[go: up one dir, main page]

CN112106182A - 结合有集成半导体加工模块的自感知校正异构平台及其使用方法 - Google Patents

结合有集成半导体加工模块的自感知校正异构平台及其使用方法 Download PDF

Info

Publication number
CN112106182A
CN112106182A CN201980031247.0A CN201980031247A CN112106182A CN 112106182 A CN112106182 A CN 112106182A CN 201980031247 A CN201980031247 A CN 201980031247A CN 112106182 A CN112106182 A CN 112106182A
Authority
CN
China
Prior art keywords
workpiece
module
processing
measurement
modules
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201980031247.0A
Other languages
English (en)
Inventor
罗伯特·克拉克
埃里克·柳
安热利克·雷利
霍尔格·图特耶
凯文·塞费林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tokyo Electron Ltd
Original Assignee
Tokyo Electron Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tokyo Electron Ltd filed Critical Tokyo Electron Ltd
Publication of CN112106182A publication Critical patent/CN112106182A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67155—Apparatus for manufacturing or treating in a plurality of work-stations
    • H01L21/67161—Apparatus for manufacturing or treating in a plurality of work-stations characterized by the layout of the process chambers
    • H01L21/67173—Apparatus for manufacturing or treating in a plurality of work-stations characterized by the layout of the process chambers in-line arrangement
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67253—Process monitoring, e.g. flow or thickness monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4189—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67017—Apparatus for fluid treatment
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67155—Apparatus for manufacturing or treating in a plurality of work-stations
    • H01L21/67161—Apparatus for manufacturing or treating in a plurality of work-stations characterized by the layout of the process chambers
    • H01L21/67167—Apparatus for manufacturing or treating in a plurality of work-stations characterized by the layout of the process chambers surrounding a central transfer chamber
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67155—Apparatus for manufacturing or treating in a plurality of work-stations
    • H01L21/67184—Apparatus for manufacturing or treating in a plurality of work-stations characterized by the presence of more than one transfer chamber
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67155—Apparatus for manufacturing or treating in a plurality of work-stations
    • H01L21/67196—Apparatus for manufacturing or treating in a plurality of work-stations characterized by the construction of the transfer chamber
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67011—Apparatus for manufacture or treatment
    • H01L21/67155—Apparatus for manufacturing or treating in a plurality of work-stations
    • H01L21/67207—Apparatus for manufacturing or treating in a plurality of work-stations comprising a chamber adapted to a particular process
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67248—Temperature monitoring
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67276—Production flow monitoring, e.g. for increasing throughput
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/677—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for conveying, e.g. between different workstations
    • H01L21/67739—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for conveying, e.g. between different workstations into and out of processing chamber
    • H01L21/67742—Mechanical parts of transfer devices
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/677—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for conveying, e.g. between different workstations
    • H01L21/67739—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for conveying, e.g. between different workstations into and out of processing chamber
    • H01L21/67745—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for conveying, e.g. between different workstations into and out of processing chamber characterized by movements or sequence of movements of transfer devices
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/683—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/683—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping
    • H01L21/687—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches
    • H01L21/68707—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches the wafers being placed on a robot blade, or gripped by a gripper for conveyance
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/683—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping
    • H01L21/687—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches
    • H01L21/68714—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches the wafers being placed on a susceptor, stage or support
    • H01L21/68764—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere for supporting or gripping using mechanical means, e.g. chucks, clamps or pinches the wafers being placed on a susceptor, stage or support characterised by a movable susceptor, stage or support, others than those only rotating on their own vertical axis, e.g. susceptors on a rotating caroussel
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/12—Measuring as part of the manufacturing process for structural parameters, e.g. thickness, line width, refractive index, temperature, warp, bond strength, defects, optical inspection, electrical measurement of structural dimensions, metallurgic measurement of diffusions
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/10—Measuring as part of the manufacturing process
    • H01L22/14—Measuring as part of the manufacturing process for electrical parameters, e.g. resistance, deep-levels, CV, diffusions by electrical means
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/20—Sequence of activities consisting of a plurality of measurements, corrections, marking or sorting steps
    • H01L22/26—Acting in response to an ongoing measurement without interruption of processing, e.g. endpoint detection, in-situ thickness measurement
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L22/00—Testing or measuring during manufacture or treatment; Reliability measurements, i.e. testing of parts without further processing to modify the parts as such; Structural arrangements therefor
    • H01L22/30—Structural arrangements specially adapted for testing or measuring during manufacture or treatment, or specially adapted for reliability measurements
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31014—Synchronization between AGV movement and workpiece treatment chambers
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45031—Manufacturing semiconductor wafers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Hardware Design (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Automation & Control Theory (AREA)
  • Robotics (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)
  • Container, Conveyance, Adherence, Positioning, Of Wafer (AREA)
  • Drying Of Semiconductors (AREA)

Abstract

本披露涉及一种大批量生产系统，用于在不离开该系统的受控环境(例如，亚大气压)的情况下按半导体加工序列加工和测量工件。系统加工室经由搬送室相互连接，这些搬送室用于在该受控环境中在加工室之间移动这些工件。这些搬送室包括带有专用工件支撑吸盘的测量区域，这些吸盘能够在测量期间平移和/或旋转工件。

