[go: up one dir, main page]

CN112309909B - 判断装置、基板处理装置以及物品的制造方法 - Google Patents

判断装置、基板处理装置以及物品的制造方法 Download PDF

Info

Publication number
CN112309909B
CN112309909B CN202010737428.XA CN202010737428A CN112309909B CN 112309909 B CN112309909 B CN 112309909B CN 202010737428 A CN202010737428 A CN 202010737428A CN 112309909 B CN112309909 B CN 112309909B
Authority
CN
China
Prior art keywords
substrate
image
image data
judging
substrate processing
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.)
Active
Application number
CN202010737428.XA
Other languages
English (en)
Other versions
CN112309909A (zh
Inventor
藤原广镜
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.)
Canon Inc
Original Assignee
Canon Inc
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 Canon Inc filed Critical Canon Inc
Publication of CN112309909A publication Critical patent/CN112309909A/zh
Application granted granted Critical
Publication of CN112309909B publication Critical patent/CN112309909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F9/00—Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically
    • G03F9/70—Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically for microlithography
    • G03F9/7088—Alignment mark detection, e.g. TTR, TTL, off-axis detection, array detector, video detection
    • 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
    • H01L21/68—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 positioning, orientation or alignment
    • H01L21/681—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 positioning, orientation or alignment using optical controlling means
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F9/00—Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically
    • G03F9/70—Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically for microlithography
    • G03F9/7003—Alignment type or strategy, e.g. leveling, global alignment
    • G03F9/7023—Aligning or positioning in direction perpendicular to substrate surface
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03F—PHOTOMECHANICAL PRODUCTION OF TEXTURED OR PATTERNED SURFACES, e.g. FOR PRINTING, FOR PROCESSING OF SEMICONDUCTOR DEVICES; MATERIALS THEREFOR; ORIGINALS THEREFOR; APPARATUS SPECIALLY ADAPTED THEREFOR
    • G03F9/00—Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically
    • G03F9/70—Registration or positioning of originals, masks, frames, photographic sheets or textured or patterned surfaces, e.g. automatically for microlithography
    • G03F9/7092—Signal processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • 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
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/027—Making masks on semiconductor bodies for further photolithographic processing not provided for in group H01L21/18 or H01L21/34
    • 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
    • H01L21/67259—Position monitoring, e.g. misposition detection or presence detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Manufacturing & Machinery (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Exposure And Positioning Against Photoresist Photosensitive Materials (AREA)

Abstract

本发明涉及判断装置、基板处理装置以及物品的制造方法。本发明所涉及的判断装置的特征在于，针对在基板处理装置中拍摄到的基板上的标记的图像数据进行与图像评价有关的分类，根据分类的结果判断基板中的对准精度。

