JP7753124B2 - 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法 - Google Patents

Description

本発明は、情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法に関する。

半導体ウェハ等の基板に対して各種の処理を行う基板処理装置の１つとして、化学機械研磨（ＣＭＰ：Ｃｈｅｍｉｃａｌ Ｍｅｃｈａｎｉｃａｌ Ｐｏｌｉｓｈｉｎｇ）処理を行う基板処理装置が知られている。基板処理装置では、例えば、研磨パッドを有する研磨テーブルを回転させつつ、液体供給ノズルから研磨パッドに研磨液（スラリー）を供給した状態で、トップリングと呼ばれる研磨ヘッドにより基板を研磨パッドに押し付けることで、基板は化学的かつ機械的に研磨される。そして、研磨後の基板に付着した研磨屑等の異物を除去するため、研磨後の基板に基板洗浄流体を供給しながら洗浄具を接触させてスクラブ洗浄し、さらに基板を乾燥することで、一連の処理が終了し、次の基板の処理に移行する。

上記のような一連の処理が繰り返し行われると、基板を保持する回転保持部材等の基板保持機構部の摩耗が徐々に進行する。従来、基板保持機構部の寿命を長くするため、基板を挟む上下チャック部材の距離を変更できる技術が開示されている（例えば、特許文献１参照）。

特開２０１８－２９２０７号公報

特許文献１では、基板の縁部を上下に挟んで保持する上チャック部材と下チャック部材の間の上下方向の距離が可変であるため、厚さの異なる基板に対応でき、上チャック部材や下チャック部材が摩耗により擦り減った場合にも基板を保持することができる。また、基板の縁部を上下に挟んで支持するので、径の大きさが異なる基板にも対応できる。

一方、基板を保持するために、基板の回転状態、基板の保持位置、及び、基板の押付荷重等の動作状態は、基板保持機構部の状態に影響を与える要素であるが、基板保持機構部に対して複雑かつ相互に作用する。そのため、各動作状態が、基板保持機構部の状態にどのような影響を与えるのかを的確に解析することは困難である。

本発明は、上記の課題に鑑み、基板処理装置の動作状態に応じて基板保持機構部の状態を適切に予測することを可能とする情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法を提供することを目的とする。

上記目的を達成するために、本発明の一態様に係る情報処理装置は、
基板を保持する基板保持機構部及び基板を回転させる基板回転機構部を有する基板保持部を備える基板処理装置が動作したときの動作状態として、前記基板の回転状態を示す基板回転状態情報、前記基板保持機構部の基板保持位置を示す基板保持位置情報、及び、前記基板保持機構部の基板押付荷重を示す基板押付荷重情報、を含む動作状態情報を取得す
る情報取得部と、
前記動作状態情報と、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動作したときの前記基板保持機構部の状態を示す基板保持機構部状態情報との相関関係を機械学習により学習させた学習モデルに、前記情報取得部により取得された前記動作状態情報を入力することで、当該動作状態情報に対する前記基板保持機構部状態情報を予測する状態予測部と、
を備える。

本発明の一態様に係る情報処理装置によれば、基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を含む動作状態情報が学習モデルに入力されることで、当該動作状態情報に対する基板保持機構部状態情報が予測されるので、基板処理装置の動作状態に応じて基板保持機構部の状態を適切に予測することができる。

上記以外の課題、構成及び効果は、後述する発明を実施するための形態にて明らかにされる。

基板処理システム１の一例を示す全体構成図である。 基板処理装置２の一例を示す平面図である。 第１乃至第４の研磨部２２Ａ～２２Ｄの一例を示す斜視図である。 第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂの一例を示す斜視図である。 第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄの一例を示す斜視図である。 第１及び第２の乾燥部２４Ｅ、２４Ｆの一例を示す斜視図である。 基板処理装置２の一例を示すブロック図である。 コンピュータ９００の一例を示すハードウエア構成図である。 データベース装置３により管理される生産履歴情報３０の一例を示すデータ構成図である。 データベース装置３により管理される仕上げ試験情報３１の一例を示すデータ構成図である。 第１の実施形態に係る機械学習装置４の一例を示すブロック図である。 第１の学習モデル１０Ａ及び第１の学習用データ１１Ａの一例を示す図である。 機械学習装置４による機械学習方法の一例を示すフローチャートである。 第１の実施形態に係る情報処理装置５の一例を示すブロック図である。 第１の実施形態に係る情報処理装置５の一例を示す機能説明図である。 情報処理装置５による情報処理方法の一例を示すフローチャートである。 第２の実施形態に係る機械学習装置４ａの一例を示すブロック図である。 第２の学習モデル１０Ｂ及び第２の学習用データ１１Ｂの一例を示す図である。 第２の実施形態に係る情報処理装置５ａとして機能する情報処理装置５ａの一例を示すブロック図である。 第２の実施形態に係る情報処理装置５ａの一例を示す機能説明図である。

以下、図面を参照して本発明を実施するための実施形態について説明する。以下では、本発明の目的を達成するための説明に必要な範囲を模式的に示し、本発明の該当部分の説明に必要な範囲を主に説明することとし、説明を省略する箇所については公知技術による
ものとする。

（第１の実施形態）
図１は、基板処理システム１の一例を示す全体構成図である。本実施形態に係る基板処理システム１は、半導体ウェハ等の基板（以下、「ウェハ」という）Ｗを研磨パッドに押し付けることでウェハＷの表面を平坦に研磨する化学機械研磨処理（以下、「研磨処理」という）、研磨処理後のウェハＷを洗浄具に接触させることでウェハＷの表面を洗浄する洗浄処理、洗浄したウェハＷの表面を乾燥具により乾燥する乾燥処理等を含む一連の基板処理を管理するシステムとして機能する。なお、洗浄処理と乾燥処理は、仕上げ処理を構成し、洗浄具と乾燥具は、仕上げ具に含まれる。

基板処理システム１は、その主要な構成として、基板処理装置２と、データベース装置３と、機械学習装置４と、情報処理装置５と、ユーザ端末装置６とを備える。各装置２～６は、例えば、汎用又は専用のコンピュータ（後述の図８参照）で構成されるとともに、有線又は無線のネットワーク７に接続されて、各種のデータ（図１には一部のデータの送受信を破線の矢印にて図示）を相互に送受信可能に構成される。なお、各装置２～６の数やネットワーク７の接続構成は、図１の例に限られず、適宜変更してもよい。

基板処理装置２は、複数のユニットで構成されて、１又は複数のウェハＷに対する一連の基板処理として、例えば、ロ―ド、研磨、洗浄、乾燥、膜厚測定、アンロード等の各処理をそれぞれ行う装置である。その際、基板処理装置２は、各ユニットにそれぞれ設定された複数の装置パラメータからなる装置設定情報２６５と、研磨処理、洗浄処理、乾燥処理の動作状態等を定める基板レシピ情報２６６とを参照しつつ、各ユニットの動作を制御する。

基板処理装置２は、各ユニットの動作に応じて、各種のレポートＲをデータベース装置３、ユーザ端末装置６等に送信する。各種のレポートＲには、例えば、基板処理が行われたときの対象となるウェハＷを特定する工程情報、各処理が行われたときの各ユニットの状態を示す装置状態情報、基板処理装置２にて検出されたイベント情報、基板処理装置２に対するユーザ（オペレータ、生産管理者、保守管理者等）の操作情報等が含まれる。

データベース装置３は、本生産用の仕上げ具を用いて基板処理が行われたときの履歴に関する生産履歴情報３０と、試験用の仕上げ具を用いて仕上げ処理の試験（以下、「仕上げ試験」という）が行われたときの履歴に関する仕上げ試験情報３１とを管理する装置である。なお、データベース装置３には、上記の他に、装置設定情報２６５や基板レシピ情報２６６が記憶されていてもよく、その場合には、基板処理装置２がこれらの情報を参照するようにしてもよい。

データベース装置３は、基板処理装置２が本生産用の仕上げ具を用いて基板処理を行ったときに、基板処理装置２から各種のレポートＲを随時受信し、生産履歴情報３０に登録することで、生産履歴情報３０には、基板処理に関するレポートＲが蓄積される。

データベース装置３は、基板処理装置２が試験用の仕上げ具を用いて仕上げ試験を行ったときに、基板処理装置２から各種のレポートＲ（装置状態情報を少なくとも含む）を随時受信し、仕上げ試験情報３１に登録するとともに、その仕上げ試験の試験結果を対応付けて登録することで、仕上げ試験情報３１には、仕上げ試験に関するレポートＲ及び試験結果が蓄積される。仕上げ試験は、本生産用の基板処理装置２で行われてもよいし、基板処理装置２と同様の仕上げ処理を再現可能な試験用の仕上げ試験装置（不図示）で行われてもよい。試験用の仕上げ具や仕上げ試験装置には、仕上げ具のコンディションとして、例えば、基板保持機構部の汚染度、摩耗度、及び、破損度を測定するための各種の仕上げ
具測定機器（不図示）が設けられ、仕上げ具測定機器の測定値が、試験結果として仕上げ試験情報３１に登録される。

機械学習装置４は、機械学習の学習フェーズの主体として動作し、例えば、データベース装置３から仕上げ試験情報３１の一部を第１の学習用データ１１Ａとして取得し、情報処理装置５にて用いられる第１の学習モデル１０Ａを機械学習により生成する。学習済みの第１の学習モデル１０Ａは、ネットワーク７や記録媒体等を介して情報処理装置５に提供される。

情報処理装置５は、機械学習の推論フェーズの主体として動作し、機械学習装置４により生成された第１の学習モデル１０Ａを用いて、基板処理装置２による仕上げ処理が本生産用の仕上げ具に含まれる基板保持機構部を用いて行われたときに、その基板保持機構部の状態を予測し、その予測した結果である基板保持機構部状態情報をデータベース装置３、ユーザ端末装置６等に送信する。情報処理装置５が基板保持機構部状態情報を予測するタイミングとしては、仕上げ処理が行われた後（事後予測処理）でもよいし、仕上げ処理が行われている最中（リアルタイム予測処理）でもよいし、仕上げ処理が行われる前（事前予測処理）でもよい。

ユーザ端末装置６は、ユーザが使用する端末装置であり、据置型の装置でもよいし、携帯型の装置でもよい。ユーザ端末装置６は、例えば、アプリケーションプログラム、ウェブブラウザ等の表示画面を介して各種の入力操作を受け付けるとともに、表示画面を介して各種の情報（例えば、イベントの通知、基板保持機構部状態情報、生産履歴情報３０、仕上げ試験情報３１等）を表示する。

（基板処理装置２）
図２は、基板処理装置２の一例を示す平面図である。基板処理装置２は、平面視で略矩形状のハウジング２０の内部に、ロード／アンロードユニット２１と、研磨ユニット２２と、基板搬送ユニット２３と、仕上げユニット２４と、膜厚測定ユニット２５と、制御ユニット２６とを備えて構成される。ロード／アンロードユニット２１と、研磨ユニット２２、基板搬送ユニット２３及び仕上げユニット２４との間は、第１の隔壁２００Ａにより区画され、基板搬送ユニット２３と仕上げユニット２４との間は、第２の隔壁２００Ｂにより区画されている。