Description

结合有集成半导体加工模块的自感知校正异构平台及其使用 方法
相关申请的交叉引用
本申请要求于2018年3月20日提交的名称为“Substrate Processing Tool withIntegrated Metrology and Method of Using[利用集成计量的衬底加工工具及其使用方法]”的美国临时申请号62/645,685、于2019年1月2日提交的名称为“Self-Aware andCorrecting Heterogeneous Platform incorporating Integrated SemiconductorProcessing Modules and Method for using same[结合有集成半导体加工模块的自感知校正异构平台及其使用方法]”的美国临时申请号62/787,607、于2019年1月2日提交的名称为“Self-Aware and Correcting Heterogeneous Platform incorporating IntegratedSemiconductor Processing Modules and Method for using same[结合有集成半导体加工模块的自感知校正异构平台及其使用方法]”的美国临时申请号62/787,608、以及于2019年1月4日提交的名称为“Substrate Processing Tool with Integrated Metrology andMethod of using[利用集成计量的衬底加工工具及其使用方法]”的美国临时申请号62/788,195、以及于2019年1月3日提交的名称为“Self-Aware and Correcting HeterogenousPlatform Incorporating Integrated Semiconductor Processing Modules and Methodfor Using Same[结合有集成半导体加工模块的自感知校正异构平台及其使用方法]”的美国临时申请号62/787,874的权益，这些申请通过援引以其全部内容并入本文。
技术领域
本发明涉及衬底加工，并且更具体地，涉及一种被配置为在高效平台中执行集成衬底加工以及衬底测量和计量以提供校正性加工的集成衬底加工系统和模块。
背景技术
半导体生产行业在提高良品率的需求以及在衬底上形成的器件结构的复杂性增加方面正经历着另一轮革命。此外，该行业由用于器件制造的各种过程的越来越多的计算机化和数字化推动。
更具体地，在用于形成集成电路的衬底的加工中，在制造工艺中提高良品率并提高效率和产量变得更加关键。通过减少在制造工艺中花费的时间、更准确和无故障的过程以及由于此类改进而导致的成本降低来实现这种效率。进一步期望确定加工步骤正确地进行，并且所产生的各个层和特征具有适当的尺寸、对准和一致性。即，越早检测到故障并解决(例如，通过在进一步加工中进行校正或改善，或剔除衬底)，该工艺就变得越高效。
不仅必须维持和提高良品率，而且还必须在制造更小且更复杂的器件时维持和提高良品率。例如，随着生产诸如晶体管等较小电路，图案化特征的临界尺寸(CD)或分辨率变得越来越难以生产。需要自对准图案化来替换套刻驱动(overlay-driven)的图案化，以便即使在引入极紫外(EUV)光刻之后也可以继续进行具有成本效益的缩放。需要能够减少可变性、扩展缩放比例以及增强CD和过程控制的图案化选项。然而，以合理的低成本生产缩放的器件已经变得极其困难。选择性沉积以及选择性刻蚀可以显著降低与高级图案化相关联的成本。薄膜的选择性沉积(诸如间隙填充)、电介质和金属在特定衬底上的区域选择性沉积、以及选择性硬掩模是大规模技术中图案化的关键步骤。
利用此类制造技术，有必要监测各种过程以确保刻蚀和沉积步骤在规范内并且检测这些过程中的变化。生产过程中的变化可以包括与生产过程的预期或设计的目标规范的偏差。通常，变化来源可以归类为缺陷(诸如颗粒污染)或者图案或器件中的参数变化或不一致性。此类参数变化的示例包括CD、轮廓、深度、厚度等的偏移。此类变化可能随着批次间变化、衬底间(批次内)变化、衬底内变化以及裸片内的变化而发生。
因此，器件制造者当前使用大量制造资源来限定和监测各种过程。然而，此类资源对产量和生产没有贡献，并且因此纯属制造商的成本。此外，当过程不符合规范以及没有正确地制造衬底的特征时，可能有必要从生产中去除衬底。当前，为了限定和监测制造工艺，器件制造者利用各种单独的测量和/或计量步骤。使用了在加工步骤之间或重要加工序列之间执行计量步骤的实施方式，但是当前实施方式涉及到损害衬底和加工环境控制。
具体地，对于当前的计量步骤，将衬底从处于真空下的加工环境中移除，在大气下移动到计量系统或信息亭，并且然后返回到加工环境。在加工步骤与加工室之间进行传统测量时，空气和污染物会暴露于过程和衬底。这可能化学地或以其他方式使一个或多个加工后的层改性。在必须将衬底从真空或其他受控环境中取出并且然后引入计量信息亭的任何测量中，这也会引入不确定性。因此，制造商可能不确定他们正在测量他们认为正在测量的参数。这样，由于三维器件/架构中的特征尺寸较小，因此当前的监测技术以及测量和计量过程是不充分的。
更进一步地，因为计量过程干扰了生产周期并限制了制造工艺的效率和产量，所以此类计量步骤被减至最少，从而不会显著影响产量。结果，在特定过程不符合规范与认识到这一事实之间通常会存在时间差。这进一步不利地影响了良品率。
当前制造方案的另一个缺点是需要不断地从平台(诸如具有沉积模块的系统)上移除衬底，并将其运输到其他平台(诸如具有刻蚀模块或某些其他加工模块的系统)。由于制造涉及各种沉积和刻蚀以及其他加工步骤的较大序列，因此从系统中移除衬底、运输、重新引入另一个系统、重新施加真空或某个其他受控环境的需要会给该过程带来更多的时间和成本。中间测量或计量过程只会加剧制造的时间和成本。不断从受控环境中移除以及运输进一步会导致衬底破损和污染的发生。
更进一步地，可以理解，沉积步骤、刻蚀步骤和其他加工步骤所涉及的众多系统和平台以及单独的测量/计量系统在占地面积(real estate)或占地空间已经非常珍贵的洁净室环境中产生了大量的硬件占用面积。
因此，期望改进涉及较小电路器件和特征的衬底加工，同时维持在生产期间限定和监测过程的能力。期望减少在制造期间的结点数量，其中，将衬底从真空中取出到大气中，并且然后必须随后在真空下将其放回到加工室中以进行进一步加工。进一步期望减少在工艺或衬底不符合规范与制造商或器件制造者对该问题的识别之间的时间差，以使他们可以更快地做出响应。进一步期望继续使设备自动化并利用加工数据来减少制造工艺中的人为干预，从而导致规范性优化和全面决策自动化。
因此，总体上需要解决当前制造工艺和设备平台中的缺陷。
发明内容
本披露内容涉及一种结合有计量仪器的大批量生产平台，该计量仪器被集成用于在该平台的加工室中处理工件之前和/或之后测量这些工件。连接到加工室的搬送室与计量传感器集成在一起，以使得能够在平台内而不是在独立的计量工具内完成测量。在这种情况下，将工件维持在平台的受控环境中通过减少工件的移动并最大程度地减少工件暴露于不同环境而减少了添加颗粒的可能性。
在一个实施例中，该加工系统包括搬送室，该搬送室具有用于移动该工件的内部空间，该搬送室被配置为耦接到加工工件的一个或多个加工模块。该搬送室包括搬送机构，该搬送机构被定位在该搬送室的内部空间内并且被配置为使一个或多个工件移动通过该内部空间，并选择性地移入和移出与该搬送室耦接的一个或多个加工模块。另外，该搬送室的内部空间包括测量区域，在该测量区域处，可以由检查系统对工件进行测量以检测工件上的属性。该测量区域可以包括用于在测量期间支撑、平移和/或旋转工件的支撑机构。在一些情况下，该支撑机构可以包括温度控制系统，以在测量期间监测或改变工件的温度。
附图说明
参考以下尤其是在结合附图考虑时的具体实施方式，对本发明的实施例及其许多附带优点的更完整的理解将变得非常明显，在附图中：
图1是用于实施本发明的半导体制造工艺流程的示意性图示。
图2是实施本发明的实施例的半导体制造工艺流程的示意性图示。
图3是根据本发明的实施例的半导体制造平台的示意性图示。
图4是根据本发明的实施例的结合有加工模块和测量模块的公共平台的俯视图。
图5A是根据本发明的另一实施例的结合有加工模块和测量模块的公共平台的俯视图。
图5B是根据本发明的实施例的结合在公共平台中的测量模块的局部截面的侧视图。
图5C是根据本发明的另一实施例的结合在公共平台中的测量模块的局部截面的侧视图。
图5D是根据本发明的另一实施例的结合在公共平台中的测量模块的局部截面的侧视图。
图5E是根据本发明的实施例的检查系统的俯视图解视图。
图5F是根据本发明的另一实施例的结合在公共平台中的测量模块的局部截面的侧视图。
图6A是根据本发明的另一实施例的结合有加工模块和测量模块的公共平台的俯视图。
图6B是根据本发明的实施例的结合在公共平台中的测量模块的局部截面的侧视图。
图7A是根据本发明的另一实施例的结合有加工模块和测量搬送模块的公共平台的俯视图。
图7B是根据本发明的实施例的结合在公共平台中的搬送测量模块的局部截面的侧视图。
图7C是根据本发明的另一实施例的结合在公共平台中的搬送测量模块的局部截面的侧视图。
图7D是根据本发明的实施例的工件搬送机构的俯视图。
图7E是图7D的工件搬送机构的侧视图。
图7F和图7G是根据本发明的用于测量模块中的检查系统的示意图。
图7H和图7I分别是根据本发明的用于工件测量的支撑平台的透视图和侧面截面视图。
图8是根据本发明的实施例的半导体制造平台的示意性图示。
图8A是根据本发明的实施例的结合有加工模块和测量搬送模块的公共平台的俯视图。
图8B是根据本发明的另一实施例的结合有加工模块和测量搬送模块的公共平台的俯视图。
图9是根据本发明的另一实施例的结合有加工模块和测量搬送模块的公共平台的俯视图。
图9A和图9B是根据本发明的另一实施例的结合在公共平台中的搬送测量模块的局部截面的侧视图。
图10A是根据本发明的实施例的半导体制造平台的示意性图示。
图10B是根据本发明的另一实施例的半导体制造平台的示意性图示。
图10C是根据本发明的实施例的用于半导体制造中的加工模块的示意性图示。
图10D是根据本发明的实施例的用于半导体制造中的加工模块的示意性图示。
图10E是根据本发明的实施例的用于半导体制造中的加工模块的示意性图示。
图11是根据本发明实施例的主动遮断控制系统和组件的示意性框图。
图12是根据本发明的实施例的用于实施遮断控制系统的计算机系统的示意性框图。
图13A至图13E展示了根据本发明的实施例的进行区域选择性成膜后的工件的示意性截面视图。
图14是根据本发明的实施例的用于执行集成工件加工、测量/计量和主动遮断的过程流程图。
图14A是根据本发明的实施例的用于执行集成工件加工、测量/计量和主动遮断的过程流程图。
图14B是根据本发明的实施例的用于执行集成工件加工、测量/计量和主动遮断的过程流程图。
图15是根据本发明的用于执行测量和分析以提供主动遮断的流程图。
图16是主动遮断的选择性路径的流程图。
图17展示了基于生物学的自主学习工具的高级框图。
图18是描绘了根据本文描述的各方面的上下文目标适配的图。
图19展示了基于生物学的示例自主学习工具的高级框图。
图20是可以利用基于生物学的自主学习系统的用于半导体生产的示例工具系统的图。
图21展示了基于生物学的自主学习系统的示例架构的高级框图。
图22A和图22B分别展示了示例自动机器人组件和示例自动机器人架构。
图23展示了基于生物学的自主学习系统的自感知组件的示例架构。
图24是根据本文描述的各方面在感知工作存储器中操作的示例自动机器人的图。
图25展示了基于生物学的自主学习系统的自概念化组件的示例实施例。
图26展示了基于生物学的自主学习系统中的自优化组件的示例实施例。
图27A和图27B分别展示了根据本主题披露内容的一方面生成的具有单个预测比较器和两个配方比较器的示例依赖图。
图28展示了根据本文描述的各方面的基于生物学的自主学习工具系统的示例分组部署的图。
图29展示了根据本文描述的各方面的自主工具系统的联合部署的图。
图30展示了在本主题说明书中描述的自主工具系统的模块化和递归耦接的特征。
图31展示了根据本文描述的各方面的对用于资产生成的多站过程进行评估和报告的示例系统。
图32是根据本文阐述的各方面的示例自主系统的框图，该示例自主系统可以分配由工具联合系统自主生成的输出资产。
图33展示了资产(例如，成品、半成品……)的从设计到生产再到营销的自主确定的分配步骤的示例。
图34呈现了根据本文描述的各方面的用于基于生物学的自主学习的示例方法的流程图。
图35呈现了根据本主题说明书中描述的一方面的用于调整概念的状况得分的示例方法的流程图。
图36呈现了根据本文阐述的一方面的用于生成知识的示例方法的流程图。
图37呈现了根据本文披露的各方面的用于资产分配的示例方法的流程图。
具体实施方式
根据本文描述的实施例，设备模块被集成在公共生产平台上以促进关键的、端到端的过程流程而不会破坏真空或受控环境，而这在常规平台上是无法实现的。公共平台将异构设备和加工模块与计量或测量模块集成在一起，以在不破坏真空或受控环境的情况下监测加工步骤之间衬底制造商的进展。所集成的计量或测量组件以及原有设备模块诊断和虚拟计量一起采集晶圆上的数据，并采集加工序列流程内上游和下游的设备数据。该数据与设备和过程控制模型组合以产生可操作的信息，用于预测和检测故障、预测维护、稳定过程变化以及校正过程以实现生产率和良品率。为了建立设备和过程控制模型，所有数据(即来自设备模块日志、搬送模块日志、平台日志、fab主机等的数据)都被集成，并与包括深度学习算法的分析技术组合，以理解设备与过程控制参数之间的关系以及在衬底或晶圆上的过程结果。可以部分托管在公共平台中的主动遮断控制系统(active interdictioncontrol system)在上游和下游加工模块中执行校正性加工，以解决检测到的不一致性、缺陷或其他变化。
根据本发明，为数据利用提供了基于设备、数据和知识、已建立的加工技术、传感器和计量数据(包括用于监测设备和加工状态的虚拟计量数据)的分层知识库。数据处理技术和算法知识以及过程和设备模型用于将设备和过程控制参数与良品率和生产率联系在一起。可以开发整体设备和过程控制模型。过程仿真、测量和计量数据和诊断、以及数据分析导致预测性和预防性处理以及动作，从而可以改进设备正常运行时间、优化过程并控制过程变化。这提高了良品率和生产率。本发明可以使用所采集数据来提供虚拟计量(VM)、用于监测和控制过程变化的批次(R2R)控制、用于警告操作员设备和/或过程正在超过控制极限的情况下运行的统计过程控制(SPC)、高级过程控制(APC)、故障检测和分类(FDC)、故障预测、设备健康状态监测(EHM)、预测性维护(PM)、预测性调度、良品率预测以及其他优点。
本发明的实施例描述了一种被配置为执行集成衬底加工和衬底计量的加工模块和工具的平台，以及加工衬底或工件的方法。在此，可以将作为加工对象的工件称为“工件”、“衬底”或“晶圆”。正在被加工的工件保持处于真空下。即，测量/计量过程和模块与加工模块和系统、加工室和工具以及整个生产平台集成在一起，以便在加工之前、期间或之后在真空环境中使用，以采集与工件上的属性(诸如工件表面的属性)、工件上的特征和器件相关联的数据。然后，所采集的测量/计量数据被用于相对于加工步骤实时地影响加工步骤、加工模块的操作以及整个加工系统。本发明将校正性地适配或调整或以其他方式影响系统的一个或多个加工步骤/加工模块，以使衬底保持符合规范或校正不符合规范的特征或层。不仅在向前的加工中的系统步骤和模块受到影响，而且先前的加工步骤和模块也可以通过系统中的反馈进行适配，以针对未来的衬底校正加工步骤或加工室。本发明可以通过最近的加工步骤(诸如刻蚀步骤或成膜或沉积步骤)来加工衬底，并且然后立即采集测量/计量数据。如本文所使用的，测量数据/步骤和计量数据/步骤被同义地提及，通常用于指根据本发明测量的数据。然后，对数据进行处理以检测不一致性或缺陷，并且可能会影响未来的加工步骤，以采取任何必要的校正性动作来以某种方式解决被发现不符合规范或有缺陷的衬底。例如，未来的加工步骤可以包括：将衬底返回到紧接的先前加工模块，影响另一加工室中的未来加工步骤以解决测量/计量数据，或者在加工序列中引入一个或多个附加加工步骤以使衬底恢复到符合规范。如果计量数据确定可能无法对衬底进行进一步加工以使其符合规范或校正不一致性，则可能会在过程中更早地将其从生产平台中剔除，以避免不必要的进一步加工。
出于解释的目的阐述了具体的数字、材料和配置，以便提供对本发明的透彻理解。然而，可以在没有具体细节的情况下实践本发明。此外，应该理解，附图中所示的各种实施例是说明性表示，并且不一定是按比例绘制的。在参考附图时，相同的附图标记始终指代相同的部分。
贯穿本说明书对“一个实施例”或“实施例”或其变体的提及意味着与实施例相结合描述的特定特征、结构、材料或特性包括在本发明的至少一个实施例中，但是不表示其存在于每个实施例中。因此，可能贯穿本说明书各处出现的诸如“在一个实施例中”或“在实施例中”的短语不一定指本发明的同一实施例。此外，在一个或多个实施例中，可以以任何合适的方式来组合特定特征、结构、材料或特性。在其他实施例中，可以包括各种附加的层和/或结构，和/或可以省略所描述的特征。
另外，应该理解，除非另外明确声明，否则“一个”或“一种”可以意指“一个或多个”。
将以最有助于理解本发明的方式将各种操作依次描述为多个分立的操作。然而，描述的顺序不应该解释为意味着这些操作是必须依赖于顺序的。特别地，这些操作无需按照呈现的顺序执行。可以以与所描述的实施例不同的顺序来执行所描述的操作。在附加实施例中，可以执行各种附加操作和/或可以省略所描述的操作。
如本文所使用的，术语“衬底”意指并且包括在其上形成材料的基础材料或构造。应该理解，衬底可以包括单一材料、不同材料的多个层、其中具有不同材料区域或不同结构区域的一个或多个层等。这些材料可以包括半导体、绝缘体、导体或其组合。例如，衬底可以是半导体衬底，在支撑结构上的基础半导体层，在其上形成有一个或多个层、结构或区域的金属电极或半导体衬底。衬底可以是常规的硅衬底或包括半导体材料层的其他块状衬底。如本文所使用的，术语“块状衬底”是指硅晶圆，并且不仅包括硅晶圆，还包括绝缘体上硅(“SOI”)衬底(诸如蓝宝石上硅(“SOS”)衬底和玻璃上硅(“SOG”)衬底)、基础半导体基底上的硅外延层、以及其他半导体或光电材料(诸如硅锗、锗、砷化镓、氮化镓和磷化铟)。衬底可以是掺杂的或非掺杂的。
如本文所使用的，术语“工件”可以更一般地是指在半导体器件生产过程的一个或多个阶段期间在衬底上形成的材料或层的合成物，该工件最终在加工的末级包括(多个)半导体器件。无论如何，术语“工件”、“衬底”或“晶圆”并不限制本发明。
本实施例包括利用公共生产平台的方法，其中在受控环境内(例如在操作之间不破坏真空的情况下)在公共平台上执行多个加工步骤。集成的端到端平台包括刻蚀模块和成膜模块两者，并且被配置为将工件从一个模块搬送到另一模块，同时将工件维持在受控环境中(例如不破坏真空或不离开惰性气体保护环境)，并且因此避免暴露在周围环境中。可以在公共生产平台上执行多种过程中的任何一种，并且集成的端到端平台将以降低的成本实现大批量生产，并改进良品率、缺陷率水平和EPE。
如本文所使用的，“成膜模块”是指用于在加工室内的工件上沉积或生长膜或层的任何类型的加工工具。成膜模块可以是单晶圆工具、批量加工工具或半批量加工工具。可以在成膜模块中执行的膜沉积或生长的类型包括例如但不限于：化学气相沉积、等离子体增强或等离子体辅助的化学气相沉积、原子层沉积、物理气相沉积、热氧化或氮化等，并且该过程可以是各向同性的、各向异性的、保形的、选择性的、毯式的等。
如本文所使用的，“刻蚀模块”是指用于去除加工室中的工件上的全部或部分膜、层、残留物或污染物的任何类型的加工工具。刻蚀模块可以是单晶圆工具、批量加工工具或半批量加工工具。可以在刻蚀模块中执行的刻蚀的类型包括例如但不限于：化学氧化物去除(COR)、干法(等离子体)刻蚀、反应离子刻蚀、使用浸入或非浸入技术的湿法刻蚀、原子层刻蚀、化学机械抛光、清洁、灰化、光刻等，并且该过程可以是各向同性的、各向异性的、选择性的等。
如本文所使用的，“模块”通常是指共同具有其全部硬件和软件两者的加工工具，包括加工室、衬底固持器和移动机构、气体供应和分配系统、泵送系统、电气系统和控制器等。模块的此类细节在本领域中是已知的，并且因此在此不讨论。
如本文所使用的，“受控环境”是指其中周围大气被抽空并且要么被净化的惰性气体替代要么呈低压真空环境的环境。真空环境远低于大气压，并且通常被理解为100Torr或更小，例如5Torr或更小。{请适当地完善定义——以将其添加到所有流程案例中}
图1示出了可供参考的典型半导体制造工艺100的示例，该示例可以通过本发明来改进。在制造工艺本身之前，产生对半导体工件或衬底以及在其中形成的微电子器件的整体设计102。根据设计产生一个布局，并且该布局包括多组图案，该多组图案将被搬送到堆叠的材料层上，这些材料在半导体工件按加工序列的制造期间施加到半导体工件上，以在衬底上形成各种电路和器件。由于设计/加工序列102影响并通知给制造工艺的各个部分，因此用指向制造工艺而不是指向其特定步骤的一般箭头104来描绘。
制造工艺100展示了一种示例性的过程流程或加工序列，该示例性的过程流程或加工序列被多次使用以在衬底上沉积或形成膜并且使用各种光刻和刻蚀技术对这些膜进行图案化。此类一般制造步骤和过程是本领域普通技术人员已知的，并且每个过程可以具有与其相关联的加工模块或工具。例如，参考图1，该方法可以包括用于在工件上形成一个或多个层的成膜或沉积工艺110。然后可以在使用光刻工艺114将该层暴露于图案化的光的波长之前，在跟踪工艺112中用光敏材料涂覆该层。然后使用另一跟踪工艺116使光敏材料显影以在光敏材料中形成图案，这使得下层工件或膜曝光。接下来，可以将曝光的图案用作模板，以去除下层工件或膜的曝光部分，这些部分通过使用去除或刻蚀工艺118从图案中去除。以这种方式，从光刻工艺114曝光的图案被转移到工件或转移到覆盖工件的一个或多个膜。在一些情况下，可以使用清洁工艺120清洁工件，以去除光敏材料或清洁新形成的图案化特征，以为后续加工做准备。
对于成膜或沉积工艺，为了一致性，本文通常使用术语“成膜”。对于膜去除，将使用术语“刻蚀”，并且对于清洁去除过程，将使用术语“清洁”。为了说明清楚或方便，附图可以使用其他适当的标记。
如所描绘的，示例制造工艺100表示在半导体工件上制造单层。箭头130指示制造工艺包括多次遍历序列中的加工步骤，从而导致图案层的多次堆叠以在衬底上形成器件。尽管本文以特定顺序描述了单层的制造，但是在单层的制造期间跳过某些步骤以及重复其他步骤的情况并不少见。此外，如本领域普通技术人员所理解的，可以使用除成膜、刻蚀和清洁之外更多的步骤。更进一步地，成膜或刻蚀工艺的每个步骤可以包括各种特定步骤。因此，图1的示例性说明性过程并不限制本发明。
例如，所述的沉积工艺110采用沉积模块/工具，该沉积模块/工具生长、涂覆或以其他方式形成材料膜或将材料膜搬送到工件上。沉积工艺可以采用一种或多种技术和方法来完成该任务。成膜或沉积技术的示例包括物理气相沉积(PVD)、化学气相沉积(CVD)、电化学沉积(ECD)、分子束外延(MBE)、原子层沉积(ALD)、自组装单层(SAM)沉积等。而且，这些沉积技术可以通过产生用于影响在衬底表面上发生的过程的化学反应性的等离子体来补充或增强。
光刻工艺114采用光刻模块/工具，该光刻模块/工具用于将图案从光掩模转移至工件的表面。图案信息记录在施加在工件上的光刻胶层上。当暴露于光(通常是紫外线)或其他照明源(例如X射线)时，光刻胶会改变其物理特性。通过(湿法或干法)刻蚀或通过曝光本身将其转换为挥发性化合物来显影光刻胶。取决于抗蚀剂的类型是正还是负，由掩模限定的图案在显影后将被去除或保留。例如，经显影的光刻胶可以充当下层的刻蚀掩模。
典型地，跟踪工艺112包括使用跟踪模块/工具，该跟踪模块/工具准备用于光刻工艺或曝光的工件。这可能涉及清洁工件或在工件上添加涂层或膜。涂层可以包括光敏材料，通常称为光刻胶，其在光刻工艺114中被通过掩模暴露的光所改变。类似地，跟踪工艺116可以使用在光刻工艺114之后处理工件的工具，该工具通常显影光刻胶以形成可能使下层工件的一部分暴露的图案。通常，这涉及光刻后清洁或为制造中的下一加工步骤做准备。
刻蚀工艺118包括刻蚀模块/工具，该刻蚀模块/工具用于选择性地去除工件表面上的材料以便在其上创建图案。通常，通过湿法刻蚀(即化学)或干法刻蚀(即化学和/或物理)选择性地去除材料。干法刻蚀的示例包括但不限于等离子体刻蚀。等离子体刻蚀涉及形成暴露于工件的适当气体混合物的等离子体(取决于要刻蚀的膜的类型)。等离子体在气相中包括带电的(离子和自由电子)和中性的(分子、原子和自由基)物质，这些物质与衬底或层发生动力学相互作用，以去除衬底或层的一部分，特别是上覆的光刻图案所暴露的部分。
清洁工艺120可以包括清洁模块/工具，该清洁模块/工具用于清洁工件(例如，去除光刻胶)和/或准备用于下一层的施加或沉积的工件。通常，清洁工艺去除工件上的颗粒和杂质，并且可以是干法清洁工艺或湿法清洁工艺。
根据本发明的一个实施例，在如图1所示的各种衬底制造工艺中的一个或多个之后，捕获制造测量数据或计量数据。如本文所使用的，从工件捕获的数据被称为测量数据或计量数据。通过以下方式来捕获测量数据：利用可以被结合在如本文所讨论的公共生产平台上的单独的计量室中的一个或多个测量模块或计量模块，或者使用结合在执行如图1所阐述的各个步骤的一个或多个加工模块之间移动工件的工件搬送模块中的测量模块/计量模块。根据本发明的一个特征，在测量/计量数据的捕获期间，将衬底维持在受控环境中，例如在真空下。例如，在如图2所示的生产平台内利用的测量/计量模块/工具被设计为测量与工件的属性或有关工件特征的属性相关联的数据，以测量其他可测量的东西，诸如例如其上的材料层、在其上施加的图案、或在衬底上制造的各种器件的尺寸和对准。如由测量模块/工具执行的测量过程可以与在公共生产平台上执行的多个工件加工步骤中的一个或多个一起来实施。此外，可以在过程内的不同时间和/或基于需要改进或校正过程的数据位置而在公共生产平台内的多个位置采用计量测量模块或工具。例如，测量模块的位置可以位于平台内靠近某些加工模块或在某些可能容易出错的过程之后，以便快速评估有关一个或多个层的规范以及在工件上制造的特征的属性。
根据本发明的一个实施例，一种用于加工工件和用于制造电子器件的半导体生产平台包括托管在公共生产平台上的多个加工模块。这些加工模块被配置为根据限定的加工序列在多个加工步骤中促进不同的过程并操纵工件上的材料。更具体地，加工模块可以包括用于在工件上沉积材料层的一个或多个成膜模块和用于选择性地去除材料层的一个或多个刻蚀模块。诸如清洁或跟踪或光刻模块等其他模块也可以包括在公共平台中。如本文所使用的，术语“加工模块”或“模块”用于指代加工系统，该加工系统通常将包括一个或多个加工室(其将容纳一个或多个工件)以及用于加工的支撑和围绕基础设施及组件，诸如气体供应装置、分配系统、RF(射频)电源、DC(直流)电压供应装置、偏置电源、衬底支架、衬底夹持机构、衬底和腔室组件温度控制元件等。
在公共平台上，一个或多个计量或测量模块与加工模块托管在一起。测量模块被配置为提供与工件的一个或多个属性相关联的测量数据。为此，测量模块包括一个或多个检查系统，该一个或多个检查系统可操作用于测量与工件的属性相关联的数据。通常，将测量模块与加工模块一起定位并布置在公共平台中，以在平台的加工模块中处理工件之前和/或之后进行测量。
如本文所披露的，术语“计量模块”或“测量模块”是指可以在工件上进行测量以检测或确定工件上的各种不一致性或变化(诸如参数变化)或者检测或确定工件上的缺陷(诸如某种污染)的模块/系统/传感器/工具。如本文所使用的，术语“检查系统”通常将是指测量和采集与测量相关联的数据或信号的测量过程或模块的工具或系统。测量模块将进行测量并提供数据，以供在本文中进一步披露的加工平台中使用。为了本文的一致性，将使用术语“测量模块”，但不是限制性的，并且通常是指用于检测和测量工件的属性的测量或计量或感测工具，这些属性指示工件和在其上形成的各层和器件的加工。
为了在平台中以及在各个加工模块之间移动工件，公共生产平台通常将结合一个或多个工件搬送模块，该一个或多个工件搬送模块托管在公共平台上，并被配置为在加工模块与(多个)测量模块之间移动工件。类似于加工模块，测量模块可以与工件搬送模块耦接。在本发明的一些实施例中，如本文所披露的，测量模块或与其相关联的检查系统与搬送模块结合或在搬送模块内部，以当工件在加工模块之间移动时提供测量或计量。例如，测量模块或其一部分可以被定位在搬送模块的内部空间内。在此，将组合的搬送和测量装置称为搬送测量模块。
在本发明的一个实施例中，包括加工室和测量模块两者的公共平台由系统主动控制，该系统处理所测量的与工件上的属性相关联的数据，并使用所测量数据来控制工件在加工序列中的移动和加工。根据本发明，控制系统使用所测量数据和其他数据来部分地基于所测量数据执行校正性加工，以主动遮断加工序列以校正不一致性或缺陷。更具体地，主动遮断控制系统托管在公共生产平台上，并且被配置为部分地基于所测量数据来执行校正性加工，其中，工件的校正性加工可以在平台中位于加工序列上游或下游的加工模块中进行以解决检测到不一致性或缺陷的情况。在本发明的实施例中，将工件维持在受控环境中，诸如例如在真空下。即，在公共生产平台上，加工模块和测量模块在受控环境中操作，并且工件搬送模块在不离开该受控环境的情况下在加工序列中的多个加工模块与一个或多个测量模块之间搬送工件。
图2和图3展示了示例性系统200、300，这些示例性系统将公共平台与多个加工模块、一个或多个测量模块以及一个或多个搬送模块相结合，这些模块均与主动遮断控制系统耦接。这些系统提高了由根据如本文描述的本发明的半导体制造生产的功能微电子器件的良品率。图2以图解方式展示了根据如本文描述的本发明的示例性系统200，该示例性系统在半导体制造期间促进计量数据的测量并将该数据用于改善或校正系统层或特征的不一致性或缺陷。示例性系统200包括各个加工模块，用于执行上述和图1所示的半导体制造方法100的各个过程。在图2中，通过处于主动遮断系统的控制下的(执行与制造有关的任务或过程的)所述不同模块、以及测量模块和搬送模块反映了各个过程。
如所描绘的，公共平台200的系统示出了平台的交互，而不是特定的物理布局。平台200包括用于半导体制造工艺的各种过程的一个或多个加工模块，诸如沉积模块210、刻蚀模块218、清洁模块220、跟踪模块212、216和光刻模块214。可以理解，一个或多个模块可以以各种方式结合到公共平台中，并且因此，附图是示意性的，而不是指示如何将元件/模块结合到平台上。平台200的系统进一步包括用于捕获测量数据的一个或多个计量或测量模块202、204、206，以及使用所捕获的测量数据来至少部分地基于所测量数据执行校正性加工以改进制造工艺的主动遮断控制系统208。主动遮断控制系统与各个测量模块耦接，并将处理所测量的与工件上的属性相关联的数据，并使用所测量数据来检测工件上的不一致性。然后，主动遮断控制系统控制工件的移动和加工，以在加工序列中提供校正或提供“校正性加工”。
本文描述的计量技术可以与示例性平台200、300的仅一个零件/部分或示例性平台200、300的多个零件/部分结合。即，例如，可以仅围绕一种过程或一种加工工具(例如，刻蚀模块218)结合本文描述的技术。可替代地，例如，可以针对加工平台200、300中的多个过程以及工具和系统实施本文描述的主动遮断技术。例如，校正性加工至少部分地经由在加工序列中上游或下游的一个或多个加工模块的操作来执行。
如本文所使用的，术语“主动遮断”通常是指控制系统，该控制系统如被实施用于针对各个制造工艺实时捕获测量/计量数据，以获得关于工件属性的数据从而检测不一致性或缺陷，并获得关于控制的校正性方面的数据以校正或改善不一致性或缺陷。主动遮断控制系统通过主动改变加工序列和/或执行加工步骤的模块的操作来将数据用于半导体制造工艺中各种不一致性的校正和改善。因此，主动遮断控制系统还与用于在过程中移动工件的一个或多个搬送模块222接口连接。如图2和图3所示的主动遮断控制系统208与制造工艺协调数据采集和数据分析以及不一致性的检测，并进一步指导多个加工工具和加工室的动作以解决检测到的不一致性或缺陷。主动遮断控制系统通常由如本文描述的一个或多个计算机或计算设备实施，该一个或多个计算机或计算设备操作专门设计的一组程序(诸如深度学习程序)或在本文中统称为主动遮断组件的自主学习组件。可以理解，主动遮断控制系统可以结合多个程序/组件以协调来自各个测量模块的数据采集和后续分析。系统208与生产平台中的多个加工模块接口连接，以便解决各种测量到的不一致性/缺陷，以校正或改善不一致性/缺陷。主动遮断控制系统将由此控制一个或多个加工模块和加工序列，以实现本发明的期望结果。
本发明还在公共平台内结合有一个或多个搬送模块222，用于根据限定的加工序列在各个加工模块之间搬送工件。为此，主动遮断控制系统还控制搬送模块，以便在检测到不一致性/缺陷时将工件移动到上游和/或下游的加工模块。即，根据检测到的内容，本发明的系统可以按照加工序列进一步移动工件，或者可以返回并将工件引导至上游加工模块以进行校正，或以其他方式解决检测到的不一致性或缺陷。这样，通过搬送模块提供了前馈和反馈机制，以提供本发明的主动遮断。此外，可以在上游或下游影响未来工件的加工序列。
本发明的主动遮断特征使用采集的测量/计量数据、使用批次间、晶圆间、晶圆内和实时的过程控制来改进生产过程的性能、良品率、产量和灵活性。在加工期间实时采集所测量数据，而无需从加工环境中移除工件/衬底/晶圆。根据本发明的一个特征，在公共平台中，可以在衬底维持在受控环境中(诸如例如在真空下)的同时捕获测量数据。即，(多个)工件搬送模块被配置为在不离开受控环境的情况下在多个加工模块与测量模块之间搬送工件。主动遮断控制可以提供基于模型的多元系统(该系统是结合前馈和反馈机制开发的)，以基于传入的工件以及模块或工具状态特性自动确定每个工件的最佳配方(recipe)。主动遮断控制系统使用制造测量数据、过程模型和复杂的控制算法来对中间过程目标进行动态微调，以增强最终器件目标。遮断系统使用如本文描述的类似构建块、概念和算法，能够跨公共生产平台上的单个腔室、加工工具、多个工具、加工模块和多个加工模块实现可扩展的控制解决方案。
图3是用于在公共生产平台上实施本发明的实施例的另一系统的示意图。平台300结合有多个加工模块/系统，用于在根据本发明实施例的主动遮断控制系统的控制下执行集成的工件加工和工件测量/计量。图3展示了本发明的实施例，其中，一个或多个衬底测量模块通过一个或多个搬送模块与一个或多个工件加工模块耦接在一起。以此方式，根据本发明的特征，可以当工件保留在加工系统和平台内的同时对工件进行分析以提供与工件的属性相关联的测量数据，诸如关于工件的材料特性以及在工件上形成的各种薄膜、层和特征的材料特性的数据。如本文所讨论的，可以在诸如刻蚀或沉积步骤等加工步骤完成后立即进行测量和分析，并且可以对收集到的测量数据进行分析，并且然后在公共平台加工系统内使用该测量数据来解决相对于工件设计参数而言不符合规范或非保形或表示缺陷的任何测量结果或特征。不需要将工件从公共加工或生产平台上移除，并且如果需要，可以将其保留在受控环境下。
参照图3，以图解方式展示了根据本发明的公共生产平台300。平台300包括用于将一个或多个工件引入生产平台的前端模块302。如已知的，前端模块(FEM)可以结合固持工件的一个或多个输送盒。前端模块可以维持在大气压下，但可以用惰性气体吹扫以提供清洁的环境。然后可以将一个或多个衬底搬送到搬送模块304a中，诸如通过如本文讨论的一个或多个加载互锁真空室(未示出)。图3的搬送模块是搬送测量模块(TMM)，该搬送测量模块包括集成在其中的测量工具或检查系统，用于从工件捕获数据。可以接口连接多个TMM304a、304b，以提供工件按期望序列的移动。搬送测量模块304a、304b与多个加工模块耦接。此类加工模块可以提供各种不同的加工步骤或功能，并且可以包括一个或多个刻蚀模块306a、306b，一个或多个沉积模块308a、308b，一个或多个清洁模块310a、310b以及一个或多个测量模块312a、312b、312c、312d。根据如本文进一步披露的本发明的实施例，可以在每个加工步骤之前或之后通过搬送模块304a、304b访问测量模块。在一个实施例中，诸如312c、312d等测量模块位于搬送模块304a、304b的外部，并且类似于各个加工模块而被访问以插入和接收工件。可替代地，测量模块或其至少一部分(诸如模块312a、312b)可以位于相应的搬送模块中。更具体地，测量模块312a、312b的全部或一部分位于搬送模块304a、304b中，以限定在搬送过程期间可以定位工件以进行测量的测量区域。测量区域位于搬送模块的专用区中，并且可由用于定位工件的模块的搬送机构访问。如上所述，这使得搬送模块实质上是本文所讨论的搬送测量模块(TMM)。
通常，搬送模块在其中限定腔室，该腔室容纳搬送机械手，该搬送机械手能够在真空下将衬底移动通过各种闸阀和进入端口或搬送端口而进入各个加工模块或测量模块中。通过将测量模块维持在公共生产平台300上，可以诸如在加工步骤中的一个或多个之间方便地访问这些测量模块以便即时提供必要的所测量分析数据，这些数据将用于解决不符合规范或以其他方式与特定工件的衬底设计计划非保形的任何衬底，或用于解决可检测的缺陷。以此方式，提供了实时数据以允许制造商在系统中及早识别问题，从而可以在当前加工序列中(诸如在后一加工步骤中、在先前的加工步骤中和/或在未来的加工步骤中)根据所捕获数据和检测到的不一致性或缺陷采取补救动作。以此方式，可以提高生产率和效率，可以减少过程监测的开销，并且可以减少呈被拒绝或剔除的衬底的形式的产品浪费。所有这些都为制造商或器件制造者节省了大量成本。
如上所述，在结合有主动遮断控制系统322的本发明的一个实施例中，一个或多个测量模块被托管在具有加工模块的公共平台上，用于提供所测量的与工件的属性有关的数据。主动遮断控制系统322将数据用于检测不一致性，并在检测到不一致性时对工件执行校正性加工。当检测到不一致性时，在加工序列的上游和/或下游执行校正性加工。参照图4，展示了适合于实践本发明的公共平台400上的示例性加工系统。加工系统400结合有多个模块和加工工具，用于对半导体衬底进行加工以制造集成电路和其他器件。加工平台400结合有一个或多个衬底计量/测量模块，该一个或多个衬底计量/测量模块与加工模块一起结合在公共生产平台内。例如，平台400可以结合多个衬底加工模块，该多个衬底加工模块如图所示耦接到工件搬送模块。在一些实施例中，测量模块或工具也至少部分地定位于衬底搬送模块内部。这样，可以对衬底进行加工，并且然后立即将其搬送到测量模块，以采集与工件的属性相关联的各种制造数据，以供主动遮断控制系统进一步处理。主动遮断控制系统从加工和测量模块收集数据，并通过工件的选择性移动和对多个加工模块中一个或多个的控制来控制在公共生产平台上执行的加工序列。此外，平台400的加工系统可以在不离开腔室的受控环境的情况下在搬送模块的腔室内以及在各个加工模块与测量/计量模块之间搬送衬底或其他工件。主动遮断控制系统利用从一个或多个测量模块获得的工件测量结果得出的信息来控制通过各个加工模块的顺序过程流程。此外，主动遮断控制系统结合了加工模块的原地测量结果和数据，以控制通过平台400的顺序过程流程。在受控环境中获得的衬底上测量数据可以单独利用，或者也可以与原地加工模块测量数据结合利用，以根据本发明进行过程流程控制和过程改进。
再次转到图4，平台400的系统包含用于将工件引入系统的前端工件搬送模块402。示例性平台400代表在公共生产平台中围绕工件搬送模块412的周边组织的多个加工模块。平台400的系统包括输送盒模块404a、404b和404c以及对准模块404d。加载互锁真空室406a和406b也耦接到前端搬送模块402。前端模块402通常维持在大气压下，但是可以通过用惰性气体吹扫来提供清洁的环境。加载互锁真空室410a和410b耦接到集中式工件搬送模块412，并且可以用于将衬底从前端402搬送到工件搬送模块412以在平台中进行加工。
工件搬送模块412可以维持在非常低的基底压力(例如5×10-8托或更低)或用惰性气体不断地吹扫。根据本发明，衬底测量/计量模块416可以在大气压下操作或在真空条件下操作。根据一个实施例，测量模块416保持在真空条件下，并且在不离开真空的情况下在平台400中对晶圆进行加工和测量。如本文进一步披露的，计量模块可以包括一个或多个检查系统或分析工具，该一个或多个检查系统或分析工具能够测量工件和/或沉积在工件上的薄膜和层或在工件上形成的器件的一种或多种材料特性或属性。如本文所使用的，术语“属性”用于指示工件、工件上的层、工件上的特征或器件等的可测量特征或特性，其反映了加工序列的加工质量。然后，通过主动遮断控制系统分析所测量数据以及其他原地加工数据，将所测量的与属性相关联的数据用于调整加工序列。例如，所测量的属性数据反映了工件上的不一致性或缺陷，以提供校正性加工。
图4和其中展示的平台实质上示出了单个测量模块416。然而，如将被理解并且如本文中进一步披露的，特定加工平台400可以结合多个此类测量模块，这些测量模块结合在一个或多个工件搬送系统(诸如工件搬送模块412)周围。此类测量模块416可以是独立模块，这些独立模块可以像加工模块一样通过搬送模块412来访问。此类独立模块通常将在其中结合检查系统，这些检查系统被配置为接合被定位在模块的测量区域中的工件并测量与工件的属性相关联的数据。
在本发明的替代性实施例中，可以在位于由搬送模块412限定的搬送室的内部空间的专用区内的测量区域中实施测量模块。更进一步地，可以以这样的方式结合测量模块：其中，该测量模块的至少一部分被定位在工件搬送模块的内部空间内，并且该测量模块的其他组件或该测量模块的特定检查系统被结合在工件搬送模块的外部并通过开孔或窗口接口连接到内部空间的专用区中，该专用区形成工件被定位在或者工件将通过的测量区域。
本发明的系统和平台的测量模块包括一个或多个检查系统，该一个或多个检查系统可操作用于测量与工件的属性相关联的数据。这种数据可以与反映加工序列的质量以及在工件上形成的层、特征和器件的质量的一个或多个属性相关联。然后，通过主动遮断控制系统分析所采集的测量数据以及加工模块数据，以检测工件或工件层/特征上的各种不一致性和/或缺陷。然后，该系统诸如在加工序列中的上游或下游加工模块中提供对工件的校正性加工，以改善/校正不一致性或缺陷并改进整个过程。
根据本发明的实施例，由测量模块或其检查系统进行的测量以及所生成的数据与工件的一个或多个属性相关联。例如，所测量的属性可以包括例如以下一项或多项：与在工件上制造的电子器件相关联的该工件上的层的层厚度、层保形性、层覆盖率、或层轮廓、边缘放置位置、某些特征的边缘放置误差(EPE)、临界尺寸(CD)、块临界尺寸(CD)、网格临界尺寸(CD)、线宽粗糙度(LWR)、线边缘粗糙度(LER)、块LWR、栅格LWR、与(多个)选择性沉积工艺有关的特性、与(多个)选择性刻蚀工艺有关的特性、物理特性、光学特性、电特性、折射率、电阻、电流、电压、温度、质量、速度、加速度或其某种组合。用于生成本发明的测量数据的所测量属性的列表不限于此并且可以包括可用于加工工件和制造器件的其他属性数据。
如本文进一步讨论的，用于提供属性数据的测量模块和/或检查系统可以实施多种工具和方法进行测量，以提供本发明的测量和计量。测量模块和/或检查系统可以包括光学方法或非光学方法。光学方法可以包括高分辨率光学成像和显微镜检查(例如，明场、暗场、相干/非相干/部分相干、偏振、诺马斯基(Nomarski)等)、高光谱(多光谱)成像、干涉测量法(例如，相移、相位调制、微分干涉对比、外差法、傅立叶变换、频率调制等)、光谱法(例如，光发射、光吸收、各种波长范围、各种光谱分辨率等)、傅立叶变换红外光谱(FTIR)反射测量法、散射测量法、椭圆偏振光谱测量法、旋光测量法或折射仪。非光学方法可以包括电子方法(例如，RF、微波等)、声学方法、光声方法、质谱法、残余气体分析仪、扫描电子显微镜检查法(SEM)、透射电子显微镜检查法(TEM)、原子力显微镜检查法(AFM)、能量色散x射线光谱法(EDS)、x射线光发射光谱法(XPS)、离子散射等。例如，用于测量与工件的属性相关联的数据的检查系统可以使用以下一种或多种技术或设备：光学薄膜测量，诸如反射测量法、干涉测量法、散射测量法、轮廓测量法、椭圆偏振测量法；X射线测量，诸如X射线光发射光谱法(XPS)、X射线荧光(XRF)、X射线衍射(XRD)、X射线反射测量法(XRR)；离子散射测量，诸如离子散射光谱法、低能离子散射(LEIS)光谱法、俄歇电子光谱法、二次离子质谱法、反射吸收IR光谱法、电子束检查、粒子检查、粒子计数设备和检查、光学检查、掺杂剂浓度计量法、薄膜电阻率计量法(诸如4点探针)、涡流测量；微量天平、加速度计测量、电压探针、电流探针、用于热测量的温度探针、或应变仪。用于生成本发明的测量数据的测量技术或设备的列表不限于此并且可以包括可以用于获得用于根据本发明加工工件和制造器件的有用数据的其他技术或设备。
测量模块和/或检查系统可以对通过加工系统的各种衬底或工件结构(包括产品工件或非产品衬底)进行测量，即监测衬底。在产品工件上，可以在指定的目标结构(类似于器件的结构和不同于器件的结构)、指定的器件区或任意区上执行测量。测量还可以在工件上产生的测试结构上执行，这些测试结构可以包括间距结构、面积结构、密度结构等。
再次参考图4，耦接到搬送室412的是多个加工模块420a至420d，该多个加工模块被配置为加工衬底，诸如半导体或硅(Si)工件。Si工件可以具有例如150mm、200mm、300mm、450mm或大于450mm的直径。各个加工模块和测量模块都通过例如带有阀G的适当的闸进入端口与工件搬送模块412接口连接。根据本文披露的本发明的一个实施例，第一加工模块420a可以在工件上执行处理工艺，并且第二加工模块420b可以在工件上形成自对准单层(SAM)。第三加工模块420c可以刻蚀或清洁工件，并且第四加工模块420d可以通过适当的沉积工艺将膜沉积在工件上。
搬送模块412被配置为在特定加工步骤之前或之后，在任何衬底加工室420a至420d之间搬送衬底，并且然后将其搬送到衬底计量模块416中。图4进一步示出了闸阀G，这些闸阀在相邻的加工室/工具组件之间的进入端口处提供隔离。如图4的实施例中所描绘的，根据本发明，衬底加工室420a至420d和衬底计量模块416可以通过闸阀G直接耦接到衬底搬送室412，并且这种直接耦接可以极大地提高衬底产量。
平台400的衬底加工系统包括一个或多个控制器或控制系统422，该一个或多个控制器或控制系统可以被耦接以在如本文所披露的集成加工和测量/计量过程期间控制图4中描绘的各个加工模块和相关联的加工室/工具。控制器/控制系统422也可以耦接到一个或多个附加控制器/计算机/数据库(未示出)。控制系统422可以通过网络从附加控制器/计算机或服务器获得设置和/或配置信息。控制系统422用于配置和运行任何或所有加工模块和加工工具，并收集来自各个测量模块的数据和来自加工模块的原地数据以提供本发明的主动遮断。控制器422采集、提供、处理、存储和显示来自任何或所有加工模块和工具组件的数据。如本文进一步描述的，控制系统422可以包括多个不同的程序和应用以及处理引擎，用于分析所测量数据和原地加工数据并实施算法，诸如深度学习网络、机器学习算法、自主学习算法以及用于提供本发明的主动遮断的其他算法。
如本文进一步描述的，主动遮断控制系统422可以在具有微处理器、合适的存储器和数字I/O端口的一个或多个计算机设备中实施，并且能够生成足以进行通信、激活到平台400的各个模块的输入、并与在平台400上运行的衬底加工系统交换信息的控制信号和电压。控制系统422监测来自平台400的加工系统的输出以及来自平台的各个测量模块的所测量数据，以运行平台。例如，可以利用存储在控制系统422的存储器中的程序来根据工艺配方或序列激活到各种加工系统和搬送系统的输入，以便执行期望的集成工件加工。
控制系统422还使用所测量数据以及由加工模块输出的原地处理数据来检测工件中的不一致性或缺陷并提供校正性加工。如本文所讨论的，控制系统422可以被实施为通用计算机系统，该通用计算机系统响应于处理器执行包含在存储器的程序中的一个或多个指令的一个或多个序列，来执行本发明的基于微处理器的加工步骤的一部分或全部。可以从诸如硬盘或可移除介质驱动器等另一计算机可读介质将此类指令读入控制系统存储器中。多处理装置中的一个或多个处理器也可以用作控制系统微处理器元件，以执行包含在存储器中的指令序列。在替代性实施例中，可以使用硬接线电路系统代替软件指令或与软件指令结合来实施本发明。因此，实施例不限于用于执行如本文所讨论的本发明的计量驱动器过程的硬件电路系统和软件的任何特定组合。
主动遮断控制系统422可以相对于平台400的衬底加工系统本地定位，或者可以相对于衬底加工系统远程定位。例如，控制器422可以使用直接连接、内联网连接、互联网连接和无线连接中的至少一项与衬底加工系统和平台400交换数据。控制系统422可以耦接到例如客户站点(即，器件制造者等)处的内联网，或者它可以耦接到例如供应商站点(即，设备生产商)处的内联网。另外，例如，控制系统422可以通过适当的有线或无线连接耦接到其他系统或控件。此外，另一计算机(即，控制器、服务器等)可以访问例如控制系统422，以经由直接有线连接或无线连接(诸如内联网连接和/或互联网连接)中的至少一项来交换数据。如本领域技术人员还将理解的，控制系统422将经由适当的有线或无线连接与衬底加工系统400的模块交换数据。加工模块可以具有它们自己独立的控制系统(未示出)，该控制系统获取用于对加工室和工具以及模块的子系统进行控制的输入数据，并在加工序列期间在原地提供与加工参数和计量有关的输出数据。
图5A至图5D展示了用于实施本发明的具有车载测量和计量的公共平台的一个实施例。类似于图4展示的系统，在平台500上实施的衬底加工系统结合有与输送盒模块504a、504b和加载互锁真空室510a、510b耦接的前端搬送系统或FEM 502。衬底搬送模块512在一个或多个加工模块520a、520b、520c和520d与一个或多个测量/计量模块516之间移动衬底。通常，搬送模块512具有结合有一个或多个搬送机构或机械手514的腔室，该搬送机构或机械手将按加工序列将衬底移送并移动通过腔室的内部空间并移入和移出加工模块。
更具体地，搬送机构514被定位在搬送模块中可以限定受控环境的内部空间513的内部，并且被配置为使工件移动通过内部空间和环境并且选择性地将其移入和移出多个加工模块520a至520d和测量模块516或移入和移出内部空间的专用区中的测量区域，以供测量检查系统来测量数据。根据本发明的一个特征，因为搬送模块512的内部空间513和加工模块520a至520d以及测量模块516一起耦接在公共平台上，所以通常可以在大部分或所有测量和加工序列上来维持工件的受控环境。这种受控环境可能涉及搬送模块或测量模块中的真空环境或惰性气体气氛。
类似于图4中展示的实施例，图5A中的系统500结合有至少一个工件测量/计量模块516，该至少一个工件测量/计量模块类似于各个加工模块520a至520d、通过适当的进入端口和闸G与搬送模块514耦接。
更具体地，搬送模块512包括多个进入端口或侧端口，每个进入端口或侧端口具有合适的闸G，通过这些闸，工件被移入和移出多个加工模块520a至520d。为了提供必要的加工序列以实现平台500上的高效产量，多个加工模块520a至520d包括了在公共平台上处理各种工件加工步骤的模块。例如，平台将包括一个或多个刻蚀模块以及一个或多个成膜或沉积模块。如图5A所展示的，测量模块516也在侧端口或进入端口之一处通过合适的闸G与搬送模块耦接。在其他实施例中，如图6A所展示的，测量模块在搬送模块顶部形成的端口处与搬送模块耦接。在如本文描述的又另一实施例中，搬送模块也用作测量模块，其中用于捕获测量数据的测量模块的至少一部分被结合到或定位在搬送模块的内部空间内。如图7A至图7C所展示的，在这种实施例中的搬送测量模块(TMM)包括位于搬送模块的内部空间的专用区内的测量区域。
主动遮断控制系统通常在衬底按加工序列在加工模块中的一个或多个与测量/计量模块516之间移动时即时地采集工件测量数据。如本文讨论的，捕获数据，并且然后对其进行分析和处理，以检测不一致性和缺陷并提供校正性加工。主动遮断控制系统522对序列的加工步骤提供必要的控制，以对所执行的各种制造加工步骤进行控制调整，以便校正检测到的不一致性/缺陷。可以按顺序对在所捕获的测量数据之前或上游的加工步骤和加工室和/或在测量数据之后或下游进行的加工步骤进行调整。可替代地，适当的校正性动作或校正性加工可以包括从流通式加工平台500剔除(多个)工件，以便不在无法保存的(多个)工件上浪费另外的时间和材料。
参考图5B，展示了一个示例性测量模块516，其结合有用于在公共平台500的系统的整个过程上相对于加工序列实时地在衬底上进行测量的检查系统530。
检查系统530测量与工件的属性相关联的数据，该数据可以包括与一个或多个特性相关联的数据，该一个或多个特性诸如物理特性、化学特性、光学特性、电特性、材料特性或其中两项或更多项的某种组合。测量数据还可以包括与在工件上形成的一个或多个层相关联的数据。如上所述，用于在测量模块中测量数据的检查系统或工具可以使用各种不同的技术，包括信号源和信号捕获传感器、接触传感器以及其他测量工具，以实施以下一种或多种技术或设备：光学薄膜测量，诸如反射测量法、干涉测量法、散射测量法、轮廓测量法、椭圆偏振测量法；X射线测量，诸如X射线光发射光谱法(XPS)、X射线荧光(XRF)、X射线衍射(XRD)、X射线反射测量法(XRR)；离子散射测量，诸如离子散射光谱法、低能离子散射(LEIS)光谱法、俄歇电子光谱法、二次离子质谱法、反射吸收IR光谱法、电子束检查、粒子检查、粒子计数设备和检查、光学检查、掺杂剂浓度计量法、薄膜电阻率计量法(诸如4点探针)、涡流测量；微量天平、加速度计测量、电压探针、电流探针、用于热测量的温度探针、或应变仪。随着工件在整个加工序列中移动并通过计量模块或TMM，检查系统会在加工模块中加工工件之前或之后测量数据，以确定加工步骤和模块的操作并评估是否需要根据本发明的校正性加工。
在图5B所展示的实施例中，检查系统530结合有一个或多个信号源532，其将测量信号534引导朝向工件536。入射信号534从工件536的表面反射或散射，并且所散射信号535被检测器540捕获。在一个实施例中，通过搬送机构514将工件定位在测量平台538上，该测量平台可以如图5B中的箭头所示那样左右、上下平移和旋转，从而可以将测量信号534引导朝向衬底536上的各种适当位置。