Description

判断装置、基板处理装置以及物品的制造方法
技术领域
本发明涉及判断装置、基板处理装置以及物品的制造方法。
背景技术
近年来，随着电子设备的小型化、需求的扩大，需要兼顾以存储器、MPU为代表的半导体元件的细微化和生产率。
因此，在对用于半导体元件的制造的基板进行处理的基板处理装置中，使基板的位置对齐的对准也需要高精度化。
在基板的对准中，通常使用通过拍摄在基板上形成的标记的图像并针对得到的图像数据进行模式匹配处理来求出基板的位置的方法。
日本特开2000-260699号公报公开了通过同时提取标记的边缘和所述边缘的方向并针对每个边缘的方向进行着眼于边缘的模式匹配处理来高精度地检测标记的曝光装置。
但是，在诸如日本特开2000-260699号公报的模式匹配处理中，针对包括低对比度、噪声或者标记失真等的图像数据，难以检测标记，基板的对准精度可能降低。
因此，本发明的目的在于提供能够判断基板中的对准精度的判断装置、基板处理装置以及物品的制造方法。
发明内容
本发明所涉及的判断装置的特征在于，针对在基板处理装置中拍摄到的基板上的标记的图像数据进行与图像评价有关的分类，根据分类的结果判断基板中的对准精度。
根据以下参考附图对示例性实施例的描述，本发明的其他特征将变得清楚。
附图说明
图1是示出第一实施方式所涉及的基板处理系统的结构的框图。
图2A是示出第一实施方式所涉及的基板处理系统具备的曝光装置的结构的概略图。
图2B是示出第一实施方式所涉及的基板处理系统具备的曝光装置的结构的概略图。
图3是形成有标记的基板的示意性俯视图。
图4是示出通过针对标记的对准处理得到的图像的例子的图。
图5A是示出第一实施方式所涉及的基板处理系统中的用于预测对准精度的降低的结构的图。
图5B是示出第一实施方式所涉及的基板处理系统中的用于预测对准精度的降低的结构的图。
图6是例示地示出第一实施方式所涉及的基板处理系统中的显示装置上显示的画面的图。
图7是例示地示出第一实施方式所涉及的基板处理系统中的学习数据的制作画面的图。
图8是示出第一实施方式所涉及的基板处理系统中的制作学习数据的处理的流程图。
图9是例示地示出第一实施方式所涉及的基板处理系统中的使学习数据的制作画面显示的按钮的图。
图10是示出第二实施方式所涉及的基板处理系统中的用于预测对准精度的降低的结构的框图。
具体实施方式
以下参考附图详细说明本实施方式所涉及的判断装置。此外，以下所示的实施方式仅为实施的具体例，本实施方式不限定于以下的实施方式。
另外，并非在以下所示的实施方式中说明的特征的所有组合都是为了解决本实施方式的课题所必须的。
另外，在以下所示的附图中，为了能够容易地理解本实施方式，存在以与实际不同的比例尺描绘的情况。
[第一实施方式]
图1是示出第一实施方式所涉及的具备判断装置的基板处理系统50的结构的框图。
此外，本实施方式所涉及的判断装置可以如以下所示设置于在基板处理系统50中设置的基板处理装置10，不限于此，也可以设置于主机计算机11及管理装置12等。
基板处理系统50具备至少一个半导体制造生产线1。
而且，各半导体制造生产线1具备处理基板的多个基板处理装置10(半导体制造装置)和控制多个基板处理装置10的动作的主机计算机11(主机控制装置)。
作为基板处理装置10，例如可以举出光刻装置(曝光装置、压印(imprint)装置、带电粒子束描绘装置等)、成膜装置(CVD装置等)、加工装置(激光加工装置等)、检查装置(覆盖(overlay)检查装置等)。
另外，在基板处理装置10中，还可以包括对基板进行抗蚀剂材料(密接材料)的涂敷处理作为光刻处理的前处理、并且进行显影处理作为光刻处理的后处理的涂敷显影装置(涂布机/显影机)。
此外，在曝光装置中，通过经由原版(中间掩模(reticle)、掩模)对供给到基板上的光致抗蚀剂进行曝光，在基板上的光致抗蚀剂上形成与原版的图案对应的潜像。
在压印装置中，通过在使原板(模具、模板)与供给到基板上的压印材料接触的状态下使压印材料硬化，在基板上形成图案。
在带电粒子束描绘装置中，通过利用带电粒子束在供给到基板上的光致抗蚀剂上描绘图案，在基板上的光致抗蚀剂上形成潜像。
如图1所示，设置于各半导体制造生产线1的多个基板处理装置10分别与管理保养的管理装置12连接。
由此，管理装置12能够分别管理设置于各半导体制造生产线1的多个基板处理装置10。
另外，管理装置12可以作为维护判定装置发挥功能，该维护判定装置通过收集及解析多个基板处理装置10各自的动作信息来检测在各基板处理装置10中发生的异常或者其预兆，判定是否需要维护处理(维修处理)。
此外，在基板处理系统50中，多个基板处理装置10与主机计算机11之间的连接、多个基板处理装置10与管理装置12之间的连接可以是有线连接以及无线连接中的任意一种。
接下来，说明在基板处理系统50中将各基板处理装置10构成为曝光装置的具体例。
图2A是示出设置于基板处理系统50的曝光装置10的结构的框图。另外，图2B是示出曝光装置10具备的基板对准光学系统190的结构的概略图。
曝光装置10是用于作为物品的半导体元件、液晶显示元件、薄膜磁头等器件的制造、在基板上进行图案形成的光刻装置。
另外，曝光装置10以步进扫描(step-and-scan)方式或者步进重复(step-and-repeat)方式对基板进行曝光。
如图2A所示，曝光装置10具有主控制部100、光源控制部110、光源120、图像处理部130、载置台控制部140以及干涉仪150。
另外，曝光装置10具有原板对准光学系统160、原板载置台171、投影光学系统180、基板对准光学系统190以及基板载置台200。
原板载置台171保持并移动由照明光学系统(未图示)照明的原板170。应转印到基板210的图案被描绘到原板170。
投影光学系统180将原板170的图案投影到基板210。基板载置台200能够保持并移动基板210。
原板对准光学系统160用于原板170的对准。例如，原板对准光学系统160可以包括由积蓄型光电变换元件构成的拍摄元件161以及将来自设置于原板170的标记的光引导到拍摄元件161的光学系统162。
基板对准光学系统190用于基板210的对准。在本实施方式中，基板对准光学系统190是检测设置于基板210的标记211的离轴光学系统。
主控制部100包括CPU、存储器等，控制曝光装置10的各部分，进行对基板210进行曝光的曝光处理以及与其关联的处理。
在基板处理系统50中，主控制部100根据形成于原板170的标记的位置、形成于基板210的标记211的位置来控制基板载置台200的位置。换言之，主控制部100进行原板170与基板210之间的位置对齐，例如全局对准。
光源120包括卤素灯等，对形成于基板210的标记211进行照明。
光源控制部110控制来自光源120的光，即用于对标记211进行照明的光的照明强度。
图像处理部130对来自原板对准光学系统160中的拍摄元件161、基板对准光学系统190中的拍摄元件的图像信号(检测信号)进行图像处理，取得标记的位置。
在基板处理系统50中，图像处理部130以及基板对准光学系统190作为测量形成于基板210的标记211的位置的测量装置发挥功能。
干涉仪150通过对设置于基板载置台200的反射镜212照射光并检测由反射镜212反射的光来测量基板载置台200的位置。
