CN109698144B 使用计算机视觉系统的原位室清洁终点检测系统和方法 （朗姆研究公司）

US4479848A,1984.10.302019.04.30使用计算机视觉系统的原位室清洁终点检本发明涉及使用计算机视觉系统的原位室置为于在正在所述处理室内执行的处理期间生2安装在处理室的窗外部并邻近所述窗的相机，所述处理室被配置成处理半导体衬底，内执行的处理期间生成指示所述部件的状态的视光学滤波器，其布置在所述相机和所述窗之间，所述光学滤波器将所述部件的通过所述视频信号的多个帧观察到的特征的属性的变化与预定阈值进基于从一个或多个传感器接收的所述数据和从所述相机8.根据权利要求1所述的衬底处理系统，其中所述控制器被配置为使所述相机聚焦在3第一光学滤波器，其设置在所述相机和所述窗之间，所述第二光学滤波器，其设置在所述相机和所述窗之间，所述基于所述第二光学滤波器的输出确定所述部件的多个位基于所述图像的所述处理确定所述部件的整个所述顶部和整个所述底部的沉积均匀基于所分析的所述数据，将所述处理室中的所述处理的性能与所基于该比较，确定所述处理室中的所述处理的所述性能与所述第第二控制器，其耦合到第二处理室，在所述第二处理室中在相同基于所分析的所述数据，将所述处理室中的所述部件上的所述处理的基于该比较，确定所述处理室中的所述部件上的所述处理的所述性45[0002]本申请要求于2017年10月20日提交的美国临时及在提交申请时不能确定为现有技术的描述的各方面中描述的范围内的当前指定的发明[0005]衬底处理系统用于执行诸如在诸如半导体晶片之类的衬底上沉积和蚀刻膜之类测器和/或残留气体分析仪(RGA))手动执行清洁的验证。基于定时的清洁需要手动验证处6定在终止所述处理之前是否在所述部件的边缘7理室中执行相同的处理。所述第二控制器配置成控制与所述第二处理室相关联的第二相与所述第二处理室中的所述处理的所述性能8在终止所述处理之前是否在所述部件的边缘述处理的性能与所述第二处理室中的所述部件上的所述处理的性能比较；以及基于该比9[0048]将所述部件的通过所述视频信号的多个帧观察到的特征的属性的变化与预定阈[0057]基于从一个或多个传感器接收的所述数据和从所述相机接收的视频信号生成模[0074]基于所述第一光学滤波器的输出确定在所述部件上的多个位置处沉积的材料的[0083]基于所述图像的所述处理确定所述部件的整个所述顶部和整个所述底部的沉积处理室中的所述部件上的所述处理的所述性[0099]图1是根据本公开的衬底处理系统的示例的功能框图，该衬底处理系统用于生成[0101]图3是根据本公开的衬底处理系统的示例的功能框图，该衬底处理系统用于收集[0102]图4-5是根据本公开的图解用于生成学习模型以识别残留膜去除的终点的方法的[0103]图6是根据本公开的图解用于使用学习模型来检测残留膜去除的终点的方法的示[0106]图8是根据本公开的一种系统的功能框图，该系统使用连接到包括计算机视觉系[0107]图9是根据本公开的图解用于比较在多个室内执行的处理的性能并且基于多个室[0110]图11B是根据本公开的用于确定材料是否均匀地沉积在衬底的顶部和底部上的系[0113]图14是根据本公开的图解用于确定在衬底上沉积的膜的均匀性的方法的示例的[0114]图15是根据本公开的图解用于确定材料是否均匀地沉积在衬底的顶部和底部两长范围内操作并产生视频信号(如本文所使用的，术语视频信号还包括以预定间隔拍摄的[0118]在一些示例中，计算机视觉系统使用利用视频信号和诸如吸收传感器或RGA传感器之类的化学传感器训练的学习模型(诸如神经网络或其他深度学习模型)。在学习期间，本公开的教导同样适用。[0120]图1中的衬底处理系统110包含处理室112，处理室112包围衬底处理系统110的其它部件并且包含RF等离子体(如果用于特定的衬底处理的话)。衬底处理系统110包含喷头RF电压产生器132，RF电压产生器132产生由匹配网络134馈送到喷头114或衬底支撑组件[0124]处理室112包括位于处理室112的一个或多个表面上的一个或多个窗172。