即，在图5B的实施例中，测量模块包括用于支撑定位在测量模块516中的工件的单独的支撑机构538。检查系统与支撑机构538接合，用于测量与支撑在支撑机构上的工件的属性相关联的数据。在这种情况下，测量模块516中的支撑机构538通常与搬送机构分开，该搬送机构以其他方式移动工件并将工件定位在支撑机构上。
单独的支撑机构诸如通过竖直和/或水平移动来平移工件，并且还可以旋转工件以提供至少两个自由度，以用于如本文所讨论的测量与工件的属性相关联的数据。支撑机构还可以在其中结合用于控制工件温度的温度控制元件。因此，在图5B的实施例中，在通过搬送机构将工件定位在支撑机构上之后，支撑机构提供对数据的测量所必需的工件的支撑和移动。在本发明的替代性实施例中，如图5C所示，搬送机构提供支撑和移动工件以与检查系统接合以测量与工件上的属性相关联的数据的功能。
参照图5C，搬送机构将工件定位在测量模块中，或者在搬送测量模块的情况下，将工件定位在位于搬送室的专用区内的测量区域中，以便检查系统可以接合工件来获得测量数据。即，搬送机构用作或包括合适的支撑机构，用于支撑工件并且为与工件的属性相关联的测量提供必要的平移和/或旋转。
支撑机构或用作支撑机构的搬送机构可以结合夹持机构(如所展示并且通过引用并入本文的)。而且，如本文所披露的，支撑机构或提供工件支撑机构的搬送机构还可以结合磁悬浮台，以提供一个或多个自由度。
检查系统530包括一个或多个检查信号源532和用于捕获从被测工件536表面反射或散射的信号的一个或多个信号收集器或信号检测器540。检测器540生成测量数据550，其然后可以被引导至如本文描述的主动遮断控制系统522。
再次参考图5B，工件搬送机构或机械手514将衬底从加工室520a至520d移动到测量模块516中以放置在支撑机构平台538上，或者在图5C的实施例中用于将工件定位成接合检查系统。检查系统530测量并且捕获测量数据。在本发明的一个实施例中，测量模块516在受控但非真空的环境中操作。可替代地，测量模块516为测量提供真空环境。为此，可以在衬底搬送室512与测量模块516之间的进入端口处结合有闸阀552。应当理解的是，如果在测量模块516内真空是必需的，则为此目的，可以将适当的真空设备(未示出)与模块516的内部空间耦接。一旦测量了工件536，就可以通过搬送室512的搬送机构514将工件从测量模块516中移出，然后根据过程流程(例如在主动遮断控制系统对数据进行分析并确定了适当的动作(诸如校正性加工动作)之后)引导至一个或多个其他加工室520a至520d。
如本文中进一步描述的，所捕获的测量数据550然后可以被引导到控制系统522，并且被进一步评估和分析以确定针对所测量的衬底的特定动作。如果测量数据指示所测量的参数在所期望设计和制造工艺的规范之内和/或没有检测到可操作缺陷，则工件可以照常通过平台500系统内的过程流程进行。可替代地，如果所测量数据550指示工件无法得到校正或改善，则可能从进一步的加工中剔除工件。可替代地，根据本发明的实施例，主动遮断控制系统可以分析数据并提供校正性加工，作为要对该工件采取的或者要在整个过程流程的各个加工步骤中进行的一个或多个校正步骤，以便校正当前的工件，并且还避免了对随后在系统中加工的其他工件进行校正性动作的需要。具体地，参考图5B，主动遮断控制系统可以在其中结合一个或多个加工步骤和加工组件，以产生对过程流程的校正。首先，如框554所展示的，可以捕获并预处理必要的测量数据550。接下来，如框556所展示的，对所捕获的数据以及与一个或多个加工模块和加工步骤相关联的任何原地加工数据进行建模和数据分析。建模和分析可以利用人工智能，包括如本文进一步讨论的深度学习和自主学习程序以及组件。接下来，分析可以为平台500的系统提供校正性过程控制，其中，控制一个或多个加工步骤和加工室以校正或改善相对于衬底制造的整体设计不符合规范的层和特征中感知到或检测到的不一致性或缺陷。可以将框558的校正性过程控制提供给一个或多个加工步骤或加工模块，并且根据期望的设计在整个衬底制造内，可以将其应用于在时间上在捕获测量数据550之前(上游)的一个或多个加工步骤或者可以将其应用于捕获测量数据550之后(下游)的一个或多个加工步骤。如本文中所讨论的，主动遮断控制系统522及其过程(如框554、556和558所展示的)可以结合到由控制系统522的一个或多个计算机和/或该系统的组件运行的软件中。
根据本发明的实施例，用于获得测量数据的检查系统通过取决于所测量的属性或测量类型执行接触式测量或计量或非接触式测量或计量来接合工件。可以使用接触式测量和非接触式测量两者的组合。取决于检查系统的位置，检查系统的一部分可以部分或全部定位在模块的内部空间或腔室内。在如本文披露的图5A和图6A的实施例中，专用测量模块516、616可以完全包含检查系统。可替代地，测量模块的一部分可以被定位在腔室的内部空间内(诸如在工件搬送模块的内部空间内)，而测量模块的另一部分位于腔室的外部。例如在图7A中展示了这种实施例，其中，使用位于搬送室的内部空间的专用区内的测量区域展示了搬送测量模块，并且检查系统被配置为接合定位于测量区域中的工件以测量与工件上的属性相关联的数据。
现在参考图5E，检查系统530可以结合一个或多个检查信号源532a、532b、532c，其与一个或多个检测器540a、540b和540c结合使用以感测或采集当工件536在测量模块516或搬送测量模块(TMM)内移动以接合检查系统时从该工件的表面反射或以其他方式引导的检查信号。在本发明的实施例中，检查系统530结合有一个或多个信号源532a至532c，用于生成信号并将信号引导到工件536的表面上，该工件在支撑机构538上或在搬送机构514上定位和/或移动。
根据本发明的实施例，信号源532a、532b、532c可以生成电磁信号、光学信号、粒子束或带电粒子束或其他信号中的一项或多项，以入射到工件538的表面539上。相反，检测器元件540a、540b、540c可以被布置为接收反射或散射的相应电磁信号、光学信号、粒子束或带电粒子束、或可能从工件538的表面539反射或以其他方式引导的其他信号，以便测量数据并提供有关工件的属性的计量。
参照图5E，固持工件536的支撑机构538或搬送机构514可以被平移和旋转以提供对工件536上的各个区域的测量。以此方式，可以在整个工件的一部分或分段处捕获测量数据。因此，连续测量或逐点测量是可能的，从而减少了整体测量时间和加工时间。
例如，检查系统在工件的等于或超过1平方厘米的部分上测量数据。可替代地，检查系统对工件的实质性部分进行测量或成像，该实质性部分等于或超过工件的工作表面面积的90％。如上所述，检查系统可以在工件的工作表面上的多个离散位置处执行测量，或者可以在工件的一部分上执行连续的一系列测量。例如，检查系统可以沿着跨过或部分跨过工件延伸的路径执行测量。这种路径可以包括线、线序列、弧、圆曲线、螺旋曲线、阿基米德螺线、对数螺线、黄金螺线或其某种组合。而且，如图5C所展示的，可能存在若干个检查系统，其中，源/检测器对532、540可以各自表示来自不同检查系统的不同检查信号，并且可以是不同形式的信号。例如，取决于检查系统，一个系统532a、540a可以使用光学信号，而其他系统532ab、540b中的一个或多个可以使用电磁信号。
如本文所讨论的，如图5E所示的(多个)检查系统在工件处于测量模块中或搬送测量模块的专用区中时对工件上的属性执行多个测量。可以在时间上同时进行测量。即，不同的检查系统可能会同时进行测量。可替代地，各种检查系统可以在不同的时间操作。例如，可能需要将工件移动或定位在一个位置用于一种类型的测量或检查系统，并且然后将工件移动或定位以用于通过相同或不同类型的检查系统进行另一测量。
(多个)检查系统可以是用于提供非接触式测量和计量的非接触式系统，诸如用信号源532a、532b、532c示出的，这些信号源生成用于检测器元件540a、540b、540c的非接触式信号。可替代地，测量模块或搬送测量模块的一个或多个检查系统可以使用接触式传感器，诸如传感器541，该传感器可以由机构543移动和定位以将传感器541定位在工件的表面539的一部分上以进行测量。根据本发明提供的检查系统可以结合接触式检查系统和非接触式检查系统的组合，以收集与工件的属性相关联的测量数据。
如图5E所展示的，用如本文所讨论的测量模块或搬送测量模块的检查系统测量的工件的表面539通常将测量与工件的顶表面或工作表面相关联的属性。然而，如本文所讨论和进一步展示的，如果需要，检查系统可以被布置和定位以从工件的底表面进行测量并收集数据。
尽管所测量的工件536通常将是要加工成半导体器件的工件，但是本发明的测量和计量可以在此类产品工件、或非产品工件或衬底(即监测工件或衬底)上进行。在产品工件衬底上，可以在指定的目标结构(这些目标结构既可以类似于器件也可以不同于器件)上、在指定的器件区内或之上、在任意区内或之上、或者在工件上产生的测试结构内或之上进行测量和计量。测试结构可以包括间距结构、面积结构、密度结构等。
通常，如几个图中所展示的，如本文所披露的在测量模块或搬送测量模块中实施的检查系统可以是静止的，而支撑机构或工件搬送机构移动工件以与检查系统接合并在工件的不同区中进行测量。可替代地，如图5D所展示的，检查系统530或其某个部分可相对于工件支撑机构538、工件搬送机构514以及包含工件的模块或腔室(无论是测量模块的腔室还是搬送测量模块的腔室)而移动。如图5D所展示的，检查系统可以被配置为相对于静止的工件平移和/或旋转，以从工件的区获得测量数据。
在本发明的其他实施例中，检查系统可以被嵌入在工件支撑机构中或嵌入其一部分。参照图5F，检查系统530可以被安装或支撑在支撑机构538上。然后，当将工件定位在支撑机构上时，工件将处于适当的位置以供检查系统接合。同样在图5F中示出，检查系统531可以被嵌入在支撑机构中，以便位于被定位的工件的下方或附近。例如，这种检查系统可以提供与工件的质量测量或温度测量相关联的测量数据。
如本文中进一步讨论的，检查系统530可以位于测量模块或搬送测量模块内，并且因此可以操作以在真空或受控环境中提供测量数据。可替代地，检查系统可以结合处于限定测量模块的腔室或内部空间之外的检查信号源532和检测器540。在此类情况下，通常可以将信号引导通过一个或多个开孔、光圈(iris)或窗口，并且进入由计量模块限定的空间中，如本文针对图7A所展示的搬送测量模块所讨论的。
图6A和图6B展示了本发明的替代性实施例，其中，测量/计量模块通过诸如公共平台600中的衬底搬送室与多个衬底加工室耦接。在图6A和图6B所展示的实施例中，所述的各个元件与图5A中披露的那些元件类似，并且因此对于这种类似的元件保留一些类似的附图标记。更具体地，如本文描述的测量模块和/或检查系统可以与图5A的平台500和模块516所讨论的类似地实施和操作。
在如图6A所展示的公共生产平台600的系统中，测量/计量模块616被实施为单独的模块。然而，该模块定位于搬送模块612的顶部，并且可以通过搬送模块的顶部或通过模块612的搬送室613的内部空间的顶壁进行访问。如图6A所展示的，这为定位于衬底搬送室612周围的附加加工模块(诸如加工模块620e)提供了附加空间和位置。
参照图6B，所示的测量/计量模块616位于搬送室612的顶部。因此，可以通过模块616的底部区并且实质上通过搬送室612的顶壁来访问测量/计量模块616。为此，衬底搬送室612的顶部上的开口或端口652将与测量/计量模块616的底部中的开口或端口重合。例如，如图6B所展示的，可以在如在测量/计量模块616与搬送室612之间的接口处所示的该进入652端口处利用闸阀。取决于是否要在测量/计量模块616内维持真空，闸阀可以是可选的。
如图6B所展示的，用于在其上支撑工件636的支撑机构638将包括用于升高和降低支撑机构638的升降机构639。在如虚线所示的下部位置中，机构638处于从搬送机构或机械手614接收工件636的位置。然后，机构639将支撑机构638升高到由测量模块616限定的腔室中，以通过一个或多个检查系统630接合。尽管图6B披露了单个非接触式检查系统630，但就平台500中的测量模块616而言，也可以利用关于图5E和相关附图所讨论的其他接触式和非接触式检查系统。支撑机构638和检查系统630可以如本文关于平台500所讨论的那样操作，并且将具有如关于该平台所述的所有特征。此外，尽管展示了单个测量模块616，但是应当理解，其他测量模块和检查系统可以被实施在公共平台600上的搬送模块612的顶表面上。
如本文所述，检查信号源632将一个或多个检查信号634发送到工件636的表面，并且这些信号然后如信号635所指示的那样被反射或散射，以由适当的检测器640接收。从而，测量/计量数据550被生成并且可以由主动遮断控制系统522如本文描述的进行适当地处理，该主动遮断控制系统捕获数据、对数据进行建模和分析、并且然后为平台600中的系统提供校正性过程控制。控制系统影响过程流程，并校正或改善指示不一致性或缺陷或者指示某些层、特征或器件不符合制造设计的规范的任何测量结果。可以理解，图6A和6B所展示的实施例提供了用于将多个不同加工模块托管在具有一个或多个测量/计量模块的公共生产平台上的能力，其中，可以将正在处理的工件立即引导至在受控环境中或在真空下的测量/计量模块，以在加工序列期间实时捕获测量/计量数据，而无需将衬底从受控环境或真空环境中移除。
尽管公共生产平台可以结合有一个或多个测量模块以及诸如刻蚀模块和成膜模块等加工模块的组合，但是根据本发明的另一实施例，测量/计量模块的功能被结合在搬送模块内，该搬送模块可以根据加工序列使工件移动通过各个加工模块。更具体地，搬送模块通常包括搬送室，该搬送室限定内部空间，该内部空间容纳有搬送机构(诸如机械手)以使工件移动通过搬送模块并移入和移出所选的加工模块。根据本发明的特征，测量区域位于搬送室的内部空间的专用区内。为了获得测量数据，搬送机构可访问测量区域以将工件定位在测量区域中。更具体地，可以在加工模块中加工工件之前或之后将其定位在测量区域中，以便确定加工步骤或直至该加工步骤的整个加工序列的特定结果。检查系统被配置为接合定位于测量区域中的工件。根据本发明的特征，检查系统可操作用于测量与工件上的属性相关联的数据。如本文中进一步讨论的，搬送机构可以将衬底放置在位于测量区域内的单独支撑机构上以进行测量。可替代地，搬送机构本身可以充当支撑机构，并且将工件移动并定位在适当的测量区域中，以供检查系统接合。因此，不需要单独的测量模块。而是，搬送模块的搬送室内的占地面积提供了对工件进行测量的通道。
图7A展示了根据本发明的一个实施例的结合有搬送模块的公共平台700上的加工系统，该加工系统利用专用区来形成测量区域，其中可以在中转期间从工件收集测量数据。以此方式，如本文所述，可以在保持在受控环境(诸如真空环境)内的同时加工和测量工件。工件不需要离开平台700的环境即可确定过程如何进行并检测任何不一致性或缺陷。因此，如图7A所展示的实施例形成了可以与一个或多个加工模块一起利用的或作为公共平台的一部分的搬送测量模块(TMM)。此外，如本文所讨论的，可以利用多个搬送测量模块并将它们接口连接在一起以协作并形成更大的公共生产平台。
结合到搬送测量模块(TMM)内的检查系统在如本文描述的其他检查系统中操作并与之类似。例如，如图7B和图7C所展示的此类检查系统仅展示了某些检查系统。然而，其他检查系统和特征(诸如关于图5A至图5F所讨论的那些)也将适用于图7A所展示的搬送机构模块。这样，如本文先前所讨论的，在图7A至图7C中利用了一些公共的附图标记。
平台700结合有提供测量/计量数据的工件搬送模块712。搬送测量模块(TMM)712在搬送室713的内部空间内包括诸如呈移送机械手714形式的工件搬送机构。搬送机构714可如在平台500和600中那样进行操作，以使一个或多个或多个工件移动通过搬送模块712，并在耦接到如图7A所展示的公共生产平台中的搬送室712的各个加工模块之间移动。根据本发明的一个特征，搬送室713限定了内部空间，该内部空间包括用于测量的专用区。TMM712的测量区域715位于该专用区中。测量区域/区715靠近一个或多个检查系统730以进行测量。
更具体地，测量区域715被定位在搬送室713内，以便不会干扰搬送测量模块将工件移动通过加工序列并移入和移出各个加工模块的主要目的。测量区域限定用于放置工件以进行测量的一个或多个位置。为此，一个或多个检查系统被配置为接合被定位在搬送室713的测量区域中的工件。根据本发明，检查系统然后可操作用于测量与工件上的属性相关联的数据。如通过本文披露的检查系统所指出的，支撑机构可以位于测量区域715内，以用于在由检查系统采集测量数据期间支撑工件。可替代地，搬送机构714可以在搬送室的测量区域715内提供工件的定位和支撑。根据本发明的实施例，可以在加工序列期间将工件移入或移动穿过测量区域715，以从与该测量区域相关联的一个或多个检查系统获得测量数据。尽管出于说明目的在图7A中展示了单个测量区域，但是可以将多个测量区域750结合到TMM712中。
参照图7B，TMM模块712结合有位于测量区域715内的一个或多个检查系统730，并且提供了用于在加工序列期间获得实时测量结果和测量数据的能力。在一个实施例中，TMM712内的测量区域715结合有支撑机构738，该支撑机构从机构714接收工件以用于在腔室713内进行测量。当工件在加工模块之间移动时捕获测量数据。
通常，TMM 712中的检查系统730被定位在测量区域附近，并且被配置为接合测量区域715中的工件，以用于测量与工件的属性相关联的数据。如上所述，用于限定测量区域的专用区被定位成使得工件支撑机构和任何相关联的检查系统将不会干扰TMM在按加工序列移动工件并移动通过一个或多个加工模块的主要功能。测量模块或作为测量模块一部分的检查系统可以完全包含在TMM中以进行测量，如图7C所示。在其他实施例中，测量模块或检查系统的至少一部分被定位于TMM的内部空间内，以便在内部空间的专用区内限定测量区域，如图7B所示。
作为TMM 712一部分的测量模块的检查系统730可以是包括用于生成检查信号的一个或多个信号源732和一个或多个检测器740的非接触式系统。入射信号734从工件736的表面反射或散射，并且所散射信号735被检测器740捕获。可替代地，也可以使用诸如图5E所展示的接触式系统。
图7B和图7C展示了TMM 712的替代性实施例。在图7B的实施例中，测量模块的至少一部分或与测量模块相关联的检查系统的至少一部分被定位在TMM 712的腔室713的内部空间内。更具体地，测量区域715被限定并且位于搬送室713的内部空间的专用区内。检查系统的信号源和信号检测器元件位于搬送室的内部空间713的外部，而用于支撑工件736的工件支撑机构738和搬送机构714包含在搬送室713内。为此，检查信号734穿过适当的进入端口750(该进入端口对于检查信号从检查系统的通过实际上是透明的)并进入内部空间以接合被定位在测量区域715中的工件736。如上所述，检查信号可以包括电磁信号、光学信号、粒子束、带电粒子束或此类信号的某种组合。可以适当地形成进入端口750以与特定的检查系统和检查信号的源一起操作。例如，进入端口可以包括窗口、开口、阀、光闸(shutter)和光圈，或用于形成进入端口的不同结构的某种组合，以允许入射检查信号与工件736接合。为此，检查系统730的至少一部分可以大体位于搬送室713的顶表面上方。
根据本发明的特征，支撑机构738或搬送机构(无论哪个支撑要测量的工件)提供了工件736的移动，以相对于系统扫描工件。可替代地，如所披露的，工件可以当检查系统被扫描时静止。在一个实施例中，衬底支撑机构根据诸如在由图7B和图7C中的参考箭头指示的检查信号734的路径提供工件的平移和旋转。以此方式，本文中讨论了可以捕获测量/计量数据，并且然后由控制系统522利用测量/计量数据，以在衬底加工和制造期间提供主动遮断，以便对制造工艺提供校正以解决指示衬底层和/或特征不符合规范或校正检测到的不一致性或缺陷。
根据本发明的一个特征，搬送机构714从加工模块720a至720e中的一个或多个中取出工件，并且在将其移动到另一加工室之前，使衬底穿过TMM的测量区域715。例如，机构714可以将工件736引导到支撑机构738上，其中，使该工件相对于一个或多个检查系统的信号734平移和/或旋转。
图7C展示了本发明的TMM的替代性实施例。其中，测量模块通常被完全定位于搬送室713的内部空间内。即，支撑机构738以及检查系统730和组件被包含在搬送测量模块712的内部。通常，包括检查系统以及支撑机构的测量模块的组件被定位在限定的测量区域715中，并且因此在TMM的内部空间或腔室内具有它们自己的专用区。
图7B和图7C所展示的TMM的实施例结合有非接触式检查系统730，在非接触式检查系统中，检查信号被引导到工件上。可替代地，如上所述，检查系统730还可以包括诸如图5E所示的接触式测量系统，该接触式测量系统物理地接触工件或接触支撑机构或进行这两者以便测量与工件的属性相关联的数据。此外，尽管图7B和图7C展示了将工件736放置在支撑机构738上，但是搬送机构或机械手714实际上可以充当用于如图5C所示相对于检查系统移动工件的支撑机构。更进一步地，用于TMM中的测量模块的检查系统还可以结合静止的工件，其中，检查系统本身如图5D所示的那样移动。类似地，如图5F所展示的，检查系统530可以作为支撑机构的一部分被结合或嵌入其中。
通过结合要定位在TMM的内部空间内的测量模块的至少一部分，可以实现效率，因为工件可以在加工模块之间搬送的同时被传入测量区域。如图7A所展示的，将搬送机构714用作工件的支撑机构特别适合于TMM。为此，图7D和图7E展示了本发明的另一实施例，其中，检查系统可以直接结合到搬送机构714上。如图所示，检查系统730可以耦接到搬送机构714以与工件一起移动。以此方式，当工件在加工室之间移动时，可以在其移动时被检查系统730接合以获得测量数据。参照图7E，检查系统730可以结合在与搬送机构相关联的机械手的上方和/或下方，以便从由搬送机构承载的工件736的任一表面获得数据。如图7D和图7E所展示的系统可以用于在工件实际上被移动到另一单独的检查系统时获得数据。这样，如图7D和图7E中展示的搬送机构714可以与如本文所披露的测量模块或搬送测量模块的各种实施例结合。
如本文描述的某些测量场景和检查系统被示出为针对实质上是工件的顶表面，或者实质上是在其上形成器件的工件的工作表面。可替代地，可能期望在工件的底表面上进行测量。这可以通过将工件定位在结合有如图5F所示的嵌入式测量系统的支撑机构上来完成。可替代地，如图7F和图7G所展示的，检查系统可以布置在TMM 712中，使得可以如图7F中所示的从腔室713的内部空间内或者如图7F所展示的在外部测量工件的底表面。
应当理解，尽管图7A至图7C中披露的实施例示出了单个检查系统，但是可以在搬送测量模块712内部利用多个系统730来对工件进行各种不同的测量，并且从而向主动遮断控制系统522提供输入，以采取步骤校正或改善任何检测到的不一致性或缺陷。可以在TMM的加工环境内即时进行测量，该加工环境可以是受控环境或在真空下。以此方式，可以在搬送模块中的无污染区域内确定特征和/或属性的各种测量。工件可以在搬送测量模块(TMM)的内部从加工移至测量区域715，而不会破坏真空。如图所示，搬送测量模块712提供了可以结合到具有多个不同加工室的公共生产平台中的模块。由于在完成加工序列时工件在各个加工模块之间移动，因此可以在不会显著增加整个加工序列中的时间的情况下使衬底穿过测量区域715。因此，测量数据易于实时地收集，并且可以由本文讨论的控制系统522进行处理，以取决于所测量数据根据需要来影响或校正加工序列。
根据本发明的特征，本文利用衬底支撑机构538、638、738提供多个自由度和运动，以便在测量模块或搬送测量模块(TMM)内对工件表面进行必要的测量。例如，提供多轴X-Y-Z平移以及衬底的旋转。为了捕获数据，支撑机构可以对工件移动提供亚微米级控制。根据本发明的一个实施例，可以在支撑机构和平台中利用机械驱动系统来提供多个自由度的运动。在本发明的替代性实施例中，可以利用磁悬浮旋转支撑平台。这种支撑机构和平台可以减少与利用机械驱动系统的支撑平台相关联的一些可能的污染。
具体地，图7H和图7I展示了结合有可旋转工件固持器772的支撑平台770。固持器772例如可以由铝制成。在旋转固持器772下方，加热器元件774可以向工件固持器772提供热量。工件固持器772通过适当的适配器778耦接到磁悬浮转子元件776，该适配器也可以由铝制成。通常，磁悬浮转子元件776可以是环形的。图7I仅展示了工件固持器772的局部截面。图7H展示了与线性平移机构780耦接的整个工件固持器772。
支撑机构平台770还结合有磁悬浮定子或元件790，该磁悬浮定子或元件围绕并靠近磁悬浮转子元件776。通过转子元件776和定子元件790的相互作用，工件固持器772可以相对于基座792旋转。
为了平移支撑平台770，将基座元件792和旋转的工件固持器772安装到平移机构794。平移机构794可以结合一个或多个平移杆780，该一个或多个平移杆通过安装元件782适当地耦接到支撑平台的基座元件792。支撑平台770可以被结合到真空环境中，并且具体地可以被结合到如本文所披露的各个测量模块或搬送测量模块中，以在一个或多个检查系统附近提供工件的旋转和平移以捕获计量数据。支撑平台770可以在控制系统的方向上以高达300mm/s的速率平移，以提供期望的测量数据。工件固持器例如在平移时可以以高达120RPM的速度旋转。还可以通过加热元件774提供加热。平移杆780还可以耦接到附加平移机构用于使工件固持器772沿另一轴线移动，并耦接到升降机构(未示出)用于使支撑平台770升高。尽管工件固持器772位于如本文所披露的测量模块或搬送测量模块内，但平移机构的各个元件，诸如平移杆780和其他机构的一部分(包括用于此类机构的驱动马达)，可以位于测量模块或搬送测量模块外部。可以将各种材料的一个或多个保护层施加到旋转组件上，以防止除气和潜在的污染物进入腔室并落在衬底上。在2017年11月8日提交的名称为“Magnetically Levitated and Rotated Chuck for Processing MicroelectronicSubstrates in a Process Chamber[用于在加工室中加工微电子衬底的磁悬浮旋转吸盘]”的美国专利申请公开序列号US 2018/0130694中进一步描述了合适的支撑平台770的细节，并且该申请通过援引以其全部内容并入本文。
图8、图8A和图8B展示了本发明的替代性实施例，其中，不仅在搬送测量模块内、而且还在搬送测量模块用于在搬送测量模块与一个或多个加工模块或其他搬送模块之间移动工件的直通室中实施限定的测量区域。此类测量区域可以位于直通室的内部空间的专用区内，并且可由移动工件的搬送机构访问以将工件定位在测量区域内。这可以在加工模块中加工工件之前或之后完成。根据本发明的特征，检查系统与一个或多个测量区域相关联，并且检查系统被配置为接合被定位在测量区域中的工件，以测量与工件的属性相关联的数据。参照图8A，搬送测量模块812a通过直通室830与搬送模块812b耦接。搬送测量模块812a将在其中包括与用于收集测量数据的适当检查系统相关联的一个或多个专用测量区域815。尽管搬送模块812b被示出为不具有测量能力的典型搬送模块，但该搬送模块还可以结合一个或多个专用测量区域和检查系统。每个模块812a、812b充当用于支撑一个或多个加工模块820a至820e的平台。如图所示，相关联的搬送机构814将在主动遮断控制系统522的控制下使工件在整个加工序列中移动并移入和移出加工模块中的各个模块。以此方式，例如，可以使工件移动通过与由搬送测量模块812a限定的平台相关联的加工序列，并且然后移动至不同的加工序列，从而使工件穿过直通室以接合搬送模块812b内的其他搬送机构814。
根据本发明的一个实施例，直通室具有内部空间832，以允许工件在搬送测量模块812a与另一搬送模块812b之间或如图8B所展示的与加工模块之间移动。每个搬送模块可以结合有搬送室813，该搬送室具有容纳搬送机构814的内部空间。如上所述，搬送机构被配置为将各种工件移动通过内部空间，并选择性地移入和移出各个加工模块或直通室832。专用测量区域815被定位于直通室的内部空间832内。直通室内的测量区域815可由两个搬送机构814访问，以在相邻加工模块之一中加工工件之前或之后将该工件定位在该测量区域中。搬送室830的测量区域将包括如本文描述的一个或多个检查系统，该一个或多个检查系统被配置为与被定位在测量区域中的工件接合并且可操作用于测量与工件上的属性相关联的数据。以此方式，当工件在相邻的加工平台之间移动或移入和移出其他加工模块时，可以收集测量或计量数据。
例如，图8B展示了利用直通室830的替代性布置。结合有所展示的多个加工模块的平台800可以包括例如搬送测量模块812a。直通室830可以直通到另一加工模块820f，而不是如图8A所描绘的另一搬送模块或搬送测量模块。因此，根据本发明的实施例，通过将测量区域和检查系统结合到其他区域(包括用于在平台之间或在加工模块之间移动衬底的直通室)内，将测量模块和/或检查系统结合到具有各个加工模块的公共平台上。
图9、图9A和图9B展示了本发明的又一实施例，其中，一个或多个检查系统与搬送模块(具体地是模块的搬送室)耦接。转到图9，展示了平台900，该平台结合有搬送模块912和多个加工模块920a至920e。搬送模块包括搬送室913，该搬送室限定了用于工件的移动的内部空间。如图所示，搬送室913还利用围绕搬送室的周边设置并且可以通过闸阀G访问的一个或多个搬送端口919。如图9所示，搬送端口919与一个或多个加工模块的入口重合，并且因此搬送端口与相应的加工模块相对。搬送机构914被定位在搬送室913的内部空间内，并且被配置为使工件大体上沿腔室的内部空间内的水平面917移动。搬送机构914选择性地将工件移入和移出被定位成与模块912中的相应搬送端口相对的一个或多个加工模块。
一个或多个检查系统930与搬送室913耦接，并将接合在与搬送端口919重合的测量区域915中。检查系统将包括如本文讨论的组件，并且可以包括如图9A所展示的与水平面917相对设置的传感器进入端口或开孔950。如图9A至9B所展示的，每个检查系统(并且具体地是传感器开孔)位于搬送室913的周边内，并在工件通过相应的搬送端口919移入和移出加工模块时提供对工件的访问。图9A展示了检查系统930，该检查系统将来自信号源932的检查信号934引导通过孔口950，并且然后进入搬送室，以接合从搬送室913通过搬送端口919水平移动并进入加工模块的工件。然后，适当的检测器940检测或测量散射信号935，以获得测量数据。
在本发明的一个实施例中，检查系统可以是利用光源932和图像捕获设备940的光学检测系统。然后，可以诸如通过主动遮断控制系统522来处理与图像捕获相关联的数据。如通过主动遮断控制系统实施的包括图像处理系统的检查系统可以分析所捕获图像的表面组成。可替代地，这种光学检测系统可以利用与光学检测系统捕获的图像相关联的图案分析、厚度分析或应力分析。然后，根据本发明，可以使用这种测量数据来提供与检测到任何不一致性或缺陷相关联的主动遮断和校正性加工。
图9B展示了本发明的替代性实施例，其中，如所展示的，检查系统930可以完全位于搬送模块912的腔室913内，并且被定位在通向加工模块的搬送端口附近的各个区域915中，以在内部被设置成与工件在其中移动的平面917相对。检查系统930捕获与工件的表面相关联的图像，然后可以通过主动遮断控制系统对这些图像进行处理，以提供表面分析、图案分析、厚度分析、应力分析等。以此方式，可以在工件被移入和移出公共平台900中的各个加工模块时即时地获得测量数据。
图10A和图10B展示了结合本发明特征的其他替代性平台1000和1000a，其中，通过多个不同的加工模块来加工衬底，该多个不同的加工模块可以包括一个或多个刻蚀模块和一个或多个成膜模块以及用于提供测量数据的一个或多个测量/计量模块，该测量数据由主动遮断控制系统用于通过校正不一致性和缺陷的方式控制整个加工序列。平台1000可以结合分布式搬送系统，该分布式搬送系统结合有一个或多个搬送机构1014，用于选择性地使工件移动通过平台的各个模块。参照图10A，该分布式系统结合有至少一个真空室1002，该真空室通过前端模块1001进入。真空室1002可以是整体上限定具有多个端口1004的单个腔室的整体腔室，该多个端口用于与包含分布式搬送系统的腔室1002耦接。可替代地，同样如图10A所展示的，真空室1002可以被分成多个内部真空室1010，这些内部真空室通过所展示的多个相应的直通端口1012耦接在一起。在这种实施例中，所利用的搬送机构可以结合如所展示的与内部真空室相关联的多个搬送机构1014。
平台1000上维持的各个加工模块可能包括一个或多个成膜模块，诸如选择性沉积(SD)模块1030。此外，平台可以包括一个或多个刻蚀模块1032和一个或多个清洁模块1034。而且，可以结合多个计量/测量模块1036。还可以在平台1000上结合一个或多个其他加工模块1038，并且因此，结合在公共生产平台上的加工和测量/计量模块的类型不限于图10A所展示的。包括各个加工模块以及测量/计量模块的平台1000与主动遮断控制系统1040耦接，以提供测量数据、原地加工数据以及根据本发明控制加工序列的其他数据。即，主动遮断控制系统利用指示不一致性和/或缺陷的测量数据来进行校正性加工并控制各个加工模块以及工件通过平台的移动。
主动遮断控制系统1040还控制真空室1002内的压力以及衬底被搬送通过的各个内部真空室1010内的压力。例如，当在平台1000中所展示的分布式搬送系统内搬送工件时，控制系统1040将控制各个内部真空室1010之间的压力差。此外，控制系统1040将控制并维持分布式搬送系统真空室1002和与各个加工模块中的一个或多个相关联的真空室之间的处理压力差。根据本发明的另一特征，结合有真空室1002和一个或多个搬送机构1014的平台1000还可以结合一个或多个检查系统1050，以在工件前进通过平台1000时获得由控制系统1040产生的测量数据。如图所示，通过内部腔室1010包括搬送机构1014和单独的检查系统，每个腔室1010可以充当如本文所讨论的搬送测量模块(TMM)。一个或多个直通端口1012可以包括加载互锁机构，以在真空室1010之一中形成用于储存一个或多个工件的分级区。
除了如所展示的各个加工模块之外，例如，平台1000还可以结合一个或多个批量加工模块1060，该一个或多个批量加工模块(诸如为原子层沉积)提供批量加工。与批量加工模块1060相关联的是批次合并(batch)/批次拆分(debatch)级1070，并且然后是剔除/重新设计级1072，其中，可以对进入或退出批量加工的各种工件进行分级。当控制系统1040在内部真空室1002和与加工模块相关联的一个或多个腔室之间提供期望的压力差时，这种腔室或区也可以用作储存室。
根据本发明的一方面，当工件移动通过平台1000并移入和移出各个加工模块和内部真空室1010时，当工件在内部真空室1002与加工模块的腔室之间搬送时，维持其间的环境条件。环境条件可以包括压力、气体成分、温度、化学浓度、湿度或相中的至少一项。控制系统1040将维持加工和搬送所必需的(多个)环境条件。而且，可以通过控制系统1040在真空室1002的各个内部部分或内部真空室1010之间维持系统环境条件。同样，此类环境条件可以包括压力、气体成分、温度、化学浓度、相、湿度等中的至少一项。在各个部分或内部腔室1010与一个或多个其他内部真空室1010之间维持的环境条件可以至少部分地基于检查系统1050可以对设置在特定内部真空室1010内的衬底执行的测量或扫描的类型。此类环境条件可以包括压力、气体、成分温度或相浓度。如上所述，对于加工，当衬底在平台1000内搬送并且控制系统1040保持这种条件时，可能有必要在各个内部真空室之间维持系统压力差。此外，当衬底在真空室1002与加工模块之间搬送时，可能有必要维持真空室1002与加工模块的一个或多个腔室之间的处理压力差。为此，批次合并级1070和剔除级1072作为真空室1002内的各个工件的分级区，直到达到系统压力差或处理压力差。更进一步地，可能期望基于正在执行的测量或计量过程的类型来维持系统环境条件。此类环境条件可以包括压力、气体成分、温度或相浓度。
平台1000、1000a可以托管各种加工模块，包括但不限于成膜设备、刻蚀设备、沉积设备、外延设备、清洁设备、光刻设备(lithography equipment)、光刻设备(photo-lithography equipment)、电子束光刻设备、光敏或电子敏感材料涂覆设备、电磁(EM)处理设备、紫外线(UV)处理设备、红外(IR)处理设备、激光束处理设备、热处理设备、退火设备、氧化设备、扩散设备、磁性退火设备、离子注入设备、等离子体浸没离子注入设备、低温或非低温气溶胶或非气溶胶干法清洁设备、中性束设备、带电粒子束设备、电子束处理设备、离子束处理设备、气体团簇束设备、气体团簇离子束设备等。加工模块可以包括干相设备、液相设备、蒸气相设备等。另外，加工模块可以包括单衬底加工设备、小批量加工设备(例如少于10个衬底)、批量加工设备(例如大于10个衬底)等。
图10C至图10E展示了可以用如本文讨论的公共平台实施例实施的示例性加工模块。图10C展示了通常将包括腔室1072的成膜或沉积模块1070。成膜模块1070可以包括真空沉积室或大气涂覆室。模块1070还可以包括诸如用于大气涂覆室的液体分配系统1074或诸如用于向沉积室1072中的等离子体供电的RF电源1076。模块1070还可以结合液体源起泡器1078，该液体源起泡器可以耦接到液体分配系统1074，以向腔室1072(诸如沉积室)中提供适当的材料相。成膜模块1070还可以利用一个或多个溅射靶1080，并且可以耦接到一个或多个气体源1081a、1081a，以用于在沉积室1072中进行膜沉积。
图10D展示了结合有加工或刻蚀室1083的膜去除或刻蚀模块1082。例如，刻蚀模块可以包括等离子体刻蚀模块、无等离子体刻蚀模块、远程等离子体刻蚀模块、在大气或亚大气压条件下(例如真空)的气相刻蚀模块、气相刻蚀模块、液相刻蚀模块、各向同性刻蚀模块、各向异性刻蚀模块等。模块1082例如可以包括液相、蒸气相或气相分配或分布系统(例如1085a、1085b、1086)、压力控制元件、温度控制元件、衬底固持和控制元件(例如，静电夹持吸盘(ESC)、分区温度控制元件、背面气体系统等)、以及用于在刻蚀室1083中生成等离子体的电源1084(例如，RF电源)。
图10E展示了清洁模块1088，该清洁模块具有用于适当地容纳衬底的清洁腔室1089。例如，清洁模块1088可以包括湿法清洁模块、干法清洁模块、旋转式清洁模块、浴式清洁模块、喷雾式分配清洁模块、中性束清洁模块、离子束清洁模块、气体团簇束清洁模块、气体团簇离子束清洁模块、低温或非低温气溶胶清洁模块等。清洁模块1088可以包括液体源、浴式容器、液体分配或喷雾喷嘴1090、旋转吸盘、嵌套式液体分配捕获挡板、压力控制元件、温度控制元件等。清洁模块1088还可以结合气体源、低温冷却系统1092、气体喷嘴、气溶胶喷嘴、压力控制元件、温度控制元件等。
如上所述，平台1000可以被用来对一个或多个衬底进行分级以进行储存，诸如，当正在进行校正性加工程序或调整平台中的加工参数时。为此，批次合并/批次拆分室1070或剔除室1072可在相邻的直通端口1012之一处结合加载互锁，使得各个内部真空室1010中的一个或多个可以作为较大的整体平台内的单独分级区来操作，以便可以将各种工件储存在至少一个内部真空室内。此外，批次合并级1070和剔除级1072还可以充当用于对用于批量加工模块1060的衬底进行分级的分级区，或在调整系统参数时充当分级区。
图10B展示了与图10A的平台类似的另一种可能的平台布局，其中类似的附图标记用于图10B的各个加工模块、控制系统和组件。转向图10B，平台1000a可以包括一个或多个成膜模块1030和刻蚀模块1032，这些模块与TMM模块1010耦接以使工件移动通过平台。而且，根据本发明，测量模块1036可以被结合到平台上以用于检测不一致性和缺陷。平台1008还可以包括清洁模块，诸如湿法清洁模块1034a或干法清洁模块1034b。此外，平台1000a可以结合一个或多个测量模块1036，该一个或多个测量模块被实施用于批量测量。如图所示，与批量加工模块1060相对的，可以实施一个或多个测量模块1036，使得可以在工件成批且在通过剔除级1072被剔除和/或重新对准之前进行测量并收集测量/计量数据。平台1000a处于如所展示的主动遮断控制系统1040的控制中，并且工件可以根据本发明在各个加工模块与测量模块之间以大体上线性的方式来回移动，以检测不一致性和缺陷并且也为工件提供校正性加工。
主动遮断和工件加工示例
如本文所述，主动遮断控制系统被配置为部分地基于从工件测量的数据来执行校正性加工。诸如反映一个或多个加工模块的加工参数或设置的加工参数数据等其他数据，以及公共生产平台的平台性能数据，也可以输入到主动遮断控制系统。该数据由主动遮断控制系统处理，以确定工件中的不一致性和缺陷，并确定主动遮断期间在平台中执行的校正性加工的路径。如上所述，当检测到不一致性时，可以在加工序列的上游或下游的加工模块中执行校正性加工。主动遮断控制系统与平台的各个测量模块和TMM耦接，并处理所测量数据和其他数据，以控制工件在加工序列中的移动和加工。
根据本发明的一个特征，校正性加工可以包括在整个加工序列中执行补救加工序列。例如，补救过程可以包括清洁工件和/或去除膜或膜的一部分。可替代地，可以执行调整加工序列。更进一步地，如果无法进行校正，则校正性加工可以是简单地将工件从平台和加工序列中剔除。在任一种情况下，都可以将检测到的不一致性通知操作员。
图11展示了用于实现本发明的主动遮断控制系统1110和组件1120。主动遮断控制系统可以全部或至少部分地位于生产平台上，并且通常将使用具有至少一个处理器的计算机设备来执行。用于实施主动遮断控制系统1110的组件1120可以是用于执行主动遮断控制系统的计算机的一部分，或者可以是由主动遮断控制系统诸如通过网络调用的资源。因此，本文阐述的各种硬件布局不是限制性的。
图12展示了适合于提供本发明的主动遮断控制系统的装置1210的示例性硬件和软件环境。为了本发明的目的，装置1210实际上可以表示任何计算机、计算机系统或可编程设备，例如，多用户或单用户计算机、台式计算机、便携式计算机和设备、手持设备、网络设备等。装置1210在下文中将被称为“计算机”，但是应当理解术语“装置”还可以包括其他合适的可编程电子设备。
计算机1210通常包括耦接到存储器1214的至少一个处理器1212。处理器1212可以代表一个或多个处理器(例如，微处理器)，并且存储器1214可以代表包括计算机10的主存储装置的随机存取存储器(RAM)设备，以及任何补充级别的存储器，例如，高速缓存存储器、非易失性或备用存储器(例如可编程存储器或闪存)、只读存储器等。另外，存储器1214可以被认为包括物理上位于计算机1210中其他地方的存储器存储装置(例如处理器1212中的任何高速缓存存储器)以及用作虚拟存储器的任何存储容量，例如，如存储在大容量存储设备上的虚拟存储器，该大容量存储设备例如数据库1216或任何外部数据库或其他计算机或系统，通常被展示为直接或经由网络1232耦接到计算机1210的资源1230。
计算机1210通常还接收用于在外部传达信息的多个输入和输出。为了与用户或操作员进行交互，计算机1210通常包括通过人机界面(HMI)1224耦接的一个或多个用户输入设备。计算机1210还可以包括作为HMI的一部分的显示器，用于当检测到不一致性时根据本发明的系统向操作员提供视觉输出。到计算机1210的接口连接还可以通过直接或远程连接到计算机10的外部终端来实现，或通过经由网络18、调制解调器或其他类型的通信设备与计算机1210通信的另一计算机来实现。
计算机1210在操作系统1218的控制下操作，并且执行或以其他方式依赖于通常指示为应用程序1220的各种计算机软件应用程序、组件、程序、对象、模块、数据结构等。如图11中所示的各种组件1120可以是计算机1210上的应用程序的一部分，或者可以作为如图所示的远程资源1230被访问以用于更稳健的处理。应用程序和处理的一部分还将包括各种数据结构1222和如本文所述的数据，该数据例如可以包括测量数据、加工参数数据和平台性能数据(例如数据库应用程序26)。计算机1210通过适当的网络接口1226在网络1232上进行通信。用于实施所披露的主动遮断系统的计算机将直接或通过网络与生产平台1240及其一个或多个控制元件连接，以从生产平台收集数据并控制主动遮断的加工序列。
通常，为了实施本发明的实施例而执行的例程，无论是作为操作系统的一部分还是作为特定的应用程序、组件、程序、对象、模块或指令序列来实施的，在本文中都将被称为“计算机程序代码”，或简称为“程序代码”。计算机程序代码通常包括一个或多个指令，该一个或多个指令在不同时间驻留在计算机的各种存储器和存储设备中，并且当由计算机中的一个或多个处理器读取并执行时，使该计算机执行用于执行体现本发明各个方面的步骤或元件所必要的步骤。此外，本领域技术人员将理解，主动遮断控制系统的各个处理组件和工具能够作为程序/应用程序以多种形式和位置分布。
应当理解，以下的任何特定程序术语仅仅是为了方便，并且因此本发明不应限于仅在由这种术语标识和/或暗示的任何特定应用中使用。此外，给出了可以将计算机程序/应用程序组织为例程、过程、方法、模块、对象等的无穷无尽的方式，以及可以在驻留在典型计算机(例如，操作系统、库、API、应用程序、小程序等)内或外部资源中的组件中的各个软件层之间分配程序功能的各种方式，但应当理解，本发明不限于所描述或展示的程序功能的特定组织和分配。本领域技术人员将认识到，图12中所展示的示例性环境并非旨在限制本发明。实际上，本领域技术人员将认识到，在不脱离本发明的范围的情况下，可以使用其他替代性的硬件和/或软件环境。
参照图11，主动遮断控制系统可以提供模式识别以预测不一致性的存在。为此，主动遮断控制系统包括模式识别组件，诸如模式识别引擎1122，其可操作用于从所测量数据中提取和分类数据模式，并基于所测量数据预测是否存在不一致性。例如，工件的某些特征可以指示数据中的不一致性和不规则性，并且可以在所测量数据中找到的模式中反映出来。模式识别可以利用数据量或附加数据来对测量的复杂性或缺乏测量的复杂性进行补偿。可以组合和/或关联多个变量的测量，以识别数据中的不一致性或不规则性。这样做时，可以进行不太复杂的测量并将其关联起来，以实现更复杂的测量系统的相同结果。例如，可以为加工过的工件创建代表可接受的加工行为的光学‘指纹’。可以将‘指纹’的偏差识别为模式偏移，进而可以识别采取校正性动作的机会，例如，在上游和/或下游过程中执行校正性动作，或者通过删除过程结果并重复等来对上游过程进行返工。模式识别引擎1122可以实施如图所示的深度学习架构或引擎1124，其可以使用一个或多个神经网络以及有监督的或无监督的学习来实施模式识别。深度学习引擎1124可以实施多变量分析(MVA)，例如，以分析不一致性或不规则性并确定可能原因以用于进行校正性加工。一种多元分析包括主成分分析(PCA)。PCA是一种统计程序，它将一组可能相关变量的观察结果变换为一组主成分。每个主成分(例如特征向量)与一个得分(例如特征值)相关联，并且主成分可以按得分值以降序排序。这样做时，第一主成分代表数据在变换后数据集的n维空间内的相应主成分的方向上的最大方差。每个后续主成分都在满足与前述成分正交的条件下具有最大方差。每个主成分标识每个变量在数据集中的‘权重’。随后的观察结果可以投影到一个或多个主成分(例如第一主成分和/或其他成分)上，以计算得分(例如，新观察结果与第一主成分的向量积的得分A)或进行多个得分之一的数学运算(例如，得分A+得分B/得分C，等)。例如，从加工过的工件(从单个位置或多个位置)散射的光可以表示观察结果。当与多个观察结果结合使用时，可以建立由一个或多个主成分组成的模型，并且随后将其用于对加工过的工件进行‘评分’。当某个得分或得分序列偏离限定的‘正常行为’或可接受的加工窗口时，可以进行校正性动作，即，例如在上游和/或下游过程中执行校正性动作，或者通过删除过程结果并重复来对上游过程进行返工。
模式识别引擎可以将所提取的数据模式与学习到的工件上的属性相关联。模式识别引擎可以实施关联引擎1126，该关联引擎例如在数据库1132中访问一个或多个学习到的属性1128，以便将呈数据模式形式的所测量数据与学习到的属性相关联。例如，一个学习到的属性可以包括工件上的缺陷，诸如一种或多种颗粒污染物。这种缺陷可以与用于检测要解决的不一致性的所测量数据模式相关联。在其他实施例中，缺陷可能指示工件属性的超出公差条件。例如，超出公差的工件属性可能包括厚度、临界尺寸(CD)、表面粗糙度、特征轮廓、图案边缘放置、空隙、选择性损失、不均匀性的量度或负载效应。这种缺陷或这种缺陷的各种组合可以被主动遮断控制系统用于不一致性的模式识别。
在另一实施例中，学习到的属性(不是缺陷)可以包括工件上存在缺陷的概率。这种学习到的属性可能与所测量数据相关联，以预测不一致性的存在。如上所述，主动遮断控制系统将实施一个或多个人机界面组件，诸如显示组件，用于可视化工件区域以向操作员显示存在不一致性。
关联引擎/组件1126还可以用于预测是否存在不一致性。具体地，在工件的两个或更多个区中获得所测量数据。关联引擎1126使用来自多个位置的所测量数据，并且基于位置测量数据的相关性，可以预测不一致性的存在。
根据本发明的另一特征，主动遮断控制系统使用人工智能特征。具体地，自主学习组件或引擎1130形式的机器学习可以由系统实施，如下面在本文中进一步讨论的。自主学习引擎接收所测量数据并生成知识。该知识表征测量数据1136和加工序列的性能，并且在检测到不一致性时决定用于在存在不一致性的情况下校正加工序列的动作计划或校正性加工计划。自主学习引擎还将实施可以与加工模块的所测量数据或诊断数据相关联的加工参数数据1138以及与生产平台及其上的加工模块相关联的平台性能数据1140中的一项或多项。加工参数数据和平台性能数据在自主学习引擎中与测量数据相结合，以形成知识。自主学习引擎提供的机器学习可以结合监督学习，该监督学习将诸如测量数据等输入映射到可用于确定校正性加工的输出。
可替代地，自主学习引擎可以使用聚类分析或聚类来对各种缺陷进行分组，例如，用于确定是否存在不一致性并确定用于解决该不一致性的校正性加工。
可替代地，自主学习引擎可以使用降维算法，诸如例如，从多个不同加工步骤中确定可以用于解决检测到的不一致性的适当的校正性加工步骤。
可替代地，自主学习引擎可以使用结构化预测算法来确定用于解决检测到的特定类型的不一致性的校正性加工。
可替代地，自主学习引擎可以使用聚类分析或聚类来对各种缺陷进行分组，例如，用于确定是否存在不一致性并确定用于解决该不一致性的校正性加工。
可替代地，自主学习引擎可以使用异常检测算法来确定不一致性。
可替代地，自主学习引擎可以使用强化学习来确定校正性加工和结果。
通过自主学习引擎实施的各种机器学习算法的各种组合可以用于生成知识，该知识表征所测量数据和加工序列的性能，并确定校正性加工动作以解决任何检测到的不一致性。自主学习引擎可以实施与加工序列或配方1134相关联的数据，以便确定适当的校正性加工步骤。此外，主动遮断控制系统可以实施来自一个或多个数据库1132的现有数据，以提供对所测量数据1136、加工参数数据1138和平台性能数据1140进行必要的机器学习和人工智能处理，以检测不一致性并确定校正性加工步骤。
所测量数据可以是工件属性的定量测量结果，用于评估以确定是否存在不一致性或缺陷。可替代地，所测量数据可以是工件属性的定量测量的替代物(proxy)。作为示例，替代物允许使用不太复杂的技术(即，工件属性的近似值)来测量期望的工件属性(例如，膜厚度)和/或测量代表期望的工件属性的另一工件属性。
在一个实施例中，主动遮断控制系统包括与自主学习引擎1130一起工作并接收所测量数据的交互组件1136。如本文所披露的并且关于图17至图37所阐述的，自主学习引擎/组件可以与交互组件接口连接，以处理用于主动遮断和控制生产平台的数据。交互组件包括适配器组件，该适配器组件被配置为打包所测量数据并将所打包数据传送到自主学习引擎。自主学习引擎接收所打包数据并生成表征所打包数据和加工序列的性能的知识。自主学习引擎1130进一步包括处理所打包数据的处理平台，其中，该处理平台包括对所打包数据进行操作的一组功能单元。该组功能单元包括自适应推断引擎，该自适应推断引擎分析所打包数据并至少部分地基于该加工序列的加工目标来推断要执行的动作。功能单元还包括至少部分地基于数据或上下文变化之一来制定加工目标的目标组件，并且还包括存储知识的存储平台。在自主学习引擎中，存储平台包括存储器的层次结构，该层次结构包括长期存储器、短期存储器和情景存储器。长期存储器存储包括以下中的至少一项的一组概念：实体、关系或程序。该组概念中的概念包括第一数字属性和第二数字属性，该第一数字属性指示概念与该加工序列的当前状态的相关性，并且该第二数字属性指示使用该概念的难易度。该交互式组件还从该多个加工模块中的一个或多个接收模块诊断数据。交互式组件在准备所打包数据时将该模块诊断数据与所测量数据打包。
交互组件还包括交互管理器，该交互管理器促进与外部参与者的数据交换。训练数据可以是所打包数据的一部分，或与外部参与者交换的数据的一部分，或者这两组数据都可以包括训练数据。该训练数据可以包括与任务(例如，准备用于沉积薄膜的表面、在工件的目标区域上沉积规定厚度的薄膜、去除沉积在工件的非目标区域上的薄膜的(多个)部分等)相关联的模块过程或变量的标识、以及与该任务相关联的两个或更多个模块过程或变量之间的功能关系中的至少一项。训练数据还可以包括因果图，该因果图包括：与该因果图中存在且与该任务相关的一组模块过程或变量相关联的一组先验概率，以及与该因果图中存在且与该任务相关的一个或多个模块过程或变量相关的一组条件概率。或者，训练数据还可能包括描述加工序列行为的一组参数。
图17至图37展示了可以由本发明的主动遮断控制系统1110实施的自主学习引擎/组件的一个实施例，如下文进一步阐述的。