载置台控制部140根据由干涉仪150测量到的基板载置台200的位置，使基板载置台200移动到任意的位置(驱动控制)。
在曝光装置10中，来自未图示的照明光学系统的光(曝光光)通过保持于原板载置台171的原板170，入射到投影光学系统180。
而且，原板170和基板210被配置为相互在光学上共轭的位置关系，所以原板170的图案经由投影光学系统180在保持于基板载置台200的基板210上成像而被转印。
基板对准光学系统190作为检测在基板210上形成的标记211而生成检测信号(在本实施方式中为图像信号)的检测部发挥功能。
如图2B所示，基板对准光学系统190具备拍摄元件191A及191B、成像光学系统192A及192B以及半反射镜193。另外，基板对准光学系统190具备照明光学系统194、偏振分束器195、中继透镜196、λ/4板197以及物镜198。
在曝光装置10中，来自光源120的光经由光纤(未图示)等被引导到基板对准光学系统190。
然后，被引导到基板对准光学系统190的光如图2B所示经由照明光学系统194入射到偏振分束器195。
然后，由偏振分束器195反射的光通过中继透镜196、λ/4板197以及物镜198，对在基板210上形成的标记211进行照明。
由标记211反射的光通过物镜198、λ/4板197、中继透镜196以及偏振分束器195，入射到半反射镜193。
然后，入射到半反射镜193的光在被半反射镜193以恰当的强度比例分割为二个光之后，分别被引导到成像倍率相互不同的成像光学系统192A及192B。
成像光学系统192A及192B分别在拍摄元件191A及191B的拍摄面上形成标记211的像。
拍摄元件191A及191B分别包括对包含标记211的区域进行拍摄的拍摄面，生成与在拍摄面中拍摄到的区域对应的图像信号。
然后，由拍摄元件191A及191B生成的图像信号被图像处理部130读出。
在本实施方式中，图像处理部130通过针对读出的图像信号进行作为图像处理的模式匹配处理，取得拍摄元件191A及191B的拍摄面中的标记211的位置信息。
模式匹配处理一般被大致分成以下二种。
一种是对图像(灰度图像)进行二值化并与预先准备的模板进行匹配、将最相关的位置作为标记211的位置的方法。
另一种是通过原样地保持灰度图像而进行与包括灰度信息的模板的相关运算来求出标记211的位置的方法。
此外，由图像处理部130进行的图像处理不限于模式匹配处理，只要是能够取得标记211的位置信息的处理，则也可以是例如边缘检测处理等其他处理。
另外，作为对准方式，有移动测量方式和图像处理方式。
在移动测量方式中，一边使基板载置台200移动，一边对设置于基板210的标记211照射光(激光)。然后，通过并行地测量从标记211反射的光的强度的变化和基板载置台200的位置，求出标记211的位置。
在图像处理方式中，在使基板载置台200静止的状态下对设置于基板210的标记211照射白色光。然后，通过用积蓄型光电变换元件检测从标记211反射的光并进行图像处理，求出标记211的位置。
在曝光装置10中，使用取得的标记211的位置信息，进行预对准及精准(fine)对准这二种对准。
此处所称的预对准是指，检测从未图示的基板搬运系统送入基板载置台200的基板210的位置偏移量，使基板210大致位置对齐(定位)，使得能够开始精准对准。
另外，此处所称的精准对准是指，高精度地测量由基板载置台200保持的基板210的位置，使基板210精密地位置对齐(定位)，使得基板210的位置对齐误差在容许范围内。
具体而言，在通过图像处理进行基板210的精准对准处理时，例如分别拍摄如图3所示的基板210上的四个标记211a至211d。然后，通过根据所取得的位置信息计算基板210的位置来进行测量。
在精准对准处理中，存在无法检测标记211的情况。另外，即使能够检测标记211，也存在在图像处理中由于某种原因无法取得位置而失败的情况。
例如，可能存在由于基板210的处理工序的影响而导致标记211不清晰的情况、由于基板对准光学系统190的像差的影响而导致不能清晰地看到标记211的情况等。
另外，还考虑标记211的位置偏离拍摄元件191A及191B的拍摄面的视场。
在拍摄元件191A或191B的拍摄面的视场内得到标记211的清晰的图像的情况下，能够通过图像处理正确地测量标记211的位置。
然而，在图像的对比度低或者由于像差的影响而导致在图像中有失真的情况下，有时无法正确地测量标记211的位置。
另外，作为标记211偏离拍摄元件191A或191B的拍摄面的视场的原因，考虑预对准中的误测量、测量前的搬运处理中的位置偏移等起因于装置的情况。
另外，作为标记211偏离拍摄元件191A或191B的拍摄面的视场的原因，还考虑标记211的转印位置变动等起因于基板210的处理工序的情况。
在标记211的测量失败的情况下，无法正常地进行基板210的位置对齐。
而且，在无法正常地进行基板210的位置对齐的情况下，执行用于正常地进行位置对齐的维护处理(维修处理)。
作为维护处理，例如包括多个标记211中使用的标记的变更、标记的像的检索范围的扩大、拍摄条件的变更等。
在基板210中对准处理失败的情况下，即使之后针对基板210进行曝光处理，也无法达成足够的对准精度。
此时，通常发送差错并停止基板210的处理，进行用于查明和消除失败原因的作业。
另一方面，在基板210中对准处理成功的情况下，接着进行针对基板210的曝光处理，但即使在对准处理成功的情况下，也存在在曝光处理中未达成足够的对准精度的可能性。
作为这样的可能性中的原因之一，可以举出由于标记211的位置的误测量而导致用于针对基板210的位置对齐的计算结果变得不正确。
例如，在对包括标记211的区域进行拍摄而得到的标记图像中，由于灰尘的附着、其他拍摄时的状态影响而生成错误的图像信号，从而发生标记211的位置的误测量。
在发生标记211的位置的误测量时，在基板210的位置对齐的计算时使用错误的值。
因此，作为计算的结果，即使基板210的位置对齐误差收敛于容许范围内且对准处理成功，在曝光处理时对准精度仍降低。
图4示出通过针对形成于基板210的标记211的对准处理得到的标记图像的例子。
在此，设为标记211的标记尺寸是50μm×50μm，对准处理中的检测视场211x是200至400μm×200至400μm。
此时，如图4所示，在本实施方式中，在包括通过预对准大致估计出的标记211的中心位置的检测视场211x内，取得100μm×100μm的标记图像211y。
然后，针对得到的标记图像211y进行模式匹配处理。
如果标记图像211y足够清晰，则能够正确地测量标记211的位置。
然而，在标记图像211y的明暗的对比度低或者存在失真的情况下，产生无法正确地测量标记211的位置的可能性。
图5A及图5B分别是示出基板处理系统50中的用于预测对准精度的降低的结构的框图以及处理流程图。
首先，通过图像处理单元300进行针对基板210的图像处理，取得标记图像301(图像数据)(步骤401)。
然后，在图像处理单元300根据标记图像301判定为基板210的位置对齐误差在容许范围内且对准成功之后，将曝光处理310的执行指令发送到曝光装置10。
另外，与曝光处理310的执行指令的发送同时，标记图像301在被附加来自曝光装置10的上下文数据320之后被移交给图像分类单元400(步骤402)。