（ロード／アンロードユニット）
ロード／アンロードユニット２１は、多数のウェハＷを上下方向に収納可能なウェハカセット（ＦＯＵＰ等）が載置される第１乃至第４のフロントロード部２１０Ａ～２１０Ｄと、ウェハカセットに収納されたウェハＷの収納方向（上下方向）に沿って上下移動可能な搬送ロボット２１１と、第１乃至第４のフロントロード部２１０Ａ～２１０Ｄの並び方向（ハウジング２０の短手方向）に沿って搬送ロボット２１１を移動させる水平移動機構部２１２とを備える。

搬送ロボット２１１は、第１乃至第４のフロントロード部２１０Ａ～２１０Ｄの各々に載置されたウェハカセット、基板搬送ユニット２３（具体的に、後述のリフタ２３２）、仕上げユニット２４（具体的に、後述の第１及び第２の乾燥部２４Ｅ、２４Ｆ）、及び、膜厚測定ユニット２５に対してアクセス可能に構成され、それらの間でウェハＷを受け渡すための上下二段のハンド（不図示）を備える。下側ハンドは、処理前のウェハＷを受け渡すときに使用され、上側ハンドは、処理後のウェハＷを受け渡すときに使用される。基板搬送ユニット２３や仕上げユニット２４に対するウェハＷの受け渡しの際には、第１の隔壁２００Ａに設けられたシャッタ（不図示）が開閉される。

（研磨ユニット）
研磨ユニット２２は、ウェハＷの研磨処理（平坦化）をそれぞれ行う第１乃至第４の研磨部２２Ａ～２２Ｄを備える。第１乃至第４の研磨部２２Ａ～２２Ｄは、ハウジング２０の長手方向に沿って並べられて配置される。

図３は、第１乃至第４の研磨部２２Ａ～２２Ｄの一例を示す斜視図である。第１乃至第４の研磨部２２Ａ～２２Ｄの基本的な構成や機能は共通する。

第１乃至第４の研磨部２２Ａ～２２Ｄの各々は、研磨面を有する研磨パッド２２００を回転可能に支持する研磨テーブル２２０と、ウェハＷを保持し、かつウェハＷを研磨テーブル２２０上の研磨パッド２２００に押圧しながら研磨するためのトップリング（研磨ヘッド）２２１と、研磨パッド２２００に研磨流体を供給する研磨流体供給ノズル２２２と、ドレッサディスク２２３０を回転可能に支持するとともにドレッサディスク２２３０を研磨パッド２２００の研磨面に接触させて研磨パッド２２００をドレッシングするドレッサ２２３と、研磨パッド２２００に洗浄流体を噴射するアトマイザ２２４とを備える。

研磨テーブル２２０は、研磨テーブルシャフト２２０ａにより支持されて、その軸心周りに研磨テーブル２２０を回転駆動させる回転移動機構部２２０ｂと、研磨パッド２２００の表面温度を調節する温調機構部２２０ｃとを備える。

トップリング２２１は、上下方向に移動可能なトップリングシャフト２２１ａに支持されて、その軸心周りにトップリング２２１を回転駆動させる回転移動機構部２２１ｃと、トップリング２２１を上下方向に移動させる上下移動機構部２２１ｄと、支持シャフト２２１ｂを旋回中心にしてトップリング２２１を旋回（揺動）移動させる揺動移動機構部２２１ｅとを備える。

研磨流体供給ノズル２２２は、支持シャフト２２２ａに支持されて、支持シャフト２２２ａを旋回中心にして研磨流体供給ノズル２２２を旋回移動させる揺動移動機構部２２２ｂと、研磨流体の流量を調節する流量調節部２２２ｃと、研磨流体の温度を調節する温調機構部２２２ｄとを備える。研磨流体は、研磨液（スラリー）又は純水であり、さらに、薬液を含むものでもよいし、研磨液に分散剤を添加したものでもよい。

ドレッサ２２３は、上下方向に移動可能なドレッサシャフト２２３ａに支持されて、その軸心周りにドレッサ２２３を回転駆動させる回転移動機構部２２３ｃと、ドレッサ２２３を上下方向に移動させる上下移動機構部２２３ｄと、支持シャフト２２３ｂを旋回中心にしてドレッサ２２３を旋回移動させる揺動移動機構部２２３ｅとを備える。

アトマイザ２２４は、支持シャフト２２４ａに支持されて、支持シャフト２２４ａを旋回中心にしてアトマイザ２２４を旋回移動させる揺動移動機構部２２４ｂと、洗浄流体の流量を調節する流量調節部２２４ｃとを備える。洗浄流体は、液体（例えば、純水）と気体（例えば、窒素ガス）の混合流体又は液体（例えば、純水）である。

ウェハＷは、トップリング２２１の下面に吸着保持されて、研磨テーブル２２０上の所定の研磨位置に移動された後、研磨流体供給ノズル２２２から研磨流体が供給された研磨パッド２２００の研磨面に対してトップリング２２１により押圧されることで研磨される。

（基板搬送ユニット）
基板搬送ユニット２３は、図２に示すように、第１乃至第４の研磨部２２Ａ～２２Ｄの並び方向（ハウジング２０の長手方向）に沿って水平移動可能な第１及び第２のリニアト
ランスポータ２３０Ａ、２３０Ｂと、第１及び第２のリニアトランスポータ２３０Ａ、２３０Ｂの間に配置されたスイングトランスポータ２３１と、ロード／アンロードユニット２１側に配置されたリフタ２３２と、仕上げユニット２４側に配置されたウェハＷの仮置き台２３３とを備える。

第１のリニアトランスポータ２３０Ａは、第１及び第２の研磨部２２Ａ、２２Ｂに隣接して配置されて、４つの搬送位置（ロード／アンロードユニット２１側から順に第１乃至第４の搬送位置ＴＰ１～ＴＰ４とする）の間でウェハＷを搬送する機構である。第２の搬送位置ＴＰ２は、第１の研磨部２２Ａに対してウェハＷを受け渡す位置であり、第３の搬送位置ＴＰ３は、第２の研磨部２２Ｂに対してウェハＷを受け渡す位置である。

第２のリニアトランスポータ２３０Ｂは、第３及び第４の研磨部２２Ｃ、２２Ｄに隣接して配置されて、３つの搬送位置（ロード／アンロードユニット２１側から順に第５乃至第７の搬送位置ＴＰ５～ＴＰ７とする）の間でウェハＷを搬送する機構である。第６の搬送位置ＴＰ６は、第３の研磨部２２Ｃに対してウェハＷを受け渡す位置であり、第７の搬送位置ＴＰ７は、第４の研磨部２２Ｄに対してウェハＷを受け渡す位置である。

スイングトランスポータ２３１は、第４及び第５の搬送位置ＴＰ４、ＴＰ５に隣接して配置されるとともに、第４及び第５の搬送位置ＴＰ４、ＴＰ５の間を移動可能なハンドを有する。スイングトランスポータ２３１は、第１及び第２のリニアトランスポータ２３０Ａ、２３０Ｂの間でウェハＷを受け渡すとともに、仮置き台２３３にウェハＷを仮置きする機構である。リフタ２３２は、第１の搬送位置ＴＰ１に隣接して配置されて、ロード／アンロードユニット２１の搬送ロボット２１１との間でウェハＷを受け渡す機構である。ウェハＷの受け渡しの際、第１の隔壁２００Ａに設けられたシャッタ（不図示）が開閉される。

（仕上げユニット）
仕上げユニット２４は、図２に示すように、ロールスポンジ２４００を用いた基板洗浄装置として、上下二段に配置された第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂと、ペンスポンジ２４０１を用いた基板洗浄装置として、上下二段に配置された第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄと、洗浄後のウェハＷを乾燥させる基板乾燥装置として、上下二段に配置された第１及び第２の乾燥部２４Ｅ、２４Ｆと、ウェハＷを搬送する第１及び第２の搬送部２４Ｇ、２４Ｈとを備える。なお、ロールスポンジ洗浄部２４Ａ、２４Ｂ、ペンスポンジ洗浄部２４Ｃ、２４Ｄ、乾燥部２４Ｅ、２４Ｆ、及び、搬送部２４Ｇ、２４Ｈの数や配置は、図２の例に限られず、適宜変更してもよい。

仕上げユニット２４の各部２４Ａ～２４Ｈは、それぞれが区画された状態で第１及び第２のリニアトランスポータ２３０Ａ、２３０Ｂに沿って、例えば、第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂ、第１の搬送部２４Ｇ、第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄ、第２の搬送部２４Ｈ、及び、第１及び第２の乾燥部２４Ｅ、２４Ｆの順（ロード／アンロードユニット２１から遠い順）に配置される。仕上げユニット２４は、研磨処理後のウェハＷに対して、第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂのいずれかによる一次洗浄処理、第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄのいずれかによる二次洗浄処理、及び、第１及び第２の乾燥部２４Ｅ、２４Ｆのいずれかによる乾燥処理を順に行う。

ロールスポンジ２４００及びペンスポンジ２４０１は、ＰＶＡ、ナイロン等の合成樹脂で形成され、多孔質構造を有する。ロールスポンジ２４００及びペンスポンジ２４０１は、ウェハＷをスクラブ洗浄するための洗浄具として機能し、第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂ、並びに、第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄに
交換可能にそれぞれ取り付けられる。

第１の搬送部２４Ｇは、上下方向に移動可能な第１の搬送ロボット２４６Ａを備える。第１の搬送ロボット２４６Ａは、基板搬送ユニット２３の仮置き台２３３、第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂ、並びに、第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄに対してアクセス可能に構成され、それらの間でウェハＷを受け渡すための上下二段のハンドを備える。例えば、下側ハンドは、洗浄前のウェハＷを受け渡すときに使用され、上側ハンドは、洗浄後のウェハＷを受け渡すときに使用される。仮置き台２３３に対するウェハＷの受け渡しの際には、第２の隔壁２００Ｂに設けられたシャッタ（不図示）が開閉される。

第２の搬送部２４Ｈは、上下方向に移動可能な第２の搬送ロボット２４６Ｂを備える。第２の搬送ロボット２４６Ｂは、第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄ、並びに、第１及び第２の乾燥部２４Ｅ、２４Ｆに対してアクセス可能に構成され、それらの間でウェハＷを受け渡すためのハンドを備える。

図４は、第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂの一例を示す斜視図である。第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂの基本的な構成や機能は共通する。図４の例では、第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂは、ウェハＷの被洗浄面（表面及び裏面）を挟み込むように、上下に配置された一対のロールスポンジ２４００を有する。