根据本发明的一方面，利用如本文描述的生产平台和元件来实施主动遮断控制系统。主动遮断控制系统从多个加工模块以及各个测量模块捕获数据，以处理与工件属性相关联的数据，以便在必要时对工件进行校正性加工。更具体地，基于测量数据检测不一致性、缺陷或污染，并且作为主动遮断的一部分按加工序列执行校正性加工。校正性加工可以在加工序列上游或下游的加工模块中执行。例如，如果检测到缺陷或不一致性，则可以在从加工序列中工件当前所在的位置的上游或下游中的加工模块中进行校正性调整，以尝试并校正缺陷或不一致性。相反，为了从一开始防止发生检测到缺陷或不一致性，可以诸如在后续工件中以校正性方式调整或影响加工流程中的一个或多个加工模块，以在最初防止发生缺陷或不一致性。
更具体地，生产平台包括一个或多个工件搬送模块，该一个或多个工件搬送模块被配置和控制为在加工序列中(诸如在各个加工模块与测量模块之间)移动工件。主动遮断控制系统被配置为控制工件在加工序列中的移动和加工，并且还对来自工件的所测量数据以及与加工模块相关联的原地数据进行处理。主动遮断控制系统使用所测量数据来控制工件在加工序列中的移动。
主动遮断控制系统将选择性地控制上游和下游方向的校正性加工。通常，生产平台将包括一个或多个成膜模块和一个或多个刻蚀模块。在一个控制序列中，在工件已经在成膜模块中被加工并且然后被测量以检测不一致性或缺陷之后，在刻蚀模块中执行校正性加工。可替代地，在工件已经预先在成膜模块中被加工之后，在另一成膜模块中执行校正性加工。在另一种情况下，本发明在检测到不一致性或缺陷时提供校正性加工，并且该校正性加工在成膜模块中进行加工之前在处理模块(诸如清洁模块)中进行。
本发明的一种特殊用途是在多重图案化加工中，诸如自对准多重图案化(SAMP)，包括SADP(双重图案化)、SATP(三重图案化)、SAQP(四重图案化)和SAOP(八重图案化)、四重图案化(SAQP)。这种自对准多重图案化技术已使常规浸没式光刻能够用于打印亚分辨率特征，从而满足高级技术节点的尺寸缩放需要。该方法通常包括在衬底上创建心轴图案(SATP为双心轴)，并在心轴图案上保形地施加薄膜。然后部分地去除保形薄膜，在心轴图案的侧壁上留下材料。然后，将心轴选择性地去除，从而在心轴侧壁上留下薄的图案。然后可以将此类图案用于选择性刻蚀以将图案平移或搬送到层上。
为了促进SAMP加工，如本文所展示的公共平台配备有刻蚀模块、薄膜形成模块、清洁模块、以及其他处理前或处理后模块。公共平台接收具有已在其上形成的心轴图案的工件或衬底。在该加工序列的第一步期间，将称为间隔膜的薄膜保形地施加到心轴图案上。然后，根据本发明，在完成该步骤之后，重要的是验证保形薄膜的质量。这可以通过将工件移动到一个或多个测量模块或使工件穿过搬送测量模块的测量区域来完成。在测量模块中，测量与薄膜属性相关联的数据。例如，测量膜的保形性、膜厚度和整个衬底上的膜厚度的均匀性、膜的成分、膜应力等。通常，间隔膜是氧化硅或氮化硅。取决于施加薄膜的加工条件，可能在薄膜中存在应力，无论是拉伸力还是压缩力，这都可能不利于进一步加工。在保形膜应用完成之后，对衬底进行刻蚀步骤以部分去除水平表面上的保形膜，称为间隔物刻蚀。在心轴图案之间的表面以及心轴的顶表面上各向异性地去除保形膜，从而在心轴图案的侧壁上留下保形膜。完成此步骤后，对工件来说，可能还很重要的一点是，通过评估心轴侧壁上的薄膜厚度以及整个衬底上的薄膜厚度的均匀性、薄膜成分或由于刻蚀工艺对膜的任何改变或损害、剩余的多色图案的临界尺寸(CD)(即心轴和间隔物等)，来验证保留在心轴图案上的保形薄膜的质量。此后，可以应用清洁工艺来去除残留物，并且可以执行处理步骤以补偿之前的任何步骤。在完成(间隔物)刻蚀步骤之后，对衬底进行另一刻蚀步骤以选择性地去除心轴，同时保留侧壁间隔物，称为心轴移除刻蚀(mandrel pull etch)。完成此步骤后，重要的是通过评估间隔物的厚度或CD、间隔物的高度、整个衬底上间隔物CD和/或间隔物高度的均匀性、间隔物的轮廓或形状(例如，侧壁角度或90度的变化等)等，来验证保留在衬底上的间隔物图案的质量。
该加工序列在受控环境内进行，并且包括周期性的计量步骤，以评估间距减小的序列以及保留在衬底上的所得间隔物图案的质量。多个图案中的缺陷将扩展到衬底上的下层膜中。根据本文描述的实施例，位于公共平台上本地或远程的智能设备和过程管理系统以及主动遮断控制系统可以在大批量生产环境中控制SAMP加工序列，以改进良品率和循环时间。控制器可以(i)识别产生超出目标规范的衬底结果的加工步骤，(ii)提取不符合规范的加工步骤的数据(例如工件测量和计量数据等)，以模拟不符合规范状况对加工步骤的影响，(iii)显示数据或数据的一部分；(iv)对工艺配方优化(多次)工艺配方调整，包括上游或下游加工调整以补偿缺陷；以及(v)传达提出的(多次)配方调整以与过程流程一起采用，以校正不符合规范的状况。例如，如果在SAMP工艺期间形成的所得间隔物图案表现出缺陷轮廓(例如，过度倾斜)，则间隔物图案的转移将导致下游硬掩模开口CD发生变化，并且如果不加以校正可能会导致故障。在这种情况下，智能控制器可以考虑沉积工具配方数据库中的所有校正选项，并基于所有下游单元工艺配方组合针对有问题的衬底对结果进行模拟。此后，可以执行校正性动作，该校正性动作包括认定当前加工步骤合格、认定当前加工步骤不合格并丢弃衬底、或者通过在当前加工步骤的上游和/或下游补偿其缺陷来补救加工步骤。
在本发明的另一示例中，可以在刻蚀工艺中实施校正性加工和主动遮断。在刻蚀应用期间，重要的是监测衬底上的几个产品参数，以确保图案搬送过程的完整性。根据本发明的用于测量数据捕获的产品参数可以包括特征CD(从上到下)、特征深度、CD和深度的均匀性(跨衬底，针对密集和隔离的特征等)、相对于衬底上暴露的材料的刻蚀速率和选择性、以及图案轮廓，包括侧壁弯曲、侧壁角度、拐角倒角等。根据本发明，在刻蚀模块上存在几个控制参数用于调整或控制产品参数，并且此类加工参数也可以由主动遮断控制系统捕获，以确定在工件的加工中是否出现了不一致性或缺陷。校正性加工可以涉及针对未来对工件的加工来控制或修改一个或多个加工参数，从而在检测到此类不一致性和缺陷时影响后续补救加工。此类加工参数可以包括气相环境的化学成分、进入模块的加工气体的流速、压力、用于等离子体生成和维护的源和/或偏置射频(RF)功率、衬底温度、衬底背面气体压力、(多个)腔室温度、直流(DC)电压、与气体流和/或功率的时间和空间调制相关联的参数(例如，脉冲幅度、脉冲宽度、脉冲周期、脉冲占空比等)等。一些控制参数(诸如衬底温度，以及在较小程度上的功率和气体流量)可以在空间上分区以解决或控制过程均匀性。另外，刻蚀模块上存在可预测产品结果的若干加工参数，可在加工期间进行监测，这些参数包括等离子体光发射(例如，光学发射光谱法，OES)、RF功率(正向和反射)以及阻抗匹配网络设置、用于监测等离子体状况、稳定性、电弧放电等的电特性(包括电压和电流)，以及用于监测离子温度(Ti)、电子温度(Te)、离子能量分布函数(iedf)、离子角度分布(iadf)、电子能量分布函数(eedf)、离子和/或自由基通量等的许多其他传感器和方法。主动遮断控制系统可以捕获并使用这种加工数据，以提供校正性加工。
成膜还提供了加工序列中的一个结点，在该结点中，捕获测量/计量数据，并且如果检测到不一致性或缺陷，则可以执行校正性加工。在薄膜形成应用期间，可以使用本发明的测量模块和TMM来测量或监测衬底上的几个产品参数，以确保在衬底上形成的膜的质量。例如，可以捕获与针对密集和隔离的特征的膜厚度、膜对衬底形貌的保形性、膜成分、膜应力、膜选择性、膜在整个衬底上的平坦性相关联的测量数据，与膜的电特性(例如介电常数)、膜的光学特性(例如，折射率、光谱吸收率、光谱反射率等)、膜的机械特性(例如，弹性模数、硬度等)以及膜特性的均匀性等相关联的测量数据。基于在工件中检测的不一致性，可以通过控制成膜模块中的若干控制参数来调整或控制产品参数(包括化学成分和膜前驱体的相、蒸发器或安瓿瓶的温度、载气流速、前体输送管线温度、腔室中的气相环境的化学成分、进入模块的加工气体的流速、在等离子体辅助沉积装置中用于等离子体生成和维护的压力、源和/或偏置射频(RF)功率、衬底温度、衬底背面气体压力、(多个)腔室温度、与气体流和/或功率的时间和空间调制相关联的参数等)在加工序列中对活动工件或未来的工件实施校正性加工。
可能捕获的附加测量数据针对的是颗粒污染，这是器件制造过程中的变化来源，并且可以归类为缺陷。在一些实施例中，公共平台配备有刻蚀模块、成膜模块、清洁模块以及其他处理前或处理后模块或其子集，并且该平台可以使用包括颗粒去除设备的加工模块。因此，在检测到颗粒污染时，主动遮断控制系统可以使用颗粒去除设备实施补救加工步骤，该设备可以包括气相或部分液化的气相束或射流。这种加工模块的颗粒去除束或射流可以是低温的或非低温的，并且可以包括或可以不包括气溶胶、气体团簇等。公共平台还可以与缺陷检查测量模块组合以执行对工件表面扫描进行监测、对颗粒进行计数并识别膜缺陷。缺陷检查模块可以包括光学检查，即，使用暗场和/或亮场照射来检测颗粒的存在。可替代地或另外地，缺陷检查模块可以包括电子束检查。一旦检测到缺陷，主动遮断控制系统就会影响生产平台中的加工序列，以校正性地加工工件，从而去除任何的污染颗粒。
根据本发明的另一方面，由本发明的主动遮断控制系统处理的数据将包括制造测量/计量数据，该制造测量/计量数据是由在公共生产平台中实施的测量模块或TMM确定的。这种制造测量数据是对部分或完全基于在公共生产平台上执行的加工序列的工件的属性的测量结果。这种信息可以与收集的其他数据组合，包括与某些加工参数或公共平台中一个或多个加工模块的设置相关联的加工参数数据，以及反映关于公共生产平台的某些参数和设置以及信息的平台性能数据。
加工参数数据可以包括对在加工模块中执行的一个或多个加工条件的指示。例如，这些加工条件可以基于等离子体密度、等离子体均匀性、等离子体温度、刻蚀速率、刻蚀均匀性、沉积速率和/或沉积均匀性中的至少一项。此类所测量加工条件还可以包括施加到设置在加工模块内的等离子体源的能量的振幅、频率和/或调制之一。更进一步地，加工条件可以包括在加工序列期间流入加工模块的气体流速、设置在该加工模块内的工件固持器的温度、和/或在该加工序列期间在该加工模块中的压力。
该平台性能数据可以包括对有助于执行该加工序列的平台属性的指示或对加工模块已被置于该加工序列多长时间的指示。有助于加工序列的示例性平台属性可以包括加工冷却水温度、加工冷却水流速、加工模块的加工时间和/或加工模块的累积厚度。
当使用各种数据(包括制造测量数据、加工参数数据和/或平台性能数据)检测到不一致性时，可以执行主动遮断。在测量的工件上或在随后要加工的工件上，对加工序列执行主动遮断。即，该数据可以用于校正当前工件，或者可以稍后用于校正已加工的后续工件，从而不会出现进一步的不一致性。
在替代性实施例中，测量数据可以在加工模块中原地捕获并用于检测工件的不一致性。例如，各种传感器可以位于加工模块的腔室内，诸如刻蚀室、成膜室或沉积室，或者检查系统可以进入加工室的内部空间。在这种情况下，原地加工测量数据可以单独使用，或者可以与被认为是制造测量数据的其他测量数据结合使用，并且可以基于所收集的制造测量数据或原地加工测量数据中的至少一项检测出工件的不一致性。然后，可以在加工序列中执行主动遮断，以在已收集到该测量数据之后，在该公共生产平台上按该加工序列对该工件进行校正性加工。
根据本发明的一方面，取决于所检测到的不一致性或缺陷，主动遮断对当前工件的校正性加工可以包括多个不同的路径。在一个示例性路径中，可以改变一个或多个加工模块内的过程。这可能发生在工件当前所在的加工序列上游的过程或模块中，或者可能发生在加工序列下游的过程或模块中。
加工序列的过程变化可以包括将工件置于补救加工序列中，以校正不一致性。补救加工序列可以包括为解决或去除不一致性而采取的步骤。例如，可以在加工序列中添加清洁工件的步骤。工件的清洁可以使用低温冷却的喷雾进行，例如使用如图10E所示的腔室。此外，可以从工件上去除膜或可以去除膜的一部分。这种补救步骤可以在公共生产平台上执行。或者，该补救加工序列可以在该公共生产平台外部执行。
可替代地，过程变化可以包括将工件置于调整加工序列，以修改检测到的不一致性。调整加工序列可以包括部分或完全基于从中检测到不一致性的制造测量数据或原地加工测量数据的实时测量结果来控制加工模块的一个或多个加工参数或条件。该调整加工序列可以包括至少部分地基于与该不一致性的校正相对应的模型来控制加工模块的一个或多个加工条件。该模型可以允许用户预测加工模块中加工步骤的结果，前提是要更改传入的工艺配方。而且，调整过程可以包括使成膜工艺、刻蚀工艺或膜处理工艺之间的过程交替进行，以修改检测到的不一致性。
而且，如果不一致性是无法补救、校正或修改的，则在主动遮断中可能会丢弃工件。
在又一替代方案中，主动遮断可以包括将不一致性通知给操作员，以允许操作员确定要采取的路径。
根据本发明的另一特征，可以在序列中的加工步骤期间在加工模块中原地收集原地加工测量数据。主动遮断可以指示校正性加工步骤，该校正性加工步骤也将在获得或收集原地加工测量数据的同一加工模块中原地进行。即，工件可能会保留在模块中，并在同一加工步骤中如原地测量之前那样进行进一步加工。
在执行主动遮断之后，可以移动或操纵工件以获得工件的附加制造测量数据，以确定基于主动遮断和校正性加工对不一致性的影响。如果校正性加工成功或朝着正确的方向移动以解决不一致性或缺陷，则基于所确定的对不一致性的影响，可以继续对工件的加工序列。
示例
图13A至图13E阐述了在区选择性沉积中进行主动遮断以通过主动遮断来去除自对准单层上的不期望的核的一个示例。
现在参考图13A至图13E，根据一个示例性实施例，具有主动遮断控制系统的生产平台可以被配置为执行和监测在衬底上进行区选择性沉积的方法，并被配置为收集测量数据和其他数据。在该实施例中，衬底1300包含基础层1302、第一材料层1304的暴露表面和第二材料层1306的暴露表面。在一个示例中，该衬底包括电介质层1304和金属层1306。例如，金属层1306可以包含Cu、Al、Ta、Ti、W、Ru、Co、Ni或Mo。电介质层1304可以例如包含Si02、低k电介质材料或高k电介质材料。低k电介质材料的标称介电常数小于Si02的介电常数，SiO2的介电常数大约为4(例如，热生长二氧化硅的介电常数的范围可以为3.8至3.9)。高k材料的标称介电常数大于Si02的介电常数。，
低k电介质材料的介电常数可以小于3.7或者介电常数范围为1.6到3.7。低k电介质材料可以包括氟化硅玻璃(FSG)、碳掺杂氧化物、聚合物、含SiCOH的低k材料、非多孔低k材料、多孔低k材料、旋涂电介质(SOD)低k材料或任何其他合适的电介质材料。低k电介质材料可以包括可从应用材料公司(Applied Materials,Inc.)商购的BLACK DIAMOND@(BD)或BBLACK DIAMOND@II(BDII)SiCOH材料或者可从诺发系统公司(Novellus Systems,Inc.)商购的Coral@CVD膜。其他可商购的含碳材料包括可从陶氏化学(Dow Chemical)获得的SILK@(例如SiLK-I、SiLK-J、SiLK-H、SiLK-D和多孔SiLK半导体绝缘树脂)和CYCLOTENE@(苯并环丁烯)以及可从霍尼韦尔(Honeywell)获得的GX-3TM和GX-3PTM半导体绝缘树脂。
低k电介质材料包括由单相组成的多孔无机-有机杂化膜，诸如具有CH3键的二氧化硅基基质，该CH3键在固化或沉积工艺期间会阻碍膜的完全致密化从而形成小的空隙(或孔)。仍然可替代地，这些电介质层可以包括由至少两相组成的多孔无机-有机杂化膜，该多孔无机-有机杂化膜诸如是具有多孔有机材料(例如，致孔剂)的碳掺杂二氧化硅基基质，该多孔有机材料在固化过程期间分解和蒸发。
此外，低k材料包括使用SOD技术沉积的硅酸盐基材料，诸如氢倍半硅氧烷(HSQ)或甲基倍半硅氧烷(MSQ)。这样的膜的示例包括可从道康宁(Dow Corning)商购的FOxR HSQ、可从道康宁商购的XLK多孔HSQ和可从JSR微电子(JSR Microelectronics)商购的JSR LKD-5109。
图14展示了在实施本发明的生产平台上的示例性加工序列的流程图。加工序列1400包括在过程流程的步骤1402中，将工件提供到平台的测量模块中或提供到TMM中，在该测量模块或TMM中，对工件进行测量和表征以生成测量数据。(框1404)
参考图15，根据图15所展示的过程流程1500，一旦已将工件移动到包含检查系统的测量模块或TMM中，或者一旦已经原地收集到数据，就可以对数据进行分析和处理以确定如何继续进行。更具体地，可以直接从工件收集数据，诸如指示与工件上的属性(诸如，已经沉积或刻蚀的特定层)相关联的测量结果的制造测量数据(框1502)。然后将这种数据送至公共生产平台的主动遮断控制系统。另外地并且可能可选地，可以由主动遮断控制系统获得加工参数数据和/或平台性能数据，以用于进一步进行如本文所披露的决策。例如，可以针对刚好在对工件进行测量之前执行的加工捕获某些加工设置。此外，可以获得附加的平台性能数据以提供关于所检测到的不一致性或缺陷是否与整个生产平台相关联的某种指示。
一旦已经从其他来源(诸如，从用于加工模块的单独的过程控制系统或用于生产平台的控制系统)测量并收集了数据，就可以如在步骤1506中所阐述的那样对数据进行分析和处理。这样的分析和处理可以包括多种不同的算法，诸如，包含模式识别和模式相关以及深度学习和自主学习的机器学习算法。如在步骤1508中所阐述的，通过这种加工，可以检测到不一致性和缺陷。如果在测量/计量过程中未发现可操作的不一致性或缺陷，则工件可以如常按加工序列继续进行。可替代地，如果检测到这种缺陷或不一致性，并且主动遮断控制系统确定可以对这种缺陷或不一致性进行校正或补救，则如步骤1510所示的，进行对加工序列的主动遮断以提供校正性加工。如果无法校正或补救这些缺陷或不一致性，则可以将该工件从加工序列中剔除。
参考图16，主动遮断步骤可以采用多个不同的路径。例如，如果主动遮断由控制系统指示(步骤1600)，则可以根据补救加工序列来执行补救加工(步骤1602)，以校正不一致性。例如，可以将工件引导到另一加工模块，以影响特定的层尝试和校正不一致性。例如，如果基于测量步骤沉积了该层并且该层的厚度不足，则工件可能会返回到先前的加工模块或被引导到另一加工模块以进行进一步的沉积。可替代地，补救加工序列可以通过用于去除先前已经沉积的层的一部分的刻蚀模块来增添加工步骤。
可替代地，如果不一致性无法校正，则主动遮断控制系统可以将工件引导至调整加工序列以修改所检测到的不一致性或缺陷。
更进一步地，主动遮断过程1600可以实施其中改变加工序列参数和各种其他加工模块的步骤1606。例如，并非在当前工件上提供主动遮断，而是可以通过改变特定加工序列的步骤或加工参数来影响后续工件。进行这种改变是为了防止未来出现先前已经检测到的任何不一致性或缺陷。
最后，如果对工件的补救和调整不合适，并且可能无法克服缺陷或不一致性，则主动遮断可以涉及简单地将工件从加工序列中剔除，以免浪费附加的时间和资源来加工工件。
返回图14的流程图，如果需要进行主动遮断，则可以如在步骤1405中所展示的那样进行主动遮断。可替代地，如果不需要进行主动遮断，则所制造的工件如常按加工序列继续进行。
按照加工序列，在步骤1406中，可选地将工件搬送到加工模块中，以利用处理气体进行处理。例如，处理气体可以包括氧化性气体或还原性气体。在一些示例中，氧化性气体可以包括O2、H2O、H2O2、异丙醇或其组合，并且还原性气体可以包括H2气体。氧化性气体可以用于氧化第一材料层204的表面或第二材料206的表面以改善随后的区域选择性沉积。在一个示例中，处理气体可以包含等离子体激发的Ar气体或由其组成。
在该过程中，步骤1406可以提供用于进行测量和遮断的附加时刻。在步骤1408中，可选地将工件搬送到测量模块或TMM中，在该测量模块或TMM中，对在步骤1106中对工件的加工或处理进行测量和表征。如果指示了主动遮断，则可以在步骤1409中执行主动遮断。
此后，在步骤1410中，将衬底搬送到另一加工模块中，在该另一加工模块中在工件1300上形成自对准单层(SAM)。该SAM可以通过以下方式而在工件1300上形成：将该工件暴露于包含能够在工件上形成SAM的分子的反应气体。SAM是通过吸附作用自发形成在衬底表面上并被组织成或大或小的有序域的分子组装体。SAM可以包括具有头基、尾基和官能端基的分子，并且SAM是通过从室温或高于室温的气相中将头基化学吸附到工件上、然后是尾基的不活跃组织而产生的。最初，在表面上的小分子密度下，被吸附物分子要么形成无序的分子团，要么形成有序的二维“躺下相”，并且在几分钟至几小时的时间段内以较高的分子覆盖范围开始在衬底表面上形成三维晶体或半晶体结构。头基一起组装在衬底上，而尾基远离衬底组装。
根据一个实施例，形成SAM的分子的头基可以包括硫醇、硅烷或膦酸酯。硅烷的示例包括包含C、H、Cl、F和Si原子或C、H、Cl和Si原子的分子。该分子的非限制性示例包括十八烷基三氯硅烷、十八烷基硫醇、十八烷基膦酸、全氟癸基三氯硅烷(CF3(CF2)7CH2CH2SiCl3)、全氟癸硫醇(CF3(CF2)7CH2CH2SH)、氯癸基二甲基硅烷(CH3(CH2)8CH2Si(CH3)2Cl)和特丁基(氯)二甲基硅烷((CH3)3CSi(CH3)2Cl))。
可以使用工件1300上SAM的存在，以使得能够随后相对于第二材料层1306(例如，金属层)在第一材料层1304(例如，电介质层)上进行选择性膜沉积。这种选择性沉积行为是意料之外的，并提供了一种用于选择性地在第一材料层1304上沉积膜同时防止或减少第二材料层1306上的金属氧化物沉积的新方法。据此推测，第二材料层1306上的SAM密度相对于第一材料层1304上的SAM密度更大，这可能是由于第二材料层1306上的分子相对于第一材料层1304上的分子具有更高的初始排序。在图13B中，第二材料层1306上该更大密度的SAM被示意性地示出为SAM 1308。
在工件上形成SAM 1308之后，在步骤1412中，可选地将工件搬送到测量模块/TMM中，在该测量模块/TMM中，对工件上SAM 1308的形成进行测量和表征。如果需要主动遮断，则可以在步骤1413中执行主动遮断。例如，测量系统可以进行测量并收集与厚度、厚度不均匀性和/或不一致性相关联的数据。例如，如本文所述，如果SAM层的表面覆盖范围在厚度或一致性上不足，则可能导致使用SAM层进行的选择性沉积很差。同样，如果SAM层不均匀，则可能会在层1306上产生空隙。通过TMM/测量模块中的测量，可以检测到这种不一致性。在这种情况下，主动遮断控制系统可以将工件引导至刻蚀模块或清洁模块以去除SAM层。例如，如果该SAM层具有高水平的颗粒污染或者该层不均匀或尺寸不正确，则可以执行此操作。可替代地，如果尺寸不正确，则可以对SAM层进行补救，并且如果该层太薄，将工件发送到沉积室(例如，回到前一模块中)，以便设置更多的膜。可替代地，如果该层太厚，则可以将工件发送到刻蚀模块作为主动遮断或补救的一部分。
此后，将工件搬送到另一加工模块中，在步骤1414中，在该加工模块中，通过将工件1300暴露于一种或多种沉积气体而相对于第二材料层1306使膜1310(例如，金属氧化膜)选择性地沉积在第一材料层1304上。在一个示例中，膜1310可以包括包含HfO2、ZrO2或A12O3的金属氧化膜。膜1310可以例如通过CVD、等离子体增强CVD PEALD)、ALD或等离子体增强ALD(PEALD)来沉积。在一些示例中，可以通过ALD、使用含金属的前体与氧化剂(例如H2O、H2O2、等离子体激发的O2或O3)的交替暴露来沉积金属氧化膜1310。在沉积膜1310期间，期望保持选择性沉积并且仅在层1304上而不在层1306或甚至SAM层1308上沉积层1310。然而，由于某些条件，在SAM层上可能会发生一定程度的沉积。因此，根据本发明，在完成沉积层1310时，在TMM或其他测量模块或者测量区中进行测量，并且进行主动遮断以解决层1308上的沉积。
如图13C中所描绘的，在加工模块中暴露于一种或多种沉积气体除了在电介质层1304上沉积膜1310之外，还可以在SAM 1308上沉积膜材料，诸如膜核1312。如果沉积工艺进行的时间太长，则可能发生该沉积选择性损失。可替代地，电介质层1302与SAM 1308之间的沉积选择性可能很差。如果SAM 1308的表面覆盖范围不完整并且该层在第二材料层1306上包含空隙，则也可能发生很差的沉积选择性。
因此，在工件上沉积膜1310之后，在步骤1416中，将该工件搬送到测量模块/TMM中，在该测量模块/TMM中，由主动遮断控制系统对膜1310的沉积进行测量和表征。该表征可以确定沉积选择性的程度，以及是否需要任何主动遮断步骤以从SAM 1308去除膜核1312。如果需要主动遮断，则可以在步骤1417中诸如通过将工件引导至刻蚀模块来执行主动遮断。
可以使用刻蚀过程去除SAM 1308上的膜核1312以便在第一材料层1304上选择性地形成膜1310。在步骤1418中，将工件搬送到另一加工模块中以执行刻蚀过程。尽管也可以通过刻蚀过程来部分地去除膜1310，但是预计金属氧化物核1312的刻蚀要比膜1310的刻蚀快。刻蚀工艺可以包括干刻蚀工艺、湿刻蚀工艺或其组合。在一个示例中，刻蚀工艺可以包括原子层刻蚀(ALE)工艺。在图13D中所示出的所产生的工件具有选择性地形成在第一材料层1304上、且去除了任何膜核的膜1310。
在刻蚀过程之后，在步骤1420中，可选地将工件搬送到测量模块/TMM中，在该测量模块/TMM中对工件进行测量和表征，以确定过程的结果。该表征可以确定刻蚀工艺的程度。如果需要主动遮断(诸如，进一步刻蚀)，则可以在步骤1421中执行主动遮断。
此后，在步骤1422中，可以例如通过刻蚀或清洁加工模块或通过热处理从工件上去除SAM 1308。
如图14中示意性地示出的，可以重复上述加工步骤一次或多次，以增加工件上的膜1310的厚度。如果SAM 1308在膜沉积和/或刻蚀过程期间被损坏并且因此影响膜沉积选择性，则可能期望去除工件上的SAM 1308并随后在该工件上重复沉积SAM。
与生产工艺中的传统计量或过程控制不同，工件不会离开受控环境进入独立的测量/计量工具，从而使氧化和缺陷产生最小化，测量是非破坏性的，因此无需牺牲任何工件即可获得数据，从而使生产产量最大化，并且可以实时地收集数据作为过程流程的一部分，以避免对生产时间造成负面影响，并且使得能够对正在公共生产平台上依次加工的工件或后续工件进行过程中调整。另外，不在成膜模块或刻蚀模块中执行测量，从而避免了在测量器件暴露于加工流体时的问题。例如，通过如在一些所披露实施例中那样将工件测量区域结合到搬送模块中，可以在工件正在加工工具之间行进时获得数据，同时在过程流程中几乎没有延迟、不会暴露于加工流体并且不会离开受控环境(例如，不会破坏真空)。尽管“即时”数据可能不像根据在独立计量工具中执行的传统破坏性方法获得的数据那样准确，但对过程流程的几乎即时的反馈以及在不中断过程流程或不牺牲良品率的情况下进行实时调整的能力对于大批量生产而言是非常有利的。
进一步参考图14A的过程流程1430，该方法可以包括在不离开受控环境情况下(例如，在不破坏真空的情况下)，在整个集成方法的任何不同时间使用主动遮断控制系统来检查工件，诸如执行计量，即获得测量数据。对工件的检查或测量可以包括表征工件的一个或多个属性并确定该属性是否满足目标条件。例如，检查可以包括获得与属性相关的测量数据，以及确定缺陷率、厚度、均匀性和/或选择性条件是否满足该条件的目标。主动遮断控制系统可以包括如本文所讨论的公共生产平台上的一个或多个测量/计量模块或工件测量区域。在某些时刻，例如如由图14A中的虚线所指示的各种测量/计量操作以及随后的主动遮断步骤可以是可选的，但是可以在过程流程中的一个或多个点处有利地执行以确保工件在规范内。在一个实施例中，在公共生产平台上进行的集成的加工步骤序列中的每个步骤之后，获得测量数据。测量数据可以用于在离开公共生产平台之前在一个或多个主动遮断/补救/校正模块中修复工件，和/或可以用于针对后续步骤和/或后续工件来更改集成的加工步骤序列的参数。
广义上讲，在受控环境内，可以在集成的加工步骤序列期间获得与添加物材料的选择性沉积相关的测量数据，并且可以基于该测量数据来确定添加物材料层的缺陷率、厚度、均匀性和/或选择性是否满足目标条件。当缺陷率、厚度、均匀性和/或选择性被确定为不满足目标条件，或者工件的属性在其他方面被确定为是不合格的时，可以对工件进行进一步的主动遮断加工。例如，可以在可能被视为公共生产平台上的校正/补救模块的一个或多个模块中加工工件，以在执行集成的加工步骤序列中的下一个加工步骤之前去除、最小化或补偿不合格属性。例如，校正性动作可以包括：刻蚀目标表面或非目标表面，在工件上沉积另外的添加物材料，修复工件上的阻挡层，对工件进行热处理，或者对工件进行等离子体处理。取决于检测到的不一致性或缺陷，其他步骤也可能是主动遮断的一部分。
在一个示例中，在使用SAM进行加工的情况下，校正性动作可以包括：当不一致性至少部分地基于SAM对非目标表面的不完全覆盖或不完全阻挡时，或者当非目标表面的暴露面积的量大于预定暴露面积阈值时，或者当SAM表面上的添加物材料的量大于预定阈值时，去除SAM。在另一示例中，校正性动作可以包括：当不一致性至少部分地基于目标表面与非目标表面之间的高度差距离小于预定高度差阈值或者非目标表面的暴露面积的量小于预定暴露面积阈值时，去除添加物材料层的至少一部分。在又另一示例中，校正性动作可以包括：当不一致性至少部分地基于覆盖在目标表面上的添加物材料的厚度小于预定厚度阈值时，向工件添加另外的添加物材料。在又另一示例中，校正性动作可以包括：当不一致性至少部分地基于非目标表面的剩余添加物材料或非目标表面上的剩余自组装单层大于预定剩余厚度阈值时，刻蚀工件。在另一示例中，校正性动作可以包括：当不合格工件属性至少部分地基于来自工件的反射率小于预定反射率阈值时，对工件进行热处理或等离子体处理。
校正模块可以是被指定为公共生产平台上的校正模块或集成在公共生产平台上的另一类型的加工模块(诸如，热退火模块)的不同的成膜模块和刻蚀模块，或者可以是用于选择性地沉积添加物材料和刻蚀膜核的相同成膜模块和刻蚀模块。
现在将详细地描述图14A的过程流程1430，其中，可选的检查或计量操作用于表征工件的属性以确定何时达到ASD的目标厚度和/或确定是否存在不一致性。操作1432包括将具有目标表面和非目标表面的工件接收到公共生产平台中。操作1450包括：可选地执行测量/计量以获得与进入工件的属性(诸如，目标表面和/或非目标表面的属性)相关的测量数据，该测量数据可以用于调整和/或控制操作1434至1438中的任何一项操作的加工参数。
操作1434包括可选地对工件进行预处理。该预处理可以是在公共生产平台上执行的单个操作或多个操作。操作1452包括在预处理之后可选地执行计量以获得与工件的属性相关的测量数据。如果执行多次预处理操作，则可以在完成所有预处理之后和/或在任何单独的预处理步骤之后获得测量数据。在一个示例中，在形成SAM之后检查工件，以确定覆盖范围是否完整或者经处理表面的暴露面积是否超过阈值。测量数据可以用于调整和/或控制操作1434至1438中的任何一项操作的加工参数，可以用于针对后续工件对操作1432中或操作1434中的工件的进入属性进行调整，或者可以用于在继续进行加工之前修复工件。在一个实施例中，当测量数据指示一个或多个属性不满足目标条件时，可以将工件搬送到校正模块以修复工件。例如，当非目标表面上的SAM覆盖范围不完整时，可以在一个或多个加工模块中采取校正性动作，诸如去除SAM并重新涂覆SAM。
操作1436包括在托管在公共生产平台上的成膜模块中在工件上选择性地沉积添加物材料。操作1454包括可选地执行计量以获得与具有在目标表面上形成的添加物材料层的工件的属性(诸如，如受选择性沉积影响的添加物材料层的属性、非目标表面的属性和/或经预处理表面的属性)相关的测量数据，该测量数据可以用于调整和/或控制操作1438至1442中的任何一项操作的加工参数，可以用于针对后续工件对操作1432中或操作1434至1436中的工件的进入属性进行调整，或者可以用于在继续加工之前修复工件。在一个实施例中，当测量数据指示一个或多个属性不满足目标条件时，可以将工件搬送到校正模块以修复添加物材料层或非目标表面。例如，当添加物材料的缺陷率、厚度、均匀性或选择性不满足目标条件时，可以诸如通过以下方式在一个或多个校正模块中采取校正性动作：选择性地将附加的添加物材料沉积到目标表面上、从非目标表面或目标表面去除添加物材料、从非目标表面去除预处理层、对工件进行热处理或等离子体处理或者其中两项或更多项的组合。
操作1438包括使用托管在公共生产平台上的刻蚀模块来刻蚀工件以暴露非目标表面。操作1438可以包括：刻蚀沉积在非目标表面上或在非目标表面上形成的SAM上的膜核，或者将沉积在非目标表面上或在非目标表面上形成的SAM上的完整添加物材料层刻蚀为厚度小于在目标表面上形成的添加物材料层的厚度。操作1438还可以包括在同一刻蚀步骤或后续刻蚀步骤中从非目标表面去除SAM或其他预处理层。操作1456包括可选地执行测量/计量以获得与在目标表面和经刻蚀的非目标表面上具有添加物材料层的工件的属性(诸如，如受刻蚀影响的添加物材料层的属性、通过刻蚀而暴露的非目标表面的属性、和/或如受对来自非目标表面上的SAM的膜核的刻蚀影响的SAM或其他预处理层的属性)相关的测量数据，该测量数据可以用于调整和/或控制任何一个操作(包括在重复每个操作1442的序列时的步骤1434至1438)的加工参数，可以用于针对后续工件对在操作1432中或操作1434至1438中的工件的进入属性进行调整，或者可以用于在继续加工之前修复工件。在一个实施例中，当测量数据指示一个或多个属性不满足目标条件时，可以将工件搬送到校正模块，以到达添加物材料层或非目标表面。例如，当添加物材料的缺陷率、厚度、均匀性或选择性不满足目标条件时，可以诸如通过以下方式在一个或多个校正模块中采取校正性动作：选择性地将附加的添加物材料沉积到目标表面上、从非目标表面或目标表面去除添加物材料、从非目标表面去除预处理层、对工件进行热处理或等离子体处理或者其中两项或更多项的组合。进一步地，当测量数据指示添加物材料层的厚度小于目标厚度使得判定1440为“否”时，可以对工件重复每个操作1442的序列的步骤。当测量数据指示添加物材料层的厚度已经达到目标厚度使得判定1440为是时，工件可以离开公共生产平台。
如上所述，加工参数可以包括加工模块内的任何加工变量，诸如但不限于以下各项：气体流速；刻蚀剂、沉积反应物、吹扫气体等的合成物；腔室压力；温度；电极间距；功率；等。主动遮断系统的智能系统被配置为：从检查系统收集测量数据；并且例如通过以下方式来控制在公共生产平台上执行的集成的加工步骤序列：针对加工中的工件对后续加工模块中的加工参数进行原地调整，或者针对后续工件改变一个或多个加工模块中的加工参数。因此，所获得的测量数据可以用于识别在集成的加工步骤序列期间工件所需的修复，以避免必须报废工件，和/或可以用于针对在获得测量数据之后在同一工件上执行的步骤或针对加工后续工件来调整集成的加工步骤序列的加工参数，以减少后续工件不满足目标条件的发生。
尽管所展示的示例中的一些示例指示了电介质层上的金属氧化膜的ASD层，但是本发明也可以适用于金属对金属(MoM)选择性沉积或电介质对电介质(DoD)选择性沉积。
本发明还可以被实施用于通过如在本发明的系统上进行的自对准的多重图案化处理来进行主动遮断。在这种情况下，如本文所述，主动遮断系统可以是公共生产平台上的一个或多个测量/计量模块或工件测量区域。如图14B所指示的，各种测量或计量操作可以可选地执行，但可以在过程流程中的一个或多个点处有利地执行以确保工件在规范内，从而减小缺陷率和EPE。在一个实施例中，在公共生产平台上进行的集成的加工步骤序列中的每个步骤之后，获得测量数据。测量数据可以用于在离开公共生产平台之前在补救或校正模块中启动主动遮断并修复工件，和/或可以用于针对后续工件更改集成的加工步骤序列的参数。
对于多重图案化处理，例如，在受控环境内，可以在集成的加工步骤序列期间获得与侧壁间隔物图案的形成相关的测量数据，并且基于该测量数据。例如，公共平台中的TMM/测量模块或测量区域可以提供关于侧壁间隔物图案的厚度、宽度或轮廓的数据，并且可以由遮断控制系统对该数据进行分析以确定测得的侧壁间隔物图案的厚度、宽度或轮廓是否满足目标条件。当确定侧壁间隔物图案的厚度、宽度或轮廓不满足目标条件时，可能需要主动遮断，并且可以在公共生产平台上的加工模块中加工工件以更改侧壁间隔物图案。在一个实施例中，当不满足侧壁间隔物图案的目标厚度、宽度或轮廓时，可以修复侧壁间隔物图案。在一个示例中，可以将工件传递到成膜模块，以选择性地将附加材料沉积到结构上。可替代地，可以使用加工模块来将附加材料保形地沉积到结构上。更进一步地，主动遮断可以是使用一个或多个加工模块来重塑结构、刻蚀结构、将掺杂剂注入结构中、去除并重新施加结构的材料层。同样，对于如由控制系统所引导的适当主动遮断，可以组合各种补救校正步骤。
在实施例中，当在公共生产平台上的成膜模块中施加的薄膜的保形性或均匀性不满足该薄膜的目标保形性或目标均匀性时，可以采取校正性动作或主动遮断动作来修复该薄膜。在一个示例中，可以通过去除薄膜并重新施加薄膜来实现对保形地施加的薄膜的修复。这样，可以将工件传递到一个或多个刻蚀和/或清洁加工模块，并且然后传递到成膜模块以重新施加膜。在另一主动遮断示例中，工件可以去往用于保形地施加附加薄膜的成膜模块、或者去往用于刻蚀该薄膜的刻蚀模块、或者成膜和刻蚀的某种组合。例如，可以将工件搬送到校正刻蚀模块以去除薄膜或部分地刻蚀薄膜，和/或可以将工件搬送到校正成膜模块以在去除薄膜之后重新施加薄膜或在现有薄膜或被部分地刻蚀的薄膜上施加附加薄膜。
在实施例中，当在公共生产平台上的刻蚀模块中形成的侧壁间隔物的厚度、宽度或轮廓不满足侧壁间隔物的目标厚度、宽度或轮廓时，可以采取校正性动作来修复侧壁间隔物。可以通过选择性地将附加材料沉积到侧壁间隔物上、重塑侧壁间隔物、将掺杂剂注入侧壁间隔物中或其中两项或更多项的组合来实现对侧壁间隔物的修复。例如，可以将工件传送到校正成膜模块以选择性地沉积间隔物材料，或者传送到一个或多个校正成膜模块和/或刻蚀模块以执行侧壁间隔物重塑处理。
校正模块可以是被指定为公共生产平台上的校正/补救模块或集成在公共生产平台上的另一类型的加工模块(诸如，热退火模块)的不同的成膜模块和刻蚀模块。可替代地，用于主动遮断的模块可以是用于保形地施加薄膜、刻蚀薄膜和去除心轴图案的相同成膜模块和刻蚀模块。
现在将详细地描述图14B的具有可选的计量操作的过程流程1460。操作1462包括将具有第一心轴图案的工件接收到公共生产平台中。操作1480包括可选地执行测量/计量，以获得与进入工件的属性(诸如，第一心轴图案和/或心轴图案形成于其上并且要将最终图案转移到其中的底层的属性)相关的测量数据。测量数据可以用于调整和/或控制操作1464至1478中的任何一项操作的加工参数。
操作1464包括使用托管在公共生产平台上的成膜模块在第一心轴图案上保形地施加第一薄膜。操作1482包括可选地执行测量/计量以获得与具有所施加的保形第一薄膜的工件的属性(诸如，第一薄膜的属性，如受薄膜沉积影响的第一心轴图案的属性，和/或如受薄膜沉积影响的、要将最终图案转移到其中的底层的属性)相关的测量数据，该测量数据可以用于调整和/或控制操作1464至1468中的任何一项操作的加工参数，可以用于针对后续工件对在操作1462中或操作1464中的进入属性进行调整，或者可以用于在继续加工之前修复工件。在一个实施例中，当测量数据指示一个或多个属性不满足目标条件时，可以将工件搬送到加工模块以修复保形地施加的第一薄膜。例如，当第一薄膜的保形性或均匀性不满足第一薄膜的目标保形性或目标均匀性时，可以在一个或多个加工模块中采取校正性动作，诸如，去除薄膜并重新施加薄膜、保形地施加附加薄膜、刻蚀薄膜或其中两项或更多项的组合。
操作1466包括使用托管在公共生产平台上的刻蚀模块从第一心轴图案的上表面和与第一心轴图案相邻的下表面(例如，从底层)去除第一薄膜，以形成第一侧壁间隔物(称为间隔物刻蚀)。操作1484包括可选地执行测量/计量以获得与具有在第一心轴图案的侧壁上形成第一侧壁间隔物的经刻蚀第一薄膜的工件的属性(诸如第一侧壁间隔物的属性、如受间隔物刻蚀影响的第一心轴图案的属性、和/或如受间隔物刻蚀影响的底层的属性)相关的测量数据，该测量数据可以用于调整和/或控制操作1468至1478中的任何一项操作的加工参数，可以用于针对后续工件对在操作1462或操作1464至1466中的工件的进入属性进行调整，或者可以用于在继续加工之前修复工件。在一个实施例中，当测量数据指示一个或多个属性不满足目标条件时，可以将工件搬送到校正模块以修复心轴图案的侧壁上的第一侧壁间隔物。例如，当侧壁间隔物的厚度、宽度或轮廓不满足侧壁间隔物的目标厚度、宽度或轮廓时，可以在一个或多个加工模块中采取校正性动作，诸如，通过选择性地将附加材料沉积到侧壁间隔物上、重塑侧壁间隔物、将掺杂剂注入侧壁间隔物中或其中两项或更多项的组合。
操作1468包括使用托管在公共生产平台上的刻蚀模块来去除第一心轴图案(称为心轴移除)以留下第一侧壁间隔物。操作1486包括可选地执行测量/计量以获得与具有第一侧壁间隔物的工件的属性(诸如如受心轴移除影响的第一侧壁间隔物的属性、和/或如受心轴移除影响的底层的属性)相关的测量数据，该测量数据可以用于调整和/或控制操作1470至1478中的任何一项操作的加工参数，可以用于针对后续工件对在操作1462中或操作1464至1468中的工件的进入属性进行调整，或者可以用于在继续加工之前修复工件。在一个实施例中，当测量数据指示一个或多个属性不满足目标条件时，可以将工件搬送到校正模块以修复第一侧壁间隔物。例如，当侧壁间隔物的厚度、宽度或轮廓不满足侧壁间隔物的目标厚度、宽度或轮廓时，可以在一个或多个加工模块中采取校正性动作，诸如，通过选择性地将附加材料沉积到侧壁间隔物上、重塑侧壁间隔物、将掺杂剂注入侧壁间隔物中或其中两项或更多项的组合。
在自对准双重图案化实施例中，过程流程1460可以在没有操作1486的情况下或者在操作1486之后经由流程1470继续到操作1478，如以下所讨论的。操作1472包括使用托管在公共生产平台上的成膜模块在用作第一心轴图案的第一侧壁间隔物上保形地施加第二薄膜。操作1488包括可选地执行测量/计量以获得与具有所施加的保形第二薄膜的工件的属性(诸如，第二薄膜的属性、如受薄膜沉积影响的第二心轴图案的属性、和/或如受薄膜沉积影响的底层的属性)相关的测量数据，该测量数据可以用于调整和/或控制操作1474至1478中的任何一项操作的加工参数，可以用于针对后续工件对在操作1462中或操作1464至1468中的工件的进入属性进行调整，或者可以用于在继续加工之前修复工件。在一个实施例中，当测量数据指示一个或多个属性不满足目标条件时，可以将工件搬送到校正模块以修复保形地施加的第二薄膜。例如，当第二薄膜的保形性或均匀性不满足第二薄膜的目标保形性或目标均匀性时，可以在一个或多个加工模块中采取校正性动作，诸如，去除薄膜并重新施加薄膜、保形地施加附加薄膜、刻蚀薄膜或其中两项或更多项的组合。
操作1474包括使用托管在公共生产平台上的刻蚀模块从第二心轴图案的上表面和与第二心轴图案相邻的下表面(例如，从底层)去除第二薄膜，以形成第二侧壁间隔物(称为间隔物刻蚀)。操作1490包括可选地执行测量/计量以获得与具有在第二心轴图案的侧壁上形成第二侧壁间隔物的经刻蚀第二薄膜的工件的属性(诸如第二侧壁间隔物的属性、如受间隔物刻蚀影响的第二心轴图案的属性、和/或如受间隔物刻蚀影响的底层的属性)相关的测量数据，该测量数据可以用于调整和/或控制操作1476至1478中的任何一项操作的加工参数，可以用于针对后续工件对在操作1462中或操作1464至1474中的工件的进入属性进行调整，或者可以用于在继续加工之前修复工件。在一个实施例中，当测量数据指示一个或多个属性不满足目标条件时，可以将工件搬送到加工模块以修复第二心轴图案的侧壁上的第二侧壁间隔物。例如，当侧壁间隔物的厚度、宽度或轮廓不满足侧壁间隔物的目标厚度、宽度或轮廓时，可以在一个或多个加工模块中采取校正性动作，诸如，通过选择性地将附加材料沉积到侧壁间隔物上、重塑侧壁间隔物、将掺杂剂注入侧壁间隔物中或其中两项或更多项的组合。
操作1476包括使用托管在公共生产平台上的刻蚀模块来去除第二心轴图案(称为心轴移除)以留下第二侧壁间隔物。操作1492包括可选地执行测量/计量以获得与具有第二侧壁间隔物的工件的属性(诸如如受心轴移除影响的第二侧壁间隔物的属性、和/或如受心轴移除影响的底层的属性)相关的测量数据，该测量数据可以用于调整和/或控制操作1478中的加工参数，可以用于针对后续工件对在操作1462中或操作1464至1476中的工件的进入属性进行调整，或者可以用于在继续加工之前修复工件。在一个实施例中，当测量数据指示一个或多个属性不满足目标条件时，可以将工件搬送到加工模块以修复第二侧壁间隔物。例如，当侧壁间隔物的厚度、宽度或轮廓不满足侧壁间隔物的目标厚度、宽度或轮廓时，可以在一个或多个加工模块中采取校正性动作，诸如，通过选择性地将附加材料沉积到侧壁间隔物上、重塑侧壁间隔物、将掺杂剂注入侧壁间隔物中或其中两项或更多项的组合。
如上所述，加工参数可以包括加工模块内的任何加工变量，诸如但不限于以下各项：气体流速；刻蚀剂、沉积反应物、吹扫气体等的合成物；腔室压力；温度；电极间距；功率；等。主动遮断系统的智能系统被配置为：从检查系统收集测量数据；并且例如通过以下方式来控制在公共生产平台上执行的集成的加工步骤序列：针对加工中的工件对后续加工模块中的加工参数进行原地调整，或者针对后续工件改变一个或多个加工模块中的加工参数。因此，所获得的测量数据可以用于识别在集成的加工步骤序列期间工件所需的主动遮断步骤或修复，以避免必须报废工件，和/或可以用于针对在获得测量数据之后在同一工件上执行的步骤或针对加工后续工件来调整集成的加工步骤序列的加工参数，以减少后续工件不满足目标条件的发生。
也可以在接触部形成工艺中实施主动遮断。可以在公共生产平台上实施工件上的接触部形成。在一个实施例中，可以使用图案化的掩模层选择性地将晶体管接触区暴露于多种工艺(例如，清洁、金属沉积、退火、金属刻蚀)来形成接触部。在另一实施例中，可以在不使用图案化的掩模层的情况下使用选择性沉积和刻蚀工艺向晶体管接触区施加金属和从晶体管接触区去除金属来形成接触部。
在图案化的掩模层的实施例中，公共生产平台可以接收具有通过图案化的掩模层而形成并暴露的一个或多个接触特征的工件。该接触特征具有在接触特征的底部暴露的半导体接触表面，该半导体接触表面包含硅或锗或其合金。公共生产平台可以在一个或多个刻蚀模块之一中开始处理半导体接触表面以从其中去除污染物。在一个实施例中，可以在处理之前对进入晶圆进行X射线光发射光谱法测量，以检测接触特征内的污染水平。可替代地，可以进行椭圆偏振测量法(例如，厚度测量)以确定或粗略估计半导体接触表面上的氧化物的量。在这样做时，公共生产平台可以优化处理工艺以在刻蚀模块中去除材料。
在处理后，可以再次进行污染测量和厚度测量，以确认污染层或氧化物层已被充分去除。若否，则公共生产平台及其主动遮断控制系统可以采取补救动作，即，通过刻蚀模块对工件再进行一次或多次处理。可以重复该测量和处理工艺，直到污染或氧化低于预定阈值水平为止。在一些情况下，可以在TMM/测量模块中使用高分辨率光学测量系统(例如，高分辨率光学成像和显微镜检查、高光谱(多光谱)成像、干涉测量法、光谱法、傅里叶变换红外光谱(FTIR)反射测量法、散射测量法、椭圆偏振光谱测量法、旋光测量法、折射仪)或非光学成像系统(例如，SEM，TEM，AFM))来测量接触特征的尺寸。
接下来，公共生产平台将工件移动到金属沉积模块，以在接触特征内在半导体接触表面上沉积金属层。TMM或测量模块的测量系统可以使用结合到公共生产平台中的一个或多个测量/计量系统(例如，光学技术或非光学技术)来测量沉积层的膜特性(例如，厚度、电阻、均匀性、保形性)。基于测量结果和/或工艺性能数据，主动遮断控制系统可以对工件实施补救动作以增大或减小金属层的厚度，并且基于测量结果将适当地将工件移动到成膜模块或刻蚀模块以实现期望的结果。可替代地，控制系统可以适当地移动工件以去除金属层并且重新施加第二金属来代替第一金属层。在这种情况下，金属层例如与一个或多个晶体管部件的电介质材料物理接触。
尽管金属层在物理上与晶体管的电介质材料接触，但是由于金属与电介质材料之间突然转变而导致金属与电介质材料之间的界面电阻太高，因此尚未完全形成接触部。减小电阻的一种方法是对工件进行退火或加热以形成金属电介质合金，其中，该合金的电阻低于电介质材料并且高于金属。在热处理之后，主动遮断控制系统可以移动工件以使用薄膜电阻率计量系统来测量电阻，从而确认合金形成是在预定极限内。在这种情况下，主动遮断控制系统还可以确定：需要附加的热处理来完全形成合金材料以实现所期望的电阻，并且针对此步骤相应地操作公共生产平台中的工件搬送机构。
在热处理之后，可以将工件移动到刻蚀模块以去除金属层的未合金化部分，从而暴露接触特征内的合金。同样，主动遮断控制系统可以将工件放置到TMM或测量模块或某个其他测量系统，以测量电阻，从而确定金属层的未合金化部分是否已被充分去除。主动遮断控制系统可以重复刻蚀工艺，直到实现上述条件为止。然而，在一些实施例中，作为合金处理的结果，可以完全消耗金属层。在这种情况下，可能不需要金属刻蚀工艺。
在一些实施例中，图案化的掩模层工艺可以包括在一个或多个成膜模块之一中在沉积金属层或合金化层上施加导电覆盖层，以覆盖金属层或合金层从而抵御金属氧化或其他污染。
在其他实施例中，公共生产平台可以被配置和控制为在接触部之上形成通孔结构(例如，W、Co、Ru)，以将接触部连接至稍后在晶体管之上形成的金属线，这些金属线将电信号提供给晶体管部件。
在另一实施例中，可以使用区选择性沉积(ASD)技术来实施接触部形成，这些技术依赖于工件上的暴露材料和沉积膜选择性地相互作用的化学特性，使得沉积膜仅在某种暴露材料上生长或以高得多的速率生长。因此，可以从进入工件中省略图案化的掩模层。然而，ASD实施例仍然使用与图案化的掩模层的实施例相同的许多步骤，但有两个主要差异。自组装单层的施加和去除，其中，在金属沉积之前施加SAM，并且在金属沉积之后去除SAM。SAM层代替了图案化的掩模层，使得毯式金属沉积能够选择性地沉积在接触特征上。例如，在掩模实施例中，金属层沉积在接触特征和掩模层上，以在工件之上形成毯式金属层。相比而言，在ASD实施例中，金属被选择性地沉积在未被SAM层覆盖的接触特征上，并且没有在SAM上形成厚度与接触特征之上的金属层厚度相同的金属层。
在ASD实施例中，公共生产平台和主动遮断控制系统将使用各种测量/计量系统来确认SAM覆盖范围和/或密度充分覆盖工件上的非接触特征和/或暴露工件上的接触特征。同样，主动遮断控制系统和公共生产平台可以使用测量/计量系统来确定SAM材料已从工件中充分去除。计量系统可以包括高分辨率光学器件(例如，高分辨率光学成像和显微镜检查)、高光谱(多光谱)成像、干涉测量法、光谱法、傅里叶变换红外光谱(FTIR)反射测量法、散射测量法、椭圆偏振光谱测量法、旋光测量法或折射仪。
自主学习引擎
现在参考附图描述本主题发明，其中，贯穿附图，相同的附图标记用于指代相同的要素。在以下描述中，为了解释的目的，阐述了许多具体细节以便提供对本发明的透彻理解。然而，可能显而易见的是，可以在没有这些具体细节的情况下实践本发明。在其他情况下，以框图形式示出了众所周知的结构和器件以有助于描述本发明。
如在本主题说明书中使用的，术语“对象(object)”、“模块(module)”、“接口(interface)”、“组件(component)”、“系统(system)”、“平台(platform)”、“引擎(engine)”、“单元(unit)”、“存储设备(store)”等旨在是指计算机相关的实体或与具有特定功能的可操作机器相关实体，该实体可以是硬件、硬件和软件的组合、软件或执行中的软件。例如，组件可以是但不限于以下各项：在处理器上运行的进程、处理器、对象、可执行文件、执行线程、程序和/或计算机。作为举例说明，在服务器上运行的应用和服务器两者可以是一个组件。一个或多个组件可以驻留在进程和/或执行线程内，并且组件可以位于一个计算机上和/或分布在两个或更多个计算机之间。而且，这些组件可以从其上存储有各种数据结构的各种计算机可读介质执行。组件可以诸如根据具有一个或多个数据分组的信号经由本地和/或远程进程进行通信(例如，来自经由该信号与本地系统、分布式系统中的另一组件和/或跨网络(诸如，互联网)与其他系统交互的一个组件的数据)。
此外，术语“或(or)”旨在意指包括性的“或”而不是排他性的“或”。也就是说，除非另有说明或从上下文可以清楚地看出，否则“X采用A或B”旨在意指任何自然包括性排列。也就是说，如果X采用A；X采用B；或X采用A和B两者，则在上述情况中任何一种情况下都满足“X采用A或B”。另外，除非另有说明或从上下文可以清楚地看出指向单数形式，否则如在本申请和所附权利要求中使用的冠词“一个(a)”和“一个(an)”通常应被解释为意指“一个或多个”。
参考附图，图17展示了可以由主动遮断控制系统实施的基于生物学的示例自主学习系统1700。自适应推断引擎1710耦接到目标组件1720。有线或无线通信链路1715与这种组件耦接。对于由目标组件1720建立或追求的特定目标，自适应推断组件1710接收如在本文所捕获的、可以用来实现该目标的输入1730(诸如，测量数据、加工参数数据、平台性能数据)并传达可以表示或记录所追求或所实现的目标的各方面的输出1740。另外，自适应推断引擎1710可以通过链路1755从数据存储设备1750接收数据，并且可以将数据或信息存储在这种数据存储设备中，例如，所存储的信息可以是通过有线或无线链路1765传达的输出1740的一部分。应当理解，(i)输入1730、输出1740和数据存储设备1750中的数据(以及输入的历史、输出的历史和数据存储设备中的数据的历史)包括针对自适应推断引擎1710的操作的上下文，并且(ii)经由链路1715、1755和1765将该上下文反馈到引擎中有助于基于上下文进行适配。特别地，目标组件1720可以利用反馈的上下文来适配特定的初始目标，并且因此建立和追求适配目标。
输入1730可以被视为外部数据或外部信息，其可以包括来自公共生产平台的测量模块数据、检查系统数据、加工模块参数数据、平台性能数据等以及加工序列数据。该数据可以包括指令、记录、测量结果；等等。输出1740本质上可以与输入1730基本上相同，并且其可以被视为内在数据。输入和输出可以分别通过输入接口和输出接口以及与生产平台的连接(例如，USB端口、IR无线输入端)来被接收和传达，这些接口和连接可以驻留在自适应推断组件1710中。如上所述，输入1730和输出1740可以是自适应推断引擎1710的上下文的一部分。可替代地，作为追求目标的结果，自适应推断组件1710可以请求输入1730。