此外，在此，上下文包括曝光装置10的机种、机号、硬件结构、软件结构、设置线等确定结构的信息。另外，在上下文中，还包括批量(lot)、基板210、原板170、配方(recipe)、环境条件、处理日期时间等确定结构的信息。
在此，在移交给图像分类单元400的标记图像301中，还包括由图像处理单元300判定为对准成功或者失败的任意标记图像301，但不限于此。
为了提高吞吐量，在移交给图像分类单元400的标记图像301中，可以仅包括由图像处理单元300判定为对准成功的标记图像301。
另外，在步骤401中测量的标记211的数量既可以是1个也可以是多个，并且，移交给图像分类单元400的标记图像301的数量也既可以是1个也可以是多个。
另外，关于针对图像分类单元400的标记图像301的移交，可以每当针对一个标记211的图像处理结束时依次进行。另外，不限于此，也可以在针对基板210的所有标记211结束图像处理之后一并地进行。
另外，移交给图像分类单元400的标记图像301的数据可以除了包括标记211的图像信号以外，还包括例如对标记211进行照明的光源120的光量等特征量数据。
接下来，图像分类单元400将接受的标记图像301分类为预先设定的与图像评价有关的多个类别中的某一类(步骤403)。
作为基板处理系统50中的标记图像301的具体的分类的方法，如以下所示使用机器学习。
作为使用机器学习的用于预测的方法，有制作学习数据来进行机器学习的有监督的学习。
而且，在有监督的学习中，需要制作包括输入数据和作为与输入数据对应的正解的数据的输出数据的学习数据(监督数据)。
在基板处理系统50中，使用在图像分类单元400中通过机器学习得到的学习模型，该机器学习使用了输入有分类的类别编号的多个标记图像301作为学习数据305。
在此，例如能够使用神经网络进行机器学习。神经网络是指，具有输入层、中间层、输出层这样的多层的网络结构的模型。
而且，通过使用表示输入数据和输出数据的关系的学习数据，用误差逆传输法等算法使网络内部的概率变量最优化，能够取得学习模型。
在此，说明了使用神经网络取得学习模型的例子，但不限于神经网络。例如，也可以使用支持向量机、决策树等其他模型、算法。
然后，图像分类单元400通过将标记图像301输入到所取得的学习模型，输出包括与标记图像301对应的类别编号的分类信息302作为输出数据。
接下来，示出本实施方式所涉及的基板处理系统50中的学习数据的具体的制作。
首先，使用先前针对基板210进行的对准处理的结果，将标记图像301设为输入数据，将与向各类别编号的分类对应的分类信息302设为输出数据，从而制作学习数据305。
例如，作为分类信息302，能够设定如以下的表1所示的类别编号0至3。
【表1】
类别编号 分类
0 正常
1 散焦
2 低对比度
3 标记失真
具体而言，类别编号0与正常的标记图像的分类对应，类别编号1与包括散焦的标记图像的分类对应。
另外，类别编号2与包括低对比度的标记图像的分类对应，类别编号3与包括标记失真的标记图像的分类对应。
此外，上述类别是一个例子，也可以设定其以外的分类的类别。
此处所称的散焦表示由于标记图像301的轮廓模糊而不清楚从而导致模式匹配处理或边缘检测处理发生偏移的情况。
另外，此处所称的低对比度表示由于标记图像301的轮廓相对其周围清晰度低而导致模式匹配处理或边缘检测处理发生偏移的情况。
另外，此处所称的标记失真表示由于标记图像301的轮廓的形状失真而导致模式匹配处理或边缘检测处理发生偏移的情况。
然后，为了制作作为输出数据的分类信息302，对作为输入数据的标记图像301进行分类。
具体而言，作为向散焦的分类方法，例如测量构成标记图像301的线状的部分的粗细，在得到的粗细超过预定的阈值的情况下，认定为散焦。
另外，作为向低对比度的分类方法，例如测量标记图像301与其周围之间的明暗差，在得到的值低于预定的阈值的情况下，认定为低对比度。
而且，作为向标记失真的分类方法，例如测量标记图像301的预定的部位(例如四角等)的多个位置，在它们之间的差超过预定的阈值的情况下，认定为标记失真。
因此，通过在图像分类单元400中实施上述认定，能够将标记图像301分类为类别编号0至3并取得分类信息302。
这样，即使在针对标记图像301对准处理成功的情况下，也能够通过分类来明确在曝光处理中未达成足够的对准精度的标记211的位置的误测量。
此外，在标记图像301复合地符合上述散焦、低对比度、标记失真等类别的情况下，可以分类为符合的程度最大的类别。
另外，不限于此，在标记图像301复合地符合上述散焦、低对比度、标记失真等类别的情况下，也可以根据符合各个类别的程度进行加权来分类。
另外，也可以根据所赋予的上下文来对上述类别进一步进行细分。
以上述方式，通过将标记图像301设为输入数据，将与向各类别编号的分类对应的分类信息302设为输出数据，能够制作学习数据305。
然后，通过使附加有类别编号的多个标记图像301学习，能够制作推论逻辑。
此外，在上述中，由图像分类单元400执行用于制作学习数据的标记图像301的分类，但不限于此。
例如，为了制作为了得到学习模型而需要的学习数据305，能够由作业者确认多个标记图像301并输入类别编号。
另外，为了提高从学习模型输出的分类信息302的正解率，需要针对大量的标记图像301制作学习数据305。
如图5A所示，在显示装置206中，显示有为了操作曝光装置10而需要的信息、与曝光装置10的动作有关的信息等。
图6是例示地示出显示装置206上显示的画面900的图。
另外，在输入装置205中，由作业者输入为了操作曝光装置10而需要的信息、为了使显示装置206显示画面而需要的信息等。
而且，通过使显示装置206显示为了输入分类的类别编号而需要的信息，作业者能够经由输入装置205输入用于分类的类别编号的信息。
另外，在未图示的CPU中，执行由使显示装置206显示信息的显示单元800、使输入装置205输入信息的输入单元810进行的处理。
另外，在未图示的CPU中，执行由判定可否进行显示装置206中的显示以及输入装置205中的输入的有效化的判定单元820进行的处理。
另外，存储装置204存储未输入有类别编号的未制作数据801和已输入有类别编号的已制作数据802。
未制作数据801是在对准处理中取得的标记图像301，是用于制作学习数据的数据。
另外，已制作数据802是对于未制作数据801附加了类别编号的数据，成为输入到图像分类单元400的学习数据305。
在此，显示装置206、输入装置205以及存储装置204可以设置于曝光装置10，不限于此，也可以设置于主机计算机11及管理装置12等外部的信息处理装置。
另外，显示单元800及输入单元810能够通过在曝光装置10的主控制部100、管理装置12以及主机计算机11中的至少1个中执行的软件程序实现。
另外，判定单元820及图像分类单元400能够通过在曝光装置10的主控制部100、管理装置12以及主机计算机11中的至少1个中执行的软件程序实现。
显示单元800使显示装置206显示为了制作学习数据305而需要的信息。
图7是例示地示出学习数据305的制作画面的图。
如图7所示，在画面910中，显示有与未制作数据801中包括的数据关联的信息。
例如，在画面910中，显示有由基板对准光学系统190拍摄的标记211的标记图像301、包括拍摄标记211时的基板载置台200的位置及速度的关联信息912。
