
…
预处理部；152
…
压缩部；153
…
图像化部；420
…
oes数据；500
…
预处理后oes数据；510
…
归一化处理部；600
…
压缩后oes数据；610
…
平均值计算部；620
…
代表值提取部；500
’…
图像数据；600
’…
图像数据；910
…
检查装置；920
…
数据处理装置；921
…
学习部；922
…
推断部；1000
…
学习用数据；1101
…
异常检测模型；1201
…
学习完毕异常检测模型；1400
…
数据处理系统；1401
…
数据处理装置；1411
…
协作部；1420
…
服务器装置。