可以递归地定义基于生物学的自主系统1700中的组件，这可以利用基础的基本组件为自主系统1700赋予相当程度的能胜任的学习复杂性。
每个链路1715、1755或1765可以包括通信接口，该通信接口：可以有助于对要传输或接收的数据或信息的操纵；可以利用数据库进行数据存储和数据挖掘；并且可以从参与者接收信息和向参与者传达信息。链路1715、1755或1765的有线实施例可以包括双绞线、T1/E1电话线、AC线、光纤线以及对应的电路系统，而无线实施例可以包括超移动宽带链路、长期演进链路或IEEE 802.11链路以及相关的电子产品。关于数据存储设备1750，尽管该数据存储设备被展示为单个元件，但是其可以是分布式数据仓库，其中，一组数据存储器被部署在不同的物理位置或逻辑位置中。
在示例系统1700中，自适应推断引擎1710和目标组件1720被展示为单独的组件，然而，应当理解，这样的组件之一可以驻留在另一个组件内。
目标组件1720可以属于一个或多个学科(例如，诸如半导体生产等科学学科或与半导体生产相关的企业行业(例如，市场行业、工业行业、研究行业等)。另外，由于目标通常可能涉及多学科并且专注于多个市场，因此目标组件可以在一个或多个特定学科或行业内建立多个不同的目标。为了追求目标，目标组件可以包括功能组件和监测组件。用于实现目标的特定操作通过(多个)功能组件来实现，而与实现目标相关的变量条件由监测组件来确定。另外，(多个)功能组件可以确定可以由目标组件1720实现的目标空间。目标空间基本上包括可以通过特定功能达到的所有目标。应当理解，对于由功能组件提供的这种特定功能，对特定目标的上下文适配可以在目标空间内将第一目标适配成第二目标。目标空间内的初始目标可以由一个或多个参与者确定；其中，参与者可以是机器或人类代理(例如，最终用户)。应当注意，初始目标可以是通用的高级目的，因为自适应推断引擎1710可以通过目标漂移将目标组件1720朝向复杂的详细目的驱动。接下来说明了目标、目标组件和目标适配。
图18是描绘了上下文目标适配的图1800。目标(例如，目标18101或目标18103)通常可以是与目标组件(例如，组件1720)的功能相关联的抽象概念。目标可以是高级抽象概念：“退休储蓄”、“得到利润”、“被娱乐”、“学习烹饪”、“去某个地方旅行”、“开发数据库”、“生产产品”等等。另外，目标可以是更具体的细化内容，诸如“在年收入范围在$60,000至$80,000的情况下储蓄提前退休”、“淡季从美国到日本的旅行，其中包括住宿在内的旅行费用不超过$5000”或“到达求职面试现场，向潜在雇主的一群员工做35分钟的演讲”此外，目标(例如18101)具有相关联的上下文(例如18201)。如上所述，耦接到自适应推断引擎1710的目标组件1720通常与所建立的目标(例如，目标18101或目标18103)兼容。例如，目标“生产产品”(例如，目标18101)可以依赖于采用标准规范或定制规范来生产产品的生产工具系统，诸如分子束外延反应器(示例目标组件1720)。在实现这样的目标(例如，目标18101)期间，输出1740可以包括所生产的产品。另外，自适应推断组件(例如，组件1710)可以基于如可以通过工具系统规范或通过由目标组件中的监测组件收集的数据而生成的上下文等上下文(例如，上下文18201)来适配(例如，适配18301)“生产产品”目标(例如，目标18101)。特别地，初始的高级目标(例如，目标18101)可以被适配成“生产半导体器件”(例如，目标18102)。如上所述，目标组件1720可以由多个功能组件组成以实现目标。另外，目标组件1720可以是模块化的，其中，随着目标的适配，可以结合目标子组件。作为示例，追求“生产产品”目标的目标组件可以包括多市场评估与预测组件，该多市场评估与预测组件耦接到大规模并行的智能计算平台，该智能计算平台可以对各种市场中的市场状况进行分析，以将目标适配(例如，18301)成“生产利用分子电子组件的多核处理器”(例如，目标1810N)。应当注意，这样的适配可能涉及多个中间适配18301至1830N-1以及中间适配目标18102至1810N-1，其中，中间适配基于从先前追求的目标生成的中间上下文18202至1820N。
在目标、目标组件和目标适配的另一说明中，目标可以是“在商店B购买电影A的DVD”，目标组件1720可以是具有包括自适应推断引擎1710的导航系统的车辆。(应当注意，在该说明中，自适应推断引擎1710存在于目标组件1720中。)参与者(例如，车辆操作员)可以输入或选择商店B的位置，并且目标组件可以生成用于完成目标的指引。在参与者正在去商店的路上时，自适应推断引擎1710接收到表明商店B已经停止进货电影A的输入1730(例如，RFID读取器已经更新了库存数据库并且更新消息已经被广播给组件1710)的情况下，自适应推断引擎1710可以(i)请求附加输入1730来识别库存中具有电影A的商店C；(ii)评估参与者可用来到达商店C的资源；以及(iii)评定参与者对实现目标的感兴趣程度。基于如(i)至(iii)中所展示的通过输入1730产生的修改后的上下文，目标组件可以接收表明要适配目标“去商店C购买电影A的DVD”的指示。
应当理解，自适应推断引擎1710可以建立与由目标组件1720确定的目标相关联的子目标。子目标可以通过使自适应推断引擎完成补充任务或学习与目标相关联的概念来促进实现目标。
总之，基于生物学的自主系统1700是具有上下文目标适配的目标驱动系统。应当理解，基于接收到的上下文的目标适配引入了附加的适配层来对输入信息进行分析，从而生成可操作的信息输出1740。(a)适配信息或数据分析过程，以及(b)基于上下文来适配初始目标的能力使得系统具有很大的自适应性或自主性。
图19展示了基于生物学的示例自主学习工具1900的高级框图。在实施例1900中，自主学习系统包括工具系统1910，该工具系统包括功能组件1915和传感器组件1925，该功能组件为工具系统赋予其特定功能并且可以包括单个功能工具组件或者基本上相同或不同的功能工具组件的集合，该传感器组件可以探测与由工具执行的工艺(如对半导体晶圆的热处理)相关的几个可观察到的量、并生成与该工艺相关联的资产1928。可以将收集到的资产1928(包括诸如生产过程数据或测试运行数据等数据资产)传达到交互组件1930，该交互组件包括：可以用作用于接收资产1928的接口的适配器组件1935、可以处理接收到的资产1928的交互管理器1945以及可以存储接收到的且经处理的数据的(多个)数据库1955。交互组件1930有助于工具系统1910与基于生物学的自主学习系统1960的交互。可以接收与在由生产平台工具系统1910执行的加工中生成的数据相关联的信息并且将该信息渐增地提供至自主学习系统1960。例如，将与工件相关联的测量数据以及与平台的加工模块相关联的加工参数数据送至交互组件1930。
基于生物学的自主学习系统1960包括存储平台1365，该存储平台存储接收到的信息1958(例如，数据、变量及相关联的关系、因果图、模板等)，可以经由知识网络1975将该信息传送到处理平台1985，该处理平台可以对接收到的信息进行操作、并且可以通过知识网络1975将经处理的信息传送回存储平台1965。自主学习系统1960的构成组件通常可以类似于大脑的生物学方面，其中，存储器与处理组件联网以操纵信息并生成知识。另外，知识网络1975可以从交互组件1930接收信息，并向该交互组件传达信息，该交互组件可以经由交互管理器1945将信息传递给工具系统1910或参与者1990。当信息1958被自主学习系统1960接收、存储、处理和传达时，可以在依赖于该信息的工具系统1910和参与者中实现多种改进。即，改进包括：(a)自主学习系统1960和工具系统1910随着时间的推移变得越来越独立，并且需要更少的参与者干预(例如，人工指导和监督)；(b)自主系统提高了其向参与者的输出质量(例如，更好地识别故障的根本原因或在系统故障发生之前对其进行预测)；以及(c)自主学习系统1960随时间的推移改进了其性能——自主系统1960以更快的速率和更少的资源消耗来递送改善的结果。
存储平台1965包括函数存储器组件的层次结构，这些函数存储器组件可以被配置为存储在工具系统1910的初始化或配置期间接收到的知识(例如，信息1958)(例如，先验知识)。可以通过交互组件1930将先验知识作为信息输入1958来传达。另外，存储平台1965可以存储(a)用来在工具系统1910的初始化/配置之后训练自主学习系统1960的训练数据(例如，信息输入1958)，以及(b)由自主学习系统1960生成的知识；知识可以通过交互组件1930经由交互管理器1945被传达给工具系统1910或参与者1990。
由参与者1990(例如，人类代理)提供的信息输入1958(例如，数据)可以包括标识与工艺相关联的变量的数据、两个或更多个变量之间的关系、因果图(例如，依赖图)或情景信息。这样的信息可以有助于在学习过程中指导基于生物学的自主系统1960。另外，在一方面，这样的信息输入1958可以被参与者1990认为是重要的，并且重要性可以与该信息同由工具系统1910执行的特定工艺的相关性相关。例如，氧化物刻蚀系统的操作员(例如，参与者1990是人类代理)可以确定刻蚀速率对于生产工艺的结果是至关重要的；因此，刻蚀速率可以是传送给自主学习系统1960的属性。在另一方面，由参与者1990提供的信息输入1958可以是一个提示，由此作出表明要学习工艺变量之间的特定关系的指示。作为示例，提示可以传达在特定沉积步骤内学习工具系统1910中的沉积室中的压力的行为，该行为取决于腔室体积、排气压力和进入的气体流量。作为另一示例，提示可以指示学习腔室压力的详细时间关系。这样的示例提示可以激活自主学习系统中的、可以学习压力对多个工艺变量的函数依赖性的一个或多个函数处理单元。此外，这样的提示可以激活一个或多个函数单元，该一个或多个函数单元可以应用习得的函数并将该习得的函数与模型或参与者1990可用的经验函数进行比较。
工具系统1910(例如，半导体生产工具)可能是复杂的，并且因此不同的参与者可以通过不同类型的特定知识、完整知识或不完整知识来专门研究对工具系统的操纵和操作。作为示例，人类代理(例如，工具工程师)可以知道不同的气体具有不同的分子质量，并且因此可以产生不同的压力，而工艺/工具工程师可以知道如何将由第一气体产生的压力读数转换为由第二气体产生的等效压力；这种知识的基本示例可以是将压力读数从一个单位(例如，Pa)转换为另一单位(例如，lb/in2或PSI)。基于生物学的自主学习系统中存在的另一种一般的更复杂的知识可以是工具系统的特性(例如，腔室的体积)与在工具系统中执行的测量(例如，腔室中测得的压力)之间的函数关系。例如，刻蚀工程师知道刻蚀速率取决于刻蚀腔室中的温度。考虑到知识的多样性以及这样的知识可能是不完整的事实，参与者(例如，诸如最终用户等人类代理)可以通过多种程度的所传达知识来指导自主学习系统1960：(i)没有指定知识。参与者不会为自主学习系统递送任何指导。(ii)基本知识。参与者可以传达工具系统的特性与工具系统中的测量之间的有效关系；例如，参与者传达刻蚀速率(κE)与加工温度(T)之间的关系(例如，关系(κE，T))，而没有进一步的细节。(iii)关于标识的输出的基本知识。进一步关于工具系统特性与工具系统测量之间的关系，参与者可以提供针对关系(例如，关系(output(κE)，T))中的因变量的特定输出。(iv)关于关系的部分知识。参与者知道工具系统特性与测量之间的数学方程式的结构以及相关因变量和自变量(例如，κE＝k1e-k2/T，而对于k1或k2没有具体值)。然而，参与者1990可能无法知道关系中的更多相关联常数之一的精确值。(v)完整的知识。参与者具有对函数关系的完整数学描述。应当注意，由于自主学习系统1960的进化并尝试自主地学习工具函数关系，因此可以随着时间的推移渐增地提供这种指导。
知识网络1975是根据所建立的优先级来传送信息(例如，数据)或传递功率的知识总线。可以通过一对信息源和信息目的地组件或平台来建立优先级。另外，优先级可以基于正在传输的信息(例如，该信息必须实时分发)。应当注意，优先级可以是动态的而不是静态的，并且可以根据自主学习系统1960中的学习进展、并鉴于存在于基于生物学的自主学习工具1900中的一个或多个组件中的一个或多个需求而变化——例如，可以识别出问题状况，并且作为响应可以保证并实现通信。经由知识网络1975进行的通信和功率传递可以通过有线链路(例如，双绞线链路、T1/E1电话线、AC线、光纤线)或无线链路(例如，UMB、LTE、IEEE 802.11)来实现，并且可以发生在一个功能平台(例如，存储平台1965和处理平台1985)内的组件(未示出)之间或不同平台中的组件(例如，存储平台中的自感知组件与另一自感知子组件通信)之间，或者通信可以在组件之间进行(例如，感知组件与概念化组件通信)。
处理平台1985包括对信息进行操作的函数处理单元：接收或检索特定类型(例如，特定数据类型，诸如数字、序列、时间序列、函数、类、因果图等)的输入信息，并通过处理单元执行计算以生成特定类型的输出信息。可以经由知识网络1975将输出信息传达到存储平台1965中的一个或多个组件。在一方面，函数处理单元可以读取和修改存储在存储平台1965中的数据结构或数据类型实例，并且可以在存储平台中存放新的数据结构。在另一方面，函数处理单元可以提供对各种数字属性(如适用性、重要性、激活/抑制能量和通信优先级)的调整。每个函数处理单元都具有确定对信息进行操作的层次结构的动态优先级；较高优先级单元比较低优先级单元更早地对数据进行操作。如果已经对特定信息进行操作的函数处理单元未能生成(例如，学习)新知识(如未能生成将不良运行与良好运行区分开的、与工具系统1910的操作相关联的排序编号或排序函数)，则可以降低与该函数处理单元相关联的优先级。相反，如果生成新知识，则提高该处理单元的优先级。
应当理解，处理平台1985通过已设置优先级的函数处理单元来模拟人类在特定状况(例如，特定数据类型)下尝试第一操作的倾向，如果该操作生成了新知识，则在后续基本上相同的状况下利用该操作。相反，当第一操作未能产生新知识时，减少采用第一操作来处理该状况的倾向，并且利用第二操作(例如，扩展激活)。如果第二操作未能生成新知识，则降低其优先级，并采用第三操作。处理平台1985继续采用某种操作，直到生成新知识为止，并且其他(多个)操作获得更高的优先级。
在一方面，参与者1990可以提供工艺配方参数、指令(例如，用于离子注入晶圆的退火周期的温度曲线、半导体的气相沉积中的快门打开/关闭序列、离子注入工艺中的离子束的能量、或溅射沉积时的电场强度)以及自主学习系统1960的初始化参数。在另一方面，参与者1990可以提供与工具系统1910的维护相关联的数据。在另一方面，参与者1990可以生成并提供由工具系统1910执行的加工的计算机模拟的结果。在这种模拟中生成的结果可以用作训练数据，以训练基于生物学的自主学习系统。另外，模拟或最终用户可以将与加工相关联的优化数据递送到工具系统1910。
可以通过一个或多个训练周期来训练自主学习系统1960，可以利用每个训练周期来开发基于生物学的自主学习工具1900，以(i)能够在无需外部干预的情况下执行较大数量的功能；(ii)在诊断生产系统健康根本原因中的某个根本原因时，提供更好的响应，诸如，提高准确性或正确性；并且(iii)提高性能，诸如，更快的响应时间、减少存储器消耗或提高产品质量。在训练数据是从与在工具系统1910上运行的工艺校准或工艺标准相关联的数据1928——这种数据可以被认为是内部的——中收集的情况下，可以经由适配器组件1935将训练数据提供给自主学习系统1960，或者通过交互管理器1945将训练数据提供给自主学习系统。当训练数据是从(多个)数据库1965中检索的时(例如，与通过外部探针进行的外部测量相关的数据，或工具系统1910中的修复干预的记录)；这种训练数据可以被认为是外部的。当训练数据是由参与者提供的时，数据通过交互管理器1945被传达并且可以被认为是外部的。基于内部或外部训练数据的训练周期有助于自主学习系统1960学习工具系统1910的预期行为。
如上所述，功能组件1915可以包括多个功能工具组件(未示出)，该多个功能工具组件与如本文所述的生产平台的工具特定半导体生产能力相关联，并且使得工具能够用于：(a)生产半导体衬底(例如，晶圆、平板、液晶显示器(LCD)等)；(b)进行外延气相沉积或非外延气相沉积；(c)促进离子注入或气体团簇离子注入；(d)执行等离子体或非等离子(干法或湿法)氧化物刻蚀处理；(e)实施光刻工艺(例如，光刻法、电子束光刻等)等。工具系统1910也可以在以下各项中实施：熔炉；用于在受控电化学环境中操作的暴露工具；平坦化器件；电镀系统；用于光学特性、电学特性和热特性(可以包括使用寿命(整个操作循环)测量)的测量模块或检查系统器件；各种测量和计量模块、晶圆清洁机器等。
在由工具系统1910进行的工艺中，取决于所收集数据的预期用途，检查系统的包含传感器组件1925的传感器和探针可以通过具有不同复杂程度的各种换能器和技术来收集与如所描述的工件的属性相关联的、以及关于加工模块的不同物理特性(例如，压力、温度、湿度、质量密度、沉积速率、层厚度、表面粗糙度、晶体取向、掺杂浓度等)及加工模块和生产平台的机械特性(阀孔口或阀角度、快门开/关操作、气体通量、衬底角速度、衬底取向等)的数据(例如，数据资产)。这种技术可以包括但不限于如本文描述的、用于获得上述数据以检测不一致性和缺陷并提供主动遮断的各种测量和计量技术。应当理解，传感器和测量模块检查系统提供来自工具系统的数据。还应当理解，这种数据资产1928有效地表征了从由工具系统1910的生产平台生产或制造的工件所测量数据。
在一方面，传感器组件或检查系统1925中的数据源可以耦接到适配器组件1935，该适配器组件可以被配置为收集呈模拟或数字形式的数据资产1928。适配器组件1935可以有助于在将在进程运行中收集的数据1968存放到存储平台1965中之前，根据该数据在自主学习系统1960中的预期用途对该数据进行组合或分解。适配器组件1935中的适配器可以与传感器组件/检查系统1925中的一个或多个传感器相关联，并且可以从该一个或多个传感器中读取数据。外部数据源适配器可能具有抓取数据以及传递从工具外部推送的数据的能力。例如，MES/历史数据库适配器知道如何查询MES数据库来提取各种自动机器人的信息，以及如何将数据打包/存放到自主系统的一个或多个组件的工作存储器中。作为示例，适配器组件1935可以在工具加工工件时一次收集一个工件或一个晶圆的晶圆级运行数据。然后，适配器组件1935可以批量合并各个运行，以形成“批次级数据”、“维护间隔数据”等。可替代地，如果工具系统1910输出针对批次级数据的单个文件(或计算机产品资产)，则适配器组件1935可以提取晶圆级数据、步骤级数据等。此外，分解后的数据元素可能涉及工具系统1900的一个或多个组件；例如，传感器组件1925中的压力控制器操作的变量和时间。在如上所述的处理或打包所接收到的数据1928之后，适配器组件1935可以将经处理的数据存储在(多个)数据库1955中。
(多个)数据库1955可以包括源自以下各项的数据：(i)工具系统1910，通过检查系统/传感器组件1925中的传感器执行的测量；(ii)生产执行系统(MES)数据库或历史数据库；或者(iii)在工具系统1910的计算机模拟中生成的数据，例如由参与者1990执行的半导体晶圆生产的模拟。在一方面，MES是一种系统，该系统可以测量和控制生产工艺和加工序列、可以跟踪设备可用性和状态、可以控制库存并且可以监测警报。
应当理解，可以将由工具系统1910制造的产品或产品资产通过交互组件1930传达给参与者1990。应当理解，参与者1990可以对产品资产进行分析，并且将所得到的信息或数据资产传达给自主学习系统1960。在另一方面，交互组件1930可以经由适配器组件1935执行对产品资产1928的分析。
另外，应当注意，在实施例1900中，交互组件1930和自主学习系统1960相对于工具系统1910部署在外部。可以实现基于生物学的自主学习工具1900的可替代部署配置，诸如嵌入式部署，在该嵌入式部署中，交互组件1930和基于生物学的自主学习系统1960可以以下形式驻留在生产平台工具系统1910内：单个特定工具组件(例如，单嵌入式模式)；或平台的工具组件集群(例如，多嵌入式模式)。可以以层次结构方式实现这种部署替代方案，其中，自主学习系统支持形成分组工具或平台或者工具联合体的一组自主学习工具。以下将详细地讨论这种复杂的配置。
接下来，结合图20讨论了说明性工具系统2000，并且关于图21至图25详细地呈现和讨论了基于生物学的自主学习系统1960的示例架构。
图21展示了基于生物学的自主学习系统的示例架构2100的高级框图。在实施例2100中，自主学习系统1960包括函数存储器组件的层次结构，这些函数存储器组件包括长期存储器(LTM)2110、短期存储器(STM)2120和情景存储器(EM)2130。每个这种函数存储器组件可以通过知识网络1975进行通信，该知识网络如结合图19所讨论中描述的那样进行操作。另外，自主学习系统1960可以包括自动机器人组件2140，该自动机器人组件包括被标识为自动机器人的、具有与结合处理平台1985描述的那些函数单元基本上相同的特性的函数处理单元。应当注意，自动机器人组件2140可以是处理平台1985的一部分。
此外，自主学习系统1960可以包括一个或多个主要函数单元，该一个或多个主要函数单元包括自感知组件2150、自概念化组件2160和自优化组件2170。第一前馈(FF)回路2152可以充当前向链路，并且可以在自感知组件2150和自概念化2160之间传送数据。另外，第一反馈(FB)回路2158可以充当反向链路，并且可以在自概念化组件2170和自感知组件2150之间传送数据。类似地，可以分别通过第二FF回路2162和第二FB回路2168来实现自概念化组件2160和自优化组件2170之间的前向链路数据通信和反向链路数据通信。应当理解，在FF链路中，可以先对数据进行转换，然后再将该数据传送到接收该数据以进一步对该数据进行处理的组件，而在FB链路中，在处理下一个数据元素之前，可以由接收该数据的组件对该数据进行转换。例如，在将数据传送到自概念化组件2160之前，可以由自感知组件2150对通过FF链路2152传递的数据进行转换。应当进一步理解，FF链路2152和2162可以促进组件2150和2170之间的间接数据通信，而FB链路2168和2158可以促进组件2170和2150之间的间接数据通信。另外，可以通过知识网络1975在组件2150、2160和2170之间直接传达数据。
长期存储器2110可以存储在工具系统的初始化或配置期间通过交互组件1930提供的知识(例如，先验知识)，以在初始化/配置之后训练自主学习工具系统1900。另外，可以将由自主学习系统1960生成的知识存储在长期存储器2110中。应当理解，LTM 2110可以是存储平台1965的一部分，并且因此可以显示该存储平台的基本上相同的特性。长期存储器2110通常可以包括知识库，该知识库包含关于生产平台组件(例如，加工模块、测量模块、检查系统、搬送模块等)、关系、加工步骤和程序的信息。知识库的至少一部分可以是语义网络，该语义网络对数据类型(例如，如序列、平均值或标准偏差)、数据类型之间的关系以及用于将第一组数据转换为第二组数据类型的程序进行描述或分类。
知识库可以包含知识元素或概念。在一方面，每个知识元素可以与以下两个数字属性相关联：知识元素或概念的适用性(ξ)和惯性(ι)；这些属性共同确定概念的优先级。这两个数字属性的明确定义的函数(例如，加权和、几何平均值)可以是概念的状况得分(σ)。例如，σ＝ξ+ι。知识元素的适用性可以被定义为在特定时间知识元素(例如，概念)与工具系统状况或目标组件状况的相关性。在一方面，与具有较低适用性得分的第二元素相比，比第二元素具有更高适用性得分的第一元素或概念与自主学习系统1960的当前状态和工具系统1910的当前状态的相关性可能更高。知识元素或概念的惯性可以被定义为与知识元素的利用率相关联的难度。例如，可以将较低的第一惯性值赋予一个数字元素，可以为数字列表赋予比第一值高的第二惯性值，数字序列可以具有比第二值高的第三惯性值，并且数字矩阵可以具有可能比第三值高的第四惯性值。应当注意，惯性可以适用于其他知识结构或信息结构，如图形、数据库中的表、音频文件、视频帧，代码片段、代码脚本等；这些其他知识结构或信息结构基本上可以全部是输入1730的一部分。本主题发明提供了适用性和惯性的明确定义的函数，该函数可以影响知识元素被检索和应用的可能性。具有最高状况得分的概念是最有可能要呈给短期存储器2120以供处理单元处理的概念。
短期存储器2120是暂时存储设备，该暂时存储设备可以用作工作存储器(例如，工作空间或高速缓存)或用作与特定算法或程序相关联的协作/竞争操作或自动机器人可以对数据类型进行操作的位置。STM2120中包含的数据可以具有一个或多个数据结构。STM2120中的这种数据结构可能会由于自动机器人和规划器überbot(例如，专用于进行规划的自动机器人)实现的数据转换而发生变化。短期存储器2120可以包括由交互管理器1945提供的数据、学习指令，来自长期存储器2110的知识，由一个或多个自动机器人或überbot提供和/或生成的数据，和/或由参与者1990提供的初始化/配置命令。短期存储器2120可以跟踪用于对存储在其中的数据进行转换的一个或多个自动机器人和/或überbot的状态。
情景存储器2130存储情景，这些情景可以包括参与者标识的可能与工艺相关联的一组参数和概念。在一方面，情景可以包括外部数据或输入1730，并且该情景可以为自主学习系统1900提供特定的上下文。应当注意，情景通常可能与在追求目标时(例如，由工具系统1910、目标组件1720或自主学习系统1960)标识或生成的特定场景相关联。标识情景的参与者可以是人类代理(如工艺工程师、工具工程师、现场支持工程师等)，或者该参与者可以是机器。应当理解，情景存储器2130类似于人类情景存储器，其中，可以存在并且可访问与(多个)特定场景(例如，情景)相关联的知识，而无需重新收集导致该情景的学习过程。对情景的介绍或定义通常是训练周期的一部分或基本上任何外部输入内容规定，并且其可能导致基于生物学的自主学习系统1960尝试学习对可能存在于与情景相关联的数据中的数据模式或输入模式进行表征。可以将所表征的与情景相关联的数据模式连同情景和情景名称一起存储在情景存储器2130中。将情景添加到情景存储器2130中可以导致创建情景特定自动机器人，当由工具系统1910或通常是目标组件1720进行的工艺中的一组参数进入如在情景中定义的操作范围时，该情景特定自动机器人可能被激活；当识别出与所追求的目标或工艺相关联的第一特征时，情景特定自动机器人接收足够的激活能量。如果参数满足通过接收到的情景建立的标准，则情景特定自动机器人会将情景中的数据模式与当前可用的数据进行比较。如果工具系统1910或目标组件的当前状况(由识别出的数据模式定义)与所存储的情景相匹配，则会生成警报以确保工具维护工程师可以知道该状况并可以采取(多个)预防动作以减轻对功能组件1915或传感器组件1925或工具工艺中利用的材料的额外损坏。
自动机器人组件2140包括对输入数据类型(例如，矩阵、矢量、序列等)执行特定操作的自动机器人的库。在一方面，自动机器人存在于自动机器人语义网中，其中，每个自动机器人可以具有相关联的优先级；自动机器人的优先级取决于其激活能量(EA)和其抑制能量(EI)。自动机器人组件2140是有组织的自动机器人存储库，该存储库可以包括用于自感知组件2150、自概念化组件2160、自优化组件2170的自动机器人以及可以参与在组件之间和各个存储器单元之间转换和传递数据的附加自动机器人。可以由自动机器人执行的特定操作可以包括：序列平均值；序列排序；第一矢量与第二矢量之间的标量积；第一矩阵与第二矩阵的相乘；关于时间的时间序列导数；序列自相关计算；第一序列与第二序列之间的互相关运算；将函数分解为一组完整的基本函数；对时间序列数字数据流的小波分解或对时间序列的傅立叶分解。应当理解，可以根据输入数据来执行附加的操作；即，图像中的特征提取、声音记录或生物特征指示符、视频帧压缩、环境声音或语音命令的数字化等。由自动机器人执行的每个操作都可以是命名函数，该命名函数对一种或多种输入数据类型进行转换以产生一种或多种输出数据类型。在自动机器人组件2140中存在自动机器人的每个函数可以具有LTM中的元素，以便其他机器人可以基于总“注意广度”和自主学习系统1960的需求做出自动机器人激活/抑制能量决策。类似于自主学习系统1960，自动机器人组件2140中的自动机器人可以随时间改进其性能。自动机器人的改进可以包括所产生结果(例如输出)的质量更高、执行性能更好(例如运行时间更短、能够执行更大的计算等)或特定自动机器人的输入域(例如，包含自动机器人可以对其操作的其他数据类型)的范围扩大。
存储在LTM 2110、STM 2120和EM 2130中的知识(概念和数据)可以由主要函数单元采用，这些主要函数单元将其部分函数性赋予基于生物学的自主学习系统1960。
自感知组件2150可以确定工具系统1910的第一可接受操作状态与在稍后时间该工具系统已经降级的后续状态之间的工具系统降级水平。在一方面，自主学习系统1960可以接收表征可接受操作状态的数据，以及与诸如在这种可接受状态下制造的工件等产品资产相关联的数据；这种数据资产可以被标识为规范数据。基于生物学的自主学习系统1960可以处理规范数据，并且相关联结果(例如，关于重要参数的统计信息、有关工件中的不一致性和缺陷的数据、在工件的一个或多个测得的属性或参数中观察到的漂移、与工具参数相关的预测函数等)可以由自感知组件2150存储并用于与作为信息输入1958提供的数据(例如，生产过程数据或测试运行数据或工件上的图案)进行比较。如果所生成的、规范数据的学习结果与器件进程运行数据或图案之间的差异很小，则生产系统的降级可以认为较低。可替代地，如果所存储的、规范数据的学习结果与样本过程数据或其他工件数据之间的差异较大，则工件中可能存在相当大程度的不一致性或缺陷。相当大程度的不一致性和过程降级可能导致过程或目标的上下文调整。可以根据降级矢量(Q1，Q2，……，QU)计算出本文所描述的降级，其中，降级矢量的每个分量Qλ(λ＝1，2，……，U)是可用数据集的不同视角——例如，Q1可以是多元均值，Q2是相关联的多元偏差，Q3是过程步骤中特定变量的一组小波系数，Q4可以是预测的压力与测得的压力之间的平均差等。正常训练运行会为每个分量产生一组特定的值(例如，训练数据资产)，可以将该组特定的值与利用来自每个分量的运行数据(例如，运行数据资产)生成的分量Q1至QU进行比较。为了评定降级，可以采用合适的距离度量来比较运行降级矢量距其在{Q}空间中的“正常位置”的(例如，欧几里德)距离；这种欧几里德距离越大，则认为工具系统的降级程度越大。另外，第二度量可以用于计算两个矢量之间的余弦相似性度量。
自概念化组件2160可以被配置为建立对重要生产平台和工具系统1910的关系(例如，一个或多个加工室行为函数)和描述(例如，相关所请求和测得的参数的统计信息、参数对降级的影响等)的理解。应当理解，关系和描述也是数据资产或软资产。理解是由自主学习系统1960或通过参与者1990(例如，人类代理)提供的指导(例如，通过源自输入数据的推断和上下文目标适配；推断可以例如经由多元回归或进化编程(诸如，遗传算法)来实现)自主地建立的。自概念化组件2160可以构造对工具系统1910(或通常为如组件1720等目标组件)的单个参数的行为的函数描述，诸如，在特定沉积步骤期间半导体生产系统中的成膜模块中的压力随时间的变化。另外，自概念化组件2160可以学习与工具系统相关联的行为，如因变量对特定输入信息集1958的函数关系。在一方面，自概念化组件2160可以学习在存在特定气体流量、温度、排气阀角度、时间等的情况下给定体积的沉积室中的压力的行为。此外，自概念化组件2160可以生成可以用于预测目的的系统关系和特性。在所学习的行为之中，自概念化组件2160可以学习表征正常状态的关系和描述。自主学习系统1960通常将这种正常状态用作参考状态，相对于该参考状态对观察器工具行为的变化进行比较。
自优化组件2170可以基于工具系统1910水平的预测值(例如，基于由自概念化组件2160学习的函数依赖性或函数关系和测得的值进行的预测)之间的偏差来分析基于生物学的自主学习系统1900的当前健康状况或性能，以便基于由自主学习系统1960收集的信息来识别：(a)来自生产平台/工具系统1960的不一致性的潜在原因，或(b)生产平台/工具系统降级的根本原因的一个或多个来源。自优化组件2170可以随着时间推移得知自主学习系统1960是否最初不正确地识别出不一致性或缺陷的错误根本原因，学习系统1900允许输入维护日志或用户指导以正确地识别实际的根本原因。在一方面，自主学习系统1960利用贝叶斯推断与学习一起来更新其诊断的基础以提高未来的诊断准确性。可替代地，可以适配优化规划，并且可以将这种适配后的规划存储在优化案例历史中，以用于后续的检索、采用和执行。此外，可以通过优化规划来获得对由工具系统1910进行的工艺或通常是由目标组件1720追求的目标的一组适配。自优化组件2170可以利用数据反馈(例如，通过链路1965、1955和1915实现的回路)，以便制定可以促进工艺或目标优化的适配规划。
在实施例2100中，基于生物学的自主学习系统1960可以进一步包括规划器组件2180和系统上下文组件2190。包含函数存储器组件2110、2120和2130及主要函数单元2150、2160和2170的层次结构可以通过知识网络1975与规划器组件2180和系统上下文组件2190进行通信。
规划器组件2180可以利用并包括自动机器人组件2140中的更高级别的自动机器人。这样的自动机器人可以被标识为规划器überbot，并且可以实施对各种数字属性(如适用性、重要性、激活/抑制能量和通信优先级)的调整。规划器组件2180可以例如通过创建一组规划器überbot来实施严格的直接全局策略，该组规划器überbot可以通过可在短期存储器2120中获得的特定知识以及特定自动机器人来强制在短期存储器2120中操纵特定数据类型或数据结构。在一方面，由规划器组件2180创建的自动机器人可以被存放在自动机器人组件2140中并且可以通过知识网络1975加以利用。可替代地或另外地，规划器组件2180可以根据以下各项实施间接全局策略：自主学习系统1960的当前上下文、工具系统1910的当前状况、短期存储器2120的内容(可以包括可以在该内容中操作的相关联的自动机器人)、以及各种自动机器人的利用成本/收益分析。应当理解，本主题的基于生物学的自主学习工具1900可以提供规划器组件的动态延伸。
规划器组件2180可以充当监管组件，该监管组件可以确保基于生物学的自主工具1900中的过程适配或目标适配不会导致该过程或目标降级。在一方面，可以通过直接全局策略、经由创建监管überbot来实施监管特征，这些监管überbot基于规划的过程适配或目标适配来推断操作状况。可以通过监管überbot所作用于的数据类型的语义网络来实现这种推断，并且可以通过成本/收益分析来支持或补充该推断。应当理解，规划器组件2180可以保留在目标空间的特定区域内漂移的目标，这可以减轻对目标组件(例如，工具系统1910)的特定损坏。
系统上下文组件2190可以捕获基于生物学的自主学习工具1900的、利用自主学习系统1960的当前胜任能力。系统上下文组件2190可以包括状态标识符，该状态标识符包括：(i)与内部胜任能力程度相关联的值(例如，生产平台/工具系统1910在进行工艺(或追求目标)方面的有效程度、在进行工艺时采用的一组资源、对最终产品或服务(或所追求的目标的结果)的质量评定、器件的递送时间等)，以及(ii)指示自主学习工具1900的状态的标记或标识符。例如，标记可以指示状态，诸如“初始状态”、“训练状态”、“监测状态”、“学习状态”或“应用知识”。胜任能力程度可以由所确定范围内的数值或度量来表征。进一步地，系统上下文组件2190可以包括由自主学习系统1960在特定时间间隔内执行的学习的概要，以及可以鉴于所执行的学习而实施的可能过程适配或目标适配的概要。
图22A展示了示例自动机器人组件2140。自动机器人22151至2215N表示自动机器人和überbot的库，每个自动机器人和überbot都具有特定的动态优先级22251至2225N。自动机器人22151至2215N可以与存储器(例如，长期或短期存储器、或情景存储器)进行通信。如上所述，自动机器人的优先级是由自动机器人的激活能量和抑制能量确定的。当可以由自动机器人(例如，自动机器人22151或2215N)处理的数据处于STM中时，该自动机器人会(通过überbot)获得激活能量。自动机器人(例如，自动机器人22152)的激活能量和抑制能量的加权和(例如，I＝wAEA+wIEI)可以确定该自动机器人何时可以激活自身来执行其功能任务：当Σ>ψ(其中，ψ是预定的内置阈值)时，自动机器人自激活。应当理解，本主题的基于生物学的自主学习工具1900可以提供自动机器人的动态增强。
图22B展示了自动机器人的示例架构2250。自动机器人2260可以是自动机器人组件2140中包括的基本上任何自动机器人。功能组件2263确定并执行自动机器人2260可以对输入数据执行的操作的至少一部分。处理器2266可以执行由自动机器人2260执行的操作的至少一部分。在一方面，处理器2266可以作为功能组件2263的协处理器进行操作。自动机器人2260还可以包括其中具有先前执行的操作的一组结果的内部存储器2269。在一方面，内部存储器作为高速缓存存储器进行操作，该高速缓存储器存储与操作相关联的输入数据、EA和EI的当前值和先前值、自动机器人的操作历史的日志。当将特定类型和数量的错误反馈或传播回自动机器人2260时，内部存储器2269还可以促进自动机器人2260学习如何提高接下来的结果的质量。因此，可以通过一组训练周期来训练自动机器人2260，从而以特定方式操纵特定输入数据。
自动机器人(例如，自动机器人2260)还可以自描述，因为自动机器人可以指定：(a)自动机器人可以操纵或需要的一种或多种类型的输入数据，(b)自动机器人可以生成的数据类型，以及(c)对输入和输出信息的一个或多个约束。在一方面，接口2275可以有助于自动机器人2260进行自描述并且因此向überbot表达自动机器人的可用性和能力，以便überbot根据特定的工具场景向自动机器人提供激活/抑制能量。
图23展示了基于生物学的自主学习系统1960中的自感知组件的示例架构2300。自感知组件2150可以关于学习到的、生产平台/工具系统(例如，工具系统1910)中的正常状态来确定当前降级水平。工件中的不一致性以及降级可能是由多种源引起的，诸如：工具系统中的磨损或机械零件；用于开发配方(例如，数据资产)或过程的、可能迫使生产平台/工具系统在一个或多个最佳范围之外操作的不当操作或开发操作；对生产平台/工具系统的不当定制；或不充分遵守维护计划。可以通过以下各项递归地组装或定义自感知组件2150：(i)存储器的层次结构，例如可以作为存储平台1965的一部分的感知存储器；(ii)功能操作单元，诸如可以驻留在自动机器人组件2140中并且作为处理平台1985的一部分的感知自动机器人；以及(iii)一组感知规划器。基于降级水平，自主学习系统1960可以对可用数据资产1928以及信息1958进行分析，以对可能的故障进行排序。在一方面，响应于过度的不一致性程度，自主学习系统可以通过平台来提供对校正性加工的控制。在如例如通过进一步的测量/计量和在校正性加工之前的相关联数据(例如，数据资产和模式、关系以及从这种组合中提取的基本上任何其他类型的理解)来确认的成功校正性加工的情况下，活动可以被自主学习系统1960保存。因此，在通过从数据资产和分析中自主收集的新理解来识别学习到的症候的接下来的情况下，生产平台和加工序列可以进行被适配为防止进一步的不一致性。
感知工作存储器(AWM)2310是可以包括被标识为感知感觉存储器(ASM)2320的存储器的特殊区域的STM，该感知感觉存储器可以用于存储这样的数据(例如，信息输入1958)：该数据可以源自传感器组件1925中的传感器或者参与者1990、可以由适配器组件1935中的一个或多个适配器打包、并且可以由知识网络1975接收。自感知组件2150还可以包括多个特殊功能的自动机器人，这些自动机器人可以驻留在自动机器人组件2140中、并且包括感知规划器überbot(AP)。
另外，自感知组件2150可以包括感知知识存储器(AKM)2330，该感知知识存储器是LTM的一部分并且自感知组件可以包括多个概念——例如：属性；诸如类或因果图等实体；与自感知组件2150的操作相关的关系或程序。在一方面，半导体生产平台工具的自感知组件2150可以包括特定于域的概念(如步骤、运行、批处理、维护间隔、湿法清洁周期等)以及通用概念(如数字、列表、序列、集合、矩阵、链路等)。这种概念可以涉及更高级的抽象概念；例如，工件运行可以被定义为有序的加工步骤序列，其中，步骤既具有配方参数设置(例如，期望值)，又具有一个或多个步骤测量值。此外，AKM 2330可以包括可以将两个或更多个概念(如，平均值、标准偏差、范围、相关性、主成分分析(PCA)、多尺度主成分分析(MSPCA)、小波或基本上任何基本函数等)联系在一起的函数关系。应当注意，多个函数关系可以适用于同一概念并且因此与之相关；例如，数字列表以平均值映射到一个实数实例，这是一种(函数)关系和标准偏差关系以及最大值关系等)。当从一个或多个实体到另一实体的关系是一个函数或泛函(例如，函数的函数)时，可能存在可以由überbot执行以实现该函数的相关联程序。可以以合适的数据模式定义语言(诸如UML、OMGL等)来表达概念的精确定义。还应注意，可以在(工具系统)运行时动态地增强AKM 2330的内容而无需关闭系统。
如本文所述的知识库中的任何概念一样，AKM 2330中的每个概念可以与适用性属性和惯性属性相关联，从而得出概念的特定状况得分。最初，在向自主系统提供数据之前，AKM 2330中所有元素的适用性值均为零，但是所有概念的惯性可能取决于工具并且可以由参与者指配、或基于历史数据(例如，(多个)数据库1955中的数据)。在一方面，根据一组数字产生平均值的程序的惯性可能相当低(例如，t＝1)，因为平均值的计算可以被认为是可以适用于基本上所有涉及的状况的所收集数据集的非常简单的运算或者来自计算机模拟的结果。类似地，可以为对一组数字进行转换的最大化程序和最小化程序赋予非常低的惯性值。可替代地，可以为计算范围和计算标准偏差提供更高的惯性值(例如，t＝2)，因为这种知识元素更难以应用，而计算PCA可以显示更高的惯性水平以及计算MSPCA可以具有甚至更高的惯性值。
可以采用状况得分来确定要在AKM 2330与AWM 2310之间传送哪个(哪些)概念(参见下文)。超过状况得分阈值的知识元素或概念有资格被传达给AWM 2310。当AWM 2310中存在足够的可用存储设备来保存该概念并且不存在尚未传达给AWM 2310的具有更高状况得分的不同概念时，可以传达这种概念。AWM 2310中的概念适用性以及因此概念状况得分会随着时间的推移而衰减，当不再需要已经在存储器中的一个或多个概念或该一个或多个概念不再适用时，这可以允许具有更高适用性的新概念进入感知工作存储器2310。应当注意，概念的惯性越大，将概念传达给AWM 2310或从中删除该概念所花费的时间就越长。
当生产平台/工具系统状态发生变化(例如，更换溅射靶、添加电子束枪、完成沉积工艺、启动原地探针、完成退火阶段等)时，感知规划器2350überbot可以记录在新状态下可以应用哪些概念(例如，知识元素)，并且可以增大AKM 2330中的每个这种概念的适用性值并且因此增大状况得分。类似地，可以由uberbot调整自动机器人22151至2215N的激活能量，以减少特定自动机器人的激活能量，并增加适合新状况的自动机器人的EA。规划器überbot可以将适用性(和状况得分)的增加扩展到这些概念的第一相邻项(neighbor)，并且然后再扩展到第二相邻项，依此类推。应当理解，AKM 2330中的第一概念的相邻项可以是第二概念，该第二概念在拓扑学意义上根据选择的量度(例如，跳数、欧几里德距离等)驻留在距第一概念的特定距离内。应当注意，第二概念距接收到原始适用性增加的第一概念的距离越远，第二概念的适用性增加越小。因此，适用性(和状况得分)的增加呈现出随“概念距离”而变化的衰减扩展。
在架构2100中，自感知组件2150包括感知计划适配器(ASA)2360，该感知计划适配器可以是感知规划器组件2350的延伸并且可以(例如，经由传感器组件1925通过交互组件1930、经由输入1730或经由(反馈)链路1755)请求并实现外在数据或内在数据集合的变化。在一方面，感知计划适配器2360可以引入数据采样频率调整——例如，其可以调节适配器组件1935中的不同适配器可以将目的在于ASM 2320的数据(例如，信息输入1958)传达给知识网络1975的速率。此外，感知计划适配器2360可以以低频率对与以下各项相关联的数据集合进行采样或基本上消除该数据集合：对正常数据模式的描述中未涉及的加工变量、或未能推进对如根据自适应推断引擎1710中接收的数据推断出的目标的实现的变量。相反，ASA 2360可以以更高的频率对在正常数据模式中广泛使用的或可以主动推进目标的一组变量进行采样。此外，当自主学习系统1960确认生产平台/工具系统1910的状态变化(或与特定目标相关联的状况变化)时，其中，所测量数据指示产品质量或工艺可靠性正逐渐偏离正常数据模式(或者目标漂移导致在目标空间中发生与初始目标的显著偏离或者存在帽子(hat)不一致性)，自主学习系统可以经由ASA 2360请求对数据进行更快速的采样以收集更大数量的可操作信息(例如，输入1730)，这些可操作信息可以有效地验证不一致性和过程降级并触发适当的校正性加工动作或主动遮断。
参与者1990(例如，人类代理)可以以多种方式训练自感知组件2150，这些方式可以包括定义一个或多个情景(例如，包括成功适配目标的说明)。针对某个情景通过自感知组件2150进行的对自主学习系统1960的训练可以如下发生。参与者1990创建情景，并为情景提供唯一的名称。然后可以将新创建情景的数据提供给自主学习系统1960。该数据可以是在工具系统1910的单个特定操作步骤期间特定传感器的数据、在单个特定步骤期间的一组参数、针对运行的单个参数平均值等。
可替代地或另外地，参与者1990可以提供更多的基本指导。例如，现场支持工程师可以对工具系统1910执行预防性工具维护(PM)。PM可以是有规划的并定期进行，或者其可以是未规划的或非共时的。应当理解，可以响应于自主学习系统1960的请求、响应于例行的预防性维护或者响应于非计划性的维护，对生产系统执行预防性工具维护。在连续的PM之间会经过一定时间间隔，在这样的时间间隔期间，可以在工具系统中进行一个或多个工艺(例如，晶圆/批量生产)。通过数据资产和产品资产以及相关联信息(诸如受影响的规划器和未规划的维护)，自主学习系统可以推断出“故障周期”。因此，自主学习系统可以利用(多个)资产1928来推断平均故障间隔时间(MTBF)。通过作为关键数据资产和产品资产的函数的故障时间模型来支持这种推断。此外，自主学习系统1960可以通过作为信息I/O 1958接收的不同资产之间的关系或者通过从由专家参与者进行的受监督的训练课程产生的历史数据来开发模型。应当理解，专家参与者可以是与经训练的不同自主学习系统交互的不同参与者。
参与者1990可以通过以下操作来指导自主系统：通知系统其可以对晶圆级运行数据求平均值并且评定跨PM间隔关键参数的漂移。自主系统还可以执行更具挑战性的练习，其中，参与者1990通过学习指令来指示自主学习系统1960在每个未规划的PM之前学习以平均晶圆级表征数据模式。这样指令可以促进自主学习系统1960在未规划的PM之前学习数据模式，并且如果可以由感知自动机器人识别数据模式，则自感知组件2150可以随着时间的推移学习这种模式。在学习模式期间，感知组件2150可以向自概念化组件2160或驻留在自动机器人组件2140中的感知自动机器人请求帮助(或服务)。当以(例如，通过如在PCA分解的系数、K聚类算法中的主导聚类的大小、或根据一组不同的参数和时间对第一参数大小的预测等中反映的模式再现性程度来衡量的)高置信度学习工具系统的模式时，基于生物学的自主学习系统1960可以创建与可能导致需要进行工具维护的故障相关联的参考情景，使得可以在发生参考情景之前触发警报。应当注意，可以驻留在自动机器人组件2140中的感知自动机器人可能无法完整地表征故障参考情景的数据模式，或者无法在需要未规划的维护之前完整地表征可能需要该未规划的维护的基本上任何特定状况。尽管如此，但应当理解，可以由自概念化组件2160中的自动机器人执行工具系统1910的这种预防性健康管理，该预防性健康管理可以包括深入行为分析和预测函数分析。
图24是可以在感知工作存储器2320中操作的自动机器人的图2400。所展示的自动机器人——量化器2415、预期引擎2425、惊喜得分生成器2435和概要生成器2445——可以构成感知引擎、虚拟紧急情况组件，该虚拟紧急情况组件的紧急情况性质是由基本构成部分(例如，自动机器人2415、2425、2435和2445)的协同操作引起的。应当理解，感知引擎是一个或多个规划überbot可以如何使用协作的自动机器人的集合执行复杂活动的示例。规划überbot采用各种自动机器人(例如，平均值、标准差、PCA、小波，导数等)或自概念化组件1560的服务来表征在基于生物学的自主学习系统中接收的数据的模式。在训练期间，外部实体可以将每个步骤、运行、批次等运行的数据标记为正常或异常。规划überbot可以采用量化器2415来利用正常数据学习典型正常过程的数据模式。另外，量化器2415可以评定存放到ASM 2320中的未标记数据集(例如，信息输入1958)，并将正常数据模式与未标记数据的数据模式进行比较。可以通过预期引擎2425来存储和操纵正常数据的预期模式或用于利用正常数据预测参数的方程式。应当注意，根据多个度量，未标记数据的模式可以以各种方式与正常数据模式不同；例如，可以超过(如应用于PCA和MS-PCA并从训练运行中得出的)Hotelling(霍特林)T2统计数据的阈值；未标记数据集的数据子集的平均值可能与利用正常训练运行数据计算出的平均值相差超过36(或其他预定偏差间隔)；测得参数的漂移可能基本上不同于在与正常运行相关联的数据中观察到的漂移；等等。因此，概要生成器2445生成正常数据的分量的矢量，而惊喜得分生成器1835可以结合矢量的分量的基本上所有这种差异并对这些差异进行排序或加权、并且为工具系统计算出反映工具系统的健康状况并反映工具系统“离正常”有多远的净降级惊喜得分。应当理解，正常度量与未标记度量之间的差异可以随时间而变化。因此，通过收集越来越多的正常数据，自主学习系统1960可以随着时间的推移学习具有更高的统计置信度水平的各种操作极限，并且可以相应地调整生产工艺配方(例如，目标)，例如，可以经由概要生成器2445将如通过惊喜得分衡量的降级情况报告给参与者。
图25展示了基于生物学的自主学习系统的自概念化组件的示例实施例2500。自概念化组件的功能是建立对重要半导体生产工具关系和描述的理解。可以采用这种理解来调整生产工艺(例如，目标)。该获得的理解是自主建立的，或者是结合最终用户(例如，参与者1990)提供的指导来建立的。类似地，对于其他主要功能组件2150和2160，自概念化组件2160是根据包含存储器、操作单元或自动机器人和规划器的层次结构而递归地组装或定义的；这样的组件可以与支持优先级的知识网络通信。
实施例2500展示了概念化知识存储器(CKM)2510，该CKM包括自概念化组件2160的操作所必需的概念(例如，属性、实体、关系和程序)。CKM 2510中的概念包括：(i)特定于域的概念，诸如，步骤、运行、批次、维护间隔、湿法清洁周期、步骤测量、晶圆测量、批次测量、晶圆上的位置、晶圆区域、晶圆中心、晶圆边缘、第一晶圆、最后一个晶圆等；以及(ii)独立于域的通用概念，如数字、常数(例如，e、π)、变量、序列、时间序列、矩阵、时间矩阵、细粒度行为、粗粒度行为等。自概念化组件还包括大量的通用函数关系(诸如，加、减、乘、除、平方、立方、幂、指数、对数、正弦、余弦、正切等)以及可以呈现各种细节等级并驻留在自适应概念化模板存储器(ACTM)2520中的其他特定于域的函数关系。
ACTM 2520是CKM 2510的延伸，其可以保存对于与工具系统1910(半导体生产平台工具)交互的参与者(例如，最终用户)而言完全或者部分已知的函数关系。应当注意，虽然ACTM是CKM的逻辑延伸，但是自动机器人、规划器和其他功能组件不受此分离的影响，因为实际的存储器存储设备可以在自概念化组件2160内表现为单个存储单元。自概念化组件2160还可以包括概念化目标存储器(CGM)2530，该CGM是概念化工作存储器(CWM)2540的延伸。CGM 2530可以促进具有当前目标的自动机器人例如进行学习(f、压力、时间、步骤)；对于特定的过程步骤，学习压力的函数f，其中，该函数取决于时间。应当注意，对函数f的学习表示这样的子目标：该子目标可以促进对利用工具系统1910生产半导体器件的目标的实现。
ACTM 2520中的概念还具有可能会得出状况得分的适用性数字属性和惯性数字属性。惯性值可以指示要学习概念的可能性。例如，矩阵概念的较高惯性值和时间序列概念的较低惯性可能导致以下状况：自概念化组件2160可能会学习时间序列的函数行为，而不是矩阵中的数据的函数行为。类似地，对于自感知组件2150，更可能将具有较低惯性的概念从CKM 2510传达到CWM 2540。
概念化规划器(CP)根据以下各项向各个自动机器人提供激活能量并且向CKM2510和ACTM 2520中的各个概念提供状况能量：当前上下文、工具系统1910(或通常是目标组件1720)的当前状态、CWM2540的内容或CWM 2540中激活的当前(多个)自动机器人。应当理解，激活能量和状况能量的改变可以基于由于针对CWM 2540或CKM2510中的概念更改语义网络而(例如，基于学习)生成的知识来导致目标适配——正如自适应推断引擎的推断可以基于概念的传播方面。
CTM 2520的内容是可以描述以上所讨论的知识的概念，并且因此这些概念可以具有适用性数值属性和惯性数值属性。自动机器人可以使用CTM 2520的内容来学习工具系统1910的函数行为(受以下约束：具有较低惯性的概念比具有较高惯性的概念更有可能被激活)。不必使所有指导具有相同的惯性；例如，即使两个概念都表示完整函数，也可以为第一完整函数提供比第二完整函数更低的惯性。