第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂの各々は、ウェハＷを保持する基板保持部２４１と、ウェハＷに基板洗浄流体を供給する洗浄流体供給部２４２と、ロールスポンジ２４００を回転可能に支持するとともにロールスポンジ２４００をウェハＷに接触させてウェハＷを洗浄する基板洗浄部２４０と、ロールスポンジ２４００を洗浄具洗浄流体にて洗浄（セルフクリーニング）する洗浄具洗浄部２４３と、洗浄処理が行われるハウジング２０の内部空間の状態を測定する環境センサ２４４とを備える。

基板保持部２４１は、ウェハＷの側縁部の複数個所を保持する基板保持機構部２４１ａと、ウェハＷの被洗浄面に垂直な第３の回転軸周りにウェハＷを回転させる基板回転機構部２４１ｂとを備える。図４の例では、基板保持機構部２４１ａは、４つのローラであり、少なくとも１つのローラは、ウェハＷの側縁部に対して保持方向又は離間方向に移動可能に構成される。基板回転機構部２４１ｂは、２つの駆動ローラである。図４の例では、基板回転機構部２４１ｂを構成する駆動ローラは、ウェハＷを保持する基板保持機構部２４１ａを兼ねている。なお、基板保持部２４１は、複数のローラで構成される基板保持機構部２４１ａと、少なくとも１つの駆動ローラで構成される基板回転機構部２４１ｂでよい。

洗浄流体供給部２４２は、ウェハＷの被洗浄面に基板洗浄流体を供給する洗浄流体供給ノズル２４２ａと、洗浄流体供給ノズル２４２ａを旋回移動させる揺動移動機構部２４２ｂと、基板洗浄流体の流量及び圧力を調節する流量調節部２４２ｃと、基板洗浄流体の温度を調節する温調機構部２４２ｄとを備える。基板洗浄流体は、純水（リンス液）及び薬液のいずれでもよく、洗浄流体供給ノズル２４２ａは、図４に示すように、純水用のノズルと、薬液用のノズルとが別々に設けられていてもよい。また、基板洗浄流体は、液体でもよいし、液体及び気体を混合させた二流体でもよいし、ドライアイスのような固体を含むものでもよい。

基板洗浄部２４０は、ウェハＷの被洗浄面に平行な第１の回転軸周りにロールスポンジ２４００を回転させる洗浄具回転機構部２４０ａと、一対のロールスポンジ２４００の高
さ及び両者の離間距離を変更するため、一対のロールスポンジ２４００の少なくとも一方を上下方向に移動させる上下移動機構部２４０ｂと、一対のロールスポンジ２４００を水平方向に直線移動させる直線移動機構部２４０ｃとを備える。上下移動機構部２４０ｂ及び直線移動機構部２４０ｃは、ロールスポンジ２４００とウェハＷの被洗浄面との相対位置を移動させる洗浄具移動機構部として機能する。

洗浄具洗浄部２４３は、ウェハＷと干渉しない位置に配置されて、洗浄具洗浄流体を貯留及び排出可能な洗浄具洗浄槽２４３ａと、洗浄具洗浄槽２４３ａに収容されて、ロールスポンジ２４００が押し付けられる洗浄具洗浄板２４３ｂと、洗浄具洗浄槽２４３ａに供給される洗浄具洗浄流体の流量及び圧力を調節する流量調節部２４３ｃと、ロールスポンジ２４００の内側を流通し、ロールスポンジ２４００の外周面から外部に排出される洗浄具洗浄流体の流量及び圧力を調節する流量調節部２４３ｄとを備える。洗浄具洗浄流体は、純水（リンス液）及び薬液のいずれでもよい。

環境センサ２４４は、例えば、温度センサ２４４ａと、湿度センサ２４４ｂとを備える。なお、環境センサ２４４として、洗浄処理中や洗浄処理の前後に、ウェハＷやロールスポンジ２４００の表面等を撮影可能なカメラ（イメージセンサ）を備えていてもよい。

第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂによる一次洗浄処理では、ウェハＷは、基板保持機構部２４１ａにより保持された状態で基板回転機構部２４１ｂにより回転される。そして、洗浄流体供給ノズル２４２ａからウェハＷの被洗浄面に基板洗浄流体が供給された状態で、洗浄具回転機構部２４０ａにより軸心周りに回転されたロールスポンジ２４００がウェハＷの被洗浄面に摺接することでウェハＷは洗浄される。その後、基板洗浄部２４０が、ロールスポンジ２４００を洗浄具洗浄槽２４３ａに移動させて、例えば、ロールスポンジ２４００を回転させたり、洗浄具洗浄板２４３ｂに押し付けたり、流量調節部２４３ｄにより洗浄具洗浄流体をロールスポンジ２４００に供給することで、ロールスポンジ２４００は洗浄される。

図５は、第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄの一例を示す斜視図である。第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄの基本的な構成や機能は共通する。

第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄの各々は、ウェハＷを保持する基板保持部２４１と、ウェハＷに基板洗浄流体を供給する洗浄流体供給部２４２と、ペンスポンジ２４０１を回転可能に支持するとともにペンスポンジ２４０１をウェハＷに接触させてウェハＷを洗浄する基板洗浄部２４０と、ペンスポンジ２４０１を洗浄具洗浄流体にて洗浄（セルフクリーニング）する洗浄具洗浄部２４３と、洗浄処理が行われるハウジング２０の内部空間の状態を測定する環境センサ２４４とを備える。以下では、ペンスポンジ洗浄部２４Ｃ、２４Ｄについて、ロールスポンジ洗浄部２４Ａ、２４Ｂと異なる部分を中心に説明する。

基板保持部２４１は、ウェハＷの側縁部の複数個所を保持する基板保持機構部２４１ｃと、ウェハＷの被洗浄面に垂直な第３の回転軸周りにウェハＷを回転させる基板回転機構部２４１ｄとを備える。図５の例では、基板保持機構部２４１ｃは、４つのローラであり、少なくとも１つのローラは、ウェハＷの側縁部に対して保持方向又は離間方向に移動可能に構成され、基板回転機構部２４１ｄは、２つの駆動ローラである。図５の例では、基板回転機構部２４１ｂを構成する駆動ローラは、ウェハＷを保持する基板保持機構部２４１ａを兼ねている。なお、基板保持部２４１は、複数のローラで構成される基板保持機構部２４１ｃと、少なくとも１つの駆動ローラで構成される基板回転機構部２４１ｄでよい。

洗浄流体供給部２４２は、図４と同様に構成されており、洗浄流体供給ノズル２４２ａ、揺動移動機構部２４２ｂ、流量調節部２４２ｃ、及び、温調機構部２４２ｄを備える。

基板洗浄部２４０は、ウェハＷの被洗浄面に垂直な第２の回転軸周りにペンスポンジ２４０１を回転させる洗浄具回転機構部２４０ｄと、ペンスポンジ２４０１を上下方向に移動させる上下移動機構部２４０ｅと、ペンスポンジ２４０１を水平方向に旋回移動させる揺動移動機構部２４０ｆとを備える。上下移動機構部２４０ｅ及び揺動移動機構部２４０ｆは、ペンスポンジ２４０１とウェハＷの被洗浄面との相対位置を移動させる洗浄具移動機構部として機能する。

洗浄具洗浄部２４３は、ウェハＷと干渉しない位置に配置されて、洗浄具洗浄流体を貯留及び排出可能な洗浄具洗浄槽２４３ｅと、洗浄具洗浄槽２４３ｅに収容されて、ペンスポンジ２４０１が押し付けられる洗浄具洗浄板２４３ｆと、洗浄具洗浄槽２４３ｅに供給される洗浄具洗浄流体の流量及び圧力を調節する流量調節部２４３ｇと、ペンスポンジ２４０１の内側を流通し、ペンスポンジ２４０１の外表面から外部に排出される洗浄具洗浄流体の流量及び圧力を調節する流量調節部２４３ｈとを備える。

環境センサ２４４は、例えば、温度センサ２４４ａと、湿度センサ２４４ｂとを備える。なお、環境センサ２４４として、洗浄処理中や洗浄処理の前後に、ウェハＷやペンスポンジ２４０１の表面等を撮影可能なカメラ（イメージセンサ）を備えていてもよい。

第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄによる二次洗浄処理では、ウェハＷは、基板保持機構部２４１ｃにより保持された状態で基板回転機構部２４１ｄにより回転される。そして、洗浄流体供給ノズル２４２ａからウェハＷの被洗浄面に基板洗浄流体が供給された状態で、洗浄具回転機構部２４０ｄにより軸心周りに回転されたペンスポンジ２４０１がウェハＷの被洗浄面に摺接することでウェハＷは洗浄される。その後、基板洗浄部２４０が、ペンスポンジ２４０１を洗浄具洗浄槽２４３ｅに移動させて、例えば、ペンスポンジ２４０１を回転させたり、洗浄具洗浄板２４３ｆに押し付けたり、流量調節部２４３ｈにより洗浄具洗浄流体をペンスポンジ２４０１に供給することで、ペンスポンジ２４０１は洗浄される。

図６は、第１及び第２の乾燥部２４Ｅ、２４Ｆの一例を示す斜視図である。第１及び第２の乾燥部２４Ｅ、２４Ｆの基本的な構成や機能は共通する。

第１及び第２の乾燥部２４Ｅ、２４Ｆの各々は、ウェハＷを保持する基板保持部２４１と、ウェハＷに基板乾燥流体を供給する乾燥流体供給部２４５と、乾燥処理が行われるハウジング２０の内部空間の状態を測定する環境センサ２４４とを備える。

基板保持部２４１は、ウェハＷの側縁部の複数個所を保持する基板保持機構部２４１ｅと、ウェハＷの被洗浄面に垂直な第３の回転軸周りにウェハＷを回転させる基板回転機構部２４１ｇとを備える。基板保持機構部２４１ｅは、一端を上下方向に移動する上下移動機構部２４１ｆに対して水平軸を中心として回動するように設置され、他端をウェハＷの周縁部に対して接離可能なチャック等の把持部に形成される。基板保持機構部２４１ｅは、上下移動機構２４１ｆの上下方向への移動に伴い、把持部がウェハＷに対して当接又は分離方向に移動する傘機構を構成する。なお、把持部は、ローラで構成してもよい。

乾燥流体供給部２４５は、ウェハＷの被洗浄面に基板乾燥流体を供給する乾燥流体供給ノズル２４５ａと、乾燥流体供給ノズル２４５ａを上下方向に移動させる上下移動機構部２４５ｂと、乾燥流体供給ノズル２４５ａを水平方向に旋回移動させる揺動移動機構部２４５ｃと、基板乾燥流体の流量及び圧力を調節する流量調節部２４５ｄと、基板乾燥流体
の温度を調節する温調機構部２４５ｅとを備える。上下移動機構部２４５ｂ及び揺動移動機構部２４５ｃは、乾燥流体供給ノズル２４５ａとウェハＷの被洗浄面との相対位置を移動させる乾燥流体供給ノズル移動機構部として機能する。基板乾燥流体は、例えば、ＩＰＡ蒸気及び純水（リンス液）であり、乾燥流体供給ノズル２４５ａは、図６に示すように、ＩＰＡ蒸気用のノズルと、純水用のノズルとが別々に設けられていてもよい。また、基板乾燥流体は、液体でもよいし、液体及び気体を混合させた二流体でもよいし、ドライアイスのような固体を含むものでもよい。