另外，关联信息912不限于基板载置台200的位置及速度，可以包括对作业者进行制作学习数据305的作业有用的信息。
例如，关联信息912可以包括基板210被移交给基板载置台200时的基板搬运系统的信息、光源的光量设定的信息、光源的使用期间等上下文。
另外，关联信息912例如可以包括装置的机种、机号、硬件结构、软件结构、装置的设置线、处理对象的基板、包括处理对象的基板的批量、在处理中使用的原板、处理配方、环境条件、处理日期时间等上下文。
另外，在画面910中，显示有表示分类的类别编号的选项和选择状态的分类信息913，该选择状态表示是否选择了类别编号。
关于分类信息913的选择状态，能够使用输入装置205来输入选择、非选择。
在选择了某个类别编号的选项的状态下按下确定按钮914的情况下，对于所显示的未制作数据801输入所选择的类别编号的信息。
另外，在按下中止按钮915的情况下，学习数据305的制作被中止。
此外，显示单元800也可以使画面910显示多个未制作数据801、多个关联信息912以及多个分类信息913，使类别编号输入到多个未制作数据801。
输入单元810取得从输入装置205输入的类别编号的信息。然后，输入单元810将类别编号的信息关联到存储于存储装置204的未制作数据801，作为已制作数据802存储到存储装置204。
判定单元820根据预定的条件判定学习数据305的制作的开始、结束。即，判定单元820使显示单元800显示用于进行显示装置206中的类别编号的输入的信息，判定是否开始使输入单元810输入类别编号的信息的处理。
另外，判定单元820判定是否使显示单元800进行的用于进行显示装置206中的类别编号的输入的信息的显示、输入单元810进行的类别编号的信息的输入的处理结束。
图像分类单元400可以在已制作数据802达到预定的件数的情况下，将已制作数据802作为学习数据305追加地进行学习，并从存储装置204删除已制作数据802。
另外，在存储装置204中，可以存储未制作数据801及已制作数据802的件数，由输入单元810、图像分类单元400更新这些数据的件数。
另外，在存储装置204中，可以存储已制作数据802中的已学习的数据(追加到学习数据305的数据)及未学习的数据(未追加到学习数据305的数据)各自的件数。而且，可以由输入单元810、图像分类单元400更新这些数据的件数。
另外，显示单元800可以使这些数据的件数显示在显示装置206上。
接下来，说明制作学习数据305的处理。
图8是示出制作学习数据305的处理的流程图。
在S110中，判定单元820根据开始学习数据305的制作的条件，判定是否开始学习数据305的制作。
在判定单元820判定为不开始学习数据305的制作的情况下，在经过预定的期间之后返回到S110，再次判定是否开始学习数据305的制作。
另一方面，在判定单元820判定为开始学习数据305的制作的情况下，进到S111，开始学习数据305的制作。
然后，在S111中，在未制作数据801中包括的标记图像301中依照上述方式附加分类的类别编号的信息。
然后，在S112中，将附加有类别编号的标记图像301从未制作数据801删除，追加到已制作数据802。
然后，在S113中，判定单元820根据结束学习数据305的制作的条件，判定是否结束学习数据305的制作。
在判定单元820判定为不结束学习数据305的制作的情况下，返回到S111，在显示装置206上显示接下来的未制作数据801。
另一方面，在判定单元820判定为结束学习数据305的制作的情况下，结束画面910的显示，结束制作学习数据305的处理。
另外，显示单元800也可以使作业者判定是否使未制作数据801显示在显示装置206上。
图9是示出使学习数据305的制作画面显示的按钮的例示性的图。
按钮901是用于使作业者判定是否使得用于对未制作数据801进行分类的画面显示在显示装置206上的按钮。
在显示单元800使按钮901显示在画面900中并由作业者按下按钮的情况下，使得用于对未制作数据801进行分类的画面显示在显示装置206上。
另外，显示单元800也可以使表示未制作数据801的件数的消息902与按钮901一起显示。
通过显示消息902，作业者能够根据未制作数据801的件数，判定是否开始学习数据305的制作。
另外，通过将图像分类单元400设置于在曝光装置10的外部设置的装置，能够从多个曝光装置10接受标记图像301。
另外，图像分类单元400可以保管接受的标记图像301的全部或者一部分直到预先设定的期间或者件数的上限为止。
而且，也可以使得能够从一览显示的多个类别选择任意的类别，调出被分类为所选择的类别而保管的标记图像301并进行画面显示。
另外，也可以使得能够对所选择的类别中包括的标记图像301的数量进行合计并显示结果。
另外，也可以使得能够用所赋予的上下文来区分所选择的类别中包括的标记图像301，对其进行合计并显示结果。
然后，图像分类单元400将标记图像301的分类结果作为分类信息302移交给预测单元420(步骤404)。
分类信息302是图像分类单元400的推论逻辑导出的、在针对基板210的图像处理中取得的各标记图像301的分类结果。
此外，关于将分类信息302移交给预测单元420的定时，既可以每当一个标记图像301的分类结束时依次进行，也可以在所有标记图像301的分类结束之后一并进行。
预测单元420能够通过在曝光装置10的主控制部100、管理装置12以及主机计算机11中的至少1个中执行的软件程序实现。
而且，预测单元420根据从图像分类单元400接受的分类信息302，参考针对分类信息302中的每个类别编号预先决定的评价系数430，计算评价值Ep(步骤405)。评价系数430是表示在分类信息302中已分类的各类别对基板210的对准精度的降低做出贡献的程度的系数。另外，评价值Ep是表示与已分类的标记图像301有关的基板210的对准精度的降低的程度的值。
评价系数430是预测单元420参考的电子化的信息，例如，能够由作业者预先设定，能够存储到未图示的存储部。
此外，在上述中为了简化说明，作为向各类别的分类，示出了如表1所示的类别编号0至3，但也能够如以下的表2所示的类别编号0至8那样对类别进一步进行细分。
【表2】
类别编号 分类
0 正常
1 散焦-聚焦误测量
2 低对比度-过程原因
3 低对比度-观测器振动
4 低对比度-观测器内空气波动
5 低对比度-观测器的眩光
6 标记失真-过程原因
7 标记失真-观测器像差
8 标记失真-观测器照度不均
具体而言，类别编号0对应于正常的标记图像的分类，类别编号1对应于包括与聚焦误测量相伴的散焦的标记图像的分类。
另外，类别编号2对应于包括与过程原因相伴的低对比度的标记图像的分类，类别编号3对应于包括与观测器(scope)振动相伴的低对比度的标记图像的分类。
另外，类别编号4对应于包括与观测器内空气波动相伴的低对比度的标记图像的分类，类别编号5对应于包括与观测器的眩光相伴的低对比度的标记图像的分类。
另外，类别编号6对应于包括与过程原因相伴的标记失真的标记图像的分类，类别编号7对应于包括与观测器像差相伴的标记失真的标记图像的分类。
另外，类别编号8对应于包括与观测器照度不均相伴的标记失真的标记图像的分类。
此外，上述类别是一个例子，也可以设定其以外的分类的类别。