当在CWM 2540中上载如部分定义的方程式等部分知识时，这可以例如利用现有知识来完成——CP协调自动机器人以采用可用数据来首先识别未知系数的值。因此，一组自组织系数可以将部分定义的方程式概念完善为完整的函数概念。然后，可以在预先建立的函数关系概念(诸如，加、乘等)中利用该完整方程式概念。具有输出的基本知识(例如，关系(output(κE)，T)可以促进CWM 2540中的自动机器人构造和评估涉及数据κE和T的各种函数描述，以识别出可以描述κE与T之间的关系的最佳函数。可替代地，不具有输出的基本知识可以促进自动机器人在CP的辅助下将变量指定为输出或自变量、并且尝试将该变量表达为其余变量的函数。当找不到良好的函数描述时，可以将可替代变量指定为自变量，对该过程进行迭代，直到该可替代变量收敛到适当的函数关系或自主学习系统1960向例如参与者1990指示未找到适当的函数关系为止。可以将识别出的良好函数关系提交给CKM 2510，以由自主学习系统1960中的具有由CP指配的惯性水平的自动机器人利用。例如，指配的惯性可以是识别出的关系的数学复杂度的函数——可以为两个变量之间的线性关系指配比向涉及多个变量、参数和运算符(例如，梯度、拉普拉斯算子、偏导数等)的非线性关系指配的惯性更低的惯性值。
概念化引擎2545可以是可以呈现感知自动机器人和概念化自动机器人的协调活动“虚拟组件”。在一方面，自感知组件2150可以(通过FF回路2152)将一组变量(例如，该组中的变量可以是显示良好的成对相关性特性的那些变量)前馈至自概念化组件2160。转发的信息可以促进自概念化组件2160针对函数关系模板来检查CKM 2510和ACTM 2520。模板的可用性可以允许可以驻留在概念化引擎2545中的概念化学习器(CL)的自动机器人更快地学习所转发的组中的变量之间的函数行为。应当理解，学习这种函数行为可以是主要目标的子目标。CL自动机器人在CP自动机器人的辅助下也可以使用概念化验证器(CV)的自动机器人。CV自动机器人可以评估建议的函数关系的质量(例如，预测值与测量值之间的平均误差在仪器分辨率范围内)。CL自动机器人可以自主地或通过参与者提供的指导独立地学习函数关系；这种参与者提供的指导可以视为外在数据。由CL学习的函数可以作为一组感兴趣的变量(例如，经由FB链路2158)反馈到自感知组件2150。例如，在学习函数κE＝κ0exp(-U/T)之后，其中，κ0(例如，渐近刻蚀速率)和U(例如，激活势垒)具有对于CL而言已知的特定值，自概念化组件2160可以将指导组(output(κE，T)反馈到自感知组件2150。这样的反馈通信可以使自感知组件2150学习关于这样一组变量的模式，使得可以快速地识别出关于该组变量的降级，并且如果需要的话，则生成并触发警报(例如，警报概要、已验证的警报接收方列表)。存储器2560是概念化情景存储器。
应注意以下与CL和CV相关的两个方面。首先，CL可以包括可以(例如，通过符号操纵)简化方程式的自动机器人，这些自动机器人可以促进将函数关系存储为简洁的数学表达式。作为示例，关系P＝((2+3)Φ)((1+0)÷θ)被简化为P＝3Φ÷θ，其中P、Φ和θ分别指示压力、流量和排气阀角度。其次，CV在确定函数关系的质量时可以将方程式结构的复杂性考虑在内——例如，对于具有基本上相同特性的参数(如预测值与测量值的平均误差)，更简单的方程式可能是优选的，而不是更复杂的方程式(例如，更简单的方程可能具有更低的概念惯性)。
另外，从自感知组件2150到自概念化组件2160的重要FF 2152信息通信以及从自概念化组件2160到自感知组件2150的FB 2158通信都可能涉及感知自动机器人和概念化自动机器人为了表征某个情境的数据模式而进行的协作。如以上结合图21所讨论的，当自感知组件2150无法学习情景时，自概念化组件2160可以通过提供一组相关函数关系来辅助自感知组件2150。例如，对情景的表征可能需要对工具系统1910中运行的工艺中的稳定步骤中的压力的时间依赖性进行细粒度的描述。自概念化组件2160可以构造稳定步骤中的压力的这种详细的(例如，逐秒的)时间依赖性。因此，通过FB回路2158，自感知组件2150可以学习表征在正常工具状况下在稳定步骤期间的压力模式，并将所学习的压力时间依赖性与特定情景数据中的压力模式进行比较。作为说明，可以将在稳定步骤之前针对情景中的数据测得的压力中存在尖峰和在正常工具操作期间的压力数据中不存在尖峰的情况检测为这样的数据模式：该数据模式标识在基于生物学的自主学习工具1900中情景的发生。
类似地，对非计划性PM的预测可以依赖于工具系统数据的关键测量结果的时间波动的知识以及由自概念化组件2170传达的一组预测函数的可用性。在预测取决于随时间而变化的一组变量的投影值的情况下，预测函数可以辅助自感知组件(例如，组件2150)预测未规划的PM的新出现的状况。
图26展示了基于生物学的自主学习系统中的自优化组件的示例实施例2600。如上所述，自优化组件的功能是：分析生产平台/工具系统1910的当前健康状况(例如，性能)；并且然后确定是否检测到不一致性；并基于当前健康状况分析的结果，对工具系统1910的健康状况恶化的基本上所有潜在原因以及这种不一致性的原因进行诊断或排序；并且基于由自主学习系统1960获得的学习来识别不一致性的根本原因，以便提供对生产平台的必要控制，从而提供校正性加工。与其他主要功能组件2150和2160类似，自优化组件2170是根据包含可以属于存储平台1965的存储器以及可以是处理平台1985的一部分的自动机器人和规划器的层级结构来递归地建立的。
优化知识存储器(OKM)2610包含与对生产平台/工具系统1910的行为的诊断和优化相关的概念(例如，知识)。应当理解，行为可以包括目标或子目标。因此，OKM 2610包含特定于域或目标的概念，诸如，步骤、步骤数据、运行、运行数据、批次、批次数据，PM时间间隔、湿法清洁周期、工艺配方、传感器、控制器等。特定于目标的概念与生产半导体器件的工具系统1910相关联。另外，OKM 2610包括独立于域的概念，这些概念可以包括测量结果(例如，来自测量模块的测量结果)、序列、比较器、案例、案例索引、案例参数、原因、影响、因果依赖性、证据，因果图等。此外，OKM 2610可以包含一组函数关系，如比较、传播、排序、求解等。这种函数关系可以被自动机器人利用，这些自动机器人可以驻留在自动机器人组件2140中并且可以通过执行程序来将其功能的至少一部分赋予OKM 2610。OKM 2610中存储的概念具有适用性数字属性和惯性数字属性以及从这两个属性得出的状况得分属性。适用性、惯性和状况得分的语义与自感知组件2150和自概念化组件2160的语义基本上相同。因此，如果为运行数据提供的惯性低于步骤数据的惯性，则自优化组件2170规划器(例如，überbot)更可能将运行数据的概念从OMK 2610传送到优化工作存储器(OWM)2620。反过来，运行数据与步骤数据之间的这种惯性关系可以提高与运行相关概念一起工作的优化自动机器人的激活率。
应当注意，通过FF链路2152和2162，自感知组件2150和自概念化组件2160可以影响存储在OKM 2610上的概念的状况得分、以及通过可以驻留在优化规划器组件2650中的优化规划器(OP)进行优化的自动机器人的激活能量。应当理解，存储在OKM 2610中并且受自感知组件2150和自概念化组件2160影响的概念可以确定要根据特定上下文进行优化的特定目标的各个方面。作为说明，如果自感知组件2150识别到加工步骤的数据模式已经显著降级并且已经产生工件不一致性，则可以增大相关联步骤概念的状况得分。因此，OP然后可以提供附加的激活能量来优化与步骤概念相关的自动机器人，以便修改在加工期间执行的一组步骤从而提供校正性加工(例如，在追求目标的同时)。类似地，如果自概念化组件2160识别出产品批次的工具测量结果之间的新的函数关系，则自优化组件2170(例如，经由FF2162)从自概念化组件2160接收到的FF信息会增大：(1)批次概念的状态得分，以及(2)具有依赖于批次概念的函数的优化自动机器人的激活能量；因此，修改批次概念的各个方面(例如，批次中晶圆的数量或类型、批次的成本、批次中利用的资源等)。
如所讨论的，可以通过诊断引擎2425来执行工具系统1910的健康状况评定。应当注意，健康状况评定可以是生产工艺的子目标。诊断引擎2425自主地创建依赖图，并允许参与者1990增强依赖图。(这种依赖图可以被视为外在数据或内在数据。)根据由工具系统1910进行的工艺的动态变化以及可以由参与者1990设计的诊断规划来渐增地传达因果图。例如，因果图可以表明“压力”故障是由以下四种原因之一引起的：沉积室有泄漏、流入腔室的气体错误、排气阀角度(其控制气体流量的大小)错误或压力传感器有误差。工具系统1910的组件具有故障先验概率(例如，发生腔室泄漏的概率可能为0.01、气流量错误的概率可能为0.005等)。另外，参与者1990或自概念化组件2160可以定义压力故障的条件依赖性，该条件依赖性可以被表达为条件概率；例如，在腔室有泄漏的情况下压力出错的概率可以为p(P|泄漏)。通常，可以由参与者1990提供与工具故障源有因果关联的条件概率。应当注意，自主学习系统1960假设由参与者1990定义的概率赋值可以是近似估计值，在许多情况下，这些近似估计值可能与物理概率(例如，观察结果所支持的实际概率)显著不同。接下来，结合图27A和图27B来呈现和讨论因果图的示例。
自优化组件2170还可以包括预诊断组件2660，该预诊断组件可以通过与工具相关联的信息I/O 1958来生成有关生产平台/工具系统1910的性能的一组预诊断。这样的信息可以包括功能组件所采用的材料的质量、由生产平台/工具系统1910生产的产品资产1928的物理特性，诸如，在产品资产1928掺杂有载体的情况下的折射率、光吸收系数或磁输送特性等。预诊断组件2660可以利用多种技术。这些技术包括与在处理信息1958时自感知组件可以采用的那些技术基本上相同的第一表征技术；即，诸如：(i)利用傅立叶变换、Gabor变换、小波分解、基于非线性滤波的统计技术、频谱相关性的频率分析；(ii)利用时间相关的频谱特性(这些频谱特性可以由传感器组件1925测得)、非线性信号处理技术(诸如庞加莱(Poincaré)映射和李雅普诺夫(Lyapunov)频谱技术)的时间分析；(iii)实空间或信号空间矢量幅度和角度波动分析；(iv)异常预测技术等。可以利用诸如神经网络推断、模糊逻辑、贝叶斯网络传播、进化算法(如遗传算法)、数据融合技术等预测技术来补充通过分析(i)、(ii)、(iii)或(iv)而生成的信息资产或数据资产。可以利用分析技术和预测技术的组合经由对如由传感器组件1925探测到的特定资产或特性中的状况不佳趋势以及OKM 2610中可获得的信息的识别、通过由优化规划器组件2650和可以驻留在组件2140中的优化自动机器人生成的合适的校正性措施来促进工具系统1910的优化。
图27A展示了由自概念化组件2130生成的示例因果图2700。因果图表示数学函数的因变量与自变量之间的关系或由自概念化组件2130预测的关系。作为示例，通过访问压力(P)、气体流量(Φ)和阀角度(θ)的数据，自概念化组件2130可以使用一种或多种数学技术(诸如，曲线拟合、线性回归，遗传算法等)来概念化或学习随数据输入或自变量——气体流量、阀角度、温度、湿度等——而变化的感兴趣输出或因变量(例如，压力)的预测函数2710。示例习得预测函数2710可以是压力与两个输入变量Φ、θ之间的以下关系：P＝2π(Φ/θ3)。根据这种习得的函数，自概念化组件2160会自主地构造依赖图2700。
为了生成依赖图2700，自概念化组件2160可以分两个步骤进行。(i)引入比较器2720作为根节点，该根节点接收单个习得的函数2710作为输入。比较器2720中的故障暗示采用基于生物学的自主学习系统的生产平台/工具系统1910中的故障。比较器故障可以是布尔值(例如，“合格/不合格”2730)结果，该结果可以基于对例如工件属性的测得的值与通过习得的函数2710生成的预测值进行的比较。当预测压力值与收集的压力数据(例如，如由驻留在传感器组件中的压力传感器报告的)之间的平均差未能保持在用户指定范围(例如，平均差要保持在预测压力的5％内)内时，自概念化组件2160标记比较器2720中的故障。比较器2720的故障取决于预测函数2710的输出。因此，比较器故障取决于压力读数(PR 2740)的故障(受其影响)；该读数可能由于压力传感器(PS 2743)发生故障或物理压力(例如物理量PP 2746)发生故障而发生故障。物理压力PP 2746可能由于压力机构(PM 2749)可能发生故障而发生故障。因此，该系统自主地创建PR 2740与{PS 2743，PP 2746}之间以及PP 2740与{PM 2749}之间的依赖性。
(ii)采用习得的函数2710中的因变量来完成依赖图，如下。当气体流量读数(ΦR2750)发生故障或阀角度读数(θR 2760)发生故障——习得的函数2710中的因变量发生故障时，物理机构PM 2749可能发生故障。因此，自概念化组件2160创建PM 2749与{θR 11150，ΦR 2760}之间的依赖性。针对读数中的故障，自概念化组件2160可以采用基本上相同的处理或推断来创建ΦR 2750与{ΦS 2753，ΦP 2756}之间以及θR2760与{θS 2763，θP 2766}之间的依赖性。自概念化组件2160然后可以添加ΦP 2756与{ΦM 2759}之间以及θP与{θM}之间的依赖性。应当注意，物理量(例如，PP 2746、ΦP 2756、θP 2766)与相关联机构(例如，PM2749、ΦM 2759和θM 2769)之间的关系是冗余的，并且是为了提高清晰度而提出的——可以删除机制节点(例如，节点2749、2759和2769)，并且可以使这些节点的子节点成为相关联物理量节点(例如，节点2746、2756和2769)的子节点。
在诸如依赖图2700等依赖图中，叶级节点是故障的物理点；例如，节点2740、2743、2746和2749；节点2740、2753、2756和2759；以及2760、2763、2766和2769。在一方面，参与者(例如，参与者1990，其可以是用户)可以向生物学自主学习系统提供所有物理故障点的先验概率。这种先验概率可以从组件的生产规范、现场数据、MTBF数据等中获得，或者可以通过对生产工具中存在的并且相关生产工艺中涉及的零件的性能的模拟来生成。参与者还可以基于先前的经验、判断、现场数据和可能的故障模式来提供条件概率(例如，第一故障的存在可以消除第二故障的可能性，或者第一故障可以增大发生第二故障的概率等)。在例如经由诸如组件1940等交互组件接收到先验概率和条件概率时，自主系统可以结合学习使用贝叶斯网络传播基于提交给自主系统的实际故障数据来更新概率。因此，在参与者提供的初始概率是错误的情况下，自主系统会根据现场数据与故障结果相矛盾或支持故障结果(即，比较器的合格或不合格结果)来调整概率。
应当注意，参与者(例如，参与者1990，其可以是用户)可以将依赖性添加到根源于机构故障的自主生成的依赖图(例如，依赖图)。这样的添加可以例如通过交互管理器1955来实现。在一方面，作为说明，利用标记为P泄漏2770和PALT 2773的两个节点来增强依赖图2700，这导致了PM 2749对{ΦR 2750，θR 2760，P泄漏2770和PALT 2773}的依赖性。应当理解，也可以利用更深的图来增强依赖图2700。节点P泄漏2770的添加通过自概念化组件2160通知自主系统：如果工具中存在泄漏，则除了气体流量读数或阀角度读数的故障之外，压力机构也可能发生故障。节点PALT 2773与节点2770是互补的，因为它表示除泄漏以外的机构导致系统故障的可能性。在添加节点或更深的图时，参与者将指配该节点的先验概率以及描述依赖性的相关联条件概率。
应当理解，习得的函数可以比以上所讨论的函数P＝F(Φ，θ)更复杂，并且可以包括明显更多的自变量；然而，可以以基本上相同的方式来制备因果图。
图27B是具有预测和配方比较器的示例习得函数依赖图的图2780。除了习得函数比较器(例如，比较器2720)之外，基于生物学的自主学习系统还可以生成一个或多个配方比较器。配方比较器(例如，比较器A 2795A或比较器B 2795B)将配方参数的设置值与由工具系统(例如，工具系统1910)中的相关联传感器产生的对应平均测量值或读数进行比较。在一方面，给定具有相关联传感器值和对应规定值的配方参数(例如，θ2785A或Φ2785B)的集合，自主系统为每个设置参数生成配方比较器。类似地，对于预测函数比较器，如果设置的配方值和读数相差可以由参与者(例如，参与者1990)确定的特定阈值，则配方比较器会发信号表示故障。应当注意，在图2780中，由于工艺压力未被设置为特定值，因此未生成针对压力的配方比较器。
为了识别根本原因(例如，具有最高故障概率的物理故障点)，基于生物学的自主学习系统可以利用一个或多个预测器或配方比较器的故障来对依赖图中存在的所有物理故障点进行排序。在一方面，对于具有一个或多个比较器的完整依赖图，基于生物学的自主学习系统可以使用贝叶斯推断来传播给定比较器的故障特征下的概率。因此，该系统可以针对每个比较器的特定合格/不合格结果(例如，比较器A 2795A的结果2798A或比较器B2795B的结果2798B)来计算故障概率。作为示例，假设预测器比较器2720和配方比较器A2795A不合格而比较器B 2795E合格。自主系统可以计算假设比较器发生故障时每个物理故障点的故障概率。(例如，假设比较器2795A和比较器A 2795A不合格而比较器B2795E合格，那么压力传感器故障的概率是多少)。然后，将每个故障点从最大可能发生故障(计算出的最高概率)或最大可能的根本原因到最小可能发生故障(计算出的最低概率)进行排序。可以经由交互管理器将可能被认为是可操作情报(例如，输出1740)的根本原因的标识传达给参与者，以进行进一步处理；例如，订购新零件、请求维护服务(参与者与工具的生产商所在地通信或驻留在工具的生产商所在地)、下载软件更新、安排新的训练课程等。
图28展示了基于生物学的自主学习工具系统的示例分组部署的高级框图2800。该组自主工具系统28201至2820K可以由基于生物学的自主学习工具1960进行控制，该基于生物学的自主学习工具接收(输入)信息1958并将该信息传达(输出)到接口1930，该接口促进参与者1990与该组自主工具系统28201至2820K和自主学习系统1960进行交互。自主工具系统28201至2820K中的每一个分别由相关联的自主学习系统2850支持或辅助。这样的学习系统具有与学习系统1960基本上相同的功能。应当理解，在分组2810中，自主工具28201至2820K中的每一个可以提供分别与相关联的本地参与者19901至1990K的独立交互。如以上结合图19所讨论的，这种参与者具有与参与者1990基本上相同的功能。另外，通过交互组件2840并通过提供和接收特定于工具的信息(例如，28481至2848K)和资产(例如，资产28501至2850K)，以与自主系统1900中基本上相同的方式进行与自主工具28201至2820K的交互，该特定于工具的信息和资产两者通常都是特定于工具系统的。特别地，应当理解，在分组部署2812中，参与者19901至1990K中的各个参与者可以监测其相关联系统工具(例如，系统工具28202)的操作的不同方面。作为示例，本地参与者19901至1990K可以建立一组关键的特定输出(例如，28601至2860K)。这样的确定可以是基于历史数据或设计(例如，工艺的配方)，或者该确定可以通过所生成的模式、结构、关系等自主地发起。在没有这样的确定的情况下，分组自主学习系统1960假设导致分组输出2865的基本上所有输出(例如28601至2860K)都是关键的。
在一方面，自主学习系统1960可以(通过以上结合系统所描述的学习机制)学习在正常(例如，无故障)分组工具2800操作期间关键输出参数的预期值。在一方面，当测得的输出2865偏离预期输出时，自主学习系统1960可以将分组2800的性能的性能度量标识为降级。应当理解，后一种评定可以以与结合单个自主工具系统1900所描述的基本上相同的方式(即，通过自主学习系统1390中的自感知组件)进行。应当注意，即使自主分组工具2800可能表现出降级的性能，自主工具系统的子集2801至2820K也可以提供没有降级并且满足预定度量的各个期望值的输出。
另外，类似于单个工具系统(例如，工具系统1910)的场景，自主学习系统1960可以根据与各个工具相关的输出参数来构造关键输出参数的预测模型。应当理解，可以通过资产1928的输入/输出来收集这种输出参数。应当注意，在分组工具2800中，基于生物学的自主学习系统1960可以经由驻留在每个工具系统28201至2820K中的传感器组件来获得工具输出(例如28601至2860K)的测量结果，可以通过每个自主学习系统(例如1960或2850)中存在的已部署知识网络来访问这些工具系统。
此外，自主系统1960还可以根据工具分组或平台2800的资产1928(例如，分组输入数据、分组输出、分组配方或分组维护活动)来构造分组故障时间的预测模型。在一方面，为了确定分组故障时间，自主学习系统1960可以收集故障数据，包括(例如，通过一组传感器组件或检查系统)检测到的故障之间的时间、相关联资产28501至2850K、输出2801至2860K以及针对该组工具2801至2820K中基本上所有操作工具的维护活动。(应当理解，作为先前故障评定的结果，分组2800中的一组工具(例如，工具28201至2820K)中的特定工具(例如，工具系统2 28201和工具系统K 2820K)可以停止操作。)可以(例如，通过自主学习系统1960中的处理组件1985)自主地对所收集的数据进行分析，以根据分组资产(例如，输入、配方……)、输出和维护活动来学习故障时间的预测函数。应当理解，根据所收集的数据构造的分组故障时间模型可以很容易地显示出影响分组工具2800的性能的基本上主要因素。
在一方面，参与者1990(例如，分组级控制器)可以采用针对分组工具2800中的工具系统(例如，28201至2820K)的各个组件构造的故障时间模型来优化零件库存和优化维护计划。应当理解，这种优化可以至少部分地由自主系统1960进行。例如，自主系统访问MES(或ERP)系统以识别可用零件的数量。当向工具系统28201至2820K提供功能并且可以预期在特定时间段Δτ内是必要(例如，用于更换)的一组零件(例如，功能组件(如系统1910中的组件1915)内的一个或多个组件中的零件)超过库存中可获得供应量时，可以订购附加零件。可替代地或另外地，当零件可用时，可以对必要零件的预期计划进行分析，以确定下新订单的最佳或充足时间。
应当理解，可以在必要的先前计划的维护活动期间重新评定和优化维护计划，以便利用自主系统1360可用的机会来分析零件并识别在相当短的时间段内可能发生故障的零件。应当进一步理解，在一方面，可以自主地用诸如零件成本、更换零件的时间等附加信息来补充一组或单个故障时间计划，以确定在当前维护周期期间更换零件相对于在接下来的计划维护周期中更换零件是否是有益的。应当注意，自主系统1960还可以将与分组工具2800的操作相关联的各种成本作为输入，以便计算该分组的每个输出产品(例如，工件等)的成本以及总成本，从而产生在分组工具2800的操作期间的特定顺序。在根据各个工具资产28501至2850K(例如，配方)、输出28601至2860K和维护活动建立成本模型之后，自主系统1960可以以操作成本的递增顺序对各个工具系统28201-2820K进行排序。可以利用组合的成本数据资产来构造成本与同各个工具系统相关联的资产、输出和维护活动的预测模型——例如，这种评定可以识别出显著影响分组工具的操作成本或维护成本的操作资产和变量。在一方面，自主系统1960可以利用可用的历史数据资产来重新设计底层工厂中的生产线或设备配置，以使成本最小化。另外，在这样的优化过程期间，自主系统1960可以依赖于各种工具系统的关闭以便利用可替代的操作模式。此外，自主系统1960可以利用成本效益分析来确定一组折衷场景，在该场景中，进行特定输出的生产而没有针对特定高成本工具系统的输出。
工具系统28201至2820K可以基本上相同或者可以不同(例如，工具系统28201至28203是步进器，工具2820j是步进器，而2820K至2820K是涡轮分子真空泵)。通常，同类(例如，工具系统是相同的)与异类(例如，工具是不同)之间的主要差异可能在于输入测量结果和输出测量结果(例如，测量资产)不同。例如，工具分组或平台2800的感兴趣的关键输出可以是D1 CD均匀性，但是作为分组工具或平台2800一部分的涂覆或成膜系统可能无法提供这样的输出测量结果。因此，自主系统1960可以根据各个工具(例如，28201至2820K)的输出来构造用于表达工具分组的输出的模型。因此，当分组性能表现出降级时，可以分析与各个工具相关联的各个性能，以剔出在导致性能降级方面权重最大的工具。
图29展示了自主工具系统的联合部署的图。联合系统2910包括一组自主工具联合体29201至2920Q。每个工具联合体可以包括同类或异类的自主工具分组，例如，可以包含自主制造设施(未示出)的一组不同的自主工具分组或一组不同的自主制造设施。例如，工具联合体可以请求生产平台。应当理解，自主联合体29201至2920Q通常可以位于不同的地理位置。类似地，鉴于生产工艺可以包括多个步骤，因此可以将制造厂中的自主工具分组部署在工厂内的不同位置。因此，产品输出链2965可以促进向不同的自主工具联合体29201至2920Q提供部分地生产或加工或分析的产品；这样的特征用双向箭头29601至2960Q表示，这些双向箭头表示与联合体29201至2920Q相关联的输出/输入。
可以由包括交互组件1940、参与者1990和自主学习系统1960的自主学习系统自主地支持联合系统2910。在一方面，自主支持可以针对改善输出资产(例如，输出2965)的整体制造效率(OFE)度量。另外，每个自主工具联合体29201至2920Q可以进而由交互组件2930和自主学习系统2940自主地支持。接口组件2930促进自主学习系统2940与参与者29901至2990Q之间的交互。每个这样的组件的功能与以上结合系统1960和系统2800所描述的相应组件的功能基本上相同。在交互组件2930与自主系统2940之间传送的信息2948I(I＝1，2，……，Q)与相应的自主工具联合体2920I相关联。类似地，传达到自主工具联合体2920I和从该自主工具联合体接收的资产2950I是该自主工具联合体特定的。
为了解决自主工具联合体29101至2910Q的性能问题，可以通过性能标签来结合制造工艺的多步特性，该性能标签利用复合的联合体索引Ca和运行索引(R)来标识产品，其中，索引a指示联合体C(例如，自主联合体2920Q)内的特定工具分组；因此，与特定产品相关联的产品质量或性能度量是经由可以被称为“分组层输出”的标签(Ca；R)来标识的。这种标签有助于将每个自主操作分组标识为单独的分量Ca。因此，自主系统1960可以根据制造联合体(例如，自主工具联合体29102)和每个制造联合体内的工具分组来映射质量和性能度量。该工具分组通过首先识别联合体(例如，制造设施)，并且随后对与所评定降级相关联的工具执行分析来促进对较差性能或质量的根本原因分析。应当理解，索引Ca解释了以下事实：可以将在由多个联合工具组成的自主系统中生成的输出资产从第一联合体(N)输送到第二联合体(N′)。因此，用于跟踪与资产转移(例如，作为多步制造工艺的一部分)相关联的性能的复合符号可以为Cα；N→N′。
可以根据产品良品率来执行自主工具联合体的性能。利用这样的良品率来对不同的联合体进行排序。在一方面，自主学习系统1960可以至少部分地基于来自每个自主工具或自主分组工具的输出资产来开发良品率模型。例如，对于在半导体生产中采用的工具或工具分组，可以基于所测量数据将良品率表示为工件中检测到的不一致性的函数。此外，尤其可以在包括工具联合系统(例如，29201至2920Q)的自主学习系统中利用其他良品率度量来确定良品率模型，其中，可以在联合体之间输送输出资产：总体设备效率(OEE)、周期时间效率、准时递送率、产能利用率、返工率、机械线良品率、探测良品率和最终测试良品率、资产生产量、启动或斜升性能率等。应当注意，支持一组自主工具联合体的操作的自主系统可以自主地识别良品率度量之间的关系，以便根据关于所述良品率度量进行的调整来重新设计工艺或与参与者19901至1990Q进行通信。
可以通过静态分析和动态分析(例如，模拟)的组合来分析上文提到的良品率函数，以根据在导致特定良品率方面的影响程度或权重来对分组层输出进行排序。应当注意，至少部分地基于在影响资产输出或良品率方面的影响在分组层输出级对工具、工具分组或联合体进行排序可以使分组或联合体自主学习系统1960能够通过与分组中的每个工具或联合体中的分组相关联的自主系统来自主地识别是否可以将特定工具剔出作为良品率降低的主导工具。当定位了这样的工具时，分组或联合级自主系统1960可以利用关于对可能是性能降级的候选项的故障进行排序的信息向维护部门发出警报。
另外，可以采用最低排序的自主工具联合体的良品率来标识在对良品率的影响方面占主导的工具分组的分组层输出。可以将这种工具分组的故障时间与不同自主联合体中的基本上相同的工具分组进行比较，以便识别较差性能的(多个)原因。此外，自主工具联合系统对不同工具联合体中的特定工具分组内的工具进行排序。应当注意，支持和分析一组自主工具联合体(例如，29201至2920Q)的自主学习系统可以根据推断出的每个联合体的故障时间来对每个联合体进行排序。由于故障时间可能会因例如输入/输出资产(例如，资产1958)装载而随操作时间间隔发生变化，因此可以在指定的时间段(例如，每周、每月、每季度或每年)更新具有故障时间推测的数据库。
仍进一步地，当识别出对分组工具的较差性能负主要责任的单独的工具或模块(例如，该工具在分组工具内的性能排序最低，诸如，最经常未能输出具有指定目标质量特性(如均匀的掺杂浓度或均匀的表面反射系数)的资产的工具)时，与性能最低的工具或包括这种性能较差的工具的联合系统相关联的自主系统可以对工具的输出进行分析，以识别出对最低性能分组的输出影响最大的那些输出。例如，如以上说明的，在工具分组或联合体中的、输出具有较低均匀性的资产的工具可能会导致相当大百分比(例如，60％)的工具分组均匀性变化(例如，由于原本高质量显示器上涂层的表面反射率的均匀性问题而引起的光学显示器的表面反射率均匀性改变的变化)。为此，在一方面，对于分组中的每个输出，工具自主系统构造一个函数，该函数根据工具资产(例如，输入、配方和加工参数、工具操作员或参与者等)来表达工具输出。然后对该模型进行分析，以识别性能较差的主导因素。应当注意，自主系统可以在分组工具中识别出性能最佳的工具，并分析导致该工具具有最佳性能的原因；例如，在操作期间该工具的真空水平始终低于分组工具中不同工具的真空水平，或者在外延沉积期间，性能最佳的工具中的晶圆的旋转速度低于执行沉积的不同工具中的晶圆的旋转速度，因此该工具始终实现更高的器件质量。可以将最高排序和最低排序的工具中的这种因素与联合系统中其他工具中的相同参数进行比较。如果比较结果表明，在整个工具联合系统中，被识别为最高和最低排序性能的根本原因的因素似乎基本上相同，则可以开发新的模型，并且可以识别出可替代的根本原因。这种迭代的自主模型开发和验证过程可以继续进行，直到识别出根本原因、并且模拟了最佳实践(例如，在基本上所有工具联合体中采纳了在工具联合体11320p中利用的涂覆配方，因为该涂覆配方将输出资产性能提高了特定的期望裕度)、并且减少了性能较差的根本原因(例如，放弃了特定品牌的涂料，该涂料在喷涂管道的操作温度下的粘度会导致被喷涂产品的不均匀着色)。工具、工具分组或工具联合体的排序是自主的，并且以与在单个自主工具系统(例如，系统1960)中基本上相同的方式进行。支持自主工具的联合体的操作的自主系统将这种自主联合体视为单个组件，而不管其内部结构的复杂性如何，该复杂性可以通过与联合体相关联的自主系统进行访问和管理。
图30是展示了以上所描述的工具系统或生产平台或加工模块(例如，单独的自主工具1960、自主分组工具2800和自主联合体工具2900)的类别之间的模块化和递归耦接的图3000。在自主系统3000中，目标、上下文和资产通过被描绘为轴向网关的知识网络1975循环，并被传达到不同的自主工具系统1960、2800和2900。这种信息和资产在各个自主系统中被处理，处理可以包括分析、修改、生成新的信息和资产；这种处理被图示地描绘为在自主系统1960、2800、2900的每种表示形式的外环上的箭头。所处理和生成的资产被传达到知识网络1975，在知识网络处可以使这些资产在自主系统之间循环。在图3000中，资产的处理和生成被表示为按方位角发生，而资产的传送是径向过程。如图3000所描绘的，自主工具系统是基于以基本上相同的方式起作用的基本上相同的元件。
图31展示了对用于资产生成的多站过程进行评定和报告的示例系统3100。包括基于生物学的自主学习系统1960、参与者1990和相关联交互组件1930的自主系统3105可以接收和传达源自N站过程3110的(多个)资产1928，并通过向后链接来评定性能。N站过程是通过产生输出3120的一组N个过程站31101至3110N来实现的，并且这些过程站可以包括单独的自主工具1960、自主工具分组2820或自主工具联合体2920。作为(多个)性能评定的结果，自主系统3108可以在具有特定性能降级程度的过程站31101至3110N中定位工具或工具分组。另外，对于所选择的站，自主系统3108可以提供评定报告、(多种)修复报告或维护计划。应当理解，不同的过程站可以执行基本上相同的操作；这样的场景将反映出以下状况：在已经生成资产3115并将该资产输送到不同的工具或工具分组以进行进一步处理之后，输出资产3115返回到特定的工具或工具分组以进行进一步处理。
在向后链接中，导致输出的动作流程(例如，过程流程3130)通常与通常对该动作流程进行评定的探测流程(例如，评定流程3140)相反。因此，评定通常以自上而下的方式进行，其中，评定是对特定动作的高级阶段(例如，最终资产输出3120)进行的，并进行到较低级阶段，以寻求将评定集中在完成特定动作之前的特定阶段。如自主系统3104所应用的，经由过程站N 3110N接收输出资产3120。如由3146所展示的，自主系统3104可以至少部分地基于过程站3110N中基本上所有操作组件(例如，工具、分组工具或联合体工具)的预期性能来评估导致特定降级矢量(未示出)的一组性能度量{P(C) N-1→N}。另外，应当理解，在过程3130中，可以跨不同的地理区输送输出资产(例如，资产3115)，因此由自主系统3104评定的降级矢量可以包括与该过程中的、导致部分完成资产3115的传输中部分相关联的度量。例如，当过程3130涉及半导体工艺时，工件在某些处理平台中可能具有较少的不一致性或缺陷。当这样的评定的(多个)结果3149指示N站输出3120错误时，自主系统3104剔出与过程站N相关联的有故障的工具、工具分组或平台，并生成报告(例如，评定报告3150、(多种)修复报告3160或维护计划3170)。生成的(多个)报告可以包含一个或多个参与者(例如，参与者19901至1990Q)要利用的信息。另外，报告可以被存储，以针对性能方面的特定问题(尤其是不经常出现的问题)为一个或多个生产平台创建解决方案(或“修理”)的遗产(legacy)或校正性加工，使得相对于通常可以从广泛可用数据中受益的自主开发的解决方案，参与者的干预可能是优选的。此外，报告的可用性可以促进对故障情景的故障模拟或取证分析，这可以在至少两个层面上降低生产成本：(a)昂贵的不经常发生故障的设备可以被预测为在可以由自主系统1960模拟的、由背景技术与设备复杂性不相称的参与者对设备的进行操作引起的极少数情况下发生故障，(b)通过至少部分地基于存储在评定报告3150和修复报告3160中的历史数据的对各种故障场景的预测来优化零件库存。
如果过程站N 3110N的结果3149没有产生有故障的工具或者工具分组或工具平台，则对生成部分地经处理的输出资产3115且是生成输出3120的过程循环3130中的一部分的较低级的过程站N-3110N-1执行评定。通过分析一组不同的性能度量{P(C) N-2→N-1}，可以提取降级程度，并且可以定位相关联的工具或工具分组(例如，联合体C)。在不存在有故障的自主工具的联合体、自主工具分组或单个自主工具的情况下，自主系统3104继续进行向后的自上而下的评定流程3140，以在最终输出3120中定位较差性能的来源。
图32是示例自主系统3200的框图，该示例自主系统可以分配由工具联合系统自主生成的输出资产。在系统3200中，工具联合体2920Q可以自主地生成一组输出资产3210，该组输出资产可以是：(i)关于可以构成工具联合系统2920Q的一个或多个工具的状态(包括性能降级状况)而收集或推断出的信息(例如，结构和数据模式、被测变量之间的关系，如对构成自主工具联合体2920Q的相同或不同工具分组中的现有降级情景或状况的补救等)；或者(ii)由所述联合体制造的输出产品。另外，在系统3200中，输出资产3220可以由资产选择器3220过滤，并且被传达或传送到分配组件3230。这种分配组件3230可以利用基于生物学的自主学习系统1960的智能方面。分配组件3230包括可以操纵打包组件3245的管理组件3235和可以准备数据的加密组件3255，以及调度器3265和资产监测器3275。打包组件3245可以为分配过程准备要分配的资产；这样的准备可以包括防止损坏以及防止丢失。对于信息资产(例如，情景存储器3130中的事件，诸如由于在零件规范之外(如温度高于阈值)操作而产生的系统不想要的状况)或数据资产，打包组件3245可以更改特定格式以至少部分地取决于要分配的资产的预期接收方来呈现信息。例如，专有信息可以是抽象的并且被没有具体地呈现(例如，气体的显式名称可以用单词“气体”代替；特定参数之间的关系可以推广为变量之间的关系，例如“p(O2)<10-8托”可以被打包为“p(气体)<10-8托”)。另外，打包组件11645可以利用加密组件3255来确保资产传输和资产恢复期间预期接收方处的信息完整性。
另外，在一方面，管理组件3235可以访问：(i)资产存储设备3283，该资产存储设备通常包含计划要分配的资产或已分配的资产；(ii)合作伙伴存储设备3286，该伙伴存储设备包括与特定资产的分配或完成相关联的商业合作伙伴；(ii)客户存储设备3289，该客户存储设备可以包含已经被分配有或可以被分配有所选资产的当前客户、过去客户或潜在客户；(iv)策略存储设备，该策略存储设备可以确定与资产分配相关联的方面，诸如，许可、客户支持和关系、用于资产打包的程序、计划程序、知识产权的实施等。应当理解，策略存储设备中包含的信息可以至少部分地基于由基于生物学的自主学习系统学习到的或生成的知识(例如，信息资产)而动态地改变。
一旦资产被打包并且该资产已经被计划用于分配，就可以存储分配记录，或者如果该资产是数据资产，则可以存储该资产的副本。然后，可以将资产递送到不同的自主工具联合体P 2920P。
图33展示了资产(例如，成品、半成品……)的从设计到生产再到营销的自主确定的分配步骤的示例。六边形单元格3310表示特定的地理区(例如，城市、县、州，一个或多个国家)，其中，两种类别的自主工具联合体(例如，“圆形”联合体3320、3330、3340、3350和3360以及“方形”联合体3365和3375)参与一组产品或资产的生产链。(应当注意，地理区还可以包含除了六边形单元格外的基本上任何界定区。)作为示例场景但非限制性地，资产的生产始于联合体3320，该联合体可以是为用于高山运动(例如滑雪、攀岩、滑翔伞运动等)的光学管理的定制的固态器件提供设计的联合体。设计可以包含执行对源材料及其组合物的光学特性的计算模拟以及执行器件模拟。在这种情况下，联合体3320可以是大规模并行超级计算机，在本主题示例中，该超级计算机可以被解释为一组自主工具分组(图28)，其中，模拟计算机网络中的每个计算机都被认为是自主工具分组。联合体3320输出对光学器件的一种或多种设计以及与器件描述相关联的一系列报告(例如，数据资产)。在适当的加密和打包(例如，通过组件)之后，这种输出或资产(未示出)可以经由可以是无线链路的通信链路3324被传达到联合体3330。
联合体3330可以接收数据资产，并且作为非限制性示例，该联合体根据接收到的资产来发起沉积工艺以制造固态器件。为此，联合体3330可以与联合体3340合作，并且这两者都可以被视为是双联合体自主联合体工具2910的一部分的制造设施。这种联合体可以根据接收到的规范资产生产多个器件，一旦器件被制造出来，就可以对该器件进行测试，并为其指配质量和性能度量，这种度量可能导致向后链接到进入联合体3330和3340的自主工具之中的定位的“较差执行者”。通过确定多个度量，可以自主地调整联合体3320和3330的操作，以优化对器件或输出资产的生产。应当注意，链路3324指示内部链路，其中，联合体3330和3340是同一制造工厂的一部分；因此，可以在与在利用提供车辆输送路线的链路3324时基本上不同的状况下输送资产。链路3344可以用于运送器件以在不同的地理位置进行商业打包(这种输送可以通过优惠的打包成本、熟练的劳动力、公司税收优惠等来推动)。应当理解，联合体3340处的自主学习系统可以优化运送时间(例如，经由调度器)和路线(例如，链路3344)，以确保及时且成本有效的递送。在联合体3350处，对资产进行打包，并经由无线链路在联合体3360中对其进行远程测试。在一方面，可以由联合体3360中的自主系统来确定所测试器件的体积和开始测试器件的批次。一旦打包好的器件被批准用于商业化，资产将通过道路链路3344被运送到联合体3340，并且随后经由道路链路3370被运送到不同类别的联合体3375。前一个联合体可以是合作伙伴供应商，而联合体3375(其可以被视为工具分组联合体)可以是存储仓库。这种联合体内部地链接到联合体3365(其可以是接收到的资产的陈列室)。
鉴于以上所呈现和描述的示例系统，参考图34、图35和图36的流程图，可以根据所披露的主题来实施的方法将会被更好地理解。尽管为了便于解释的目的，将方法示出并描述为一系列框，但是应当理解和认识，所披露的方面不受动作的编号或顺序的限制，因为某些动作可能以不同的顺序发生和/或与本文所描绘和所描述的内容的其他框同时发生。而且，并非所有展示的动作可以被要求来实施在下文中所描述的方法。应当理解，可以通过软件、硬件、其组合或任何其他合适的手段(例如，器件、系统、过程、组件)来实施与这些框相关联的功能。另外，应当进一步理解，在下文和贯穿本说明书中所披露的方法能够被存储在制品上，以促进将这样的方法输送和传送到各种器件。本领域技术人员将理解和认识，诸如在状态图中，方法可以可替代地被表示为的一系列相互关联的状态或事件。
图34呈现了用于具有上下文目标调整的基于生物学的自主学习的示例方法3400的流程图。在动作3410处，建立目标。目标是与用于实现目标或目的的目标组件的功能相关联的抽象概念。目标可以是多学科的，并且可以跨越各个行业(例如，工业、科学、文化、政治等)。通常，动作3410可以由对于可以耦接到学习系统(例如，自适应推断引擎)的目标组件而言可能是外部或外在的参与者执行。鉴于目标的多学科性质，目标组件可以是具有多种功能的工具、器件或系统；例如，执行特定工艺的工具系统(例如，工具系统1910)，或者为一组请求提供特定结果的器件等。在动作3420处，接收数据，诸如，工件的测量数据。这样的数据可以是内在的，例如，在追求目标的目标组件(例如，组件1720)中生成的数据。在一方面，作为执行特定过程的一部分，具有与测量模块相关联的传感器或探针的一组检查系统可以收集在自适应智能组件中接收到的数据。接收到的数据也可以是外在的，诸如由参与者(例如，参与者1990)传达的数据，该参与者可以是人类代理或机器。外在数据可以是用于驱动过程或通常用于驱动特定目标实现的数据。人类代理可以是工具系统的操作员，并且可以提供与由工具执行的工艺相关联的指令或特定程序。参与者的示例可以是执行对工具系统的模拟的计算机或者基本上任何目标组件。应当理解，可以采用对工具系统的模拟来确定工具系统的部署参数，或者用于测试工具的可替代操作条件(例如，可能对人类代理造成伤害或可能很昂贵的操作条件)。接收到的数据可以是与特定过程相关联的训练数据或生产数据，或者通常是特定代码。
在另一方面，接收到的数据可以与数据类型或者程序单元或函数单元相关联。数据类型是实际数据的高级抽象概念；例如，在工具系统中的退火状态中，可以在整个退火周期期间将温度控制在编程水平，可以将由工具系统中的温度传感器测得的温度值的时间序列与序列数据类型相关联。函数单元可以对应于接收到指令或处理代码补丁的库，这些指令或处理代码补丁操纵对于工具的操作或分析由工具生成的数据所必需的数据。可以将函数单元抽象为与该单元的特定函数性相关的概念；例如，可以将乘法代码片段抽象为乘法概念。这种概念可能会过载，因为单个概念可能取决于多种数据类型，诸如，乘(序列)、乘(矩阵)或乘(常数，矩阵)。此外，与函数单元相关联的概念可以继承与函数单元相关联的其他概念，如导数(scalar_product(矢量，矢量))，该导数可以说明表示两个矢量的标量积关于自变量的导数的概念。应当理解，函数概念与本身为概念的类直接类似。此外，可以将数据类型与优先级相关联，并且可以根据优先级将数据类型存放在语义网络中。类似地，函数概念(或自动机器人)也可以与优先级相关联，并被存放在不同的语义网络中。概念优先级是动态的，并且可以促进语义网络中的概念激活。
如以上所讨论的，在动作3430处，根据接收到的数据生成知识，该知识可以在语义网络中进行表示。知识的生成可以通过在语义网络中传播激活来实现。除了得分组合之外，这种传播还可以通过指配给概念的状况得分来确定。在一方面，得分组合可以是两个得分的加权相加或者两个或更多个得分的平均值。应当理解，可以根据工具系统条件或从外部参与者接收的信息输入来根据需要修改得分组合的规则。应当理解，优先级可以随着时间的推移而衰减，以允许很少被激活的概念变得过时，从而允许新概念变得更加相关。
所生成的知识可以是完整的信息；例如，沉积步骤中的稳态压力是两个自变量(如，稳态流量和稳态排气阀角度)的精确明确定义的数学函数(例如，具有进入被确切地评定的而不是随机的或未知的函数的所有参数的单值函数)。可替代地，所生成的知识可以表示部分理解；例如，刻蚀速率可以具有对温度的已知函数依赖性(例如，指数依赖性)，而刻蚀速率与温度之间的特定关系(例如，确定函数依赖性的参数的精确值)是未知的。
在动作3440处，所生成的知识被存储以便随后用于自主生成进一步知识。在一方面，可以将知识存储在存储器的层次结构中。可以根据存储器中知识的持久性和知识的可读性来确定层次结构，以创建附加的知识。在一方面，层次结构中的第三层可以是情景存储器(例如，情景存储器2130)，在该情景存储器中，可以收集接收到的数据印象和知识。在这样的存储器层中，对概念的操纵并不显著，代替地，存储器充当从工具系统或外部参与者接收的可用信息的储存库。在一方面，这样的存储器可以被标识为元数据库，其中，可以存储多种数据类型和程序概念。在第二层中，知识可以存储在短期存储器中，其中，概念可以被显著地操纵，并且可以在语义网络中进行扩展激活。在这样的存储器层中，函数单元或程序概念对接收到的数据和概念进行操作，以生成新的知识或学习。第一层存储器可以是长期存储器(例如，LTM 2110)，其中，知识被保持以用于主动利用，其中重要的新知识存储在该存储器层中。另外，长期存储器中的知识可以被短期存储器中的函数单元利用。
在动作3450处，利用所生成或所存储的知识。知识可以用于：(i)通过识别所存储的知识与新接收到的数据之间的差异来确定目标组件(例如，工具系统1910)的降级水平(参见自感知组件2150)，其中，接收到的数据可以是外在的(例如，输入1730)或内在的(例如，输出1740的一部分)；(ii)例如通过识别数据模式或通过发现变量之间的关系来表征外在数据或内在数据或这两者(诸如，在自概念化组件2160中)，其中，可以利用变量来实现所建立的目标；或者(iii)生成对生成数据的工具系统的性能的分析(例如，自优化组件2170)，从而在工具系统的降级导致工具故障之前，提供对预测故障或现有故障的根本原因以及必要修复的指示或者触发警报以便实施预防措施。应当注意，所存储和所生成的知识的利用率受接收到的数据(外在的或内在的)以及因而生成的知识的影响。
动作3460是确认动作，其中，可以鉴于所生成的知识来检查目标的实现程度。如果实现了所建立的目标，则示例方法3400可以结束。可替代地，如果尚未实现所建立的目标，则可以在动作3470处复查已所建立的目标。在后一种情况中，如果要修订或适配当前目标，则方法2400的流程可以致使建立新目标；例如，目标适配可以基于所生成的知识。在不追求对当前目标进行修正的情况下，返回方法3400的流程以生成知识，该知识可以用于继续追求当前建立的目标。
图35呈现了用于调整与目标组件的状态相关联的概念的状况得分的示例方法的流程图3500。在动作3510处，确定目标组件的状态，通常通过上下文来建立状态，该上下文可以由各种数据输入(例如，输入1730)确定，或者通过与该输入相关联并表现出特定关系的概念网络来确定。输入数据与目标组件所追求的目标相关；例如，可以将针对特定薄膜器件的涂覆工艺的配方视为与“沉积绝缘器件”目标相关联的输入。在动作3520处，确定可以应用于目标组件的状态的一组概念。这样的概念可以是在动作3510中输入的数据类型的抽象概念，或者可以是存储平台(例如，长期存储器2110或短期存储器2120)中的现有概念。通常，可能更频繁地利用可以对描述性概念(例如，没有功能性成分的概念)起作用的功能性概念来实现目标。在动作3530处，确定与目标状态相关联的一组概念中的每个概念的状况得分，一组状况得分可以建立针对概念利用率或应用性的层次结构，该层次结构可以确定目标的动态，如目标适配或子目标创建/随机性。调整特定概念的状况得分可以驱动目标实现以及在目标空间内的传播(作为目标适配的一部分)。
图36呈现了用于通过推断生成知识的示例方法的流程图3600。在动作3610处，将概念与数据类型相关联，并确定该概念的优先级。通常可以基于概念的利用概率或概念的权重来确定优先级。这样的权重可以通过可以表示利用概念的难易程度(例如，对数据类型进行操作的复杂性)的参数的函数(例如，加权和或几何平均值)来确定，这样的参数可以利用概念的惯性和用于描述状态(例如，可能与该概念相关的相邻概念的数量)的概念适用性参数来标识。应当理解，由于明确地时间相关的惯性和适用性参数或者由于概念传播，优先级可以是时间相关的。时间相关的优先级可以将老化方面引入到特定的概念，并且因此可以通过意为在特定知识场景(例如，基于优先级的知识网络中的节点结构)中停止相关的概念来提高知识的灵活性(例如，知识(例如，用于追求目标的范式，诸如用于制备纳米结构器件的配方)。在动作3620处，建立针对一组具有优先级排序的概念的语义网络。应当理解，语义网络可以包括多个子网络，其中，多个网络中的每一个可以表征某一类概念之间的一组关系。作为示例，在两层语义网络中，第一子网可以表示根据数据类型得到的概念之间的关系，而第二子网可以包括描述可以用于对数据类型进行更改的操作的功能性概念(例如，规划器自动机器人或überbot、概念化自动机器人)之间的关系。在动作3630处，在语义网络上传播该组优先级以进行推断，并且因此生成与概念网络相关联的知识。在一方面，这种传播可以用于生成针对目标适配的优化规划，或者用于预测追求特定目标的系统中的故障。
图37是用于资产分配的示例方法3700的流程图。(多个)资产可以由单个自主工具、自主分组工具(例如，系统2810)或自主联合的工具系统(例如，系统2910)提供。应当理解，资产也可以以可以替代方式生成。在动作3710处，接收资产。在一方面，接收到的资产可以是从由一个或多个自主工具生成的(多个)输出资产中选择的资产。在动作3720处，处理接收到的资产以进行分配。如以上所讨论的，资产通常具有与在生成该资产时利用的知识相关联的优点；因此，可以以防止竞争对手对资产进行逆向工程的方式打包资产。应当理解，取决于资产的目的地，可以定制与资产相关联的打包信息，从而至少部分地基于接收资产的实体是商业合作伙伴还是客户或者是制造资产的组织的其他分支机构、部门或团体来递送不同级别的信息。与资产一起打包的信息的级别可以遵循特定策略(例如，存储在策略存储设备3292中的策略)。另外，对于数据资产或计算机程序资产，可以在打包这些资产时对其进行加密，以保持资产所传达信息的完整性。此外，用于分配资产的处理的一部分可以包括在遵循合适的分配计划的同时将资产保存在存储设备(例如，资产存储设备3283)中。在一方面，可以通过支持制造或生产要分配的资产的工具系统的自主系统(例如，系统2960)来优化这种计划。
在动作3730处，分配经处理的资产。分配通常取决于资产的特征和特性以及资产的目的地。例如，可以在制造厂内分配资产，以便像在组装线中那样完成资产生产，在组装线中，未完成的车辆(例如，资产)可以被输送通过不同的组装阶段。类似地，在食品行业中，冷冻食品(例如，资产)遍布整个食品制备厂。可替代地或另外地，取决于行业，未完成的资产可以分配给海外来完成，以便从具有成本效益的生产市场获益。
在动作3740处，监测已分配资产，以确保例如资产分配遵守适用的分配法规，或者通过访问资产的分配状态来确保充足的库存补充。另外，监测资产的分配可以减轻损失和损坏，并且可以促进与商业合作伙伴和客户的交互。
可以使用标准编程和/或工程技术将本文所描述的各个方面或特征实施为方法、装置或制品。如本文所使用的术语“制品”旨在涵盖可从任何计算机可读器件、载体或介质访问的计算机程序。例如，计算机可读介质可以包括但不限于磁存储器件(例如，硬盘、软盘、磁条……)、光盘[例如，光盘(CD)、数字多功能盘(DVD)……]、智能卡和闪存器件(例如，卡、棒、密钥驱动器(key drive)……)。
以上已描述的内容包括所要求保护的主题的示例。当然，不可能为了描述所要求保护的主题的目的而描述出组件或方法的每一种可以想到的组合，但是本领域普通技术人员可以认识到，所要求保护的主题的许多另外的组合和排列是可能的。因此，所要求保护的主题旨在包括落入所附的权利要求的精神和范围之内的所有这样的变更、修改以及变化。此外，对于在详细描述或权利要求中使用了术语“包括”而言，这种术语旨在以与术语“包含”类似的方式是开放式的，这是由于“包括”当被使用时被解释成权利要求中的过渡词。