環境センサ２４４は、温度センサ２４４ａと、湿度センサ２４４ｂとを備える。なお、環境センサ２４４として、乾燥処理中や乾燥処理の前後に、ウェハＷの表面等を撮影可能なカメラ（イメージセンサ）を備えていてもよい。

第１及び第２の乾燥部２４Ｅ、２４Ｆによる乾燥処理では、ウェハＷは、基板保持機構部２４１ｅにより保持された状態で基板回転機構部２４１ｇにより回転される。そして、乾燥流体供給ノズル２４５ａからウェハＷの被洗浄面に基板乾燥流体が供給された状態で、乾燥流体供給ノズル２４５ａがウェハＷの側縁部側（径方向外側）に移動される。その後、ウェハＷは、基板回転機構部２４１ｅにより高速回転されることでウェハＷが乾燥される。

なお、図４乃至図６では、基板保持機構部２４１ａ、２４１ｃ、２４１ｅ、基板回転機構部２４１ｂ、２４１ｄ、２４１ｇ、上下移動機構部２４０ｂ、２４０ｅ、２４１ｆ、２４５ｂ、直線移動機構部２４０ｃ、揺動移動機構部２４０ｆ、２４２ｂ、２４５ｃ、洗浄具回転機構部２４０ａ、２４０ｄの具体的な構成を省略しているが、例えば、モータ、エアシリンダ等の駆動力発生用のモジュールと、リニアガイド、ボールねじ、ギヤ、ベルト、カップリング、軸受等の駆動力伝達機構と、リニアセンサ、エンコーダセンサ、リミットセンサ、トルクセンサ等のセンサとを適宜組み合わせて構成される。

また、図４乃至図６では、流量調節部２４３ｃ、２４３ｄ、２４３ｇ、２４３ｈ、２４５ｄの具体的な構成を省略しているが、例えば、ポンプ、バルブ、レギュレータ等の流体調節用のモジュールと、流量センサ、圧力センサ、液面センサ等のセンサとを適宜組み合わせて構成される。図４乃至図６では、温調機構部２４２ｄ、２４５ｅの具体的な構成を省略しているが、例えば、ヒータ、熱交換器等の温度調節用（接触式又は非接触式）のモジュールと、温度センサ、電流センサ等のセンサとを適宜組み合わせて構成される。

（膜厚測定ユニット）
膜厚測定ユニット２５は、研磨処理前又は研磨処理後のウェハＷの膜厚を測定する測定器であり、例えば、光学式膜厚測定器、渦電流式膜厚測定器等で構成される。各膜厚測定モジュールに対するウェハＷの受け渡しは、搬送ロボット２１１により行われる。

（制御ユニット）
図７は、基板処理装置２の一例を示すブロック図である。制御ユニット２６は、各ユニット２１～２５と電気的に接続されて、各ユニット２１～２５を統括的に制御する制御部として機能する。以下では、仕上げユニット２４の制御系（モジュール、センサ、シーケンサ）を例にして説明するが、他のユニット２１～２３、２５も基本的な構成や機能は共通するため、説明を省略する。

仕上げユニット２４は、仕上げユニット２４が備える各サブユニット（例えば、第１及び第２のロールスポンジ洗浄部２４Ａ、２４Ｂ、第１及び第２のペンスポンジ洗浄部２４Ｃ、２４Ｄ、第１及び第２の乾燥部２４Ｅ、２４Ｆ、第１及び第２の搬送部２４Ｇ、２４Ｈ等）にそれぞれ配置されて、制御対象となる複数のモジュール２４７_１～２４７_ｒと、
複数のモジュール２４７_１～２４７_ｒにそれぞれ配置されて、各モジュール２４７_１～２４７_ｒの制御に必要なデータ（検出値）を検出する複数のセンサ２４８_１～２４８_ｓと、各センサ２４８_１～２４８_ｓの検出値に基づいて各モジュール２４７_１～２４７_ｒの動作を制御するシーケンサ２４９とを備える。

仕上げユニット２４のセンサ２４８_１～２４８_ｓには、例えば、ウェハＷ自体の回転数を検出するセンサ、ウェハＷに形成された被計測部のカウント数を検出するセンサ、基板回転機構部２４１ｂ、２４１ｄ、２４１ｇの回転数を検出するセンサ、基板回転機構部２４１ｂ、２４１ｄ、２４１ｇの回転トルクを検出するセンサ、基板保持機構部２４１ａ、２４１ｃ、２４１ｅのウェハＷを保持する位置座標を検出するセンサ、上下移動機構部２４１ｆの移動距離を検出するセンサ、基板保持機構部２４１ａ、２４１ｃ、２４１ｅが基板を保持するときの保持荷重又は圧力を検出するセンサ、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの回転数を検出するセンサ、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの回転速度を検出するセンサ、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの回転トルクを検出するセンサ、上下移動機構２４１ｆの移動距離を検出するセンサ等が含まれる。

制御ユニット２６は、制御部２６０、通信部２６１、入力部２６２、出力部２６３、及び、記憶部２６４を備える。制御ユニット２６は、例えば、汎用又は専用のコンピュータ（後述の図８参照）で構成される。

通信部２６１は、ネットワーク７に接続され、各種のデータを送受信する通信インターフェースとして機能する。入力部２６２は、各種の入力操作を受け付けるとともに、出力部２６３は、表示画面、シグナルタワー点灯、ブザー音を介して各種の情報を出力することで、ユーザインターフェースとして機能する。

記憶部２６４は、基板処理装置２の動作で使用される各種のプログラム（オペレーティングシステム（ＯＳ）、アプリケーションプログラム、ウェブブラウザ等）やデータ（装置設定情報２６５、基板レシピ情報２６６等）を記憶する。装置設定情報２６５及び基板レシピ情報２６６は、表示画面を介してユーザにより編集可能なデータである。

制御部２６０は、複数のシーケンサ２１９、２２９、２３９、２４９、２５９（以下、「シーケンサ群」という）を介して複数のセンサ２１８_１～２１８_ｑ、２２８_１～２２８_ｓ、２３８_１～２３８_ｕ、２４８_１～２４８_ｗ、２５８_１～２５８_ｙ（以下、「センサ群」という）の検出値を取得するとともに、複数のモジュール２１７_１～２１７_ｐ、２２７_１～２２７_ｒ、２３７_１～２３７_ｔ、２４７_１～２４７_ｖ、２５７_１～２５７_ｘ（以下、「モジュール群」という）を連携して動作させることで、ロ―ド、研磨、洗浄、乾燥、膜厚測定、アンロード等の一連の基板処理を行う。

（各装置のハードウエア構成）
図８は、コンピュータ９００の一例を示すハードウエア構成図である。基板処理装置２の制御ユニット２６、データベース装置３、機械学習装置４、情報処理装置５、及び、ユーザ端末装置６の各々は、汎用又は専用のコンピュータ９００により構成される。

コンピュータ９００は、図８に示すように、その主要な構成要素として、バス９１０、プロセッサ９１２、メモリ９１４、入力デバイス９１６、出力デバイス９１７、表示デバイス９１８、ストレージ装置９２０、通信Ｉ／Ｆ（インターフェース）部９２２、外部機器Ｉ／Ｆ部９２４、Ｉ／Ｏ（入出力）デバイスＩ／Ｆ部９２６、及び、メディア入出力部９２８を備える。なお、上記の構成要素は、コンピュータ９００が使用される用途に応じて適宜省略されてもよい。

プロセッサ９１２は、１つ又は複数の演算処理装置（ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＭＰＵ（Ｍｉｃｒｏ－ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、ＤＳＰ（ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等）で構成され、コンピュータ９００全体を統括する制御部として動作する。メモリ９１４は、各種のデータ及びプログラム９３０を記憶し、例えば、メインメモリとして機能する揮発性メモリ（ＤＲＡＭ、ＳＲＡＭ等）と、不揮発性メモリ（ＲＯＭ）、フラッシュメモリ等とで構成される。

入力デバイス９１６は、例えば、キーボード、マウス、テンキー、電子ペン等で構成され、入力部として機能する。出力デバイス９１７は、例えば、音（音声）出力装置、バイブレーション装置等で構成され、出力部として機能する。表示デバイス９１８は、例えば、液晶ディスプレイ、有機ＥＬディスプレイ、電子ペーパー、プロジェクタ等で構成され、出力部として機能する。入力デバイス９１６及び表示デバイス９１８は、タッチパネルディスプレイのように、一体的に構成されていてもよい。ストレージ装置９２０は、例えば、ＨＤＤ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等で構成され、記憶部として機能する。ストレージ装置９２０は、オペレーティングシステムやプログラム９３０の実行に必要な各種のデータを記憶する。

通信Ｉ／Ｆ部９２２は、インターネットやイントラネット等のネットワーク９４０（図１のネットワーク７と同じであってもよい）に有線又は無線により接続され、所定の通信規格に従って他のコンピュータとの間でデータの送受信を行う通信部として機能する。外部機器Ｉ／Ｆ部９２４は、カメラ、プリンタ、スキャナ、リーダライタ等の外部機器９５０に有線又は無線により接続され、所定の通信規格に従って外部機器９５０との間でデータの送受信を行う通信部として機能する。Ｉ／ＯデバイスＩ／Ｆ部９２６は、各種のセンサ、アクチュエータ等のＩ／Ｏデバイス９６０に接続され、Ｉ／Ｏデバイス９６０との間で、例えば、センサによる検出信号やアクチュエータへの制御信号等の各種の信号やデータの送受信を行う通信部として機能する。メディア入出力部９２８は、例えば、ＤＶＤドライブ、ＣＤドライブ等のドライブ装置で構成され、ＤＶＤ、ＣＤ等のメディア（非一時的な記憶媒体）９７０に対してデータの読み書きを行う。

上記構成を有するコンピュータ９００において、プロセッサ９１２は、ストレージ装置９２０に記憶されたプログラム９３０をメモリ９１４に呼び出して実行し、バス９１０を介してコンピュータ９００の各部を制御する。なお、プログラム９３０は、ストレージ装置９２０に代えて、メモリ９１４に記憶されていてもよい。プログラム９３０は、インストール可能なファイル形式又は実行可能なファイル形式でメディア９７０に記録され、メディア入出力部９２８を介してコンピュータ９００に提供されてもよい。プログラム９３０は、通信Ｉ／Ｆ部９２２を介してネットワーク９４０経由でダウンロードすることによりコンピュータ９００に提供されてもよい。また、コンピュータ９００は、プロセッサ９１２がプログラム９３０を実行することで実現する各種の機能を、例えば、ＦＰＧＡ、ＡＳＩＣ等のハードウエアで実現するものでもよい。