一个或[0126]在一些示例中，计算机视觉系统180确定视频的视觉特性的差异以识别残留膜去[0127]在其他示例中，计算机视觉系统180通过充分识别位于处理室中的一个或多个部[0128]在其他示例中，可以使用诸如吸收传感器或RGA传感器之类的化学传感器和视频[0129]现在参考图2，示出了用于使用视频信号和计算机视觉系统来检测残留膜去除的218处继续并且停止供应远程等离子体(或者熄灭等离子体并且关断等离子体气体混合[0132]现在参考图3，可以生成学习模型并将其用于检测残留膜去除的终点。建模模块220生成将由计算机视觉系统180使用的学习模型。基于包括视频信号和诸如吸收或RGA传送到控制器170和/或存储在控制器17[0133]建模模块220使用多组训练数据识别视频信号中的作为终点的指示符的特征。在学习模型加载到控制器170中(如228所示)并且化学传感利用卷积神经网络(CNN)、递归神经网络(RNN)、强化[0135]现在参考图4-5，示出了用于生成计算机视觉的学习模型以识别残留膜去除的终模块624，处理优化模块624包括学习模块626。控制器620与一种或多种处理630-1、630-2、......和630-Y通信(其中Y是大于零的整数)。每种处理包括分别包括计算机视觉系统机视觉系统640-1、640-2、......和640-Y中的一些还可以包括学习模型650-1、650-[0143]用于检测残留膜去除的终点的系统和方法使用便宜的相机识别处理室中的一个[0144]本公开的系统和方法可用于比较单个工具或若干个工具中的多个处理室中的处析可以帮助确定清洁处理清洁特定部件所花费的时间是否在多个类似设计的处理室中是[0146]可以执行类似的分析以比较诸如多个处理室之间的沉积和蚀刻处理之类的其他[0147]本公开的系统和方法可用于确定针对诸如沉积和蚀刻处理之类的处理的各种性艺的同时监控晶片边缘的这种能力可以通过基于观察边缘确定处理已经完成达到晶片的基座之间的距离。然后可以使用测量结果来(例如，通过控制使基座相对于喷头移动的装个室中的一个室是否比多个室中的其余室具有更短的用于清洁处理的运行时间(即，清洁室中的一个室中的部件在相同部件在其他室中清洁之前清洁(即，快于在其他室中的相同[0157]图11A示出了根据本公开的用于确定沉积在衬底上的膜的均匀性的系统800的示[0158]系统800还包括紫外滤波器806和红外滤波器808。紫外滤波器806和红外滤波器[0159]计算机视觉系统180接收紫外滤波器806和红外滤波器808的输出。计算机视觉系统180基于紫外滤波器806的输出确定在衬底118上的多个位置处沉积的材料的厚度。计算机视觉系统180基于红外滤波器808的输出确定衬底118的多个位置处的温度。计算机视觉系统180将厚度和温度的确定关联并基于关联性确定在整个衬底118上沉[0160]图11B示出了根据本公开的用于确定材料是否均匀地沉积在衬底的顶部和底部两[0161]系统850另外包括光学传感器810(例如，光纤传感器或微透镜)以观察衬底804的174接收衬底804的顶部的图像。计算机视觉系统180将光学传感器810定位成观察衬底804180处理从相机174和光学传感器810接收的图像。计算机视觉系统180基于对从相机174和光学传感器810接收的图像的处理来确定衬底804的整个顶部和整个底部上的沉积的均匀[0166]图15是根据本公开示出的用于确定材料是否均匀地沉积在衬底的顶部和底部两方法960使用如参考图11B所述的一个或多个光学传感器观察衬底的底部。在966处，方法开的任何实施方式描述的那些特征中的任何一个或多个可以在任何其他实施方式的特征二元件之间的关系时，该关系可以是其中在第一和第二元件之间不存在其他中间元件的直接关系，但是也可以是其中在第一和第二元件之间(在空间上或功能上)存在一个或多个中至少一个和C中的至少一个”。工具以及其他输送工具和/或连接到特定系统或与特定系统接口的以各种单个的设置(或程序文件)的形式传送到控制器的指令，所述单个的设置(或程序文件)定义用于在半导体晶片上或为半导体晶片或系统执行特定处理的操作参数。在一些实与系统集成、耦合到系统、以其他方式联网到系统或这些的组合。例如，该控制器可以在程访问。计算机可以实现对系统的远程访问以监控制备操作的目前进展，研究过去的制备或编程参数和/或设置的用户接口，然后将所述参数和/或设置从远程计算机传送到系统。散控制器。用于这种目的的分布式控制器的示例是在与远程(例如在平台级或作为远程计算机的一部分)定位的一个或多个集成电路通讯的室上的一个或多个集成电路，它们结合或可以在半导体晶片的制备和/或制造中使用的任何