Claims (36)

1.一种搬送模块，用于与一个或多个加工模块一起实施以将工件移入和移出该一个或多个加工模块以在工件上制造电子器件，该搬送模块包括：
搬送室，该搬送室具有用于移动该工件的内部空间，该搬送室被配置为耦接到加工工件的一个或多个加工模块；
搬送机构，该搬送机构被定位在该搬送室的内部空间内并且被配置为使一个或多个工件移动通过该内部空间，并选择性地移入和移出与该搬送室耦接的一个或多个加工模块；
测量区域，该测量区域位于该搬送室的内部空间的专用区内，该测量区域可被该搬送机构访问，以至少在加工模块中加工工件之前或之后将该工件定位在该测量区域中；以及
检查系统，该检查系统被配置为接合被定位在该测量区域中的工件，该检查系统能够操作用于测量与该工件上的属性相关联的数据。
2.如权利要求1所述的搬送模块，其中，该搬送室被配置为与托管多个加工模块的生产平台耦接，在这些加工模块中，工件按加工序列通过多个工艺被加工。
3.如权利要求2所述的搬送模块，其中，该生产平台托管至少一个刻蚀模块和至少一个成膜模块。
4.如权利要求1所述的搬送模块，进一步包括支撑机构，该支撑机构用于支撑被定位该在测量区域中的工件。
5.如权利要求4所述的搬送模块，其中，该检查系统作为该支撑机构的一部分被嵌入。
6.如权利要求4所述的搬送模块，其中，该支撑机构被配置为执行平移该工件或旋转该工件中的至少一项。
7.如权利要求6所述的搬送模块，其中，该工件的平移包括在该搬送室内竖直移动。
8.如权利要求4所述的搬送模块，其中，该支撑机构包括用于控制该工件的温度的至少一个温度控制元件。
9.如权利要求4所述的搬送模块，其中，该支撑机构包括用于提供至少一个自由度的磁悬浮台。
10.如权利要求1所述的搬送模块，其中，该检查系统被定位在该搬送室的内部空间的外部，该检查系统被配置为通过将检查信号从该内部空间的外部引导到该测量区域中来接合该工件，以测量与该工件上的属性相关联的数据。
11.如权利要求10所述的搬送模块，进一步包括与该搬送室耦接的进入端口，该进入端口对于该检查信号从该检查系统进入该内部空间中到达该测量区域的通过过程是透明的。
12.如权利要求11所述的搬送模块，其中，该信号包括电磁信号、光学信号、粒子束、带电粒子束、或其中两项或更多项的组合中的至少一种。
13.如权利要求11所述的搬送模块，其中，该进入端口包括窗口、开口、阀、光闸或光圈、或其中两项或更多项的组合。
14.如权利要求11所述的搬送模块，其中，该检查系统位于该搬送模块上方。
15.如权利要求1所述的搬送模块，其中，该检查系统被定位在该搬送室的内部空间中并靠近该测量区域，该检查系统通过将检查信号引导到该测量区域中来接合该工件，以测量与该工件的属性相关联的数据。
16.如权利要求1所述的搬送模块，其中，该检查系统被定位在该搬送室的内部空间中并靠近该测量区域，该检查系统通过执行接触式测量或非接触式测量或其组合中的至少一项来接合该工件。
17.如权利要求1所述的搬送模块，其中，该检查系统被定位在该搬送室的内部空间中并靠近该测量区域，该检查系统通过对该工件的正面和/或该工件的背面执行测量来接合该工件。
18.如权利要求1所述的搬送模块，其中，该检查系统包括被配置为产生奇异光束的光源。
19.如权利要求18所述的搬送模块，其中，该检查系统检测该工件上的颗粒并进行计数。
20.如权利要求1所述的搬送模块，其中，该搬送室的内部空间和测量区域被维持为受控环境，该受控环境包括真空环境或惰性气体气氛中的至少一种。
21.一种搬送模块，用于与一个或多个加工模块一起实施以将工件移入和移出该一个或多个加工模块以在工件上制造电子器件，该搬送模块包括：
搬送室，该搬送室具有用于移动该工件的内部空间，该搬送室被配置为耦接到加工工件的一个或多个加工模块；
直通室，该直通室具有用于移动该工件的内部空间，该直通室被定位在该搬送室与另一腔室之间；该另一腔室包括加工模块或另一搬送室；
搬送机构，该搬送机构被定位在该搬送室的内部空间内并且被配置为使一个或多个工件移动通过该内部空间，并选择性地移入和移出与该搬送室耦接的一个或多个加工模块或该直通室；
测量区域，该测量区域位于该直通室的内部空间的专用区内，该测量区域可被该搬送机构访问，以至少在加工模块中加工工件之前或之后将该工件定位在该测量区域中；以及
检查系统，该检查系统被配置为接合被定位在该测量区域中的工件，该检查系统能够操作用于测量与该工件上的属性相关联的数据。
22.如权利要求21所述的生产平台，其中，该多个加工模块包括至少一个成膜模块和至少一个刻蚀模块。
23.如权利要求21所述的生产平台，其中，该检查系统被定位在该直通内部空间的外部，该检查系统被配置为将检查信号从该内部空间的外部引导到该测量区域中，以测量与该工件上的属性相关联的数据。
24.如权利要求23所述的生产平台，进一步包括与该搬送室耦接的进入端口，该进入端口对于该检查信号从该检查系统进入该内部空间中到达该测量区域的通过过程是透明的。
25.如权利要求21所述的生产平台，其中，该检查系统包括：
至少一个信号源，该至少一个信号源用于引导电磁信号、光学信号、粒子束或带电粒子束中的至少一种，以使其入射到被定位在该测量区域中的工件表面上；以及
至少一个检测器，该至少一个检测器被布置成接收从该工件表面反射的电磁信号、光学信号、粒子束或带电粒子束中的至少一种，以测量与该工件上的属性相关联的数据。
26.如权利要求21所述的生产平台，其中，该检查系统能够操作用于测量与包括以下一项或多项的属性相关联的数据：与在该工件上制造的电子器件相关联的层厚度、层保形性、层覆盖率、层轮廓、边缘放置位置、边缘放置误差(EPE)、临界尺寸(CD)、块临界尺寸(CD)、网格临界尺寸(CD)、线宽粗糙度(LWR)、线边缘粗糙度(LER)、块LWR、栅格LWR、与选择性沉积有关的特性、与选择性刻蚀有关的特性、物理特性、光学特性、电特性、折射率、电阻、电流、电压、温度、质量、速度、加速度或其组合。
27.如权利要求21所述的生产平台，其中，该检查系统能够操作用于使用以下至少一种技术或设备来测量与该工件的属性相关联的数据：
反射测量法、干涉测量法、散射测量法、轮廓测量法、椭圆偏振测量法、X射线光发射光谱法、离子散射光谱法、低能离子散射(LEIS)光谱法、俄歇电子光谱法、二次离子质谱法、反射吸收IR光谱法、电子束检查、粒子检查、粒子计数设备、光学检查、掺杂剂浓度计量法、薄膜电阻率计量法、微量天平、加速度计、电压探针、电流探针、温度探针、应变仪。
28.如权利要求21所述的生产平台，其中，该直通内部空间和测量区域被维持为受控环境，该受控环境包括真空环境或惰性气体气氛中的至少一种。
29.一种搬送模块，用于与一个或多个加工模块一起实施以将工件移入和移出该一个或多个加工模块以在工件上制造电子器件，该搬送模块包括：
搬送室，该搬送室具有用于移动该工件的内部空间，该搬送室包括设置在该搬送室的周边的一个或多个搬送端口；
搬送机构，该搬送机构被定位在该搬送室的内部空间内并且被配置为沿该内部空间内的水平面移动该工件，并选择性地移入和移出与相应搬送端口相对的一个或多个加工模块；以及
光学检查系统，该光学检查系统耦接到该搬送室，该光学检查系统包括被设置成与该水平面相对且在该搬送室的周边内的传感器开孔。
30.如权利要求29所述的搬送模块，其中，该传感器开孔布置在相应的加工模块附近。
31.如权利要求29所述的搬送模块，其中，该光学检测系统包括图像捕获设备、光源和用于分析存储在存储器中的图像的图像处理系统。
32.如权利要求29所述的搬送模块，其中，该光学检测系统包括表面分析组件。
33.如权利要求29所述的搬送模块，其中，该光学检测系统包括图案分析组件。
34.如权利要求29所述的搬送模块，其中，该光学检测系统包括厚度分析组件。
35.如权利要求29所述的搬送模块，其中，该光学检测系统包括应力分析组件。
36.一种用于制造电子器件的生产平台，该生产平台包括：
托管在公共生产平台上的多个加工模块，用于按加工序列通过多个工艺对工件进行加工；
搬送模块，该搬送模块耦接至该公共生产平台并与该多个加工模块耦接，以用于将该工件移入和移出该加工模块以实现该加工序列；该搬送模块包括：
搬送室，该搬送室具有用于移动该工件的内部空间，
搬送机构，该搬送机构被定位在该搬送室的内部空间内并且被配置为使该工件移动通过该内部空间，并选择性地移入和移出这些加工模块；
直通室，该直通室具有用于移动该工件的内部空间，该直通室被定位在该搬送室与另一腔室之间；该另一腔室包括加工模块或另一搬送室；
第一测量区域，该第一测量区域位于该搬送室的内部空间内，该测量区域可被该搬送机构访问，以至少在加工模块中加工工件之前或之后将该工件定位在该测量区域中；
第二测量区域，该第二测量区域位于该直通室的内部空间内，该测量区域可被该搬送机构访问，以将该工件定位在该测量区域中；
第一检查系统，该第一检查系统被配置为接合被定位在该第一测量区域中的工件，该检查系统能够操作用于测量与该工件上的属性相关联的数据；以及
第二检查系统，该第二检查系统被配置为接合被定位在该第二测量区域中的工件，该检查系统能够操作用于测量与该工件上的属性相关联的数据。
CN201980031247.0A 2018-03-20 2019-03-18 结合有集成半导体加工模块的自感知校正异构平台及其使用方法 Pending CN112106182A (zh)