コンピュータ９００は、例えば、据置型コンピュータや携帯型コンピュータで構成され、任意の形態の電子機器である。コンピュータ９００は、クライアント型コンピュータでもよいし、サーバ型コンピュータやクラウド型コンピュータでもよい。コンピュータ９００は、各装置２～６以外の装置にも適用されてもよい。

（生産履歴情報３０）
図９は、データベース装置３により管理される生産履歴情報３０の一例を示すデータ構成図である。生産履歴情報３０は、本生産用の基板処理が行われたときに取得されたレポ
ートＲが分類されて登録されるテーブルとして、例えば、各ウェハＷに関するウェハ履歴テーブル３００と、仕上げ処理における装置状態情報に関する仕上げ履歴テーブル３０１とを備える。なお、仕上げ履歴テーブル３０１は、洗浄処理における装置状態情報に関する洗浄履歴テーブル及び乾燥処理における装置状態情報に関する乾燥履歴デーブルを含む。また、生産履歴情報３０は、上記の他に、研磨処理における装置状態情報に関する研磨履歴テーブル、イベント情報に関するイベント履歴テーブル及び操作情報に関する操作履歴テーブル等を備えるが、詳細な説明は省略する。

ウェハ履歴テーブル３００の各レコードには、例えば、ウェハＩＤ、カセット番号、スロット番号、各工程の開始時刻、終了時刻、使用ユニットＩＤ等が登録される。なお、図９では、研磨工程、洗浄工程、乾燥工程が例示されているが、他の工程についても同様に登録される。

仕上げ履歴テーブル３０１の各レコードには、例えば、ウェハＩＤ、基板回転状態情報を構成する基板回転速度情報及び基板回転トルク情報、基板保持位置情報、基板押付荷重情報等が登録される。

基板回転速度情報は、仕上げ処理におけるウェハＷの回転速度を示す情報である。基板回転速度情報は、例えば、ウェハＷ自体の回転速度を計測するセンサの検出値、ウェハＷに形成又は設置されたノッチ等の被計側部を用いて回転数を計測するセンサの検出値、ウェハＷを回転させる基板回転機構部２４１ｂ、２４１ｄ、２４１ｇの回転数を計測するセンサの検出値等である。

基板回転トルク情報は、仕上げ処理におけるウェハＷ自体の回転トルクを示す情報である。基板回転トルク情報は、例えば、ウェハＷを回転させる基板回転機構部２４１ｂ、２４１ｄ、２４１ｇのトルクを計測するセンサの検出値等である。

基板保持位置情報は、基板保持機構部２４１ａ、２４１ｃ、２４１ｅがウェハＷを保持する位置の座標等を示す情報である。基板保持位置情報は、予め設定した位置座標において、予め設定された基準となるウェハＷを保持する位置からの水平方向の位置ずれを測定したものであってもよい。基板保持位置情報は、例えば、基板保持機構部２４１ａ、２４１ｃ、２４１ｅがウェハＷを保持する位置を計測するセンサの検出値等である。なお、傘機構を用いる場合には、基板保持位置情報は、上下移動機構部２４１ｆの移動距離を測定してもよい。また、基板保持位置情報は、基板保持機構部２４１ａ、２４１ｃ、２４１ｅが予め設定された基準となるウェハＷを保持する位置からの上下方向の位置ずれを測定したものであってもよい。

基板押付荷重情報は、基板保持機構部２４１ａ、２４１ｃ、２４１ｅがウェハＷを押し付ける荷重を示す情報である。基板押付荷重情報は、ロードセルを用いて荷重を測定してもよく、ウェハＷの押し付けに空気を用いる場合にはこの空気の空気圧を測定してもよい。

仕上げ履歴テーブル３０１を参照することで、ウェハＩＤで特定されるウェハＷに対して仕上げ処理が行われたときの基板処理装置２の装置状態として、各センサの時系列データ（又は各モジュールの時系列データ）が抽出可能である。

（仕上げ試験情報３１）
図１０は、データベース装置３により管理される仕上げ試験情報３１の一例を示すデータ構成図である。仕上げ試験情報３１は、試験用の基板保持部や仕上げ試験装置を用いて仕上げ試験が行われたときに取得されたレポートＲ及び試験結果が分類されて登録される
仕上げ試験テーブル３１０を備える。

仕上げ試験テーブル３１０の各レコードには、例えば、試験ＩＤ、基板回転状態情報を構成する基板回転速度情報及び基板回転トルク情報、基板保持位置情報、基板押付荷重情報、試験結果情報等が登録される。仕上げ試験テーブル３１０の基板回転状態情報を構成する基板回転速度情報及び基板回転トルク情報、基板保持位置情報、及び、基板押付荷重情報、は、仕上げ試験における各部の状態を示す情報であり、そのデータ構成は、仕上げ履歴テーブル３０１と同様であるため、詳細な説明を省略する。

試験結果情報は、仕上げ試験において仕上げ処理が行われたときの試験用の基板保持機構部の状態を示す情報である。試験結果情報は、試験用の基板保持機構部や基板保持機構部試験装置に設けられた基板保持機構部測定機器により所定の時間間隔でサンプリングされた測定値である。図１０に示す試験結果情報は、仕上げ処理を開始してから終了するまでの仕上げ処理期間に含まれる各時刻ｔ１，ｔ２，…，…ｔｍ，…，ｔｎにおける汚染度、摩耗度、及び、破損度の各測定値ＴＲ１、ＴＲ２、ＴＲ３をそれぞれ含む。

なお、試験結果情報は、上記のように、基板保持機構部測定機器による測定結果である測定値でもよいし、光学式顕微鏡や走査電子顕微鏡（ＳＥＭ）に搭載されたカメラにより試験用の基板保持機構部を所定の時間間隔で撮影し、その撮影した各画像に対して画像処理を行った画像処理結果や実験者が解析した実験解析結果に基づくものでもよい。また、試験結果情報は、仕上げ処理を開始してから終了するまでを連続して行った１回の仕上げ試験にて収集されたものでもよいし、仕上げ処理を開始してから所定の時刻に到達するまでの仕上げ試験を所定の時刻を徐々に長くしながら繰り返し行うことで、複数回の仕上げ試験にて収集されたものでもよい。

仕上げ試験テーブル３１０を参照することで、試験ＩＤで特定される仕上げ試験において、試験用の基板保持部を用いて仕上げ処理が行われたときの基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を示す時系列データ（又は各モジュールの時系列データ）と、そのときの試験用の基板保持機構部の状態を示す時系列データとが抽出可能である。

（機械学習装置４）
図１１は、第１の実施形態に係る機械学習装置４の一例を示すブロック図である。機械学習装置４は、制御部４０、通信部４１、学習用データ記憶部４２、及び、学習済みモデル記憶部４３を備える。

制御部４０は、学習用データ取得部４００及び機械学習部４０１として機能する。通信部４１は、ネットワーク７を介して外部装置（例えば、基板処理装置２、データベース装置３、情報処理装置５、及び、ユーザ端末装置６、仕上げ試験装置（不図示）等）と接続され、各種のデータを送受信する通信インターフェースとして機能する。

学習用データ取得部４００は、通信部４１及びネットワーク７を介して外部装置と接続され、入力データとしての動作状態情報と、出力データとしての基板保持機構部状態情報とで構成される第１の学習用データ１１Ａを取得する。第１の学習用データ１１Ａは、教師あり学習における教師データ（トレーニングデータ）、検証データ及びテストデータとして用いられるデータである。また、基板保持機構部状態情報は、教師あり学習における正解ラベルとして用いられるデータである。

学習用データ記憶部４２は、学習用データ取得部４００で取得した第１の学習用データ１１Ａを複数組記憶するデータベースである。なお、学習用データ記憶部４２を構成するデータベースの具体的な構成は適宜設計すればよい。

機械学習部４０１は、学習用データ記憶部４２に記憶された複数組の第１の学習用データ１１Ａを用いて機械学習を実施する。すなわち、機械学習部４０１は、第１の学習モデル１０Ａに第１の学習用データ１１Ａを複数組入力し、第１の学習用データ１１Ａに含まれる動作状態情報と基板保持機構部状態情報との相関関係を第１の学習モデル１０Ａに学習させることで、学習済みの第１の学習モデル１０Ａを生成する。

学習済みモデル記憶部４３は、機械学習部４０１により生成された学習済みの第１の学習モデル１０Ａ（具体的には、調整済みの重みパラメータ群）を記憶するデータベースである。学習済みモデル記憶部４３に記憶された学習済みの第１の学習モデル１０Ａは、ネットワーク７や記録媒体等を介して実システム（例えば、情報処理装置５）に提供される。なお、図１１では、学習用データ記憶部４２と、学習済みモデル記憶部４３とが別々の記憶部として示されているが、これらは単一の記憶部で構成されてもよい。

なお、学習済みモデル記憶部４３に記憶される第１の学習モデル１０Ａの数は１つに限定されず、例えば、機械学習の手法、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの種類、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの機構の違い、動作状態情報に含まれるデータの種類、基板保持機構部状態情報に含まれるデータの種類等のように、条件が異なる複数の学習モデルが記憶されてもよい。その場合には、学習用データ記憶部４２には、条件が異なる複数の学習モデルにそれぞれ対応するデータ構成を有する複数種類の学習用データが記憶されればよい。

図１２は、第１の学習モデル１０Ａ及び第１の学習用データ１１Ａの一例を示す図である。第１の学習モデル１０Ａの機械学習に用いられる第１の学習用データ１１Ａは、動作状態情報と基板保持機構部状態情報（コンディション情報）とで構成される。本実施形態では、第１の学習モデル１０Ａ及び第１の学習用データ１１Ａは、ロールスポンジ２４００を用いたロールスポンジ洗浄部２４Ａ、２４Ｂに対応するものと、ペンスポンジ２４０１を用いたペンスポンジ洗浄部２４Ｃ、２４Ｄに対応するものと、乾燥部２４Ｅ、２４Ｆに対応するものとの３種類が少なくとも用意されるが、基本的なデータ構成は共通するため、以下にまとめて説明する。

第１の学習用データ１１Ａを構成する動作状態情報は、ウェハＷの回転状態を示す基板回転状態情報、基板保持機構部２４１ａ、２４１ｃ、２４１ｅがウェハＷを保持する位置を示す基板保持位置情報、及び基板保持機構部２４１ａ、２４１ｃ、２４１ｅがウェハＷを押し付ける荷重を示す基板押付荷重情報を含む。

動作状態情報に含まれる基板回転状態情報は、ウェハＷの回転速度を示す基板回転速度情報、及び、ウェハＷの回転トルクを示す基板回転トルク情報を含む。基板回転速度情報は、ウェハＷの回転速度を示す情報である。基板回転速度情報は、例えば、ウェハＷ自体の回転速度、ウェハＷに形成又は設置されたノッチ等の被計側部のカウント数、ウェハＷを回転させる基板回転機構部２４１ｂ、２４１ｄ、２４１ｇの回転数でよい。基板回転トルク情報は、例えば、ウェハＷを回転する基板回転機構部２４１ｂ、２４１ｄ、２４１ｇのトルクでよい。

動作状態情報に含まれる基板保持位置情報は、基板保持機構部２４１ａ、２４１ｃ、２４１ｅがウェハＷを保持する位置を含む。基板保持位置情報は、例えば、ウェハＷの回転中心又はウェハＷを保持する保持位置等を中心として位置座標を設定し、当初の保持位置との水平方向の位置ずれの距離で示してもよいし、予め設定された基準となるウェハＷを保持する位置からの水平方向の位置ずれを測定したものであってもよい。なお、基板保持位置情報は、傘機構を用いる場合には、上下移動機構部２４１ｆの移動距離を測定しても
よい。また、基板保持位置情報は、基板保持機構部２４１ａ、２４１ｃ、２４１ｅが予め設定された基準となるウェハＷを保持する位置からの上下方向の位置ずれを測定したものであってもよい。

動作状態情報に含まれる基板押付荷重情報は、基板保持機構部２４１ａ、２４１ｃ、２４１ｅがウェハＷを押し付ける荷重を含む。基板押付荷重情報は、ロードセルを用いて押付荷重を測定してもよく、ウェハＷを押し付けるために空気を用いる場合には空気圧を測定してもよい。

なお、動作状態情報は、仕上げ処理が行われる空間の環境を示す装置内環境情報をさらに含むものでもよく、動作状態情報に含まれる装置内環境情報は、ハウジング２０により形成された内部空間の温度、及び、湿度の少なくとも１つを含む。また、動作状態情報は、仕上げ処理の実績を示す処理実績情報をさらに含むものでもよく、動作状態情報に含まれる処理実績情報は、例えば、基板保持機構部２４１ａ、２４１ｃ、２４１ｅが交換されてからその基板保持機構部２４１ａ、２４１ｃ、２４１ｅを用いて仕上げ処理が行われたときのウェハＷの累積使用枚数、及び、累積使用時間の少なくとも１つを含む。

第１の学習用データ１１Ａを構成する基板保持機構部状態情報は、動作状態情報が示す動作状態にて基板処理装置２が動作したときの基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を示す情報である。本実施形態では、基板保持機構部状態情報は、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの汚染度、摩耗度、破損度、の少なくとも１つを含む。

学習用データ取得部４００は、仕上げ試験情報３１を参照するとともに、必要に応じてユーザ端末装置６によるユーザの入力操作を受け付けることで、第１の学習用データ１１Ａを取得する。例えば、学習用データ取得部４００は、仕上げ試験情報３１の仕上げ試験テーブル３１０を参照することで、試験ＩＤで特定される仕上げ試験が行われたときの基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を、動作状態情報として取得する。

なお、本実施形態では、動作状態情報を、図１２に示すようなセンサ群の時系列データとして取得する場合について説明するが、基板保持部２４１の構成に応じて適宜変更してもよい。また、動作状態情報として、モジュールへの指令値を用いてもよいし、センサの検出値又はモジュールへの指令値から換算されるパラメータを用いてもよいし、複数のセンサの検出値に基づいて算出されるパラメータを用いてもよい。さらに、動作状態情報は、仕上げ処理期間全体の時系列データとして取得されてもよいし、仕上げ処理期間の一部である対象期間の時系列データとして取得されてもよいし、特定の対象時点における時点データとして取得されてもよい。上記のように、動作状態情報の定義を変更する場合には、第１の学習モデル１０Ａ及び第１の学習用データ１１Ａにおける入力データのデータ構成を適宜変更すればよい。

また、学習用データ取得部４００は、仕上げ試験情報３１の仕上げ試験テーブル３１０を参照することで、同一の試験ＩＤで特定される仕上げ試験が行われたときの試験結果情報（基板保持機構部測定機器の時系列データ（図１０））を、上記の動作状態情報に対する基板保持機構部状態情報として取得する。基板保持機構部測定機器が、基板保持機構部２４１ａ、２４１ｃ、２４１ｅに対して面的な測定が可能な測定機器である場合には、学習用データ取得部４００は、面的な測定値を基板保持機構部状態情報として取得する。

なお、本実施形態では、基板保持機構部状態情報が、図１２に示すようなコンディション情報である場合について説明するが、汚染度、摩耗度、及び、破損度の少なくとも１つ
を含むものでもよい。また、基板保持機構部状態情報は、基板保持機構部測定機器の測定値を所定の算出式に代入することで算出されてもよい。さらに、動作状態情報が、例えば、仕上げ処理期間全体の時系列データ又は仕上げ処理期間の一部である対象期間の時系列データとして取得されている場合には、基板保持機構部状態情報は、仕上げ処理期間全体の時系列データ又は対象期間の時系列データとして取得されてもよいし、仕上げ処理終了時点の時点データ又は対象時点の時点データとして取得されてもよい。また、動作状態情報が、例えば、特定の対象時点における時点データとして取得されている場合には、基板保持機構部状態情報は、その特定の対象時点における時点データとして取得されてもよい。上記のように、基板保持機構部状態情報の定義を変更する場合には、第１の学習モデル１０Ａ及び第１の学習用データ１１Ａにおける出力データのデータ構成を適宜変更すればよい。

第１の学習モデル１０Ａは、例えば、ニューラルネットワークの構造を採用したものであり、入力層１００、中間層１０１、及び、出力層１０２を備える。各層の間には、各ニューロンをそれぞれ接続するシナプス（不図示）が張られており、各シナプスには、重みがそれぞれ対応付けられている。各シナプスの重みからなる重みパラメータ群が、機械学習により調整される。

入力層１００は、入力データとしての動作状態情報に対応する数のニューロンを有し、動作状態情報の各値が各ニューロンにそれぞれ入力される。出力層１０２は、出力データとしての基板保持機構部状態情報に対応する数のニューロンを有し、動作状態情報に対する基板保持機構部状態情報の予測結果（推論結果）が、出力データとして出力される。第１の学習モデル１０Ａが、回帰モデルで構成される場合には、基板保持機構部状態情報は、所定の範囲（例えば、０～１）に正規化された数値でそれぞれ出力される。また、第１の学習モデル１０Ａが、分類モデルで構成される場合には、基板保持機構部状態情報は、各クラスに対するスコア（確度）として、所定の範囲（例えば、０～１）に正規化された数値でそれぞれ出力される。

「所定の範囲（０～１）」には予め数値に対応した推論結果が設定されている。例えば、汚染度の場合、推論結果である「所定の範囲（０～１）」を複数の範囲に分割して、分割された範囲毎に汚染度の度合いが設定されればよい。また、汚染の有無を示す場合、推論結果である「所定の範囲（０～１）」の間に所定の閾値を設定し、出力された数値が、閾値以下であれば「汚染無し」、閾値を超えたら「汚染有り」と設定されればよい。汚染度の度合い又は汚染の有無は、推論結果に応じて出力される。

（機械学習方法）
図１３は、機械学習装置４による機械学習方法の一例を示すフローチャートである。

まず、ステップＳ１００において、学習用データ取得部４００は、機械学習を開始するための事前準備として、仕上げ試験情報３１等から所望の数の第１の学習用データ１１Ａを取得し、その取得した第１の学習用データ１１Ａを学習用データ記憶部４２に記憶する。ここで準備する第１の学習用データ１１Ａの数については、最終的に得られる第１の学習モデル１０Ａに求められる推論精度を考慮して設定すればよい。

次に、ステップＳ１１０において、機械学習部４０１は、機械学習を開始すべく、学習前の第１の学習モデル１０Ａを準備する。ここで準備する学習前の第１の学習モデル１０Ａは、ニューラルネットワークモデルで構成されており、各シナプスの重みが初期値に設定されている。

次に、ステップＳ１２０において、機械学習部４０１は、学習用データ記憶部４２に記
憶された複数組の第１の学習用データ１１Ａから、例えば、ランダムに１組の第１の学習用データ１１Ａを取得する。

次に、ステップＳ１３０において、機械学習部４０１は、１組の第１の学習用データ１１Ａに含まれる動作状態情報（入力データ）を、準備された学習前（又は学習中）の第１の学習モデル１０Ａの入力層１００に入力する。その結果、第１の学習モデル１０Ａの出力層１０２から推論結果として基板保持機構部状態情報（出力データ）が出力されるが、当該出力データは、学習前（又は学習中）の第１の学習モデル１０Ａによって生成されたものである。そのため、学習前（又は学習中）の状態では、推論結果として出力された出力データは、第１の学習用データ１１Ａに含まれる基板保持機構部状態情報（正解ラベル）とは異なる情報を示す。

次に、ステップＳ１４０において、機械学習部４０１は、ステップＳ１２０において取得された１組の第１の学習用データ１１Ａに含まれる基板保持機構部状態情報（正解ラベル）と、ステップＳ１３０において出力層から推論結果として出力された基板保持機構部状態情報（出力データ）とを比較し、各シナプスの重みを調整する処理（バックプロバケーション）を実施することで、機械学習を実施する。これにより、機械学習部４０１は、動作状態情報と基板保持機構部状態情報との相関関係を第１の学習モデル１０Ａに学習させる。

次に、ステップＳ１５０において、機械学習部４０１は、所定の学習終了条件が満たされたか否かを、例えば、第１の学習用データ１１Ａに含まれる基板保持機構部状態情報（正解ラベル）と、推論結果として出力された状態情報（出力データ）とに基づく誤差関数の評価値や、学習用データ記憶部４２内に記憶された未学習の第１の学習用データ１１Ａの残数に基づいて判定する。

ステップＳ１５０において、機械学習部４０１が、学習終了条件が満たされておらず、機械学習を継続すると判定した場合（ステップＳ１５０でＮｏ）、ステップＳ１２０に戻り、学習中の第１の学習モデル１０Ａに対してステップＳ１２０～Ｓ１４０の工程を未学習の第１の学習用データ１１Ａを用いて複数回実施する。一方、ステップＳ１５０において、機械学習部４０１が、学習終了条件が満たされて、機械学習を終了すると判定した場合（ステップＳ１５０でＹｅｓ）、ステップＳ１６０に進む。

そして、ステップＳ１６０において、機械学習部４０１は、各シナプスに対応付けられた重みを調整することで生成された学習済みの第１の学習モデル１０Ａ（調整済みの重みパラメータ群）を学習済みモデル記憶部４３に記憶し、図１３に示す一連の機械学習方法を終了する。機械学習方法において、ステップＳ１００が学習用データ記憶工程、ステップＳ１１０～Ｓ１５０が機械学習工程、ステップＳ１６０が学習済みモデル記憶工程に相当する。

以上のように、本実施形態に係る機械学習装置４及び機械学習方法によれば、基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を含む動作状態情報から、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を示す基板保持機構部状態情報を予測（推論）することが可能な第１の学習モデル１０Ａを提供することができる。

（情報処理装置５）
図１４は、第１の実施形態に係る情報処理装置５の一例を示すブロック図である。図１５は、第１の実施形態に係る情報処理装置５の一例を示す機能説明図である。情報処理装置５は、制御部５０、通信部５１、及び、学習済みモデル記憶部５２を備える。

制御部５０は、情報取得部５００、状態予測部５０１及び出力処理部５０２として機能する。通信部５１は、ネットワーク７を介して外部装置（例えば、基板処理装置２、データベース装置３、機械学習装置４、及び、ユーザ端末装置６等）と接続され、各種のデータを送受信する通信インターフェースとして機能する。

情報取得部５００は、通信部５１及びネットワーク７を介して外部装置と接続され、基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を含む動作状態情報を取得する。

例えば、仕上げ処理がすでに行われた後のウェハＷに対する基板保持機構部状態情報の「事後予測処理」を行う場合には、情報取得部５００は、生産履歴情報３０の仕上げ履歴テーブル３０１を参照することで、そのウェハＷに対して仕上げ処理が行われたときの基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を、動作状態情報として取得する。

仕上げ処理が行われている最中のウェハＷに対する基板保持機構部状態情報の「リアルタイム予測処理」を行う場合には、情報取得部５００は、その仕上げ処理を行っている基板処理装置２から装置状態情報に関するレポートＲを随時受信することで、そのウェハＷに対して仕上げ処理が行われている最中の基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を、動作状態情報として随時取得する。

仕上げ処理が行われる前のウェハＷに対する基板保持機構部状態情報の「事前予測処理」を行う場合には、情報取得部５００は、その仕上げ処理を行う予定の基板処理装置２から基板レシピ情報２６６を受信し、その基板レシピ条件２６６に従って基板処理装置２が動作するときの装置状態情報をシミュレーションすることで、そのウェハＷに対して仕上げ処理が行われるときの基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を、動作状態情報として取得する。

状態予測部５０１は、上記のように、情報取得部５００により取得された動作状態情報を入力データとして第１の学習モデル１０Ａに入力することで、当該動作状態情報が示す動作状態にて基板処理装置２が動作したときの基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を示す基板保持機構部状態情報を予測する。

学習済みモデル記憶部５２は、状態予測部５０１にて用いられる学習済みの第１の学習モデル１０Ａを記憶するデータベースである。なお、学習済みモデル記憶部５２に記憶される第１の学習モデル１０Ａの数は１つに限定されず、例えば、機械学習の手法、仕上げ具の種類、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの機構の違い、動作状態情報に含まれるデータの種類、基板保持機構部状態情報に含まれるデータの種類等のように、条件が異なる複数の学習済みモデルが記憶され、選択的に利用可能としてもよい。学習済みモデル記憶部５２は、外部コンピュータ（例えば、サーバ型コンピュータやクラウド型コンピュータ）の記憶部で代用されてもよく、その場合には、状態予測部５０１は、当該外部コンピュータにアクセスすればよい。

出力処理部５０２は、状態予測部５０１により生成された基板保持機構部状態情報を出力するための出力処理を行う。例えば、出力処理部５０２は、その基板保持機構部状態情報をユーザ端末装置６に送信することで、その基板保持機構部状態情報に基づく表示画面がユーザ端末装置６に表示されてもよいし、その基板保持機構部状態情報をデータベース装置３に送信することで、その基板保持機構部状態情報が生産履歴情報３０に登録されてもよい。

（情報処理方法）
図１６は、情報処理装置５による情報処理方法の一例を示すフローチャートである。以下では、ユーザがユーザ端末装置６を操作して、特定のウェハＷに対する基板保持機構部状態情報の「事後予測処理」を行う場合の動作例について説明する。

まず、ステップＳ２００において、ユーザが、ユーザ端末装置６に対して、予測対象のウェハＷを特定するウェハＩＤを入力する入力操作を行うと、ユーザ端末装置６は、そのウェハＩＤを情報処理装置５に送信する。

次に、ステップＳ２１０において、情報処理装置５の情報取得部５００は、ステップＳ２００にて送信されたウェハＩＤを受信する。ステップＳ２１１において、情報取得部５００は、ステップＳ２１０で受信したウェハＩＤを用いて生産履歴情報３０の仕上げ履歴テーブル３０１を参照することで、そのウェハＩＤで特定されたウェハＷに対して仕上げ処理が行われたときの動作状態情報を取得する。

次に、ステップＳ２２０において、状態予測部５０１は、ステップＳ２１１にて取得された動作状態情報を入力データとして第１の学習モデル１０Ａに入力することで、当該動作状態情報に対する基板保持機構部状態情報を出力データとして生成し、その基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を予測する。

次に、ステップＳ２３０において、出力処理部５０２は、ステップＳ２２０にて生成された基板保持機構部状態情報を出力するための出力処理として、その基板保持機構部状態情報をユーザ端末装置６に送信する。なお、基板保持機構部状態情報の送信先は、ユーザ端末装置６に加えて又は代えて、データベース装置３でもよい。

次に、ステップＳ２４０において、ユーザ端末装置６は、ステップＳ２００の送信処理に対する応答として、ステップＳ２３０にて送信された基板保持機構部状態情報を受信すると、その基板保持機構部状態情報に基づいて表示画面を表示することで、その基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態がユーザにより視認される。上記の情報処理方法において、ステップＳ２１０、Ｓ２１１が情報取得工程、ステップＳ２２０が状態予測工程、ステップＳ２３０が出力処理工程に相当する。

以上のように、本実施形態に係る情報処理装置５及び情報処理方法によれば、仕上げ処理における、基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を含む動作状態情報が第１の学習モデル１０Ａに入力されることで、当該動作状態情報に対する基板保持機構部状態情報が予測されるので、基板処理装置２の動作状態に応じて基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を適切に予測することができる。

（第２の実施形態）
第２の実施形態は、基板保持機構部状態情報が、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの余寿命を示す余寿命情報である点で第１の実施形態と相違する。以下では、第２の実施形態に係る機械学習装置４ａ及び情報処理装置５ａについて、第１の実施形態と異なる部分を中心に説明する。

図１７は、第２の実施形態に係る機械学習装置４ａの一例を示すブロック図である。図１８は、第２の学習モデル１０Ｂ及び第２の学習用データ１１Ｂの一例を示す図である。第２の学習用データ１１Ｂは、第２の学習モデル１０Ｂの機械学習に用いられる。

第２の学習用データ１１Ｂを構成する基板保持機構部状態情報は、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの余寿命を示す余寿命情報である。基板保持機構部２４１ａ、
２４１ｃ、２４１ｅの余寿命は、例えば、基板保持機構部２４１ａ、２４１ｃ、２４１ｅが寿命に到達するまでの使用可能回数や使用可能時間にて定められる。なお、第２の学習用データ１１Ｂを構成する動作状態情報は、第１の実施形態と同様であるため、説明を省略する。

学習用データ取得部４００は、仕上げ試験情報３１を参照するとともに、必要に応じてユーザ端末装置６によるユーザの入力操作を受け付けることで、第２の学習用データ１１Ｂを取得する。仕上げ試験情報３１には、例えば、仕上げ試験として、試験用の基板保持機構部を用いて繰り返し仕上げ処理が行われた場合に、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの寿命に到達したときの余寿命情報には、「０」が設定され、過去に遡るほど大きな値が設定された試験結果情報が登録されている。そして、学習用データ取得部４００は、仕上げ試験情報３１の仕上げ試験テーブル３１０から試験ＩＤで特定される仕上げ試験が行われたときの試験結果情報を取得することで、余寿命情報を取得する。

機械学習部４０１は、第２の学習モデル１０Ｂに第２の学習用データ１１Ｂを複数組入力し、第２の学習用データ１１Ｂに含まれる動作状態情報と基板保持機構部状態情報（余寿命情報）との相関関係を第２の学習モデル１０Ｂに学習させることで、学習済みの第２の学習モデル１０Ｂを生成する。

図１９は、第２の実施形態に係る情報処理装置５ａとして機能する情報処理装置５ａの一例を示すブロック図である。図２０は、第２の実施形態に係る情報処理装置５ａの一例を示す機能説明図である。

情報取得部５００は、第１の実施形態と同様に、基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報含む動作状態情報を取得する。

状態予測部５０１は、上記のように、情報取得部５００により取得された動作状態情報を入力データとして第２の学習モデル１０Ｂに入力することで、当該動作状態情報が示す動作状態にて基板処理装置２が動作したときの基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を示す基板保持機構部状態情報（余寿命情報）を予測する。

以上のように、本実施形態に係る情報処理装置５ａ及び情報処理方法によれば、仕上げ処理における、基板回転状態情報、基板保持位置情報、及び、基板押付荷重情報を含む動作状態情報が第２の学習モデル１０Ｂに入力されることで、当該動作状態情報に対する基板保持機構部状態情報（余寿命情報）が予測されるので、基板処理装置２の動作状態に応じて基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を適切に予測することができる。

（他の実施形態）
本発明は上述した実施形態に制約されるものではなく、本発明の主旨を逸脱しない範囲内で種々変更して実施することが可能である。そして、それらはすべて、本発明の技術思想に含まれるものである。

上記実施形態では、データベース装置３、機械学習装置４及び情報処理装置５は、別々の装置で構成されたものとして説明したが、それら３つの装置が、単一の装置で構成されていてもよいし、それら３つの装置のうち任意の２つの装置が、単一の装置で構成されていてもよい。また、機械学習装置４及び情報処理装置５の少なくとも一方は、基板処理装置２の制御ユニット２６又はユーザ端末装置６に組み込まれていてもよい。

上記実施形態では、基板処理装置２が、各ユニット２１～２５を備えるものとして説明
したが、基板処理装置２は、仕上げユニット２４の洗浄処理を行う際にウェハＷを保持する機能及び乾燥処理を行う際にウェハＷを保持する機能のうち少なくとも１つを備えていればよく、他のユニットは省略されていてもよい。

上記実施形態では、機械学習部４０１による機械学習を実現する学習モデルとして、ニューラルネットワークを採用した場合について説明したが、他の機械学習のモデルを採用してもよい。他の機械学習のモデルとしては、例えば、決定木、回帰木等のツリー型、バギング、ブースティング等のアンサンブル学習、再帰型ニューラルネットワーク、畳み込みニューラルネットワーク、ＬＳＴＭ等のニューラルネット型(ディープラーニングを含
む)、階層型クラスタリング、非階層型クラスタリング、ｋ近傍法、ｋ平均法等のクラス
タリング型、主成分分析、因子分析、ロジスティク回帰等の多変量解析、サポートベクターマシン等が挙げられる。

上記実施形態では、試験結果情報は、試験装置においてダミーウェハを用いた仕上げ試験において仕上げ処理が行われたときの基板保持機構部状態を示す情報であるが、基板保持機構部２４１ａ、２４１ｃ、２４１ｅの状態を検出するセンサを設置した実際の仕上げユニット２４を用いて実際のウェハＷの仕上げ処理が行われたときの状態を示す情報として継続的に取得されるようにしてもよい。継続的に取得した試験結果情報は、機械学習装置４によって継続的に学習される。

また、試験結果情報は、センサを設置しない仕上げユニット２４において、人が基板保持機構部２４１ａ、２４１ｃ、２４１ｅの汚染度、摩耗度、又は、破損度を判断し、データにラベル付けをして継続的に取得されるようにしてもよい。

さらに、実際の仕上げユニット２４を用いて継続的に取得された情報をクラウドへアップロードし、クラウドで機械学習した後、学習されたモデルを基板処理装置２へ展開してもよい。また、クラウドへアップロードすることなく、基板処理装置２内で処理方法を学習してもよい。

（機械学習プログラム及び情報処理プログラム）
本発明は、機械学習装置４が備える各部としてコンピュータ９００を機能させるプログラム（機械学習プログラム）や、機械学習方法が備える各工程をコンピュータ９００に実行させるためのプログラム（機械学習プログラム）の態様で提供することもできる。また、本発明は、情報処理装置５が備える各部としてコンピュータ９００を機能させるためのプログラム（情報処理プログラム）や、上記実施形態に係る情報処理方法が備える各工程をコンピュータ９００に実行させるためのプログラム（情報処理プログラム）の態様で提供することもできる。

（推論装置、推論方法及び推論プログラム）
本発明は、上記実施形態に係る情報処理装置５（情報処理方法又は情報処理プログラム）の態様によるもののみならず、基板保持機構部状態情報を推論するために用いられる推論装置（推論方法又は推論プログラム）の態様で提供することもできる。その場合、推論装置（推論方法又は推論プログラム）としては、メモリと、プロセッサとを含み、このうちのプロセッサが、一連の処理を実行するものとすることができる。当該一連の処理とは、動作状態情報を取得する情報取得処理（情報取得工程）と、情報取得処理にて動作状態情報を取得すると、当該動作状態情報が示す動作状態にて基板処理装置２が動作したときの基板保持機構部の状態を示す基板保持機構部状態情報（コンディション情報又は余寿命情報）を推論する推論処理（推論工程）とを含む。

推論装置（推論方法又は推論プログラム）の態様で提供することで、情報処理装置５を
実装する場合に比して簡単に種々の装置への適用が可能となる。推論装置（推論方法又は推論プログラム）が基板保持機構部状態情報を推論する際、上記実施形態に係る機械学習装置４及び機械学習方法により生成された学習済みの学習モデルを用いて、状態予測部５０１が実施する推論手法を適用してもよいことは、当業者にとって当然に理解され得るものである。

１…基板処理システム、２…基板処理装置、３…データベース装置、
４、４ａ…機械学習装置、５、５ａ…情報処理装置、
６…ユーザ端末装置、７…ネットワーク、
１０Ａ…第１の学習モデル、１０Ｂ…第２の学習モデル、
１１Ａ…第１の学習用データ、１１Ｂ…第２の学習用データ、
２０…ハウジング、２１…ロード／アンロードユニット、
２２…研磨ユニット、２２Ａ～２２Ｄ…研磨部、２３…基板搬送ユニット、
２４…仕上げユニット、２４Ａ、２４Ｂ…ロールスポンジ洗浄部、
２４Ｃ、２４Ｄ…ペンスポンジ洗浄部、２４Ｅ、２４Ｆ…乾燥部、
２４Ｇ、２４Ｈ…搬送部、２５…膜厚測定ユニット、２６…制御ユニット、
３０…生産履歴情報、３１…仕上げ試験情報、
４０…制御部、４１…通信部、４２…学習用データ記憶部、
４３…学習済みモデル記憶部、
５０…制御部、５１…通信部、５２…学習済みモデル記憶部、
２２０…研磨テーブル、２２１…トップリング、２２２…液体供給ノズル、
２２３…ドレッサ、２２４…アトマイザ、
２４０…基板洗浄部、２４１…基板保持部、２４２…洗浄流体供給部、
２４３…洗浄具洗浄部、２４４…環境センサ、２４５…乾燥流体供給部、
２６０…制御部、２１…通信部、２６２…入力部、２６３…出力部、２６４…記憶部、
３００…ウェハ履歴テーブル、３０１…仕上げ履歴テーブル、３１０…仕上げ試験テーブル、
４００…学習用データ取得部、４０１…機械学習部、
５００…情報取得部、５０１…状態予測部、５０２…出力処理部、
９００…コンピュータ、
２２００…研磨パッド、２２３０…ドレッサディスク、２４００…ロールスポンジ、
２４０１…ペンスポンジ

Claims (12)

1. 基板を保持する基板保持機構部及び基板を回転させる基板回転機構部を有する基板保持部を備える基板処理装置が動作したときの動作状態として、前記基板の回転状態を示す基板回転状態情報、前記基板保持部の基板保持位置を示す基板保持位置情報、及び、前記基板保持部の基板押付荷重を示す基板押付荷重情報、を含む動作状態情報を取得する情報取得部と、
   前記動作状態情報と、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動作したときの前記基板保持機構部の状態を示す基板保持機構部状態情報との相関関係を機械学習により学習させた学習モデルに、前記情報取得部により取得された前記動作状態情報を入力することで、当該動作状態情報に対する前記基板保持機構部状態情報を予測する状態予測部と、
   を備える、
   情報処理装置。
2. 前記基板回転状態情報は、
   前記基板の回転速度を示す基板回転速度情報、及び、
   前記基板の回転トルクを示す基板回転トルク情報、の少なくとも１つを含む、
   請求項１に記載の情報処理装置。
3. 前記動作状態情報に含まれる前記基板回転速度情報は、
   前記基板の回転数、
   前記基板に形成された被計測部のカウント数、及び、
   前記基板回転機構部の回転数、の少なくとも１つを含む、
   請求項２に記載の情報処理装置。
4. 前記動作状態情報に含まれる前記基板回転トルク情報は、
   前記基板回転機構部の回転トルクを含む、
   請求項２又は請求項３に記載の情報処理装置。
5. 前記動作状態情報に含まれる前記基板保持位置情報は、
   前記基板保持機構部が前記基板を保持する保持位置を含む、
   請求項１乃至請求項４のいずれか一項に記載の情報処理装置。
6. 前記基板保持機構部状態情報は、
   前記基板保持機構部の汚染度情報、
   前記基板保持機構部の摩耗度情報、及び、
   前記基板保持機構部の破損度情報、の少なくとも１つを含む、
   請求項１乃至請求項５のいずれか一項に記載の情報処理装置。
7. 前記基板保持機構部状態情報は、前記基板保持機構部の余寿命情報を含む、
   請求項１乃至請求項５のいずれか一項に記載の情報処理装置。
8. メモリと、プロセッサとを備える推論装置であって、
   前記プロセッサは、
   基板を保持する基板保持機構部及び基板を回転させる基板回転機構部を有する基板保持部を備える基板処理装置が動作したときの動作状態として、
   前記基板の回転状態を示す基板回転状態情報、前記基板保持機構部の基板保持位置を示す基板保持位置情報、及び、前記基板保持機構部の基板押付荷重を示す基板押付荷重情報、を含む動作状態情報を取得する情報取得処理と、
   前記情報取得処理にて前記動作状態情報を取得すると、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動作したときの前記基板保持機構部の状態を示す基板保持機構部状態情報を推論する推論処理と、
   を実行する、
   推論装置。
9. 基板を保持する基板保持機構部及び基板を回転させる基板回転機構部を有する基板保持部を備える基板処理装置が動作したときの動作状態として、前記基板の回転状態を示す基板回転状態情報、前記基板保持機構部の基板保持位置を示す基板保持位置情報、及び、前記基板保持機構部の基板押付荷重を示す基板押付荷重情報、を含む動作状態情報と、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動作したときの前記基板保持機構部の状態を示す基板保持機構部状態情報とで構成される学習用データを複数組記憶する学習用データ記憶部と、
   複数組の前記学習用データを学習モデルに入力することで、前記動作状態情報と前記基板保持機構部状態情報との相関関係を前記学習モデルに学習させる機械学習部と、
   前記機械学習部により前記相関関係を学習させた前記学習モデルを記憶する学習済みモデル記憶部と、
   を備える、
   機械学習装置。
10. 基板を保持する基板保持機構部及び基板を回転させる基板回転機構部を有する基板保持部を備える基板処理装置が動作したときの動作状態として、前記基板の回転状態を示す基板回転状態情報、前記基板保持機構部の基板保持位置を示す基板保持位置情報、及び、前記基板保持機構部の基板押付荷重を示す基板押付荷重情報を含む動作状態情報を取得する情報取得工程と、
    前記動作状態情報と、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動作したときの前記基板保持機構部状態情報との相関関係を機械学習により学習させた学習モデルに、前記情報取得工程により取得された前記動作状態情報を入力することで、当該動作状態情報に対する前記基板保持機構部状態情報を予測する状態予測工程と、
    を備える、
    情報処理方法。
11. メモリと、プロセッサとを備える推論装置により実行される推論方法であって、
    前記プロセッサは、
    基板を保持する基板保持機構部及び基板を回転させる基板回転機構部を有する基板保持部を備える基板処理装置が動作したときの動作状態として、前記基板の回転状態を示す基板回転状態情報、前記基板保持機構部の基板保持位置を示す基板保持位置情報、及び、前記基板保持機構部の基板押付荷重を示す基板押付荷重情報を含む動作状態情報を取得する情報取得工程と、
    前記情報取得工程にて前記動作状態情報を取得すると、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動作したときの前記基板保持機構部の状態を示す基板保持機構部状態情報を推論する推論工程と、
    を実行する、
    推論方法。
12. 基板を保持する基板保持機構部及び基板を回転させる基板回転機構部を有する基板保持部を備える基板処理装置が動作したときの動作状態として、前記基板の回転状態を示す基板回転状態情報、前記基板保持機構部の基板保持位置を示す基板保持位置情報、及び、前記基板保持機構部の基板押付荷重を示す基板押付荷重情報を含む動作状態情報と、当該動作状態情報が示す前記動作状態にて前記基板処理装置が動作したときの前記基板保持機構
    部の状態を示す基板保持機構部状態情報とで構成される学習用データを学習用データ記憶部に複数組記憶する学習用データ記憶工程と、
    複数組の前記学習用データを学習モデルに入力することで、前記動作状態情報と前記基板保持機構部状態情報との相関関係を前記学習モデルに学習させる機械学習工程と、
    前記機械学習工程により前記相関関係を学習させた前記学習モデルを学習済みモデル記憶部に記憶する学習済みモデル記憶工程と、
    を備える、
    機械学習方法。