而且，作为评价系数430，能够例如如以下的表3所示设定。
【表3】
类别编号 分类 评价系数
0 正常 0
1 散焦-聚焦误测量 20
2 低对比度-过程原因 15
3 低对比度-观测器振动 8
4 低对比度-观测器内空气波动 5
5 低对比度-观测器的眩光 8
6 标记失真-过程原因 25
7 标记失真-观测器像差 12
8 标记失真-观测器照度不均 18
此外，作为评价系数的值，不限于如表3所示的值，例如，也可以使用将所有评价系数中的最大值设为1来进行标准化而得到的值。
然后，预测单元420执行基于计算出的评价值Ep的行动(action)303(步骤406)。
在此，作为基于评价值Ep的行动303，例如，包括在判定为评价值Ep超过阈值之后对外部通知警告或者中断曝光装置10中的曝光处理310等。
另外，曝光装置10中的曝光处理310的中断包括重试基板210中的对准处理、移除该基板210或者中止曝光装置10自身的运用等。
接下来，示出预测单元420进行的评价值Ep的计算的具体例。
在此，考虑在针对具有图3所示的四个标记211a至211d的基板210的对准处理中针对各标记取得标记图像301的情况。
此时，设为预测单元420使用以下的式(1)作为评价值Ep的计算式。
在此，Ki是从针对基板210的标记211a至211d的分类得到的各个评价系数。
另外，在标记图像301复合地符合多个类别的情况下，也可以根据符合各个类别的程度进行加权并计算平均值。
另外，设为预测单元420在计算出的评价值Ep满足以下的条件式(2)时进行中断曝光装置10中的曝光处理310的判定。
Ep≧10…(2)
首先，将四个标记211a至211d各自的标记图像301在预定的定时从图像处理单元300移交给图像分类单元400。
此外，在此，预定的定时是指，例如每当针对一个标记211的图像处理结束时的定时。
接下来，设为由图像分类单元400根据预先设定的表3所示的类别如以下的表4那样对四个标记211a至211d各自的标记图像301进行分类。
【表4】
标记图像 类别编号(分类)
211a 0(正常)
211b 0(正常)
211c 0(正常)
211d 2(低对比度-过程原因)
然后，将表4所示的分类结果作为分类信息302移交给预测单元420。
然后，预测单元420参考预先设定的表3所示的评价系数430，如以下的表5所示对各标记图像301分配评价系数430。
【表5】
标记图像 类别编号(分类) 评价系数
211a 0(正常) 0
211b 0(正常) 0
211c 0(正常) 0
211d 2(低对比度-过程原因) 15
然后，预测单元420根据如表5所示分配的评价系数430来计算评价值Ep。
此外，在此，设为将评价值Ep如以下的式(3)所示计算为针对各标记图像301的评价系数430的总和。
然后，预测单元420判定为计算出的评价值Ep＝15以满足上述条件式(2)的方式超过预定的阈值，针对曝光装置10执行中断曝光处理310的行动。
如以上所述，在本实施方式所涉及的判断装置中，通过将标记图像301分类为各类别并计算评价值Ep，能够高精度地判断对准精度。
另外，如上所述，在基板处理系统50中，还能够将图像处理和图像分类合起来解释为对准处理。
然而，不限于此，也可以为了提高吞吐量而仅将由图像处理单元300判定为对准成功的标记图像301移交给图像分类单元400来进行分类。
在该情况下，图像处理和图像分类能够解释为相互独立的处理。
另外，在基板处理系统50中，示出了使用机器学习对标记图像301进行分类的例子，但不限于此。例如，在将标记图像301分类为如表1所示的散焦、低对比度以及标记失真的大致的类别的情况下，也可以不使用机器学习而使用上述所示的分类方法来进行分类。
另外，在基板处理系统50中，示出了将各个标记图像301分类为表1、表2所示的类别的例子，但不限于此。
例如，也可以根据基于如图3所示的多个标记211的多个标记图像301之间的相对位置、相对角度等相关关系，作为多个标记图像301的组进行分类。
[第二实施方式]
图10是示出第二实施方式所涉及的具备判断装置的基板处理系统50中的用于预测对准精度的降低的结构的框图。
此外，本实施方式所涉及的判断装置除了新具备决定单元450以外，结构与第一实施方式所涉及的判断装置相同，所以对相同的结构附加相同的标号并省略说明。
决定单元450是用于设定评价系数430的软件程序，能够通过未图示的设定部实现。
具体而言，决定单元450首先收集包括过去由图像分类单元400进行基板210中的标记图像301的分类的结果的分类信息302。
另外，决定单元450收集包括由外部测量器440针对基板210进行的对准精度的测量结果的测量信息441。
然后，决定单元450比较所得到的分类信息302和测量信息441。
由此，图像分类单元400进行的标记图像301的分类与由外部测量器440测量到的对准精度之间的关系被系数化，能够决定评价系数430。
然后，决定单元450能够在预测单元420中设定评价系数430。
此外，关于标记图像301的分类与对准精度之间的关系的系数化，既可以通过作业者根据经验在GUI画面上输入来设定，也可以另外设置机器学习得到的推论逻辑而自动地设定。
另外，评价系数430可以在曝光装置10的控制台(console)上或者将显示装置连接到具有图像分类单元400的装置而与分类的类别一起一览显示为GUI画面而能够进行确认。
如以上所述，在本实施方式所涉及的判断装置中，通过将标记图像301分类为各类别、计算评价值Ep并且设定评价系数430，能够高精度地判断对准精度。
[物品的制造方法]
本实施方式所涉及的物品的制造方法例如适合于制造器件(半导体元件、磁存储介质、液晶显示元件等)等物品。
另外，本实施方式所涉及的物品的制造方法包括使用曝光装置10对涂覆有感光剂的基板进行曝光(在基板上形成图案)的工序，以及使用未图示的显影装置对已曝光的基板进行显影(对基板进行处理)的工序。
另外，本实施方式所涉及的制造方法可以包括其他公知的工序(氧化、成膜、蒸镀、掺杂、平坦化、蚀刻、抗蚀剂剥离、切割、键合、封装等)。
本实施方式所涉及的物品的制造方法与以往相比，在物品的性能、质量、生产率以及生产成本中的至少1个方面有利。
以上说明了优选的实施方式，但当然不限定于这些实施方式，而能够在其要旨的范围内进行各种变形及变更。
另外，作为基板处理装置10的一个例子，说明了曝光装置，但不限定于此。
例如，作为基板处理装置10的一个例子，也可以是使用模具在基板上形成压印材料的图案的压印装置。
另外，作为基板处理装置10的一个例子，也可以是经由带电粒子光学系统用带电粒子束(电子线、离子束等)在基板上进行描绘、在基板上形成图案的描绘装置。
另外，基板处理装置10还可以包括将感光介质涂敷在基板的表面上的涂敷装置、对形成有图案的基板进行显影的显影装置等在器件等物品的制造中实施如前所述的压印装置等装置实施的工序以外的工序的制造装置。
另外，实施上述所示的实施方式的方法、程序、记录有该程序的计算机能够读取的记录介质也包含于本实施方式的范围。
根据本发明，能够提供能够判断基板中的对准精度的判断装置、基板处理装置以及物品的制造方法。
尽管已经参考示例性实施例描述了本发明，但是应当理解，本发明不限于所公开的示例性实施例。所附权利要求书的范围应被赋予最宽泛的解释，以涵盖所有这样的修改以及等同的结构和功能。

Claims (14)

1.一种判断装置，其特征在于，
针对在基板处理装置中拍摄到的基板上的标记的图像数据进行与图像评价有关的分类，根据针对所述图像数据被分类的每个类别预先决定的评价系数，计算表示与所述图像数据有关的对准精度的降低的程度的评价值，根据所述评价值判断所述基板中的对准精度。
2.根据权利要求1所述的判断装置，其特征在于，
所述判断装置使用通过机器学习取得的学习模型，针对所述图像数据进行所述分类。
3.根据权利要求1所述的判断装置，其特征在于，
所述判断装置将所述图像数据分类为正常、散焦、低对比度以及标记失真中的某个类别。
4.根据权利要求1所述的判断装置，其特征在于，
所述判断装置在所述评价值超过预定的阈值时，针对所述基板处理装置执行中断处理的行动。
5.根据权利要求1所述的判断装置，其特征在于，
所述判断装置根据基于外部测量器的所述基板中的对准精度的测量结果，设定所述评价系数。
6.根据权利要求5所述的判断装置，其特征在于，
所述判断装置使用通过机器学习取得的学习模型，设定所述评价系数。
7.根据权利要求1所述的判断装置，其特征在于，
所述判断装置在将与所述基板处理装置有关的上下文附加到所述图像数据之后，针对所述图像数据进行所述分类。
8.根据权利要求1所述的判断装置，其特征在于，
所述判断装置仅针对所述图像数据中对准处理成功的图像数据进行所述分类。
9.根据权利要求1所述的判断装置，其特征在于，
所述基板处理装置是以使用曝光光将形成于原板的图案转印到所述基板上的方式对所述基板进行曝光的曝光装置。
10.一种对基板进行处理的基板处理装置，其特征在于，
具有权利要求1至9中的任意一项所述的判断装置。
11.一种物品的制造方法，其特征在于，
具有使用权利要求10所述的基板处理装置对基板进行处理的工序，
根据处理后的所述基板制造物品。
12.一种基板处理系统，其特征在于，具有：
权利要求1至9中的任意一项所述的判断装置；
多个基板处理装置，对基板进行处理；
主机计算机，控制该多个基板处理装置的动作；以及
管理装置，管理所述多个基板处理装置的保养。
13.一种对准精度的判断方法，其特征在于，具有：
针对在基板处理装置中拍摄到的基板上的标记的图像数据进行与图像评价有关的分类的工序；
根据针对所述图像数据被分类的每个类别预先决定的评价系数，计算表示与所述图像数据有关的对准精度的降低的程度的评价值的工序；以及
根据所述评价值判断所述基板中的对准精度的工序。
14.一种记录有程序的计算机能够读取的记录介质，该程序使计算机判断对准精度，该记录介质的特征在于，该程序使计算机执行：
针对在基板处理装置中拍摄到的基板上的标记的图像数据进行与图像评价有关的分类的工序；
根据针对所述图像数据被分类的每个类别预先决定的评价系数，计算表示与所述图像数据有关的对准精度的降低的程度的评价值的工序；以及
根据所述评价值判断所述基板中的对准精度的工序。
CN202010737428.XA 2019-07-31 2020-07-28 判断装置、基板处理装置以及物品的制造方法 Active CN112309909B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-140683 2019-07-31
JP2019140683A JP7366626B2 (ja) 2019-07-31 2019-07-31 判断装置

Publications (2)

Publication Number Publication Date
CN112309909A CN112309909A (zh) 2021-02-02
CN112309909B true CN112309909B (zh) 2024-01-12

Family

ID=74483347

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010737428.XA Active CN112309909B (zh) 2019-07-31 2020-07-28 判断装置、基板处理装置以及物品的制造方法

Country Status (4)

Country Link
JP (1) JP7366626B2 (zh)
KR (1) KR20210015656A (zh)
CN (1) CN112309909B (zh)
TW (1) TWI836116B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7373340B2 (ja) * 2019-09-25 2023-11-02 キヤノン株式会社 判断装置
KR102560241B1 (ko) 2022-11-14 2023-07-28 (주)오로스테크놀로지 딥러닝 기반 오버레이 키 센터링 시스템 및 그 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6925203B1 (en) * 1999-03-09 2005-08-02 Canon Kabushiki Kaisha Position detection apparatus and exposure apparatus
CN106933069A (zh) * 2015-12-30 2017-07-07 上海微电子装备有限公司 一种硅片预对准方法
CN109473389A (zh) * 2017-09-08 2019-03-15 株式会社迪思科 对准图案的设定方法
JP2019121400A (ja) * 2018-01-04 2019-07-22 エーティーアンドエス （チャイナ） カンパニー リミテッド アライメントマーカの縁部シャープネス評価

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2897330B2 (ja) * 1990-04-06 1999-05-31 キヤノン株式会社 マーク検出装置及び露光装置
JPH10294267A (ja) * 1997-04-22 1998-11-04 Sony Corp アライメントマーク検出装置とアライメントマーク検出方法
US6603882B2 (en) * 2001-04-12 2003-08-05 Seho Oh Automatic template generation and searching method
US7110591B2 (en) * 2001-03-28 2006-09-19 Siemens Corporate Research, Inc. System and method for recognizing markers on printed circuit boards
JP2004006527A (ja) * 2002-05-31 2004-01-08 Canon Inc 位置検出装置及び位置検出方法、露光装置、デバイス製造方法並びに基板
JP2005322721A (ja) * 2004-05-07 2005-11-17 Nikon Corp 情報保存方法及び情報使用方法
JP4998853B2 (ja) * 2006-01-30 2012-08-15 株式会社ニコン 処理条件決定方法及び装置、処理装置、測定装置及び露光装置、基板処理システム、並びにプログラム及び情報記録媒体
CN106463434B (zh) * 2014-06-10 2020-12-22 Asml荷兰有限公司 计算晶片检验
CN105988305B (zh) * 2015-02-28 2018-03-02 上海微电子装备（集团）股份有限公司 硅片预对准方法
JP6506153B2 (ja) * 2015-10-27 2019-04-24 株式会社Ｓｃｒｅｅｎホールディングス 変位検出装置および変位検出方法ならびに基板処理装置
CN107168018B (zh) * 2016-02-29 2018-12-14 上海微电子装备（集团）股份有限公司 一种调焦对准装置及对准方法
JP6623851B2 (ja) * 2016-03-08 2019-12-25 富士通株式会社 学習方法、情報処理装置および学習プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6925203B1 (en) * 1999-03-09 2005-08-02 Canon Kabushiki Kaisha Position detection apparatus and exposure apparatus
CN106933069A (zh) * 2015-12-30 2017-07-07 上海微电子装备有限公司 一种硅片预对准方法
CN109473389A (zh) * 2017-09-08 2019-03-15 株式会社迪思科 对准图案的设定方法
JP2019121400A (ja) * 2018-01-04 2019-07-22 エーティーアンドエス （チャイナ） カンパニー リミテッド アライメントマーカの縁部シャープネス評価

Also Published As

Publication number Publication date
JP7366626B2 (ja) 2023-10-23
CN112309909A (zh) 2021-02-02
JP2021026019A (ja) 2021-02-22
TWI836116B (zh) 2024-03-21
TW202107410A (zh) 2021-02-16
KR20210015656A (ko) 2021-02-10

Similar Documents

Publication Publication Date Title
CN110088687B (zh) 用于图像分析的方法和设备
US7728953B2 (en) Exposure method, exposure system, and substrate processing apparatus
US11347153B2 (en) Error detection and correction in lithography processing
JP4760705B2 (ja) 事前計測処理方法、露光システム及び基板処理装置
CN112309909B (zh) 判断装置、基板处理装置以及物品的制造方法
US10996574B2 (en) Substrate processing apparatus, article manufacturing method, substrate processing method, substrate processing system, management apparatus, and storage medium
JP6521637B2 (ja) 計測装置、リソグラフィ装置及び物品の製造方法
US9984453B2 (en) Measurement apparatus, lithography apparatus, and method of manufacturing article
CN112558435B (zh) 判断装置
JP7267986B2 (ja) 情報処理装置、判定方法、算出方法、プログラム、リソグラフィシステム、および物品の製造方法
JP2020191379A (ja) 情報処理装置、プログラム、基板処理装置、物品の製造方法、及び物品の製造システム
TW202244602A (zh) 標記檢測設備、標記學習設備、基板處理設備、標記檢測方法及物品的製造方法

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
GR01 Patent grant
GR01 Patent grant