Applications Claiming Priority (11)

Application Number Priority Date Filing Date Title
US201862645685P 2018-03-20 2018-03-20
US62/645,685 2018-03-20
US201962787608P 2019-01-02 2019-01-02
US201962787607P 2019-01-02 2019-01-02
US62/787,607 2019-01-02
US62/787,608 2019-01-02
US201962787874P 2019-01-03 2019-01-03
US62/787,874 2019-01-03
US201962788195P 2019-01-04 2019-01-04
US62/788,195 2019-01-04
PCT/US2019/022707 WO2019182952A1 (en) 2018-03-20 2019-03-18 Self-aware and correcting heterogenous platform incorporating integrated semiconductor processing modules and method for using same

Publications (1)

Publication Number Publication Date
CN112106182A true CN112106182A (zh) 2020-12-18

Family

ID=67987486

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980031247.0A Pending CN112106182A (zh) 2018-03-20 2019-03-18 结合有集成半导体加工模块的自感知校正异构平台及其使用方法

Country Status (6)

Country Link
US (2) US20200006100A1 (zh)
JP (1) JP7402399B2 (zh)
KR (1) KR102648517B1 (zh)
CN (1) CN112106182A (zh)
TW (2) TWI828667B (zh)
WO (1) WO2019182952A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112880737A (zh) * 2021-01-14 2021-06-01 四川雅吉芯电子科技有限公司 一种单晶硅外延片检测用集成系统
CN117974719A (zh) * 2024-03-28 2024-05-03 深圳新联胜光电科技有限公司 一种光学透镜的加工跟踪与检测方法、系统及介质
TWI851463B (zh) * 2023-11-01 2024-08-01 英業達股份有限公司 出貨結單進度評估方法、裝置、電子設備及儲存媒體
TWI863041B (zh) * 2022-11-29 2024-11-21 環球晶圓股份有限公司 即時晶圓加工品質估測的方法及電子裝置

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6946473B2 (ja) * 2018-01-26 2021-10-06 東京エレクトロン株式会社 基板処理装置
KR102730617B1 (ko) * 2018-03-20 2024-11-14 도쿄엘렉트론가부시키가이샤 통합형 종단간 자기 정렬 다중 패터닝 공정을 위한 플랫폼 및 작업 방법
US11241720B2 (en) 2018-03-22 2022-02-08 Tel Manufacturing And Engineering Of America, Inc. Pressure control strategies to provide uniform treatment streams in the manufacture of microelectronic devices
US10896833B2 (en) * 2018-05-09 2021-01-19 Applied Materials, Inc. Methods and apparatus for detecting an endpoint of a seasoning process
US11681929B2 (en) * 2018-10-02 2023-06-20 Honeywell International Inc. Methods and systems for predicting a remaining useful life of a component using an accelerated failure time model
US20220206996A1 (en) * 2019-02-14 2022-06-30 Lam Research Corporation Data capture and transformation to support data analysis and machine learning for substrate manufacturing systems
US11097485B2 (en) * 2019-05-07 2021-08-24 Solar Turbines Incorporated System and method for resource estimation of additive manufacturing
DE102019121281A1 (de) * 2019-08-07 2021-02-11 Netzsch-Gerätebau GmbH Datenerfassungssystem, System und Verfahren für Echtzeit-Inline-Überwachung von industriellen Herstellungsprozessen
JP7542417B2 (ja) * 2019-12-27 2024-08-30 株式会社Ｓｃｒｅｅｎホールディングス 基板処理装置、基板処理方法、基板処理システム、及び学習用データの生成方法
CN113534855B (zh) * 2020-04-14 2023-07-21 长鑫存储技术有限公司 一种机台气路流量调整系统及方法
CN111785671A (zh) * 2020-05-22 2020-10-16 嘉兴微拓电子科技股份有限公司 一种快速工作台机构及其工作方法
US11830779B2 (en) * 2020-08-12 2023-11-28 Applied Materials, Inc. In-situ etch material selectivity detection system
JP7596670B2 (ja) 2020-08-24 2024-12-10 東京エレクトロン株式会社 基板を処理する装置、及び基板を処理する方法
TWI757907B (zh) * 2020-10-07 2022-03-11 財團法人國家實驗研究院 一種在真空環境中叢集式即時線上製程暨分析傳輸系統
US11860973B2 (en) * 2020-10-27 2024-01-02 Applied Materials, Inc. Method and system for foreline deposition diagnostics and control
KR20220056600A (ko) * 2020-10-28 2022-05-06 삼성전자주식회사 반도체 소자의 제조 장치
US20220165593A1 (en) * 2020-11-24 2022-05-26 Applied Materials, Inc. Feedforward control of multi-layer stacks during device fabrication
US12237158B2 (en) 2020-11-24 2025-02-25 Applied Materials, Inc. Etch feedback for control of upstream process
EP4256410A1 (en) * 2020-12-03 2023-10-11 Elisa Oyj Monitoring and control of a semiconductor manufacturing process
US11709477B2 (en) 2021-01-06 2023-07-25 Applied Materials, Inc. Autonomous substrate processing system
US20220228265A1 (en) * 2021-01-15 2022-07-21 Taiwan Semiconductor Manufacturing Co., Ltd. System and method for dynamically adjusting thin-film deposition parameters
DK4053650T3 (da) * 2021-03-01 2023-12-11 Koerber Supply Chain Logistics Gmbh Computerimplementeret metode, anordning til databehandling og computersystem til betjening af en styreanordning i et transportsystem
JP7426540B2 (ja) 2021-03-31 2024-02-01 株式会社Fuji データ保存システム
US12001197B2 (en) 2021-04-14 2024-06-04 Applied Materials, Inc. Eco-efficiency (sustainability) dashboard for semiconductor manufacturing
JP2022165301A (ja) * 2021-04-19 2022-10-31 東京エレクトロン株式会社 基板を搬送する装置、及び基板を搬送する方法
US11892382B2 (en) * 2021-08-27 2024-02-06 Taiwan Semiconductor Manufacturing Company Ltd. Method for detecting environmental parameter in semiconductor fabrication facility
KR102622144B1 (ko) * 2021-09-06 2024-01-05 주식회사 한화 반도체 증착 시스템 및 이의 동작 방법
KR102774528B1 (ko) 2021-10-12 2025-03-04 세메스 주식회사 기판 이송 장치 및 방법
KR20240100395A (ko) * 2021-11-02 2024-07-01 어플라이드 머티어리얼스, 인코포레이티드 프로세스 레시피 최적화를 위한 방법들 및 메커니즘들
US12228905B2 (en) * 2021-12-10 2025-02-18 Applied Materials, Inc. Eco-efficiency monitoring and exploration platform for semiconductor manufacturing
US20230420276A1 (en) * 2022-06-28 2023-12-28 Inchfab, Inc. Integrated benchtop semiconductor processing cells and semiconductor fabs formed from such cells and semiconductor tool libraries
US20230416906A1 (en) * 2022-06-28 2023-12-28 Applied Materials, Inc. Methods and apparatus for processing a substrate
CN118103947A (zh) * 2022-09-26 2024-05-28 株式会社日立高新技术 半导体器件的制造系统以及制造方法
US20240230189A1 (en) * 2023-01-05 2024-07-11 Applied Materials, Inc. Cooling flow in substrate processing according to predicted cooling parameters
US20250060321A1 (en) * 2023-08-16 2025-02-20 Applied Materials, Inc. Optical inspection of wafers in manufacturing systems
CN118156190B (zh) * 2024-05-10 2024-07-19 合肥中航天成电子科技有限公司 一种电子元器件封装检测一体机

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030045098A1 (en) * 2001-08-31 2003-03-06 Applied Materials, Inc. Method and apparatus for processing a wafer
JP2003179120A (ja) * 1994-08-19 2003-06-27 Tokyo Electron Ltd 処理装置
US6642066B1 (en) * 2002-05-15 2003-11-04 Advanced Micro Devices, Inc. Integrated process for depositing layer of high-K dielectric with in-situ control of K value and thickness of high-K dielectric layer
US6830942B1 (en) * 1999-04-06 2004-12-14 Lucent Technologies Inc. Method for processing silicon workpieces using hybrid optical thermometer system
US20070196011A1 (en) * 2004-11-22 2007-08-23 Cox Damon K Integrated vacuum metrology for cluster tool
CN101484973A (zh) * 2006-07-03 2009-07-15 应用材料股份有限公司 用于先进前段工艺的群集设备
JP2009543355A (ja) * 2006-07-03 2009-12-03 アプライド マテリアルズ インコーポレイテッド 進歩型フロントエンド処理のためのクラスターツール
US20160148850A1 (en) * 2014-11-25 2016-05-26 Stream Mosaic, Inc. Process control techniques for semiconductor manufacturing processes

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990065486A (ko) * 1998-01-14 1999-08-05 윤종용 반도체 제조설비 관리시스템의 공정조건 관리방법
US6625497B2 (en) * 2000-11-20 2003-09-23 Applied Materials Inc. Semiconductor processing module with integrated feedback/feed forward metrology
JP4696373B2 (ja) * 2001-02-20 2011-06-08 東京エレクトロン株式会社 処理システム及び被処理体の搬送方法
US20030194877A1 (en) * 2002-04-16 2003-10-16 Applied Materials, Inc. Integrated etch, rinse and dry, and anneal method and system
US7129694B2 (en) * 2002-05-23 2006-10-31 Applied Materials, Inc. Large substrate test system
US9117860B2 (en) * 2006-08-30 2015-08-25 Lam Research Corporation Controlled ambient system for interface engineering
US7428044B2 (en) * 2006-11-16 2008-09-23 Tokyo Electron Limited Drift compensation for an optical metrology tool
US7674350B2 (en) * 2007-01-22 2010-03-09 Infineon Technologies Ag Feature dimension control in a manufacturing process
JP4884345B2 (ja) * 2007-09-28 2012-02-29 株式会社山武 画像処理装置
US9431267B2 (en) * 2012-12-03 2016-08-30 Applied Materials, Inc. Semiconductor device processing tools and methods for patterning substrates
JP2019140220A (ja) * 2018-02-09 2019-08-22 東芝メモリ株式会社 半導体処理装置および半導体処理方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003179120A (ja) * 1994-08-19 2003-06-27 Tokyo Electron Ltd 処理装置
US6830942B1 (en) * 1999-04-06 2004-12-14 Lucent Technologies Inc. Method for processing silicon workpieces using hybrid optical thermometer system
US20030045098A1 (en) * 2001-08-31 2003-03-06 Applied Materials, Inc. Method and apparatus for processing a wafer
US6642066B1 (en) * 2002-05-15 2003-11-04 Advanced Micro Devices, Inc. Integrated process for depositing layer of high-K dielectric with in-situ control of K value and thickness of high-K dielectric layer
US20070196011A1 (en) * 2004-11-22 2007-08-23 Cox Damon K Integrated vacuum metrology for cluster tool
CN101484973A (zh) * 2006-07-03 2009-07-15 应用材料股份有限公司 用于先进前段工艺的群集设备
JP2009543355A (ja) * 2006-07-03 2009-12-03 アプライド マテリアルズ インコーポレイテッド 進歩型フロントエンド処理のためのクラスターツール
US20160148850A1 (en) * 2014-11-25 2016-05-26 Stream Mosaic, Inc. Process control techniques for semiconductor manufacturing processes

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112880737A (zh) * 2021-01-14 2021-06-01 四川雅吉芯电子科技有限公司 一种单晶硅外延片检测用集成系统
CN112880737B (zh) * 2021-01-14 2023-05-30 四川雅吉芯电子科技有限公司 一种单晶硅外延片检测用集成系统
TWI863041B (zh) * 2022-11-29 2024-11-21 環球晶圓股份有限公司 即時晶圓加工品質估測的方法及電子裝置
TWI851463B (zh) * 2023-11-01 2024-08-01 英業達股份有限公司 出貨結單進度評估方法、裝置、電子設備及儲存媒體
CN117974719A (zh) * 2024-03-28 2024-05-03 深圳新联胜光电科技有限公司 一种光学透镜的加工跟踪与检测方法、系统及介质
CN117974719B (zh) * 2024-03-28 2024-07-19 深圳新联胜光电科技有限公司 一种光学透镜的加工跟踪与检测方法、系统及介质

Also Published As

Publication number Publication date
US20200043764A1 (en) 2020-02-06
KR20200124315A (ko) 2020-11-02
TWI828666B (zh) 2024-01-11
US20200006100A1 (en) 2020-01-02
TW201946177A (zh) 2019-12-01
TWI828667B (zh) 2024-01-11
WO2019182952A1 (en) 2019-09-26
TW201946178A (zh) 2019-12-01
JP2021518672A (ja) 2021-08-02
KR102648517B1 (ko) 2024-03-15
JP7402399B2 (ja) 2023-12-21

Similar Documents

Publication Publication Date Title
KR102648517B1 (ko) 통합형 반도체 공정 모듈을 포함하는 자기 인식 및 보정 이종 플랫폼, 및 이를 사용하기 위한 방법
US11101173B2 (en) Self-aware and correcting heterogenous platform incorporating integrated semiconductor processing modules and method for using same
TWI472887B (zh) 半導體工具系統、用於分配產品資產的方法、及用於半導體製程的設備
JP5200276B2 (ja) インラインリソグラフィ及びエッチングシステム
Tin et al. A realizable overlay virtual metrology system in semiconductor manufacturing: Proposal, challenges and future perspective
TW202420003A (zh) 有感測器支援的永續性監測平台
WO2023081169A1 (en) Methods and mechanisms for process recipe optimization
JP2025502068A (ja) チャンバ条件の監視のための予測モデリング
CN116805582A (zh) 用于在基板制造期间测量图案化基板特性的方法和机制
US20250094829A1 (en) Methods and mechanisms for trace-based transfer learning
US12236077B2 (en) Methods and mechanisms for generating virtual knobs for model performance tuning
US12259719B2 (en) Methods and mechanisms for preventing fluctuation in machine-learning model performance
TW202340885A (zh) 用於在評估系統與製造系統之間進行介接的通訊節點

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination